Nach der Lektüre des internen Arbeitsberichts von Anthropic sorge ich mich zutiefst um die frischgraduierten Hochschulabsolventen.

Die Welt ist einfach zu surreal: Während normale Arbeitnehmer noch darüber nachdenken, wie sie ihre Leistungsbeurteilung formulieren sollen, haben einige bereits damit begonnen, Leistungsbeurteilungen für das Claude-Agent-Team zu schreiben.

Ein Ingenieur bei Anthropic hat bereits eine Bewertung für sein eigenes Agent-Team erstellt und erörtert, wo Probleme in der Kommunikation zwischen den Parteien aufgetreten sind. Ein anderer Ingenieur hat direkt einen KI-Assistenten eingesetzt, um die Anfragen anderer KIs für sich selbst zu sichten.

Diese beiden Details stammen aus dem internen Beschäftigungsbericht, den Anthropic am 16. Oktober veröffentlicht hat.

Im von dem Bericht erfassten Zeitraum von 2025 bis 2026 ist der Anteil von Nachwuchskräften an den neu eingestellten Technikern von 27 % auf 9 % gesunken. Gleichzeitig expandiert das Unternehmen weiter, und die Gesamtzahl der Techniker steigt ebenfalls. Der Anteil der Nachwuchskräfte unter den neu eingestellten Personen wird nur immer geringer.

▲ Das Teamfoto, das auf der Einstellungsseite von Anthropic verwendet wird.

Eine interne Mitarbeiterbefragung bei Anthropic zeigt, dass die Mitarbeiter davon überzeugt sind, dass KI in vier Jahren 75 % ihrer Arbeit erledigen kann, während nur 28 % der normalen US-amerikanischen Berufstätigen dieser Meinung sind.

Eine riesige Wahrnehmungslücke entsteht gerade.

Vor dem Zeitalter der KI konnten Berufseinsteiger zunächst Aufgaben mit klar definierten Anforderungen übernehmen: eine kleine Funktion ändern, ein bekanntes Problem beheben oder den Prozess gemeinsam mit erfahreneren Kollegen einüben.

Wenn diese Aufgaben immer leichter an KI übergeben werden, wie werden Unternehmen dann Personal einstellen? Und wo sammeln Neueinsteiger ihre erste Berufserfahrung?

Die Arbeitszeit der KI beträgt bereits das Sechsfache der des Menschen

Bis August dieses Jahres hat die kumulierte Arbeitszeit der interaktiven KI-Agenten, die von Mitarbeitern aufgerufen werden, bereits das Sechsfache der Arbeitszeit der Mitarbeiter erreicht.

Die hier genannten Agenten sind KI-Assistenten, die selbstständig Werkzeuge nutzen und Aufgaben erledigen können. Eine Person kann mehrere KIs gleichzeitig arbeiten lassen, und die jeweilige Arbeitszeit jeder von ihnen wird in die Statistik eingerechnet.

Wenn beispielsweise 3 KIs jeweils 1 Stunde arbeiten, ergibt das insgesamt 3 Stunden. Der im Bericht genannte Faktor 6 vergleicht die Arbeitszeit. Die Angabe, dass die Arbeitszeit sechsmal so hoch ist, bezieht sich auf die kumulierte Arbeitszeit und bedeutet nicht, dass tatsächlich sechsmal so viele Ergebnisse erzielt werden.

▲ Die rosa Linie steht für alle Mitarbeiter, die blaue Linie für die Forschungsabteilung. Die vertikale Achse zeigt das Verhältnis der Arbeitszeit von KI-Agenten zur geschätzten Arbeitszeit der Mitarbeiter.

Diese Werkzeuge bringen auch Menschen dazu, die sonst nie Code schreiben, selbst Hand anzulegen.

Ein Vertriebsmitarbeiter sagte in einem Interview, dass er mit Hilfe von KI das für seine Arbeit benötigte Daten-Dashboard erstellt und die Oberfläche mit mehreren Werkzeugen verbunden hat. Seinen Angaben nach hat der gesamte Prozess drei bis vier Stunden gedauert. Früher lag diese Art von Entwicklung völlig außerhalb seiner Fähigkeiten.

Für einen Vertriebsmitarbeiter weiß er selbst am besten, welche Kundeninformationen zusammengefasst werden müssen und wo das vorhandene System schlecht funktioniert.

In Cowork, das für normale Büroanwender konzipiert ist, sind ähnliche Abläufe bereits in die Produktdemonstration integriert: Claude sammelt Informationen aus E-Mails, Arbeitsgruppen, Kalendern und Dateien, erstellt eine Vorberatung für das Kundentreffen und entwirft dann eine E-Mail zur Bestätigung.

