Claude einrichten: MCP-Konnektoren, Skills und Berechtigungen richtig konfigurieren

Kurz gefasst: Claude Desktop, Claude Cowork und Claude Code sind technisch getrennte Umgebungen mit eigenem Speicher für Memory, Skills und MCPs. Einstellungen in einer Umgebung gelten nicht automatisch für die andere – das erfordert beim Setup besondere Sorgfalt.

Warum die drei Claude-Umgebungen verwirren

Der Grund ist simpel, aber selten dokumentiert: Claude Desktop (im Kern die App-Version von claude.ai), Claude Cowork und Claude Code teilen sich nicht zwangsläufig denselben Memory-Stand, dieselben Skills oder dieselben Konnektoren. Am stärksten gilt das für Claude Code: eigene MCP-Konfiguration, eigenes Gedächtnis über die CLAUDE.md, eigener Skills-Ordner. Cowork ist enger mit der Desktop-App verzahnt und kann auf deren Konnektoren zugreifen, läuft aber ebenfalls mit eigenem Sessionkontext.

Praktische Konsequenz: MCPs und Plugins immer für beide relevanten Umgebungen installieren, nicht nur für eine. Sonst fehlt der Konnektor exakt dann, wenn man ihn braucht.

Allgemeine Einstellungen: Weniger ist mehr

Der Reiter Allgemein verleitet dazu, dem Modell direkt einen ausführlichen Systemkontext mitzugeben. Das ist meist kontraproduktiv. Ein zu restriktiver globaler Prompt schränkt die Antwortqualität ein und verhindert, dass das Modell situativ reagiert.

Eine sinnvolle Ausnahme: stilistische Vorgaben wie das Verbot von Em-Dashes. Diese langen Striche sind ein zuverlässiges Signal für KI-generierten Text. Kaum jemand tippt sie bewusst, in den meisten Texten landen sie nur durch Autokorrektur in Word oder Google Docs. Eine einzige Zeile im Systemkontext reicht, um das dauerhaft abzustellen.

Datenschutz: Den einen Schalter kennen

Im Reiter Datenschutz gibt es wenig zu konfigurieren, aber eine Einstellung entscheidet über alles: "Hilf mit, Claude zu verbessern" (Help improve Claude). Ist sie aktiv, dürfen neue Unterhaltungen und Coding-Sessions für das Training künftiger Modelle verwendet werden, mit einer Speicherdauer von bis zu fünf Jahren. Ist sie deaktiviert, bleibt es bei der kurzen Aufbewahrung von 30 Tagen.

Der Haken: Seit der Änderung der Nutzungsbedingungen im September 2025 stand dieser Schalter im Zustimmungsdialog standardmäßig auf An. Wer damals einfach auf "Akzeptieren" geklickt hat, hat dem Training zugestimmt, oft ohne es zu merken. Die Annahme "Anthropic trainiert nicht auf meinen Daten" stimmt für private Free-, Pro- und Max-Accounts also nur, wenn man den Schalter aktiv geprüft und ausgestellt hat. Erster Schritt nach der Lektüre dieses Artikels: Einstellungen, Datenschutz, Schalter kontrollieren.

Anders sieht es bei den Geschäftsplänen aus: Claude for Work (Team und Enterprise) sowie die API-Nutzung sind vom Training grundsätzlich ausgenommen. Das ist auch der relevante Punkt für den Unternehmenseinsatz: Für private Pro- oder Max-Accounts gibt es keine Auftragsverarbeitungsvereinbarung. Wer echte Kundendaten in Prompts verarbeitet, braucht einen Team- oder Enterprise-Plan oder die API, erst dort lässt sich eine AVV abschließen. Bei der Einordnung hilft im Zweifel ein Datenschutzbeauftragter oder Anwalt.

Fähigkeiten und Skills: Das eigentliche Potenzial

Unter Fähigkeiten steckt, was früher ausführliche Prompts erforderte. Zwei Einstellungen sollten grundsätzlich aktiv sein:

• Gedächtnis aus Chat generieren: Ohne diese Option startet jede Session bei null. Das Modell hat keinen Kontext über bisherige Gespräche – einer der größten Produktivitätsverluste im Alltag.
• Chats durchsuchen und referenzieren: Sinnvoll, sobald regelmäßig mit dem Tool gearbeitet wird und man auf frühere Stände zurückgreifen will.

Skills sind wiederverwendbare Anweisungssets. Ein Skill kann einfach sein – eine Formatierungsregel – oder komplex: ein verschachteltes Set von Unterskills für einen bestimmten Workflow. Anthropic liefert einige vorgefertigte Skills mit; der Skill Creator und der MCP Builder sind für alle empfehlenswert, die eigene Workflows aufbauen wollen.

