Anthropic hat 400.000 eigene Claude-Code-Sitzungen ausgewertet — und das Ergebnis widerspricht der verbreiteten Angst: Nicht Programmierkenntnisse entscheiden über Erfolg mit KI-Agenten, sondern Fachwissen im eigenen Beruf. Management-Berufe schneiden dabei sogar leicht besser ab als Software-Entwickler.
Am 16. Juni 2026 veröffentlichte Anthropic „Agentic Coding and Persistent Returns to Expertise" — eine datenschutzfreundliche Auswertung von rund 400.000 Claude-Code-Sitzungen von etwa 235.000 Nutzer:innen zwischen Oktober 2025 und April 2026. Klassifizierer lasen die Sitzungs-Transkripte, die Ergebnisse wurden gegen automatische Telemetriedaten geprüft (über 90 % Übereinstimmung bei Code-Änderungen).
Das zentrale Ergebnis: Bei verifiziertem Erfolg in Coding-Sitzungen liegen Software-/Mathematik-Berufe bei 34 %, andere Berufsgruppen bei 29 % — ein Abstand von nur fünf Prozentpunkten, der bei lockereren „Teilerfolg"-Maßstäben fast ganz verschwindet. Alle zehn größten Berufsgruppen liegen innerhalb von sieben Punkten zueinander. Management-Berufe schnitten dabei sogar leicht besser ab als Software-Entwickler — vermutlich, weil gute Delegation und klare Qualitätsanforderungen wichtiger sind als Coding-Erfahrung.
Der größte Sprung liegt nicht zwischen guten und sehr guten Nutzer:innen — sondern zwischen Anfänger:innen und allen anderen.
Nutzer:innen treffen rund 70 % aller Planungsentscheidungen ("was zu tun ist"), Claude übernimmt rund 80 % der eigentlichen Ausführung ("wie es getan wird").
Sitzungen von Novizen werden in 19 % der Fälle abgebrochen — bei erfahrenen bis Expert:innen sind es nur 5–7 %.
Wird es kompliziert, liegt die verifizierte Erfolgsquote bei Anfänger:innen nur bei 4 %, bei Expert:innen bei 15 %.
Alle zehn größten Berufsgruppen der Studie liegen innerhalb von nur sieben Prozentpunkten zueinander — der Unterschied macht sich woanders bemerkbar.
Wer Menschen gut führen kann — klar delegieren, Qualität einfordern, Ergebnisse einordnen — führt offenbar auch KI-Agenten besser. Das erklärt den leichten Management-Vorsprung.
Eine Person mit Buchhaltungswissen, aber ohne Coding-Erfahrung, schlägt bei Finanzaufgaben tendenziell eine programmiererfahrene Person ohne Fachwissen — Domänen-Kenntnis zählt mehr als technische Fähigkeit.
Der größte Zugewinn an Erfolgsquote passiert zwischen Anfänger:in und Mittelstufe. Von Mittelstufe zu Expert:in ist die Verbesserung deutlich kleiner.
Mit 70 % der Planungsentscheidungen bei Menschen bleibt der wichtigste menschliche Beitrag die Richtung — nicht mehr das Tippen des Codes selbst.
Anthropics eigenes Paper enthält die oben genannten Zahlen — aber weder den Begriff „Digital Dunning-Kruger-Effekt" (die These, dass Laien die Qualität ihrer Ergebnisse überschätzen, weil ihnen das Wissen zum Erkennen von Fehlern fehlt) noch einen offiziellen „Drei-Schritte-Kompetenztest". Diese Einordnungen sind plausible, aber eigenständige Interpretationen darüber hinaus — nicht Teil der verifizierten Anthropic-Daten. Wer mit der Studie argumentiert, sollte diesen Unterschied kennen.
Je mehr KI die Ausführung übernimmt, desto mehr zählt die Fähigkeit, Richtung vorzugeben und Ergebnisse fundiert zu bewerten — nicht die Fähigkeit, selbst zu tippen.
„Macht KI mein Fachwissen überflüssig?" ist die falsche Frage — Anthropics eigene Daten zeigen fast das Gegenteil: Wer sein Fachgebiet wirklich versteht, erzielt bessere und zuverlässigere Ergebnisse mit KI-Agenten als jemand, der nur technisch versiert, aber fachlich ahnungslos ist. Die Fähigkeit, ein KI-Ergebnis zu prüfen, Fehler zu erkennen und einzuschätzen, was in der eigenen Domäne überhaupt exzellent aussieht, wird zur eigentlichen Währung.
Das passt zu einem Muster, das wir in den letzten Wochen mehrfach gesehen haben: beim Wert der Ablage statt des einzelnen Prompts und bei der Studie zu KI-Interviews im Recruiting — in beiden Fällen entscheidet nicht die Technik allein, sondern der strukturierte, fachlich fundierte Umgang damit.
Für den Mittelstand heißt das konkret: KI-Einführung sollte nicht bei „wer kann am besten programmieren" ansetzen, sondern bei „wer kennt den Prozess am besten" — und diese Person lernt, KI-Agenten zu führen, statt selbst zu tippen.
Quelle: Anthropic — Agentic Coding and Persistent Returns to Expertise. Stand: 16.08.2026.
Welches Modell für welche Aufgabe, welche Tools wirklich zählen und wie du richtig promptest — komplett lesbar, kein Download.
Jetzt gratis lesen →Ich helfe dir, KI-Workflows so aufzubauen, dass dein Fachwissen der entscheidende Faktor bleibt — nicht Coding-Skills. Lass uns reden.