Wie sich die Beschäftigung bei Anthropic verändert

Wie sich die Beschäftigung bei Anthropic verändert

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

Wie hat KI Arbeit und Beschäftigung bei Anthropic umgestaltet? Als ein Unternehmen an der Front der KI-Adoption könnte Anthropic ein früher Indikator dafür sein, wie KI Arbeitsorganisation, Einstellungen und Arbeitskräftenachfrage in der gesamten Wirtschaft verschieben wird.

Zentrale Erkenntnisse

• Anthropic hat einen geringeren Anteil an Einstellungen für Junior-Technikpositionen vorgenommen. Dies geschah, während die von KI-Agenten geleisteten Stunden im Verhältnis zu denen der Beschäftigten rasch anstiegen. Bis August übertrafen die interaktiven KI-Agentenstunden die der Beschäftigten im Verhältnis von sechs zu eins.
• Als sich KI-Agenten im Unternehmen ausbreiteten, produzierte Anthropic mehr Code pro Person, schloss mehr Verkäufe pro Vertriebsmitarbeiter ab und bearbeitete mehr Verträge. Verfolgt man dieselben Beschäftigten über die Zeit, stieg ihre Produktivität, als sie neue KI-Tools übernahmen.
• Diese Beschleunigung macht menschliche Aufmerksamkeit zum Engpass für den Output von Agenten. Selbst bei nicht-technischen Beschäftigten würde das Lesen des gesamten Outputs ihrer Claude-Agenten die Hälfte ihrer Arbeitswoche in Anspruch nehmen. Als Reaktion wenden sich Beschäftigte „Meta-Arbeit“ zu, dem Aufbau von Sichtbarkeits-Tools und der Überwachung von Agenten-Pipelines.
• Veränderungen der Arbeitsorganisation spiegeln sich in gewandelten Prioritäten bei Einstellungsverantwortlichen wider, die zunehmend Autonomie und Urteilsvermögen gegenüber technischer Fachexpertise und Umsetzung betonen.

Einleitung

Welche Transformationen von Arbeit und Beschäftigung sind unter einer immer leistungsfähigeren KI zu erwarten? Anthropic ist eine Untersuchung wert, weil es seine Arbeitsabläufe vollständig um KI herum gestaltet hat. Agenten flitzen durch Slack-Chats und planen Meetings. Sie beheben eigenständig Bugs und packen gemeinsam riesige Engineering-Projekte an. Die von Agenten gearbeiteten Stunden übersteigen die menschlichen Stunden im Verhältnis 6 zu 1. Die Veränderungen, die sich derzeit bei Anthropic abspielen, liefern fortgeschrittene Signale über eine mögliche Zukunft der Arbeit und Beschäftigung.

Dieser Bericht stützt sich auf umfassende interne Anthropic-Daten, die Beschäftigung, KI-Nutzung, Produktivitätskennzahlen, Mitarbeiterbefragungen, interne Kommunikationsmuster, Kalenderdaten der Beschäftigten und Aufzeichnungen über Einstellungsentscheidungen umfassen. Diese quantitativen Daten werden durch 17 Mitarbeiterinterviews kontextualisiert.

Wir stellen fest, dass die relative Einstellung in Junior-Technikpositionen langsamer verläuft, selbst während das Unternehmen wächst. Die Produktivität von Ingenieuren wie auch von nicht-technischen Beschäftigten ist sprunghaft angestiegen, und zwar scharf, als sie Coding-Agenten übernahmen. Einstellungsverantwortliche betonen zunehmend die Autonomie und das Urteilsvermögen der Bewerber gegenüber spezifischer technischer Expertise. Ein prägendes Merkmal der Arbeit in einer KI-lastigen Organisation ist der ständige Druck, sich selbst nach Möglichkeit aus dieser Engpassposition heraus zu rationalisieren. Ein Ingenieur beschrieb die Arbeit als Konfrontation mit „einer Armee von Claudes, von denen jeder meine Aufmerksamkeit verlangt“. Die Beschäftigten bei Anthropic bleiben unverzichtbar. Aber die Art ihrer Beiträge hat sich verändert.

Anthropic hat auf diese Veränderungen reagiert, indem es ein Frühwarnsystem zur Verfolgung von disruptiosgefährdeten Jobs eingerichtet hat, und da sich Jobs weiterentwickeln, hat das Unternehmen interne Umsetzungen priorisiert. Diese Maßnahmen, ergriffen an der Front sowohl der KI-Entwicklung als auch des Arbeitsplatzwandels, zeigen, wie spezifische organisatorische Zusagen die Auswirkungen von KI auf die Beschäftigung prägen können. Sie werfen aber auch schwierige Fragen auf, was diese Zusagen genau sein sollten.

Arbeitskräftenachfrage an der Front

Anthropic hat sich rasch vergrößert. Aber es hat weniger pro Dollar Umsatz eingestellt als eine frühere Generation großer Technologieunternehmen. Mit fünf Jahren nimmt Anthropic das 2–4-fache an Umsatz pro Beschäftigtem ein wie Meta und Google, als diese den Höhepunkt ihres eigenen raschen Wachstums erreichten.¹

Welche Jobs fehlen? Innerhalb von Anthropic zeigte sich die Diskussion über einen Rückgang der Nachfrage nach Junior-Technikbeschäftigten im Januar 2026 in zentralen technischen Funktionen. Die Teams, die in ihrer eigenen Arbeit am stärksten auf Claude setzten, stellten fest, dass das Schreiben von Code und das Finden von Bugs zunehmend an Claude ausgelagert werden konnte. Neu leistungsfähige Modelle beschleunigten diese Wahrnehmung: „Was die Augenbrauen hochgehen ließ, war der Zuwachs insbesondere für Performance-Ingenieure, und es veränderte praktisch über Nacht, wonach wir suchten.“

Bis April hatten Engineering- und Forschungsteams die Einstellung für niedrigere technische Besoldungsgruppen zurückgefahren. Als sie im selben Monat befragt wurden, beschrieb eine Mehrheit der Manager, aufgrund von KI für einen anderen Satz von Fähigkeiten einzustellen. Etwa ein Drittel der ML- und ein Fünftel der SWE-Manager berichteten, aufgrund von KI weniger einzustellen.

