Warum Karpathy zu Anthropic gewechselt ist
Der wahre Grund liegt nicht im Modell, sondern im Wrapper drumherum.
Andrej Karpathy geht zu Anthropic. Die offensichtliche Schlagzeile lautet, ein KI-Schwergewicht wechselt das Labor. Die interessantere Frage ist, warum gerade Anthropic und warum jetzt.
Karpathy ist einer der prägendsten Köpfe der modernen KI. Gründungsteam bei OpenAI, fünf Jahre KI-Chef bei Tesla, Rückkehr zu OpenAI, dann Eureka Labs als Bildungsfirma. Dort baute er Kurse wie LLM 101N und prägte den Begriff Vibe Coding. Er hat nicht nur in KI gearbeitet, er hat geprägt, wie Leute KI verstehen.
Anthropic hat aktuell massiv Momentum. Claude Code ist für viele Entwickler das erste Werkzeug, wenn ein Agent oder Code gebraucht wird. Im aktuellen Ramp AI Index hat Anthropic OpenAI bei der Geschäftsadoption erstmals überholt, 34,4 Prozent zu 32,3 Prozent. Das ist nur Ramps Kundenbasis, kein Gesamtmarkt. Aber als Signal schwer zu ignorieren.
Anfang Mai hat Anthropic zusätzlich ein Joint Venture mit Blackstone, Hellman & Friedman und Goldman Sachs angekündigt. Ziel: mittelgrosse Firmen dabei unterstützen, Claude in ihre Kernprozesse zu integrieren. Das heisst, Anthropic baut nicht nur das Modell, sondern auch die Produktoberfläche, das Partnernetz und eine Services-Schicht. Das Modell ist nicht der Burggraben. Der Burggraben ist die Anwendung, die Adoption und das IP, das in den realen Workflows steckt.
Und genau hier passt Karpathys öffentliche Philosophie nahtlos. Die meisten reden über KI, als wäre das Modell alles. GPT-5, Opus 4.7, Gemini, welcher Benchmark führt. Das Modell zählt, klar. Aber je länger ich diese Werkzeuge benutze, desto deutlicher wird: Das Modell ist nur eine kleine Schicht des Produkts.
Was den Unterschied im Alltag macht, ist der Wrapper drumherum. Claude Code, Codex, Skills, Sub-Agents, Hooks, MCP-Connectors, deine CLAUDE.md, dein Memory, deine Beispiele. Das ist die Umgebung, in der das Modell operiert. Karpathy nennt das Context Engineering statt Prompt Engineering. Die wahre Fähigkeit ist nicht der perfekte Prompt, sondern die richtige Umgebung.
Stateless Chat versus kontextreicher Agent. Wenn Claude deine Files, deine Beispiele, deine Workflows, deine Stilguides und die Erfolgskriterien kennt, spielst du ein anderes Spiel. Gleiches Modell, völlig anderes Resultat.
Schaut man Karpathys letzte Monate an, sieht das weniger nach Zufall aus und mehr nach Roadmap.
LLM Wiki
Im April lancierte Karpathy die LLM-Wiki-Idee. Du legst einen Raw-Ordner mit Markdown-Dateien an, ein Agent synthetisiert daraus eine Wiki-Struktur und baut Verbindungen. Ein Schema-Dokument im Stil einer CLAUDE.md erklärt dem Agenten, wie das System tickt. Statt blinde Vektorsuche entsteht eine lebende Wissensbasis. Genau das, was Claude Code irgendwann nativ können dürfte.
Auto Research
Im März zeigte Karpathy ein Projekt namens Auto Research. Eine autonome Schleife: Trainingsskript, Änderung vorschlagen, kurzer Job, gegen ein objektives Kriterium prüfen, wiederholen. Definiere das Ziel, lass den Agenten laufen, komm zurück.
Slash Goal
Codex hat es, Hermes hat es, Claude Code hat ein eigenes /goal. Unter der Haube unterschiedlich, im Muster verwandt. Weg vom Ein-Prompt-Eine-Antwort. Hin zu: definiere das Was, nicht das Wie, und akzeptiere ein fertiges Ergebnis.
Bildung
In seinem Ankündigungs-Tweet schreibt Karpathy, Bildung bleibe ihm wichtig. Eureka Labs war genau das. Wer technisch tiefes Wissen verständlich verpacken kann, löst nicht nur ein technisches, sondern auch ein Adoptionsproblem. Genau dort, wo Firmen heute zwischen Skill und Nutzung scheitern.
Wenn man Daten als Burggraben hört, denken viele an riesige Enterprise-Datenbanken. Für normale Builder ist der Daten-Burggraben viel kleiner und viel praktischer. Meeting-Notizen, interne SOPs, Kundengespräche, Transkripte, eigene Naming-Conventions. Sobald Claude das in nutzbaren Kontext verwandelt, wird das Modell jede Woche spezifisch für dich nützlicher. Das ist der eigentliche Lock-in. Nicht weil du das Modell nicht wechseln kannst, sondern weil dein Kontext, deine Workflows und dein Memory im System leben.
Drei Vorhersagen, klar als Spekulation markiert. Keine Insider-Infos, nur Mustererkennung aus dem, was öffentlich passiert.
1. Ein App Store für Kontext
Anthropic hat bereits offizielle Plugins und Skills. Der nächste Schritt geht tiefer: Skills, Workflows, Projekt-Memories, domänenspezifische Kontexte, Evaluations-Loops, Connectoren zu echten Daten. Beispiele, die dem Modell zeigen, wie gute Arbeit in einem Job konkret aussieht. Bausteine, die jeder in seinen eigenen Workflow stecken kann.
2. Mehr /goal-artige Befehle
/goal ist die erste Version, nicht die letzte. Wahrscheinlich kommen spezialisierte Varianten für Research-Loops, Debug-Loops oder vertikale Aufgaben. Die Schnittstelle verschiebt sich. Statt mach diesen einen Schritt heisst es bald: arbeite weiter, bis diese Bedingung erfüllt ist.
3. Eine Bildungs-Ebene für eigene Workflows
Wenn Anthropic einen Kontext-Marktplatz will, müssen normale Leute beitragen können. Nicht nur Entwickler, sondern Buchhalter mit Monatsabschluss-Wissen, Immobilien-Profis mit Property-Intake-Prozessen, YouTuber mit gutem Packaging-Gespür. Heute steckt dieses Wissen in Köpfen, Docs und Slack-Threads. Eine Bildungs-Ebene würde es extrahierbar und teilbar machen.
Karpathys LLM Wiki ist ein Muster, um chaotische Information in nutzbares Memory zu verwandeln. /goal ist ein Muster, um aus einem Ziel eine autonome Schleife zu machen. Seine Bildungsarbeit ist ein Muster, um harte KI-Konzepte für normale Leute brauchbar zu machen. Drei Muster, eine Richtung. Wenn Anthropic das in ein Ökosystem giesst, sieht Claude Code irgendwann weniger nach Coding-Tool aus und mehr nach Betriebssystem.
Fazit
Die Schlagzeile ist nicht, dass ein KI-Star das Lager wechselt. Die Schlagzeile ist, dass Anthropics Strategie und Karpathys öffentliche Philosophie zur selben These verschmelzen. Das Modell ist nicht der Burggraben. Kontext, Workflows und Adoption sind es. Wer das früh begreift und seine eigenen Daten, Skills und Loops aufbaut, gewinnt unabhängig davon, welches Modell nächste Woche an der Spitze des Benchmarks steht.