Signature: 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

Anthropics Claude-Modelle sind ab sofort allgemein verfügbar (General Availability, GA) über Microsoft Foundry – Microsofts Plattform für den Aufbau und Betrieb von KI-Agenten auf Azure. Die Modelle laufen auf NVIDIA GB300 Blackwell Ultra-Hardware und sollen den Weg von der Experimentierphase in die Produktion deutlich verkürzen. Für Azure-Architekten und Entwicklungsteams, die auf Enterprise-grade-KI setzen, ist das eine relevante Erweiterung des Portfolios.

Microsoft Foundry – früher bekannt als Azure AI Foundry – ist die zentrale Anlaufstelle, wenn es darum geht, KI-Modelle verschiedener Anbieter in eigene Anwendungen zu integrieren und zu operationalisieren. Bislang war Claude (das Large Language Model von Anthropic) über Foundry nur in der Preview verfügbar. Mit dem GA-Status ändert sich das grundlegend: Die Modelle sind jetzt produktionsstabil, SLA-gesichert und vollständig in das Azure-Ökosystem eingebettet.

Was ist neu?

Technisch interessant ist die Unterstützung durch NVIDIA GB300 Blackwell Ultra. Diese GPU-Generation bietet deutlich höheren Durchsatz bei Inferenz-Workloads (also beim Ausführen von KI-Modellen für Anfragen), was sich direkt auf Latenz und Skalierbarkeit auswirkt. Gerade bei Agentic Workflows – also Szenarien, in denen KI-Modelle selbstständig Aufgaben planen und ausführen – ist hoher Throughput ein kritischer Faktor.

In meinen Azure-Kursen diskutieren wir zunehmend, wie sich Multi-Modell-Strategien sinnvoll umsetzen lassen. Die Frage „GPT-4o oder Claude?“ ist dabei keine religiöse Entscheidung, sondern eine nach Use Case, Kontextfenstergröße und Kosten-Leistungs-Verhältnis. Dass beides nun auf derselben Plattform konsistent verfügbar ist, vereinfacht diesen Vergleich erheblich.

Was bedeutet das für Azure-Admins und Architekten?

Aus operativer Sicht ist der GA-Status von Claude in Foundry mehr als ein Marketing-Meilenstein. Konkret ergeben sich folgende Implikationen:

Aspekt Bedeutung in der Praxis
SLA-Absicherung Claude-Endpunkte sind jetzt produktionstauglich mit Verfügbarkeitsgarantien
Kostentransparenz Verbrauch läuft über Azure-Billing – kein separater Anthropic-Vertrag nötig
Sicherheit & Compliance Daten bleiben in Azure-Grenzen; RBAC und Private Networking greifen wie gewohnt
Integration Nahtlose Einbindung in Azure AI Foundry Pipelines, Prompt Flow und Agent-Frameworks

Praxistipp: Wer heute bereits Azure OpenAI Service nutzt und Claude evaluieren möchte, kann dies direkt im Azure AI Foundry Model Catalog tun – ohne neue Subscription oder separates Onboarding. Einfach Modell auswählen, Endpunkt deployen, Kosten im Cost Management (Azure-Kostenmanagement) im Blick behalten.

Folgendes Problem aus der Praxis kennen viele: Teams wollen verschiedene Modelle vergleichen, scheitern aber am operativen Overhead – unterschiedliche APIs, unterschiedliche Abrechnungsmodelle, unterschiedliche Sicherheitskonfigurationen. Microsoft Foundry löst genau das durch Vereinheitlichung. Claude GA ist ein weiterer Baustein in dieser Richtung.

Merksatz: General Availability bedeutet: produktionsstabil, SLA-gesichert, abrechnungsfähig. Preview-Erfahrungen aus dem Lab lassen sich jetzt sauber in echte Workloads überführen.

Wer sich tiefer mit dem Thema KI-Integration auf Azure befassen möchte – von Foundry-Grundlagen bis hin zu Agentic Architectures – findet entsprechende Inhalte in meinen Azure-Kursen.

Alle Details zur Ankündigung finden Sie direkt beim Hersteller: Originalankündigung bei Azure Blog.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre, wie deine Kommentardaten verarbeitet werden.