Anthropic veröffentlichte einen internen Beschäftigungsbericht: Die Arbeitszeit intelligenter Agenten erreichte das Sechsfache der menschlichen Arbeitszeit – die „Ära der Meta-Arbeit“ ist angebrochen

Am 16. Oktober Ortszeit USA veröffentlichte Anthropic einen internen Forschungsbericht zur Belegschaftsstruktur: „Wie sich die Beschäftigung bei Anthropic verändert.“

Die Studie stützt sich auf interne Beschäftigungsdaten, KI-Nutzungstelemetrie, Mitarbeiterleistungskennzahlen, Mitarbeiterbefragungen, interne Kommunikationsaufzeichnungen, Kalenderdaten und Bewertungsbögen für Einstellungsentscheidungen sowie 17 vertiefte Mitarbeiterinterviews, um systematisch Veränderungen in Aufgabeninhalten, Rekrutierungsstruktur und Arbeitskräftenachfrage nach intensiver KI-Anwendung im Unternehmen zu analysieren.

Der Bericht nennt vier zentrale Erkenntnisse:

Erstens sank der Anteil neu eingestellter technischer Fachkräfte deutlich – von 27 % Anfang 2025 auf 9 % im Jahr 2026. Der gesamte Beschäftigungsumfang des Unternehmens wächst jedoch weiter; der Druck richtet sich nicht auf die Gesamtzahl der Stellen, sondern auf Einsteigerpositionen.

Zweitens stieg die Arbeitszeit von KI-Agenten rasch an. Stand August 2026 betrug die Einsatzdauer interaktiver, direkt von Anthropic-Mitarbeitern gesteuerter Agenten das Sechsfache der menschlichen Betriebszeit. In mehreren Positionen stieg die Produktivität; das Forschungsteam bewertete den eigenständigen Beitrag der KI mittels vergleichender Analyse.

Drittens unterliegt der Aufgabeninhalt der Mitarbeiter strukturellen Veränderungen: Von direkter Aufgabenausführung hin zum Tool-Bau, Workflow-Monitoring und Agenten-Management verschiebt sich der Arbeitsschwerpunkt zunehmend. Gleichzeitig wird menschliche Aufmerksamkeit zum neuen Engpass, und Rekrutierungsstandards wandeln sich von Fachkompetenz hin zu Autonomie und Urteilsvermögen.

Viertens hat Anthropic frühzeitige Warnsysteme und interne Personalallokationsmechanismen eingeführt. Der Bericht weist jedoch darauf hin, dass unternehmensinterne Maßnahmen allein unzureichend sind, um gesellschaftliche Herausforderungen wie die Einschränkung von Einsteigerstellen zu bewältigen.

Als einer der führenden Anwender von KI geben diese internen Veränderungen bei Anthropic ein repräsentatives Beispiel dafür ab, wie KI Arbeitsmethoden und Rekrutierungsanforderungen anderer Unternehmen beeinflussen könnte.

Rückgang der Einsteigerrekrutierung

Die auffälligste Datenstellung im Bericht ist der deutliche Rückgang beim Anteil neu besetzter technischer Einsteigerstellen.

Seit Anfang 2025 sank der Anteil junger Mitarbeiter in Anthropics Technikabteilung von 21 % auf 14 %; der Anteil neu ausgeschriebener technischer Einsteigerstellen fiel von 27 % auf 9 %. Ab Dezember 2025 war besonders ein Rückgang bei Stellenausschreibungen für Einsteigerpositionen festzustellen.

Rückgang der Einsteigerrekrutierung bei Anthropic

Diese Entwicklung beruht nicht auf einem Unternehmensrückzug. Im Gegenteil: Anthropic wuchs im vergangenen Jahr auf das Dreifache seiner ursprünglichen Größe, und die absolute Zahl technischer Stellen steigt weiter. Die eigentliche Veränderung betrifft die Rekrutierungsstruktur: Neue Stellen konzentrieren sich verstärkt auf mittlere und leitende sowie Expertenebenen, während Einsteigerstellen deutlich zurückgehen.

