Daten auswerten

Eine Tabelle, eine Frage, eine Zahl als Antwort: So sieht eine Auswertung von außen aus. Claude Code schreibt dafür eine Abfrage oder ein kleines Programm, führt es aus und liest das Ergebnis. Eine Befragung unter Sozi­al­wis­sen­schaft­lern (externe Seite, anthropic.com) beschreibt, was Coding-Agenten wie Claude Code dabei können: Aus einer Forschungsidee und einem Datensatz schreiben sie eine Analyse und führen sie aus. Dann deuten sie die Ausgabe und überarbeiten die Analyse selbstständig.

Daraus ergibt sich, was dieses Kapitel unter nachprüfbar versteht. Abfrage und Rechnung liegen als Code vor. Wer an der Zahl zweifelt, liest den Code oder lässt ihn noch einmal laufen. Ob die Zahl stimmt, ist damit noch offen, und davon handelt der größte Teil des Kapitels, am Beispiel von Anthropics eigener Datenabteilung.

Wofür Claude Code sonst eingesetzt wird und wann Cowork allgemein die bessere Wahl ist, steht in Kapitel 07. Hier geht es um den einen Fall: aus Daten eine Auswertung, die man nachrechnen kann.

Wie verbreitet Auswertungen in Claude Code sind

Noch selten. Eine Studie des Herstellers (externe Seite, anthropic.com) über rund 400.000 Sitzungen von Oktober 2025 bis April 2026 ordnet jede Sitzung einer von neun Arbeitsweisen zu. Laut ihrer Abbildung zu den neun Arbeitsweisen entfallen über den ganzen Zeitraum 3 Prozent der Sitzungen auf Datenanalyse und 10 Prozent auf Dokumente und Präsentationen. Den Zuwachs nennt die Studie nur für beide zusammen. Ihr Anteil hat sich in diesen sieben Monaten ungefähr verdoppelt, von etwa 10 auf 20 Prozent der Sitzungen. Eingestuft hat jede Sitzung ein Modell, das ihr Transkript las. Der Hersteller hat also sein eigenes Produkt ausgewertet.

In der Forschung ist es für eine Minderheit schon Alltag. Befragt wurden 1.260 quantitativ arbeitende Sozi­al­wis­sen­schaftler im Februar und März 2026. 20 Prozent von ihnen nutzen regelmäßig einen Coding-Agenten auf der Kommandozeile, also öfter als einmal pro Woche. Von diesen nennen 86 Prozent Claude Code.

Die häufigste Verwendung ist Code für die Analyse quantitativer Daten, bei Agenten-Nutzern wie bei den übrigen KI-Nutzern. Die Angaben sind selbst berichtet, und gemeldet hatten sich Forschende für eine Studie mit Zugang zu Claude Max. Was das für die Zahlen bedeutet, steht auf der dritten Ebene.

Der Fall bei Anthropic

Anthropics Datenteam hat am 03.06.2026 beschrieben (externe Seite, claude.com), wie es Fragen aus dem Unternehmen an Claude abgibt. Dort laufen 95 Prozent der Anfragen zur Geschäfts­aus­wer­tung automatisiert über Claude, mit insgesamt rund 95 Prozent Treffsicherheit. Das sind Angaben des Herstellers über den Einsatz seines eigenen Produkts. Woran diese erste Treffsicherheit gemessen ist, sagt der Bericht an der Stelle nicht. Die übrigen Zahlen stammen aus Evals, also Prüffragen mit bekannter Antwort, die das Team selbst zusammengestellt hat.

Den größten gemessenen Sprung nennt der Bericht bei den Skills. Ein Skill ist in Claude Code ein Ordner mit Markdown-Dateien, den der Agent bei Bedarf liest. Ohne Skills lag die Treffsicherheit auf den eigenen Evals bei höchstens 21 Prozent. Mit Skills lag sie insgesamt durchgehend über 95 Prozent, in einzelnen Bereichen regelmäßig um 99 Prozent. Wie ein Skill lädt und warum seine Kurzbeschreibung entscheidet, wann er greift, erklärt Kapitel 17.

