KI-Produktivität 1,8 %? Die echte Zahl ist 1,0 % — Was Anthropics Nutzungsdaten verraten
Anthropics Economic Index analysierte über 100.000 echte Claude-Gespräche. Der theoretische Produktivitätsgewinn von 1,8 % sinkt auf 1,0–1,2 %, wenn man die tatsächlichen Erfolgsraten berücksichtigt.
Die Zahl, die sich verändert hat
Wenn Forscher über die wirtschaftlichen Auswirkungen von KI sprechen, beginnen sie normalerweise mit theoretischen Modellen. Welchen Anteil der Aufgaben könnte KI übernehmen? Wie hoch könnte der Produktivitätsschub sein? Anthropics Economic Index, veröffentlicht im Januar 2026, geht einen grundlegend anderen Weg. Statt zu modellieren, was KI tun könnte, misst er, was KI tatsächlich tut — durch die Analyse von über 100.000 echten Gesprächen auf Claude.ai und der zugehörigen API. Anthropic Economic Index
Das Hauptergebnis: KI könnte die US-Arbeitsproduktivität theoretisch um 1,8 % steigern. Berücksichtigt man aber, wie oft KI bei den gestellten Aufgaben tatsächlich erfolgreich ist, sinkt diese Zahl auf 1,0–1,2 %. [Fakt]
Die Lücke zwischen 1,8 % und 1,0 % ist kein Rundungsfehler. Sie ist die Distanz zwischen dem Versprechen der KI und ihrer aktuellen Realität.
Was 100.000 Gespräche verraten
Der Anthropic Economic Index führt fünf „Economic Primitives" ein — messbare Dimensionen, wie Menschen KI bei der Arbeit tatsächlich nutzen. Anthropic Economic Index Dazu gehören Aufgabenkomplexität, beteiligte Fähigkeiten, Anwendungsfall-Typ, Grad der Autonomie und Aufgaben-Erfolgsrate. Letztere — die Erfolgsrate — ist der entscheidende Zusatz, den frühere Studien übersehen haben.
Die Daten zeigen: Die zehn häufigsten Aufgaben, die Menschen an Claude stellen, machen 24 % aller Gespräche aus. Software-Debugging allein liegt bei 6 %. Die Nutzer verwenden KI nicht für Tausende exotische Aufgaben — sie setzen sie intensiv für eine relativ kleine Gruppe von Kernarbeitstätigkeiten ein. [Fakt]
Die Berufsgruppe Computer und Mathematik dominiert die KI-Nutzung. Sie macht etwa ein Drittel der Claude.ai-Gespräche und fast die Hälfte aller API-Nutzung aus. Das ist nicht überraschend — Programmierer waren frühe Anwender —, aber die Konzentration ist extremer als die meisten annehmen.
Die Frage der 75-Prozent-Abdeckung
Eine der auffälligsten Kennzahlen im Bericht ist die „Aufgabenabdeckung" — der Anteil der beruflichen Aufgaben, bei denen KI aktiv eingesetzt wird. Programmierer liegen vorn mit 75 % Abdeckung. [Fakt] Das bedeutet: Bei drei von vier definierten Aufgaben für Programmierer ist KI bereits signifikant beteiligt.
Dateneingabe-Fachkräfte folgen mit 67 % Abdeckung. [Fakt] Bei einer Rolle, die überwiegend aus strukturierter, repetitiver Informationsverarbeitung besteht, hat dieses Niveau der KI-Durchdringung offensichtliche Implikationen.
Aber Abdeckung bedeutet nicht Ersetzung. Hier wird die Unterscheidung zwischen Augmentierung und Automatisierung entscheidend. Über alle Nutzungen hinweg sind 52 % der KI-Interaktionen Augmentierung — der Mensch behält die Kontrolle, nutzt KI als Werkzeug — während 48 % Automatisierung sind, bei der KI eigenständiger arbeitet. [Fakt]
Der Augmentierungsanteil ist sogar gestiegen, von 45 % auf 52 %. Das widerspricht dem populären Narrativ, KI werde stetig autonomer. In der Praxis nutzen neue Anwender KI tendenziell als Assistenten statt als Ersatz — und verschieben das Gesamtverhältnis in Richtung Augmentierung.
