Anthropic-Ingenieure nutzen KI für 59 % ihrer Arbeit — was ihre internen Daten zeigen

Was passiert, wenn ein KI-Unternehmen das Mikroskop auf sich selbst richtet? Anthropic hat gerade die Antwort veröffentlicht, und die Zahlen sind bemerkenswert — nicht weil sie unglaublich hoch wären, sondern weil sie zeigen, wie KI-Integration in der Praxis tatsächlich aussieht.

Im August 2025 befragte Anthropic 132 seiner eigenen Ingenieure und Forscher, führte 53 Tiefeninterviews und analysierte über 200.000 interne Claude-Code-Transkripte von Februar bis August 2025. [Fakt] Das Ergebnis ist einer der detailliertesten Einblicke, die es gibt, wie Wissensarbeiter KI im Alltag nutzen — nicht in einer hypothetischen Umfrage, sondern in ihren tatsächlichen Workflows.

Von 28 % auf 59 %: Die Nutzungskurve wird steiler

Vor einem Jahr gaben Anthropic-Mitarbeiter an, Claude in etwa 28 % ihrer Arbeit zu nutzen. [Fakt] Bis August 2025 war diese Zahl auf 59 % gesprungen — mehr als verdoppelt in zwölf Monaten. [Fakt]

Die Produktivitätsgewinne folgten einer ähnlichen Kurve. Die selbst berichtete Produktivitätssteigerung ging von 20 % auf 50 % im selben Zeitraum. [Fakt] Und 14 % der Befragten meldeten Steigerungen von über 100 % — sie verdoppelten im Grunde ihren Output mit KI-Unterstützung. [Fakt]

Das sind keine hypothetischen Prognosen. Sie kommen von Menschen, die KI-Tools bauen und täglich nutzen. Wenn jemand gut darin sein sollte, Wert aus KI zu ziehen, dann die Ingenieure, die sie erschaffen. Dieser Kontext ist wichtig, und wir kommen darauf zurück.

Wofür Ingenieure KI tatsächlich einsetzen

Der häufigste tägliche Anwendungsfall überrascht vielleicht: Debugging. [Fakt] 55 % der Befragten nutzen Claude täglich zur Fehlersuche. Code-Verständnis kommt mit 42 % an zweiter Stelle, gefolgt von Feature-Implementierung mit 37 %. [Fakt]

Design- und Planungsaufgaben — das übergeordnete Denken, das architektonisches Urteilsvermögen erfordert — bleiben der Bereich mit der niedrigsten KI-Adoption. [Fakt] Ingenieure delegieren gezielt Aufgaben, bei denen das Ergebnis leicht überprüfbar ist: Wenn Claude fehlerhaften Code schreibt, schlägt der Test fehl und Sie wissen es sofort. Wenn Claude eine schlechte Designentscheidung trifft, entdecken Sie die Konsequenzen möglicherweise erst Monate später.

Dieses Muster der selektiven Delegation stimmt mit unserer Analyse des Anthropic Economic Index überein, die feststellte, dass KI-Nutzung sich um „Augmentierung" statt vollständiger Automatisierung gruppiert.

Die 27 %, die alles verändern

Vielleicht der wichtigste Befund: 27 % der KI-gestützten Arbeit wäre ohne KI gar nicht gemacht worden. [Fakt] Das sind keine Aufgaben, die schneller wurden — es sind Aufgaben, die schlicht nicht existiert hätten. Ingenieure nutzten Claude, um unbekannte Codebases zu erkunden, Tests zu schreiben, die sie sonst übersprungen hätten, kleine Ärgernisse zu beheben (sogenannte „Papercut-Fixes" machten 8,6 % der Claude-Code-Nutzung aus [Fakt]) und Ideen zu prototypen, die manuell zu zeitaufwendig erschienen.

Das stellt die einfache Erzählung in Frage, KI würde menschliche Arbeit entweder „ersetzen" oder „ergänzen". Ein beträchtlicher Teil des KI-Einflusses besteht darin, völlig neue Arbeit zu schaffen — das Spektrum dessen zu erweitern, was Einzelpersonen innerhalb ihrer Zeitbeschränkungen für machbar halten.

Für Softwareentwickler und Programmierer ist das ein wichtiges Signal. KI macht nicht nur bestehende Aufgaben schneller; sie erweitert den Radius dessen, was eine Person leisten kann. Ein Backend-Ingenieur kann jetzt eine Frontend-Oberfläche bauen. Ein Forscher kann Datenvisualisierungen erstellen, ohne ein neues Framework zu lernen. Die Grenzen zwischen Spezialisierungen verschwimmen.