Wo die Fehler entstehen

Schwierig ist laut Bericht vor allem, eine Frage wie „aktive Nutzer“ der richtigen Tabelle, Spalte und Definition zuzuordnen. Gelingt das, wird die Ausführung samt SQL trivial. Drei Ursachen erklären nach Auskunft des Teams den weit überwiegenden Teil der falschen Antworten:

• Mehrdeutigkeit: Für einen Begriff kommen Hunderte Felder in Frage, und der Agent wählt eines, das nicht passt.
• Veraltung: Quellen, Definitionen und Schemata ändern sich laufend. Was der Agent darüber weiß, liefert dann Antworten, die knapp danebenliegen.
• Nicht gefunden: Die richtige Angabe steht im Datenmodell, sauber beschrieben, und der Agent findet sie im großen Suchraum trotzdem nicht.

Was eine Auswertung nachprüfbar macht

Gegen die Mehrdeutigkeit setzt das Team einen Semantic Layer, eine Schicht mit festgelegten Kennzahlen. Der Agent ruft eine Funktion auf und bekommt eine Zahl, dieselbe, die jede andere Oberfläche im Unternehmen zeigt. Deckt keine festgelegte Kennzahl die Frage ab, schreibt Claude die Abfrage selbst. Für jede Auswertung gilt die Regel aus der Skill-Vorlage im Anhang des Berichts: Filter, Ein- und Ausschlüsse und den Datenstand offenlegen. Bei geschützten Daten gibt der Skill nur das SQL zurück, und der Nutzer führt es selbst aus.

Zwei Schritte kommen dazu. Vor der Antwort geht jede Abfrage an einen Gegenprüfer. Das ist ein Subagent mit dem Auftrag, ihre Annahmen anzugreifen. Wie Claude Code eine solche Teilaufgabe abgibt, steht in Kapitel 20. Und jede Antwort endet mit einer Herkunftszeile: aus welcher Stufe der Quellen die Zahl stammt, wie frisch die Daten sind und wem das Modell gehört.

Eine Grenze nennt der Bericht gleich zu Beginn. Beim Programmieren fangen Tests und Dokumentation viele Fehler ab. Bei einer Auswertung gibt es oft genau eine richtige Antwort. Beweisen lässt sie sich dabei auf keinem deterministischen Weg. Nachprüfbar heißt deshalb: Man sieht, wie die Zahl entstand, und kann den Weg wiederholen. Wie oft der Aufbau richtig liegt, schätzen die Evals. Eine falsche Antwort im Einzelfall schließen auch sie nicht aus, das sagt der Bericht selbst.

Was die Auswertung über Wochen verlässlich hält

Ein Skill beschreibt ein Datenmodell, und das Datenmodell ändert sich täglich. Ohne Pflege sank die Treffsicherheit auf den Evals des Teams binnen eines Monats von rund 95 Prozent beim Start auf rund 65 Prozent. Danach erst behandelte das Team die Pflege als technische Aufgabe. Wann das war, nennt der Bericht nicht.

seitlich verschiebbar

eigene Darstellung nach Anthropic, How Anthropic enables self-service data analytics with Claude, veröffentlicht am 03.06.2026; gemessen auf den Evals des Datenteams, einen Erhebungszeitraum nennt der Bericht nicht; Stand 12.10.2026

Die Abhilfe ist eine Regel für die Ablage. Die Skill-Dateien liegen im selben Repository wie die Datenmodelle. Dieselbe Änderung, die ein Modell umbaut, zieht auch dessen Beschreibung nach. Ein Hook in der Code-Review meldet jede Änderung an einem Berichtsmodell, die keine Skill-Datei berührt. Rund 90 Prozent der Änderungen am Datenmodell enthalten inzwischen eine Änderung an einem Skill.

seitlich verschiebbar

eigene Darstellung nach Anthropic, How Anthropic enables self-service data analytics with Claude, veröffentlicht am 03.06.2026; Stand 12.10.2026

Wo man anfängt

Für den Anfang nennt das Team drei Dinge:

• eine Handvoll maßgeblicher Datensätze,
• einige Dutzend Evals,
• einen schlanken Skill, der den Weg zu den Daten beschreibt.

Sie bringen nach dieser Auskunft den größten Teil des Nutzens. Alles Weitere aus dem Bericht kam erst danach. Manches davon kann laut Team überzogen sein: wenn wenig Daten anfallen, nur wenige die Ergebnisse lesen oder das Datenmodell einfach bleibt.