Diskussionen über die Nachfrage nach Einsteigerstellen entstanden erstmals im Januar 2026 in der Kern-Technologieabteilung.

Einige Teams, die Claude intensiv nutzen, stellten fest, dass Routine-Engineeringaufgaben wie grundlegende Programmierung und Fehlerprüfung zunehmend von Modellen übernommen werden können. Der Einfluss auf Performance-Engineering-Positionen ist besonders deutlich. Ein Befragter erklärte, dass sich dadurch die Talentanforderungen des Teams quasi über Nacht verändert hätten.

Positionen mit höherer Komplexität unter Einsatz von Claude zeigen ein langsameres Wachstum bei Einstiegsstellen

Bis April 2026 hatten Engineering- und Forschungsteams begonnen, systematisch das Rekrutierungsgewicht für untergeordnete Positionen zu senken. Eine interne Umfrage in diesem Monat ergab, dass etwa ein Drittel der Machine-Learning-Manager und ein Fünftel der Software-Engineering-Manager angaben, die Einstellungen aufgrund des KI-Einsatzes reduziert zu haben.

Einstiegsstellen sind die ersten betroffenen – dies hängt mit den Merkmalen solcher Tätigkeiten zusammen.

Einstiegsarbeiten weisen typischerweise klare Regeln und starke Ausführungsmerkmale auf – genau jene Bereiche, in denen aktuelle Large Language Models besonders gut abschneiden. Aufgaben wie Programmierung, Datenverarbeitung, Dokumentenorganisation und Kundensupport sind bereits in unterschiedlichem Maße durch KI beeinflusst worden, wobei die Leistungsfähigkeit der Modelle hier kontinuierlich steigt.

Da sich die Fähigkeiten der Modelle alle paar Monate sprunghaft verbessern, könnten zunächst diejenigen am „unteren Ende“ der Kompetenzleiter betroffen sein.

Auch nichttechnische Abteilungen zeigen ähnliche Trends. Üblicherweise wachsen bei Unternehmenserweiterungen auch Supportabteilungen wie Verwaltung, Finanzen und Personal. Bei Anthropic ermöglichten dagegen Methoden wie Agenten-Assistenten, automatisierte Prüfungen und ausgelagerte Ticket-Services, trotz rasanten Wachstums eine schlank gehaltene Verwaltungsbelegschaft beizubehalten.

Eine Assistentin entwickelte einen persönlichen Agenten zur Terminverwaltung und E-Mail-Klassifizierung und erklärte, dass das Team die Phase der Unterstützung von Einstiegsverwaltungsaufgaben durch Claude bereits hinter sich gelassen habe; der Arbeitsschwerpunkt verschiebe sich nun zunehmend hin zu koordinativen und strategischen Planungsaufgaben.

Arbeitsstunden der Agenten erreichen das Sechsfache der Mitarbeiterstunden

Hinter den Veränderungen in der Rekrutierungsstruktur steht die rasche Verbreitung von Agenten innerhalb des Unternehmens.

Im März 2026 überstiegen die kumulierten Arbeitsstunden zweier Arten von KI-Agenten – autonom operierender und direkt durch Mitarbeiter gesteuerter Agenten – erstmals die Arbeitsstunden der menschlichen Mitarbeitenden. Seitdem wachsen die Arbeitsstunden der Agenten kontinuierlich. Bis August dieses Jahres erreichten die Arbeitsstunden interaktiver, direkt durch Mitarbeiter gesteuerter Agenten das Sechsfache der menschlichen Arbeitsstunden.

Die Arbeitsstunden der Agenten übertrafen die der Menschen

In der Softwareentwicklung wurden zahlreiche Agenten eingesetzt, um Aufgaben wie Testfallgenerierung, Codeüberprüfung, Infrastrukturwartung und Codebase-Migration zu übernehmen. Diese Daten umfassen noch keine vollständig autonomen Agentencluster. Für einzelne Ingenieure bedeutet dies, dass sie mehrere Agenten parallel für kontinuierliche Aufgabenerledigung einsetzen können, während sie deren generierten Code und Analyseergebnisse prüfen. Die Arbeit der Ingenieure verschiebt sich zunehmend vom eigenhändigen Programmieren hin zur Aufgabenverteilung und Ergebnisbewertung.

