Ein Buchhalter, der noch nie Python geschrieben hat. Ein Anwalt, der kein JavaScript kann. Ein Marketing-Manager ohne Tech-Background. Alle drei nutzen Claude Code – und sind damit fast genauso erfolgreich wie professionelle Softwareentwickler.
Das ist keine Spekulation. Es ist das zentrale Ergebnis der bislang größten empirischen Studie zu agentischem Coding, die Anthropic am 16. Juni 2026 veröffentlicht hat. Die Analyse von rund 400.000 interaktiven Claude-Code-Sessions von 235.000 Nutzern liefert eine Erkenntnis, die das Verständnis von KI-gestützter Arbeit grundlegend verändert: Nicht Coding-Können entscheidet über Erfolg – sondern Domain-Wissen.
„Coding agents are not substituting for domain expertise—the more understanding a worker brings to an agent, the more quality work the agent is able to do“, schreibt Anthropic. Anders gesagt: Der Mensch bringt das Was, die KI das Wie.
Die Arbeitsteilung: 70/20
Anthropic hat für jede Session analysiert, wer welche Entscheidungen trifft – und zwar getrennt nach Planung (Was soll gebaut werden? Welcher Ansatz? Wann ist es fertig?) und Ausführung (Welche Dateien? Welcher Code? Welche Commands?).
Das Ergebnis ist eine klare Arbeitsteilung:
- Planung: 70 % der Entscheidungen trifft der Mensch
- Ausführung: 80 % der Entscheidungen trifft Claude
In einer typischen Session gibt es etwa vier Dialog-Runden. Pro Prompt des Nutzers führt Claude durchschnittlich 10 Aktionen aus – manchmal über 100 – und produziert rund 2.400 Wörter Output. Menschen steuern, Claude baut.
Wer mehr weiß, bekommt mehr
Die wirklich spannende Zahl der Studie: der Zusammenhang zwischen Expertise und Output. Anthropic hat die Nutzer anhand ihrer Session-Transkripte auf einer fünfstufigen Skala von „Novize“ bis „Experte“ eingestuft – und zwar aufgabenspezifisch. Ein Senior-Entwickler, der zum ersten Mal Rust anfasst, gilt als Rust-Anfänger. Ein Buchhalter ohne Python-Erfahrung, der aber präzise Abgleichsregeln vorgibt und Edge Cases erkennt, gilt als Experte für seine Aufgabe.
Die Unterschiede sind massiv:
- Novizen-Sessions: ~5 Claude-Aktionen pro Prompt, ~600 Wörter Output
- Experten-Sessions: ~12 Claude-Aktionen pro Prompt, ~3.200 Wörter Output
Faktor 2,4 bei den Aktionen, Faktor 5 beim Output. Und dieser Effekt bleibt bestehen, selbst wenn man für Arbeitsmodus, Aufgabenwert, Monat, Berufsgruppe und Modellfamilie kontrolliert.
Erfolgsquoten: Der Sprung vom Anfänger zum Fortgeschrittenen
Die Studie misst Erfolg auf zwei Ebenen: judged success (ein Classifier bewertet den gesamten Transkript) und verified success (harte Belege wie Git-Commits, bestandene Tests, explizite Nutzerbestätigung).
Das Ergebnis:
- Novizen erreichen verified success in 15 % der Sessions und zumindest teilweisen Erfolg in 77 % der Fälle
- Fortgeschrittene bis Experten erreichen verified success in 28–33 % der Sessions und teilweisen Erfolg in 91–92 % der Fälle
Der größte Sprung passiert zwischen Anfänger und Fortgeschrittenem. Danach wird die Kurve flacher – ein starkes Signal, dass solide Domain-Kenntnisse ausreichen, um das Tool fast so effektiv zu nutzen wie tiefe Expertise.
Weniger Debugging, mehr Wertschöpfung
Zwischen Oktober 2025 und April 2026 hat sich die Zusammensetzung der Claude-Code-Arbeit deutlich verschoben:
- Der Anteil der Debugging-Sessions fiel von 33 % auf 19 %
- Operating Software stieg von 14 % auf 21 %
- Datenanalyse und Textproduktion verdoppelten sich von ~10 % auf ~20 %
Gleichzeitig stieg der geschätzte Wert einer durchschnittlichen Session um 27 % – gemessen an vergleichbaren Freelance-Aufträgen. Die Nutzer geben Claude zunehmend komplexere, wertvollere Aufgaben.