Wann Cowork näher liegt

Bei Daten und Tabellen liefert der Economic Index vom Juni 2026 (externe Seite, anthropic.com) einen Gegenbefund. Er stuft ein, wie viel Claude in einer Sitzung selbst entscheidet, auf einer Skala von 1 bis 5. Bei 26 von 31 Arten von Ergebnissen ist dieser Wert in Claude Code höher als im Chat oder in Cowork. Die größte Ausnahme sind Daten und Tabellen, mit 3,09 in Chat und Cowork gegen 2,74 in Claude Code.

Rund 70 Prozent des Abstands erklärt der Bericht mit verschiedenen Aufgaben. In Chat und Cowork geht es öfter um Finanzmodelle und Dashboards, deren Aufbau Claude entwirft. In Claude Code geht es öfter um das Herausziehen und Etikettieren von Daten nach genauer Vorgabe. Gemessen ist dabei, wie viel Claude selbst entscheidet. Über die Richtigkeit der Ergebnisse sagt die Skala nichts.

Laut Produktseite (externe Seite, claude.com) ist Cowork für Wissensarbeit außerhalb des Programmierens gebaut, darunter Recherche, Analyse und das Erstellen von Dokumenten. Es liest und bearbeitet Excel-Dateien. Die Seite beschreibt auch den Fall: einen Ordner mit Exporten und Budgetdateien angeben und eine fertige Tabelle mit markierten Abweichungen zurückbekommen. Wer am Ende eine Tabelle braucht, die andere weiterbearbeiten, ist dort richtig. Wer eine Auswertung braucht, deren Rechnung als Code im Repository liegt und sich wiederholen lässt, arbeitet mit Claude Code.

Wie sich Claude Code und Cowork allgemein abgrenzen und was die Zusammenlegung von Cowork und Chat seit dem 16.09.2026 ändert, steht in Kapitel 07.

Die erste Ebene hat die Zahlen genannt. Hier geht es um den Aufbau dahinter, so wie ihn Anthropics Datenteam in seinem Bericht (externe Seite, claude.com) beschreibt. Er hat vier Schichten. Jede richtet sich gegen eine oder mehrere der drei Fehlerursachen: Mehrdeutigkeit, Veraltung und eine Angabe, die der Agent nicht findet.

Maßgebliche Datensätze in einem Repository

Die unterste Schicht ist das Datenlager selbst. Das Team nennt sie den wichtigsten Teil, damit ein Agent richtig antwortet. Der mit Abstand häufigste Fehler: Der Agent ordnet einen Begriff wie Umsatz nicht der einen richtigen Tabelle zu, meist weil mehrere Tabellen fast dasselbe berechnen. Das Team rät, wenige maßgebliche Datensätze mit klarem Besitzer zu pflegen und die Beinahe-Dubletten konsequent stillzulegen. Sucht der Agent dann nach einem Begriff, findet er genau eine maßgebliche Antwort.

Fast der ganze Datencode liegt in einem einzigen Repository: Modelle, Semantic Layer, Nach­schla­ge­do­ku­mente und die Definitionen der Dashboards. Prüfungen in der CI wachen darüber, dass die Schichten zueinander passen. Würde eine Änderung am Modell ein Dashboard brechen, meldet die CI es, und die Korrektur kommt in dieselbe Änderung.

Wo der Agent nachschlägt

Die zweite Schicht sind die Stellen, an denen der Agent nachschlägt. Der Bericht ordnet sie ungefähr nach Vertrauen:

• Semantic Layer: festgelegte Kennzahlen, eine Funktion liefert eine Zahl.
• Herkunft der Tabellen: welche Modelle eine Kennzahl speisen und welche veraltet sind.
• Frühere Abfragen: SQL aus Dashboards, Notebooks und älteren Analysen.
• Geschäftskontext: Dokumente, Pläne, Entscheidungen und die Struktur der Firma.

Der Semantic Layer kommt immer zuerst. Die Skill-Anweisung schreibt das vor.

