Fallstudie | Claude Platform

Wie Shortcut mithilfe von Opus 4.6 komplexe Tabellenkalkulationen für Unternehmen bewältigt

Branche:
Software
Unternehmensgröße:
Klein
Produkt:
Claude Platform
Standort:
Nordamerika

Über 100.000 Nutzer/-innen

Shortcut, eine ursprünglich für Verbraucher entwickelte App, unterstützt nun mehr als 1.000 Unternehmen

Benchmark-Genauigkeit von 7,29 bis 8,08

von 10 nach dem Wechsel zu Opus 4.6 ohne Änderungen am Prompting

Fundamental Research Labs ist ein zwei Jahre altes Forschungslabor, das sich auf die Entwicklung menschenähnlicherer KI konzentriert. Dessen erstes kommerzielles Produkt, Shortcut, ist ein KI-gestütztes Tabellenkalkulationstool, das in Excel, Google Sheets und einer eigenständigen Web- und Desktop-App funktioniert.

Mit Claude konnte Fundamental Research Labs:

  • Nach dem Wechsel zu Opus 4.6 ohne Änderungen am Prompting die Benchmark-Genauigkeit von 7,29 auf 8,08 von 10 erhöhen
  • Im Januar 2026 fast eine halbe Billion Tokens über die Plattform verarbeiten
  • Neben Verbraucher/-innen über 100.000 Nutzer/-innen in über 1.000 Unternehmen dazu gewinnen, darunter Werbeagenturen, Hedgefonds und Unternehmensberatungen
  • Nutzer/-innen mehrere Stunden pro Tag bei Aufgaben wie der Erstellung von Finanzmodellen, der Datenextraktion und der Formelprüfung sparen
  • Multiagentenarchitektur mit über 10 Claude-Subagenten, die gleichzeitig zur Analyse komplexer Workbooks mit mehreren Blättern ausgeführt werden

Die Herausforderung: KI für Tabellenkalkulationen nutzen

Aufgaben in Tabellen sind für KI-Agenten überraschend komplex. Ein einzelnes Finanzmodell kann Hunderttausende verwandter, auf mehreren Tabellen verteilten Zellen enthalten und verfügt nicht über die typischen Gerüste, die Programmieragenten zur Verfügung stehen, um die Arbeit zu erledigen. Nico Christie, der Shortcut bei Fundamental Research Labs leitet, war zuvor in der Finanzberatung tätig, wo ein Team wochenlang ein einzelnes Modell überarbeiten konnte, bevor es die Freigabe des Kunden erhielt. „KI hält jetzt Einzug in Tabellenkalkulationen, genau wie dies auch beim Programmieren der Fall war“, sagt Christie.

Zu den Aufgaben gehören die Datenextraktion aus Dokumenten, die Erstellung von Formeln über miteinander verbundene Zellen hinweg, die Fehlererkennung und die Modellprüfung. Aufgaben, die die Fertigstellung oder Prüfung dieser Modelle betreffen, setzen sowohl Genauigkeit als auch das Verständnis dafür voraus, wie die Tabellenblätter miteinander in Beziehung stehen.

Fundamental Research Labs hat eine Benchmarking-Infrastruktur zur Messung der KI-Leistung bei folgenden Aufgaben entwickelt: realistische, schwierige Excel-Probleme mit nachweislich richtigen Antworten. Als sie ihr Produkt Shortcut zum ersten Mal auf den Markt brachten, erreichten die besten von den getesteten Modelle eine Punktzahl von 4 bis 5,5 von 10 Punkten. Mit anderen Modellanbietern schlugen laut Christie die Aufgaben in etwa 70 % der Fälle fehl.

Auswahl von Claude für komplexe Tabellenkalkulationen

Nach dem Testen mehrerer Modellanbieter anhand der Benchmark-Pipeline wurde Claude für Shortcut zum einzigen Modell in der Produktion.

Mitentscheidend dabei war, dass Claude nur wenig angepasst werden musste. Bei anderen Modellen wären mehrere Runden Prompt-Engineering und Benchmarking zur Umgehung des modellspezifischen Verhaltens erforderlich gewesen. Für den Wechsel zu Opus war weder das Eine noch das Andere nötig. „Es gibt sehr wenig Claude-spezifisches Prompting, das wir durchführen müssen“, sagt Christie.

Jede nachfolgende Claude-Version hat diese Entscheidung als richtig bestätigt. Als Anthropic Opus 4.6 im Februar veröffentlichte, stieg die Punktzahl von 7,29 auf 8,08 von 10.

„Es war ein sprunghafter Fortschritt“, sagt Christie. „Schwierige Aufgaben, die unmöglich waren, waren jetzt durchführbar. Mittelschwere Aufgaben wurden einfach. Einfache Aufgaben waren nicht einmal mehr der Rede Wert. Es war eine totale Veränderung, genau wie beim Programmieren.“

Die Ergebnisse: Multiagentenarchitektur für komplexe Aufgaben

Die Architektur von Shortcut verwendet Claude in einem Multiagentenmuster. Wenn ein Nutzer Shortcut um die Prüfung einer komplexen Arbeitsmappe bittet, erstellt das System mehrere Claude-Subagenten, sodass alle Tabellen parallel untersucht werden können – ähnlich wie Claude Code. Für ein Finanzmodell mit zehn Blättern kann das bedeuten, dass sechs bis zehn Agenten gleichzeitig laufen, die jeweils eine andere Registerkarte auf Fehler, strukturelle Probleme und fehlende Daten analysieren. Diese Agenten erfassen den Kontext und geben die Ergebnisse an einen Hauptagenten zurück.

Vor der Ausführung von Änderungen wechselt das System in den Planungsmodus, in dem Claude die Arbeitsmappe überprüft, Probleme identifiziert und klärende Fragen stellt. Sobald der Plan genehmigt ist, übergibt Shortcut die Ausführung einem neuen Claude-Agenten, wodurch der Ausführungskontext klar und fokussiert bleibt.

Blick in die Zukunft

Jedes Upgrade des Claude-Modells hat für Shortcut messbare Vorteile gebracht, ohne dass Entwicklungsarbeiten erforderlich waren. Für Christie prägt dieses Muster, wie das Team über seine Roadmap denkt: Mit den verbesserten Fähigkeiten von Claude erweitert sich auch das Angebot, das Shortcut seinen Nutzern bieten kann.

„Excel wird von etwa einer Milliarde Menschen verwendet, Tabellenkalkulationen von zwei Milliarden“, sagt Christie. „Das Ziel von Shortcut ist es, einer Milliarde Nutzern und Nutzerinnen von Tabellenkalkulationen auf der ganzen Welt das Gefühl zu vermitteln, das wir bei der Verwendung von Claude bekommen.“

‍

„Das Ziel von Shortcut ist es, einer Milliarde Nutzern und Nutzerinnen von Tabellenkalkulationen auf der ganzen Welt das Gefühl zu vermitteln, das wir bei der Verwendung von Claude bekommen.“
Nico ChristieMitgründer, Fundamental Research Labs