Die Softwarebranche war es gewohnt, Produktivität im Jahresrhythmus zu diskutieren. Claude Code und Codex haben diesen Takt durchbrochen: Ein Monat kann genügen, um den Umfang der Aufgaben zu verändern, die sich Maschinen übertragen lassen; im nächsten Monat verändern sich bereits die Kosten ihrer Erledigung. Die entscheidende Frage ist längst nicht mehr nur, ob diese Werkzeuge Code schreiben können. Es geht darum, wie Softwareangebot, menschliche Arbeit und Unternehmensbudgets neu verteilt werden.
Dieser Artikel befasst sich ausführlich nur mit Claude Code und Codex. Andere Programmierassistenten werden nicht einzeln bewertet. Im Mittelpunkt stehen diese beiden, weil uns eine Arbeitsweise interessiert, bei der Agenten Repositories lesen, Code ändern, Werkzeuge ausführen und Ergebnisse wiederholt prüfen. Claude Sonnet 5.5 vom September 2026 und die Codex-Aktualisierung vom Oktober 2026 zeigen, warum Aussagen über Fähigkeiten immer mit einem Monat versehen werden müssen.[1][2]
Stand der Prüfung: 2026-10-12. Im Folgenden verwenden wir vor allem Kalendermonate und unterscheiden ausdrücklich zwischen vollständigen Monaten, Momentaufnahmen innerhalb eines Monats und gleitenden 28-Tage-Fenstern. Wo keine öffentlichen Werte vorliegen, bleiben Lücken. Jahres- und Quartalszahlen werden nicht in Monatsdurchschnitte umgerechnet; Codevolumen, App-Zahlen, Arbeitsstunden und Stellenabbau werden nicht miteinander gleichgesetzt. Der Zukunftsteil enthält Einschätzungen, keine bereits eingetretenen statistischen Ergebnisse.
Abbildung: Eigene Prozessdarstellung von WISE AI. Sie veranschaulicht veränderte Zuständigkeiten in der Softwareproduktion, keine gemessenen kausalen Beiträge einzelner Arbeitsschritte.
Wie viel mehr auf GitHub entsteht: 7,38 Milliarden Commits im September
Ein am 2026-10-06 veröffentlichter Infrastrukturbeitrag von GitHub macht die Veränderung besonders deutlich: Im September 2026 verzeichnete die Plattform 7,38 Milliarden Commits, mehr als das Fünffache des Werts vom September 2025. Der Beitrag nennt für September 2025 keinen exakten Ausgangswert. Eine präzise Wachstumsrate lässt sich deshalb nicht zurückrechnen.[3]
| Beobachtungsmonat | Kennzahl | Offizieller Wert | Einordnung |
|---|---|---|---|
| 2025-09 | Git-Aktivitätsereignisse | 218,2 Milliarden pro Monat | Infrastrukturaktivität einschließlich Lese- und Schreibvorgängen, kein neu entstandener Code |
| 2026-08 | Git-Aktivitätsereignisse | 473,3 Milliarden pro Monat | 116,91 % mehr als im oben genannten Beobachtungsmonat, keine Veränderung gegenüber dem Vormonat |
| 2026-09 | Commits | 7,38 Milliarden pro Monat | Von Menschen und Agenten gemeinsam erzeugte Commit-Aktivität |
| 2026-09 | Actions-Ausführungen | 3,26 Milliarden pro Monat | Workflow-Ausführungen; nicht zu den Commits addierbar |
Diese Zahlen zeigen, dass sich die Größenordnung der Codeproduktion und Automatisierung verändert und bereits die Infrastruktur der Plattform prägt. Ein Commit kann jedoch eine neue Funktion enthalten, aber auch einen Zwischenstand eines Agenten, einen Versuch oder eine Nachbesserung. 7,38 Milliarden Commits sind nicht gleichbedeutend mit 7,38 Milliarden verwertbaren Ergebnissen. Noch weniger lässt sich daraus ablesen, welchen Anteil Claude Code und Codex jeweils beigetragen haben: Eine vollständige monatliche Aufschlüsselung veröffentlicht die Plattform nicht.