Ihn von einem Modell aus Rohtabellen und Abfra­ge­pro­to­kollen erzeugen zu lassen, hat das Team versucht. Die Definitionen sahen plausibel aus und enthielten genau die Mehrdeutigkeiten, die sie beseitigen sollten. Auf den Evals schnitt die erzeugte Schicht schlechter ab als eine kleinere, von Menschen gepflegte. Die Empfehlung daraus: Claude schreibt die Dokumentation, ein Mensch besitzt die Definition.

Die früheren Abfragen wirken wertvoll, denn sie halten jede schon beantwortete Frage fest. Tausende davon direkt durchsuchbar zu machen, veränderte die Treffsicherheit um weniger als einen Punkt. Geholfen hat erst, den Bestand zu Nach­schla­ge­do­ku­menten je Bereich und zu wie­der­ver­wend­baren Mustern zu verdichten, die in Skills stehen.

Zwei Skills, die zusammenarbeiten

Die dritte Schicht sind die Skills. Was eine Kennzahl bedeutet, steht in den Quellen der zweiten Schicht. Ein Skill hält fest, wie man vorgeht. Der Bericht empfiehlt Skills paarweise: einen Wissens-Skill, der den Weg zu den Daten weist, und einen Ablauf-Skill für das Vorgehen.

Der Wissens-Skill ist ein schlanker Wegweiser. Er schickt den Agent zuerst zum Semantic Layer und sonst zu rund 30 Nach­schla­ge­da­teien je Bereich. So schrumpft der Suchraum auf einige Dutzend gepflegte Dateien, bevor die erste Abfrage entsteht. Jede dieser Dateien beschreibt Tabellen mit ihrer Körnung, also was eine Zeile bedeutet, ihrem Umfang und ihren Ausschlüssen. Dazu kommen die bekannten Fallen und klare Regeln, wann eine Tabelle passt und wann sie nicht passt.

Der Ablauf-Skill hält fest, wie eine erfahrene Analystin vorgehen würde: Frage klären, Quellen über den Wissens-Skill finden, Abfrage ausführen, Ergebnis an Gegenprüfer geben. Er bringt ein Dutzend fertiger Analysemuster mit, etwa Retention-Kurven, Ratenzerlegung und Trichteranalyse. Häufige Anfragen beginnen so nicht jedes Mal von vorn.

Dieselben Skills gelten auf jeder Oberfläche: in Slack, in der Ent­wick­lungs­um­ge­bung, in einem Dashboard-Werkzeug und in einer eigenständigen Sitzung. Nach jeder Übernahme ins Repository verteilt ein Automat sie weiter: als Plugin für die Ent­wick­lungs­um­ge­bung, als Datei für gehostete Anwendungen und als Ressource über MCP.

Der Gegenprüfer

Jede Abfrage geht vor der Antwort an einen Subagent, der ihre Annahmen angreift. Das steigerte die Treffsicherheit auf den Evals um 6 Prozent. Dafür stiegen der Verbrauch an Token um 32 Prozent und die Wartezeit um 72 Prozent. Ob die 6 Prozent Prozentpunkte meinen oder einen relativen Zuwachs, lässt der Bericht offen.

Ein billigeres Modell für den Gegenprüfer hat das Team ebenfalls versucht. Es verlor den größten Teil des Gewinns, und schneller wurde es kaum. Wie ein Subagent sein Modell bekommt und was er von der Sitzung sieht, steht in Kapitel 20.

Wie das Team misst

Die vierte Schicht ist die Prüfung. Grundlage sind Evals, also einfache Paare aus Frage und Antwort. Zwei Arten gibt es. Die einen erzeugt Claude aus den Dashboards, und Menschen prüfen sie nach; sie decken die häufigsten Fragen ab. Die anderen erzeugt Claude aus Plänen und Tabel­len­do­ku­men­ta­tion für den Rest eines Bereichs. Jede Korrektur, die jemand in einem Gespräch anbringt, wird ein Kandidat für eine neue Eval.

Vier Regeln halten die Messung brauchbar:

• Fester Stichtag. Eine Eval auf lebenden Daten veraltet, sobald sich die Zahl bewegt. Jede Eval bekommt deshalb einen Stichtag oder eine stabile Tabelle. Alternativ bewertet der Prüfer die Abfrage des Agenten statt seiner Zahl.
• Ergebnisse als Messreihe. Jeder Lauf landet mit Skill-Fassung, Git-Commit, Modell, Ergebnis je Prüfung, Tokenzahl und Laufzeit in einer Tabelle. Ob eine Änderung geholfen hat, wird damit eine Abfrage.
• Freigabe je Bereich. Ein Bereich geht erst an die Nutzer, wenn sein Teil der Evals eine Schwelle schafft, anfangs rund 90 Prozent.
• Einige Dutzend je Thema. Darüber bringt jede weitere Eval laut Team immer weniger.

