Anthropic wurde von ehemaligen Forschenden aus dem Umfeld von OpenAI gegründet und hat sich früh auf Sicherheit, Verlässlichkeit und den Einsatz in Unternehmen ausgerichtet. Die Claude-Modelle sind vor allem für ihre Stärke bei langen Texten, sorgfältigem Schlussfolgern, Programmieraufgaben und einem vergleichsweise zurückhaltenden, präzisen Antwortstil bekannt. Die Vision-Fähigkeiten fügen sich in dieses Profil ein: Sie sind nicht auf spektakuläre Bildgenerierung oder Echtzeit-Videoanalyse ausgelegt, sondern auf das genaue Lesen und Verstehen von visuellen Informationen, wie sie in Unternehmen täglich anfallen.
Technisch arbeitet Claude als Vision-Language-Modell: Bilder werden in eine interne Darstellung übersetzt, die das Modell gemeinsam mit dem Text der Anfrage verarbeitet. Dadurch kann Claude Fragen beantworten, die sich nur aus der Kombination von Bild und Text ergeben – etwa, ob die Positionen auf einer abfotografierten Rechnung mit der Bestellung in einer begleitenden E-Mail übereinstimmen, welche Werte in einem Liniendiagramm einen Ausreißer darstellen oder welche Schritte in einer Bildschirmaufnahme einer Software zu einer Fehlermeldung geführt haben. Bei PDF-Dokumenten berücksichtigt Claude nach Angaben des Anbieters sowohl den enthaltenen Text als auch die visuelle Darstellung der Seiten, sodass auch Grafiken, Tabellen und gescannte Inhalte erfasst werden.
Klassische Texterkennung, also OCR, wandelt Bildpunkte in Zeichen um. Das ist nützlich, aber begrenzt: Eine OCR weiß nicht, dass eine bestimmte Zahl der Rechnungsbetrag ist, dass eine durchgestrichene Position nicht mehr gilt oder dass ein handschriftlicher Vermerk am Rand die Lieferadresse ändert. Für solche Zusammenhänge waren bisher aufwendige Regelwerke, Vorlagen pro Lieferant oder manuelle Nacharbeit nötig. Ein Vision-Language-Modell wie Claude überspringt diese Stufe weitgehend, weil es Dokumente ähnlich liest wie ein Mensch – mit Blick auf Layout, Kontext und Bedeutung. Das macht es möglich, auch Belege und Formulare zu verarbeiten, für die es keine feste Vorlage gibt.
Das bedeutet nicht, dass klassische OCR überflüssig wird. Bei sehr großen Mengen gleichförmiger Dokumente, bei strengen Anforderungen an Reproduzierbarkeit oder bei extrem geringem Budget pro Seite können spezialisierte OCR-Lösungen weiterhin die bessere Wahl sein. In der Praxis entstehen deshalb oft hybride Ansätze, in denen eine schnelle OCR den Text vorverarbeitet und Claude die inhaltliche Interpretation, Prüfung und Zusammenfassung übernimmt.
Angesprochen sind Geschäftsführung, IT-Verantwortliche, Datenschutzbeauftragte sowie Fachabteilungen aus Buchhaltung, Einkauf, Vertrieb, Kundenservice und Technik in mittelständischen Unternehmen. Wir setzen kein technisches Detailwissen voraus. Nach der Lektüre sollten Sie einschätzen können, welche Aufgaben Claude Vision zuverlässig löst, wo die Grenzen liegen, welcher Zugangsweg zu Ihrem Schutzbedarf passt und wie sich Claude von GPT-4o, Gemini und offenen Vision-Language-Modellen unterscheidet.
Wir arbeiten herstellerneutral und bewusst zurückhaltend mit Zahlen. Modellversionen, Bildgrößenlimits, maximale Seitenzahlen, Kontextfenster und Preise ändern sich bei Anthropic in kurzen Abständen. Statt Werte zu nennen, die schon bald überholt sein könnten, beschreiben wir Fähigkeiten qualitativ und sprechen von der „aktuellen Claude-Generation“. Konkrete Angaben sollten Sie unmittelbar vor einer Entscheidung in der offiziellen Dokumentation und den Vertragsbedingungen des Anbieters beziehungsweise der genutzten Cloud-Plattform prüfen.