Komplexe Aufgaben: Das 66-Prozent-Problem
Hier ist die Zahl, die sowohl Optimisten als auch Pessimisten nachdenklich stimmen sollte. Bei komplexen Aufgaben liegt die Erfolgsrate bei 66 %. Bei einfachen Aufgaben sind es 70 %. [Fakt]
Eine 66-prozentige Erfolgsrate bei komplexer Arbeit bedeutet, dass in einem Drittel der Fälle das KI-Ergebnis nicht ausreicht. Für einen Softwareentwickler, der ein komplexes System debuggt, oder einen Kundenservice-Mitarbeiter, der eine eskalierte Beschwerde bearbeitet, ist diese Fehlerquote relevant. Sie bedeutet, dass menschliche Aufsicht weiterhin unerlässlich ist — und sie erklärt, warum der theoretische Produktivitätsgewinn von 1,8 % schrumpft, wenn man die reale Unzulänglichkeit der KI-Leistung einbezieht.
Deshalb ist die bereinigte Zahl von 1,0–1,2 % so bedeutsam. Frühere Wirtschaftsmodelle — von Goldman Sachs, McKinsey und anderen — gingen typischerweise davon aus, dass KI eine Aufgabe auch erfolgreich erledigt, wenn sie sie prinzipiell erledigen kann. Anthropics Daten zeigen, dass diese Annahme um rund 40 % zu großzügig ist. [Einschätzung]
Was das für Beschäftigte bedeutet
Der Economic Index offenbart einen Arbeitsmarkt, der sich in bestimmten Nischen schneller verändert, als die meisten Gesamtstatistiken erfassen. 36 % der Berufe haben inzwischen KI-Einsatz bei mehr als einem Viertel ihrer Aufgaben. Aber nur 4 % der Berufe haben KI-Einsatz bei 75 % oder mehr ihrer Aufgaben. [Fakt]
Das ist keine gleichmäßige Welle. Es ist eine Reihe gezielter Fluten. Wenn Sie Programmierer sind, liegt Ihr Beruf bei 75 % Aufgabenabdeckung, und der Wasserstand ist bereits hoch. Wenn Sie Kundenservice-Mitarbeiter sind, ist KI zwar präsent, aber die Abdeckung deutlich geringer.
Das geografische Muster fügt eine weitere Dimension hinzu. Die USA führen bei der KI-Nutzung, gefolgt von Indien, Japan, dem Vereinigten Königreich und Südkorea. Für Beschäftigte in diesen Ländern legen die Daten nahe, dass KI-bedingte Arbeitsmarktveränderungen nichts sind, was irgendwann passieren wird — sie sind jetzt messbar.
Das Fazit
Anthropics Economic Index ist die bislang datengestützteste Analyse der KI-Arbeitsmarkteffekte. Seine zentrale Erkenntnis ist einfach, aber wichtig: Die Lücke zwischen dem, was KI kann, und dem, was sie tatsächlich erfolgreich tut, ist groß genug, um theoretische Produktivitätsgewinne nahezu zu halbieren.
Für alle, die Karriere- oder Geschäftsentscheidungen auf Basis von KIs Potenzial treffen, ist diese Lücke die wichtigste Zahl. Die 1,8 % werden voraussichtlich wachsen, wenn die Modelle besser werden. Aber im Moment liegt die ehrliche Zahl näher an 1,0 %.
Prüfen Sie, wie KI Ihre konkrete Rolle beeinflusst: Softwareentwickler, Programmierer, Dateneingabe-Fachkräfte, Kundenservice-Mitarbeiter.
Quellen
- Anthropic. (2026, Januar). The Anthropic Economic Index. anthropic.com
- Anthropic. (2026). Labor Market Impacts of AI. anthropic.com
Update-Verlauf
- 2026-03-28: Deutsche Fassung veröffentlicht
- 2026-03-20: Quellenlinks und Quellenabschnitt hinzugefügt
- 2026-03-17: Erstveröffentlichung basierend auf Anthropic Economic Index Januar 2026
Dieser Artikel wurde mit KI-Unterstützung durch Claude (Anthropic) recherchiert und verfasst. Die Analyse basiert auf Daten des Anthropic Economic Index (Januar 2026), der über 100.000 anonymisierte Gespräche auswertet. Es handelt sich um eine KI-gestützte Analyse öffentlich zugänglicher Forschung und sollte nicht als professionelle Karriere- oder Beschäftigungsberatung verstanden werden.