Früher musste man zur Vorbereitung eines Kundentreffens mehrere Fenster öffnen, Chat-Protokolle durchsuchen, Zeiten abgleichen... das allein zu denken, macht schon Kopfschmerzen.

▲ Demonstration auf der Cowork-Website: Informationen suchen, Punkte vor dem Meeting zusammenfassen, E-Mail entwerfen.

Für die Nutzer ähneln die neuen Probleme stark der plötzlichen Belebung von Arbeitsgruppen: Mehrere Dinge werden gleichzeitig erledigt, mehrere Ergebnisse warten gleichzeitig auf Ihre Prüfung.

Ein Plan fragt, ob Sie fortfahren möchten, ein Stück Code wartet auf Ihre Bestätigung der Berechtigungen, eine andere Aufgabe stößt auf eine Ausnahme. Bevor Sie das letzte Dokument durchgelesen haben, kommt schon eine neue Nachricht. Diese Arbeitsweise lässt jeden mehr oder weniger ein wenig das Gefühl eines Vorgesetzten erleben.

Nach Statistiken des Berichts warten in interaktiven Mehrrunden-Gesprächen etwa 80 % der Zeit auf die Eingabe einer Person. (Die KI-Gespräche warten auf Menschen, nicht dass die Mitarbeiter 80 % des Tages nichts zu tun haben.)

Aus diesem Grund haben die beiden eingangs genannten Ingenieure damit begonnen, Bewertungen für Claude zu erstellen und Assistenten einzusetzen, um Anfragen zu verteilen. Die Anweisungen an die KI müssen immer detaillierter formuliert werden: Welche Dinge können selbstständig entschieden werden, in welchen Fällen muss unbedingt nachgefragt werden, welche Ergebnisse müssen zuerst überprüft werden.

Ein anderer Mitarbeiter von Anthropic hat bereits seine Verantwortungsbereiche gewechselt, aber die Agenten fragen ihn ständig nach Dingen wie T-Shirts, Tassen und anderen Unternehmensartikeln, für die er früher zuständig war, und die Verantwortlichen in den alten Dokumenten wurden nicht aktualisiert.

Das Meeting ist vorbei, die Aufgaben sind neu verteilt. Wenn die neuen Entscheidungen nur im Gedächtnis einiger weniger Personen verbleiben, erhält die KI bei der nächsten Arbeit immer noch den alten Kontext.

▲ Das Kommunikationsnetzwerk einer Abteilung bei Anthropic. Die blauen Punkte sind Mitarbeiter, die orangen Punkte sind Agent-Gesprächsthreads; die Verbindungen stellen die Interaktionen im selben Thread dar. Die offizielle Visualisierung zeigt, dass KI neue Interaktionen hinzugefügt hat, und die Kommunikation zwischen Menschen besteht weiterhin.

Ein Team bei Anthropic, das für die Produkttexte von Claude zuständig ist, hat seine Arbeitsteilung angepasst. Sie haben Materialien wie den Produkthintergrund zusammengestellt und lassen die Agenten einen Teil der Textarbeit übernehmen.

Die Arbeitsinhalte der Teammitglieder bestehen nun darin, Prompts zu schreiben und die Leistung des Modells zu bewerten.

Die Interviewer legen mehr Wert auf Ihr Urteilsvermögen

Die Veränderung der Arbeitsinhalte zeigt sich auch in der Phase der Bewerbungsgespräche.

Die Forscher haben die Interviewbewertungsaufzeichnungen von Tausenden von Personen analysiert, die seit 2024 bei Anthropic eingestellt wurden. Bei technischen Positionen werden Eigenständigkeit und Urteilsvermögen immer häufiger erwähnt; im Vergleich dazu sinkt der relative Stellenwert von Erfahrung in bestimmten technischen Bereichen.

APPSO hat nach seinem Verständnis mehrere Beispiele überlegt: Wenn Ihnen eine Anfrage übergeben wird, können Sie zuerst erkennen, wo sie unklar formuliert ist? Wenn die KI mehrere Lösungen vorschlägt, können Sie erklären, warum Sie eine davon auswählen? Wenn das Ergebnis scheinbar fertig ist, wissen Sie, was noch überprüft werden muss?

▲ Links ist die technische Abteilung, rechts die nichttechnische Abteilung. Die blaue Linie zeigt den Anteil von Nachwuchskräften unter den neu eingestellten Mitarbeitern, die rosa Linie die bestehenden Mitarbeiter, die orange Linie die offenen Stellen. Die Nenner der verschiedenen Linien sind unterschiedlich. Quelle: Anthropic.

Die hier genannte Erfahrung ist nicht nur Erfahrung im Schreiben von Code.