Anthropic veröffentlicht neue Claude-Generationen in regelmäßigen Abständen und strukturiert sie seit Längerem in drei Klassen, deren Namen über die Generationen hinweg recht stabil geblieben sind. Die konkreten Versionsnummern, Leistungsdaten und Preise wechseln dagegen häufig. Für die Planung ist es deshalb sinnvoller, in Klassen zu denken als in einzelnen Versionen – und die Architektur so zu gestalten, dass ein Modellwechsel ohne großen Umbau möglich ist.
Mindestens ebenso wichtig wie die Modellklasse ist der Zugangsweg. Er bestimmt, unter welchen Vertragsbedingungen die Daten verarbeitet werden, wo die Verarbeitung stattfindet, welche Steuerungsmöglichkeiten die IT hat und wie sich Claude in bestehende Systeme einfügt.
Die Claude Apps sind der schnellste Weg, die Vision-Fähigkeiten auszuprobieren: Ein Foto oder PDF wird per Drag-and-drop hochgeladen und kann sofort befragt werden. Für Unternehmensdaten sind die Verbraucherzugänge jedoch nicht gedacht. Je nach aktuellen Bedingungen und Einstellungen können Eingaben dort zur Modellverbesserung verwendet werden; die jeweiligen Datenschutzeinstellungen sollten Sie genau prüfen. Die Team- und Enterprise-Pläne bieten gewerbliche Bedingungen, zentrale Verwaltung, Einmalanmeldung und weitere Kontrollfunktionen. Die Claude API ist der Zugang für Entwicklerinnen und Entwickler, die Claude in eigene Software, Workflows oder Portale einbinden. Und über Amazon Bedrock und Google Vertex AI lässt sich Claude innerhalb einer bestehenden Cloud-Umgebung nutzen – mit den dort etablierten Mechanismen für Regionenwahl, Zugriffssteuerung, Protokollierung und Abrechnung. Je nach aktuellem Angebot ist Claude zudem über weitere Plattformen verfügbar; dies sollten Sie beim Anbieter prüfen.
In der Praxis bewährt sich eine Staffelung. Für erste Experimente mit unkritischen Beispieldokumenten reicht oft ein gewerblicher Chat-Zugang. Für einen strukturierten Pilotbetrieb mit realen, aber geschwärzten Dokumenten empfiehlt sich die API oder eine Cloud-Plattform. Für den produktiven Betrieb mit personenbezogenen Daten raten wir in der Regel zu Bedrock oder Vertex AI mit einer europäischen Region, weil dort Verarbeitungsort, Zugriffe und Protokollierung am besten steuerbar sind. Unternehmen, die bereits stark in einer der beiden Cloud-Welten verankert sind, profitieren zudem von vorhandenen Verträgen, Sicherheitskonzepten und Abrechnungswegen.
Claude akzeptiert gängige Bildformate und kann mehrere Bilder in einer Anfrage verarbeiten. Das eröffnet Vergleiche – etwa zwischen einem Soll-Foto und einem Ist-Foto einer Montage, zwischen zwei Versionen eines Formulars oder zwischen mehreren Seiten eines abfotografierten Dokuments. Typische Bildinhalte, die Claude zuverlässig erfasst, sind:
Die Bildqualität beeinflusst das Ergebnis erheblich. Anthropic empfiehlt, Bilder in ausreichender, aber nicht übertriebener Auflösung zu übermitteln; sehr große Bilder werden in der Regel verkleinert, sehr kleine liefern zu wenig Details. Konkrete Größengrenzen und Empfehlungen sind in der aktuellen Dokumentation hinterlegt und sollten vor der Prozessgestaltung geprüft werden.
Eine der für Unternehmen wertvollsten Fähigkeiten ist die direkte Verarbeitung von PDF-Dateien. Claude erfasst dabei nach Angaben des Anbieters sowohl den extrahierbaren Text als auch eine visuelle Darstellung der Seiten. Dadurch werden Tabellen, Diagramme, eingebettete Grafiken und auch gescannte Seiten ohne Textebene berücksichtigt. Ein Vertragswerk mit Anlagen, ein Prüfbericht mit Messkurven, ein Produktdatenblatt mit Abbildungen oder ein Geschäftsbericht mit Grafiken lassen sich so in einem Arbeitsgang befragen.
