Leistung · KI-Entwicklung

Claude API Integration für Produktionssysteme, nicht für hübsche Demos

Ich integriere Claude, OpenAI, Mistral oder Open-Weight-Modelle über APIs in bestehende Produkte, interne Tools und operative Abläufe. Der Fokus liegt auf kontrollierbaren Outputs, Kosten pro Aufruf, Modellwechsel ohne Umbau und einer klaren Antwort auf die DSGVO-Frage: welche Daten verlassen dein Unternehmen, auf welcher Rechtsgrundlage und mit welchem Anbieter.

  • Structured Output mit Schema-Validierung, Retries und Kostenlogging pro Aufruf.
  • Claude, OpenAI, Mistral oder Open-Weight-Modelle über APIs in bestehende Produkte.
  • EU-Hosting-Optionen wie Azure OpenAI EU oder Mistral, inklusive Auftragsverarbeitung.
  • Eigenes Referenzprojekt: Content-Engine dieser Website mit Next.js, Fastify, Postgres/pgvector, Claude und OpenAI.

Woran es meistens hakt

  • Du hast einen Claude API Key erstellt, aber der erste Prototyp liefert Text, den dein Produkt nicht sicher weiterverarbeiten kann.

    Die Integration bekommt ein explizites Ausgabeformat: JSON Schema, Validierung, Fehlerklassen, Retries und ein Fallback-Verhalten. Claude wird nicht als Chat-Fenster behandelt, sondern als unzuverlässiger externer Dienst mit Vertrag, Timeouts und Tests.

  • Das Team findet die Claude docs verständlich, aber niemand will die Verantwortung für Billing, Rate Limits, Logging und Datenschutz übernehmen.

    Ich setze die API-Schicht so auf, dass jeder Aufruf Kosten, Modell, Latenz, Inputgröße, Outputgröße und Fehlerstatus protokolliert. Für DSGVO wird dokumentiert, was an Anthropic, Azure OpenAI EU, Mistral oder andere Anbieter gesendet wird. Relevant ist dabei auch die österreichische Datenschutzbehörde in Wien, nicht nur eine abstrakte EU-Folie.

  • Du willst Claude chat api, OpenAI und Mistral vergleichen, ohne bei jedem Modellwechsel den Anwendungscode umzuschreiben.

    Die Anwendung spricht gegen eine interne LLM-Schnittstelle. Anbieteradapter kapseln Messages API, Tool Calls, Structured Output, Tokenzählung und Fehlertypen. Der Modellwechsel bleibt eine Konfigurationsfrage, solange die fachliche Aufgabe gleich bleibt.

  • Deine Fachabteilung erwartet Agenten, dein Produkt braucht aber vor allem eine deterministische Funktion.

    Ich baue zuerst kleine, prüfbare LLM-Funktionen: Klassifikation, Extraktion, Entwurf, Zusammenfassung, Recherche-Stufe oder Quality-Gate. Agenten kommen nur dann hinein, wenn sie nachweislich weniger Risiko erzeugen als ein einfacher Workflow mit klaren Grenzen.

  • Du möchtest Claude Code, Claude Console oder Platform Claude nutzen, aber der Weg in deine bestehende Anwendung ist unklar.

    Claude Console und Platform Claude sind gut für Keys, Projekte, Tests und Prompt-Experimente. Für Produktcode werden Secrets, Server-Side Calls, Zugriffskontrolle, Billing-Grenzen und Deployments sauber getrennt. Claude Code kann bei Entwicklung und Refactoring helfen; in der Produktion läuft trotzdem eine normale API-Integration mit Auditing.

Zusammenarbeit

Pilot

€1.500–3.000

2-wöchiger Pilot

Ein klar begrenzter Use Case wird produktnah umgesetzt: API-Anbindung, Prompt- und Schema-Design, Validierung, Kostenlogging und eine kurze technische Auswertung. Geeignet, wenn du wissen willst, ob Claude API kaufen und betreiben für deinen Ablauf sinnvoll ist.

