KI-Agenten im Unternehmen: Was die Anthropic-Daten für Healthcare und Pharma bedeuten | WSC Blog
WSC Blog, KI, Healthcare und digitale Sichtbarkeit
Anthropic
Der KI-Hersteller Anthropic hat ausgewertet, was KI-Agenten mit der eigenen Belegschaft machen. Die Zahlen zeigen mehr Leistung, weniger Einsteiger und einen neuen Engpass: die menschliche Aufmerksamkeit.
Sechs Agentenstunden auf eine Menschenstunde. So sah es bei Anthropic im August 2026 aus.
Von Detlef Ostfeld, 21. Oktober 2026, Lesezeit rund 9 Minuten
Das Wichtigste in Kürze
- Bei Anthropic liefen die von Mitarbeitenden gesteuerten KI-Agenten im August 2026 sechsmal so viele Stunden, wie die Menschen arbeiteten. In der Forschung lag das Verhältnis bei 19 zu 1.
- Seit Dezember 2025 stieg die Leistung pro Person deutlich: Code pro Entwickler um den Faktor 5,1, Verträge pro Person in der Rechtsabteilung um 3,1, Abschlüsse im Vertrieb um 1,7.
- Der Junior-Anteil an technischen Neueinstellungen fiel von 27 auf 9 Prozent. In nicht-technischen Bereichen blieb er bei rund 25 Prozent stabil.
- Der neue Engpass ist der Mensch. Rund 80 Prozent der Zeit in interaktiven Sitzungen warten die Agenten auf menschliche Rückmeldung, die Meetingzeit stieg um 20 Prozent.
- Für Pharma und Apotheke ist meine Einschätzung: Fachinhalte werden künftig zuerst von Maschinen gelesen. Wer sein Wissen nicht dokumentiert und zitierfähig aufbereitet, fällt aus den Antworten der Agenten heraus.
Ein Entwickler bei Anthropic beschreibt seinen Arbeitstag wie einen Abend als Babysitter. Ein Kind will sofort sein Saftpäckchen geöffnet haben, ein anderes hat sich in den Finger geschnitten und blutet. Beide rufen gleich laut. Seine Kinder sind KI-Agenten, Programme, die selbstständig Aufgaben erledigen, Code schreiben, Fehler suchen, E-Mails vorsortieren.
Das Bild stammt aus einem Bericht, den Anthropic am 16. Oktober 2026 veröffentlicht hat. Das Unternehmen hinter der KI Claude hat dafür eigene Personal-, Kalender-, Nutzungs- und Recruitingdaten ausgewertet und 17 Mitarbeitende interviewt. Es ist eine der ersten Studien, die von innen zeigt, wie sich Arbeit verändert, wenn KI vom Werkzeug zum Kollegen wird. Ich habe sie gelesen, die Zahlen herausgezogen und gefragt, was davon für unsere Branche gilt.
Die Ausgangslage: ein Unternehmen, in dem Agenten mehr arbeiten als Menschen
Anthropic ist schnell gewachsen und hat sich in einem Jahr verdreifacht. Trotzdem stellt das Unternehmen pro Umsatz weniger Menschen ein als die Tech-Konzerne einer früheren Generation. Im fünften Jahr nach der Gründung erzielt Anthropic laut Bericht zwei- bis viermal so viel Umsatz pro Mitarbeiter wie Google und Meta im selben Alter.
Ein Grund steht im Zentrum der Studie. Im März 2026 überholten die Arbeitsstunden der KI-Agenten erstmals die der Menschen. Im August lag das Verhältnis bei sechs zu eins, gerechnet nur für Agenten, die einzelne Mitarbeitende direkt steuern. Die großen autonomen Flotten, die im Hintergrund Tests schreiben und Infrastruktur warten, sind darin nicht enthalten.