Die Verschiebung der Beschäftigungsanteile ist auffällig. Abbildung 1 zeigt, dass der Anteil der Beschäftigten auf Junior-Ebene in technischen Abteilungen bei Anthropic seit Anfang 2025 von 21% auf 14% gesunken ist. Der Anteil der Junior-Technikeinstellungen sank noch schneller, von 27% auf 9%. Stellenanzeigen für Junior-Kräfte sind seit Dezember 2025 besonders stark zurückgegangen.

Gleichzeitig ist der Gesamtbeschäftigungsanteil der technischen Abteilungen innerhalb von Anthropic gefallen, von 61% auf 56% im letzten Jahr. Während das Unternehmen wächst, ist die technische Einstellung absolut weiterhin gestiegen, aber die intensive Einstellung in Vertrieb, Finanzen und Recruiting hat sie überholt. Ein Teil dieser Verschiebung ist die natürliche Ausweitung der Geschäftsfunktionen, während das Unternehmen skaliert. Ein Teil könnte darauf zurückzuführen sein, dass Coding-Tools es nicht-technischen Mitarbeitern zunehmend ermöglichen, selbst Software zu erstellen. So entwarf beispielsweise ein Vertriebsmitarbeiter ein auf seine Arbeit zugeschnittenes individuelles Dashboard und eine Pipeline: „Ein solcher Build lag außerhalb meines Fachgebiets, besonders was die UI anging und die Verbindung aller Tools und der MCPs. Aber ich habe das wahrscheinlich in drei bis vier Stunden gebaut, einfach durch iteratives Verbessern.“ Coding-fokussierte KI-Agent-Sitzungen für nicht-technische Mitarbeiter (definiert als jene ohne Code-Commits zum Ausgangszeitpunkt, ohne Neueinstellungen) sprangen von 2 pro Monat im August 2025 auf 90 im Mai 2026.

Doch diese Verschiebung in der Einstellungszusammensetzung ist nicht nur eine Geschichte über automatisiertes Coding, das es ermöglicht, sich auf andere Domänenexpertenzu verteilen. Innerhalb der technischen Abteilungen sank der Anteil der Mitarbeiter, die nicht aktiv programmieren (definiert als jene ohne Code-Commits in den vorherigen 30 Tagen), im Jahresverlauf bis April 2026 um fast die Hälfte. Ein Teil davon ist auf einen schrumpfenden Anteil von Nicht-Ingenieuren zurückzuführen: Das Verhältnis von Ingenieuren zu Produktmanagern liegt beispielsweise bei etwa 17 zu 1 und ist seit 2025 gestiegen. Auch die Zahl der Commits von Managern hat sich verdoppelt. Die beaufsichtigenden und koordinierenden Rollen innerhalb technischer Teams umfassen zunehmend das Erstellen und Ausliefern von Code.

Ein Bereich, in dem die nicht-technische Einstellung nicht beschleunigt wurde, sind die administrativen Funktionen, die typischerweise mit der Unternehmensgröße skalieren. Eine Kombination aus Agent-Assistenten, automatisierter Prüfung und dem Outsourcing von Ticketdiensten hat Anthropic trotz schnellen Wachstums verhältnismäßig leicht an Bürokratie gemacht. Ein Finanzmanager baute einen Agenten zur Prüfung von Einkaufsanfragen ein und erklärte Kollegen: „Er versucht lediglich, die Dinge zu finden, die viele Stunden kosten, damit sie sich auf das andere Zeug konzentrieren können.“

Auch Büroarbeit, die eng mit persönlichem Kontakt verbunden ist, ist langsam gewachsen. Eine Executive Assistant, die einen persönlichen Assistenten-Agenten für Terminplanung und E-Mail-Vorsortierung gebaut hatte, erklärte: „Ich glaube, wir haben den Punkt, an dem Claude die wirklich einsteigerlastigen administrativen Rollen weg augmentiert, bereits überschritten“, und richtete ihre Arbeit stattdessen auf übergeordnete „Chief of Staff“-Aufgaben aus.

Diese Veränderungen beinhalten bereits Umverteilung: Mitarbeiter, die seit mindestens einem Jahr im Unternehmen arbeiten, zogen 2026 monatlich 50% häufiger zwischen Abteilungen als 2025. Ganze Teams wurden auch umverteilt, als sie ihre Arbeit an Agenten übergaben. Betrachten wir ein Produktdesign-Team, das Inhalte wie die Begrüßungen auf Claude.ai schrieb: „Hello night owl;“ „Coffee and Claude time?“ Im Frühjahr 2026 entwickelte das Team einen Context Graph, der Agenten effektiv dazu anleitete, überzeugende Produktinhalte zu schreiben. Dies „skalierte das Team heraus“, erklärte sein Manager, warf aber auch die Frage auf, was für menschliche Autoren übrig blieb. Das Team wechselte daraufhin zum Agent Prompting und begann, Model Evals und Prompts für Claude zu schreiben. „Autoren, die Sprache nutzten, um menschliches Verhalten zu steuern, nutzen sie jetzt, um Claudes Verhalten zu steuern.“

Treibt KI die Produktivitätssteigerungen bei Anthropic?

