Anthropic-Daten zu KI-Agenten in der Belegschaft zeigen eine verschwindende Einstiegsstufe

Anthropic zufolge sank der Anteil von Junioren unter technischen Neueinstellungen von 27% auf 9%, während von Mitarbeitenden gesteuerte KI-Agenten sechs Stunden je menschlicher Arbeitsstunde protokollierten. Die Anthropic-KI-Agentenbelegschaft wächst weiter, doch ihre technische Einstiegsebene wird merklich dünner.

Diese Kombination ist aussagekräftiger als jede der beiden Zahlen für sich. Anthropic berichtet weder von einer klassischen Entlassungswelle noch von einem Einstellungsstopp. Beschrieben wird ein wachsendes Unternehmen, das zunehmend erfahrene Menschen bevorzugt, die Flotten von Claude-Agenten anleiten, bewerten und koordinieren können.

Der zentrale Konflikt lautet daher nicht abstrakt Menschen gegen Maschinen. Es geht um erfahrenes Urteilsvermögen gegenüber der Juniorarbeit, durch die dieses Urteilsvermögen traditionell entsteht. Auch OpenAI integriert Agenten stärker in interne Wissensarbeit, doch Anthropic hat offengelegt, wie dieser Übergang Einstellungen verändern kann, bevor die Gesamtbeschäftigung sinkt.

Die Junior-Einstellungen bei Anthropic sanken, während die Agentenarbeit zunahm

Die Belegschaftsdaten von Anthropic zeigen einen deutlichen Wandel bei den Einstellungen, obwohl das Unternehmen weiterhin technische Mitarbeitende einstellt.

Anthropic veröffentlichte seine interne Beschäftigungsstudie am 16. Oktober 2026. Der Bericht stützt sich auf Beschäftigungsdaten, Agenten-Telemetrie, Output-Messungen, Mitarbeiterbefragungen, Kalender, interne Kommunikation und Einstellungsentscheidungen. Die Forschenden führten zudem 17 Mitarbeiterinterviews.

Die wichtigsten Zahlen betreffen technische Rollen. Der Anteil juniorer Mitarbeitender in den technischen Abteilungen von Anthropic sank von 21% Anfang 2025 auf 14% im Jahr 2026. Der Junioranteil bei technischen Neueinstellungen fiel noch stärker, von 27% auf 9%.

Ein Diagramm der Studie beziffert offene technische Juniorstellen am Ende des Messzeitraums auf 6%. Der Rückgang offener Positionen wurde insbesondere nach Dezember 2025 deutlich. Interne Diskussionen über die schwächere Nachfrage nach technischen Junior-Mitarbeitenden begannen im Januar 2026.

Bis April hatten die Engineering- und Forschungsteams von Anthropic technische Positionen niedrigerer Stufen weniger stark priorisiert. Rund ein Drittel der Führungskräfte im Machine Learning und ein Fünftel der Software-Engineering-Führungskräfte gaben an, wegen KI weniger einzustellen.

Diese Veränderungen bedeuteten nicht, dass Anthropic keine Ingenieure mehr einstellte. Das Unternehmen erklärt, die technische Mitarbeiterzahl sei in absoluten Zahlen weiter gewachsen. Vertrieb, Finanzen und Recruiting wuchsen jedoch schneller, wodurch der Anteil der technischen Abteilungen an der Belegschaft von 61% auf 56% sank.

Diese Unterscheidung verhindert eine irreführende Interpretation. Ein sinkender Beschäftigungsanteil ist nicht dasselbe wie eine schrumpfende Mitarbeiterzahl. Die Daten zeigen einen Wandel in der Zusammensetzung der Belegschaft, wobei sich der deutlichste Rückgang auf den Juniorbereich konzentriert.

Nicht-technische Einstellungen wirkten nach Seniorität stabiler. Dieser Unterschied stärkt den Zusammenhang der Studie zwischen Coding-Agenten und technischen Einstellungen, belegt jedoch keine einzelne Ursache.

Der Zeitpunkt deckt sich mit einer schnellen Ausweitung der Agentenarbeit. Anthropic zufolge überstiegen autonome und interaktive Agenten erstmals im März 2026 die geschätzten menschlichen Arbeitsstunden. Bis August sammelten von Mitarbeitenden gesteuerte Agenten sechs aktive Stunden je geschätzter menschlicher Arbeitsstunde an.

