##  Pfadnavigation

1. [ Startseite ](/)
2. [ AI to the DNA ](/podcast/ai-dna)
3. Anthropic und das Model Context Protocol: Standardisierung der KI-Welt

# Anthropic und das Model Context Protocol: Standardisierung der KI-Welt

            **Podcast:**

   [AI to the DNA](/podcast/ai-dna)

              **Erscheinungsdatum:**

   31. Juli 2026

            **Länge:**

   00:59:55

    [         Link zur Episode (extern)   ](https://attd.fm/episodes/wie-anthropic-intern-mit-claude-arbeitet-und-wie-mcp-zum-industriestandard-wurde-david-soria-parra-anthropic)

 ![Wie Anthropic intern mit Claude arbeitet und wie MCP zum Industriestandard wurde | David Soria Parra, Anthropic](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/NmU5NS5qcGc.jpg.webp?itok=vIF4I6FK)

###   Wie Anthropic intern mit Claude arbeitet und wie MCP zum Industriestandard wurde | David Soria Parra, Anthropic

   31. Juli 2026 · [AI to the DNA](/podcast/ai-dna)

Wie schafft man Ordnung im kreativen Chaos der KI-Entwicklung? Während unzählige Unternehmen an proprietären Schnittstellen arbeiten, stellt sich eine fundamentale Frage: Was wird der offene Standard, der es allen ermöglicht, gemeinsam Mehrwert zu schaffen, anstatt das Rad ständig neu zu erfinden? In dieser Folge des Podcasts *AI to the DNA* spricht Host Christoph Magnussen mit einem der Architekten einer möglichen Antwort: David Soraya Parra, Member of Technical Staff bei Anthropic und Mitentwickler des Model Context Protocol (MCP). David gibt nicht nur einen tiefen Einblick in die Entstehung und Bedeutung von MCP, sondern teilt auch exklusive Details darüber, wie Anthropic intern mit dem eigenen Sprachmodell Claude arbeitet, um dessen Entwicklung im Rekordtempo voranzutreiben. Es ist eine Folge für alle, die verstehen wollen, wie die Infrastruktur der zukünftigen KI-Welt entsteht und warum eine Kultur des Vertrauens und der Eigenverantwortung der entscheidende Nährboden für Innovation ist.

## Das Wichtigste auf einen Blick

- **MCP als offener Standard:** Das Model Context Protocol (MCP) wurde entwickelt, um eine standardisierte Kommunikation zwischen KI-Modellen und externen Werkzeugen zu ermöglichen. Es bietet einen semantischen Überbau, der über einfache APIs oder Kommandozeilen-Tools hinausgeht und Interaktionen wie Authentifizierung oder Nutzer-Rückfragen standardisiert, was für die Entwicklung robuster KI-Agenten entscheidend ist.
- **Das Flywheel-Prinzip bei Anthropic:** Anthropic nutzt seine eigenen Produkte wie Claude Code oder die Slack-Integration Claude Tech intensiv intern. Dieser Prozess des Dogfooding erzeugt einen sich selbst verstärkenden Kreislauf (Flywheel), bei dem die tägliche Nutzung direkt in die Verbesserung der Modelle einfließt und die Entwicklung beschleunigt.
- **KI als autonomer Kollege:** Mit Werkzeugen wie Claude Tech, einer tiefen Integration in Slack, entsteht eine neue Software-Kategorie. Die KI agiert nicht mehr nur als reaktiver Chatbot, sondern als proaktive, eigenständige Entität im Team - fast wie ein zusätzlicher Mitarbeiter, der Aufgaben asynchron bearbeitet und selbstständig auf Ereignisse reagiert.
- **Weniger Scaffolding dank klügerer Modelle:** Je leistungsfähiger die KI-Modelle werden, desto weniger manuell erstellte Hilfsgerüste (Scaffolding) oder komplexe Datenabfragesysteme sind nötig. David erklärt, dass neuere Claude-Versionen mit simplen Befehlen wie einer Ordnersuche oft bessere Ergebnisse erzielen als aufwendige Retrieval-Systeme, da sie den Kontext selbstständig orchestrieren können.
- **Kultur schlägt Hierarchie:** Der Erfolg von Tech-Unternehmen wie Anthropic basiert laut David maßgeblich auf einer Kultur, die auf technischem Tiefenverständnis, Vertrauen und der Förderung von Mitarbeitern mit High Agency (hoher Eigeninitiative) beruht. Flache Hierarchien und die Freiheit, zu experimentieren, sind entscheidender als starre Titel oder Prozesse.