Für längere Dokumente ist der große Kontextspeicher der Claude-Modelle hilfreich, der die Verarbeitung umfangreicher Unterlagen in einer Anfrage erlaubt. Es gibt jedoch Grenzen bei Seitenzahl und Dateigröße, die je nach Modell und Zugangsweg variieren. Zusätzlich bietet Anthropic eine Zitierfunktion an, mit der Antworten auf konkrete Textstellen im Quelldokument verweisen können. Für prüfpflichtige Prozesse ist das ein wichtiges Merkmal, weil Mitarbeitende eine Aussage schnell im Original nachvollziehen können.
Claude Vision ist leistungsfähig, aber nicht unfehlbar. Folgende Einschränkungen sollten in jede Prozessplanung einfließen:
Der häufigste Automatisierungsfall ist die strukturierte Extraktion: Claude erhält ein Dokument und eine Vorgabe, welche Felder in welchem Format benötigt werden – etwa Lieferant, Rechnungsnummer, Datum, Positionen, Beträge und Steuersätze. Das Ergebnis ist ein maschinenlesbarer Datensatz, der direkt an ein ERP-, DMS- oder CRM-System übergeben werden kann. Über die Funktion Tool Use, bei anderen Anbietern oft Function Calling genannt, kann Claude zudem selbst entscheiden, welche Werkzeuge es aufruft: eine Lieferantensuche in der Stammdatenbank, eine Plausibilitätsprüfung gegen die Bestellung oder das Anlegen eines Vorgangs im Ticketsystem. Anthropic bietet je nach Stand auch Mechanismen, die Ausgaben streng an ein vorgegebenes Schema binden; dies erhöht die Zuverlässigkeit in automatisierten Ketten.
Wichtig ist eine saubere Trennung der Verantwortlichkeiten. Claude liefert einen Vorschlag samt Begründung oder Quellenverweis, das umgebende System prüft Pflichtfelder, Formate und Plausibilitäten, und bei Unsicherheit wird ein Mensch hinzugezogen. Diese Architektur hält Fehlerquoten beherrschbar und macht den Prozess revisionsfähig.
Eine Besonderheit im Anthropic-Ökosystem ist Computer Use. Dabei erhält Claude fortlaufend Bildschirmfotos einer Arbeitsumgebung und kann Maus- und Tastaturaktionen ausführen. Die Vision-Fähigkeit ist hier die Grundlage: Claude muss Bedienelemente erkennen, Formularfelder finden und Rückmeldungen der Software verstehen. Für den Mittelstand ist das interessant, wenn Altanwendungen keine Schnittstelle bieten und Daten bisher manuell übertragen werden. Gleichzeitig ist Computer Use eine vergleichsweise junge, fehleranfälligere Technik mit eigenen Sicherheitsrisiken. Sie sollte nur in isolierten Umgebungen, mit eingeschränkten Rechten und unter Aufsicht eingesetzt werden.
Darüber hinaus lassen sich mit Claude agentische Abläufe gestalten, in denen das Modell mehrere Schritte selbstständig plant: ein Dokumentenpaket sichten, fehlende Unterlagen identifizieren, Rückfragen formulieren und Ergebnisse zusammenfassen. Anthropic stellt dafür Bausteine wie das Agent SDK und das Model Context Protocol bereit. Für Unternehmen gilt: Je mehr Autonomie ein Agent erhält, desto wichtiger sind klare Grenzen, Protokollierung und Freigabestufen.
Bilder und PDFs verursachen deutlich mehr Verarbeitungsaufwand als reiner Text. Anthropic bietet deshalb Mechanismen an, die Kosten und Antwortzeiten senken können: das Zwischenspeichern wiederkehrender Kontextteile, etwa einer langen Arbeitsanweisung oder eines Referenzdokuments, und eine Stapelverarbeitung für nicht zeitkritische Aufgaben. Hinzu kommt die bereits beschriebene Staffelung der Modellklassen. Welche Mechanismen über welchen Zugangsweg verfügbar sind, unterscheidet sich teilweise zwischen Anthropic-API, Bedrock und Vertex AI und sollte im Einzelfall geprüft werden.
