Anthropic analysierte 1,2 Millionen KI-Agenten-Sitzungen: Der häufigste Einsatz ist die Büroarbeit, die niemand will
Die Hälfte aller Claude-Cowork-Nutzung entfällt auf Statusberichte, Checklisten und Foliensätze, das, was Anthropic „die Arbeit um die Arbeit herum“ nennt. Die Daten sagen viel darüber, wo KI tatsächlich hilft.
Was tun Menschen tatsächlich mit einem KI-Agenten, sobald sie einen haben? Anthropic veröffentlichte eine ungewöhnlich konkrete Antwort. Das Unternehmen analysierte 1,2 Millionen anonymisierte Sitzungen von Claude Cowork, seinem Agenten für alltägliche Büroarbeit, aus mehr als 600.000 Organisationen, gesammelt über drei Wochen im Mai. Der klare Gewinner: die banale Organisationsarbeit, die zu jedem Bürojob gehört, aber selten jemandes eigentlicher Job ist.
Die zwei größten Kategorien erzählen die Geschichte. „Geschäftsprozesse und Betrieb“ führt mit 33,4 Prozent, verstreute Statusupdates in einen Bericht ziehen, Onboarding-Checklisten bauen, Tabellen abgleichen. „Inhaltserstellung und Textarbeit“ folgt mit 16,4 Prozent: Entwürfe, Foliensätze, Posts, Vorschläge. Zusammen ist das die Hälfte aller Nutzung, von Anthropic „die Arbeit um die Arbeit herum“ genannt. Alles andere ist kleiner: Softwareentwicklung nur 8,7 Prozent, Recherche 6,4, Datenanalyse 5,8.
Die niedrige Programmierzahl verdient einen zweiten Blick. Entwickler nutzen KI sehr wohl, aber für technische Arbeit Claude Code, Anthropics terminalbasiertes Programmierwerkzeug, und für Kommunikationsaufgaben darum herum Cowork. Die Oberfläche formt also den Einsatz: gleiche zugrunde liegende Modelle, völlig andere Jobs, je nachdem, ob sie in Terminal oder Chatfenster stecken.
Was dahintersteckt: Anthropic nennt diese Aufgaben „verbindend“: Tabellen führen verstreute Daten zusammen, Foliensätze übersetzen Entscheidungen für verschiedene Zielgruppen, Checklisten geben institutionelles Wissen an neue Kollegen weiter. Es ist das Gewebe, das Organisationen zusammenhält, und kaum jemand führt es als Kernkompetenz auf. Das macht es zum natürlichen ersten Delegationsziel. Zur Datenlage gehört eine Einschränkung: Die Taxonomie klassifiziert Aktivitäten, nicht Berufe. Es gibt keine eigene Kategorie für Marketing, Finanzen oder Personal, was die große Business-Ops-Zahl wohl aufbläht. Die Stichprobe begrenzt außerdem Sitzungen pro Stunde, bildet Spitzenzeiten schlechter ab, und Prozentsätze sagen nichts über absolute Mengen.
Was das für dich bedeutet: Wenn du dich fragst, was du mit einem KI-Agenten tatsächlich versuchen sollst, ist das eine Karte aus 1,2 Millionen echten Sitzungen: Beginne mit dem Bericht, den du aufschiebst, der Checkliste, die nur in deinem Kopf lebt, oder den Folien, die eine schon getroffene Entscheidung erklären. Dort finden Hunderttausende Organisationen leise den Wert, nicht in Science-Fiction-Automatisierung, sondern im Auslagern der Arbeit um die Arbeit herum.
Quellen
Googles SensorFM will ein KI-Gehirn für alle Gesundheitsdaten deiner Wearables sein
Google Research trainierte ein Basismodell mit mehr als einer Billion Minuten Fitbit- und Pixel-Watch-Daten von fünf Millionen Menschen. Es schlägt spezialisierte Modelle bei 34 von 35 Gesundheitsaufgaben und deutet an, wohin KI-Gesundheitsassistenten gehen.