Jede größere Änderung an einem Skill bekommt einen Lauf davor und danach, und der Unterschied steht in der Beschreibung der Änderung. Für Grundsatzfragen ändert das Team genau einen Baustein und vergleicht die Ergebnisse, bei sonst gleichen Evals. Ein Lauf dauert eine Stunde.

Pflege, die sich selbst anstößt

Was die Skills über Wochen hält, hat die erste Ebene beschrieben: dieselbe Änderung für Modell und Beschreibung, und ein Hook, der fehlende Skill-Änderungen meldet. Zwei Bausteine kommen dazu.

Ein zeitgesteuerter Agent liest alle paar Stunden die Kanäle mit, in denen Fragen gestellt werden. Findet er Korrekturen, entwirft er eine einzeilige Änderung am passenden Nach­schla­ge­do­ku­ment und legt sie dem zuständigen Besitzer als Ände­rungs­vor­schlag vor. Wie ein Lauf nach Zeitplan in Claude Code eingerichtet wird, erklärt Kapitel 28. Und zwei Kennzahlen laufen ständig mit: der Anteil der Abfragen über den Semantic Layer und der Anteil der Rückmeldungen, die nach einer Korrektur klingen, etwa „das ist die falsche Tabelle“. Beide stehen auf einem Dashboard, das wöchentlich neben dem Ergebnis der Evals angesehen wird.

Umgekehrt räumt das Team auf. Wird ein Modell besser und fällt eine Fehlerart weg, kommt das Gerüst dafür aus den Skills heraus.

Zwei kleinere Fälle

Ein älterer Bericht über Teams bei Anthropic (externe Seite, claude.com) vom 24.07.2025 nennt zwei Fälle mit Daten. Die Zahlen darin melden die Teams selbst.

Das Marketing-Team baute einen Ablauf, der CSV-Dateien mit Hunderten Anzeigen liest, die schwachen findet und neue Varianten innerhalb fester Zeichengrenzen schreibt. Zwei spezialisierte Subagents erzeugen Hunderte neuer Anzeigen in Minuten statt in Stunden.

Neue Data Scientists im Infrastruktur-Team lassen sich von Claude Code erklären, wie die Datenpipelines zusammenhängen und welche Quellen in welche Dashboards fließen. Laut Bericht ersetzt das bei ihnen ein herkömmliches Datenkatalog-Werkzeug. Das ist dieselbe Frage, die im großen Fall die Herkunft der Tabellen beantwortet: woher eine Zahl kommt.

Bis auf eine stammen alle Zahlen dieses Kapitels vom Hersteller selbst: zwei Berichte über die eigenen Teams, eine Befragung, eine Auswertung von Sitzungen und ein Bericht aus dem Economic Index. Die eine kommt aus dem Werkstattbericht zur eigenen Diktier-App. Diese Ebene ordnet die Zahlen ein. Sie zeigt, wie jede erhoben ist, was ihre Autoren selbst einschränken und wo der Befund für Cowork spricht.

Was die Zahlen des Datenteams messen

Den Bericht (externe Seite, claude.com) haben Mitglieder des Teams für Data Science und Data Engineering geschrieben. Er beschreibt also die eigene Arbeit mit dem eigenen Produkt. Die Treffsicherheit von höchstens 21, über 95 und rund 65 Prozent ist auf Evals gemessen, die dasselbe Team zusammengestellt hat. Einen Teil davon erzeugt Claude, und Menschen prüfen ihn nach. Welches Modell dabei antwortete, nennt der Bericht nicht. Er sagt auch nicht, wann der Abfall auf 65 Prozent war.

