Anthropic-Umfrage zu KI-Erwartungen offenbart eine Lücke von 52 Prozentpunkten zwischen Mitarbeitenden und Öffentlichkeit
Anthropic hat eine Umfrage veröffentlicht, die eine markante Kluft zeigt: 91 % der Mitarbeitenden erwarten, dass KI bis 2030 eine Entdeckung auf Nobelpreis-Niveau machen wird, gegenüber 39 % der US-Erwachsenen. Die Umfrage zu KI-Erwartungen von Anthropic zeigt nicht nur, dass Beschäftigte optimistischer sind. Sie verdeutlicht, wie unterschiedlich Menschen die Zukunft einschätzen, nachdem sie täglich mit fortschrittlicher KI arbeiten.
Die Meinungsverschiedenheit reicht weit über die wissenschaftliche Forschung hinaus. Anthropic-Mitarbeitende erwarten, dass KI deutlich mehr ihrer Arbeit übernimmt, sich schneller in Unternehmen verbreitet und größere Produktivitätsgewinne bringt. Beide Gruppen verbinden jedoch eine stärkere Automatisierung am Arbeitsplatz mit höherer Arbeitslosigkeit.
Daraus ergibt sich der zentrale Konflikt. Menschen, die den Frontier-Modellen am nächsten sind, erwarten außergewöhnliche Fortschritte, doch ihre Erfahrung ist nicht repräsentativ für die Gesamtwirtschaft. Die Umfrage erfasst fundierte Erwartungen von Insidern, keine unabhängig gemessenen Prognosen.
Was die Anthropic-Umfrage tatsächlich ergab
Die größte Kluft betrifft das Tempo künftiger Fortschritte, nicht das, was KI bereits heute kann.
Anthropic veröffentlichte seine Umfrage zu KI-Erwartungen am 16. Oktober 2026. Die Forschenden Szymon Sacher, Tess Cotter, Charles I. Jones, Anton Korinek und Peter McCrory verfassten den Bericht.
Morning Consult befragte zwischen dem 11. und 23. August online 10.980 US-Erwachsene. Die Antworten wurden gewichtet, um die erwachsene Bevölkerung des Landes abzubilden.
Anthropic befragte zudem vom 9. bis 12. August separat 1.334 Mitarbeitende. Diese interne Stichprobe war ungewichtet und umfasste Beschäftigte aus dem gesamten Unternehmen.
Die Befragten bewerteten acht Tätigkeiten, vom Verfassen routinemäßiger E-Mails bis zu einer wissenschaftlichen Entdeckung auf Nobelpreis-Niveau. Sie sollten angeben, wann KI jede Tätigkeit ebenso gut wie qualifizierte Fachkräfte ausführen würde.
Bei den aktuellen Fähigkeiten von KI stimmten die beiden Gruppen weitgehend überein. Rund ein Viertel beider Stichproben glaubte, dass KI bereits heute wissenschaftliche Studien entwerfen, durchführen und veröffentlichen könne.
Danach gingen ihre Erwartungen jedoch deutlich auseinander. Neun von zehn Anthropic-Mitarbeitenden erwarteten diese Forschungskompetenz bis 2027, verglichen mit 38 % der Öffentlichkeit.
Der größte Unterschied betraf Wissenschaft auf Nobelpreis-Niveau. Bis 2030 erwarteten 91 % der Beschäftigten, dass KI eine solche Entdeckung machen werde. Nur 39 % der US-Erwachsenen gaben dieselbe Antwort.
Eine Folgebefragung von 7.613 US-Erwachsenen lief vom 17. bis 24. September. In dieser Stichprobe erwarteten 44 % bis 2030 eine Entdeckung auf Nobelpreis-Niveau.
Dieser Anstieg beseitigte die Kluft nicht. Er zeigte jedoch, dass die genaue öffentliche Einschätzung teilweise von Stichprobe und Zeitpunkt abhängt.
Auch der Begriff „Entdeckung auf Nobelpreis-Niveau“ erfordert Vorsicht. Die Frage misst, ob Befragte erwarten, dass KI eine Entdeckung dieser Bedeutung macht. Sie definiert nicht, wie viel menschliche Steuerung, experimentelle Arbeit oder institutionelle Validierung dabei beteiligt wäre.