| Kennzahl | Wert | Zeitraum |
|---|---|---|
| Agentenstunden pro Menschenstunde, alle Mitarbeitenden | 6 : 1 | August 2026 |
| Agentenstunden pro Menschenstunde, Forschung | 19 : 1 | August 2026 |
| Coding-Sitzungen von nicht-technischen Mitarbeitenden pro Monat | 2 auf 90 | Aug. 2025 bis Mai 2026 |
| Schriftliche Daueranweisungen für Agenten | wenige Hundert auf 8.500 | Juli 2025 bis Juli 2026 |
| Anteil öffentlicher Slack-Kanäle mit Agenten | knapp die Hälfte | 2026 |
Erkenntnis 1: Die Leistung pro Person steigt, quer durch alle Abteilungen
Am stärksten zeigt sich der Effekt bei den Entwicklern. Sie committen heute rund fünfmal so viel Code wie im Dezember 2025. Aber auch Bereiche ohne Programmierbezug legen zu: Die Rechtsabteilung bearbeitet dreimal so viele Verträge, der Vertrieb schließt deutlich mehr Deals ab.
| Bereich | Kennzahl | Faktor |
|---|---|---|
| Entwicklung | Code-Commits pro Entwickler | 5,1× |
| Data Science | Abfragen pro Data Scientist | 3,1× |
| Rechtsabteilung | Verträge pro Person | 3,1× |
| Vertrieb | Abschlüsse pro Vertriebsmitarbeiter | 1,7× |
| Recruiting | Einstellungen pro Recruiter | 1,4× |
| Buchhaltung | Rechnungen pro Person | 1,4× |
Stand etwa Mai 2026. Quelle: Wilmers et al., How Employment is Changing at Anthropic, Abb. 3.
Man könnte einwenden, dass sich in einem boomenden Unternehmen jeder Vertrag leichter abschließt. Die Autoren haben deshalb 192 Entwickler, die Agenten eingeführt haben, mit 74 verglichen, die es im Untersuchungszeitraum nicht taten. Im selben Monat, im selben Geschäftsumfeld. Nach der Einführung steigt die Code-Menge deutlich. Bei der Qualität fanden sie keinen messbaren Unterschied: Code von Agenten wurde nicht häufiger gelöscht, per Bugfix entfernt oder zurückgenommen als Code, den dieselben Menschen selbst geschrieben hatten.
Im Vertrieb hat ein Account Executive rund 20 Prozent seiner bisherigen Aufgaben an Automatisierungen abgegeben, vor allem E-Mail-Entwürfe und CRM-Pflege. Ein anderer spricht heute mit 30 Prozent mehr Kunden als vorher. Die gewonnene Zeit fließt in Gespräche.
Erkenntnis 2: Weniger Einsteiger in technischen Jobs
Hier wird der Bericht unbequem. Anthropic stellt weiter Techniker ein, in absoluten Zahlen sogar mehr. Doch der Anteil der Berufseinsteiger schrumpft deutlich. Intern begann die Diskussion im Januar 2026. Bis April hatten Engineering und Forschung die Einstellung von Juniors zurückgefahren. Etwa ein Drittel der Führungskräfte im Machine-Learning-Bereich und ein Fünftel in der Softwareentwicklung gaben an, wegen KI weniger einzustellen.
| Kennzahl | Vorher | Nachher | Zeitraum |
|---|---|---|---|
| Anteil Juniors an Neueinstellungen | 27 % | 9 % | Frühjahr 2025 bis Mai 2026 |
| Anteil Juniors am Personal | 21 % | 14 % | Anfang 2025 bis Mitte 2026 |
| Anteil Juniors an offenen Stellen | rund 11 % | 6 % | Frühjahr 2025 bis Mitte 2026 |
| Zum Vergleich: Anteil Juniors am Personal, nicht-technische Bereiche | rund 23 % | 25 % | Frühjahr 2025 bis Mitte 2026, stabil |
Quelle: Wilmers et al., Abb. 1. Startwerte bei offenen Stellen und nicht-technischen Bereichen aus dem Diagramm abgelesen und gerundet.
Der Rückgang ist dort am stärksten, wo Claude für die komplexesten Aufgaben eingesetzt wird. Auch einfache Verwaltung wächst kaum mit, obwohl sich das Unternehmen verdreifacht hat. Eine Assistentin der Geschäftsleitung sagt, die Einstiegsjobs im Sekretariat seien bereits wegautomatisiert, sie selbst arbeite heute eher wie eine Stabsstelle.