## Vom internen Werkzeug zum offenen Standard: Die Entstehung von MCP

Die Idee für das Model Context Protocol (MCP) entstand aus einer klassischen Herausforderung im Software-Engineering, wie David erklärt. Als Spezialist für Entwickler-Werkzeuge sah er bei Anthropic das sogenannte N x M Problem: Eine wachsende Anzahl von Benutzeroberflächen (Clients wie die Desktop-App oder IDE-Plugins) musste mit einer ebenfalls wachsenden Anzahl von Integrationen und Werkzeugen verbunden werden. Jede Verbindung einzeln zu implementieren, wäre ineffizient und nicht skalierbar. Die Lösung war die Entwicklung eines einheitlichen Protokolls.

Doch warum nicht einfach auf bestehende Technologien wie APIs oder Kommandozeilen-Schnittstellen (CLIs) setzen? David erläutert, dass beide Ansätze für die Interaktion mit modernen KI-Modellen an ihre Grenzen stoßen. APIs sind oft zu granular und für programmatische, nicht für semantische Interaktionen ausgelegt. Ihnen fehlt eine Ebene, um Konzepte wie Nutzer-Authentifizierung oder die gezielte Nachfrage nach menschlichem Input standardisiert abzubilden. MCP schließt diese Lücke, indem es eine Art semantischen Rahmen um eine API legt, der speziell auf die Bedürfnisse von KI-Anwendungen zugeschnitten ist. CLIs wiederum sind hervorragend für lokale Entwickler-Setups, aber unpraktisch in großen Unternehmen, wo eine serverbasierte Architektur für Governance, Sicherheit und zentrale Wartung unerlässlich ist. MCP ermöglicht genau das: einen zentralen, kontrollierbaren Verbindungspunkt zwischen KI und Werkzeugen.

## Das Anthropic-Prinzip: Wie Claude sich selbst verbessert

Einer der größten Vorteile von Anthropic ist die Möglichkeit, die eigenen KI-Modelle direkt im Arbeitsalltag zu testen und zu nutzen. David beschreibt diesen Prozess als Flywheel - ein sich selbst verstärkender Kreislauf. Die interne Nutzung von Werkzeugen wie Claude Code führt zu unmittelbarem Feedback, das direkt in die Weiterentwicklung der Modelle einfließt. Jeder Sprung in der Modell-Leistung, wie der von Claude 3, wird intern sofort spürbar und verändert die Arbeitsweise.

Ein Schlüsselerkenntnis dabei war, dass mit zunehmender Intelligenz der Modelle die Notwendigkeit für komplexe vorgeschaltete Systeme abnimmt. Früher, so David, experimentierte sein Team mit aufwendigen Retrieval-Systemen, um Claude relevante Informationen zur Verfügung zu stellen. Irgendwann stellten sie fest, dass es oft ausreichte, dem Modell einen einfachen Suchbefehl für einen Ordner zu geben - Claude war intelligent genug, sich die benötigten Informationen selbst zu beschaffen. Dieses Prinzip der Agentic Search wird durch neue Modi wie Ultracode in Claude Code weiter verstärkt. Hier kann das Modell eigenständig Code schreiben, um seine Aufgaben zu orchestrieren, etwa indem es mehrere Unter-Agenten startet, die parallel verschiedene Datenquellen durchsuchen.

## Claude Tech: KI als autonomer Kollege in Slack

Die vielleicht fundamentalste Veränderung in der internen Arbeitsweise bei Anthropic brachte die Einführung von Claude Tech, einer tiefen Integration von Claude in Slack. David betont, dass es sich hierbei nicht um einen weiteren Chatbot handelt, sondern um eine völlig neue Art von Anwendung. Claude agiert hier als eigenständige Entität innerhalb des Teams - fast wie ein digitaler Mitarbeiter. Es besitzt eigene Zugriffsrechte auf Systeme wie GitHub-Repositories und kann Aufgaben asynchron und proaktiv bearbeiten.