Sind diese Verschiebungen auf KI zurückzuführen? Bei Anthropic sind Menschen eine dünne Schicht über einer wachsenden Schar von KI-Agenten. Basierend auf der Agent-Sitzungs-Telemetrie überstiegen im März 2026 die Summe der autonomen und interaktiven Agent-Arbeitsstunden erstmals die menschlichen Arbeitsstunden. Ein Teil davon sind Flotten von Agenten, die industrielles Software-Engineering betreiben, unzählige Routine-Tests und -Prüfungen durchführen, Wartung an einer wachsenden Masse von Infrastruktur-Code vornehmen und konzertierte Kampagnen zur Übersetzung riesiger Codebasen vorantreiben. Aber selbst wenn man sich auf die Agenten konzentriert, die von einzelnen Mitarbeitern eingesetzt werden, wie in Abbildung 2, arbeiteten die Agenten im August 6-mal so viele Stunden wie ihre menschlichen Bediener.

Anthropic ist ein Softwarehersteller, und der überwiegende Teil der durch diese Agenten fließenden Tokens wird für die Erstellung von Software-Code ausgegeben. Dashboards überwachen Agentenflotten im gesamten Unternehmen. Aber persönliche Assistenten-Agenten überwachen auch die Kalender und Nachrichten der Mitarbeiter, planen Termine, senden To-do-Listen, die aus eingehenden Nachrichten gesammelt wurden, und briefen Mitarbeiter automatisch über die Personen und den Zweck ihrer anstehenden Meetings. Tokens berühren ein wachsendes Spektrum alltäglicher Arbeitsaufgaben.

Was bedeuten all diese Tokens? Abbildung 3 zeigt den Output im Zeitverlauf für eine Reihe von Jobfunktionen mit messbarem Output. Konsistent mit früheren Berichten die Anthropic-Ingenieure befragen und die Automatisierung von Modelltraining und Forschungbeschreiben, sind die Code-Commits pro Ingenieur am schnellsten gestiegen und liegen bei dem 5-Fachen ihrer Geschwindigkeit von vor sechs Monaten. Data Scientists fragen ebenfalls häufiger die wachsende Masse an Anthropic-Daten ab und bitten Claude-Agenten, Echtzeit-Metriken an Dashboards und Entscheidungsträger zu liefern. Aber Abbildung 3 zeigt, dass auch nicht-technische Beschäftigte einen Outputanstieg verzeichneten, als sich Coding-Agenten verbreiteten: Juristen bearbeiteten mehr Verträge; Kreditorenbuchhaltung schleuste mehr Rechnungen durch; Verkäufer schlossen mehr Geschäfte ab.

Aber ist all dies auf die Nutzung von Claude zurückzuführen? Im selben Zeitraum erlebte das Unternehmen ein explosives Geschäftswachstum. Es ist einfacher, Geschäfte abzuschließen, wenn man ein starkes Modell verkauft. Um den unabhängigen Effekt von KI zu bewerten, vergleichen wir den Output von Beschäftigten, die agentische Coding-Tools übernehmen, mit denen, die diese Tools noch nicht übernommen haben. Dies erlaubt uns, Beschäftigte im selben Monat im Unternehmen zu vergleichen, die daher einem ähnlichen Geschäftskontext ausgesetzt sind, aber mit unterschiedlichen Tools an ihn herangehen. Zu beachten ist jedoch, dass die Tool-Übernahme nicht zufällig ist: Wenn beispielsweise Beschäftigte, die kurz davor stehen, ein großes neues Projekt voranzutreiben, sich dafür mit Tools ausrüsten, würde dies unsere Schätzungen verzerren.

Wir verfolgen 192 Ingenieure über die Zeit, während sie Coding-Agenten übernehmen, im Vergleich zu 74 Ingenieuren, die im untersuchten Zeitraum keine Agenten übernehmen. Abbildung 4 zeigt, dass in den Monaten nach der Übernahme die Menge an Code, die Ingenieure hinzufügen, stark ansteigt. Mehr Code bedeutet nicht unbedingt besseren Code oder Geschäftsauswirkungen. Um auf KI-Code-Müll zu prüfen, untersuchen wir Code-Commits bei Anthropic. Wir vergleichen Code, der vom selben Beschäftigten im selben Monat im selben Coding-Verzeichnis committet wurde, aber von Coding-Agenten geschrieben wurde, mit Code, der direkt vom menschlichen Beschäftigten geschrieben wurde. Es gibt viele Dimensionen der Codequalität, und KI-Fehler könnten schwerer zu erkennen sein als menschliche. Aber wir stellen keinen Unterschied bei den Raten fest, mit denen Codezeilen nachträglich entfernt oder zurückgesetzt werden.

Abbildung 4 betrachtet auch, was passiert, nachdem ein Ingenieur seinen ersten vollständig autonomen Agenten übernimmt. Diejenigen, die übernahmen, befanden sich bereits auf einer steil aufwärts gerichteten Entwicklung im Vergleich zu Nicht-Übernehmern. Dies deutet darauf hin, dass Beschäftigte, die sich zu vollständig autonomen Agenten hinbewegten, ihren Output bereits gesteigert hatten.

Gehen diese Muster über das Coding hinaus, hin zu einer breiteren Transformation der Wissensarbeit? Anthropic-Vertriebsmitarbeiter übernahmen ab September des vergangenen Jahres kontinuierlich KI-Agenten. Abbildung 4 zeigt, dass Vertriebsmitarbeiter nach der Übernahme von Agenten Geschäfte mit mehr Kunden abschließen. Ein Teil dieses Musters könnte dadurch getrieben sein, dass Vertreter mit mehr Verkaufschancen sich selektiv für Automatisierung entscheiden. Aber es könnte auch die Automatisierung von Protokollierung und Routinekommunikation widerspiegeln. Ein Account Executive erklärte, dass Claude-Automatisierungen das Verfassen von E-Mails und Integrationen in Kundemanagement-Software übernahmen und damit rund 20% ihrer bisherigen Arbeitsaufgaben ersetzten. Eine andere Person wies darauf hin, dass ähnliche Automatisierungen ihr Freiraum für persönliche Gespräche verschafften, sodass sie mit 30% mehr ihrer Kunden sprechen konnte als zuvor möglich war: „Immer wenn du etwas ein zweites Mal machst, denkst du: okay, wie kann ich Claude nutzen, damit ich es nicht ein drittes Mal machen muss?“