Anthropic definiert Agentenzeit als Inferenz und aktive Tool-Nutzung, wobei Wartezeiten von mehr als 30 Minuten ausgeschlossen werden. Menschliche Arbeitszeit wird nicht direkt beobachtet. Die Forschenden schätzen sie, indem sie die Mitarbeiterzahl mit einer 40-Stunden-Woche multiplizieren.

Diese Methodik macht die Sechs-zu-eins-Zahl weniger wörtlich, als sie zunächst wirkt. Agentenlaufzeiten können parallel stattfinden, während menschliche Arbeit Planung, Diskussionen, Lesen und Entscheidungen umfasst, die Telemetrie nicht erfassen kann. Eine Agentenstunde entspricht nicht einer Mitarbeiterstunde im wirtschaftlichen Wert.

Dennoch ist die Richtung schwer von der Hand zu weisen. Agenten führen Tests aus, warten Infrastruktur, übersetzen Codebasen, finden Fehler und erzeugen Software. Persönliche Assistenten überwachen zudem Kalender, sortieren Nachrichten vor und bereiten Besprechungsunterlagen vor.

Die folgenreichste Erkenntnis der Beschäftigungsstudie liegt in der Überlappung dieser Trends. Die Beschäftigung von Junioren wuchs langsamer in Tätigkeiten, in denen Mitarbeitende Claude ihre komplexesten Aufgaben übertrugen.

Dieser Zusammenhang beweist nicht, dass Claude jede fehlende Juniorstelle verursacht hat. Anthropic expandierte schnell, änderte seinen Geschäftsmix und stellte für Bedürfnisse ein, die sich während der Studie entwickelten. Das Muster bietet jedoch einen glaubwürdigen Einblick darin, wie die Einführung von Agenten Einstellungen am Rand verändern kann.

Die Anthropic-KI-Agentenbelegschaft hat daher mehr als die Produktionsgeschwindigkeit verändert. Sie hat verändert, welche menschlichen Fähigkeiten Führungskräfte über den Arbeitsmarkt einkaufen möchten.

Sechs Agentenstunden entsprechen nicht sechs ersetzten Menschen

Das Sechs-zu-eins-Verhältnis von Anthropic misst Maschinenaktivität, nicht sechs vollständig gestrichene Stellen pro Mitarbeitendem.

Der Unterschied beginnt mit Parallelität. Ein Ingenieur kann mehrere Agenten gleichzeitig starten. Diese Agenten können Repositories durchsuchen, Tests schreiben, Patches vorschlagen oder Fehler untersuchen, während der Ingenieur eine andere Aufgabe bearbeitet.

Dadurch entsteht mehr Maschinenlaufzeit, als eine einzelne Person nacheinander erzeugen könnte. Das bedeutet nicht, dass jede Stunde nutzbaren Output liefert. Agentenarbeit umfasst weiterhin gescheiterte Ansätze, doppelte Analysen, irrelevante Texte und Arbeit, die auf Überprüfung wartet.

Anthropic stellte fest, dass interaktive Claude-Sitzungen rund 80% ihrer Echtzeit auf menschliche Eingaben warten. Die Agenten können schneller laufen, als Mitarbeitende Ergebnisse prüfen, Unklarheiten auflösen und den nächsten Schritt freigeben können.

Menschliche Aufmerksamkeit wird zum Engpass. Mitarbeitende beschrieben sich als Manager von Claude-Systemen statt als direkte Produzenten jedes einzelnen Arbeitsergebnisses. In einer April-Umfrage gaben 20% an, ihre Rolle habe sich von der Ausführung der Arbeit hin zur Steuerung von Claudes verlagert.

Die internen Prozesse des Unternehmens änderten sich entsprechend. Schriftliche Daueranweisungen für Agenten wuchsen von einigen Hundert im Juli 2025 auf 8.500 ein Jahr später. Mitarbeitende bauten Dashboards, Monitoring-Systeme, Überprüfungsschleifen und sogar Agentenaufsichten.

