KI für Einsteiger: Erste Schritte mit AI-Tools

Du hast Claude Code installiert, doch die Eingabe von claude liefert "zsh: command not found: claude", "bash: claude: command not found" oder unter Windows "is not recognized as an internal or external command". In den meisten Fällen ist das Installationsverzeichnis schlicht nicht im PATH, und die Installation selbst war erfolgreich. Dieser Artikel erklärt, wie die Shell die PATH-Ordner durchsucht, die Installationsmethoden und -orte (der native Installer wird empfohlen und landet in ~/.local/bin, unter Windows %USERPROFILE%\.local\bin; npm benötigt Node 18+ und installiert dieselbe native Binary; Homebrew/WinGet; nur die VS Code-Erweiterung zu installieren fügt claude nicht zum PATH hinzu), die Hauptursachen und Lösungen (~/.local/bin zum PATH hinzufügen und das Terminal neu starten, ein npm-EACCES-Berechtigungsfehler sollte zu nativ wechseln statt sudo, Node zu alt, Konflikte mehrerer Installationen geprüft mit which -a / where.exe und auf eine native reduziert, sowie der Fall der nicht gefundenen nativen Binary beim Überspringen optionaler Abhängigkeiten), Windows-spezifische Fallstricke (die Shell-Verwechslung wie irm in CMD, das Terminal neu starten, der alte Claude Desktop WindowsApps Claude.exe-Konflikt und CLAUDE_CODE_GIT_BASH_PATH für Git Bash), Auto-Update und Aktualisieren (claude update, claude install, claude doctor für das Update-Ergebnis, DISABLE_AUTOUPDATER / DISABLE_UPDATES) sowie den Diagnose-Workflow (claude doctor zu which -a zu PATH zum Entfernen überflüssiger Versionen zur nativen Neuinstallation) – alles auf Basis offizieller Informationen.

Wenn Claude Code auf einem Firmenrechner oder über VPN nicht verbindet (Unable to connect to API, fetch failed, SSL certificate verification failed), hat die Anfrage den Server nie erreicht – ein TCP/TLS/DNS-Fehler, kein Auth-, Server- oder Rate-Limit-Problem. Dieser Artikel erklärt Proxy-Konfiguration mit HTTPS_PROXY, das sichere Vertrauen der Firmen-CA über NODE_EXTRA_CA_CERTS (niemals NODE_TLS_REJECT_UNAUTHORIZED=0), die freizugebenden Firewall-Domains und den Diagnose-Workflow ab curl -I https://api.anthropic.com.

„API Error: 529 Overloaded“ und „500 Internal server error“ in Claude Code sind serverseitige Ereignisse — kein Fehler in deiner Anfrage und kein aufgebrauchtes Kontingent. Claude Code wiederholt automatisch bis zu 10 Mal mit exponentiellem Backoff. Dieser Artikel erklärt die Ursachen, die Abgrenzung zu 429/usage limit und die einfache Lösung: warten, mit /model wechseln, Status prüfen.

Die Meldung „Claude usage limit reached“ ist kein Fehler, sondern das Nutzungslimit des Pro-/Max-Abos. Das Limit ist zweistufig: ein rollierendes 5-Stunden-Fenster plus ein Wochenfenster (Max zusätzlich ein Opus-Limit). Dieser Artikel erklärt, was den Verbrauch treibt, was du im Moment des Limits tun kannst, wie du den Rest prüfst und welcher nutzungsbasierte API-Notausgang bleibt.

„Prompt is too long“ bedeutet, dass eine einzelne Eingabe (Gesprächsverlauf + Dateien + Tool-Definitionen) das Kontextfenster des Modells überschreitet — kein usage limit und keine max_tokens-Ausgabegrenze. Dieser Artikel erklärt, was das Fenster füllt, die Größen 200K und 1M, die schnellsten Lösungen (/compact, /clear, Subagents) und wie du es von verwechselbaren Fehlern abgrenzt.

