Jörg Köster teilte seine Erfahrungen mit Claude Fable 5, dem neuen Spitzenmodell von Anthropic, das zum Zeitpunkt des Stammtischs nur befristet zur Verfügung stand. Ein sehr offener Bericht über beeindruckende Ergebnisse, überraschende Eigenmächtigkeiten und einen erheblichen Token-Hunger.

Erster Anlauf: das eigene Setup auditieren

Anthropic hatte zunächst kurz nach der Veröffentlichung von Fable das Modell wieder zurück gezogen. Zu kritisch wurden die gegenüber Opus deutlich stärkeren Fähigkeiten eingeschätzt. Wenige Tage später wurde das Modell für Kunden mit einem Pro-Account als Preview-Version für einen kurzen Zeitraum wieder frei geschaltet.

Nach anfänglicher Unentschlossenheit was man in so kurzer Zeit mit einem so mächten Tool anstellen sollte, fiel die Wahl von Jörg auf ein Meta-Projekt: Das eigene Arbeitsumfeld prüfen lassen. Als Vorlage diente ein Prompt zum Thema Goal Orientation aus dem Blog von Daniel Miessler – ausgeführt im Ultracode-Modus, also mit maximaler Freiheit für das Modell.

Die Zahlen dieses einen Laufs:

  • 65 Subagenten, die das Modell nacheinander selbst aufrief
  • rund zwei Stunden Laufzeit
  • etwa 4,5 Millionen Token Verbrauch
  • Ergebnis: ein Audit-Report von rund drei Seiten

Über die API hätte dieser eine Lauf nach Jörgs Rechnung knapp 250 Euro gekostet. Die 80-Dollar-Subscription war danach etwa zur Hälfte ausgeschöpft – ein sehr deutlicher Hinweis darauf, wie günstig die Abos im Vergleich zur direkten API-Nutzung sind. Wer nicht aufpasst, für den kann es damit also auch schnell teuer werden.

Das Ergebnis war die Kosten wert: Der Report deckte einige “Schwächen” in Struktur und Arbeitsweise auf – das agentische Setup das Jörg sich über einen längeren Zeitraum aufgebaut hatte, schien verdeckte Probleme zu haben, die bislang nicht aufgefallen waren. Einige spezielle Abläufe, die Claude selbst gebaut hatte, waren in der Praxis gar nicht funktionsfähig. Das stärkere Modell konnte dies nun überprüfen und eine nachhaltige Lösung anbieten. Zu jedem Befund lieferte das Modell konkrete Vorschläge und auf Nachfrage auch gleich einen fertigen Prompt zur Umsetzung, jeweils mit einer Empfehlung, welches Modell dafür ausreicht.

Zweiter Anlauf: Website-Überarbeitung

Der zweite Test war eine bestehende, mit Opus gebaute Website, die nur etwas aufgehübscht werden sollte. Optisch fiel der Unterschied gering aus – das Verhalten des Modells war es nicht:

  • Ungefragtes Aufräumen: Fable entfernte eigenmächtig eine X-Rechnungs-Sektion. Der Grund: In den Projektnotizen stand, dass dieser Teil geplant, aber nie umgesetzt sei. Nachgefragt wurde nicht.
  • Eigeninitiative beim Kontaktformular: Statt nur das HTML zu reparieren, las das Modell die Projektnotizen, fand dort die offene Frage nach der Anbindung, baute über einen MCP-Server einen n8n-Workflow samt Webhook, integrierte ihn und testete den kompletten Durchlauf inklusive Bestätigungsmail.
  • Selbstständige Qualitätssicherung: Am Ende klickte sich das Modell durch die fertige Seite, probierte jeden Button, renderte neu und korrigierte Rechtschreibfehler.
  • Ergänzungen aus eigenem Antrieb: Impressum und ein Hinweis zur Streitschlichtung wurden ohne Auftrag hinzugefügt.