Anfragen

Projekt-Sprint

mehrwöchiges Projekt

Für eine Integration in ein bestehendes Produkt oder internes System. Typischer Inhalt: Adapter für Claude, OpenAI oder Mistral, Structured Output, Datenflussprüfung, Tests mit Golden Sets, Deployment-Anbindung und Dokumentation für Betrieb und Weiterentwicklung.

Anfragen

Retainer

laufend

Für Teams, die LLM-Funktionen schrittweise ausbauen und nicht bei jedem Prompt- oder Modellwechsel ein neues Projekt starten wollen. Fokus: Evaluation, Kostenkontrolle, Anbieterwechsel, Fehleranalyse, neue Use Cases und technische Sparrings.

Anfragen

Stack

Claude Messages API
Die Standardwahl, wenn Claude direkt in ein Produkt eingebunden wird. Wichtig sind System Prompts, Messages, Tool Use, Stop Reasons, Rate Limits und eine klare Trennung zwischen Claude Console Experimenten und Server-Side Produktcode.
Anthropic SDK
Sinnvoll für direkte Integration mit ANTHROPIC_API_KEY, sauberem Error Handling und Zugriff auf die Claude Platform. Ich kapsle das SDK trotzdem hinter einer internen Schnittstelle, damit dein Domain-Code nicht vom Anbieterformat abhängt.
OpenAI SDK
Nützlich für Vergleich, Fallbacks oder bestehende OpenAI-basierte Workflows. Wenn OpenAI und Claude parallel laufen, müssen Tokenzählung, Output-Schema und Billing getrennt ausgewertet werden.
Mistral API
Interessant, wenn EU-Optionen und Auftragsverarbeitung stärker gewichtet werden. Mistral ist kein magischer DSGVO-Freifahrtschein, aber oft eine prüfenswerte Alternative für DACH-Unternehmen.
Zod oder JSON Schema
Für validierte Outputs statt Vertrauen in wohlformulierte Prompts. Fehlerhafte Modellantworten werden klassifiziert, neu angefordert oder kontrolliert abgelehnt.
Fastify
Für eine schlanke API-Schicht mit klaren Routes, Hooks, Timeouts und Logging. Auch das Referenzprojekt dieser Website nutzt Fastify in der Content-Engine.
Postgres mit pgvector
Wenn Retrieval, Golden Sets oder interne Wissensbestände ins Spiel kommen. Nicht jeder LLM-Use-Case braucht Vektorsuche; wenn sie eingesetzt wird, gehören Ranking, Quellen und Löschkonzept dazu.
Next.js
Geeignet, wenn die LLM-Funktion direkt in ein bestehendes Produktfrontend oder Backoffice integriert wird. API-Keys gehören dabei nicht in den Browser, sondern in serverseitige Endpunkte.

So läuft ein Projekt

1 · Erstes Kennenlernen

Wir reden eine Woche lang in Ruhe über das, was du dir vorstellst - unverbindlich und kostenlos. Am Ende weißt du, was es kostet und wie lange es dauert. Auch dann, wenn du dich gegen mich entscheidest.

2 · Schritt für Schritt bauen

Ich arbeite in kleinen Etappen von zwei Wochen. Nach jeder Etappe siehst du etwas Fertiges und kannst sagen "passt" oder "lass uns das anders machen" - bevor zu viel Zeit oder Geld drinsteckt.

3 · Online-Schaltung & Übergabe

Wir gehen live. Die ersten zwei Wochen danach kümmere ich mich um alle kleinen Anpassungen ohne Extra-Kosten. Du bekommst alles, was zur Website gehört - Zugänge, Anleitungen, den gesamten Code.

4 · Erreichbar auch danach

Nach jedem Projekt halte ich Zeit für ehemalige Kund:innen frei. Für die schnelle Frage am Abend ("Ist das normal?") bin ich da - ohne neuen Vertrag, ohne Stundensatz im Hinterkopf.

