Claudes Fähigkeitsframework wird stillschweigend zum Branchenstandard

Als Anthropic Skills im Oktober veröffentlichte, klang die Ankündigung wie ein Nischen-Entwickler-Feature. Zwei Monate später hat OpenAI die gleiche Architektur übernommen – und die stille Konvergenz offenbart etwas Bedeutsames darüber, wohin sich KI-Agenten entwickeln.

Fähigkeiten sind täuschend einfach: Ordner, die Markdown-Dateien enthalten, die KI-Systemen sagen, wie sie bestimmte Aufgaben ausführen. Aber ihre Übernahme durch beide großen KI-Labore legt nahe, dass die Branche eine gemeinsame Antwort auf eine grundlegende Frage gefunden hat: Wie macht man KI-Assistenten konsequent gut in spezialisierten Arbeiten?

Was OpenAI gerade getan hat

Der Entwickler Elias Judin entdeckte OpenAI’s Implementierung am 12. Dezember, während er mit ChatGPT’s Code-Interpreter experimentierte. Indem er das Modell aufforderte, eine Zip-Datei seines /home/oai/skills-Verzeichnisses zu erstellen, fand er Ordner für PDFs, Tabellenkalkulationen und Dokumente – jeder enthielt Anweisungsdateien, die strukturell identisch mit Anthropics Spezifikation waren.

Die gleiche Architektur erschien in OpenAI’s Codex-CLI-Tool zwei Wochen zuvor, durch einen Pull-Request mit dem Titel “feat: experimenteller Support für skills.md”. Die Implementierung spiegelt Anthropics Ansatz wider: Fähigkeiten leben in einem lokalen Verzeichnis (~/.codex/skills), jede definiert durch eine SKILL.md-Datei mit Metadaten und Anweisungen.

OpenAI hat das Feature noch nicht offiziell angekündigt. Aber seine Anwesenheit in beiden ChatGPT und Codex legt nahe, dass es sich um eine bewusste Strategie und nicht um ein Experiment handelt.

Warum Fähigkeiten wichtig sind

Der traditionelle Ansatz, um KI besser an bestimmte Aufgaben zu machen, bestand darin, sie fein abzustimmen – teure, zeitaufwändige Modelltrainings auf spezialisierten Daten. Fähigkeiten bieten eine leichtere Alternative: Anweisungen und Ressourcen, die nur dann geladen werden, wenn sie relevant sind.

Anthropics Engineering-Team beschrieb das Design-Prinzip als “progressive Disclosure”. Jede Fähigkeit benötigt nur ein paar Dutzend Token, wenn sie zusammengefasst wird, und vollständige Details werden nur dann geladen, wenn die Aufgabe sie erfordert. Dies löst ein praktisches Problem: Kontextfenster sind wertvolles Gut, und das Einfügen jeder möglichen Anweisung in jede Anfrage verschwendet Ressourcen.

Die Architektur funktioniert, weil moderne KI-Modelle Anweisungen dynamisch lesen und befolgen können. Eine Fähigkeit für die PDF-Verarbeitung könnte beispielsweise bevorzugte Bibliotheken, Edge-Case-Verarbeitung und Ausgabeformatierung enthalten – Informationen, die das Modell nur dann benötigt, wenn es PDFs verarbeitet.

Die Konvergenz-Geschichte

OpenAI’s Übernahme von Anthropic’s Ansatz ist nicht ungewöhnlich, wenn man sie isoliert betrachtet. KI-Labore lernen regelmäßig von den veröffentlichten Arbeiten anderer. Was jedoch bemerkenswert ist, ist die strukturelle Identität: gleiche Dateinamenskonventionen, gleiche Metadaten-Format, gleiche Verzeichnisorganisation.

Diese Kompatibilität könnte bedeuten, dass Fähigkeiten, die für Claude Code geschrieben werden, mit OpenAI’s Codex-CLI funktionieren und umgekehrt. Entwickler könnten Fähigkeiten auf GitHub wie npm-Pakete teilen. Das Ökosystem wird interoperabel anstelle von fragmentiert.

Die Zeitpunkt deckt sich mit umfassenderen Standardisierungs-Bemühungen. Anthropic spendete das Model Context Protocol am 9. Dezember an die Linux Foundation, und beide Unternehmen gründeten die Agentic AI Foundation zusammen mit Block. Google, Microsoft und AWS schlossen sich als Mitglieder an.