Ein Beispiel: Ein Deployment-System meldet eine erhöhte Fehlerrate in einem Slack-Kanal. Anstatt auf einen menschlichen Befehl zu warten, kann Claude diese Nachricht registrieren und von sich aus anbieten, die Ursache zu untersuchen. Diese Proaktivität verwandelt die Interaktion von einem reinen Frage-Antwort-Spiel in eine echte Kollaboration. Slack wird so zu einem Multiplayer-Raum, in dem Produktmanager, Entwickler und die KI im selben Kanal an einem Feature arbeiten, Informationen austauschen und Aufgaben delegieren können. Für David hat dieses Werkzeug die Art, wie er mit KI arbeitet, von Grund auf verändert.

## Die Kultur hinter dem Code: Warum Vertrauen und technisches Verständnis entscheidend sind

Technologie allein reicht nicht aus. Auf Christophs Frage nach den Unterschieden in der Unternehmenskultur zwischen den USA und Europa hebt David zwei Aspekte hervor: einen fundamentalen Optimismus und die konsequente Förderung von Mitarbeitern mit High Agency. Im Silicon Valley herrscht ein starker Glaube daran, dass Technologie, richtig eingesetzt, die Welt positiv verändert. Dieser Optimismus treibt Firmen an, mutige Ziele zu verfolgen.

Gleichzeitig selektieren Top-Unternehmen wie Anthropic gezielt nach Menschen, die nicht nur Anweisungen befolgen, sondern proaktiv Probleme identifizieren und lösen. Diesen Machern wird anschließend ein hohes Maß an Vertrauen und Freiheit gewährt. Anstelle starrer Hierarchien und Prozesse setzt man auf die Kompetenz und Eigenverantwortung des Einzelnen. Ein weiterer entscheidender Faktor ist laut David das tiefe technische Verständnis, das sich oft von der Gründerebene durch das gesamte Management zieht. Wenn Führungskräfte - viele davon selbst ehemalige Entwickler oder Forscher - die Technologie im Kern verstehen, können sie bessere strategische Entscheidungen treffen und ein Umfeld schaffen, in dem Ingenieure ihr volles Potenzial entfalten können.

## Die Zukunft der KI-Entwicklung: Standards, Abstraktion und der pragmatische Weg nach vorn

Um das volle Potenzial von MCP auszuschöpfen und breite Akzeptanz zu schaffen, war für David von Anfang an klar, dass es ein offener Standard sein muss. Anthropic hat MCP daher bewusst unter eine MIT-Lizenz gestellt und auf ein Contributor License Agreement (CLA) verzichtet, um sicherzustellen, dass die Kontrolle nicht bei einem einzigen Unternehmen liegt. Der logische nächste Schritt war die Übergabe an eine neutrale Instanz, die Open Source Foundation for AI (OSFAI), ein Projekt der Linux Foundation. Dies schafft das nötige Vertrauen für andere Unternehmen, auf MCP aufzubauen.

Mit Blick auf die Zukunft sieht David die aktuelle KI-Entwicklung nicht als Revolution, die alles Bisherige über den Haufen wirft, sondern als Evolution. So wie Unix einst eine neue Abstraktionsebene für das Computing schuf, auf der unzählige Innovationen aufbauten, bieten KI-Systeme heute eine weitere, höhere Abstraktionsebene. Die grundlegenden Schichten - von der Chip-Architektur über Compiler bis zu Betriebssystemen - bleiben bestehen. Die Geschichte der Informatik, so schließt David, ist additiv. Die größte Herausforderung und Chance besteht darin, sich ständig zu fragen: Was wird möglich, wenn die Fähigkeiten der Modelle in einem, zwei oder fünf Jahren exponentiell weiterwachsen?