Was bei der Integration tatsächlich gebaut wird

Die Claude docs zeigen den ersten API Call. Für ein DACH-Unternehmen mit Produktbetrieb braucht es mehr als ANTHROPIC_API_KEY und einen erfolgreichen Curl-Request.

Interne LLM-Schnittstelle

Der Anwendungscode spricht nicht direkt mit Anthropic, OpenAI oder Mistral. Eine interne Abstraktion kapselt Messages, Modelle, Tool Calls, Fehler und Kosten. Anbieterwechsel bleibt begrenzt.

Structured Output

Antworten werden gegen Schema geprüft. Ungültiges JSON, fehlende Felder, falsche Typen und zu lange Ausgaben werden abgelehnt oder neu angefordert, bevor sie CRM, ERP oder Backoffice erreichen.

Kostenlogging pro Aufruf

Jeder Request bekommt Modell, Zeitstempel, Use Case, Größenwerte, Status und Anbieter. Exakte Beträge hängen vom Anbieterbilling ab; ohne Messung gibt es keine seriöse Optimierung.

DSGVO-Datenfluss

Es wird festgehalten, welche Felder an welches Modell gesendet werden. Personenbezogene Daten werden reduziert, pseudonymisiert oder vom LLM ferngehalten, wenn sie für die Aufgabe nicht nötig sind.

Golden-Set-Evals

Bekannte Eingaben mit erwarteten Ergebnissen prüfen, ob Prompt, Modell oder Schemaänderung etwas kaputt macht. Weniger glamourös als Agenten-Demos, näher am Betrieb.

Betriebsfähige Fehlerbehandlung

Rate Limits, Timeouts, Anbieterfehler und Antworten außerhalb des Schemas bekommen definierte Reaktionen: Retry, Übergabe an Menschen oder sauberer Abbruch.

Claude Chat, Claude Console und Produktintegration

Viele Missverständnisse entstehen, weil Chat, Console und API im selben Gespräch landen. Sie sind für unterschiedliche Aufgaben gebaut.

WerkzeugWofür es passtWofür es nicht reicht
Claude ChatManuelle Analyse, Ideenskizzen, Textarbeit und Einzelfälle.Kein kontrollierter Produktbetrieb, keine verlässliche Ausgabeform, keine fachliche Versionierung.
Claude ConsoleAPI Keys, Projekte, Prompt-Tests, Vergleich von Modellen auf Platform Claude.Keine fertige Architektur für Secret Handling, Rechte, Logs, DSGVO-Dokumentation und Deployment.
Claude APIServerseitige Integration in Produkte, Backoffice, interne Tools und Workflows.Ohne eigene Schutzschicht bleiben Fehler, Kosten und Datenflüsse schwer kontrollierbar.
Claude CodeEntwicklung, Refactoring, Codeanalyse und Unterstützung im Editor oder Terminal.Kein Ersatz für eine API-Schicht in Produktion und kein Ort für ungeprüfte Kundendaten.

Risiken, die vor dem ersten Release geklärt werden

  • Der Prompt funktioniert in der Demo, aber nicht mit schmutzigen Produktdaten.

    high

    Mit realistischen Beispielinputs testen, Schema erzwingen, Golden Set pflegen und fachliche Grenzfälle dokumentieren.

  • Personenbezogene Daten werden unnötig an einen Modellanbieter gesendet.

    high

    Daten minimieren, Felder klassifizieren, EU-Hosting-Optionen prüfen und Auftragsverarbeitung sauber ablegen. Bei österreichischen Setups die Datenschutzbehörde als realen Maßstab im Hinterkopf behalten.

  • Claude API billing steigt, weil jeder kleine UI-Event einen Modellaufruf startet.

    medium

    Serverseitige Limits, Caching für geeignete Fälle, Kostenlogging pro Use Case und klare Grenzen pro Rolle oder Organisation einbauen.

