Claude Opus 5 zeigt im ALBERT-Praxistest mehr Präzision und mehr Kosten

agorum® hat Opus 5 direkt in ALBERT | AI eingebunden und in echten Entwicklungs- und Wissensaufgaben getestet, nicht in synthetischen Benchmarks. Diese Praxisnähe liefert ein Ergebnis, das über reine Modellvergleiche hinausgeht. Der Tokenpreis ist bei Opus 4.8 und Opus 5 identisch. Wer beide Modelle mit der höchsten Denktiefe betreibt, der sogenannten reasoning-effort-Stufe xhigh, zahlt für Opus 5 trotzdem fast doppelt so viel (Quelle: agorum® Praxistest ALBERT | AI, 2026). Der Grund liegt nicht im Preis, sondern im Verbrauch. Opus 5 arbeitet gründlicher, macht mehr Zwischenschritte und produziert dadurch mehr Tokens pro Aufgabe.

Die Ursache liegt in der Arbeitsweise des Modells. Je detaillierter Opus 5 eine Aufgabe zerlegt und je häufiger es Zwischenergebnisse prüft, desto höher der Tokenverbrauch. Für Unternehmen bedeutet das eine neue Rechnung. Nicht die reine Modellleistung entscheidet über die Kosten, sondern die Konfiguration, mit der ein Team das Modell betreibt.

Regeltreue als Stärke und Risiko

Opus 5 folgt Prompt- und Skill-Anweisungen deutlich präziser als Opus 4.8. Regeln, die der Vorgänger gelegentlich nur als Empfehlung behandelte, setzt Opus 5 konsequent um. Für agentische Abläufe, in denen ein Modell eigenständig Schritt für Schritt arbeitet, ist das ein handfester Vorteil. Wiederholbarkeit steigt, der Aufwand für Nachkontrollen sinkt. Genau diese Konsequenz kann aber zum Problem werden, sobald eine Regel zu wörtlich genommen wird.

Der bereits erwähnte QS-Agent im Developer Studio von agorum core pro zeigt das exemplarisch. Das Developer Studio ist die KI-Entwicklungsumgebung in agorum core pro, in der ALBERT | AI Entwicklungsaufgaben eigenständig übernimmt. Die ursprüngliche Regel sah eine Prüfung nach jeder Änderung vor. Opus 5 interpretierte das so, dass jede einzelne Änderung erneut kontrolliert werden musste, wodurch aus einem QS-Lauf fünf wurden (Quelle: agorum® Praxistest ALBERT | AI, 2026). Das Ergebnis war am Ende korrekt. Der Ressourcenverbrauch stand jedoch in keinem Verhältnis zum zusätzlichen Nutzen.

Wenn Vorsicht zur Kostenfalle wird

agorum® reagierte mit einer gezielten Anpassung des Prompts im Developer Studio, um den Ablauf wieder auf ein sinnvolles Maß zu bringen. Diese Korrektur ist Teil eines Optimierungszyklus, den das Team bei jeder größeren Entwicklungsaufgabe anwendet. Die KI erledigt die Aufgabe zunächst vollständig, prüft anschließend den gesamten Ablauf einschließlich der eigenen Historie und deckt dabei unnötige Schleifen sowie Lücken im hinterlegten Entwicklungswissen von agorum core pro auf. Dieses Wissen wird danach gezielt nachgeschärft, damit der nächste Lauf präziser und günstiger ausfällt. Wer diesen Zyklus konsequent durchläuft, verwandelt die hohe Regeltreue von Opus 5 vom Kostentreiber in einen Qualitätsvorteil.

Die Stellschraube heißt reasoning effort

Die wirksamste Stellschraube bleibt die reasoning-effort-Stufe selbst. Auf der Stufe high, eine Stufe unterhalb des Maximums, bleibt Opus 5 nach den Testergebnissen von agorum® weiterhin klar leistungsfähiger als Opus 4.8 und kehrt bei den Kosten auf dessen Niveau zurück (Quelle: agorum® Praxistest ALBERT | AI, 2026). Diese Konfiguration entscheidet darüber, ob Opus 5 ein wirtschaftliches Upgrade ist oder ein teures Experiment. Wer sein Modell einfach auf der höchsten Stufe laufen lässt, bezahlt für Gründlichkeit, die in vielen Aufgaben schlicht nicht gebraucht wird.

An dieser Stelle zeigt sich der Wert eines Multi-LLM-Ansatzes. ALBERT | AI in agorum core pro macht Opus 4.8 und Opus 5 parallel verfügbar und erlaubt es, Modell und reasoning-effort-Stufe je Aufgabe frei zu wählen. Ein Team ist damit nicht an ein einzelnes Modell gebunden und bindet neue Modelle wie Opus 5 ein, ohne bestehende Prozesse oder Unternehmenswissen zu migrieren. Das ist keine technische Randnotiz, sondern Investitionssicherheit in der Praxis.

Claude Opus 5 ist kein Selbstläufer. Wer das Modell unverändert auf höchster Stufe einsetzt, zahlt für Gründlichkeit, die selten in vollem Umfang gebraucht wird. Wer Skills, Prompts und die reasoning-effort-Stufe bewusst konfiguriert, bekommt dagegen ein Modell, das präziser arbeitet als sein Vorgänger und dabei kostentechnisch beherrschbar bleibt. Die entscheidende Frage lautet deshalb nicht, ob ein Unternehmen auf das leistungsfähigste Modell setzt, sondern ob es bereit ist, die eigene KI-Konfiguration so ernst zu nehmen wie das Modell die eigenen Regeln.

Fachredaktion agorum® Software GmbH.