Wenn ein MCP-Server in Claude Code „failed“, „needs authentication“ oder „pending approval“ anzeigt, brauchst du je nach Status eine andere Lösung. Dieser Artikel zeigt, wie du den /mcp-Status liest, die Hauptursachen ursachenbezogen behebst, die häufigste Windows-npx-Falle umgehst und systematisch von oben nach unten diagnostizierst.

Plötzlich strömt in Claude Code das Wort „court“ zusammen mit rohen <invoke>/<parameter>-Tags auf den Bildschirm, und der Befehl wird nie ausgeführt. Das ist kein Fehler Ihrer Umgebung, sondern eine modellseitige Störung, bei der Claude das Steuer-Token eines Tool-Aufrufs kaputt generiert. Die Harness lehnt es fail-closed ab, also läuft kein falscher Befehl — heikel wird es erst durch die „Kettenreaktion“ im Verlauf. Dieser Artikel erklärt Mechanismus, Ursachen, Irrtümer und die Lösungen für Nutzer und Entwickler.

Eines Tages funktioniert Ihr ChatGPT- oder Claude-Konto plötzlich nicht mehr: 2026 häufen sich Meldungen über Kontosperrungen (Bans) und Verwarnungen, und das Beunruhigende ist, dass man auch ohne böse Absicht gesperrt werden kann, indem man die Bedingungen versehentlich verletzt. Dieser Artikel ordnet, was man wissen muss, um sein Konto bei OpenAI (ChatGPT, Codex) und Anthropic (Claude, Claude Code) nicht zu verlieren — auf Grundlage der veröffentlichten Nutzungsrichtlinien und von Berichten (keine Anleitung zum Umgehen der Erkennung, sondern zum Regelkonform-Bleiben). Fünf gemeinsame Auslöser: verbotene Inhalte / Jailbreaks (illegale oder schädliche Generierung, Durchbrechen von Sicherheitsfiltern über Prompts; schwere Verstöße können eine sofortige dauerhafte Sperre sein), unbefugte Automatisierung / Scraping (Bots, Skripte, betrügerischer Massenzugriff wie Spam/Phishing), Teilen oder Weiterverkauf von Konten/API-Keys, verdächtige Zugriffsmuster (häufige IP-/Länderwechsel, starke VPN-Nutzung, Gerätewechsel als ungewöhnliche Logins gewertet) und Zahlungsdiskrepanz/Betrug. Die größte Falle 2026: Die Nutzung von OAuth-Tokens des persönlichen Claude-Plans (Free/Pro/Max) in einem anderen Produkt als der offiziellen App, einschließlich Harnesses wie dem Agent SDK, ist ein Verstoß gegen die Consumer ToS und löste eine große Sperrwelle aus; der richtige Ansatz ist, Apps/Agenten über die API (nutzungsabhängig) zu betreiben und persönliche Pläne als Chat in der offiziellen App zu behandeln. OpenAI-Spezifika: Umgehen von Sicherheits-/Zugriffsbeschränkungen, Automatisierung/Scraping, unzulässige Wiederverwendung von API-Keys, illegale Nutzungen. Anthropic-Spezifika: Missbrauch von OAuth-Tokens des persönlichen Plans, inoffizieller Drittanbieter-Zugriff, Klauseln gegen Distillation/konkurrierende Modelle, Jailbreaks. Eine Checkliste mit 7 Punkten (Richtlinie lesen, Plan zum Zweck passend wählen, keine persönlichen Tokens in Drittanbieter-Tools, keine Jailbreaks/verbotenen Inhalte, nicht teilen oder weiterverkaufen, zur Region passende Zahlung und stabiler Zugriff, sofort auf Verwarnungen reagieren). Verwarnungen sind eine Gelegenheit zur Korrektur und die meisten können fortfahren; geringfügige oder versehentliche Verstöße sind ggf. anfechtbar, schwere Verstöße jedoch dauerhaft und schwer wiederherzustellen. Den richtigen Plan, für den richtigen Zweck, ehrlich. Prüfen Sie stets die aktuellen offiziellen Bedingungen des jeweiligen Unternehmens.