Ein wissenschaftliches Ergebnis kann von einem KI-System ausgehen und dennoch menschliche Teams zur Überprüfung benötigen. Veröffentlichung, Replikation und Anerkennung blieben separate Schritte.
Der historische Bezugspunkt ist nicht länger hypothetisch. Der Chemie-Nobelpreis 2024 würdigte Demis Hassabis und John Jumper für die Vorhersage von Proteinstrukturen mithilfe von AlphaFold2.
Der Erfolg von AlphaFold beantwortet die Frage der Umfrage jedoch nicht abschließend. Der Preis würdigte menschliche Forschende, die ein KI-System entwickelt hatten, und nicht ein autonomes System, dem eine eigene Entdeckung zugeschrieben wurde.
Diese Unterscheidung ist wichtig, weil Befragte „eine Entdeckung durch KI“ unterschiedlich interpretieren könnten. Manche stellen sich vielleicht vor, dass ein Modell eigenständig eine Theorie formuliert und testet. Andere könnten Entdeckungen mitzählen, die menschliche Wissenschaftler mit KI-Werkzeugen erzielen.
Die Umfrage zu KI-Erwartungen von Anthropic identifiziert daher eine reale Erwartungslücke, ohne jede Grenze innerhalb dieser Debatte zu definieren. Das Ergebnis sollte eher als Beleg für Überzeugungen denn als verifizierter Zeitplan für wissenschaftliche Durchbrüche verstanden werden.
Die Lücke bei KI-Erwartungen entsteht durch tägliche Erfahrung
Anthropic-Mitarbeitende scheinen aus einem Umfeld hochzurechnen, in dem KI bereits fest in die Routinearbeit integriert ist.
Die Nutzung von KI teilt die Öffentlichkeit in Gruppen mit deutlich unterschiedlichen Prognosen. Etwa ein Fünftel der befragten Erwachsenen gab an, KI regelmäßig bei der Arbeit zu verwenden.
Unter diesen regelmäßigen Nutzern erwarteten 56 %, dass KI bis 2030 mindestens sieben der acht abgefragten Tätigkeiten beherrschen würde. Unter allen US-Erwachsenen lag der entsprechende Anteil bei 41 %.
Nur 28 % der Menschen, die noch nie ein KI-Tool genutzt hatten, erwarteten dieses Fähigkeitsniveau. Unter Anthropic-Mitarbeitenden erreichte der Anteil 96 %.
Diese Entwicklung deutet darauf hin, dass direkte Erfahrung Erwartungen verändert. Menschen, die KI regelmäßig nutzen, rechnen mit mehr Fortschritt als Nichtnutzer, bleiben aber weniger zuversichtlich als Anthropic-Beschäftigte.
Erfahrung beweist keine bessere Vorhersagefähigkeit. Häufige Nutzer können Fähigkeiten beobachten, mit denen gelegentliche Nutzer nicht in Berührung kommen. Sie können aber auch von besonders günstigen Aufgaben und Umgebungen übermäßig weitreichende Schlüsse ziehen.
Anthropic ist ein Extremfall. Seine Mitarbeitenden entwickeln Frontier-Modelle, erhalten frühzeitigen Zugang zu internen Systemen und arbeiten in Prozessen, die auf diese Systeme ausgerichtet sind.
Die zugehörige Beschäftigungsforschung des Unternehmens berichtete, dass die interaktiven Stunden von KI-Agenten bis August die Arbeitsstunden der Mitarbeitenden im Verhältnis sechs zu eins überstiegen. Ein KI-Agent ist ein System, das mehrstufige Aufgaben mit begrenzter Aufsicht erledigt.
Anthropic berichtete außerdem über einen höheren Code-Output pro Person, mehr abgeschlossene Verkäufe pro Vertriebsmitarbeitendem und mehr bearbeitete Rechtsverträge, als die Nutzung von Agenten zunahm. Diese Ergebnisse stammen aus den eigenen Arbeitsplatzdaten des Unternehmens.
Dieses Umfeld unterscheidet sich deutlich von einem Krankenhaus, Bauunternehmen, Schulbezirk oder regionalen Einzelhändler. Den meisten Organisationen fehlen vergleichbare Modelle, technischer Support, Arbeitsabläufe und Anreize.
