Geprüfte KI-Kompetenz statt Buzzwords: Mein Erfahrungsbericht zu Anthropics Claude Certified Architect-Zertifizierung (CCA)

1. Eine Prüfung, die anders tickt als erwartet

Ich habe mich in meinem Leben auf viele Prüfungen vorbereitet. Meistens läuft die Vorbereitung ähnlich ab: Stoff durcharbeiten, Konzepte pauken, Testfragen üben – im Volksmund auch liebevoll Bulimielernen genannt, bei dem der gesamte Stoff kurz vor der Prüfung reingepresst wird, nur um direkt danach restlos vergessen zu werden. Bei der CCA von Anthropic wurde mir schnell klar, dass dieser Ansatz nicht ausreicht – schließlich erwarten Kund:innen das Wissen auch noch in der Woche nach der Prüfung, nicht nur für 120 Minuten.

Kurzer Disclaimer vorab: Anders als viele Entwickler:innen im Vorfeld vermuteten, geht es in der Zertifizierung nicht um den alltäglichen Umgang mit Claude als Coding-Assistent, sondern um architektonisches Urteilsvermögen beim Bau produktionsreifer, agentischer Systeme.

2. Was die Prüfung wirklich testet

Der Zeitpunkt ist kein Zufall: Laut Bitkom [https://www.bitkom.org/Presse/Presseinformation/Digitalisierung-der-Wirtschaft-Unternehmen-beschaeftigen-sich-mit-KI] hat sich der Anteil deutscher Unternehmen, die KI aktiv einsetzen, binnen eines Jahres auf 41 Prozent mehr als verdoppelt – weitere 48 Prozent planen den Einsatz oder diskutieren ihn gerade. Der Bedarf an geprüfter, nicht nur behaupteter Kompetenz wächst entsprechend.

Die Prüfung umfasst 60 Fragen im Multiple-Choice-Format, für die ihr zwei Stunden Zeit habt. Die eigentliche Besonderheit liegt in der Struktur dahinter: Statt einzelne Fakten abzufragen, wählt die Prüfung vier von insgesamt sechs vorab definierten Praxisszenarien zufällig aus – etwa einen Kundensupport-Agenten mit Zugriff auf Backend-Systeme, ein Multi-Agenten-Recherchesystem mit mehreren spezialisierten Subagenten, die Integration von Claude Code in Build- und Testpipelines oder eine Pipeline zur strukturierten Datenextraktion aus unstrukturierten Dokumenten. Alle 60 Fragen leiten sich aus diesen sechs Szenarien ab.

120 Minuten für 60 Fragen klingt nach viel Zeit – und das ist es auch, aber nicht ohne Grund: Jeder Frage geht eine ausführliche Beschreibung des jeweiligen Szenarios voraus, und auch die Fragen selbst sind alles andere als kurz. Bevor ihr überhaupt bei den vier Antwortoptionen ankommt, müsst ihr geistig erst einmal mehrere benannte Systemkomponenten, ihre Werkzeuge und die konkrete Randbedingung durchdringen, um die es gerade geht.

Anthropic beschreibt das im offiziellen Prüfungsleitfaden so: Die Fragen seien in realistischen Szenarien verankert, die auf echten Anwendungsfällen von Kund:innen basieren. Kandidat:innen müssten nicht nur Konzeptwissen zeigen, sondern praktisches Urteilsvermögen zu Architektur, Konfiguration und Kompromissen im Produktivbetrieb unter Beweis stellen.

Nebenbei bemerkt: Die drei falschen Antwortoptionen pro Frage sind bewusst so formuliert, dass sie für Kandidatinnen und Kandidaten mit lückenhaftem Wissen plausibel klingen. Das habe ich während der Prüfung selbst zu spüren bekommen. Es reicht nicht zu wissen, dass es technische Kontrollmechanismen für Agentenwerkzeuge gibt. Gefragt wird, wann ihr vor dem Hintergrund des Anwendungsszenarios einen solchen Mechanismus einsetzt, um eine Geschäftsregel verlässlich durchzusetzen, und wann eine gute Anweisung im Prompt genügt.

Ach ja, bevor ich es vergesse: Die gesamte Prüfung, ebenso wie der Lernpfad davor, ist auf Englisch. Und was mir dabei besonders positiv aufgefallen ist: Trotz der inhaltlichen Komplexität bleibt die Sprache selbst klar und direkt, was wohl vorrangig dem Englischen geschuldet sein dürfte. Der Anbieter hat es nicht nötig, auf die billige Tour auszuweichen, komplizierte Satzkonstruktionen und doppelte Verneinungen zu nutzen, um eigentlich einfache Sachverhalte künstlich zu verkomplizieren – ein Kniff, den man aus anderen Zertifizierungen wie dem CPRE oder ISTQB zur Genüge kennt. Frei erfunden, aber im Geiste manch echter CPRE-Frage, könnte das dort etwa so klingen:

„Ist es nicht unzutreffend, zu behaupten, dass ein Requirements Engineer, der es unterlässt, nicht-funktionale Anforderungen nicht hinreichend von funktionalen abzugrenzen, dabei nicht gänzlich außer Acht lassen darf, dass eine unvollständige, nicht widerspruchsfreie Spezifikation nicht selten dazu führt, dass Stakeholder-Anforderungen, die nicht explizit nicht-priorisiert wurden, fälschlicherweise als nicht relevant nicht mehr weiterverfolgt werden?" (Antwort: Ja)

Bei der Claude-Zertifizierung bleibt euch dieser Verneinungs-Eiertanz erspart. Die Fragen sind lang, weil die Szenarien komplex sind – nicht, weil die Sprache selbst zum Rätseldickicht wird.

3. Ein Beispiel aus der Praxis

Nehmt das Kundensupport-Szenario: Ein Agent bearbeitet Rückgaben, Rechnungsreklamationen und Kontoanfragen über eigene Werkzeuge für Kundendaten, Bestellungen und Rückerstattungen. Das Ziel: Über 80 Prozent der Anfragen sollen beim ersten Kontakt gelöst werden, ohne dabei zu übersehen, wann eine Eskalation an einen Menschen nötig ist.

Eine typische Prüfungsfrage dazu beschreibt folgende Situation: Die Produktivdaten zeigen, dass der Agent in 12 Prozent der Fälle die Kundenverifizierung überspringt und stattdessen allein mit dem genannten Namen nach Bestellungen sucht – gelegentlich mit falsch zugeordneten Konten und fehlerhaften Rückerstattungen als Folge. Was behebt das Problem am zuverlässigsten?

Die naheliegende Antwort wäre, den Systemprompt strenger zu formulieren oder mehr Beispiele einzubauen. Beides klingt vernünftig – und ist trotzdem der falsche Reflex, wenn echte Verlässlichkeit gefragt ist. Die richtige Lösung: eine technische Voraussetzung einbauen, die den Rückerstattungsaufruf blockiert, bis die Kundenverifizierung erfolgreich abgeschlossen wurde. Anweisungen im Prompt wirken bei Sprachmodellen immer nur wahrscheinlich, nie garantiert. Bei geschäftskritischen Abläufen braucht es echte technische Durchsetzung statt guten Zuredens.

4. Fünf Domänen, ein roter Faden

Die Prüfung deckt fünf Domänen ab: Agentenarchitektur und Orchestrierung, Werkzeugdesign und die Integration des Model Context Protocol, die Konfiguration von Claude Code für Teams, Prompt Engineering für strukturierte Ausgaben sowie Kontextmanagement und Verlässlichkeit. Das klingt nach fünf getrennten Themenblöcken – ist so aber nicht. Der rote Faden durch alle fünf Bereiche: Wann verlasst ihr euch auf das Urteilsvermögen des Modells, und wann baut ihr technische Leitplanken ein, die keine Ausnahmen zulassen?

Diese Unterscheidung lässt sich nicht auswendig lernen. Sie entsteht nur durch Erfahrung – durch eigene Agentensysteme, die in der Praxis genau an solchen Stellen scheitern und wieder repariert werden müssen.

5. Was das für die Vorbereitung bedeutet

Möglich wurde meine Teilnahme überhaupt erst durch ein adesso-internes Förderprogramm: adesso hat über die Partnerschaft mit Anthropic ein Kontingent an Zertifizierungsplätzen gesichert und übernimmt für teilnehmende Kolleg:innen die Kosten vollständig. Wer dabei sein möchte, musste sich intern bewerben, durchläuft den Learning Path, legt die Prüfung ab und reicht anschließend das Zertifikat ein.

Für mich bedeutete das vor allem eins: den offiziellen Learning Path im Claude Partner Network auf Anthropics Skilljar-Plattform konsequent durchzuarbeiten, statt ihn nur pro forma abzuhaken. Die dort enthaltenen Kurse decken alle fünf Prüfungsdomänen ab und arbeiten genau die Art von Architekturentscheidungen heraus, nach denen die Prüfung später fragt. Erst durch dieses systematische Durcharbeiten wurden mir die feinen Unterschiede greifbar, um die es in der Prüfung wirklich geht.

6. Fazit: Geprüftes Wissen statt Buzzwords

Die CCA testet kein auswendig gelerntes Wissen, sondern angewandtes architektonisches Urteilsvermögen an realistischen Fällen. Wer sich darauf vorbereiten will, kommt um eigene Praxiserfahrung nicht herum – Kurse und Leitfäden allein reichen nicht.

Für mich war die Prüfung ein guter Anlass, mein Wissen über den verlässlichen Einsatz von Claude in echten Produktivszenarien zu ordnen und zu vertiefen. Und für adesso ist sie ein weiterer Baustein auf dem Weg, Kundinnen und Kunden fundierte, praxiserprobte KI-Expertise zu bieten – nicht nur behauptete.