Unter den nicht-technischen Berufsgruppen wachsen Management, Vertrieb und Rechtsberufe am schnellsten. Claude Code ist längst kein reines Entwickler-Tool mehr.
Pro & Contra: Was die Studie für den Arbeitsmarkt bedeutet
Pro – Agentic Coding demokratisiert Softwareentwicklung:
- Eine Rechtsanwältin, die Vertragsklauseln automatisch prüft, ist genauso erfolgreich wie ein Entwickler
- Die Einstiegshürde für technische Automatisierung sinkt drastisch
- Unternehmen können Domain-Experten direkt produktiv machen, ohne teure Entwickler als Mittler
- 20 Stunden pro Woche durchschnittliche Nutzung zeigen: Das Tool ist kein Spielzeug, sondern Arbeitsmittel
Contra – Die Schattenseiten der Demokratisierung:
- Novizen scheitern doppelt so oft – und verschwenden im schlimmsten Fall Ressourcen mit fehlerhaftem Code
- 15 % verified success für Anfänger ist erschreckend niedrig. 85 % der Novizen-Sessions liefern keine hart verifizierbaren Ergebnisse
- Der massive Produktivitätssprung für Experten könnte die Schere zwischen Gut und Weniger-Gut informierten Nutzern weiter öffnen
- Wenn jeder „coden“ kann, wer garantiert dann Code-Qualität, Sicherheit und Wartbarkeit?
Einordnung: Die Studie zeigt keinen Job-Killer, sondern einen Skill-Shift. Reine Implementierungsarbeit wird absorbiert. Was aufgewertet wird: präzises Problemverständnis, fachliche Urteilskraft und die Fähigkeit, Ergebnisse kritisch zu validieren. Der Markt belohnt nicht mehr die Hände, die tippen – sondern die Köpfe, die verstehen.
Was bedeutet das für Deutschland und Europa?
1. Fachkräftemangel neu denken. Deutschland leidet unter Entwickler-Mangel. Die Studie legt nahe: Ein erfahrener Maschinenbauingenieur mit Claude Code ist produktiver als ein Junior-Entwickler ohne Domain-Wissen. Unternehmen sollten ihre Weiterbildungsbudgets nicht in Coding-Bootcamps stecken, sondern in Tools wie Claude Code plus fachspezifisches Prompting-Training.
2. Mittelstand als Gewinner. Große Konzerne haben eigene Entwicklerteams. Der deutsche Mittelstand oft nicht. Agentic Coding gibt kleineren Unternehmen die Chance, Automatisierung ohne große Tech-Teams umzusetzen. Voraussetzung: Die Fachleute müssen lernen, präzise zu spezifizieren, was sie brauchen. Die Studie zeigt: Genauigkeit in der Aufgabenstellung ist der entscheidende Hebel – nicht technisches Vorwissen.
3. Bildungspolitik umdenken. Wenn Domain-Expertise der Schlüssel zu KI-Produktivität ist, dann ist die beste KI-Bildungspolitik eine exzellente Fachausbildung. Ein Jurist, der sein Fach versteht, wird mit Claude Code mehr erreichen als ein Hobby-Programmierer ohne Fachwissen. Wir brauchen weniger „KI-Kompetenz“ als abstraktes Schulfach – und mehr Integration von KI-Tools in die fachliche Ausbildung.
Praxis-Checkliste: 4 Schritte für produktiveres Arbeiten mit Agentic Coding
1. Präzision vor Technik. Die Studie zeigt klar: Nicht die Menge an Code-Wissen entscheidet, sondern die Qualität der Aufgabenstellung. Formulieren Sie exakt, was das Ergebnis können muss, welche Constraints gelten und woran Erfolg gemessen wird. Je präziser das Briefing, desto mehr Aktionen setzt Claude pro Prompt um.
2. Fachwissen einbringen, nicht verstecken. Die Experten in der Studie korrigieren Claude aktiv, erkennen Edge Cases und validieren Ergebnisse. Seien Sie nicht passiv – Ihre Domain-Expertise ist der entscheidende Produktivitätstreiber. Lesen Sie den generierten Code, stellen Sie Gegenfragen, testen Sie Grenzfälle.