Der eigentliche Umbruch liegt darin, dass Softwareexperimente günstiger werden. Kleine Skripte, Migrationswerkzeuge und interne Seiten, für die früher Kapazitäten eingeplant werden mussten, können Agenten heute zunächst umsetzen. Mit dem wachsenden Codeangebot werden Reviews, Tests, Zusammenführung und die Verantwortung für Produktivsetzungen zu deutlicheren Engpässen. Wer Teams allein an der Zahl ihrer Commits misst, belohnt womöglich vor allem diejenigen, die am meisten Aktivität erzeugen.
Wie viele Apps im App Store hinzukommen: eine echte Monatstabelle
RevenueCats Bericht „State of Subscription Apps 2026“ veröffentlicht eine von Appfigures bereitgestellte Zeitreihe neu gestarteter Abonnement-Apps. Wir verwenden hier ausschließlich neu veröffentlichte iOS-Abonnement-Apps. Gemeint sind weder sämtliche Apps im App Store noch Downloads oder der Nettozuwachs des App-Bestands. Die einzelnen Monatswerte lassen sich in den öffentlichen Diagrammdaten des Berichts überprüfen. Da Diagrammtitel und Endpunkt der Zeitachse voneinander abweichen, verwenden wir den tatsächlichen letzten Datenmonat 2026-01.[4]
| Monat | Neu veröffentlichte iOS-Abonnement-Apps | Veränderung zum Vormonat |
|---|---|---|
| 2025-02 | 3.674 | — |
| 2025-03 | 4.742 | +29,07 % |
| 2025-04 | 5.263 | +10,99 % |
| 2025-05 | 5.189 | -1,41 % |
| 2025-06 | 6.219 | +19,85 % |
| 2025-07 | 6.683 | +7,46 % |
| 2025-08 | 6.970 | +4,29 % |
| 2025-09 | 7.498 | +7,58 % |
| 2025-10 | 7.709 | +2,81 % |
| 2025-11 | 7.515 | -2,52 % |
| 2025-12 | 8.651 | +15,12 % |
| 2026-01 | 11.448 | +32,33 % |
Die Veränderung zum Vormonat berechnet sich aus dem aktuellen Monatswert geteilt durch den Vormonatswert, abzüglich 1. Für die erste Zeile wird kein zusätzlicher Ausgangswert außerhalb der Tabelle eingeführt. Zwischen den beiden Endpunkten stieg die Zahl der monatlichen Neuveröffentlichungen um 211,59 % auf etwa das 3,12-Fache. Das beschreibt die Veränderung zwischen diesen beiden Monaten, nicht ein solches Wachstum in jedem einzelnen Monat. Die Rückgänge im Mai und November 2025 zeigen außerdem, dass ein realer Trend nicht aus einer ununterbrochen steigenden Linie besteht.
Abbildung: Von WISE AI auf Basis der öffentlichen Monatswerte von Appfigures/RevenueCat neu erstellt. Erfasst ist nur das Teilsegment der Abonnement-Apps; fehlende spätere Monate wurden nicht interpoliert.
Auch für einen breiteren Ausschnitt gibt es ein Signal: Appfigures berichtet, dass im März 2026 die Zahl neu veröffentlichter Apps im App Store um 118 % gegenüber März 2025 stieg. Das ist ein Vergleich zweier einzelner Monate im Jahresabstand, keine Veränderung gegenüber dem Vormonat. Die Seite nennt weder die absoluten Zahlen beider Monate noch die für die jeweiligen Apps verwendeten Entwicklungswerkzeuge.[5]
Bis zum Prüfdatum dieses Artikels konnten wir keine durchgehende, gleich abgegrenzte Zeitreihe für Februar bis September 2026 ermitteln, mit der sich die Tabelle fortsetzen ließe. Zahlen zu Abonnement-Apps, Schätzungen für den US-Markt und weltweite App-Neuveröffentlichungen dürfen nicht zu einer Kurve zusammengesetzt werden. Wir können einen Anstieg des Angebots feststellen, aber nicht behaupten, sämtliche zusätzlichen Apps seien mit Claude Code oder Codex erstellt worden.
