Anthropic nutzt eigene KI als zentrales Nervensystem – und die Zahlen sprechen für sich
Es gibt einen Unterschied zwischen einem Unternehmen, das Schaufeln während des Goldrausches verkauft, und einem, das mit diesen Schaufeln sein eigenes Erz abbaut. Anthropic, bewertet mit 380 Milliarden Dollar im Februar 2026, macht beides gleichzeitig, und dieses Detail ist wichtiger als jede Benchmark-Vergleich mit OpenAI oder Google.
Laut internen Daten des Unternehmens, die von Fast Company veröffentlicht wurden, nutzen die Mitarbeiter Claude in etwa 60% ihrer täglichen Arbeit, berichten von Produktivitätsgewinnen von fast 50% und 27% der KI-unterstützten Aufgaben stammen aus Arbeiten, die sonst nicht versucht worden wären. Diese letzte Zahl interessiert mich besonders aus der Perspektive der Grenzkosten: Es geht nicht nur darum, dass das Gleiche schneller erledigt wird, sondern auch darum, die Produktivität zu steigern, ohne das Personal proportional zu erhöhen. In der Ingenieurskunst war der Effekt noch ausgeprägter: Die Einführung von Claude Code führte zu einer 200%igen Steigerung bei Pull Requests pro Ingenieur. Das ist keine marginale Verbesserung; es ist eine Umkonfiguration des Nenners in der Gleichung der Kosten pro Einheit Output.
Was Anthropic intern tut, hat einen präzisen Namen in der Portfoliotheorie: Verringerung der Korrelation zwischen Vermögenswerten. Wenn ein Unternehmen sein eigenes Werkzeugstack auf dem Produkt aufbaut, das es verkauft, bewegen sich Betriebs- und Erträge unter fast jedem Marktszenario in die gleiche Richtung. Wenn Claude sich verbessert, produzieren die internen Teams mehr mit derselben Mitarbeiterzahl. Wenn die internen Teams Friktionen entdecken, werden diese Friktionen zu Signalen für das Produkt. Der Zyklus ist strukturell positiv.
Das günstigste Labor der Welt ist dein eigenes Büro
Mark Pike, interner Anwalt von Anthropic, baute an einem Nachmittag ein Rechtsprüfungswerkzeug, das Entwürfe gegen interne Richtlinien analysiert, Risiken aufzeigt und Zusammenfassungen direkt an Slack sendet. Um dieses Modell zu kalibrieren, verarbeitete er die Muster von 742 Jira-Tickets in einem einzigen Gespräch. Die Grenzkosten dieser Entwicklung lagen praktisch bei null in Bezug auf zusätzliche Infrastruktur. Es erforderte kein Ingenieurteam, keinen Vertrag mit einem externen Anbieter für juristische Software und keine Wochen der Spezifikation von Anforderungen.
Das ist es, was ich analytisch hier interessant finde, nicht die Tatsache, dass KI mächtig ist, sondern die Kostenstruktur, die sie ermöglicht. Anthropic wandelt das, was in jedem anderen Unternehmen ein fixer Kostenpunkt für Beratung oder Software-Lizenzen wäre, in variable Kosten um, die mit dem tatsächlichen Gebrauch skalieren. Ihre Beraterin für angewandte KI beschreibt die Integration von Claude mit Tools wie Gmail, Slack und Salesforce über ein Verbindungsprotokoll, das bereits 100 Millionen Downloads pro Monat erreicht hat. Das ist kein internes Demo: Es ist Infrastruktur, die, einmal innerhalb des Unternehmens validiert, verpackt und nach außen verkauft wird.
Diese Dynamik hat einen klaren Präzedenzfall in der Softwareindustrie: Amazon Web Services entstand, weil Amazon sein eigenes Infrastrukturproblem in großem Maßstab lösen musste. Was Anthropic unterscheidet, ist die Geschwindigkeit des Zyklus. Claude Code entwickelte sich von einem Forschungsexperiment zu einer jährlichen Einnahmeraum von einer Milliarde Dollar in sechs Monaten. Cowork, das Produkt für das autonome Management von Dateien und Büroaufgaben, wurde im Januar 2026 lanciert, direkt inspiriert von der Art und Weise, wie die Mitarbeiter Claude Code für nicht-programmierte Anwendungen anpassten. Das Marktsignal kam von innen.
Wo Daten strukturelle Fragilität zeigen
Das Modell ist elegant, hat aber Risikovektoren, die es wert sind, präzise benannt zu werden.