Wie weit eine solche Zahl reicht, sagt der Bericht selbst. Evals ohne Nutzer zeigen, ob es grobe Lücken gibt. Für den Betrieb hat das Team eigene Prüfungen, die zweite Ebene beschreibt sie. Als Ziel nennt das Team für diese Evals rund 100 Prozent. Selbst das schließt eine falsche Antwort im Betrieb nicht aus. Wie viele Evals nötig sind, hängt von der Komplexität des Bereichs und seines Datenmodells ab. Die Grenze, ab der weitere kaum noch helfen, sinkt laut Team mit jeder neuen Modellgeneration. Was eine Zahl aus einem Prüfsatz allgemein aussagt, erklärt Beurteilen und Einordnen, Kapitel 04.

Was nicht gewirkt hat

Der Bericht führt eine kurze Liste der Versuche, die nichts brachten. Der lehrreichste war ein Nullergebnis. Das Team gab dem Agent per grep Zugriff auf Tausende SQL-Dateien aus Dashboards, Transformationen und Notebooks. In den Transkripten prüfte es, dass er sie vor jeder Antwort las. Die Treffsicherheit bewegte sich um weniger als einen Punkt.

Bei den Fragen, die er falsch beantwortete, stand die Antwort in etwa 80 Prozent der Fälle im durchsuchten Bestand. Ob die Antwort dort stand, sagte trotzdem nicht voraus, ob der Agent nun richtig lag. Der Engpass lag laut Team bei der Zuordnung einer Frage zur richtigen Tabelle.

Zwei weitere Fehlschläge nennt das Team. Mehr Runden zum Verfeinern der Dokumentation brachten ab einem Punkt dreimal hintereinander ein schlechteres Ergebnis, und die Dokumente wurden dabei nur länger. Und ein billigeres Modell als Gegenprüfer verlor den größten Teil des Gewinns. Dazu kommt der erzeugte Semantic Layer von der zweiten Ebene.

Der stille Fehler

Eine Fehlerart fängt keiner der Bausteine ganz ab: Die Antwort ist falsch, sieht plausibel aus und wird ohne Einwand benutzt. Dagegen setzt das Team drei Dinge.

Die Herkunftszeile unter jeder Antwort hilft einzuschätzen, wie weit man ihr trauen kann. Was an die Leitung geht, zeichnet ein Mensch ausdrücklich ab. Und für die wichtigsten Kennzahlen jedes Bereichs prüft eine Eval täglich, ob die Zahl des Agenten zu der des maßgeblichen Dashboards passt. Eine verlässliche Lösung hat das Team nach eigener Angabe noch nicht.

Wie ein solcher Fehler in einer kleinen Auswertung aussieht, zeigt der Werkstattbericht zur eigenen Diktier-App. Die erste Fassung einer Auswertung von Rückmeldungen las eine niedrige Bewertungsquote als Beleg, dass freiwillige Rückmeldung als Qua­li­täts­si­che­rung nichts taugt. Das war ein Fehlschluss, denn über die 97,4 Prozent der Diktate ohne Bewertung sagen diese Daten nichts. Die Zahl stimmte, die Deutung war plausibel und falsch.

Die Befragung unter Sozialwissenschaftlern

Die Befragung (externe Seite, anthropic.com) ist keine repräsentative Stichprobe. Geworben wurden die Befragten für eine Studie, die Zugang zu Claude Max bot. Das kann die Auswahl zu Forschenden verschoben haben, die sich für KI-Werkzeuge interessieren. Die Befragten ähnelten allerdings einer früheren Stichprobe, die eine allgemeiner gehaltene Einladung bekommen hatte. Die Autoren erwarten selbst, dass die Antwortenden KI häufiger nutzen und optimistischer sehen als jene, die nicht antworteten.

Die 20 Prozent zählen nur Werkzeuge auf der Kommandozeile. Gefragt war nach einem KI-Assistenten, der in die Kommandozeile eingebunden ist und mehr als einmal pro Woche genutzt wird. Die Befragung begann einen Monat nach dem Start von Cowork. Wer Agenten nur über eine Desktop-App nutzt, fehlt deshalb in der Zahl.

Die Angaben zur eigenen Produktivität sind selbst berichtet. Für die sechs Monate vor der Befragung melden Nutzer von Coding-Agenten rund 10 Prozent mehr begonnene Projekte und 75 Prozent mehr veröffentlichte Arbeitspapiere. Verglichen wird mit anderen derselben Disziplin und Karrierestufe. Mehr Einreichungen bei Fachzeitschriften finden die Autoren nicht.