Die wichtigsten Integrationspartner sind Amazon Web Services mit Bedrock und Google Cloud mit Vertex AI. Über diese Plattformen steht Claude innerhalb der jeweiligen Cloud-Umgebung zur Verfügung und lässt sich mit dort vorhandenen Diensten kombinieren: Objektspeicher für Dokumente, Datenbanken, Suchindizes für Retrieval-Augmented Generation, Workflow-Orchestrierung, Überwachung und Kostenkontrolle. Unternehmen, die bereits eine dieser Clouds nutzen, können vorhandene Identitäts- und Rechtekonzepte, Netzwerkisolierung und Protokollierung übernehmen. Ein weiterer Vorteil ist die Regionenwahl, die für die Datenschutzbewertung eine wichtige Rolle spielt. Prüfen Sie dabei, welche Modelle in welchen europäischen Regionen tatsächlich verfügbar sind und ob regionsübergreifende Inferenz aktiviert ist.
Mit dem Model Context Protocol (MCP) hat Anthropic einen offenen Standard initiiert, über den KI-Anwendungen mit externen Datenquellen und Werkzeugen verbunden werden. MCP-Server existieren für zahlreiche Systeme, von Dateiablagen über Datenbanken bis zu Projekt- und Ticketsystemen, und der Standard wird inzwischen auch von anderen Anbietern unterstützt. Für Vision-Szenarien bedeutet das: Claude kann Dokumente aus einem angebundenen System abrufen, analysieren und Ergebnisse dort zurückschreiben, ohne dass für jede Kombination eine individuelle Schnittstelle programmiert werden muss.
Für Entwicklungsteams stehen offizielle SDKs für verbreitete Programmiersprachen, eine Dateischnittstelle zum wiederholten Verwenden hochgeladener Dokumente sowie Werkzeuge wie Claude Code für die Softwareentwicklung zur Verfügung. Low-Code-Plattformen und Automatisierungswerkzeuge bieten zudem häufig fertige Bausteine für Claude, sodass sich einfache Dokumenten-Workflows auch ohne umfangreiche Programmierung umsetzen lassen.
Weil Claude sich auf Text, Bild und PDF konzentriert, entsteht ein vollständiger multimodaler Prozess oft erst im Zusammenspiel mit spezialisierten Werkzeugen. Typische Kombinationen sind:
Ein Vision-Prozess ist nie „fertig“. Lieferanten ändern ihre Rechnungslayouts, Kunden schicken neue Arten von Fotos, Anthropic veröffentlicht neue Modellversionen und stellt ältere ein. Deshalb gehört eine kontinuierliche Qualitätsmessung zum Betrieb: Das Testset wird regelmäßig gegen das produktive Modell laufen gelassen, Stichproben der automatisch verarbeiteten Fälle werden manuell geprüft, und Abweichungen lösen eine Analyse aus. Besonders wichtig ist dies bei Modellwechseln. Ein neues Modell kann in der Summe besser sein und trotzdem bei einzelnen Dokumentarten schlechter abschneiden. Wer Versionen fest einstellt, statt automatisch auf die neueste Variante zu wechseln, behält die Kontrolle über den Zeitpunkt der Umstellung.
Die Qualität der Ergebnisse hängt stark von der Anweisung ab. Bewährt haben sich klare Rollenbeschreibungen, eine präzise Definition der gewünschten Felder mit Beispielen, explizite Regeln für Sonderfälle und die Aufforderung, Unsicherheiten offen zu benennen, statt zu raten. Ein festes Ausgabeschema erleichtert die Weiterverarbeitung erheblich. Auf der Sicherheitsseite ist zu beachten, dass Bilder und Dokumente versteckte Anweisungen enthalten können – etwa als kaum sichtbarer Text in einem PDF. Solche Prompt-Injection-Angriffe sind bei automatisierten Prozessen mit Werkzeugzugriff ein reales Risiko. Gegenmaßnahmen sind eine strikte Trennung von Daten und Anweisungen, minimale Berechtigungen für Werkzeuge, Freigabeschritte für folgenreiche Aktionen und eine Protokollierung aller Aufrufe.