Diese Koordinationsarbeit, die Anthropic Meta-Arbeit nennt, stieg von 10% der interaktiven Sitzungen durchschnittlicher Mitarbeitender im Herbst 2025 auf 22% im Frühjahr 2026. Meta-Arbeit umfasst das Schreiben von Spezifikationen, die Überprüfung von Agentenplänen, das Überwachen von Pipelines und die Dokumentation von Prozessen für die maschinelle Nutzung.

Diese Systeme können den messbaren Output steigern. Anthropic berichtet, dass Code-Commits pro Ingenieur das Fünffache ihres Niveaus von sechs Monaten zuvor erreichten. Juristen bearbeiteten mehr Verträge, Vertriebsmitarbeitende schlossen mehr Geschäfte ab und Finanzteams wickelten mehr Rechnungen ab.

Die Studie verfolgte zudem 192 Ingenieure, die Coding-Agenten einführten, und verglich sie mit 74 Ingenieuren, die sie im Zeitraum nicht einführten. Der Code-Output stieg nach der Einführung, selbst wenn die Forschenden dieselben Mitarbeitenden über die Zeit hinweg betrachteten.

Anthropic untersuchte mehrere Indikatoren für Codequalität, darunter spätere Löschungen, Entfernungen bei Bugfixes, Rücksetzungen, übersprungene Tests und unterdrückte Lint-Prüfungen. Unter diesen Indikatoren wurde kein messbarer Qualitätsunterschied zwischen von Menschen und von Agenten geschriebenen Commits berichtet.

Diese Prüfungen sind nützlich, aber unvollständig. Codezeilen, die 90 Tage lang bestehen bleiben, erfassen weder Architekturqualität, Sicherheitsrisiken und Wartbarkeit noch die Frage, ob ein Feature geschäftlichen Wert geschaffen hat. Anthropic warnt ausdrücklich davor, dass mehr Code nicht zwangsläufig besseren Code bedeutet.

Auch die Auswahl erschwert das Ergebnis. Ingenieure, die autonome Agenten einführten, befanden sich bereits auf einem steigenden Output-Pfad. Beschäftigte mit großen Projekten dürften die Tools eher eingeführt haben, wodurch Kausalität schwer zu isolieren ist.

Dasselbe gilt über das Engineering hinaus. Ein Account Executive sagte, Automatisierungen hätten rund 20% der bisherigen Aufgaben ersetzt. Ein anderer berichtete, nach der Automatisierung routinemäßiger Kommunikation und Datensatzaktualisierungen mit 30% mehr Kunden gesprochen zu haben.

Ein Jurist baute Automatisierungen, die Rechtsfragen prüften, öffentliche Texte überprüften und Risiken hervorhoben. Ein Recruiter nutzte Claude für Sourcing, Bewerbertracking und eine Analyse, die zuvor Wochen benötigt hätte.

Diese Fälle zeigen, dass Aufgabenersetzung und Aufgabenausweitung gleichzeitig stattfinden. KI beseitigt einen Teil der Umsetzungsarbeit, doch Mitarbeitende nutzen die frei gewordene Kapazität für mehr Kunden, Projekte oder Entscheidungen.

OpenAI hat einen vergleichbaren Wandel von Chat-Oberflächen hin zu Agenten berichtet. Seine Daten zur Wissensarbeit besagen, dass Nicht-Entwickler Codex zunehmend für Recherche, Datenanalyse, Dokumente und schlanke interne Tools einsetzen.

Der Vergleich legt nahe, dass Anthropic nicht allein den Übergang von gelegentlicher Unterstützung zu dauerhaft delegierter Arbeit vollzieht. Allerdings hat keines der beiden Unternehmen ein standardisiertes Maß vorgelegt, das Agentenlaufzeit mit wirtschaftlich nützlicher menschlicher Arbeit gleichsetzt.

Das Sechs-zu-eins-Verhältnis lässt sich am besten als organisatorisches Signal lesen. Anthropic kann heute weit mehr Maschinenaktivität erzeugen, als seine Mitarbeitenden persönlich leisten können. Der daraus entstehende Engpass liegt bei Bewertung, Kontext und verantwortlichem Urteilsvermögen.