Über den Vertrieb hinaus baute eine Anthropic-Juristin eine Reihe von Claude-Automatisierungen, um Risiken und Chancen zu scannen, Rechtsfragen zu triagieren und erste Durchgänge durch öffentliche Texte zur rechtlichen Prüfung zu machen. Ein Recruiter nutzte Claude zur Unterstützung bei der Kandidatensuche, der Nachverfolgung von Bewerbungen und einer Analyse, die „vielleicht ein paar Wochen“ gedauert hätte, was ihm die Freiheit gab, veraltete Interviewfragen neu zu gestalten und mit mehr Bewerbern zu sprechen.

All dies deutet darauf hin, dass sich mit verbesserter KI-Leistungsfähigkeit ein breites Spektrum von Jobs bei Anthropic verändert. Deskriptiv sehen wir ein verlangsamtes Wachstum der Beschäftigung von Junior-Kräften in Jobs, die Claude für die komplexesten Aufgaben nutzen (Abbildung 5).

Engpässe und Prozesse: neue und alte Aufgaben in einem KI-intensiven Arbeitsumfeld

Der starke Einsatz von KI verändert mehr als nur Beschäftigung und Produktivität. Er treibt auch kontinuierliche Veränderungen in Arbeitsprozessen voran, erzeugt neue Aufgaben und verschiebt die Wahrnehmung der Beschäftigten gegenüber ihrem Arbeitsplatz. Ein Mitarbeiter beschrieb dies als den „ewigen Druck bei Anthropic, so schnell wie möglich voranzukommen und Claude für alles zu verwenden“, ein anderer sagte, dass „Dinge, die wir in einer Woche erwarten, an anderen Orten drei Monate dauern würden“. Eine interne Mitarbeiterbefragung fragte, ob die Arbeitsprozesse bei Anthropic die Befragten so produktiv wie möglich machen: 44 % der Beschäftigten stimmten dem Ende 2024 zu; 58 % bis November 2025 (im April 2026 antworteten 75 % mit Ja, aber die Frage wurde schwächer, da „so wie möglich“ gestrichen wurde). Stand August, Mitarbeitende bei Anthropic erwarteten dass KI bis 2030 in der Lage sein wird, 75 % ihrer Arbeit zu erledigen, verglichen mit 28 % bei anderen Amerikanern.

Diese sich steigernden Produktivitätserwartungen werden durch den Rhythmus interner Modellveröffentlichungen eindrücklich veranschaulicht. Sobald ein neues Modell verfügbar ist, beginnen Anthropic-Mitarbeiter, sich in interaktiven Coding-Agent-Sitzungen schwierigeren Problemen zuzuwenden. Wir messen dies mit einem automatisierten Claude-Bewerter, der die Aufgabenanforderungen deidentifizierter Sitzungen anhand von Tiefe, Umfang und Anzahl der betroffenen Systeme bewertet. Der Anteil der Aufgaben oberhalb des 90. Perzentils der Schwierigkeit für das alte Modell steigt deutlich um rund 30% (von 10% auf 13% aller Aufgaben) und bleibt in den Wochen nach Modellveröffentlichungen erhöht. Das einfache Ende der an Agenten vergebenen Aufgaben ändert sich kaum.

Steigende Agenten-Produktivität führt zu Ergebnissen, die sich über die Bildschirme und die Aufmerksamkeit der Menschen verteilen. Ein Ingenieur verglich dies mit Babysitting:

Sie sagen so Sachen wie: Ich brauche meinen Saftkarton aufgemacht, und es ist ein Notfall, dass mein Saftkarton aufgemacht wird. Und das wird mit derselben Dringlichkeit vorgetragen wie bei einem Kind, das sich in den Finger geschnitten hat und blutet. [...] Wenn Sie als Babysitter arbeiten, kommt jedes Kind zu Ihnen mit Anliegen, die in gleichem Maße Ihre Aufmerksamkeit einfordern – und die verschiedenen [Claudes] machen das genauso.

In der April-2026-Umfrage, einer offenen Frage dazu, wie sich KI auf die tägliche Arbeit ausgewirkt hat, beschrieben 27 % Produktivitätsgewinne durch Claude-Tools und 20 % beschrieben, dass sich ihre Rolle von der tatsächlichen Arbeit hin zur Verwaltung von Claudes verschoben hat.

Inmitten dieser modellgetriebenen Beschleunigung ist die menschliche Aufmerksamkeit ein konstanter Engpass. In interaktiven, mehrstufigen Sitzungen verbringen Agenten den Großteil ihrer Sitzungszeit gar nicht mit der eigentlichen Arbeit, sondern mit Warten. Wir erfassen die Leerlaufzeit, indem wir die aktive Arbeitszeit jedes Agenten von der gesamten Wanduhrzeit jeder interaktiven Sitzung abziehen. Claude-Sitzungen bestehen zu rund 80 % aus untätigem Warten auf menschliche Eingaben. Wie ein Ingenieur es formulierte: Die Menschen sind der „Flaschenhals für die Agenten“.

Wie viel Zeit würde genau benötigt, um die gesamte Ausgabe von Claude aus interaktiven Sitzungen zu lesen? Für jede interaktive Sitzung rechnen wir die Agent-Ausgabe-Tokens der Sitzung in eine Wortanzahl um, ausgehend von einer durchschnittlichen menschlichen Lesegeschwindigkeit. Abbildung 6 zeigt, dass das Volumen der Ausgabe von Coding-Agenten bei technischen Funktionen in den letzten sechs Monaten stark angestiegen ist. Aber selbst für nicht-technische Gruppen liefern interaktive Claude-Sitzungen genug Inhalt, um mehr als die Hälfte der Arbeitswoche in Anspruch zu nehmen. Die Flut an Claude-Texten muss organisiert werden.