Für einen stabilen Betrieb sollten Zuständigkeiten klar verteilt sein: Die Fachabteilung verantwortet die inhaltliche Qualität und das Testset, die IT den technischen Betrieb, die Integration und die Kostenüberwachung, der Datenschutz die rechtliche Bewertung und die Dokumentation. In kleineren Unternehmen liegen mehrere Rollen in einer Hand oder werden von einem externen Partner unterstützt. Wichtig ist, dass jemand die Gesamtverantwortung trägt und Änderungen an Modellen, Anweisungen oder Prozessen nachvollziehbar dokumentiert werden.
Diese Szenarien klingen eingängig, sind aber keine Selbstläufer. Ein Handyfoto aus der Werkstatt ist oft unscharf oder zeigt nur einen Ausschnitt, ein Lieferschein trägt Stempel und handschriftliche Korrekturen, ein Datenblatt existiert nur als schlechter Scan. Der Nutzen entsteht deshalb nicht allein durch das Modell, sondern durch einen sauber gestalteten Prozess: klare Vorgaben für die Erfassung, eine Prüflogik für die Ergebnisse und eine einfache Möglichkeit, Fehler zu korrigieren. Rechnen Sie damit, dass ein Teil der Fälle weiterhin von Menschen bearbeitet wird. Der wirtschaftliche Vorteil liegt darin, dass Routinefälle schneller laufen und Ausnahmen gezielter behandelt werden.
Ein guter Einstieg vereint drei Eigenschaften: Er ist klar abgegrenzt, er erzeugt spürbaren Nutzen, und er lässt sich mit überschaubarem Datenschutzrisiko umsetzen. Die Auswertung technischer Datenblätter, Ausschreibungsunterlagen oder interner Berichte ist oft ein idealer Startpunkt, weil sie wenige personenbezogene Daten enthält und Fachleute die Ergebnisse gut beurteilen können. Eingangsrechnungen sind ebenfalls attraktiv, berühren aber Lieferanten- und teilweise Personendaten und erfordern eine saubere Einbindung in Buchhaltung und Archivierung. Anwendungsfälle mit Personalakten, Gesundheitsdaten oder Fotos von Personen sollten erst angegangen werden, wenn Zugangsweg, Verträge und Datenschutz-Folgenabschätzung geklärt sind.
Dokumenten-KI verändert Tätigkeiten, die viele Mitarbeitende seit Jahren ausüben. Transparenz und Beteiligung sind deshalb entscheidend: Was wird automatisiert, wer prüft, wie werden Fehler behandelt, und welche neuen Aufgaben entstehen? Die Erfahrung zeigt, dass Akzeptanz steigt, wenn Mitarbeitende früh mit realen Beispielen arbeiten, ihre Korrekturen sichtbar in Verbesserungen einfließen und das System als Entlastung von Routine erlebt wird. Kurze, praxisnahe Schulungen zu Stärken, Grenzen und guter Anweisungsformulierung wirken dabei deutlich besser als allgemeine KI-Seminare. Ein offiziell freigegebener Unternehmenszugang ist zugleich die wirksamste Maßnahme gegen Schatten-KI, bei der Mitarbeitende Firmendokumente in private Konten hochladen.
Bei Vision-Anwendungen hängen die Kosten stark von Anzahl, Größe und Auflösung der Bilder sowie von der Seitenzahl der PDFs ab. Wer Tausende Belege pro Monat verarbeitet, sollte vorab mit einer repräsentativen Stichprobe kalkulieren und dabei auch Wiederholungen bei Fehlern und Eskalationen an größere Modelle berücksichtigen. Die Wahl der Modellklasse hat großen Einfluss: Viele Klassifikations- und Extraktionsaufgaben gelingen mit der Haiku- oder Sonnet-Klasse, während die Opus-Klasse nur für wirklich anspruchsvolle Fälle eingesetzt wird. Bilder vor dem Versand sinnvoll zu verkleinern oder auf relevante Ausschnitte zu beschneiden, spart zusätzlich Verbrauch, ohne die Qualität zu beeinträchtigen.