Dieser Engpass erklärt, warum erfahrene Beschäftigte an Wert gewinnen. Sie können entscheiden, was Agenten tun sollen, subtile Fehler erkennen und Konflikte über mehrere Systeme hinweg auflösen. Junior-Mitarbeitende erwarben diese Fähigkeiten traditionell durch die Umsetzungsarbeit, die nun automatisiert wird.

Einstellungen für Anthropic-KI-Agenten belohnen Urteilsvermögen statt Ausführung

Die Anthropic-KI-Agentenbelegschaft begünstigt Menschen, die Probleme einordnen und Ergebnisse prüfen können, während die Nachfrage nach enger Umsetzungskapazität sinkt.

Anthropic analysierte Tausende von Einstellungsbewertungsbögen, die seit 2024 erstellt wurden. Erwähnungen der Erfahrung von Bewerbenden mit KI-Tools verdreifachten sich in technischen Rollen und vervierfachten sich in nicht-technischen Rollen bis 2026.

Auch technische Interviews gewichteten Autonomie und Urteilsvermögen stärker. Die Diskussion domänenspezifischer Expertise sank als Anteil der Bewertungskommentare. Führungskräfte suchten zunehmend Bewerbende, die sich zwischen Domänen bewegen und effektiv mit unvollkommenen Modellen arbeiten konnten.

Diese Veränderung spiegelt die unregelmäßige Leistungsfähigkeit von Agenten wider. Ein Modell kann ein schwieriges Programmierproblem lösen und anschließend eine offensichtliche Einschränkung übersehen. Anthropic-Führungskräfte schätzen daher Menschen, die erkennen können, wann ein Ergebnis Vertrauen verdient.

Die entstehende Rolle ähnelt der eines Managers, auch ohne direkte Personalverantwortung. Einzelne Mitarbeitende verteilen Aufgaben auf Agenten, halten den Kontext aufrecht, überprüfen Arbeit und greifen ein, wenn Systeme Entscheidungen zu Sicherheit oder Organisationsrichtlinien erreichen.

Die Kalenderdaten von Anthropic stützen diese Interpretation. Der Median-Mitarbeitende verbrachte 20% mehr Zeit in Meetings als ein Jahr zuvor. Die Meetingzeit technischer Einzelmitarbeitender stieg um 16%.

Diese Zahlen widersprechen der einfachen Annahme, Automatisierung beseitige Koordination. Agenten beschleunigen die Umsetzung, doch schnellerer Output erzeugt mehr Entscheidungen und Abhängigkeiten. Mitarbeitende müssen Teams abstimmen, systemische Probleme lösen und bestimmen, welche Arbeit veröffentlicht werden soll.

Das Unternehmen stellte zudem fest, dass Agenten in fast der Hälfte der aktiven öffentlichen Slack-Kanäle auftauchten. Sie arbeiteten gewöhnlich in speziellen Mensch-Agenten-Threads, statt Gespräche zwischen Menschen zu ersetzen.

Die menschliche Diskussion blieb strukturell ähnlich, während sich Agentenkommunikation darum herum ansammelte. Dieses Muster ähnelt zusätzlicher organisatorischer Kapazität, schafft jedoch auch mehr Informationen, die Mitarbeitende verarbeiten müssen.

Kontext wird in dieser Umgebung zur Infrastruktur. Privat getroffene Entscheidungen können dazu führen, dass Agenten mit veralteten Annahmen arbeiten. Anthropic-Mitarbeitende dokumentieren Arbeit zunehmend so, dass automatisierte Systeme aktuelle Ziele, Verantwortlichkeiten und Einschränkungen finden können.

Dies begünstigt Beschäftigte, die die Organisation verstehen, nicht nur die unmittelbare Aufgabe. Erfahrene Mitarbeitende verfügen über implizites Wissen über frühere Entscheidungen, Fehlerquellen, Kundenerwartungen und verborgene Abhängigkeiten.

Traditionell bietet technische Einstiegsarbeit einen Zugang zu diesem Wissen. Neue Ingenieurinnen und Ingenieure lernen, indem sie kleine Fehler beheben, Tests schreiben, Systeme warten und Reviews beobachten. Genau diese Aufgaben übernehmen Coding-Agenten zunehmend.