Kausal deuten soll man die Unterschiede ausdrücklich nicht. Wer früh zu Agenten greift, war womöglich schon vorher produktiver. Über die Qualität der Arbeiten sagt die Befragung nichts.

Die Befragung ist die Ausgangswelle einer größeren Studie. Dazu gehört ein zufällig zugeteiltes Experiment, in dem Forschende Zugang zu Claude Code bekommen. Die Ergebnisse stehen noch aus.

Die Sitzungsstudie

Die Studie über Claude-Code-Sitzungen (externe Seite, anthropic.com) wertet rund 400.000 Sitzungen aus Oktober 2025 bis April 2026 aus. Datenanalyse ist darin eine von neun Arbeitsweisen. Zusammen mit dem Schreiben von Dokumenten und Präsentationen bildet sie die Gruppe für Arbeit, bei der Code nur Mittel zum Zweck ist. Über den ganzen Zeitraum stehen 13 Prozent der Sitzungen in dieser Gruppe. Die Abbildung zu den neun Arbeitsweisen trennt beide: 3 Prozent Datenanalyse, 10 Prozent Dokumente und Präsentationen. Die Verdopplung von etwa 10 auf 20 Prozent nennt die Studie nur für beide zusammen. Eingestuft hat ein Modell, das die Transkripte las.

Der Gegenbefund im Detail

Der Economic Index vom Juni 2026 (externe Seite, anthropic.com) misst Selbstständigkeit auf einer Skala von 1 bis 5. Die Transkripte liest dabei nur eine weitere Instanz von Claude. Die Werte sind also Einstufungen eines Modells.

Chat und Cowork stammen aus privaten Konten mit Free, Pro und Max. Gesammelt wurden sie vom 10.04. bis zum 10.06.2026. Für den Vergleich nimmt der Bericht Sitzungen von Claude Code aus demselben Zeitraum dazu.

Den Abstand bei Daten und Tabellen, 3,09 gegen 2,74, nennt der Bericht nur in einer Fußnote. Sie hängt an dem Satz, nach dem der Abstand über alle Gespräche 0,37 Punkte beträgt und zwei Ursachen hat. Rund 70 Prozent des Abstands bei Daten und Tabellen gehen auf verschiedene Aufgaben zurück. Einen Teil des höheren Werts von Chat und Cowork schreibt der Bericht Cowork zu: Dort kommt Arbeit mit Daten und Tabellen besonders oft vor und läuft besonders selbstständig.

Dazu passt eine Arbeitsteilung, die die Doku zur Desktop-App (externe Seite, code.claude.com) für Dispatch beschreibt. Dispatch verteilt Aufgaben aus dem Reiter Cowork, und Recherche, Dokumente und Tabellenarbeit bleiben dabei in Cowork. Mehr dazu steht in Kapitel 01. Bei Daten und Tabellen entscheidet Claude in Chat und Cowork laut Index mehr selbst, vor allem weil dort Finanzmodelle und Dashboards überwiegen. Eine Auswertung, deren Rechnung als Code geprüft und versioniert im Repository liegen soll, entsteht in Claude Code, so wie im Fall des Datenteams.

Wann sich der Aufwand lohnt

Der Bericht des Datenteams endet mit Fragen, an denen sich entscheidet, wie viel von diesem Aufbau eine Organisation braucht:

• Wie wichtig ist eine richtige Antwort heute, verglichen mit später? Modelle werden schnell besser, und manche Infrastruktur gleicht nur eine Schwäche aus, die mit besseren Modellen hinfällig wird.
• Wie wird sich die Komplexität des Geschäfts entwickeln?
• Wie technisch sind die Leser der Ergebnisse? Data Scientists, die eine falsche Antwort erkennen, vertragen mehr Fehler als Leser ohne Kenntnis des Datenmodells.
• Wie viel darf mehr Treffsicherheit kosten? Der Gegenprüfer ist das Beispiel dafür.
• Wie weit darf der Agent auf Daten zugreifen? Mehr Kontext macht ihn besser, und breiter Zugriff widerspricht den Regeln der meisten Firmen. Davon hängt ab, ob man einen Agent baut oder mehrere mit engem Zuschnitt.