Die Einführung hängt zudem von mehr ab als davon, ob ein System eine Aufgabe technisch ausführen kann. Unternehmen müssen es mit ihren Daten integrieren, Verantwortlichkeiten zuweisen, Fehler überwachen sowie Kunden und Regulierungsbehörden zufriedenstellen.
Die befragten Erwachsenen erkannten diese Hürden. Das am häufigsten genannte Hindernis war, dass Kunden lieber mit einer anderen Person zu tun haben würden.
Datenschutz und Sicherheit folgten dicht dahinter, anschließend unzureichende Zuverlässigkeit sowie rechtliche oder regulatorische Einschränkungen. Die Befragten konnten bis zu drei Hindernisse auswählen.
Regelmäßige Nutzer am Arbeitsplatz setzten Datenschutz und Sicherheit an die erste Stelle. Diese Antwort widerspricht der Vorstellung, dass Vertrautheit einfach zu uneingeschränktem Optimismus führt.
Menschen können von den Fähigkeiten der KI stärker beeindruckt sein und zugleich bewusster auf Risiken bei ihrer Einführung achten. Direkte Erfahrung zeigt sowohl das Tempo als auch die Reibungen.
Anthropic-Mitarbeitende prognostizierten dennoch eine breitere Einführung. Sie erwarteten, dass KI bis 2030 bei 65 % der Aufgaben eingesetzt wird, die sie ausführen könnte.
US-Erwachsene erwarteten, dass Unternehmen KI für 42 % der technisch geeigneten Aufgaben einsetzen würden. Diese Lücke von 23 Prozentpunkten betrifft die Verbreitung, nicht die reine Leistungsfähigkeit von Modellen.
Dieser Unterschied könnte wirtschaftlich wichtiger sein als die Nobelpreis-Frage. Eine einzelne historische Entdeckung würde Aufmerksamkeit erregen, doch eine breite Einführung würde Millionen alltäglicher Arbeitsabläufe verändern.
Die Lücke bei KI-Erwartungen ist daher nicht einfach ein Gegensatz zwischen Insidern und Außenstehenden. Es ist eine Meinungsverschiedenheit darüber, wie schnell technische Fähigkeiten akzeptiert, zuverlässig und alltäglich werden.
Die Anthropic-Umfrage zu KI-Erwartungen rückt Arbeitsplätze in den Mittelpunkt
Mitarbeitende, die fortschrittlichen Modellen am nächsten sind, erwarten eine deutlich stärkere Automatisierung ihrer eigenen Arbeit – nicht nur Fortschritte in fernen wissenschaftlichen Bereichen.
Im Durchschnitt erwarteten Anthropic-Mitarbeitende, dass KI bis 2030 75 % ihrer aktuellen Arbeitsstunden übernehmen würde. Berufstätige US-Befragte nannten im Schnitt 28 %.
Mehr als die Hälfte der Anthropic-Beschäftigten erwartete, dass KI mindestens 80 % ihrer Arbeit erledigen würde. Nur 5 % der US-Arbeitnehmenden teilten diese Erwartung.
Auch Beschäftigte im Technologiebereich lagen weit unter der internen Prognose. Befragte in Berufen aus Informatik, Ingenieurwesen und Wissenschaft erwarteten, dass KI 33 % ihrer Arbeitsstunden übernimmt.
Regelmäßige KI-Nutzer in diesen Berufen schätzten den Anteil auf 40 %. Das lag über dem öffentlichen Durchschnitt, aber weiterhin 35 Punkte unter dem Wert der Anthropic-Mitarbeitenden.
Der Kontrast wirft für Arbeitgeber eine schwierige Frage auf. Falls Anthropic-Beschäftigte in der Richtung recht haben, unterschätzen viele Organisationen, wie schnell sich Wissensarbeit verändern wird.
Liegt die Öffentlichkeit näher an der Realität, könnten die Erwartungen von Frontier-Laboren ein ungewöhnliches Arbeitsumfeld widerspiegeln, das sich nicht auf die gesamte Wirtschaft übertragen lässt.
KI-Automatisierung am Arbeitsplatz hat zudem zwei unterschiedliche Bedeutungen. Ein System kann eine Aufgabe vollständig ersetzen oder den Großteil der Arbeit erledigen, während ein Mensch das Ergebnis prüft.
