Claude-Produktivitätsstudie: Entwickler melden 50 % mehr Leistung
Die Claude-Produktivitätsstudie von Anthropic, veröffentlicht im Dezember 2025, befragte 132 eigene Entwickler und Forscher: Sie nutzen Claude in 60 % ihrer Arbeit. Nach eigener Einschätzung sind sie 50 % produktiver, und 27 % der Arbeit mit Claude sind Aufgaben, die sonst gar nicht erledigt worden wären. Trotzdem sagen die meisten, dass sie nur 0 bis 20 % ihrer Arbeit vollständig abgeben können. Für Engineering-Leads zeigt die Studie, wo sich KI beim Programmieren heute lohnt: mehr Output, den Menschen weiter prüfen.
Warum Anthropic die eigenen Entwickler untersucht hat
Anthropic wollte genau wissen, wie KI die Softwarearbeit verändert, und begann bei den eigenen Leuten, die zu den frühesten Nutzern der Technik gehören. Im August 2025 befragte das Unternehmen 132 Entwickler und Forscher, führte 53 ausführliche Interviews und wertete interne Nutzungsdaten von Claude Code aus. Damals waren Claude Sonnet 4 und Claude Opus 4 die leistungsfähigsten Modelle.
Die Studie prüfte auch eine öffentliche Aussage. Im März hatte CEO Dario Amodei gesagt, bis Jahresende würden 90 % des Softwarecodes in Unternehmen von KI geschrieben. Ein Sprecher von Anthropic sagte Fortune, die Stichprobe der Studie sei klein und sie habe „Code schreiben" nicht als eigene Aufgabe behandelt. Mit dieser Prognose lasse sie sich daher nicht direkt vergleichen.
Welche Aufgaben Entwickler täglich an Claude geben
Debugging und das Verstehen bestehenden Codes sind die häufigsten Einsätze. In der Umfrage nutzten 55 % der Beschäftigten Claude täglich zum Debuggen, 42 % täglich zum Verstehen von Code und 37 % täglich zum Umsetzen neuer Funktionen.
Übergeordnetes Design und Planung, Data Science und Frontend-Entwicklung kamen seltener vor. Laut Anthropic behalten Menschen Design und Planung lieber selbst in der Hand, während die beiden anderen Bereiche schlicht seltenere Aufgaben sind.
Wie Entwickler entscheiden, was sie abgeben
Die meisten Beschäftigten nutzen Claude oft, sagen aber, sie könnten nur 0 bis 20 % ihrer Arbeit „vollständig abgeben". Nutzung bedeutet meist aktive Aufsicht und Kontrolle, besonders bei Arbeit, bei der viel auf dem Spiel steht.
Entwickler geben Aufgaben ab, die leicht zu prüfen, unkritisch oder langweilig sind, etwa Wegwerfcode zum Debuggen oder für Recherchen. Viele beschreiben einen wachsenden Vertrauensweg: erst einfache Aufgaben, dann komplexere Arbeit, wenn das Vertrauen wächst.
„Je mehr Lust ich auf eine Aufgabe habe, desto eher nutze ich Claude nicht." Ein Entwickler von Anthropic, in den Interviews des Unternehmens
Was die Studie bei Output und Autonomie gemessen hat
Die Beschäftigten geben an, Claude in 60 % ihrer Arbeit zu nutzen und 50 % produktiver zu sein, das 2- bis 3-Fache des Werts ein Jahr zuvor. Der Gewinn zeigt sich als etwas weniger Zeit pro Aufgabenkategorie, aber deutlich mehr Output. Rund 27 % der Arbeit mit Claude sind Aufgaben, die sonst nicht erledigt worden wären, etwa interaktive Daten-Dashboards und explorative Arbeit, die von Hand nicht wirtschaftlich wäre.
Die Nutzungsdaten zeigen, dass Claude länger selbstständig arbeitet. Sechs Monate zuvor erledigte Claude Code etwa 10 Aktionen, bevor es menschliche Eingaben brauchte; jetzt sind es rund 20. Der Anteil der Nutzung für Code-Design und Planung stieg von 1 % auf 10 %, für die Umsetzung neuer Funktionen von 14 % auf 37 %. Etwa 8,6 % der Aufgaben in Claude Code waren kleine Ausbesserungen, sogenannte „Papercut"-Fixes, etwa Refactoring für bessere Wartbarkeit, das Teams sonst aufschieben würden.