  • Das Team baut zu früh einen Agenten mit zu vielen Rechten.

    high

    Zuerst deterministische Workflows bauen. Tools eng begrenzen, Schreibzugriffe vermeiden und menschliche Freigabe dort verlangen, wo Geld, Verträge oder Kundendaten betroffen sind.

  • Ein Anbieterwechsel wird teuer, weil SDK-Details überall im Code verteilt sind.

    medium

    Adapter verwenden, Anbieterformate am Rand halten und fachliche Logik von Claude-, OpenAI- oder Mistral-spezifischen Details trennen.

Technische Haltung

  • Agenten sind selten der richtige Startpunkt.

    Ich baue LLM-Features lieber als kleine, prüfbare Funktionen. Viele Freelancer verkaufen Agenten, weil die Demo besser aussieht. Für Teams in Wien, Linz oder Zürich ist ein klassifizierender Endpunkt mit Tests, Logs und DSGVO-Doku oft wertvoller.

  • Der erste API Call ist nicht die Integration.

    Claude docs, Claude Console und Platform Claude bringen dich schnell zum ersten Request. Die eigentliche Arbeit beginnt bei Fehlerfällen, Versionswechseln, Billing, Modellvergleich und der Frage, welche Daten aus deinem System herausgehen.

  • Modellneutralität ist pragmatisch, nicht ideologisch.

    Claude kann die beste Wahl für deinen Use Case sein. Trotzdem sollte dein Produkt nicht so gebaut sein, dass jede Änderung am Anbieter eine Codeoperation am offenen Herzen wird. Eine dünne, gut getestete Adapter-Schicht ist hier billiger als spätere Rettungsaktionen.

  • DSGVO wird im Code entschieden.

    Verträge sind wichtig, aber die riskante Stelle ist oft das Mapping: welche Felder gehen in den Prompt, welche landen im Log, welche Antwort wird gespeichert. Genau dort muss die Integration sauber arbeiten.

Häufige Fragen

  • Can Claude integrate with APIs?

    Ja. Claude kann über die Anthropic Messages API in Anwendungen eingebunden werden. Praktisch heißt das: dein Server sendet Messages, System-Anweisungen und optional Tool-Definitionen an Claude und erhält eine Antwort zurück. Der wichtige Teil ist nicht der erste Request aus den Claude docs, sondern der Betrieb danach: Authentifizierung, Secret Handling, Rate Limits, Retries, Kostenlogging, Schema-Validierung und Tests gegen echte Eingaben. Wenn Claude wiederum externe APIs aufrufen soll, wird das normalerweise über Tool Use gelöst. Claude entscheidet dann nicht frei im Netz herum, sondern fordert ein definiertes Tool mit Parametern an; dein Server führt den API-Call aus und gibt das Ergebnis zurück.

  • Is Claude API integration free?

    Nein. Ein Claude API Key kostet nicht automatisch etwas beim Erstellen, aber API-Nutzung wird nach dem jeweiligen Billing-Modell von Anthropic abgerechnet. Für diese Dienstleistung gilt: Der Einstieg ist ein 2-wöchiger Pilot um €1.500–3.000. Danach hängt der Umfang vom Use Case ab, Fixpreis nach dem Erstgespräch. Zusätzlich entstehen Anbietergebühren für Claude API billing, OpenAI, Mistral, Azure OpenAI EU oder andere Dienste. Diese Gebühren laufen direkt über deinen Anbieteraccount, nicht versteckt in meiner Rechnung.

  • How do I connect my API to Claude?