Anthropic-Mitarbeitende erwarteten im Allgemeinen, dass KI bis 2030 eigenständig arbeitet oder Ergebnisse zur menschlichen Kontrolle liefert. Vier von zehn US-Erwachsenen erwarteten stattdessen, dass Menschen den Großteil der Arbeit behalten würden.
Dieser Unterschied betrifft sowohl Produktivität als auch Beschäftigung. Menschliche Kontrolle kann den Output erhöhen, ohne die Arbeitskraft zu verdrängen, sie kann aber auch die Zahl der benötigten Personen senken.
Die Umfrage ergab einen wichtigen Bereich der Übereinstimmung. Befragte, die erwarteten, dass KI mehr ihrer eigenen Arbeit übernimmt, prognostizierten auch eine höhere Arbeitslosigkeit.
US-Arbeitnehmende, die erwarteten, dass KI weniger als die Hälfte ihrer Arbeit erledigt, rechneten für 2030 mit einer Arbeitslosigkeit zwischen 7 % und 8 %. Jene, die mindestens 80 % Automatisierung erwarteten, prognostizierten 12,2 %.
Jede zusätzlichen zehn Prozentpunkte erwarteter Arbeitsexposition gingen mit einem Anstieg der prognostizierten Arbeitslosigkeit um 0,4 Punkte einher. Anthropic-Mitarbeitende zeigten eine ähnliche Beziehung.
Die Gruppen scheinen daher nicht völlig unterschiedliche Theorien über den Arbeitsmarkt zu vertreten. Sie sind sich vor allem uneinig darüber, wie viel Arbeit KI künftig erledigen können wird.
Diese Nuance unterscheidet die Umfrage von einer einfachen Geschichte über Optimismus gegen Pessimismus. Anthropic-Mitarbeitende erwarten stärkere Fähigkeiten, verbinden diese aber auch mit größerem Druck auf den Arbeitsmarkt.
Die Prognosen ihres eigenen Unternehmens fügen eine weitere Wendung hinzu. Fünfundneunzig Prozent erwarteten, dass die Mitarbeiterzahl von Anthropic in den folgenden 12 Monaten wachsen werde.
Der Median der Befragten erwartete ein Wachstum der Mitarbeiterzahl um 66 %, während 27 % damit rechneten, dass sich die Belegschaft mindestens verdoppelt. Anthropic betonte, dass es sich um persönliche Erwartungen und nicht um offizielle Einstellungspläne handelte.
Automatisierung und Beschäftigung können innerhalb eines wachsenden Unternehmens gleichzeitig zunehmen. Höhere Produktivität kann Kosten senken, Nachfrage schaffen und Beschäftigte in neue Aufgaben verlagern.
In reifen Branchen ist dieses Ergebnis weniger sicher. Ein schnell wachsender KI-Entwickler kann Personal einstellen und zugleich Aufgaben automatisieren, weil sein Markt rasch expandiert.
Eine Anwaltskanzlei, ein Versicherer oder ein Anbieter von Backoffice-Dienstleistungen könnte vor einer anderen Gleichung stehen. Bleibt die Nachfrage stabil, erzeugt ein höherer Output pro Beschäftigtem stärkeren Druck, Neueinstellungen zu reduzieren.
Frühere Arbeitsplatzstudien liefern einen differenzierteren Vergleich. Eine NBER-Feldstudie untersuchte einen generativen KI-Assistenten, den 5.179 Kundensupport-Mitarbeitende nutzten.
Die Forschenden stellten durchschnittliche Produktivitätsgewinne fest, wobei weniger erfahrene Beschäftigte stärker profitierten. Das Ergebnis zeigte, dass KI wirksame Arbeitsweisen verbreiten kann, ohne einen gesamten Beruf zu ersetzen.
Dieses Muster unterscheidet sich von den internen Veränderungen bei Anthropic. Das Unternehmen berichtete, dass jüngere technische Positionen einen kleineren Anteil der Einstellungen ausmachten, als die Nutzung von Agenten zunahm.
Ein Kontext legt nahe, dass KI Neueinsteigern helfen kann, Erfahrungslücken zu schließen. Der andere deutet darauf hin, dass Arbeitgeber für umsetzungsintensive Aufgaben weniger Nachwuchskräfte benötigen könnten.
