TL;DR. Anthropic hat in dieser Woche bei Code with Claude in San Francisco und London die Adoption-Zahlen seiner Großkunden gezeigt. Spotify mit 3.000 Engineers, 4 Milliarden Zeilen Code, 4.500 Deployments am Tag: 99 Prozent der Engineers nutzen Claude wöchentlich, 94 Prozent berichten höhere Produktivität, die PR-Frequenz ist um 76 Prozent gestiegen, 2,5 Millionen automatisierte Wartungs-PRs sind bereits gemerged. Dropbox meldet 200 Prozent mehr PRs pro Engineer. Mercari lässt 23.000 Engineers org-weit auf Claude Code arbeiten und peilt für das dritte Quartal an, dass 90 Prozent des Codings im AI-PR-Loop läuft. Allianz ist der größte deutsche Anthropic-Kunde und hat die Nutzung per CTO-Mandat festgeschrieben. Die SWE-Bench ist in zwölf Monaten von 60 auf 87 Prozent gesprungen. Coding ist bei den Top-Adoptern nicht mehr der Engpass. Für AI im Mittelstand verschieben sich damit drei Knappheitsfaktoren: Code-Review-Kapazität, Domänenexpertise für die Frage, was gebaut wird, und Outcome-Denken statt Prozessdetail.
Drei Beobachtungen und eine Konsequenz
Erstens: Bei den führenden Adoptern ist Coding kein knapper Faktor mehr, es ist ein Reviewing-Problem. Zweitens: Die Patterns aus dem Coding sind auf benachbarte Domänen 1:1 übertragbar, sechs bis zwölf Monate zeitversetzt. Drittens: Anthropic hat im April Managed Agents als Plattform-Beta veröffentlicht und in dieser Woche um Outcomes, MCP Tunnels und Self-hosted Sandboxes erweitert, womit der Infrastruktur-Layer für AI im Mittelstand erstmals kein Eigenbau mehr ist.
Die Konsequenz: Im Mittelstand wandert der Engpass von der IT in die Fachbereiche. Wer dort keine Review- und Entscheidungskapazität aufbaut, kauft Geschwindigkeit, die im eigenen Haus liegen bleibt.
Was bei Spotify wirklich passiert ist
Die Zahlen lassen sich leicht überfliegen, also das Konkrete. Spotifys Codebasis wächst seit Jahren siebenmal schneller als die Engineering-Mannschaft. Das Team hat darauf nicht mit Hiring reagiert, sondern mit einem Werkzeug, das im Vortrag „Home" hieß. Home wickelt die Pflege der Codebasis ab: Library-Updates, Sicherheits-Patches, Migrationen. Es generiert Pull Requests, verifiziert sie mit Builds, CI und Multi-OS-Tests, und merged die Mehrheit ohne menschlichen Review. 2,5 Millionen solcher PRs seit Anfang 2024.
Die letzte Java-Migration, die das Team vor Home über Monate getragen hatte, lief in drei Tagen. Migrationszeiten generell sind um 90 Prozent gefallen. Über 1.000 Services pro Monat werden inzwischen automatisch modernisiert. Mercari hat 9.000+ Apps auf die gleiche Weise migriert.
Der ehrliche Satz aus der Session: Coding ist nicht mehr der primäre Engpass. Was knapp wird, ist menschliches Urteilsvermögen darüber, wo Review wirklich Mehrwert bringt. Wenn 76 Prozent mehr PRs durchs System laufen, dann reicht die alte Review-Praxis nicht mehr. Die Frage „wer überprüft was, mit welcher Sorgfalt" wird zur Steuerungsaufgabe.
Für den deutschen Mittelstand bedeutet das nicht, dass eine 200-Personen-Engineering-Abteilung morgen Spotify-Zahlen liefert. Es bedeutet, dass die Logik der Knappheit sich umdreht. Wer heute eine Personalstrategie für 2027 schreibt, sollte nicht mehr „mehr Engineers einstellen" als Default annehmen, sondern „mehr Fach-Reviewer, mehr Domänenexperten, mehr Produktentscheider".