## Praktische Schritte für Unternehmen und Entwickler

1. **Für Führungskräfte: Schaffe die richtigen Rahmenbedingungen.** Nimm den Wandel durch KI ernst und erkenne an, dass er kontinuierlich ist. Deine wichtigste Aufgabe ist es, eine Kultur der Neugier und des Experimentierens zu schaffen. Gib deinen besten Leuten die Freiheit und die Ressourcen, neue KI-Anwendungen zu erproben - auch wenn das bedeutet, bestehende Regeln flexibel auszulegen. Baue eine Organisation, die auf Veränderung optimiert ist, nicht auf Stabilität.
2. **Für Entwickler: Baue tiefes Wissen auf und bleibe neugierig.** Auch wenn KI viele Aufgaben automatisiert, wird ein fundamentales Verständnis von Systemen, Datenstrukturen und den Prinzipien der Informatik wichtiger denn je. Folge deiner Leidenschaft innerhalb der Technologie, denn nur so wirst du die Energie aufbringen, kontinuierlich dazuzulernen und an der Spitze der Entwicklung zu bleiben.
3. **Für alle: Denke exponentiell.** Die Fortschritte bei KI-Modellen verlaufen nicht linear. David rät dringend dazu, das Gedankenexperiment zu wagen: Was bedeutet es für dein Unternehmen, deine Branche oder deine Arbeit, wenn die Modelle in einem Jahr noch einmal einen so großen Sprung machen wie im letzten? Wer heute schon beginnt, in diesen zukünftigen Möglichkeiten zu denken, sichert sich einen entscheidenden Vorteil.

---

 version="1.0" encoding="UTF-8"?
      .st0 {
        fill: #010101;
      }

      .st1 {
        fill: #b0c0b3;
      }

      .st2 {
        fill: #3b3a3b;
      }

      .st3 {
        fill: #3a3a3a;
      }

      .st4 {
        fill: #5e7185;
      }

      .st5 {
        fill: #f9eddd;
      }

      .st6 {
        fill: #000100;
      }

      .st7 {
        fill: #aebeb3;
      }

      .st8 {
        fill: #fefefe;
      }

      .st9 {
        fill: #7f93a8;
      }

      .st10 {
        fill: #f8f0df;
      }

      .st11 {
        fill: #fbf0df;
      }

      .st12 {
        fill: #afbfb2;
      }

      .st13 {
        fill: #f7eedd;
      }

      .st14 {
        fill: #fdfdfd;
      }
                                                                                   Botcaster

  **Zusammengefasst von Anja Schirwinski**

Ich beschäftige mich beruflich wie privat mit Künstlicher Intelligenz - von konkreten Tools im Arbeitsalltag bis zu den größeren Fragen, die dabei aufkommen. Viele der Themen, die in Podcasts besprochen werden, begegnen mir in Projekten immer wieder. Deshalb fasse ich hier die für mich interessantesten Podcastfolgen zusammen und ordne sie aus der Praxis ein.

[Mehr über das Projekt Botcaster](/ueber-uns)

##  Themen

 - [  KI-Agenten und Automatisierung  ](/podcasts/themen/ki-agenten-automatisierung)
- [  Softwareentwicklung mit KI  ](/podcasts/themen/softwareentwicklung-mit-ki)

**Hinweis:** *Diese Zusammenfassung wurde mit Hilfe von KI aus dem Transkript der Podcast-Episode generiert.*

Alle Inhalte auf Botcaster beruhen auf öffentlich zugänglichen Podcasts rund um Künstliche Intelligenz. Wir fassen die Episoden nach bestem Wissen zusammen, übernehmen jedoch keine Gewähr für Vollständigkeit, Aktualität oder Richtigkeit der Inhalte. Die Rechte an den Original-Podcasts und -Inhalten liegen ausschließlich bei den jeweiligen Urheber:innen.

         ## Shownotes

  Was passiert, wenn Claude nicht mehr nur ein Tool ist, sondern ein Kollege mit eigenen Zugriffsrechten, der proaktiv auf dich zukommt? Warum ist MCP „nicht viel mehr als eine API mit einem semantischen Layer" und trotzdem der Standard, auf dem die ganze Agentic-Ära aufbaut? Und was können deutsche Führungskräfte von einer Kultur lernen, die auf High Agency setzt: extrem viel Vertrauen, extrem wenig Struktur?