Artefakte und interaktive Visualisierungen

Claude kann mehr ausgeben als Text. Mit aktivierten Artefakten erstellt das Modell auf Anfrage vollständige HTML-Seiten, interaktive Dashboards oder Präsentationen. Manche Nutzer ersetzen damit PowerPoint-Folien komplett – sie lassen sich per Tastendruck durchscrollen und sehen deutlich ansprechender aus als Standard-Slides.

Noch nützlicher sind interaktive Visualisierungen: Wenn man Claude bittet, ein Konzept zu erklären und gleichzeitig einstellbare Parameter zu bieten, entsteht ein vollständig interaktives Tool im Browser. Das funktioniert ohne eine einzige Zeile eigenen Codes.

Claude Code: Berechtigungen bewusst vergeben

Claude Code ist die leistungsstärkste, aber auch risikoreichste Umgebung. Zwei Einstellungen verdienen besondere Aufmerksamkeit:

• Berechtigungsmodus umgehen erlauben: Diese Option gibt dem Modell vollständige Handlungsfreiheit ohne Rückfragen. Für Einsteiger klar: deaktiviert lassen. Nur wer versteht, was das Modell im Hintergrund tut, sollte sie aktivieren.
• Ausgehender Netzwerkverkehr: Claude Code kann selbstständig Pakete aus dem Internet installieren – auch von GitHub. Angreifer können dort vermeintlich gut bewertete Repositories platzieren, um Schadsoftware einzuschleusen. Das ist kein theoretisches Risiko, sondern ein aktiver Angriffsvektor.

Empfehlung: Netzwerkzugriff erst dann freigeben, wenn man grundlegend versteht, was ein Dev Server ist, wie Ordnerstrukturen in Projekten funktionieren und was Claude beim Installieren von Abhängigkeiten tatsächlich tut. Das Modell selbst kann das erklären – einfach fragen, bevor man eine Aktion bestätigt.

Git und Branches: Warum das auch Nicht-Entwickler betrifft

Claude Code arbeitet mit Git – einem Versionierungssystem für Code und Dokumente. Jede Änderung wird als sogenannter Commit gespeichert, jede Entwicklungslinie als Branch. Das klingt technisch, hat aber einen praktischen Nutzen: Jede Änderung ist nachvollziehbar, rückgängig machbar und klar einer Quelle zugeordnet.

Für Unternehmen mit mehreren Nutzern ist das besonders relevant. In der Web-Version und der GitHub-Integration legt Claude Code Branches standardmäßig mit einem eigenen Präfix an, so lässt sich KI-generierter Code vom menschlichen Code unterscheiden. Lokal arbeitet das Modell dagegen im gerade aktiven Branch, sofern man nichts anderes vorgibt. Wer alleine arbeitet, merkt davon wenig. Wer im Team arbeitet, sollte verstehen, was Pull Requests und Approvals bedeuten, bevor er Claude Code für gemeinsame Projekte einsetzt.

Konnektoren: Die Lücke im industriellen Mittelstand

Im Bereich Konnektoren zeigt sich die eigentliche Grenze des aktuellen Claude-Ökosystems: Die vorhandenen Standard-Konnektoren stammen aus der Startup- und Agenturwelt. Slack, Notion, Asana, Monday, ClickUp, Google Kalender – das ist der Toolstack von Tech-Unternehmen, nicht von Fertigungsbetrieben.

ERP-Systeme wie ProAlpha, Branchensoftware oder spezifische Produktionsdatenbanken fehlen als fertige Konnektoren fast vollständig. Das wird sich mittelfristig ändern – aber aktuell bedeutet das: Wer seinen eigenen Konnektor will, muss ihn selbst bauen oder bauen lassen.

Eigene MCPs bauen: Vom Konzept zur Praxis

Ein MCP (Model Context Protocol) ist im Kern eine strukturierte Schnittstelle zwischen dem KI-Modell und einem externen System. Claude liest die API-Dokumentation des Zielsystems, erstellt daraus einen MCP und kann danach direkt mit diesem System kommunizieren.

Ein konkretes Beispiel: Aus der vollständigen API-Dokumentation einer Buchhaltungssoftware entsteht ein MCP mit über 30 verfügbaren Aktionen – Rechnungen abrufen, Status prüfen, Daten aktualisieren. Im Chat reicht dann eine natürlichsprachliche Anfrage: „Zeig mir die letzten fünf unbezahlten Rechnungen.