Je leichter es wird, eine App zu entwickeln, desto wichtiger wird es, Nutzer zu gewinnen, die dauerhaft dafür bezahlen wollen. Für kleine Teams senken die beiden Werkzeuge die Hürde der Umsetzung. Sie klären nicht automatisch, ob ein echter Bedarf besteht, wie das Produkt gefunden wird oder warum Nutzer bleiben. Eine stark steigende App-Zahl kann deshalb auch mit härterem Wettbewerb zwischen sehr ähnlichen Produkten einhergehen.
Wie viel weniger Programmierer arbeiten: weniger Code tippen ist nicht dasselbe wie weniger Arbeitszeit
Es gibt derzeit keine belastbare öffentliche Monatstabelle, die zeigt, um wie viel die Arbeitsstunden von Programmierern in der gesamten Softwarebranche durch diese beiden Werkzeuge gesunken sind. Beobachten lassen sich in bestimmten Stichproben weniger menschliche Eingriffe und eine höhere Fähigkeit, Aufgaben abzuschließen. Beides ist relevant, darf aber nicht ohne Weiteres als „Rückgang der Arbeitsbelastung“ bezeichnet werden.
| Beobachtungsmonat | Stichprobe und Kennzahl | Ergebnis | Nicht daraus ableitbare Schlussfolgerung |
|---|---|---|---|
| 2025-08 → 2025-12 | Claude Code bei Anthropic intern: menschliche Eingriffe pro Sitzung | 5,4 → 3,3, Rückgang um etwa 38,9 % | Die Arbeitsstunden von Programmierern sanken um 38,9 % |
| 2026-05 | Interne Sitzungen mit komplexen, offenen Aufgaben, die ein Claude-Bewertungsmodell als ohne Korrektur abgeschlossen einstufte | 76 % | Produktionsaufgaben in der gesamten Branche haben eine Erfolgsquote von 76 % |
| 2026-09 | Momentaufnahme innerhalb des Monats aus der aktualisierten Grafik derselben Untersuchung | Etwa 91 % | Ein unabhängiges Audit bestätigt unbeaufsichtigte Produktivsetzungen |
Die erste Zeile stammt aus einer Untersuchung von Anthropic vom Februar 2026; die beiden folgenden aus interner Forschung, die bis September 2026 aktualisiert wurde. Zusammensetzung der Aufgaben und Modelle können sich verändern. Der Septemberwert ist außerdem ein aus der Grafik abgelesener Näherungswert, kein öffentlich exportierter exakter Monatsdurchschnitt.[6][7]
Auch die Messmethoden müssen mit den Werkzeugen Schritt halten. METR erklärte in seiner Beschreibung eines Folgeexperiments vom Februar 2026 ausdrücklich, dass Verzerrungen bei der Aufgabenauswahl, parallel arbeitende Agenten und Probleme der Zeiterfassung eine verlässliche Quantifizierung des Nutzens aktueller Werkzeuge erschweren. Neue Werkzeuge aufgrund alter Experimente abschließend zu beurteilen, ist ebenso wenig angemessen wie aufgrund subjektiver Eindrücke eine Verdopplung der Effizienz in der gesamten Branche zu verkünden.[8]
Eine oft übersehene Rechnung lautet: Angenommen, Aufgaben gleichen Umfangs und gleicher Qualität werden doppelt so schnell erledigt. Dann lässt sich die Zeit für eine feste Aufgabenmenge um 50 % reduzieren. Verdoppelt das Unternehmen zugleich die Menge der Anforderungen, sinkt die gesamte Arbeitszeit möglicherweise überhaupt nicht. Das ist kein Umfrageergebnis, sondern ein Beispiel dafür, warum höhere Effizienz und ein leichterer Arbeitsalltag auseinanderfallen können.
