Claude Opus 4.8 bringt ein Kontextfenster von 1 Million Token, fünf Effort-Stufen und einen Sprung um 27,4 Punkte in einem Mathematik-Benchmark mit. Die eigentliche Integrationsfrage lautet aber, wo das Modell in Ihre Routing-Policy passt, nicht, ob es beeindruckt.
Am 28. Mai 2026 hat Anthropic Claude Opus 4.8 veröffentlicht: mit einem Plus von 27,4 Prozentpunkten im Mathematik-Benchmark USAMO 2026 (96,7 % nach 69,3 % bei Opus 4.7) und einem Kontextfenster von 1 Million Token in der Claude API, in Amazon Bedrock und in Vertex AI. Der Coding-Wert in SWE-bench Pro stieg um 4,9 Punkte auf 69,2 %. Beeindruckende Zahlen. Wer jedoch Workflows mit Governance-Vorgaben im Produktivbetrieb verantwortet, für den ist der Gewinn im Benchmark nicht das Wichtigste. Entscheidend ist, welchen Platz Opus 4.8 in Ihrer Routing-Policy für Modelle einnimmt, welche Effort-Stufe Sie ihm zuweisen und wie Sie mit den Fehlerbildern umgehen, die es weiterhin mitbringt.
Dieser letzte Punkt wiegt schwerer, als die Pressemitteilung vermuten lässt.
Orchestrierung im Unternehmen ruft selten für jede Aufgabe dasselbe Modell auf. Eine gut entworfene Routing-Policy staffelt die Anfragen ohnehin: Günstige, schnelle Modelle (Sonnet-Klasse) übernehmen Extraktion und Zusammenfassung in großem Volumen; schwerere Modelle kommen per Eskalation zum Zug, wenn die Aufgabe mehrstufiges Schlussfolgern oder die Synthese großer Kontexte verlangt. Opus 4.8 gehört eindeutig in die Premium-Stufe für Eskalationen. Bei 5 bzw. 25 US-Dollar pro Million Input- bzw. Output-Token (Standard) oder 10 bzw. 50 US-Dollar (Fast Mode) würde ein Einsatz für routinemäßige Klassifikation oder Feld-Mapping Budget verbrennen, ohne messbaren Qualitätsgewinn.
Das praktische Muster: Legen Sie Auslöser für die Eskalation in Ihrer Orchestrierungsschicht fest. Eine Aufgabe kommt für Opus 4.8 in Frage, wenn es um eine Compliance-Prüfung über mehrere Dokumente mit einem Korpus ab 200.000 Token geht, um Migrationsplanung im Maßstab einer ganzen Codebasis oder um Genehmigungsketten mit mehreren Randbedingungen, in denen eine falsche Antwort mehr Schaden anrichtet, als der Modellaufruf kostet. Alles andere bleibt bei den günstigeren Modellen. Das ist keine neue Architektur, sondern dasselbe gestaffelte Routing, das im Design von API-Gateways seit Jahren üblich ist. Das Modell ist einfach ein weiterer nachgelagerter Dienst mit einem Kostenprofil und einem SLO.
Opus 4.8 unterstützt fünf Effort-Stufen: Low, Medium, High, xhigh und Max. Betrachten Sie sie als Regler für die Tiefe des Schlussfolgerns, die Latenz und Tokenverbrauch gegen die Qualität der Ausgabe abwägen. Im BPM lassen sie sich direkt der Kritikalität einzelner Prozessschritte zuordnen.
Low und Medium eignen sich für Schritte mit hohem Volumen und geringerem Risiko: Triage von Dokumenten, erste Datenextraktion, Statuszusammenfassungen. High und Max passen zu Entscheidungspunkten mit mehreren Randbedingungen, an denen das Modell konkurrierende Anforderungen gegeneinander abwägen muss (etwa regulatorische Klauseln gegen kommerzielle Konditionen). Anthropic empfiehlt xhigh als Ausgangspunkt für Coding und agentische Arbeit; damit passt diese Stufe zu Workflows im Umfeld von CI/CD: automatisiertes Code-Review, Scaffolding für Migrationen, Testgenerierung.
Die Konsequenz für die Governance ist einfach. Die Effort-Stufe wird zu einem konfigurierbaren Parameter Ihrer Workflow-Definition, nicht zu einem nachträglichen Detail des Prompt Engineering. Koppeln Sie sie an die Risikoeinstufung des Prozessschritts. Auditieren Sie sie. Stuft jemand eine routinemäßige Extraktion auf Max hoch, sollte Ihre Observability-Schicht die Kostenanomalie genauso melden wie ein unerwartetes Muster von API-Aufrufen.