Ein Unternehmen kann daher seine kurzfristige Leistung steigern und zugleich seine zukünftige Ausbildungspipeline schwächen. Es erhält unmittelbaren Nutzen von erfahrenen Fachkräften, schafft jedoch weniger Gelegenheiten für Einsteiger, selbst zu erfahrenen Fachkräften zu werden.

Darin liegt die zentrale Umkehrung bei Anthropics Einstellungspraxis für Junior-Talente. KI-Agenten sind wertvoll, weil sie Routinearbeit übernehmen, doch Routinearbeit diente früher als praktische Ausbildung für anspruchsvolleres Urteilsvermögen.

Diese Arbeit zu entfernen, beseitigt nicht automatisch den Bedarf an Expertise. Es kann den Wert von Expertise erhöhen und zugleich die Mechanismen schwächen, durch die sie entsteht.

Anthropic hat teilweise mit interner Mobilität reagiert. Beschäftigte, die mindestens ein Jahr im Unternehmen waren, wechselten 2026 monatlich mit einer um 50 % höheren Wahrscheinlichkeit die Abteilung als 2025.

Ein Produktdesign-Team veranschaulicht diesen Ansatz. Nachdem es ein Kontextsystem aufgebaut hatte, das Agenten das Verfassen von Produkttexten ermöglichte, wechselte das Team zu Modellevaluierungen und Prompt-Entwicklung.

Diese Umverteilung schützte bestehende Mitarbeitende und schuf zugleich neue Arbeit rund um Claude. Sie löste jedoch nicht das Zugangsproblem für Kandidatinnen und Kandidaten, die nie eingestellt wurden.

Anthropic erkennt diese Einschränkung an. Im Bericht heißt es, dass Schutzmaßnahmen für aktuelle Beschäftigte Menschen nicht helfen können, die von vornherein aus dem Unternehmen ausgeschlossen sind.

Das Unternehmen entwickelt außerdem ein Frühwarnsystem zur Beobachtung von Rollen, die KI-getriebenem Wandel ausgesetzt sind. Es plant, Nachfrage und Leistung auf Rollenebene mit den Fähigkeiten von Agenten zu vergleichen und anschließend mögliche interne Wechsel zu identifizieren.

Für Unternehmen, die ähnliche Systeme einführen, wird Dokumentation wichtiger. Eine Engineering-Wissensdatenbank kann technischen Kontext projektübergreifend bewahren, doch dokumentiertes Wissen kann angeleitete Praxis nicht ersetzen.

Das Arbeitskräfteproblem besteht nicht einfach darin, Absolventinnen und Absolventen bessere Prompts schreiben zu lehren. Künftige Junior-Rollen müssen Beschäftigten ermöglichen, Urteilsvermögen aufzubauen, während Agenten mehr Ausführung übernehmen. Dafür braucht es bewusstes Jobdesign, Mentoring, Zugang zu Reviews und Verantwortung, die mit der Zeit wächst.

Ohne solche Strukturen könnten Arbeitgeber um einen begrenzten Pool erfahrener Fachkräfte konkurrieren. Jedes Unternehmen kann individuell Ausbildungskosten senken und dabei darauf angewiesen sein, dass andere Organisationen die erfahrenen Talente hervorbringen, die es später rekrutiert.

Was Anthropics Zahlen weiterhin nicht beweisen können

Der Bericht verknüpft die Einführung von Agenten mit geringeren Einstellungen von Junior-Talenten, kann KI jedoch nicht von Anthropics ungewöhnlichem Wachstum, seiner Belegschaft und seinen Anreizen isolieren.

Anthropic ist ein Extremfall. Das Unternehmen entwickelt Spitzenmodelle, beschäftigt Arbeitskräfte, die aufgrund ihrer technischen Fähigkeiten ausgewählt wurden, und gewährt ihnen frühen Zugang zu Claude-Systemen, die anderswo nicht verfügbar sind.

Beschäftigte haben zudem einen direkten Anreiz, die eigenen Produkte des Unternehmens zu nutzen. Interne Erwartungen, Werkzeuge und Managementpraktiken fördern schnelle Automatisierung. Viele konventionelle Unternehmen teilen diese Bedingungen nicht.

Anthropic verdreifachte sich im vom Bericht erfassten Jahr. Rasches Wachstum kann die Anteile von Abteilungen verändern, auch wenn keine Technologie Beschäftigte verdrängt. Vertrieb und Finanzen wachsen oft, nachdem ein Startup einen größeren kommerziellen Betrieb aufgebaut hat.