Anthropic hat im Juni dieses Jahres etwa 400.000 Interaktionssitzungen von Claude Code analysiert. In der Studie gibt es ein sehr verständliches Beispiel: Ein Buchhalter, der kein Python kann, gilt als erfahrener in dieser Aufgabe, solange er die Regeln für den Abgleich von Konten klar erklären und feststellen kann, dass das Skript den Sonderfall der Monatsendabrechnung vergessen hat. (Denn er kann das Problem lokalisieren und die Anforderungen klar an den Agenten kommunizieren.)

In diesem Datensatz haben Benutzer, die mit der Aufgabe vertrauter sind, auch eine höhere Erfolgsrate der Sitzungen. Der größte Unterschied besteht zwischen Anfängern und mittelmäßig erfahrenen Benutzern.

Die Forscher gehen davon aus, dass dies daran liegen könnte, dass man, wenn man ein grundlegendes Verständnis von einer Sache hat, leichter die Anforderungen an die KI klar erklären, feststellen kann, wo sie einen Fehler gemacht hat, und weiß, wie man sie dazu bringt, ihn zu korrigieren. Anfänger stecken dagegen leichter fest, wenn ein Problem auftritt. Bei tiefergehender fachlicher Erfahrung ist der zusätzliche Nutzen in diesen Sitzungen relativ begrenzt.

▲ Demonstration der Microsoft 365-Funktion von Claude.

Für Personen, die bereits seit einigen Jahren an Projekten arbeiten, können ihre Vertrautheit mit dem Geschäft und die Fehler, die sie gemacht haben, genutzt werden, um die KI anzuleiten. Für frisch Absolventen ist die Sache nicht so einfach: Erfahrung muss man normalerweise im Laufe der Arbeit sammeln.

Früher konnte ein Neueinsteiger, der eine kleine Aufgabe erhielt, auch wenn er langsam arbeitete, den gesamten Prozess durchlaufen: Informationen suchen, praktisch arbeiten, Fehler machen, dann Kollegen um Rat fragen und zurückgehen, um zu korrigieren. Wenn das Unternehmen diese Aufgaben direkt an die KI übergibt, verlieren die Neueinsteiger eine Möglichkeit, in ähnlichen Arbeiten zu üben.

Und die Überprüfung der Arbeit der KI erfordert ebenfalls Erfahrung. Man muss das Programm verstehen, um Probleme im Code zu entdecken; man muss auch das tatsächliche Geschäft kennen, um darauf hinzuweisen, was in den Anforderungen fehlt. Diese Fähigkeiten lernt man oft gerade in kleinen Aufgaben.

Auf dem Arbeitsmarkt sind ebenfalls bemerkenswerte Veränderungen aufgetreten. Eine im August dieses Jahres aktualisierte US-Arbeitsmarktstudie des Stanford Laboratory for the Digital Economy hat herausgefunden, dass in Berufen, deren Arbeitsaufgaben leichter von KI beeinflusst werden, das Beschäftigungswachstum von Arbeitnehmern im Alter von 22 bis 25 Jahren hinter dem von Gleichaltrigen in Berufen zurückbleibt, die weniger von KI beeinflusst werden. Die Veränderung zeigt sich hauptsächlich darin, dass weniger junge Menschen eingestellt werden, nicht dass mehr Personen kündigen oder entlassen werden.

Diese Studie kann nicht allein beweisen, dass die Veränderung durch KI verursacht wurde, und es wurde auch keine allgemeine Verdrängung in der gesamten Wirtschaft festgestellt. Aber sie macht die Frage, ob Unternehmen noch Neueinsteiger einstellen, zu einem Problem, das weiter verfolgt werden muss.

Für bereits angestellte Mitarbeiter beginnt Anthropic zu verfolgen, welche Positionen möglicherweise von KI beeinflusst werden, und priorisiert interne Stellenwechsel. Das oben genannte Textteam ist beispielsweise von Produkttexten zu Aufgaben wie dem Schreiben von Modell-Prompts und Bewertungen gewechselt.

Aber die Stellenwechsel kommen den Personen zugute, die bereits im Unternehmen sind. Für Neueinsteiger, die noch keine erste Arbeitsstelle gefunden haben, besteht das Problem, dass es weniger Einstiegspositionen gibt, weiterhin fort.

Wo sammeln Neueinsteiger ihre erste Berufserfahrung?

Selbst wenn man eine Gelegenheit zum Üben bekommt, stößt man auf ein anderes Problem: Wie viel hat man nach Abschluss der Aufgabe wirklich gelernt?

Anthropic hat im Januar dieses Jahres eine kleine randomisierte Studie veröffentlicht. 52 Entwickler mit Python-Erfahrung, die die Trio-Bibliothek noch nie verwendet hatten, wurden in zwei Gruppen unterteilt, um das neue Werkzeug zu lernen. Eine Gruppe durfte KI verwenden, die andere schrieb den