Wichtiger erscheint mir eine nachvollziehbare Verschiebung der Rolle: Statt jeden Schritt selbst auszuführen, definieren Ingenieure Aufgaben, teilen den nötigen Kontext auf, prüfen Ergebnisse, erkennen Risiken und tragen die Verantwortung für den Produktivbetrieb. Der Preis einfacher, wiederkehrender Implementierungsarbeit wird unter Druck geraten. Das Urteil von Menschen, die Geschäft und Systeme wirklich verstehen, kann dagegen durch mehr maschinelle Ausführung eine größere Wirkung entfalten. Wenn Führungskräfte jede eingesparte Stunde mit zusätzlichen Anforderungen füllen, schreiben Programmierer möglicherweise weniger Code, ohne weniger Arbeit zu tragen.
Wie viele Stellen große Softwarefirmen abbauen: nach Ankündigungsmonat zählen, ohne den Werkzeugen den Abbau zuzuschreiben
Die folgende Auswahl enthält Ereignisse bei Softwareunternehmen, für die überprüfbare Quellen vorliegen. Sie erfasst den Monat der Ankündigung und die angekündigten Stellenstreichungen, nicht die tatsächlichen Abgänge in diesem Monat und nicht die gesamte Branche. Die Stellen umfassen auch Vertrieb, operative Funktionen und andere Tätigkeiten; nicht aufgeführte Monate bedeuten nicht, dass es keine Entlassungen gab.
| Ankündigungsmonat | Unternehmen | Angekündigter Umfang | Aussage des Unternehmens oder wichtige Einschränkung |
|---|---|---|---|
| 2026-01 | Autodesk | Etwa 1.000 Stellen | Vor allem mit dem Umbau des Vertriebs verbunden; das Unternehmen bestritt einen Ersatz von Personal durch KI |
| 2026-03 | Atlassian | Etwa 1.600 Stellen | Anpassung von Kompetenzen und Ressourcen, um in KI und den Vertrieb an Großunternehmen zu reinvestieren |
| 2026-05 | Cloudflare | Mehr als 1.100 Stellen | Die Unternehmensleitung stellte ausdrücklich einen Zusammenhang zwischen der Umstrukturierung und agentengestützten KI-Arbeitsweisen her |
| 2026-05 | Intuit | Etwa 3.000 Stellen | Mehrere Gründe, darunter weniger Hierarchieebenen, der Abbau doppelter Koordination und die Neuverteilung von Ressourcen |
| 2026-07 | Microsoft | Etwa 4.800 Stellen | Betroffen waren kommerzielle Bereiche und Xbox; das Unternehmen bestritt, dass diese Stellen durch KI ersetzt würden |
Die Quellen sind in dieser Reihenfolge öffentliche Mitarbeiterschreiben von Autodesk, Atlassian und Cloudflare sowie Reuters-Berichte über Intuit und Microsoft.[9][10][11][12][13]
Diese Ereignisse belegen, dass Softwareunternehmen Personal, Hierarchien und Investitionen neu ordnen. Nur einige Unternehmen stellen dabei ausdrücklich einen Zusammenhang mit KI her. Keines legt in diesen Materialien eine überprüfbare Aufschlüsselung vor, wie viele Menschen durch Claude Code und wie viele durch Codex ersetzt wurden. Die Tabellenwerte einfach zu addieren und das Ergebnis „von den beiden Werkzeugen verursacht“ zu nennen, würde organisatorische Veränderungen, unterschiedliche KI-Anwendungen und konkrete Programmieragenten zu einer einzigen Geschichte vermischen.