Gleichzeitig wechseln Mitarbeitende häufiger intern. Wer mindestens ein Jahr im Unternehmen ist, wechselte 2026 pro Monat um 50 Prozent häufiger die Abteilung als 2025. Ein Team, das früher Produkttexte schrieb, schreibt heute Anweisungen und Tests für Claude. Die Fähigkeit bleibt, nur das Publikum hat sich geändert.
Erkenntnis 3: Der Engpass ist die menschliche Aufmerksamkeit
Agenten produzieren mehr, als Menschen lesen können. Anthropic hat ausgerechnet, wie lange es dauern würde, den gesamten Output der interaktiven Sitzungen zu lesen. Selbst in Abteilungen ohne Programmierung käme mehr als eine halbe Arbeitswoche zusammen.
| Bereich | Stunden pro Woche | Im Verhältnis zur 40-Stunden-Woche |
|---|---|---|
| Engineering und Forschung | 424 h | mehr als das Zehnfache |
| Finanzen und Rechnungswesen | 43 h | mehr als eine volle Woche |
| Vertrieb | 35 h | knapp eine volle Woche |
| Sonstige nicht-technische Bereiche | 27 h | rund zwei Drittel |
| Recht, Policy und Trust | 26 h | rund zwei Drittel |
| Marketing und Kommunikation | 12 h | knapp ein Drittel |
Umgerechnet mit 0,75 Wörtern pro Token und 250 Wörtern pro Minute. Quelle: Wilmers et al., Abb. 6.
Rund 80 Prozent der Zeit in interaktiven Sitzungen verbringen die Agenten mit Warten auf den Menschen. Die Antwort der Belegschaft heißt Meta-Arbeit: Anweisungen schreiben, Agenten gegenseitig prüfen lassen, Dashboards bauen, Abläufe überwachen. Ihr Anteil an den Claude-Sitzungen stieg von 10 Prozent im Herbst 2025 auf 22 Prozent im Frühjahr 2026. Ein Entwickler hat seinem Agenten-Team sogar eine Leistungsbeurteilung geschrieben.
Was früher 20 Prozent strategische Arbeit war, wird zu 90 Prozent des Jobs.Mitarbeitende Person bei Anthropic, sinngemäß übersetzt
Und dann eine Zahl, die man nicht erwartet. Die mittlere Meetingzeit pro Person ist um 20 Prozent gestiegen, selbst bei Entwicklern ohne Führungsaufgabe um 16 Prozent. Bugs führen öfter zu organisatorischen Fragen, die nur Menschen gemeinsam klären können. Dazu kommt ein neuer Zwang zur Offenheit: Agenten kennen nur, was aufgeschrieben ist. Eine Entscheidung im Meeting ohne Protokoll existiert für sie nicht. Eine Person bekam noch Monate später Anfragen nach T-Shirts und Tassen, weil ihr Name auf einem alten Dokument zu Firmen-Merchandise stand.
Erkenntnis 4: Gesucht werden Urteilskraft und Eigenständigkeit
Anthropic hat die Bewertungsbögen aus Tausenden Vorstellungsgesprächen seit 2024 automatisiert ausgewertet. 2024 erwähnten die Interviewer den Umgang mit KI-Werkzeugen in rund 5 Prozent der technischen und 7 Prozent der nicht-technischen Bewertungen. Bis 2026 hat sich dieser Anteil bei technischen Rollen verdreifacht, bei nicht-technischen vervierfacht.
Bei technischen Bewerbern wuchsen am stärksten die Kommentare zu Eigenständigkeit und Urteilsvermögen. Fachexpertise verlor an Gewicht. Bei nicht-technischen Rollen zählen Kunden- und Missionsorientierung mehr, reine Umsetzungsstärke weniger. Eine Führungskraft begründet das mit der ungleichmäßigen Stärke der Modelle: Wer heute eingestellt wird, soll zwischen Fachgebieten flexibel einsetzbar sein.