Wachsende Autonomie, wachsende Bedenken

Claude Codes Autonomie hat messbar zugenommen. [Fakt] Die Zahl aufeinanderfolgender Tool-Aufrufe — Aktionen, die Claude ohne menschliches Eingreifen durchführt — verdoppelte sich in sechs Monaten von etwa 10 auf 20. Gleichzeitig sanken die menschlichen Eingaben pro Konversation um 33 %, von 6,2 auf 4,1. [Fakt]

Ingenieure treten zurück und lassen KI längere Arbeitsphasen eigenständig erledigen. Feature-Implementierung als Anwendungsfall wuchs von 14 % auf 37 %, und sogar Design- und Planungsarbeit stieg von 1 % auf 10 %. [Fakt]

Aber die Interviews offenbaren eine unterschwellige Sorge. Ein Ingenieur merkte an, „wenn Output zu produzieren so einfach und schnell ist, wird es immer schwieriger, sich wirklich die Zeit zu nehmen, etwas zu lernen." [Fakt] Ein anderer verwies auf ein Paradox: Claude effektiv zu nutzen erfordert genau die Art von Programmierkompetenz, die durch zu starkes Vertrauen auf Claude verkümmern könnte.

Manche berichteten von kurzfristigem Optimismus gepaart mit langfristiger Unsicherheit. Wie es einer formulierte: KI wird wahrscheinlich „mich und viele andere irgendwann überflüssig machen." [Fakt] Das ist nicht die Stimme eines Technophoben — es ist jemand, der diese Systeme beruflich baut.

Was das für Software-Fachleute bedeutet

Für Softwareentwickler, Data Scientists und Programmierer bietet diese Studie sowohl Ermutigung als auch eine Warnung.

Die Ermutigung: KI macht Entwickler derzeit produktiver, ersetzt sie nicht. Anthropics gemergte Pull Requests pro Ingenieur pro Tag stiegen um 67 % [Fakt], aber die Mitarbeiterzahl schrumpfte nicht entsprechend. Die Arbeit weitete sich aus, um die neue Kapazität zu füllen.

Die Warnung: Die Entwicklungsrichtung ist klar. Die Nutzung verdoppelte sich in einem Jahr. Die Autonomie verdoppelte sich in sechs Monaten. Designaufgaben — lange als menschlichster Teil des Ingenieurwesens betrachtet — beginnen ebenfalls delegiert zu werden. Wenn Sie ein Entwickler sind, dessen Hauptwert im Codeschreiben liegt und nicht im Problemverständnis, erodiert die komfortable Mitte.

[Einschätzung] Die Entwickler, die bestehen werden, sind jene, die die Meta-Fähigkeit beherrschen: Wissen, wann delegieren, was überprüfen und wie KI effektiv lenken. Diese Studie zeigt, dass selbst bei einem KI-Unternehmen mehr als die Hälfte der Befragten nur 0-20 % ihrer Arbeit vollständig delegiert. [Fakt] Die Zukunftskompetenz heißt nicht Prompting — sie heißt Urteilsvermögen.

Der Vorbehalt, den Sie nicht ignorieren sollten

Anthropic-Mitarbeiter sind keine typischen Wissensarbeiter. Sie bauen Claude, kennen seine Fähigkeiten genau und arbeiten in einer Umgebung, die auf maximale KI-Adoption ausgelegt ist. [Einschätzung] Wenn die Obergrenze der KI-Produktivitätsgewinne bei etwa 50 % liegt — bei einer Integrationsrate von 59 % —, werden die meisten Unternehmen mit weniger KI-Expertise und schwächeren Tools deutlich niedrigere Werte sehen.

Die Studie räumt auch erhebliche Einschränkungen ein: Selektionsbias zugunsten engagierter Nutzer, soziale Erwünschtheit bei nicht-anonymen Antworten und die inhärente Schwierigkeit, Produktivitätsgewinne selbst zu berichten. [Fakt]

Dennoch ist dies genau deshalb wertvoll, weil es die Obergrenze dessen zeigt, was aktuelle KI für technische Arbeit leisten kann. Es ist eine Vorschau, keine Prophezeiung — aber eine, die jeder Software-Fachmann beachten sollte.

Quellen

• Huang, S., Seethor, B., Durmus, E., Handa, K., McCain, M., Stern, M., & Ganguli, D. (2025). „How AI is transforming work at Anthropic." Anthropic Research. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Update-Verlauf

• 2026-03-23: Erstveröffentlichung basierend auf Anthropic-interner Studie (Dezember 2025).

---

Diese Analyse wurde mit KI-Unterstützung erstellt. Alle Faktenbehauptungen sind mit [Fakt], Meinungen mit [Einschätzung] und Hochrechnungen mit [Schätzung] gekennzeichnet. Quelldaten und Methodik in der verlinkten Studie. Detaillierte berufsbezogene Daten auf den Berufsseiten.