Frühere Veränderungen könnten sich im Einstellungsverhalten verbergen: Wird eine frei gewordene Stelle nachbesetzt? Wird ein externer Vertrag verlängert? Übernimmt ein bestehendes Team mithilfe von Agenten ein Projekt, für das sonst zusätzliche Mitarbeiter nötig gewesen wären? Angekündigte Entlassungen sind sichtbare Ergebnisse; ein sinkender Personalbedarf muss sich jedoch nicht in Entlassungen äußern. Genau das sollte künftig stärker von Monat zu Monat verfolgt werden.
Wie stark der Token-Verbrauch großer Unternehmen steigt: Hinweise auf rasantes Wachstum, aber keine vollständige Monatsabrechnung
Tokens sind eine Maßeinheit für den Text, den Modelle verarbeiten. Agenten lesen wiederholt Kontext, durchlaufen Denkprozesse, rufen Werkzeuge auf und prüfen Ergebnisse. Mit der Zahl der Aufgaben kann der Verbrauch rasch steigen. Eingabe-, Ausgabe- und Cache-Tokens haben jedoch unterschiedliche Preise, ebenso unterscheiden sich die Modelle. Aus einer Gesamtzahl lassen sich deshalb weder unmittelbar Kosten noch Produktivität ableiten.
| Monat oder Zeitfenster | Überprüfbare Kennzahl | Wert und Evidenzstatus |
|---|---|---|
| 2026-02 | Interner Token-Verbrauch bei Meta | SemiAnalysis schätzte ihn in einem Bericht vom Juni 2026 auf etwa 70 Billionen Tokens pro Monat; keine vom Unternehmen veröffentlichte geprüfte Abrechnung, keine vergleichbare Veränderung zum Vormonat |
| Jeweils die 28 Tage bis 2025-11-01 → bis 2026-06-11 | Median der Ausgabe-Tokens aktiver Beschäftigter in OpenAIs Rechtsabteilung, ChatGPT und Codex zusammen | Etwa das 13-Fache; Unternehmensstudie, kein Gesamtwert des Unternehmens |
| Dieselben gleitenden Zeitfenster | Dieselbe Kennzahl für die Forschungsfunktion bei OpenAI | Mehr als das 50-Fache; keine Kalendermonate und nicht gleichbedeutend mit 50-fachem Output |
OpenAIs Untersuchung stützt sich auf interne Protokolle. Ihr Umfeld weist jedoch Besonderheiten bei Werkzeugnutzung, Schulung und Einführung auf. Die Meta-Zahl von SemiAnalysis ist dagegen eine externe Recherche; die Aufteilung in Eingabe-, Ausgabe- und Cache-Tokens ist unklar. Diese beiden Quellen lassen sich nicht in einer gemeinsamen Wachstumskurve darstellen.[14][15]
Für die Frage, um wie viel der gesamte Token-Verbrauch großer Softwareunternehmen in jedem einzelnen Kalendermonat gestiegen ist, reicht die öffentliche Evidenz weiterhin nicht aus. Der Durchsatz einer Cloud-Plattform für sämtliche Kunden, Unternehmensumsätze, Mitarbeiterlizenzen und Budgetgrenzen können diese Lücke nicht füllen. Auch machen wir aus gleitenden 28 Tagen nicht stillschweigend ein tatsächliches Juni-Ergebnis.
Entscheidend ist die Veränderung der Budgetstruktur: Ein Teil der Implementierungsarbeit, der früher in Personentagen kalkuliert wurde, wird zu Ausgaben für Modellaufrufe, Rechenleistung, Prüfung und Wartung. Eine sinnvolle Managementfrage lautet: „Was kostet eine abgenommene Aufgabe?“ und nicht: „Wer hat die meisten Tokens verbraucht?“ Sinkende Kosten je Aufgabe und ein steigender Gesamtverbrauch des Unternehmens können gleichzeitig auftreten, weil nun auch Aufgaben wirtschaftlich werden, die sich früher nicht gelohnt haben.