Zuerst die Abhängigkeit von ungeprüften Outputs. Satyen Sangani, CEO von Alation, bringt es gut auf den Punkt: Wenn Systeme ausreichend komplex werden und die Menschen aufhören, die Ergebnisse zu überprüfen, erodiert institutionalisiertes Wissen. Das Risiko liegt nicht darin, dass die KI spektakulär versagt, sondern dass sie stillschweigend scheitert und niemand in der Organisation mehr das Urteil hat, um dies zu erkennen. Dies ist besonders relevant für Anthropic, da ihre eigenen Produktivitätskennzahlen, die 200%ige Zunahme bei Pull Requests, das Volumen messen könnten, ohne Qualität oder technische Schulden zu erfassen.
Zweitens die Konzentration des Vorteils in integrierten Teams gegenüber jenen, die es nicht sind. Interne Daten deuten darauf hin, dass Teams, die Claude tief und durchgängig nutzen, deutlich höhere Gewinne erzielen als die, die es fragmentiert verwenden. Das schafft eine interne Divergenz in der Produktivität, die, wenn sie nicht aktiv durch die standardisierten Workflow-Tools, die das Unternehmen entwickelt, verwaltet wird, zu organisatorischen Friktionen führt. Ein Unternehmen, das KI-Software mit einer bimodalen Verteilung interner Fähigkeiten produziert, ist kein Verkaufsargument, es ist ein Governance-Problem.
Drittens, und dies ist strukturell für den gesamten Sektor: Senthil Muthiah von McKinsey weist darauf hin, dass die Verkürzung des Lernzyklus eine Generation von Arbeitskräften hervorrufen kann, die Prozesse überwachen, ohne das nötige Urteilsvermögen entwickelt zu haben, um dies richtig zu tun. Für Anthropic, deren Wertangebot entscheidend davon abhängt, dass ihre Kunden das Tool verantwortungsbewusst nutzen, ist dieses Risiko nicht abstrakt. Wenn Unternehmen, die Claude massiv einsetzen, Outputs von geringer Qualität produzieren, weil niemand in der Kette das Urteilsvermögen hat, den Fehler zu bemerken, lastet der Reputationsschaden auf dem Tool, nicht auf dem Betreiber.
Der Vorteil, den Wettbewerber nicht schnell kopieren können
Microsoft hat Copilot. Google hat Gemini in Workspace integriert. Der operative Unterschied von Anthropic liegt nicht in den Benchmarks, obwohl ihre neuesten Modelle in SWE-bench GPT-5.4 von OpenAI mit 78,7% gegenüber 76,9% übertreffen, sondern im Feedbackloop zwischen internem Gebrauch und Produktentwicklung.
Shopify berichtet, dass Claude Code es technisch ungeschulten Personen ermöglicht, funktionale Tools in Minuten zu erstellen. Wiz migrierte eine Codebasis von 50.000 Zeilen in 20 Stunden, verglichen mit den zwei bis drei Monaten, die es mit herkömmlichen Methoden gedauert hätte. Allianz weitet die Nutzung über Ingenieursarbeiten hinaus aus. Dies sind keine experimentellen Anwendungsfälle: Es sind Zeichen der Übernahme in Sektoren, in denen die Kosten eines Fehlers hoch sind und die Zahlungsbereitschaft hoch ist. Deutsche Telekom setzt Claude-Tools für ihre 470.000 Mitarbeiter ein.
Was diesen Kundenpipeline für Anthropic strukturell wertvoll macht, ist, dass jede dieser großflächigen Implementierungen reale Nutzungsdaten in Produktion generiert, die kein Lab Benchmark replizieren kann. Das Unternehmen, das sein Produkt als internes Nervensystem nutzt und dasselbe Produkt anschließend an Kunden verkauft, die in hochanspruchsvollen Umgebungen operieren, verkürzt den Iterationszyklus auf eine Weise, die Unternehmen, die Forschung von Produkt trennen, nicht leicht nachahmen können.
Das Risiko der Konzentration besteht: Wenn Claude ausfällt oder ein Wettbewerber einen ausreichend großen Leistungsunterschied erzielt, verliert das Unternehmen gleichzeitig seinen internen Vorteil und seine Marktstellung. Aber das ist genau das Risiko, das Anthropic bereit ist zu tragen, und bisher bietet die modulare Architektur ihrer Werkzeuge, Skills für standardisierte Workflows, MCP für Integrationen, Cowork für Automatisierung von Aufgaben, ausreichend Anpassungsfläche, um nicht von einer einzigen monolithischen Wette abhängig zu sein.
Die These der 380 Milliarden Dollar Bewertung basiert auf einer überprüfbaren Prämisse: dass das günstigste Labor der Welt für das Training und die Validierung von KI-Tools in großem Maßstab der eigene Betrieb von Anthropic ist, und dass dieser Vorteil bestehen bleibt, solange der Zyklus zwischen internem Gebrauch und externem Produkt kürzer ist als der jedes Wettbewerbers.