Hierzu kamen aus der Stammtisch-Runde gleich kritische Nachfragen und Einwände: Die EU-Streitschlichtungsstelle wurde inzwischen eingestellt – wer heute auf eine Streitschlichtung verweist, ohne sie anzubieten, riskiert eine Abmahnung wegen unlauteren Wettbewerbs. Hier war Fable also deutlich zu übereifrig und nicht auf dem aktuellen rechtlichen Stand. Zudem wurde beim Webhook nachgehakt: Dieser wurde in der gezeigten Demo nicht gegen fremde Zugriffe abgesichert – weder per IP-Beschränkung noch per Authentifizierung. Sofern die Hook-Adresse später im öffentlichen Quellcode sichtbar wird, kann dies unangenehme Folgen durch nicht autorisierte Aufrufe haben.

Dritter Anlauf: FM-Lab und eine große Legacy-Lösung

Für den dritten Test schickte Jörg Fable 5 auf FM-Lab mit einer Kundendatenbank von etwa 53 Dateien – ein System, das er seit Jahren neu aufzusetzen versucht. Der Auftrag lautete schlicht, eine Topologie dieser Datenbank zu erstellen.

Der Lauf dauerte rund anderthalb bis zwei Stunden und verbrauchte etwa zwei Millionen Token. Herausgekommen ist eine detaillierte Auflistung der Arbeitspakete – wie die Datenbank funktioniert und was sie tut. Ein Stichprobentest zur Business-Logik lieferte nicht nur die Antwort, sondern gleich eine Dokumentation samt Begründung, warum es so gemacht wurde, und einen Vergleich mit dem geplanten Datenmodell des neuen Systems.

Aus der resultierenden Domain-Landkarte baute sich Jörg anschließend einen eigenen Agenten, der ihn künftig spezifisch bei dieser FileMaker-Lösung unterstützen soll.

Die Lehre: Ziel statt Weg

Anthropic empfiehlt für Fable ausdrücklich einen anderen Prompting-Stil, und die Praxis bestätigt das: Man sollte dem Modell nicht sagen, wie es etwas lösen soll, sondern welches Ziel man erreichen will – das Was und das Warum, nicht das Wie.

Ebenso wichtig ist die Gegenrichtung: Man muss explizit sagen, was das Modell nicht tun soll – nicht nebenbei Bugs fixen, nicht ungefragt refaktorieren, nicht Dinge entfernen, die lediglich in den Projektnotizen als unfertig markiert sind. Denn stimmen die Rahmeninformationen nicht, hangelt sich das Modell an falschen Fakten entlang und baut darauf auf.

Jörgs Arbeitsteilung sieht inzwischen so aus: Fable plant, kleinere Modelle führen aus. Im Plan-Modus lässt sich vorher noch diskutieren.

Skills als Leitplanken

Der wirksamste Hebel gegen den Erfindungsreichtum sind Skills. Jörgs Faustregel: “Ein Skill ist für mich fast wie eine Custom Function – sobald ich irgendetwas zweimal mache, frage ich, ob wir dafür nicht einen Skill bauen.”

Anthropic liefert dafür selbst einen Skill mit, der weiß, wie ein Skill aufzusetzen ist. Nach dem Audit ließ Jörg alle seine Skills nach dem Muster desjenigen umbauen, der nachweislich am besten funktioniert hatte. Das Ergebnis: deutlich fokussierteres Arbeiten, schnellere Fertigstellung und bessere Resultate.

Ein Beispiel aus der Praxis: 400 Skriptschritte auf einen anderen Kontext umzustellen wäre früher Sisyphusarbeit für eine Woche gewesen. Mit geschärften Skills lief das durch – die Skripte lassen sich anschließend eins zu eins in die Lösung übertragen, nach vorheriger Prüfung.

Fazit

Fable 5 ist erkennbar kreativer und eigenständiger als seine Vorgänger – mit allen Vor- und Nachteilen. Es denkt mit und sieht das große Ganze, es macht aber auch Dinge, die es für richtig hält, ohne zu fragen. Der Hebel liegt in klaren Zielvorgaben, expliziten Verboten und gut gebauten Skills.

Offen bleibt die Kostenfrage: Wie lange die Subscriptions in dieser Form Bestand haben, ist ungewiss – und über die API wird es schnell teuer. Vermutlich hat aber auch der Wettbewerb unter den großen AI Anbietern Einfluss auf die Preisgestaltung der Modelle.