Die nächsten zwölf Monate: Wie sich die Softwarebranche meiner Einschätzung nach verändern wird
Die folgende Übersicht umfasst November 2026 bis Oktober 2027. Sie ist ein monatlich zu überprüfendes Basisszenario, keine auf den Monat genaue Vorhersage einzelner Ereignisse. Veränderungen können früher oder später eintreten oder sich überlagern. Einen unbelegten prozentualen Stellenabbau für die gesamte Branche sagen wir nicht voraus.
| Beobachtungsmonat | Einschätzung im Basisszenario | Woran sich die Einschätzung prüfen lässt |
|---|---|---|
| 2026-11 | Mehr alltägliche Implementierung und Tests werden Claude Code und Codex übertragen | Bearbeitungszeit und Abnahmequote bei Aufgaben gleichen Umfangs |
| 2026-12 | Von Agenten erzeugte Änderungen nehmen weiter zu; bei menschlichen Reviews bilden sich Warteschlangen | Monatlich zusammengeführte Änderungen, Wartezeiten auf Reviews, Nacharbeitsquote |
| 2027-01 | Unternehmen beginnen, Agentenbudgets an Projektergebnisse zu binden | Token-Kosten und Gesamtkosten je abgenommener Aufgabe |
| 2027-02 | Die Anforderungen bei der Einstellung für einfache, wiederkehrende Implementierungsarbeiten verändern sich weiter | Zahl neuer Stellenausschreibungen, Anteil von Einstiegspositionen |
| 2027-03 | Einfache, nach Personentagen abgerechnete Auftragsentwicklung kann Preisaufschläge schwerer halten | Angebote für vergleichbare Projekte, Lieferzeiten, Qualitätszusagen |
| 2027-04 | Kleine Teams versuchen, einen Produktumfang abzudecken, für den früher mehr Menschen nötig waren | Ausgelieferte Funktionen je Team, aktive Nutzer und Vorfälle |
| 2027-05 | Das wachsende App-Angebot konkurriert weiter um begrenzte Aufmerksamkeit | Neuveröffentlichungen, Nutzerbindung und Konversion zu zahlenden Nutzern getrennt betrachten |
| 2027-06 | Die Modernisierung älterer Systeme wird zu einem wichtigen Einsatzgebiet für Agenten | Abgeschlossene Migrationen, Regressionsfehler, Rollbacks |
| 2027-07 | Sicherheit, Berechtigungen und der Umgang mit Abhängigkeiten gewinnen an Bedeutung | Zeit bis zur Behebung von Schwachstellen, unberechtigte Zugriffe und Behebungskosten |
| 2027-08 | Die Beurteilung von Anforderungen und geschäftlich Verantwortliche sind schwerer zu ersetzen als reine Umsetzung | Erfolgsquote von Produktexperimenten, Vertragsverlängerungen und Qualität der Umsätze |
| 2027-09 | Unternehmen vergleichen Eigenentwicklung erneut mit dem Kauf von Standardsoftware | Gesamtkosten über den Lebenszyklus und Wartungsaufwand selbst entwickelter Software |
| 2027-10 | Der Vorteil eines Teams zeigt sich stärker in dauerhaft verlässlicher Lieferung als in seiner Kopfzahl | Verlässliche Ergebnisse pro Person, Gewinn und Stabilität im Produktivbetrieb gemeinsam betrachten |
Meine Basiserwartung lautet: Die gleiche Zahl von Menschen liefert mehr Software, ein Teil des zusätzlichen Einstellungsbedarfs entfällt, und mehr Geld fließt in Modelle, Reviews und Sicherheit. Steigt die Zuverlässigkeit der Werkzeuge weiter, während die zusätzliche Nachfrage nicht mithält, geraten Stellen mit wiederkehrender Implementierungsarbeit unter stärkeren Ersetzungsdruck. Steigen hingegen Sicherheitsvorfälle, Prüfaufwand und Rechenkosten, kann sich die Einführung verlangsamen.