Was den Entwicklern Sorgen macht
Nicht alle Ergebnisse sind Gewinne. Manche Entwickler fürchten, tiefere Fähigkeiten zu verlieren, die man zum Schreiben und Beurteilen von Code braucht, oder Claudes Output schlechter beaufsichtigen zu können. Manche üben bewusst Aufgaben ohne Claude. Claude ist zur ersten Anlaufstelle für Fragen geworden, die früher an Kollegen gingen, und manche berichten von weniger Gelegenheiten für Mentoring. Ein Entwickler sagte den Forschern, er programmiere seit 25 Jahren und habe das Gefühl, es sei „das Ende einer Ära".
Was die Studie für Engineering-Teams bedeutet
Für ein Unternehmen weist die Studie auf eine bestimmte Art von Nutzen hin: mehr Output und Arbeit, die früher liegen blieb, nicht weniger Menschen, die den Code prüfen. Die größten Einsätze, Debugging und Codeverständnis, sind Aufgaben, bei denen ein Mensch die Antwort schnell prüfen kann. Die 27 % neuer Arbeit deuten darauf hin, dass sich die Produktivität von KI beim Programmieren zuerst in Tools und Fixes zeigt, für die niemand Zeit hatte.
Anthropic nennt die Grenzen. Die eigenen Entwickler bekommen neue Tools früh und arbeiten in einem relativ stabilen Umfeld, und die Umfrage hatte eine kleine Stichprobe. Das Unternehmen sagt, es prüfe intern, wie Fachwissen, Mentoring und Karriereentwicklung an einem KI-gestützten Arbeitsplatz stark bleiben können.
Fragen und Antworten
Wie viel ihrer Arbeit erledigen Anthropic-Entwickler mit Claude?
Nach eigenen Angaben nutzen sie Claude in 60 % ihrer Arbeit. Die meisten sagen, sie könnten nur 0 bis 20 % davon vollständig abgeben, weil sie Claudes Output weiter prüfen.
Zeigt die Studie, dass KI Softwareentwickler ersetzt?
Nicht in ihren Ergebnissen. Sie zeigt Entwickler, die mehr Arbeit erledigen, auch Aufgaben, die sie sonst ausgelassen hätten, und dabei die Ergebnisse beaufsichtigen. Manche fragten sich, ob sie sich am Ende selbst wegautomatisieren könnten.
Welche Programmieraufgaben geben Entwickler an KI ab?
Aufgaben, die leicht zu prüfen, unkritisch oder langweilig sind. Debugging und Codeverständnis sind die häufigsten täglichen Einsätze, und die Umsetzung neuer Funktionen wuchs von 14 % auf 37 % der Nutzung von Claude Code.
Die Sicht von MOZGII
Wie wir es bauen würden
Diese Studie beschreibt einen Coding-Assistenten, der am besten bei Aufgaben arbeitet, die ein Mensch schnell prüfen kann: einen Bug finden, alten Code erklären, ein kleines Dashboard bauen. Wenn wir ein Tool wie Claude Code in einem Entwicklerteam einführen würden, würden wir dort anfangen. Wir würden es zuerst Debugging und Codelesen übernehmen lassen und Designentscheidungen bei Menschen lassen, bis das Team seiner Arbeit bei kleineren Aufgaben vertraut.
Wir würden auch mehr als das Tempo messen. Die Studie zeigt steigenden Output, während der Anteil der Arbeit, den Menschen vollständig abgeben können, klein bleibt. Also würden wir verfolgen, wie viel jeder Änderung ein Reviewer vor dem Merge korrigieren musste. Diese Zahl, der Anteil der von KI geschriebenen Änderungen, die ohne Nacharbeit angenommen werden, ist die eine, auf die wir achten würden, denn sie zeigt, ob das Tool Review-Zeit spart oder sie nur verschiebt.
Die Schwachstelle ist das Lernen. Wenn der Assistent jede Frage beantwortet, fragen Junior-Entwickler seltener Kollegen und üben weniger. Wir würden einen Teil der Arbeit festlegen, den Menschen ohne Assistenten erledigen, und Junior- und Senior-Entwickler bei Reviews zusammenbringen. Als Nächstes würden wir ein einfaches Protokoll bauen, welche Aufgabentypen das Team jeden Monat abgibt, damit Manager sehen, ob das Vertrauen wächst oder sinkt, statt zu raten.
Quellen
Woher die Fakten dieser Meldung stammen.