Was das für Healthcare, Pharma und Apotheke bedeutet
Die Studie untersucht ein Softwareunternehmen in San Francisco. Keine Apotheke, keinen Pharmahersteller. Was folgt, ist deshalb meine Einschätzung aus der Arbeit mit Healthcare-Marken, keine Messung.
Ein Detail hat mich besonders getroffen. Jemand aus der Rechtsabteilung von Anthropic beschreibt die eigene neue Aufgabe als „SEO für Rechtsberatung“. Die Person schreibt Leitfäden so, dass die KI-Agenten der Kunden sie finden und verwenden. Übertragen auf unsere Branche heißt das: Medizinische Information, Fachkreis-Seiten, Produkt-FAQ und Beratungsleitfäden für den HV-Tisch werden zunehmend zuerst von Maschinen gelesen. Ärztinnen, Apotheker, PTA und Patienten bekommen danach die Zusammenfassung.
Daraus folgen drei Verschiebungen, die ich für relevant halte.
Fachwissen muss aufgeschrieben und auffindbar sein
Was nur im Kopf des Außendienstes, in Präsentationen hinter Login oder in mündlichen Absprachen existiert, ist für Agenten unsichtbar. In unseren eigenen Messungen zur KI-Sichtbarkeit sehen wir, dass KI-Antworten vor allem Quellen zitieren, die klar strukturiert, belegt und öffentlich zugänglich sind. Der Anthropic-Bericht beschreibt dasselbe Prinzip nach innen.
Der Experte wird zur Quelle
Wenn Fleißarbeit an Agenten geht, steigt der Wert von Menschen mit Urteilskraft. Apothekerinnen, PTA und Ärzte sind für Marken künftig doppelt wichtig: als Berater im direkten Gespräch und als zitierfähige Autorität, auf die sich KI-Systeme stützen können. Evidenzbasiert, verständlich und mit Namen.
Der Nachwuchs braucht neue Lernwege
Die Einstiegsjobs, in denen junge Leute bisher Urteilskraft gelernt haben, werden knapper. Wer im Außendienst, in der Medizinischen Information oder im Category Management heute Juniors einstellt, sollte überlegen, wie sie künftig lernen, welche Meldung eines Agenten warten kann und welche sofort Aufmerksamkeit braucht.
Was gegen diese Lesart spricht
Allerdings sollte man den Bericht nicht als Blaupause lesen. Einige Einwände wiegen schwer.
| Einwand | Warum er zählt |
|---|---|
| Selbstuntersuchung eines KI-Anbieters | Anthropic verkauft die Technologie, deren Wirkung es misst. Die Daten sind intern und nicht unabhängig geprüft. |
| Keine Zufallsverteilung | Die Autoren räumen ein, dass Mitarbeitende vor großen Projekten eher Agenten einführen. Das kann den Produktivitätseffekt überzeichnen. |
| Sonderfall Wachstum | Ein Unternehmen, das sich in einem Jahr verdreifacht, hat andere Bedingungen als ein Mittelständler im Pharmamarkt. |
| Regulierte Branche | Heilmittelwerberecht, Pharmakovigilanz, Datenschutz und Freigabeprozesse bremsen Automatisierung in Healthcare deutlich stärker als in der Softwareentwicklung. |
| Fehler der KI sind schwerer zu erkennen | Die Autoren schreiben selbst, dass KI-Fehler schwerer zu identifizieren sein können. In medizinischen Inhalten ist das Risiko höher als bei Code. |
| Lesezeit ist eine Rechengröße | Niemand liest den gesamten Output. Die Zahlen zeigen das Volumen, nicht die tatsächliche Belastung. |
Eine saubere Antwort auf die Frage, wie schnell sich das auf Pharma überträgt, habe ich nicht. Bei der Richtung bin ich mir trotzdem sicher.
Handlung: Die drei Maßnahmen mit dem größten Hebel
- Fachinhalte für Menschen und Agenten aufbereiten.Medizinische Information, Produkt-FAQ und Beratungswissen öffentlich, strukturiert und mit Quellen versehen. Klare Fragen, klare Antworten, benannte Experten, saubere Auszeichnung im Code. Das ist die Grundlage dafür, in KI-Antworten korrekt vorzukommen.