Die Produktivitätssteigerungen spiegeln sich auch in konkreten Kennzahlen wider. Der Bericht zeigt, dass die durchschnittliche Anzahl an Code-Commits pro Ingenieur innerhalb von sechs Monaten auf das Fünffache angestiegen ist, während das Abfragevolumen der Data Scientists deutlich zugelegt hat und auch die Output-Mengen nichttechnischer Positionen – etwa von Juristen, Buchhaltern oder Vertriebsmitarbeitern – gestiegen sind.

Die Mitarbeiterproduktivität stieg stark, nachdem mehrere Fachabteilungen bei Anthropic KI-Technologie einführten

Um Störfaktoren wie Geschäftswachstum auszuschließen, wandte das Forschungsteam eine vergleichende Analysemethode an. Sie verfolgten 192 Ingenieure, die Codierungsagenten nutzten, und verglichen sie mit einer Kontrollgruppe von 74 Ingenieuren, die das Tool noch nicht einsetzten, unter Verwendung individueller und monatlicher Festeffekte zur Schätzung.

Die Ergebnisse zeigten, dass Ingenieure nach Einführung der Codierungsagenten einen statistisch signifikanten, schnellen Anstieg ihres Code-Commit-Volumens verzeichneten.

Anthropic-Ingenieure verzeichneten nach Einführung von Codierungsagenten eine höhere Produktivität; die Rollback-Rate von KI-generiertem Code unterschied sich nicht signifikant von der manuell geschriebenen Variante

Der Bericht analysierte zudem, ob KI minderwertigen Code erzeugt.

Das Forschungsteam verglich Code, der direkt von Agenten generiert wurde, mit manuell vom selben Mitarbeiter im selben Monat und Verzeichnis geschriebenem Code – als Qualitätsmaßstab diente der Anteil innerhalb von 90 Tagen gelöschten oder zurückgesetzten Codes. Das Ergebnis zeigte keinen statistisch signifikanten Unterschied in der Codequalität. Zumindest bezogen auf Rollback-Raten ist KI-generierter Code mit menschlichem Code vergleichbar.

Auch in nichttechnischen Positionen stieg die Produktivität. Der Bericht zeigt, dass Vertriebsmitarbeiter nach Einführung von Agenten mehr Kundenabschlüsse tätigten. Ein Key-Account-Manager schätzte, dass Claude etwa 20 % der Routineaufgaben automatisierte – darunter E-Mail-Entwürfe und CRM-Systembedienung.

Ein weiterer Befragter berichtete, dass durch Automatisierung gewonnene Zeit es ihm ermöglichte, die Zahl seiner Kundenmeetings um 30 % zu steigern.

Von Ausführenden zu Agenten-Managern

Die Zunahme an Agenten und die gestiegene Produktivität haben Mitarbeiter nicht entlastet. Im Gegenteil: menschliche Aufmerksamkeit wird zunehmend zur Engstelle für Agentenleistung.

Der Bericht zeigt, dass Agenten in interaktiven Gesprächen rund 80 % ihrer Zeit im Wartezustand verbringen – sie benötigen menschliche Anweisungen, Ergebnisbestätigungen oder Vorgaben für nächste Schritte.

Das Forschungsteam wandelte zudem die von Agenten ausgegebenen Tokens anhand der durchschnittlichen Lesegeschwindigkeit einer Durchschnittsperson in Lesezeit um. Das Ergebnis: Der in interaktiven Claude-Sitzungen in nichttechnischen Abteilungen generierte Inhalt beansprucht einen erheblichen Teil der wöchentlichen Arbeitszeit der Mitarbeitenden. Allein das Lesen und Verarbeiten von KI-Inhalten ist mittlerweile eine nicht zu vernachlässigende Arbeitslast.