Beides kann zutreffen. KI könnte die Produktivität bereits eingestellter Personen steigern und zugleich die Nachfrage nach neuen Berufseinsteigern verringern.
Diese Möglichkeit macht Einstiegswege zu einem zentralen Thema. Unternehmen können nicht dauerhaft erfahrene Arbeitskräfte hervorbringen, wenn sie die Rollen abschaffen, in denen Erfahrung erst entsteht.
Insiderwissen ist wertvoll, aber nicht neutral
Mitarbeitende von Anthropic verfügen über ungewöhnlich relevante Informationen, doch ihre Umfrage bleibt eine interne Befragung, geprägt von Auswahl, Anreizen und gemeinsamen Erfahrungen.
Beschäftigte eines Spitzenlabors sehen Modellverhalten, das die Öffentlichkeit nicht ohne Weiteres beobachten kann. Sie arbeiten mit internen Tools und verstehen das Tempo der Forschung.
Ihre Prognosen verdienen deshalb Aufmerksamkeit. Sie als gewöhnlichen Unternehmensenthusiasmus abzutun, würde potenziell nützliche Informationen außer Acht lassen.
Nähe schafft jedoch eigene Verzerrungen. Menschen entscheiden sich teilweise für eine Tätigkeit bei Anthropic, weil sie glauben, dass fortgeschrittene KI von Bedeutung ist.
Die Mitarbeitenden teilen zudem berufliche Netzwerke, interne Narrative und tägliche Beispiele für erfolgreichen KI-Einsatz. Diese Einflüsse können dazu führen, dass ihre Überzeugungen stärker miteinander korrelieren, als die Zahl der Befragten vermuten lässt.
Die Mitarbeiterumfrage wurde nicht gewichtet. Sie erfasste 1.334 Mitarbeitende aus dem gesamten Unternehmen, doch der Bericht stellt sie nicht als repräsentativ für KI-Forschende im Allgemeinen dar.
Die öffentliche Stichprobe hat eine eigene Einschränkung. Morning Consult rekrutierte online freiwillig teilnehmende Panelisten und schloss damit Erwachsene ohne Internetzugang aus.
Eine demografische Gewichtung kann die nationale Repräsentativität verbessern. Sie kann Unterschiede zwischen Menschen, die an Online-Panels teilnehmen, und solchen, die dies nicht tun, jedoch nicht vollständig korrigieren.
Fragen zur Zukunft wurden für die öffentliche Stichprobe außerdem zwischen 2027 und 2030 aufgeteilt. Anthropic-Mitarbeitende wurden alle nach 2030 gefragt.
Die Autoren berichteten, sofern nicht anders angegeben, die Antworten für 2030. Leserinnen und Leser sollten dennoch berücksichtigen, dass einige öffentliche Schätzungen nur aus einem Teil der Gesamtstichprobe stammen.
Die ambitioniertesten wirtschaftlichen Zahlen der Umfrage erfordern zusätzliche Vorsicht. Forschende überführten Antworten zu Fähigkeiten, Einführung, Autonomie, Produktivität und Übergängen von Arbeitskräften in ein ökonomisches Modell.
Die mittlere Antwort der Öffentlichkeit ergab ein Szenario mit 5,4 % BIP-Wachstum im Jahr 2030. Die mittlere Mitarbeiterantwort ergab 17,1 % Wachstum.
Das sind modellimplizierte Szenarien, keine direkten Wirtschaftsprognosen. Die Übung übersetzt eine Reihe von Überzeugungen anhand von Annahmen, die von Anthropics Ökonominnen und Ökonomen festgelegt wurden.
Eine nachfolgende öffentliche Stichprobe implizierte 5,6 % Wachstum, was auf eine gewisse Stabilität des öffentlichen Ergebnisses hindeutet. Das deutlich größere Mitarbeiterszenario bleibt davon abhängig, wie die Modelleingaben zusammenwirken.
Anthropics Mitarbeitende schätzten außerdem, dass KI bereits im Median 51 % der Arbeit erledigte, die für den Bau eines Spitzenmodells Anfang 2026 erforderlich war. Sie erwarteten 80 % bis Ende 2027 und 95 % bis 2030.