Eine Lösung für diese Flut ist die zunehmende Automatisierung. Doch das erfordert Arbeit einer anderen Art. Schriftliche dauerhafte Anweisungen für Agenten wuchsen von einigen Hundert im Juli 2025 auf 8,500 ein Jahr später. Ein Ingenieur richtete einen Agenten als Stabschef ein, der Agentenanfragen triagiert. Ein anderer verfasste eine Leistungsbeurteilung für sein Claude-Team: „Hey, lass uns darüber sprechen, was an unserem Kommunikationsstil funktioniert und was nicht.“ Recruiter bauten integrierte Dashboards, bei denen Agenten Probleme aufdecken und Maßnahmen einleiten. Ein Anwalt verlagerte seine Aufmerksamkeit von der Prüfung rechtlicher Fragen auf „SEO für Rechtsberatung – man muss Frameworks schreiben, die die Agenten der [Kunden] entdecken.“

Figure 7 zeigt, dass diese Art von Meta-Arbeit von 10 % der interaktiven Claude-Sitzungen eines durchschnittlichen Mitarbeiters im Herbst 2025 auf 22 % im Frühjahr 2026 sprang. Ein Großteil dieses Anstiegs war speziell auf Agentenmanagement zurückzuführen: das Verfassen von Spezifikationen für Multi-Agenten-Läufe, das Looping eines Agenten zur Überprüfung der Ausgabe eines anderen und die Überwachung von Pipelines. Über alle Funktionen hinweg abstrahierte die Beteiligung von Menschen zunehmend von einem bestimmten Stück Code oder Text hin zu den Werkzeugen, die notwendig sind, damit Agenten ihre Aufgaben effektiv erledigen können.

Trotz steigender Zuverlässigkeit der Agenten und dieser erheblichen Investitionen in Werkzeuge zu deren Überwachung bleiben menschliches Vertrauen und Rechenschaftspflicht entscheidend. Ein Mitarbeiter erklärte, dass die Suche nach Fehlern zunehmend „diese organistorischen oder systemischen oder Tech-Debt-Dinge aufdeckt, die tatsächlich ein gewisses Maß an menschlicher Zusammenkunft, Entscheidungsfindung und Governance erfordern, um gelöst zu werden." In Interview um Interview beschrieben Mitarbeiter die Abstimmung von Angesicht zu Angesicht als unverzichtbar. Basierend auf Kalenderdaten verbringt die mediane Person 20% mehr Zeit in Meetings als vor einem Jahr. Ein Teil davon spiegelt das Wachstum des Unternehmens und eine Verschiebung hin zu meetingintensiven nicht-technischen Rollen wider. Aber selbst bei Mitarbeitern in technischen Individual-Contributor-Rollen ist die Meetingzeit im vergangenen Jahr um 16% gestiegen. Übergeordnete strategische Fragen berühren ein breites Spektrum an wirkungsvollen Positionen und erfordern typischerweise Debatte und Austausch mit anderen. Eine Pause von der Verwaltung der Agenten sieht typischerweise so aus, dass man in ein Meeting springt.

Groß betrachtet wurden in technischen wie nicht-technischen Rollen die Umsetzungsteile der Arbeit automatisiert (Code schreiben, Fehler identifizieren, Fortschritte dokumentieren, E-Mails entwerfen). Ingenieure beschrieben, dass sie zu Anführern und Managern von Agenten wurden; nicht-technische Beschäftigte beschrieben, dass sie zunehmend mehr der strategischen Teile ihrer Arbeit übernahmen: „jene 20%, die strategisch waren, werden zu 90% der Arbeit.“ Doch für viele nicht-technische Rollen ist die Kernumsetzungsarbeit auch zwischenmenschlich: ein Verkaufsgespräch, ein Interview, abteilungsübergreifende Abstimmung zu einem komplexen Problem. All dies bleibt menschlich.

Betrachten wir auch die Slack-Kanäle, die sowohl die Titelseite als auch die internen Nebengespräche der Anthropic-Kommunikation bilden. Agenten breiteten sich über Slack aus und erschienen schließlich in fast der Hälfte der aktiven, öffentlichen Kanäle. Abbildung 8 zoomt auf das Kommunikationsnetzwerk einer einzelnen großen Abteilung heran und stützt sich dabei auf alle öffentlichen Slack-Kanäle, über die Mitglieder dieser Abteilung interagierten. Es verbindet menschliche wie agentenbasierte Teilnehmer danach, ob sie an einem Slack-Thread teilgenommen haben. Die Abbildung zeigt den bemerkenswerten Aufstieg der Agenten, da orangefarbene Punkte aufblühen und das Netzwerk dominieren.

Agenten treten überproportional in speziellen Kanälen für Claude-Mensch-Interaktionen auf, statt viel in bestehenden menschlichen Kanälen zu schreiben. Die zugrunde liegende Struktur und Dichte der menschlichen Kommunikation ändert sich kaum. Agenten haben menschliche Interaktion nicht ersetzt, sondern ergänzt: Menschliche Threads in dieser Abteilung hielten dieselbe Anzahl menschlicher Antworten, während zusätzlich Agentenantworten hinzukamen. Agenten werden zu Teams für eine einzelne Beschäftigte, statt Knoten mit hoher Vernetzung zu vielen Beschäftigten gleichzeitig zu sein.