Nur Claudes Ausgaben zu lesen entspricht einer Vollzeitbelastung

Als Reaktion auf diesen Wandel entwickelten Mitarbeitende schrittweise neue Arbeitsweisen. Der Bericht bezeichnet dies als „Meta-Arbeit“ – Managementtätigkeiten rund um Agenten, etwa Entwicklung von Managementtools, Formulierung ständiger Anweisungen, Gestaltung von Monitoring-Dashboards sowie Organisation von Querprüfungen zwischen verschiedenen Agenten. Kern dieser Arbeit ist nicht mehr die direkte Ausführung konkreter Aufgaben, sondern das Design und die Steuerung der Prozesse, über die KI Aufgaben erledigt.

Relevante Daten dokumentieren diesen Wandel: Im Herbst 2025 machte „Meta-Arbeit“ etwa 10 % der interaktiven Claude-Sitzungen aus; bis zum Frühjahr 2026 stieg dieser Anteil auf 22 %. Der Anstieg resultierte vor allem aus Agenten-Management-Aktivitäten wie Spezifikationen für Multi-Agenten-Systeme, Querprüfungen zwischen Agenten und Überwachung des Workflow-Status.

Anthropic-Mitarbeitende verwalten zunehmend Agenten statt selbst die eigentlichen Aufgaben auszuführen

Die Veränderungen in der Arbeitsweise spiegeln sich auch in den Rekrutierungsstandards wider.

Das Forschungsteam führte eine automatisierte Code-Analyse der Interview-Bewertungsbögen tausender Anthropic-Mitarbeitender seit 2024 durch und stellte fest: Der Anteil von Bewertungen, die in technischen Positionen die Fähigkeit zum Einsatz von KI-Tools erwähnen, stieg von ca. 5 % auf ca. 15 %; in nichttechnischen Positionen von ca. 7 % auf ca. 28 %.

Gleichzeitig verschob sich der Fokus der Einstellungsbewertung: In technischen Positionen gewannen Autonomie und Urteilsvermögen rasch an Gewicht, während Fachkompetenz relativ an Bedeutung verlor; nichttechnische Positionen legen stärkeren Wert auf Kundenorientierung und Auftragsbewusstsein, weniger auf Ausführungskompetenzen. Ein Recruiter erklärte, da Modellfähigkeiten je nach Fachgebiet weiterhin variieren würden, erwarte er von Teammitgliedern Flexibilität beim Wechsel zwischen verschiedenen Bereichen.

Ein Fallbeispiel im Bericht verdeutlicht diesen Wandel.

Ein Designteam bei Anthropic, das für die Erstellung von Begrüßungstexten für das Produkt Claude.ai zuständig ist, entwickelte im Frühjahr 2026 ein Kontext-Mapping-System, das Agenten bei der Generierung von Produktexten leitet und so die Auslastungskapazität des Teams erhöht. Anschließend wechselte das Team zur Agenten-Prompt-Engineering und übernahm die Verantwortung für die Erstellung von Modellbewertungsinhalten und -prompts.

Der Bericht fasst dies wie folgt zusammen: Schriftsteller, die einst menschliches Verhalten durch Sprache beeinflussten, beginnen nun, das Verhalten von Claude durch Sprache zu beeinflussen. Mit anderen Worten: Die Berufsbezeichnungen und äußeren Rahmenbedingungen haben sich nicht verändert, doch der Kern ihrer Arbeit könnte sich gewandelt haben.

Herausforderungen für Einsteiger

Der Fall Anthropic verdeutlicht die Auswirkungen von KI auf Beschäftigungsstrukturen. Als eines der führenden Unternehmen im Bereich KI-Anwendungen bieten die internen Veränderungen bei Anthropic einen Orientierungsrahmen für mögliche zukünftige Entwicklungen in anderen Branchen.

