Claude Haiku 5.5 und das Plädoyer für kleine Modelle im Marketing

Jede Modellveröffentlichung wird am größten Modell im Raum gemessen. Für die meiste Marketingarbeit halte ich das für die falsche Perspektive. Am 7. Oktober veröffentlichte Anthropic Claude Haiku 5.5, und das Interessante ist nicht, wie nah es an die Spitze herankommt. Sondern was es kostet, es eine Million Mal laufen zu lassen.

Was passiert ist

Anthropic nennt Haiku 5.5 das günstigste, schnellste und leistungsfähigste kleine Modell, das es bisher veröffentlicht hat. Es zielt auf kostensensible Arbeit in großen Mengen: Zusammenfassungen, Klassifizierung, Datenbankabfragen, Live-Kundensupport, Browsernutzung und Arbeit als Subagent neben den größeren Modellen Opus 5.5 und Sonnet 5.5. Es ist das erste Modell der Haiku-Klasse mit einer einstellbaren Aufwandsstufe, sodass Nutzer Kosten gegen Intelligenz abwägen können. Anthropic stellt klar, dass Sonnet 5.5 und Opus 5.5 für komplexes agentisches Programmieren weiterhin besser sind.

Der Preis ist die Schlagzeile. Für Prompts bis 100.000 Tokens nennt Anthropic 0,10 US$ pro Million Input-Tokens und 0,50 US$ pro Million Output-Tokens und gibt an, dass Haiku 5.5 im Durchschnitt etwa 75 % weniger kostet als Haiku 4.5. Die Launch-Seite enthält auch Kundenberichte; HubSpot etwa gibt an, 92,8 % in seiner CRM-Evaluationssuite erreicht zu haben. Das sind Zahlen des Unternehmens und seiner Kunden, keine unabhängigen Tests.

Warum das wichtig ist

Marketing-KI ist ein Mengengeschäft. Eine einzige Kampagne kann Tausende Creative-Varianten umfassen, Zehntausende zu klassifizierende Kommentare, Produkt-Feeds mit Hunderttausenden Zeilen und tägliche Berichte über Dutzende Märkte. Fast nichts davon braucht das leistungsstärkste verfügbare Modell. Es braucht ein Modell, das gut genug, schnell, vorhersehbar und günstig genug ist, um auf alles angewendet zu werden.

Wenn das kleine Modell gleichzeitig deutlich besser und deutlich günstiger wird, ändert sich die Wirtschaftlichkeit dessen, was Sie automatisieren. Aufgaben, die zu teuer waren, um sie auf jedes Element anzuwenden — etwa jede Wettbewerbsanzeige zu taggen oder jede Kundenbewertung zusammenzufassen —, werden zur Routine. Und die Architektur ändert sich: Ein großes Modell plant und urteilt, kleine Modelle erledigen darunter die repetitive Arbeit. Anthropics eigene Beschreibung von Haiku als Subagent entspricht genau diesem Muster.

Was meine Forschung sagt

Das vertrete ich schon lange. In Forbes habe ich gefragt, ob größer besser ist, und später LLMs und kleine neuronale Netze im Marketing verglichen. Meine Antwort hat sich nicht geändert: Die Modellgröße zählt weit weniger als die Technik und die Passung zur Aufgabe.

Unsere Forschung hat die beiden Arten von Modellen immer kombiniert, statt sich für eine zu entscheiden. In SoCraft (WSDM 2023) haben wir ein multimodales Modell demonstriert, das die Meta-Anzeigen-Creatives eines Werbetreibenden anhand von Text, Bild, Targeting und Einstellungen vor dem Start bewertet. In Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM Transactions on Information Systems, 2025) haben wir Modelle zur Vorhersage der Anzeigenleistung mit LLMs kombiniert, sodass aus einem Creative-Score eine Empfehlung wird, nach der ein Marketer handeln kann.

Die Lehre aus dieser Arbeit: Spezialisierte, effiziente Modelle übernehmen das Messen, große Sprachmodelle das Erklären. Ein günstigeres, leistungsfähigeres kleines LLM ersetzt nicht den spezialisierten Prädiktor. Es macht die Erklärungs- und Orchestrierungsebene in dem Maßstab bezahlbar, in dem Marketing tatsächlich stattfindet.

Wie ich ein solches Modell einsetzen würde

• Klassifizierung mit voller Abdeckung. Taggen Sie jeden Wettbewerbsbeitrag, jede Bewertung, jede Anzeige in Ihrer Kategorie nach Thema, Angebot und Format, statt Stichproben zu ziehen.
• Erste Zusammenfassungen. Verwandeln Sie lange Berichte, Transkripte und Kommentarstränge in kurze Digests, die ein Mensch oder ein größeres Modell prüft.
• Subagenten in einer Pipeline. Lassen Sie ein größeres Modell eine Wettbewerbsanalyse planen und übergeben Sie die repetitiven Extraktionsschritte dem kleinen Modell.
• Geschwindigkeit im Kundenkontakt. Nutzen Sie das schnelle Modell dort, wo Latenz zählt, etwa im Live-Chat, und leiten Sie schwierige Fälle an ein stärkeres Modell oder einen Menschen weiter.

Was Marketer vor einem Wechsel prüfen sollten

• Führen Sie Ihre eigene Evaluierung durch. Benchmarks von Anbietern sind nicht Ihre Aufgabe. Nehmen Sie 200 reale Beispiele aus Ihrer Arbeit, labeln Sie sie und vergleichen Sie Modelle anhand dieses Sets.
• Achten Sie auf die Kosten pro Aufgabe, nicht pro Token. Anthropic weist darauf hin, dass Haiku 5.5 einen neuen Tokenizer und etwas mehr Tokens pro Aufgabe verwendet. Die Rechnung hängt vom gesamten Workflow ab.
• Setzen Sie die Aufwandsstufe bewusst ein. Nutzen Sie standardmäßig geringen Aufwand für einfaches Tagging und erhöhen Sie ihn nur dort, wo Ihre Evaluierung einen Qualitätsgewinn zeigt.
• Behalten Sie die spezialisierten Modelle dort, wo sie besser sind. Wenn Sie bereits ein auf Ihren eigenen Leistungsdaten trainiertes Modell haben, sollte ein LLM dessen Ergebnis erklären, nicht es ersetzen.

Die Spitzenmodelle bekommen die Schlagzeilen. Beim kleinen Modell liegt der Großteil der Arbeit — und der Großteil der Einsparungen.

FAQ