Da Menschen inmitten einer wachsenden Flotte von KI-Agenten arbeiten, stehen sie unter Druck, menschliche Arbeit in agentensichtbare Kanäle zu verlagern. Wird eine Entscheidung in einem persönlichen Treffen getroffen und es erscheinen keine Notizen oder Berichte, fehlen den Agenten entscheidende Kontextinformationen zur Aktualisierung ihrer Ziele und Annahmen. Eine Beschäftigte erklärte, wie ihr Name auf einem monatelalten Dokument über Claude-Accessoires dazu führte, dass Agenten weiterhin Anfragen nach T-Shirts und Tassen brachten, lange nachdem sich ihre Zuständigkeiten geändert hatten. Private Arbeit in nicht protokollierten Meetings und Direktnachrichten ist in einem KI-lastigen Arbeitsplatz unsichtbar, verwirrend und unerwünscht. Ein Forscher beschrieb diese Standard-Offenheit als entscheidend für Anthropics durchgängige Integration von KI: „die meisten Organisationen funktionieren nicht so, und ich denke, das ist eine große Verschiebung, weil Führungskräfte Feedback offen verteidigen müssen.“ Die Notwendigkeit, KI Kontext zuzuführen, erfordert die Beobachtbarkeit menschlicher Arbeit und Entscheidungen.

Wer wird in einem solchen Arbeitsplatz gedeihen? Verschiebungen im Inhalt der Arbeit bei Anthropic zeigen sich auch als Veränderungen in den Fähigkeiten, die Hiring-Manager bei Einstellungsentscheidungen priorisieren. Wir nutzten einen automatisierten Kodierer, um Interview-Bewertungsbögen von Hiring-Managern für Tausende von Beschäftigten zu verarbeiten, die seit 2024 bei Anthropic eingestellt wurden. Diese Kommentare sind qualitative Reaktionen von Interviewern zur Bewertung der Leistung von Kandidaten. Die klarste Veränderung ist eine verstärkte Betonung, ob Kandidaten kreative Nutzung von KI-Werkzeugen demonstriert haben. Im Jahr 2024 vermerkten Hiring-Manager die Erfolgsbilanz von Kandidaten bei KI-Werkzeugen in rund 5% der Bewertungen für technische Rollen und 7% für nicht-technische Rollen. Bis 2026 hatten sich diese Raten für technische Rollen verdreifacht und für nicht-technische Rollen vervierfacht. Hiring-Manager konzentrieren sich zunehmend darauf, ob Kandidaten KI effektiv einsetzen.

Tiefere Veränderungen in der Bewertung sind ebenfalls sichtbar. Bei Interviews mit technischen Kandidaten waren die größten Zuwächse in Kommentaren zur Autonomie und zum Urteilsvermögen der Bewerber zu verzeichnen. Die Diskussion von Fachexpertise schrumpfte als Anteil der Gesamtbewertung. Wie ein Manager erklärte: „Ich erwarte, dass Modelle weiterhin sprunghaft sein werden, deshalb sollen sie in meinem Team domänenübergreifend einsetzbar sein.“ Ähnlich stieg bei nicht-technischen Kandidaten die Kunden- und Missionsorientierung, während die Diskussion von Umsetzungsfähigkeiten sank. Hiring-Manager bewerten Bewerber zunehmend nach ihrem Urteilsvermögen und ihrer Hingabe statt nach den domänenspezifischen Fähigkeiten und Umsetzungskompetenzen, die von KI-Werkzeugen automatisiert werden.

Was Arbeitgeber tun können

Die tiefe Einführung von KI bei Anthropic macht es zu einem aufschlussreichen Fall. Da sich KI verbreitet und verbessert, könnte sich die Organisation der Arbeit verschieben, wie es in früheren Wellen technologischen Wandels geschah. Die Eisenbahnen brachten uns die managementgeführte Unternehmung, Dampfkraft ermöglichte Fabriken, und Personalcomputer brachten das Startup hervor. Welche neuen Organisationen werden werkzeugnutzende, schlussfolgernde LLMs erfordern, und welche Rolle werden wir in ihnen spielen? Eine Möglichkeit sind Ein-Personen-Startups, jedes mit einem menschlichen Gründer, der Schwärme von Agenten steuert, um Milliarden an Umsatz einzuspielen. Eine andere sind von KI-Genie-CEOs aufgebaute Unternehmen, die menschliche Agenten nur einstellen, um Pipetten zu bedienen und vor dem Kongress auszusagen.

Anthropic sieht nicht wie eines von beiden aus. Es hat sich im letzten Jahr verdreifacht. Es ist kein kleines Startup mehr. Es hat auch die exekutive Kontrolle nicht an seine Modelle abgetreten. Schriftliche Slack-Debatten und persönliche Meetings steuern alles von der Unternehmensstrategie bis zu Teamentscheidungen, mit wenig Input von KI-Agenten. Menschliche Arbeit im gesamten Unternehmen sichtbar zu halten stellt sicher, dass autonome Agenten auf frischem Kontext basierende Schlussfolgerungen ziehen. Einzelne Beitragende, die Agententeams orchestrieren, ähneln eher Managern, was das benötigte Wissen und die Interdependenzen in ihrer Arbeit betrifft. Offen zu arbeiten und zu entscheiden ist entscheidend in einer KI-intensiven Organisation.

Da Beschäftigte ihre Arbeit zunehmend als Verwaltung von Teams von Claudes betrachten, verbringen sie mehr Zeit mit dem Aufbau der Werkzeuge, die dafür in ihren eigenen spezifischen Domänen benötigt werden. Dieses Experimentieren bedeutet, dass Beschäftigte ihre eigenen Aufgaben fortlaufend automatisieren. In manchen Rollen sind sie zunehmend von der sachbezogenen Arbeit entfernt, die ursprünglich ihre Fähigkeiten aufgebaut hat. Während Agenten sich durch Workflows hindurcharbeiten, sind menschliche Aufmerksamkeit und Urteilsvermögen ein Engpass, gegen den das System ankämpft. Vom Vertrieb bis zur Rechtsabteilung wird von menschlichen Beschäftigten erwartet, mehr und andere Aufgaben zu übernehmen. Die Rollen werden breiter und umfassen den Aufbau von Produkten, die Verwaltung von Agenten sowie die strategische und zwischenmenschliche Arbeit, die noch jenseits der Möglichkeiten der besten LLMs liegt.