- Entscheidungen sichtbar machen.Was mündlich beschlossen wird, für interne Agenten nachvollziehbar dokumentieren. Ein einfacher Start: 30 Minuten pro Team und Woche, um zu zählen, welche Entscheidungen nur im Meeting fallen.
- Lernpfade für Nachwuchskräfte neu bauen.Juniors früh als Prüfer von Agenten-Ergebnissen einsetzen, begleitet von Erfahrenen. So lernen sie Urteilskraft an echten Fällen, auch wenn die klassische Fleißarbeit wegfällt.
| Maßnahme | Wirkung | Aufwand | Geschwindigkeit | Strategische Bedeutung |
|---|---|---|---|---|
| Fachinhalte für Agenten aufbereiten | hoch | mittel | erste Ergebnisse in 3 bis 6 Monaten | hoch, Sichtbarkeit in KI-Antworten |
| Entscheidungen dokumentieren | mittel | gering | sofort umsetzbar | mittel, Voraussetzung für interne Agenten |
| Lernpfade für Nachwuchs | hoch, langfristig | mittel | 6 bis 12 Monate | hoch, sichert künftige Führungskräfte |
Der wirtschaftliche Nutzen
Die Anthropic-Zahlen lassen sich nicht eins zu eins auf ein Pharmaunternehmen übertragen. Sie zeigen aber die Größenordnung, in der sich Leistung pro Person verschieben kann, wenn Agenten die Routine übernehmen: Faktor 1,4 in der Buchhaltung, 1,7 im Vertrieb, 3,1 in der Rechtsabteilung. Für Healthcare-Marken liegt der zweite Hebel außen. Wer in KI-Antworten als verlässliche Quelle auftaucht, wird empfohlen, wenn Patienten, Ärzte oder Apotheker eine Maschine um Rat fragen. Wer fehlt, wird nicht mitgedacht.
Zurück zum Babysitter. Ein guter Babysitter erkennt sofort, ob ein Kind nur Durst hat oder blutet. Unternehmen brauchen Menschen mit genau diesem Gespür und Inhalte, auf die sich die Agenten verlassen können. Beides muss man heute aufbauen.
Häufige Fragen
Wie viel arbeiten KI-Agenten bei Anthropic im Vergleich zu Menschen?Stellt Anthropic weniger Berufseinsteiger ein?Steigt die Produktivität durch KI-Agenten messbar?Was bedeuten die Ergebnisse für Pharma und Apotheke?Welche Schwächen hat der Anthropic-Bericht?
Quellen
- Wilmers, N., Catipon, R., Massenkoff, M., McCrory, P. (2026): How Employment is Changing at Anthropic. The Anthropic Institute, Technical Report, 16. Oktober 2026. anthropic.com/research/employment-at-anthropic
- Huang, S. et al. (2025): How AI Is Transforming Work at Anthropic. Anthropic, 2. Dezember 2025. anthropic.com/research/how-ai-is-transforming-work-at-anthropic
- Kim, H., Koning, R. (2026): AI-Native Firms. Harvard Business School Working Paper 26-090.
- Hosseini Maasoum, S. M., Lichtinger, G. (2025): Generative AI as Seniority-Biased Technological Change. SSRN Working Paper 5425555.
Methodik dieses Beitrags: Alle Zahlen stammen aus dem genannten Anthropic-Bericht und wurden ins Deutsche übertragen. Werte aus Diagrammen sind auf die im Bericht beschrifteten Endwerte gerundet. Aussagen zu Healthcare, Pharma und Apotheke sind als Einschätzung des Autors gekennzeichnet.
Detlef Ostfeld
Investor bei WSC We Social Commerce. Schwerpunkte: KI-Sichtbarkeit (GEO/LLMO), Healthcare, Pharma und Apotheke.
Fragen zum Beitrag oder zur KI-Sichtbarkeit Ihrer Marke: d.ostfeld@we-social-commerce.de
Dieser Beitrag ordnet eine öffentliche Studie ein und stellt keine Rechts- oder Anlageberatung dar.