Bei diesen Zahlen handelte es sich um Mitarbeiterschätzungen, nicht um geprüfte Messungen. Anthropic erklärte ausdrücklich, dass sie keine Unternehmensprognose darstellten.
Die Definition des Nenners ist schwierig. „Arbeit, die zum Bau eines Modells erforderlich ist“, kann Programmierung, Experimente, Datenarbeit, Evaluierungen, Infrastruktur, Management und wissenschaftliches Urteilsvermögen umfassen.
Eine Person könnte KI-unterstützte Ergebnisse als von KI erledigte Arbeit zählen. Eine andere könnte sie als menschliche Arbeit ansehen, die mit einem besseren Tool abgeschlossen wurde.
Die Umfrage beseitigt diese Mehrdeutigkeit nicht. Sie zeigt vielmehr, dass Anthropic-Mitarbeitende KI bereits als starken Beitrag zur Modellentwicklung wahrnehmen.
Diese Überzeugung hat strategische Folgen, selbst wenn sich die Schätzungen als zu hoch erweisen. Teams werden Arbeitsabläufe, Einstellungspläne und Forschungsprogramme danach gestalten, was Systeme ihrer Erwartung nach als Nächstes leisten werden.
Überzeugungen können sich teilweise selbst verstärken. Eine Organisation, die rasche Automatisierung erwartet, investiert stärker in Agenten und gewinnt dadurch Erfahrungen, die schnellere Automatisierung plausibel erscheinen lassen.
Das macht die Überzeugung nicht falsch. Es bedeutet, dass die KI-Prognose der Anthropic-Mitarbeitenden sowohl Beobachtung als auch institutionelles Engagement widerspiegelt.
Leserinnen und Leser sollten daher zwei einfache Schlussfolgerungen vermeiden. Die erste lautet, dass Mitarbeitende über eine geheime, präzise Karte der Zukunft verfügen.
Die zweite lautet, dass ihre Ansichten lediglich Marketing seien. Die Belege stützen eine nützlichere Interpretation: Mitarbeitende liefern ein informiertes, aber stark selektiertes Signal.
Wissenschaft auf Nobelpreisniveau ist ein Maßstab, keine Abkürzung für Prognosen
Ein Nobelpreis-Vergleich vermittelt Ambition, doch wissenschaftliche Entdeckungen hängen von Validierungssystemen ab, die die Umfrage nicht misst.
KI beeinflusst wissenschaftliche Forschung bereits durch Proteinvorhersage, molekulares Design, Literaturrecherche, Programmierung, Simulation und Versuchsplanung. Diese Anwendungen machen die wissenschaftliche Frage der Umfrage plausibel.
Ein Ergebnis auf Nobelpreisniveau umfasst jedoch mehr als die Erzeugung einer neuartigen Antwort. Forschende müssen nachweisen, dass das Ergebnis korrekt, bedeutsam, reproduzierbar und mit dem bestehenden wissenschaftlichen Kenntnisstand verbunden ist.
Physische Experimente bleiben häufig unverzichtbar. Ein Modell kann ein Molekül, einen Mechanismus oder einen Satz vorschlagen, doch der Vorschlag kann bei Labor- oder Fachbegutachtung scheitern.
Wissenschaftliche Institutionen vergeben Anerkennung zudem langsam und ungleichmäßig. Eine Entdeckung eines Mensch-KI-Teams könnte zu jahrelangen Debatten über Zuschreibung führen.
Die Umfrage fragt nach Fähigkeiten, unabhängig davon, ob Unternehmen sie einsetzen werden. Das isoliert Erwartungen darüber, was KI leisten kann, blendet jedoch viele reale Einschränkungen aus.
Der Zugang zu proprietären Daten, Laborausrüstung, Rechenleistung und fachkundigen Gutachtern kann darüber entscheiden, ob aus einer nützlichen Hypothese eine validierte Entdeckung wird.
Ein Modell könnte ein schwieriges Denkproblem lösen, ohne die Wissenschaft zu verändern. Umgekehrt könnte ein eng spezialisiertes System ein Fachgebiet transformieren, ohne einem allgemein autonomen Wissenschaftler zu ähneln.