Ein riesiges KI-Modell von Grund auf neu zu trainieren ist viel zu teuer, aber man möchte es nur für sich anpassen; LoRA (Low-Rank Adaptation) erfüllt diesen Wunsch, indem es das ursprüngliche Modell einfriert und nur ein winziges Zusatzteil (einen Adapter) trainiert, was die trainierbaren Parameter um rund 90% senkt. LoRA macht Fine-Tuning dramatisch günstiger und schneller und ist in der Bildgenerierung wie Stable Diffusion als kleine Datei, die eine Figur oder einen Stil hinzufügt, enorm beliebt. Dieser Artikel erklärt es mit einer Flicken-Analogie. LoRA ist das Aushängeschild des parametereffizienten Fine-Tunings (PEFT): die riesigen ursprünglichen Gewichte bleiben eingefroren, in jede Schicht wird eine kleine Zusatzmatrix eingefügt und nur diese trainiert (W = W0 + BA, wobei W0 eingefroren ist und BA der kleine hinzugefügte Teil). Es baut auf der Erkenntnis auf, dass die Anpassung einer KI keine großen Änderungen erfordert (ein niedriger Rang genügt). Vorteile: rund 90% weniger trainierbare Params (Berichten zufolge 10.000x weniger in GPT-3-Größenordnung), weniger GPU-Speicher (etwa 3x weniger), schnelleres und günstigeres Training, keine Inferenz-Latenz nach dem Verschmelzen des Adapters und geringeres Overfitting-Risiko. Die größte Stärke sind austauschbare Adapter: eine gemeinsame Basis behalten und je nach Anwendungsfall kleine (wenige-MB) LoRA-Dateien sofort tauschen (Support, Unternehmens-Tonfall, eine bestimmte Figur). Viele begegnen LoRA zuerst in der Bildgenerierung, wo Stable-Diffusion-LoRAs, die eine Figur, einen Stil oder ein Motiv gelernt haben, breit geteilt werden (Stil hinzufügen, Figur beibringen, leicht und teilbar). QLoRA kombiniert Quantisierung und trainiert LoRA auf einer 4-bit-Basis für ~4x weniger Speicher als Standard-LoRA, was das Fine-Tuning riesiger Modelle auf einer Consumer-GPU (manchmal CPU) mit minimalem Genauigkeitsverlust ermöglicht. Gegenüber dem vollständigen Fine-Tuning (alle Gewichte trainieren) unterscheidet sich LoRA bei den trainierten Gewichten, den Kosten, dem Ergebnis und dem besten Einsatz; für die meisten Arbeiten genügt LoRA. Die Basis behalten, klein würzen. Die Zahlen sind aus öffentlichen Materialien zitiert, als Richtwert.