3. Iterativ arbeiten, nicht alles auf einmal. Die typische Session hat vier Runden. Planen Sie Ihre Arbeit in überschaubare Schritte: spezifizieren → generieren lassen → prüfen → verfeinern. Das entspricht genau der 70/20-Arbeitsteilung, die die Studie dokumentiert.
4. Von Debugging zu kreativer Arbeit verschieben. Die Studie zeigt einen massiven Trend weg vom Bug-Fixing hin zu Analyse und Produktion. Nutzen Sie Claude Code nicht nur, um Probleme zu beheben – sondern um neue Möglichkeiten zu erschließen: Daten auswerten, Berichte generieren, Workflows automatisieren. Genau dort entsteht der 27-prozentige Wertzuwachs.
Fazit: Der Experte bleibt unersetzlich – aber sein Werkzeug wird mächtiger
Die Anthropic-Studie ist eine der wichtigsten empirischen Arbeiten zum Thema KI und Arbeit in diesem Jahr. Ihre Kernbotschaft ist weder „KI ersetzt uns alle“ noch „KI ist nur ein Tool wie jedes andere“. Sie lautet: KI verändert, welche menschlichen Fähigkeiten wertvoll sind.
Reine Programmierarbeit wird zur Commodity. Was zählt, ist die Fähigkeit, ein Problem so tief zu verstehen, dass man einer KI präzise sagen kann, was sie bauen soll – und das Ergebnis kritisch beurteilen kann. Das ist keine neue Fähigkeit. Es ist das, was gute Ingenieure, Anwälte und Analysten schon immer konnten. Nur dass das Werkzeug jetzt ein anderes ist.
Die Studie liefert zudem ein starkes Argument gegen die Angst vor Massenarbeitslosigkeit durch KI. Anders als die apokalyptischen Narrative der Tech-Konzerne zeigt die Empirie: Technologie ersetzt nicht Menschen – sie verändert, welche Menschen mit welchen Fähigkeiten besonders produktiv sind.
FAQ
Was ist der Unterschied zwischen agentischem Coding und normalen Coding-Tools?
Normale Coding-Tools wie GitHub Copilot vervollständigen Codezeilen. Agentisches Coding geht weiter: Claude Code versteht ganze Aufgaben, plant die Umsetzung selbstständig, führt Commands aus und liefert fertige Ergebnisse. Es ist der Unterschied zwischen einem Autopiloten, der die Spur hält, und einem, der das gesamte Fahrziel eigenständig plant und navigiert.
Muss ich programmieren können, um Claude Code zu nutzen?
Die Anthropic-Studie zeigt: Nein. Entscheidend ist Domain-Expertise – also präzises Verständnis dessen, was erreicht werden soll. Ein Anwalt, der Vertragsklauseln automatisiert prüft, ist mit Claude Code erfolgreicher als ein Hobby-Programmierer ohne juristisches Fachwissen. Allerdings: Die Erfolgsquote von kompletten Anfängern liegt nur bei 15 % verified success – eine gewisse Lernkurve bleibt.
Welche Berufsgruppen nutzen Claude Code am schnellsten wachsend?
Management, Vertrieb und Rechtsberufe sind die am schnellsten wachsenden nicht-technischen Berufsgruppen. Auch Business/Finance, Design/Medien und Wissenschaften sind stark vertreten. Das Tool hat sich längst über die reine Entwickler-Community hinaus ausgebreitet.
Ist Claude Code eine Bedrohung für Softwareentwickler-Jobs?
Die Studie spricht eher für eine Transformation als für eine Elimination. Reine Implementierungsarbeit („jemand sagt mir genau, was ich coden soll“) wird zunehmend von KI übernommen. Gleichzeitig steigt der Wert von Architekturverständnis, Systemdenken und der Fähigkeit, komplexe Anforderungen zu spezifizieren. Claude 3.7 Sonnet war bereits ein Meilenstein im KI-gestützten Coding – Claude Code setzt diesen Trend jetzt auf eine neue Stufe. Entwickler, die sich als reine „Coder“ verstehen, sollten sich weiterentwickeln. Entwickler, die Probleme verstehen und lösen, werden produktiver denn je.