Zuerst unter Preisdruck geraten dürfte wiederkehrende Implementierung mit klaren Grenzen und leicht überprüfbaren Ergebnissen. Schwerer zu verbilligen ist das Wissen darüber, was sich lohnt, was nicht in Produktion gehen darf und wie ein System nach einem Vorfall wiederhergestellt wird. Claude Code und Codex erweitern den Ausführungsumfang eines einzelnen Menschen. Die geschäftliche Verantwortung verschwindet dadurch nicht.
Zum Schluss: scharfe Verurteilung von Anthropics ausgrenzenden Beschränkungen für Entwickler in Festlandchina
Kritik muss mit präzisen Tatsachen beginnen. Anthropic weitete im September 2025 seine Verkaufsbeschränkungen für nicht unterstützte Regionen aus; sie betreffen Unternehmen mit bestimmten Eigentums- und Kontrollverhältnissen. Die im Oktober 2026 geltende Richtlinie für unterstützte Regionen bezieht Claude Code ausdrücklich ein und berücksichtigt den tatsächlichen Aufenthaltsort, Unternehmensregistrierung oder Hauptsitz sowie direkte oder indirekte Mehrheitsbeteiligungen oder Kontrolle. Festlandchina steht nicht auf der Liste unterstützter Regionen. Das bedeutet nicht, dass alle chinesischen Staatsangehörigen oder alle Menschen chinesischer Herkunft überall auf der Welt pauschal von der Nutzung ausgeschlossen sind.[16][18]
Die Ankündigung vom 2026-10-08 veröffentlichte außerdem eine neue Usage Policy, die am 2026-11-12 in Kraft tritt, und erklärte zugleich, dass der regionale Teil die Durchsetzungsregeln präzisiert. Das künftige Inkrafttreten darf nicht mit den derzeit geltenden regionalen Beschränkungen vermischt werden.[17]
Wir verurteilen aufs Schärfste Anthropics Politik, die gewöhnlichen Entwicklern in Festlandchina und Unternehmen, die unter seine Beschränkungen fallen, den Zugang zu Claude Code verwehrt. Wir verurteilen aufs Schärfste diese pauschale Ausgrenzung zahlreicher legitimer Nutzer. Wenn Programmieragenten zunehmend die Hürden für Unternehmensgründungen, Produktionskosten und berufliche Chancen beeinflussen, treffen solche Beschränkungen konkrete Menschen: Studierende, die lernen wollen, Ingenieure, die mit ihrer Arbeit ihren Lebensunterhalt verdienen, und kleine Teams, die ernsthaft Produkte entwickeln.
Unternehmen dürfen konkreten Missbrauch verhindern und müssen geltende rechtliche Verpflichtungen erfüllen. Diese Gründe entziehen weitreichende Ausschlüsse jedoch nicht automatisch der öffentlichen Kritik. Anthropic sollte die Grundlagen und Grenzen seiner Beschränkungen öffentlich erläutern, transparente Einspruchsmöglichkeiten schaffen und den gleichberechtigten Zugang für legitime zivile Entwicklung so weit wie möglich wiederherstellen. Je stärker ein Werkzeug die Branche verändern kann, desto weniger darf es die Menschen übergehen, denen der Zugang verwehrt wird.
Derselbe Maßstab gilt für OpenAI: Auch dessen offizielle Liste unterstützter API-Regionen umfasst Festlandchina nicht. Codex darf deshalb nicht als bereits offiziell unterstützter alternativer Zugang in Festlandchina dargestellt werden.[19] Hervorragende Werkzeuge anzuerkennen schließt Kritik an der Zugangspolitik ihrer Anbieter nicht aus. Technische Fähigkeiten verdienen Anerkennung; eine Politik, die gewöhnliche Entwickler ausschließt, verdient entschiedenen Widerspruch.
Dieser Artikel gehört zum Themenschwerpunkt KI-Anwendungen. Plattformstatistiken beschreiben den Hintergrund, Anbieterprotokolle dienen der Beobachtung bestimmter Stichproben. Zukunftseinschätzungen und politische Wertungen sind jeweils gesondert gekennzeichnet.