Eine unauffälligere Funktion verdient Aufmerksamkeit. Opus 4.8 unterstützt Systemnachrichten mitten in der Konversation (role: "system"), eingefügt nach einem Beitrag des Nutzers. In lang laufenden agentischen Sessions können Sie damit Anweisungen aktualisieren, ohne den vollständigen Prompt zu wiederholen, und behalten dabei Ihre Cache-Treffer. Die minimale cachebare Prompt-Länge sank auf 1.024 Token.
Für Unternehmens-Workflows, die in einer einzigen Session Dutzende Tool-Aufrufe verketten, verändert das die Kostenrechnung. Vor Opus 4.8 bedeutete neuer Kontext mitten in einer Session oft, den Cache zu verwerfen und den vollständigen System-Prompt erneut zu senden. Mit Opus 4.8 lässt sich das Verhalten des Modells schrittweise steuern. In einer mehrstufigen Compliance-Prüfung könnten Sie zum Beispiel nach dem ersten Durchgang durch die Dokumente eine Systemnachricht einfügen, die den Fokus des Modells auf markierte Klauseln einengt, ohne für ein erneutes Caching des gesamten Anweisungssatzes zu bezahlen.
Hier kommt es auf Disziplin an. Bei der Halluzinationsrate zeigt Opus 4.8 gegenüber Opus 4.7 keine statistisch belegte Verbesserung. Die Neigung, dem Nutzer nach dem Mund zu reden (Sycophancy), ist geringer als bei Opus 4.7, aber nicht verschwunden: Im externen Benchmark „You're Absolutely Right!“ erreicht Opus 4.8 4,5 von 5 Punkten, wobei 5 das am wenigsten gefällige Ergebnis ist. In einem Entscheidungs-Workflow ist jede verbleibende Neigung, einer fehlerhaften Prämisse zuzustimmen, ein Risiko. Ein Modell, das eine fehlerhafte Prämisse bestätigt, statt sie zu beanstanden, kann Fehler durch nachgelagerte Freigaben weitertragen.
Es gibt auch Regressionen. Laut Anthropics System Card ist Opus 4.8 in mehreren agentischen Kontexten etwas weniger robust gegen Prompt Injection als Opus 4.7. Wenn Ihr Workflow sicherheitskritisches Code-Review umfasst, brauchen Sie Evaluations-Traces nach der Migration, nicht nur einen Modellwechsel.
Die Gegenmaßnahmen folgen demselben Muster wie in Umgebungen mit Governance-Vorgaben schon immer: Prüfschritte an Prozessgrenzen, Adversarial Prompting bei Entscheidungen mit hoher Tragweite, erfasste Unsicherheiten in Audit-Logs und Human-in-the-Loop-Gates dort, wo die Kosten eines Fehlers die zusätzliche Latenz rechtfertigen. Das Modell ist besser darin geworden, auf seine eigenen Unsicherheiten hinzuweisen (es lässt Fehler im Code rund viermal seltener unkommentiert durchgehen), aber „besser“ ist nicht „ausreichend“. Die Last tragen weiterhin Ihre Guardrails.
Laut Anthropic gibt es zwischen Opus 4.7 und Opus 4.8 keine Breaking Changes in der API, was die Hürde für die Migration senkt. Ein direkter Austausch ohne Evaluation bleibt trotzdem fahrlässig. Spielen Sie Ihre bestehenden Workflow-Traces mit Opus 4.8 durch, bevor Sie umstellen. Messen Sie, was in Ihrer Umgebung zählt: die Treffsicherheit bei der Tool-Auswahl, Retry-Raten, die Recovery-Pfade nach Fehlern und die Durchlaufzeit von Anfang bis Ende. Einzelne Chat-Tests bringen die Unterschiede nicht ans Licht; die Stärken des Modells zeigen sich in langen, toolintensiven Sessions mit echter Komplexität in der Orchestrierung.
Stimmen Sie nach der Migration die Effort-Stufen auf Ihre Kosten- und Qualitätsziele ab. Erfassen Sie die Kosten pro Transaktion für jede Effort-Stufe. Legen Sie SLOs für die Antwortlatenz je Effort-Stufe fest. Bauen Sie ein Backlog an Härtungsaufgaben auf: adversarielle Testfälle für Sycophancy, Regressionstests für sicherheitsnahe Workflows, Monitoring der Cache-Trefferquote bei Systemnachrichten mitten in der Konversation.
Opus 4.8 ist ein besseres Modell für die Aufgaben, für die es gebaut wurde. Das Kontextfenster von 1 Million Token, die Effort-Steuerung und aktualisierte Anweisungen mitten in der Session sind echte Verbesserungen für den Betrieb. Die Integrationsfrage war aber nie, ob das Modell beeindruckt. Sie lautet, ob Ihre Routing-Policy, Ihre Governance-Kontrollen und Ihr Observability-Stack bereit sind, es sicher in der Stufe einzusetzen, in die es gehört, und überall sonst bei günstigeren Modellen zu bleiben.