Die Zusammensetzung der Einstellungen hängt auch von Bindung und Beförderungen ab. Wenn Junior-Beschäftigte bleiben und in höhere Stufen aufsteigen, kann ihr Anteil ohne Entlassungen sinken. Die veröffentlichten Zahlen trennen Beförderungen, Abgänge und geringere Rekrutierung nicht vollständig.

Die Evidenz der Studie ist am stärksten, wenn sie Anthropic selbst beschreibt. Ihre weiterreichenden wirtschaftlichen Implikationen bleiben eher hinweisend. Forschende können nicht zufällig ganze Abteilungen dazu einteilen, Agenten einzuführen oder frühere Arbeitsabläufe beizubehalten.

Auch die Produktivitätsmaße müssen sorgfältig gelesen werden. Code-Commits, Abfragen, Verträge, Rechnungen und Abschlüsse erfassen Aktivität, unterscheiden sich jedoch jeweils in Qualität und wirtschaftlichem Wert. Unternehmenswachstum kann die Leistung auch unabhängig von KI erhöhen.

Anthropic versuchte, dieses Problem anzugehen, indem es Anwender und Nichtanwender innerhalb derselben Monate verglich. Beschäftigte entscheiden jedoch selbst, ob und wann sie Agenten einsetzen. Mitarbeitende, die ehrgeizige Projekte vorbereiten, können sowohl Agenten einführen als auch aus unabhängigen Gründen ihre Leistung steigern.

Die KI-Agenten des Unternehmens arbeiten zudem innerhalb von Systemen, die speziell für sie aufgebaut wurden. Anthropic-Beschäftigte schaffen strukturierten Kontext, Monitoring-Werkzeuge, dokumentierte Entscheidungen und Review-Prozesse. Die meisten Organisationen verfügen über fragmentierte Daten und weniger beobachtbare Arbeit.

Die nationale Evidenz bleibt zurückhaltender. Eine Studie aus dem Jahr 2026 auf Basis von Daten des Census Bureau stellte fest, dass sich die KI-Einführung auf große und wissensintensive Unternehmen konzentrierte. Unter den Anwendern nutzten laut der Studie zur Unternehmensadoption 57 % KI in drei oder weniger Funktionen.

Diese Lücke ist bedeutsam. Anthropic beschreibt eine um Agenten herum neu gestaltete Organisation, während viele Unternehmen KI weiterhin zum Schreiben, zur Dokumentenanalyse und zur Suche nutzen. Von identischen Auswirkungen auf Einstellungen sollte nicht ausgegangen werden.

Dennoch weist externe Evidenz für jüngere Beschäftigte in dieselbe grobe Richtung. Stanford-Forschende, die Lohndaten nutzten, fanden keinen breit angelegten KI-bedingten Beschäftigungseinbruch, identifizierten jedoch eine wachsende Lücke zu Beginn der Karriere.

Bis Juni 2026 lag die Beschäftigung von Arbeitskräften im Alter von 22 bis 25 Jahren in stark exponierten Berufen etwa 19 % unter dem Niveau, das auf Basis weniger exponierter Berufe zu erwarten gewesen wäre. Die Anpassung zeigte sich vor allem in geringeren Einstellungen und nicht in mehr Trennungen.

Die Ergebnisse zur frühen Karrierephase beweisen nicht, dass generative KI diese gesamte Lücke verursacht hat. Wirtschaftliche Bedingungen, Einstellungszyklen in Branchen und Unterschiede zwischen Berufen bleiben mögliche Einflussfaktoren.

Forschung zu KI-nativen Startups bietet einen weiteren Vergleich. Eine Analyse der Harvard Business School ergab, dass diese Unternehmen weniger Menschen beschäftigten und flachere Organisationen aufwiesen als ähnliche Unternehmen ohne KI-Fokus.

KI-native Startups waren in der Y-Combinator-Stichprobe der Studie etwa 25 % kleiner und in einer breiteren, durch Risikokapital finanzierten Stichprobe 12 % kleiner. Sie beschäftigten außerdem weniger Berufseinsteiger.