AlphaFold verdeutlicht diesen Unterschied. Es löste eine langjährige Herausforderung bei der Vorhersage von Proteinstrukturen und wurde zu einem weit verbreiteten Forschungswerkzeug.
Seine Bedeutung entstand durch das Zusammenspiel von Algorithmen, Trainingsdaten, menschlicher Ingenieursarbeit, Evaluierung und der Übernahme durch Wissenschaftlerinnen und Wissenschaftler. Das KI-System arbeitete nicht außerhalb dieser institutionellen Struktur.
Die 91%-Antwort könnte daher mehrere unterschiedliche Erwartungen darstellen. Einige Mitarbeitende erwarten möglicherweise autonome Forschungsagenten, während andere davon ausgehen, dass KI-gestützte Teams Ergebnisse auf Preisniveau erzielen.
Diese Szenarien haben unterschiedliche Folgen für Arbeitsplätze und Politik. Ein autonomes Entdeckungssystem würde Fragen zu Aufsicht, Zuschreibung und Kontrolle aufwerfen.
Ein äußerst effektiver Forschungsassistent würde stärker den Zugang, die Ausbildung und die Arbeitsorganisation von Wissenschaftlerinnen und Wissenschaftlern in den Vordergrund rücken. Er könnte die Nachfrage nach experimenteller und interpretativer Expertise erhöhen.
Die Umfrage fasst diese Möglichkeiten unter einem einprägsamen Maßstab zusammen. Das macht das Ergebnis leicht vermittelbar, aber als Planungsinstrument weniger präzise.
Organisationen sollten sich auf beobachtbare Zwischenfähigkeiten konzentrieren. Dazu gehört, ob Systeme überprüfbare Hypothesen formulieren, valide Experimente entwerfen, eigene Fehler erkennen und Ergebnisse reproduzieren.
Sie sollten außerdem verfolgen, ob unabhängige Labore KI-gestützte Erkenntnisse verifizieren können. Ein von einem Modellentwickler angekündigtes Ergebnis hat weniger Gewicht als eines, das andernorts reproduziert wurde.
Wissenschaftlicher Fortschritt und Arbeitsplatzautomatisierung sollten nicht als identische Trends behandelt werden. Modelle können bei klar abgegrenzten Forschungsaufgaben hervorragend werden und zugleich in alltäglichen Geschäftsumgebungen unzuverlässig bleiben.
Auch das Gegenteil ist möglich. KI könnte große Mengen an Büroarbeit automatisieren, ohne eine einzelne wissenschaftliche Leistung hervorzubringen, die globale Anerkennung verdient.
Die Anthropic-Umfrage zu KI-Erwartungen verknüpft diese Ergebnisse durch eine umfassendere Vision raschen Fähigkeitswachstums. Die Evidenz wird jeden Entwicklungspfad separat validieren müssen.
Drei Signale werden zeigen, welche Prognose näher liegt
Unabhängige Fähigkeitstests, der Einsatz am Arbeitsplatz außerhalb von KI-Laboren und Einstellungen auf Einstiegsebene werden bestimmen, ob sich die Insiderperspektive verallgemeinern lässt.
Das erste Signal sind unabhängig verifizierte wissenschaftliche Ergebnisse. Ein glaubwürdiger Test würde voraussetzen, dass ein KI-System ein neuartiges Ergebnis hervorbringt, das externe Fachleute reproduzieren.
Ankündigungen von Modellentwicklern werden weiterhin nützliche Hinweise liefern. Sie werden jedoch nicht entscheiden, ob Systeme Entdeckungsarbeit zuverlässig leisten können.
Replikation wird auch die Rolle menschlicher Forschender verdeutlichen. Die stärksten Belege würden beschreiben, wer die Fragestellung entwickelte, Tests entwarf, Ergebnisse interpretierte und Fehler korrigierte.
Das ist wichtig, weil die Schlagzeile zum Nobelpreisniveau eine lange Forschungskette auf ein Ergebnis verdichtet. Bessere Berichterstattung sollte den KI-Beitrag von der institutionellen Validierung trennen.
Das zweite Signal ist der gemessene Einsatz in gewöhnlichen Organisationen. Unternehmen müssen zeigen, dass Agenten unter realen Anforderungen an Sicherheit, Zuverlässigkeit und Compliance nachhaltige Gewinne erzielen können.