Diese Veränderungen in Organisation und Inhalt der Arbeit gingen mit sinkenden Anteilen junger technischer Rollen an Kopfzahl, Einstellungen und Stellenausschreibungen einher. Hiring-Manager konzentrieren sich zunehmend auf die Eigenständigkeit und das Urteilsvermögen der Bewerber statt auf Ausführung und spezialisiertes Fachwissen. Insgesamt ist das Umsatzwachstum von Anthropic im Verhältnis zu seinem Beschäftigungswachstum sogar noch über das schnelle frühe Produktivitätswachstum einer früheren Generation von Technologieunternehmen hinausgeeilt.

Wer diese Muster in die Zukunft hinein und auf die gesamte Wirtschaft überträgt, dem zufolge könnte die Verbreitung von KI das Risiko einer Verdrängung von Arbeitskräften bergen. Frühere Arbeiten zeigen zudem, dass KI-native Startups und KI-Anwender sind flacher und verwenden weniger Einstiegspositionen Mitarbeiter. Was können wir von Anthropic darüber lernen, wie man KI-Umbrüche so steuert, dass es den Menschen dient, die damit arbeiten?

Hier wollen wir sorgfältig vorgehen. Viele Teile der Beschäftigungspraktiken von Anthropic lassen sich nicht auf die gesamte Wirtschaft übertragen.

Aber drei Merkmale stechen hervor. Erstens verleiht ein breit gestreuter Aktienbesitz den Beschäftigten ein starkes Interesse am Erfolg des Unternehmens. Natürlich ist dies eine einfache Haltung für ein Unternehmen, das erhebliche Steigerungen der Bewertung erlebt hat. Für viele Firmen kann geteilter Eigentumsbesitz unzureichend oder anderweitig unerwünscht sein. Aber es ist schwer vorstellbar, wie eine pro-Arbeitnehmernehmer-KI-Einführung aussehen könnte, bei der die Beschäftigten keinen finanziellen Anteil am erfolgreichen Rollout halten. Wenn von einzelnen Mitarbeitenden erwartet wird, wie die Interviewten es ausdrücken, „Agenten zu managen“, „Entscheidungen auf VP-Ebene zu treffen“ und „ihre eigene Geschäftseinheit zu sein“, dann ist die Ausrichtung ihrer Interessen an der Organisation entscheidend. Der nach dem Zweiten Weltkrieg in den 1950er Jahren geschlossene Kompromiss zwischen Gewerkschaften und Management beruhte genau auf einer solchen Vereinbarung: Gewerkschaften wie die United Auto Workers und die United Steel Workers ließen dem Management die Kontrolle über die Umgestaltung der Arbeit (und sogar deren Intensivierung), im Gegenzug für Lohnerhöhungen, die an Produktivitätssteigerungen gekoppelt waren, sowie ein reichhaltiges Leistungspaket. Wie auch immer der neue Deal zwischen den von KI betroffenen Beschäftigten und ihren Arbeitgebern aussehen mag – ein Mechanismus zur Teilhabe an den Vorteilen der Einführung ist unerlässlich. Bei Anthropic kodifizieren die Beschäftigten ihr Fachwissen für die Maschine, sehen ihre Arbeitsabläufe ständig umgewälzt und gestört und haben erlebt, dass ein großer Teil ihrer Tätigkeit darin besteht, die Ausgaben ihrer KI-Kollaborateure im Schnelldurchlauf zu lesen. Das tun sie nicht umsonst.

Zweitens baut Anthropic ein laufendes Frühwarnsystem auf, um Arbeitsplätze zu überwachen, die sich einer KI-bedingten Umwälzung gegenübersehen. Eine Reihe rollenbezogener Metriken für Nachfrage und Produktivität wird gegen KI-Fähigkeiten und -Nutzung abgeglichen. Diese aggregierten Metriken helfen aufzuzeigen, wo sich Arbeit verschiebt. Ein Frühwarnsystem ermöglicht es dem Unternehmen, betroffene Mitarbeiter frühzeitig in Jobs umzuzuteilen, deren Kompetenzprofil passt und die möglicherweise einem unmittelbaren Risiko weniger ausgesetzt sind. Da Unternehmen in der gesamten Wirtschaft sich auf ein beschleunigtes Tempo der Arbeitsreorganisation ausrichten, werden wirksame Systeme zur Steuerung der internen Umverteilung von Mitarbeitern zunehmend an Bedeutung gewinnen. Den externen Arbeitsmarkt zu bemühen, um jede neue Aufgabe zu erfüllen, die durch KI-Fortschritte entsteht, wird umso größeren Engpass darstellen, je schneller die KI voranschreitet. In diesem Bericht fanden wir eine erhöhte Mobilität zwischen Abteilungen, sich verändernde Arbeitsinhalte und Mitarbeiter, die zu neuen Aufgaben wechselten, während alte automatisiert wurden. Der Aufbau von Systemen zur flexiblen internen Umverteilung von Arbeitskräften wird für KI-intensive Organisationen entscheidend sein.

Dieses Bekenntnis zur internen Umverteilung von Arbeitskräften wirft wichtige Zielkonflikte auf. Ein gut funktionierender Arbeitsmarkt sollte Arbeitskräfte in ihre produktivsten Positionen vermitteln, unabhängig davon, ob dies bei ihrem aktuellen Arbeitgeber oder einem anderen ist. Zusagen zur Umverteilung bestehender Mitarbeiter könnten Arbeitgeber zögerlich machen, bei der Einstellung neuer Mitarbeiter ein Risiko einzugehen. Unter normalen wirtschaftlichen Bedingungen, insbesondere in intensiv umkämpften, könnten solche Zusagen kostspielig sein.