Die Evidenz zu Startups stützt Anthropics Richtung, beschreibt jedoch eine ausgewählte Gruppe junger Unternehmen. Sie belegt nicht, dass etablierte Arbeitgeber sich auf dieselbe Weise reorganisieren werden.

Es gibt auch glaubwürdige Hinweise darauf, dass KI Beschäftigten am Beginn ihrer Karriere helfen kann, ihre Fähigkeiten zu erweitern. Ein randomisiertes Feldexperiment gewährte 673 IT-Auszubildenden im letzten Ausbildungsjahr an zwölf deutschen Berufsschulen Zugang zu KI.

KI verbesserte die Leistung bei Aufgaben außerhalb der formalen Ausbildung der Auszubildenden um 26 bis 31 Prozentpunkte. Das Experiment stellte keine unmittelbare Verringerung des Aufgabenverständnisses fest, obwohl Beschäftigte mit höherer KI-Kompetenz stärker profitierten.

Dieses Experiment mit Auszubildenden erschwert jede Behauptung, KI mache Junior-Talente zwangsläufig weniger wertvoll. Unter den richtigen Bedingungen kann sie erweitern, was sie leisten können.

Die ungelöste Frage ist eine organisatorische Entscheidung. Arbeitgeber können Agenten einsetzen, um Junior-Stellen abzubauen, oder um den Umfang von Junior-Rollen zu erweitern. Die Technologie ermöglicht beide Wege.

Anthropics aktuelle Daten spiegeln ein Spitzenlabor wider, das unter hohem Druck steht, schnell voranzukommen. Sie sollten als frühe Fallstudie behandelt werden, nicht als universelles Gesetz der Beschäftigung.

Die Studie stammt zudem von dem Unternehmen, dessen Produkt im Zentrum der Analyse steht. Anthropic legte Einschränkungen offen und beschrieb mehrere Methoden detailliert, doch unabhängige Replikation bleibt erforderlich.

Ein standardisierter Vergleich zwischen Anthropic, OpenAI, Google, Meta und konventionellen Softwareunternehmen wäre aufschlussreicher. Forschende bräuchten konsistente Messgrößen für Agentenaktivität, Ergebnisqualität, Einstellungen, Beförderungen und Mitarbeiterbindung.

Bis dahin gehen Behauptungen, Agenten hätten sechs Beschäftigte pro Arbeitskraft ersetzt, über die Evidenz hinaus. Anthropic maß sechs Stunden aktiver Agentenlaufzeit pro geschätzter Arbeitsstunde eines Beschäftigten, nicht sechs gleichwertige Vollzeitstellen.

Drei Signale werden zeigen, ob die Junior-Stufe weiter schrumpft

Der nächste Test besteht darin, ob sich Anthropics Verschiebung bei Einstellungen fortsetzt, auf Wettbewerber übergreift und genügend erfahrene Arbeitskräfte für eine agentenintensive Wirtschaft hervorbringt.

Das erste Signal ist Anthropics eigene Mischung aus technischen Stellenausschreibungen und Einstellungen. Die aussagekräftigsten Zahlen werden der Junior-Anteil an Ausschreibungen, Neueinstellungen, Beförderungen und internen Wechseln sein.

Bleiben technische Junior-Stellen nahe 6 %, während die Agentenaktivität wächst, wird die Neugestaltung der Belegschaft strukturell wirken. Eine Erholung bei Junior-Ausschreibungen würde darauf hindeuten, dass der aktuelle Rückgang eine vorübergehende Anpassung oder einen ungewöhnlich selektiven Einstellungszyklus widerspiegelte.

Beförderungen verdienen ebenso Aufmerksamkeit. Anthropic kann eine expertenlastige Organisation eine Zeit lang durch die Einstellung erfahrener Kandidatinnen und Kandidaten aufrechterhalten. Ein dauerhaftes Talentmodell kann das Unternehmen jedoch nicht belegen, wenn weniger erfahrene Beschäftigte innerhalb des Unternehmens nicht weiterhin aufsteigen.

Das zweite Signal sind vergleichbare Offenlegungen anderer Spitzenlabore. OpenAI, Google und Meta nutzen alle KI intern, doch ihre öffentlichen Kennzahlen sind bislang nicht standardisiert.