    Für Produktcode verbindest du deine Anwendung nicht direkt aus dem Browser mit Claude. Du erstellst in der Claude Console beziehungsweise Platform Claude ein Projekt, erzeugst einen API Key, speicherst ihn serverseitig und baust einen Backend-Endpunkt, der Eingaben validiert und an Claude sendet. Danach folgt die wichtigere Arbeit: Ausgabeformat definieren, JSON Schema oder Zod prüfen, Fehlerfälle behandeln, personenbezogene Daten minimieren, Logs begrenzen und Kosten pro Aufruf erfassen. Wenn deine bestehende API selbst Daten liefern soll, wird sie als Tool modelliert oder vorher im Backend abgefragt.

  • Can you run a Claude Code with API?

    Claude Code ist ein Entwicklerwerkzeug und nicht dasselbe wie eine Produktintegration. Du kannst Claude Code login und lokale Entwicklungsabläufe nutzen, um Code zu analysieren oder Änderungen vorzubereiten. In der Anwendung selbst läuft aber eine normale Claude API Integration über Servercode. Das ist absichtlich getrennt: Entwicklerzugang, Produktsecret, Billing, Audit-Logs und Datenschutz haben unterschiedliche Anforderungen. Ich behandle Claude Code als Werkzeug im Engineering-Prozess, nicht als Runtime für Kundendaten.

  • Was ist der Unterschied zwischen Claude Chat und Claude API?

    Claude Chat ist ein Interface für Menschen. Claude API ist ein Interface für Software. Im Chat tolerierst du freie Antworten, Nachfragen und Umformulierungen. In einer API-Integration braucht dein System hingegen berechenbare Antwortstrukturen, nachvollziehbare Fehler, Versionierung und Kostenkontrolle. Darum reicht es selten, einen guten Chat-Prompt zu kopieren. Der Prompt wird Teil eines Vertrages zwischen Anwendung und Modell, inklusive Schema, Tests und Abbruchbedingungen.

  • Wie läuft DSGVO bei Claude, OpenAI oder Mistral?

    Zuerst wird geklärt, welche Daten das Unternehmen verlassen. Danach geht es um Anbieter, Region, Auftragsverarbeitung, Löschfristen, Logging und technische Minimierung. EU-Hosting-Optionen wie Azure OpenAI EU oder Mistral können sinnvoll sein, ersetzen aber keine Datenflussanalyse. Für österreichische Unternehmen ist auch die Praxis der Datenschutzbehörde relevant. Ich dokumentiere die technischen Entscheidungen so, dass Legal, IT und Geschäftsführung nicht dieselbe Frage in drei verschiedenen Sprachen diskutieren.

  • Muss ich Claude API kaufen oder reicht OpenAI?

    Das hängt vom Use Case ab. Claude ist oft stark bei langen Kontexten, Textarbeit, Analyse und vorsichtigen Antworten. OpenAI kann bei bestehendem Ökosystem, Tooling oder bestimmten Modellfamilien besser passen. Mistral ist interessant, wenn EU-Optionen hoch gewichtet werden. Ich baue die Integration so, dass ein Modellwechsel ohne Umbau möglich bleibt. Nicht jedes Produkt braucht mehrere Anbieter am ersten Tag, aber es sollte nicht an einen SDK-Typ gekettet sein.

  • Was kostet eine vollständige LLM-Integration nach dem Pilot?

    Das hängt vom Umfang ab, Fixpreis nach dem Erstgespräch. Ich nenne vorab keine Fantasiespanne, weil die Kosten vor allem von Datenlage, Risiko, Produktintegration, Evaluationsaufwand, Datenschutzanforderungen und Betrieb abhängen. Ein einzelner klassifizierender Endpunkt ist eine andere Aufgabe als ein interner Recherche-Workflow mit pgvector, Golden-Set-Evals, Rollenmodell und mehreren Modellanbietern.

Nächster Schritt

Bring Claude in dein Produkt, ohne den Betrieb dem Prompt zu überlassen.

Schick mir den Use Case, die bestehende Architektur und die Datenschutzgrenzen. Ich sage dir, ob ein Pilot reicht oder ob zuerst Vorarbeit nötig ist.