Die Stiftung wird das MCP, Blocks Goose-Projekt und OpenAI’s AGENTS.md-Spezifikation betreuen. Fähigkeiten passen natürlich in diese Standardisierungs-Bemühungen – wiederverwendbare Fähigkeitsmodule, die auf verschiedenen Plattformen funktionieren.

Was dies für AI-Coding-Tools bedeutet

Die Fähigkeitsarchitektur ist am wichtigsten für AI-Coding-Tools, bei denen spezialisiertes Wissen die Ausgabequalität dramatisch verbessert. Eine Fähigkeit für React-Entwicklung könnte beispielsweise Komponentenmuster, Zustandsverwaltungspräferenzen und Testkonventionen angeben. Eine Fähigkeit für Datenbankmigrationen könnte Sicherheitsprüfungen und Rollback-Verfahren enthalten.

AI-Coding-Startups wie Cursor haben Unternehmen aufgebaut, um KI für spezifische Entwicklungsarbeiten nützlicher zu machen. Das Fähigkeitsframework gibt Modell-Anbietern eine standardisierte Möglichkeit, ähnliche Anpassungen anzubieten – potenziell bedrohlich oder ergänzend für Drittanbieter-Tools, je nach Ausführung.

Für Unternehmensentwickler bedeuten interoperable Fähigkeiten, dass institutionelles Wissen portabel wird. Ein Unternehmens internes Codierstandard, Sicherheitsanforderungen und Workflow-Präferenzen können einmal kodiert und auf alle AI-Tools angewendet werden, die das Team verwendet.

Der strategische Subtext

OpenAI’s Übernahme hat strategische Implikationen. Das Unternehmen hat historisch propietäre Ansätze bevorzugt – GPT-Aktionen, benutzerdefinierte GPTs, plattformspezifische Integrationen. Fähigkeiten stellen einen Schwenk hin zu offenen Standards dar, die auf verschiedenen Tools funktionieren.

Eine Interpretation: OpenAI erkennt, dass Entwickler-Ökosysteme wichtiger sind als propietäre Lock-in auf diesem Stadium. Wenn Fähigkeiten zum Standard werden, ist Kompatibilität wichtiger als die Kontrolle der Spezifikation.

Eine andere Interpretation: Mit Anthropic’s Entwicklererfahrung zu konkurrieren erfordert das Nachbilden seiner Funktionen. Claude Code ist aggressiv gewachsen, hat 1 Milliarde Dollar an jährlichen Umsatz erreicht und integriert sich in Slack. Fähigkeiten sind Teil dessen, was Claude Code nützlich macht; OpenAI musste reagieren.

Die Wahrheit liegt wahrscheinlich in beiden Faktoren. KI-Labore konkurrieren intensiv auf Benchmark- und Fähigkeitsniveau, während sie auf Infrastrukturstandards zusammenarbeiten, die jedem nützen. Fähigkeiten fallen in die zweite Kategorie.

Was als Nächstes kommt

Die unmittelbare Gelegenheit ist ein Fähigkeitsmarkt – GitHub-Repositorys, in denen Entwickler spezialisierte Anweisungssätze für gemeinsame Aufgaben teilen. Anthropic hat bereits ein anthropics/skills-Repository. Erwarten Sie, dass OpenAI folgt, und erwarten Sie, dass community-beiträgte Fähigkeiten verbreitet werden.

Die langfristige Frage ist, wie tief Fähigkeiten in AI-Produkte integriert werden. Derzeit sind sie hauptsächlich für Entwickler relevant, die CLI-Tools verwenden. Aber die gleiche Architektur könnte Anpassungen in Consumer-Produkten ermöglichen – personalisierte Schreibassistenten, spezialisierte Forschungstools, domänen-spezifische Chatbots.

Für den Moment repräsentiert die Konvergenz auf Fähigkeiten etwas Seltenes in KI: konkurrierende Unternehmen stimmen zu, dass Standardisierung jedem nützt. Ob diese Kooperation auf andere umstrittene Bereiche – Sicherheitsstandards, Fähigkeits-Offenlegungen, Bereitstellungsrichtlinien – ausgedehnt wird, bleibt ungewiss.

Für Entwickler, die auf AI-Plattformen aufbauen, ist die Botschaft jedoch klar: Fähigkeiten werden zu Infrastruktur. Das Erlernen, sie jetzt zu schreiben, bedeutet, auf die Art und Weise vorbereitet zu sein, wie AI-Tools morgen funktionieren werden.