Dass ein riesiges 70B-Modell auf einem einzelnen heimischen Gaming-PC statt auf einem Rack voller Rechenzentrums-GPUs läuft, ermöglicht die Quantisierung, die die numerische Präzision der Gewichte eines Modells senkt, um Größe und Speicher drastisch zu verringern. Während die Modell-Destillation Wissen in ein separates kleineres Modell verlagert, macht die Quantisierung dasselbe Modell leichter. Dieser Artikel erklärt sie mit einer Foto-Kompressions-Analogie. Die Quantisierung ersetzt als FP16/FP32-Dezimalzahlen gespeicherte Gewichte durch INT8 (8-bit) oder INT4 (4-bit) Ganzzahlen und reduziert die Bytes pro Gewicht (FP32=4, INT8=1, INT4=0,5); wie beim Komprimieren eines RAW-Fotos zu JPEG opferst du ein wenig Präzision für eine große Reduktion, und überraschend ist, wie wenig man aufgibt. Beim Speicher nutzt 4-bit etwa ein Viertel von FP16: ein 70B-Modell sinkt von ~140GB auf ~35GB, und ein 8B-Modell bei 4-bit liegt bei ~4.5-5GB und passt in eine Mittelklasse-GPU mit 8GB VRAM für lokale Nutzung (die Demokratisierung der LLMs). Bei der Genauigkeit ist INT8 nahezu verlustfrei und INT4 verschlechtert sich unter 4% bei allgemeinen Q&A-/Alltagsaufgaben, doch der Verlust ist bei Mathematik, Code-Generierung und schwierigem Schlussfolgern deutlicher (er zeigt sich als kleiner Anstieg der Perplexität), also wähle die Bit-Breite passend zur Aufgabe. Wichtigste Methoden: GPTQ (Vorreiter für genaues 4-bit), AWQ (schützt die ~1% wichtigsten Gewichte, oft 1-2% genauer und schneller), GGUF (llama.cpp/Ollama-Format, Q2_K-Q8_0, CPU+GPU-Hybrid, für lokal) und QLoRA (4-bit-Basis plus LoRA für Consumer-GPU-Fine-Tuning). Sie unterscheidet sich von Destillation (in ein separates kleines Modell verlagern) und Fine-Tuning (Aufgabenwissen hinzufügen), und die drei werden meist kombiniert (ein destilliertes Modell quantisieren; eine quantisierte Basis fine-tunen). Zum Start ein GGUF-Modell mit Ollama in einem Befehl ausführen, Q4/Q8 nach VRAM wählen und INT4 für Code oder exakte Mathematik vermeiden. Die meisten großen Modelle werden bereits quantisiert ausgeliefert, du lädst sie also einfach herunter und nutzt sie. Behalte die Klugheit, lass nur das Gewicht fallen. Die Zahlen sind aus öffentlichen Materialien zitiert, als Richtwert.

Eine riesige, leistungsstarke KI ist klug, aber schwer und teuer; die Modell-Destillation (Knowledge Distillation) löst dies, indem sie das Wissen eines großen Lehrer-Modells auf ein kleines Schüler-Modell überträgt und so über 95 % der Leistung des Lehrers bei einem Zehntel der Größe und Geschwindigkeit erhält. Dieser Artikel erklärt es anhand einer Lehrer-Schüler-Analogie. Der Schlüssel sind soft labels: Gewöhnliches Training lehrt nur „die Antwort ist Katze“ (hard label), während die Destillation die vollständige Wahrscheinlichkeitsverteilung des Lehrers wie „90 % Katze, 8 % Hund, 2 % Fuchs“ übergibt, deren Grad des Zögerns reiche Informationen enthält; ein temperature-Parameter glättet die Wahrscheinlichkeiten, um feine Beziehungen sichtbar zu machen (reales Beispiel: GPT-4o mini aus GPT-4o destilliert). Vorteile: schnell und günstig, ~10x kompakter bei über 95 % erhaltener Leistung, läuft am Edge, stark bei Spezialisierung. Zwei Ansätze: White-Box (voller Zugriff auf Gewichte und interne Repräsentationen, tiefere Übertragung; für eigene oder OSS-Modelle) und Black-Box (nur Ausgaben/API-Antworten sichtbar; die API eines anderen Unternehmens als Lehrer zu nutzen, kann gegen Bedingungen verstoßen). Sie unterscheidet sich von Quantisierung (Kompression der Gewichtspräzision desselben Modells) und Fine-Tuning (Weitertraining eines bestehenden Modells für eine Aufgabe) – die Destillation überträgt Wissen in ein separates kleines Modell, und die drei sind kombinierbar. Die rechtliche/ToS-Realität war 2026 ein großes Thema: Die Technik ist legitim, aber OpenAI, Anthropic, Mistral und xAI enthalten Klauseln zur wettbewerbswidrigen Destillation, die es verbieten, Ausgaben zum Bau konkurrierender Modelle zu nutzen, sodass das Destillieren eines Konkurrenten aus einer eingeschränkten API gegen die Bedingungen verstoßen kann. Der Streit OpenAI gegen DeepSeek (OpenAI behauptete, mit DeepSeek verbundene Konten umgingen Beschränkungen, um Ausgaben für die Destillation zu erlangen, während DeepSeeks Bedingungen die Destillation seiner Ausgaben Berichten zufolge erlauben) zeigt, dass die Bewertung davon abhängt, wessen API-Bedingungen gelten, und Claude Fable 5/Mythos 5 schränken Antworten zu als Destillation markierten Arbeiten Berichten zufolge ein. Tipps: Verwenden Sie eigene oder lizenzierte OSS-Modelle als Lehrer, prüfen Sie Anti-Destillations-Klauseln vor der Nutzung einer kommerziellen API und beurteilen Sie, ob die Nutzung die „Entwicklung eines konkurrierenden Modells“ darstellt. Klugheit vom großen Modell, Betrieb vom kleinen – aber wen man als Lehrer wählt, ändert das Ergebnis technisch und rechtlich. Zahlen sind aus öffentlichen Materialien zitiert, richtungsweisend.