Kurze Demonstrationen reichen nicht aus. Die Evidenz sollte Ergebnisqualität, Fehlerraten, Zeit für Aufsicht und gesamte Betriebskosten über Monate hinweg verfolgen.
Die aussagekräftigsten Fälle werden aus Branchen stammen, denen die technische Konzentration von Anthropic fehlt. Gesundheitsverwaltung, Finanzoperationen, Bildung, Logistik und professionelle Dienstleistungen verdienen besondere Aufmerksamkeit.
Unternehmensübergreifende Forschung wird auch zeigen, ob KI die Zusammenarbeit verändert. Ein großes Arbeitsplatzexperiment stellte fest, dass die für E-Mails aufgewendete Zeit sank, ohne vergleichbare Veränderungen bei Meetings.
Dieses Muster deutet darauf hin, dass sich individuelle Aufgaben verändern können, bevor Organisationen ihre Koordination neu gestalten. Breite wirtschaftliche Effekte erfordern beide Phasen.
Das dritte Signal sind Einstellungen auf Einstiegsebene. Anthropics zugehörige Arbeitsplatzforschung deutet darauf hin, dass juniorige technische Positionen einen kleineren Anteil seiner Rekrutierung ausmachen.
Wenn sich derselbe Wandel bei Arbeitgebern allgemein zeigt, wird die KI-gestützte Arbeitsplatzautomatisierung Karrierewege beeinflussen, bevor sie Massenarbeitslosigkeit hervorbringt. Weniger Einstiegsrollen würden den Weg zu fortgeschrittener Arbeit verengen.
Beobachten Sie Stellenausschreibungen, Einstellungsanteile, Beförderungsraten und die Nachfrage von Arbeitgebern nach Fähigkeiten mit hohem Urteilsanteil. Diese Kennzahlen können strukturellen Wandel sichtbar machen, bevor nationale Beschäftigungszahlen reagieren.
Ein Rückgang bei Einstellungen von Berufseinsteigern würde Anthropics Insiderprognose stärken, insbesondere wenn die Gesamtleistung weiter steigt. Stabile Einstellungen würden Behauptungen schwächen, dass Erfahrungen aus Spitzenlaboren die breitere Wirtschaft vorhersagen.
Für Wissensarbeitende besteht die praktische Reaktion nicht darin, den exakten Zeitplan einer der beiden Befragungsgruppen zu übernehmen. Sie besteht darin, zu verfolgen, welche Teile einer Tätigkeit zu überprüfbaren KI-Aufgaben werden.
Die Dokumentation von Entscheidungen, Quellen und Projektkontext wird wichtiger, wenn Agenten längere Aufträge übernehmen. Eine durchsuchbare KI-Wissensdatenbank kann Beschäftigten helfen, die Informationen zu bewahren, die sie zur Überprüfung dieser Ergebnisse benötigen.
Die Erwartungslücke wird durch Belege enger werden, nicht durch Argumente. Anthropic-Mitarbeitende werden an Glaubwürdigkeit gewinnen, wenn unabhängige Ergebnisse ihre Erfahrungen am Arbeitsplatz und in der Wissenschaft reproduzieren.
Die öffentliche Prognose wird stärker wirken, wenn die Einführung an Vertrauen, Integration oder Zuverlässigkeit scheitert. Sie wird zudem Unterstützung gewinnen, wenn fortgeschrittene Systeme weiterhin intensive Aufsicht durch Fachleute erfordern.
Vorerst lautet die klarste Lehre der Umfrage, dass Erfahrung Überzeugungen schneller verändert als Konsens. Anthropic-Mitarbeitende sehen rasches Fähigkeitswachstum, weil sie in einer ungewöhnlich KI-intensiven Organisation arbeiten.
US-Erwachsene sehen mehr Reibung, weil sie in Institutionen leben, in denen Kundinnen und Kunden, Gesetze, Sicherheit und etablierte Prozesse weiterhin zählen. Beide Perspektiven erfassen einen Teil des wahrscheinlichen Übergangs.
Die Frage für das nächste Jahr ist konkret: Werden Belege aus unabhängiger Wissenschaft und gewöhnlichen Arbeitsplätzen beginnen, Anthropics internem Umfeld zu ähneln, oder weit dahinter zurückbleiben?