Die Priorisierung von Umverteilung zwingt jedoch Unternehmen, die KI einsetzen, darüber nachzudenken, wie KI neue Aufgaben für neue Produkte und neue Märkte schaffen kann, statt KI-Anwendungen darauf auszurichten, menschliche Arbeitskräfte zu ersetzen, um Arbeitskosten zu sparen. Dies könnte Arbeitgebern helfen, der Versuchung zu widerstehen, ‘so lala’ oder ‘ineffizient… Automatisierung, bei der KI oder andere Technologien menschliche Arbeitskräfte nur knapp verdrängen: Arbeitgeber ersetzen menschliche Arbeitskräfte und verursachen dadurch erhebliche soziale Kosten durch Einkommensverluste bei den verdrängten Arbeitnehmern, während der Produktivitätsgewinn minimal bleibt.

Was wir bei Anthropic sehen, zeigt: Neben intensiver KI-Nutzung bleiben sowohl neuartige als auch durchgängig menschliche Aufgaben bestehen. Die Unsicherheit über die künftige Menge dieser Aufgaben sollte dazu raten, eine flexible Belegschaft zu erhalten. Wie eine Führungskraft bei Anthropic anmerkte: „Eine Belegschaft, die ängstlich besorgt ist, ist keine Belegschaft, die ihre beste Arbeit leistet.“

Keine dieser Maßnahmen wird verhindern, dass leistungsstarke KI Arbeitsplätze disruptiv verändert. Und tatsächlich geht keine von ihnen direkt auf den in diesem Bericht dokumentierten Rückgang der Einstellungen von Berufseinsteigern ein. Beschäftigungsschutz für bestehende Beschäftigte wird denen nicht nützen, die gar nicht erst eingestellt wurden. Private Maßnahmen der Arbeitgeber müssen einhergehen mit weitsichtiger Regierungspolitik in Bezug auf Umschulung und Einkommensunterstützung. Eine solche Politik sollte sich an einem klaren Bild des Ausmaßes der Arbeitsplatztransformation orientieren, die KI mit sich bringen kann.

Empfohlene Zitierweise

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = oct,

url = {https://www.anthropic.com/research/employment-at-anthropic}

}

Danksagungen

Wir danken den Anthropic-Mitarbeitenden, die sich Zeit für Interviews darüber genommen haben, wie sich ihre Arbeit verändert hat. Für sehr hilfreiche Kommentare und Unterstützung danken wir Kate Astbury, Shehzad Bashir, Zoe Blumenfeld, Scott Booth, Henry Brill, Yena Cho, Henry de Valence, Adam Farina, Johannes Hermle, Zoe Hitzig, Hasnain Lakhani, Eva Lyubich, Kerry Persen, Kristina Pham, Sarah Pollack, Hannah Pritchett, Georg Rilinger, Santi Ruiz, Szymon Sacher, Florian Scholz, Meg Tong, Monika Tuchowska, Helen Wang, Kim Withee, Charles Yang und Jack Clark.

Zitierte Werke

Acemoglu, Daron, und Pascual Restrepo. 2019. „Automation and New Tasks: How Technology Displaces and Reinstates Labor.“ Journal of Economic Perspectives 33 (2): 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, und Nathan Zorzi. 2025. „Inefficient Automation.“ Review of Economic Studies 92 (1): 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff, und Liyuan Yang. 2026. „Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools.“ NBER Working Paper 35275. https://doi.org/10.3386/w35275

Ewens, Michael, und Xavier Giroud. 2025. „Corporate Hierarchy.“ NBER Working Paper 34162. https://doi.org/10.3386/w34162

Favaro, Marina, und Jack Clark. 2026. „When AI Builds Itself.“ The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, und Peter McCrory. 2026. „Agentic Coding and Persistent Returns to Expertise.“ Anthropic, 16. Juni 2026. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, und Guy Lichtinger. 2025. „Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data.“ SSRN Working Paper 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern, und Deep Ganguli. 2025. „How AI Is Transforming Work at Anthropic.“ Anthropic, 2. Dezember 2025. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, und Rembrand Koning. 2026. „AI-Native Firms.“ Harvard Business School Working Paper 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, und Maxim Massenkoff. 2026. „An Evidence Review of Subsidized Job Training.“ The Anthropic Institute Working Paper 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs

Fußnoten

1. Die Anthropic-Schätzungen stammen aus internen Finanz- und Personalunterlagen für die zwölf Monate bis April 2026 (etwa fünf Jahre nach der Gründung). Die Beschäftigungs- und Umsatzzahlen von Google und Meta basieren auf Form 10-K-Einreichungen 5 Jahre nach der Gründung (2003 bzw. 2009). Alle Zahlen sind auf US-Dollar von 2025 deflationiert.

Verwandte Inhalte

Effizientere Quantenschaltkreise mit Claude entwerfen

Wir gaben Claude Klartext-Spezifikationen für acht Quantenschaltkreise, zusammen mit einem automatisierten Evaluator, um seine Entwürfe zu prüfen und zu bewerten. Claude verbesserte weitgehend eigenständig die besten veröffentlichten Schaltkreise, in einigen Fällen um eine Größenordnung oder mehr, was praktische Quantencomputer näher bringen könnte als zuvor erwartet.

Claude enthüllt die Ursprünge der ECDSA-Kurve

Das jahrzehntealte Rätsel um die Ursprünge eines der beliebtesten kryptografischen Standards wurde gelöst.

Die Lücke der KI-Erwartungen

Wie wird die KI die Wirtschaft in den kommenden Jahren verändern? Was ist die Kernquelle der Meinungsverschiedenheiten über die künftigen Auswirkungen der KI auf die Wirtschaft? Dieser Beitrag präsentiert neue Umfragedaten zu diesen Fragen.