In „So baust du ein Multi-Agenten-System“ hieß es, jede Übergabe zu instrumentieren, bevor man Agenten hinzufügt; die Technologie, die diese Instrumentierung in der Produktion trägt, ist AI observability. Sie macht sichtbar, was LLMs und Agenten in der Produktion tatsächlich tun (welches Modell mit welchem Prompt, welche Tools und Suchen, was zurückkam und wie lange und wie viel es kostete), damit du bis zur Ursache zurückverfolgen kannst. Der entscheidende Unterschied zum gewöhnlichen App-Monitoring: KI kann 200 OK in 50ms zurückgeben und trotzdem selbstbewusst halluzinieren, sodass die meisten KI-Ausfälle Qualitäts-Ausfälle sind (Halluzination, schwaches Retrieval, unsichere Antworten, unvollständige Aufgaben, schlechte Tool-Nutzung, Regressionen nach Prompt-Änderung) und keine Infrastruktur-Ausfälle. Observability ruht auf drei Säulen: traces (eine Anfrage als Baum aus spans, der LLM-Aufrufe, Tools, Retrieval und Argumentationsketten zeigt; der Star der KI-Beobachtung), metrics (Latenz, Kosten, Tokens, Fehlerrate, Durchsatz) und logs (Detail pro Ereignis). Der Industriestandard OpenTelemetry GenAI-Konventionen erfasst Prompts, Antworten, Token-Verbrauch und Tool-/Agenten-Aufrufe in einem herstellerneutralen Schema, einspeisbar in Datadog/Grafana. Die am häufigsten verwechselte Unterscheidung ist Observability vs. Evaluation (evals): Observability zeigt, was passiert ist (leicht zu messen, kann aber nicht sagen, ob die Antwort korrekt ist), während evals messen, ob die Antwort gut ist (Genauigkeit, groundedness, Sicherheit) und explizite Bewertung erfordern. Da Kosten und Latenz leicht zu messen sind, die Antwortqualität aber nicht, kombinieren Tools von 2026 die trace-Anzeige mit Output-Bewertung und Verschlechterungs-Alarmen. Kennzahlen teilen sich in betriebliche (Kosten, Latenz, Tokens, Fehlerrate) und qualitative (Halluzination, groundedness/faithfulness, am wichtigsten für RAG, Sicherheit, Aufgabenerfüllung), mit Halluzinationserkennung via LLM-as-a-judge, semantischer Ähnlichkeit und groundedness-Scores. Wichtige Tools: LangSmith (LangChain), Langfuse (Open-Source-Self-Host), Arize Phoenix (RAG-Debugging), MLflow (Lebenszyklus), AgentOps (Agenten) und OpenTelemetry (der Standard). Beginne mit dem Erfassen von traces (OpenTelemetry-konform), visualisiere betriebliche Kennzahlen und binde dann evals an, bevor du ausrollst. Für Multi-Agenten-Systeme ist Beobachtung unverzichtbar, da sich Fehler in mehrstufigen Ketten verbergen, die nur in einem vollständigen Session-Trace sichtbar sind. Beobachten plus bewerten macht KI produktionsreif. Abbildungen und Merkmale sind aus öffentlichen Materialien zitiert, als Richtwert.