Zu diesen und weiteren Fragen spreche ich in dieser Episode von „AI to the DNA", dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, mit David Soria Parra. David ist Member of Technical Staff bei Anthropic und Co-Creator des Model Context Protocol (MCP). Davor war er zehn Jahre bei Meta im Developer-Tooling und blickt auf 25 Jahre Open-Source-Erfahrung zurück.

[Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.](https://www.youtube.com/watch?v=1guudCDr0H4 "Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.")

Wir sprechen darüber, wie MCP intern bei Anthropic entstanden ist: aus dem klassischen N-times-M-Problem zwischen Clients und Integrationen, und warum ein Protokoll gegenüber APIs und CLIs genau dann gewinnt, wenn Governance, Policy Enforcement und Enterprise-Anforderungen ins Spiel kommen.

Außerdem diskutieren wir, warum Claude in Slack für David eine völlig neue Software-Kategorie ist: eine eigene Entity, die im Channel mitarbeitet, autonom Errors investigiert und mit Lösungsvorschlägen auf dich zukommt und wie das seine tägliche Arbeit fundamental verändert hat.

Darüber hinaus geht es um den Kulturunterschied zwischen US-Tech und Deutschland: High Agency, Vertrauen statt Struktur, technisch geprägte Führung und warum die erfolgreichsten Firmen ihren besten Leuten einfach eine Kreditkarte in die Hand drücken.

Zum Schluss werfen wir einen Blick nach vorn: Agent Identity und die Frage, ob Agents irgendwann eine eigene rechtliche Identität brauchen, die Übergabe von MCP an die Linux Foundation, MIT-Lizenz, bewusst ohne CLA und Davids Rat an junge Entwickler:innen und CEOs, die den Shift ernst nehmen wollen.

Hier bei AI to the DNA will ich, Christoph Magnussen, tiefer in die Materie KI eintauchen. Mich interessiert nicht nur, wie man KI nutzt, sondern warum sie so funktioniert, wie sie funktioniert. Mit AI to the DNA gewinnt ihr Einblicke in die Natur der Künstlichen Intelligenz und erfahrt, wie sie Teil eurer DNA wird. So werdet ihr von neugierigen Tool-Tourist:innen zu echten AI-Anwendungsweltmeister:innen.

☀️ 🎓 **Die Blackboat AI Summer School:** Vier Wochen Online-Sprint mit Hands-on-Aufgaben, um vom Kl-Ausprobieren zu echten Pro-Skills zu kommen. Vom Tool-Tourist zu eigenen Agent-Systemen mit unserer AI Summer School!

Spare jetzt 250€ mit dem Gutscheincode: **ATTD-SUMMER
->** Jetzt anmelden auf [https://academy.blackboat.com](https://shop.blackboat.com)

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine **5-Sterne-Bewertung**. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

- (00:00) - Intro
- (01:53) - Zehn Jahre Meta, keine Titel bei Anthropic: Kompetenz durch Arbeit statt Hierarchie
- (03:11) - Wie MCP entstand: Vom N-mal-M-Problem zum semantischen Layer
- (09:53) - Modellsprünge intern erlebt: Längere Tasks, asynchrones Arbeiten
- (11:34) - Claude Tag: Eigene Entity und Multiplayer im Slack-Channel
- (16:04) - Vorher/Nachher: Slack als Messaging-Bus, Claude wird proaktiv
- (17:37) - Persönlichkeit, System Prompts und Trust
- (20:29) - MCP als Daten-Layer: Agentic Search, Ultra-Code und weniger Scaffolding
- (26:24) - USA vs. Deutschland: Optimismus, High Agency und radikales Vertrauen
- (30:22) - Trust the Model: Compiler, Kreativität und die Grenzen der Verifikation
- (36:30) - Die neuen Bell Labs? Ein Shift, größer als das Internet
- (38:37) - Alltag, Leverage und Agent Identity
- (43:45) - Offener Standard: MIT-Lizenz, keine CLA, Linux Foundation
- (46:06) - Open-Source-Wurzeln: Vom PHP-Stammtisch zu Anthropic
- (47:31) - Rat an junge Entwickler:innen und CEOs
- (52:40) - Traumprojekt Unix: Evolution statt Revolution
- (57:39) - Die Modelle werden weiter besser