Derzeit spiegeln sich die Auswirkungen von KI auf den Arbeitsmarkt zunächst in kognitiver Anfangstätigkeit wider. Stellen wie Junior-Programmierer, Einsteigeranalysten, Frontline-Kundenservice, einfache Texter sowie Junior-Finanzfachkräfte – traditionelle Einstiegspositionen für Hochschulabsolventen – werden zunehmend durch KI beeinflusst.

Die damit verbundenen Probleme betreffen nicht nur die Stellenanzahl. Einsteigerrollen sind zudem entscheidende Startpunkte, um Erfahrung zu sammeln, Geschäftsprozesse kennenzulernen und sich schrittweise weiterzuentwickeln. Mit dem Schrumpfen dieser Ebene könnten auch die Chancen junger Menschen sinken, ihren ersten Job zu finden und berufliche Erfahrung zu sammeln. Falls Unternehmen ihre Anforderungen an Neueinsteiger zunehmend auf Kompetenzen im Umgang mit KI-Tools, Urteilsvermögen und Eigenverantwortung ausrichten, stellt sich zudem die Frage, wann und wie diese Fähigkeiten erworben werden sollen – eine weitere Herausforderung.

Der Bericht diskutiert mehrere Maßnahmen, die Unternehmen ergreifen können:

Erstens: Durch ein breit angelegtes Beteiligungsmodell ermöglichen, dass Mitarbeitende am Nutzen steigender Produktivität durch KI partizipieren. Wenn Mitarbeitende Agenten steuern und mehr Entscheidungsverantwortung übernehmen, wird die Ausrichtung individueller Interessen an Unternehmenszielen noch wichtiger.

Zweitens: Ein Frühwarnsystem etablieren, um die Auswirkungen von KI auf verschiedene Positionen kontinuierlich zu überwachen und frühzeitig interne Neuverteilungen betroffener Mitarbeitender zu planen.

Drittens: Interne Mobilitätsmechanismen stärken. Wenn bestehende Aufgaben zunehmend automatisiert werden, sollen Mitarbeitende bei ihrem Wechsel in neue Tätigkeitsfelder unterstützt – statt direkt in den externen Arbeitsmarkt gedrängt – werden.

Interne Unternehmensmaßnahmen reichen jedoch nicht aus, um umfassendere gesellschaftliche Fragen zu lösen. Als Spitzenunternehmen im KI-Bereich kann Anthropic internen Mitarbeitenden Neuverteilung und Beteiligung ermöglichen. Für die meisten traditionellen Industrieunternehmen und deren Beschäftigte stehen solche Ressourcen und institutionellen Regelungen oft nicht zur Verfügung. Wer hilft diesen Unternehmen, Veränderungen bei Stellen zu identifizieren? Wer trägt die Kosten für die Qualifizierung der Mitarbeitenden? Diese Fragen gehen über die Handlungskompetenz einzelner Unternehmen hinaus.

Am Ende des Berichts fällt eine Aussage besonders auf: „Eine Belegschaft, die ängstlich und besorgt ist, leistet nicht ihr Bestes.“

Diese Aussage erinnert daran, dass die Auswirkungen von KI auf Beschäftigung nicht nur ökonomisch, sondern auch psychologisch und gesellschaftlich sind.

Da sich die Definition von Arbeit rasch wandelt, die Einstiegshürden stetig steigen und alle ständig beweisen müssen, nicht durch KI ersetzbar zu sein, kann diese andauernde Unsicherheit selbst zu einer weitverbreiteten sozialpsychologischen Belastung werden.

Anthropics Experimente laufen noch. Die Fähigkeiten der Agenten verbessern sich kontinuierlich, die Anzahl der Anwendungsfälle wächst stetig, und die Aufgabenteilung zwischen Mensch und KI verändert sich fortlaufend. Die endgültige Form dieser Transformation bleibt unklar – doch eines steht fest: Arbeitsplätze verschwinden möglicherweise nicht, doch Sinn, Zugangsvoraussetzungen und Wertigkeit von Arbeit werden neu definiert.