Der größte Kostenblock liegt jedoch häufig außerhalb der Modellnutzung: in der Gestaltung des Prozesses, der Integration in ERP-, DMS- oder CRM-Systeme, dem Aufbau von Testsets und Prüflogik sowie im laufenden Betrieb. Verlässliche Zahlen ergeben sich nur aus einer konkreten Aufwandsschätzung für Ihren Anwendungsfall.
Die wichtigste Unterscheidung beim Datenschutz ist die zwischen Verbraucher- und gewerblichen Angeboten. Für private Claude-Konten gelten Verbraucherbedingungen, nach denen Eingaben je nach Einstellung und aktuellem Stand zur Verbesserung der Modelle genutzt werden können. Für Unternehmensdokumente – und erst recht für personenbezogene Daten von Kunden oder Mitarbeitenden – sind diese Zugänge deshalb in aller Regel nicht geeignet. Unter den gewerblichen Bedingungen von Anthropic sowie bei Nutzung über Amazon Bedrock oder Google Vertex AI wird nach Angaben der Anbieter auf das Training mit Kundendaten verzichtet, und es stehen Vereinbarungen zur Auftragsverarbeitung zur Verfügung. Aufbewahrungsfristen für Eingaben, etwa zur Missbrauchserkennung, und die genauen Formulierungen ändern sich gelegentlich und sollten vor jeder Entscheidung im aktuellen Vertragswerk geprüft werden.
Anthropic ist ein US-Unternehmen; bei direkter Nutzung der Anthropic-API findet die Verarbeitung nach aktuellem Stand überwiegend in den USA statt, sofern keine ausdrücklichen Optionen zur Datenresidenz angeboten und vereinbart sind. Für die DSGVO bedeutet das: Werden personenbezogene Daten verarbeitet, ist ein Drittlandtransfer zu bewerten. Rechtsgrundlagen wie Angemessenheitsbeschluss, Zertifizierungen und Standardvertragsklauseln können die Lage absichern, ändern aber nichts an der grundsätzlichen Abhängigkeit von einem außereuropäischen Anbieter und an der Frage möglicher Behördenzugriffe nach US-Recht – auch dann, wenn die Daten in europäischen Rechenzentren liegen.
Für den produktiven Einsatz mit Firmendaten empfehlen wir deshalb in erster Linie die Nutzung über einen Cloud-Hyperscaler mit EU-Region, also Amazon Bedrock oder Google Vertex AI. Dort lassen sich Verarbeitungsort, Zugriffe und Protokollierung steuern. Prüfen Sie genau, welche Claude-Modelle in welcher europäischen Region verfügbar sind und ob Funktionen wie regionsübergreifende oder globale Inferenz Anfragen außerhalb der EU verarbeiten könnten. Für besonders sensible Dokumente ist das Self-Hosting offener Vision-Language-Modelle auf eigener Hardware oder bei einem europäischen Hoster die DSGVO-konformere und souveränere Option: Daten verlassen das eigene Haus nicht, und es besteht keine Abhängigkeit von einem US-Clouddienst. Der Preis ist ein geringerer Funktionsumfang bei komplexen Aufgaben und ein höherer Eigenaufwand. Viele Unternehmen kombinieren deshalb beide Wege und entscheiden je nach Schutzbedarf, welcher Dokumenttyp welchen Weg nimmt.
Unabhängig vom Zugangsweg bleibt das Unternehmen für die rechtmäßige Verarbeitung verantwortlich. Dazu gehören ein Eintrag im Verzeichnis von Verarbeitungstätigkeiten, gegebenenfalls eine Datenschutz-Folgenabschätzung, technische und organisatorische Maßnahmen, Informationspflichten gegenüber Betroffenen sowie klare Lösch- und Zugriffskonzepte. Bei automatisierten Entscheidungen mit Wirkung für Betroffene sind zusätzliche Anforderungen zu beachten. Hinzu kommen die Pflichten aus der europäischen KI-Verordnung, die je nach Einsatzzweck Transparenz-, Dokumentations- und Kompetenzanforderungen mit sich bringen können. Ein sauber dokumentiertes Vorgehen ist nicht nur Pflicht, sondern schafft Vertrauen bei Mitarbeitenden, Kunden und Partnern.