OpenAI hat eine rasch zunehmende Nutzung von Codex in Engineering- und Wissensarbeitsfunktionen beschrieben. Anthropic berichtete separat, dass Claude unter menschlicher Aufsicht Teile von Forschung und Entwicklung übernahm.

Ein unabhängiger Bericht stellte fest, dass Anthropic im August etwa 30.000 Forschungs- und Engineering-Agenten betrieb. Dieser Umfang macht unternehmensübergreifende Berichterstattung zunehmend wichtig.

Wenn Wettbewerber ähnliche Rückgänge bei technischen Junior-Einstellungen offenlegen, wird Anthropic wie ein Frühindikator wirken. Bleibt ihre Rekrutierung von Junior-Talenten stabil, wird Unternehmensstrategie mehr erklären als die Fähigkeiten von Agenten allein.

Das dritte Signal ist, ob der breitere Arbeitsmarkt zwischen automatisierungslastigen und ergänzungslastigen Berufen unterscheidet. Stanfords Lohndaten deuten bereits auf schwächere Ergebnisse hin, wo KI Aufgaben ersetzt.

Künftige Daten sollten verfolgen, ob sich diese Lücke über Arbeitskräfte im Alter von 22 bis 25 Jahren hinaus ausweitet. Eine wachsende Lücke in älteren Gruppen würde eine breitere Verdrängungsthese stützen. Stabile Beschäftigung erfahrener Arbeitskräfte bei schwachen Junior-Einstellungen würde auf eine Krise der Ausbildungspipeline hindeuten.

Arbeitgeber sollten außerdem offenlegen, was traditionelle Einstiegsarbeit ersetzt. Ausbildungsprogramme, interne Rotationen, simulierte Produktionsumgebungen und angeleitetes Agentenmanagement könnten alternative Wege zu Expertise bieten.

Ohne diese Wege droht Unternehmen eine verzögerte Einschränkung. Sie könnten die kleinen Aufgaben automatisieren, an denen Einsteiger lernen, und später feststellen, dass erfahrenes Urteilsvermögen knapp und teuer geworden ist.

Beschäftigte sollten auf dieselben Signale reagieren, ohne anzunehmen, dass technische Grundlagen keine Rolle mehr spielen. Agenten können Code erzeugen, doch Menschen bleiben für Architektur, Sicherheit, Produktentscheidungen und Fehler verantwortlich, die organisatorische Grenzen überschreiten.

Die relevante Fähigkeit besteht nicht nur darin, eine KI-Oberfläche zu bedienen. Sie liegt in der Verbindung von Fachwissen mit Überprüfung, Kontextmanagement und klaren Entscheidungen. Diese Fähigkeiten werden wertvoller, je reichlicher maschinelle Ergebnisse werden.

Teams können diesen Übergang unterstützen, indem sie Entscheidungen und Quellenmaterial durchsuchbar halten. Ein gut gepflegtes persönliches Wissenssystem hilft Beschäftigten, die Ergebnisse von Agenten anhand früherer Überlegungen zu überprüfen, statt schlüssig formulierte Antworten ohne Kontext zu akzeptieren.

Die KI-Agentenbelegschaft von Anthropic bietet einen ungewöhnlich detaillierten Ausblick auf dieses Umfeld. Sie zeigt höhere Produktivität, breitere Rollenprofile und Agenten, die im gesamten Unternehmen parallel arbeiten. Sie zeigt jedoch auch weniger offene Stellen an dem Punkt, an dem technische Karrieren traditionell beginnen.

Beobachten Sie in den kommenden Monaten gemeinsam den Einstellungsmix, Angaben von Wettbewerbern und Arbeitsmarktdaten für Berufseinsteiger. Keine einzelne Kennzahl kann abschließend beantworten, ob KI-Agenten bessere Arbeitsplätze schaffen oder Einstiegsmöglichkeiten in Karrieren beseitigen.

Die praktische Frage ist nun klar: Werden Unternehmen die Arbeit von Berufseinsteigern schnell genug neu gestalten, um den Weg vom Anfänger zum Experten zu erhalten? Arbeitgeber, die Agenten einsetzen, sollten die Antwort anhand ihrer Daten zu Einstellungen, Schulungen und Beförderungen offenlegen.