Die SWE-Bench-Kurve ist die wichtigste Zahl der Woche
Sonnet 3.5 lag vor zwölf Monaten bei 60 Prozent. Opus 4.7 in dieser Woche bei 87 Prozent. Das ist nicht eine Iteration, das ist eine Generation. Acht Frontier-Modelle in zwölf Monaten. API-Volumen 17x.
Im Demo-Vergleich vor Ort: Sonnet 3.5 baute eine Claude-Website-Nachimplementierung mit 2.000 Zeilen, brauchbarer UI, nicht-funktionierendem Chat. Opus 4.7 baute sie mit 1.700 Zeilen, besserem Design, funktionierendem Chat mit History, Diagrammen und Dark Mode. Claude Mythos Preview, das im April als Research-Preview veröffentlichte Modell, hat im Rahmen von Project Glasswing eine 27 Jahre alte OpenBSD-TCP-SACK-Remote-Code-Execution-Lücke gefunden, die jede vorherige Analyse-Tool-Generation übersehen hatte.
Für die Planung in einem Mittelstandshaus heißt das nüchtern: Jede AI-Roadmap mit Laufzeit über zwölf Monate plant für ein Capability-Niveau, das in sechs Monaten überholt ist. Das ist kein Argument gegen Planung. Es ist ein Argument für kürzere Zyklen, regelmäßige Audits des eigenen Prompt- und Skill-Scaffoldings, und für Investitionen in die Plattformfähigkeit statt in punktuelle Tool-Verträge.
Die Patterns springen aus dem Code-Repository heraus
Die zweite Beobachtung aus der Woche kam von Legora. Legal-Tech-Firma aus Schweden, beobachtet seit Monaten die Coding-Agent-Patterns und überträgt sie auf juristische Dokumentenarbeit. Ihre Hauptthese: Coding-Agents sind sechs bis zwölf Monate vor anderen Domänen. Aber drei Pattern-Kategorien sind transferierbar. Direkte Übersetzungen (Plan-Mode, Approval-Workflows, Read-Edit-Verify-Loop). Adaptierbare Patterns (Linting wird zu Legal Linting, Type Checking wird zu Vertragskonsistenzprüfung). Domänenspezifische Erfindungen (Tabular Review für Due Diligence über tausende Verträge).
Der eigentliche Durchbruch bei Legora kam, als sie ihr ursprüngliches Multi-Agent-System verworfen und stattdessen den Coding-Read-Edit-Verify-Loop nachgebaut haben, mit DocX-Dateien als Text-Zwischenformat. Resultat: chirurgisch genaue Edits über große Dokumentenmengen. Eine englisch-schwedische Übersetzung kompletter Verträge lief auf dem kleinen Haiku-Modell durch.
Für den Mittelstand ist das die unmittelbar verwertbare Erkenntnis. Vertragsmanagement, Beschaffung, Buchhaltung, Qualitätsdokumentation, technische Dokumentation, Angebotserstellung. Überall dort, wo strukturierte Dokumente, klare Konventionen und eine Review-Kultur zusammenkommen, sind die heute existierenden Patterns sofort einsetzbar. Es ist nicht Forschung. Es ist Übersetzungsarbeit.
Managed Agents: Die Infrastruktur-Frage ist gelöst
Die dritte Beobachtung ist die plattformökonomisch wichtigste. Managed Agents ist seit dem 8. April 2026 als Public Beta verfügbar und wurde in dieser Woche bei Code with Claude um weitere Primitives erweitert. Endpoints für Agents, Environments, Sessions und Events. Memory Stores. Credential Vaults, die Authentifizierungs-Tokens injizieren, ohne sie ins Claude-Kontextfenster zu lassen. MCP Tunnels, die interne Server hinter der Firewall an Agents anbinden, ohne sie öffentlich zu exponieren. Outcomes, die definieren, was am Ende rauskommen soll, und den Agent so lange iterieren lassen, bis die Rubrik erfüllt ist. Self-hosted Sandboxes über Cloudflare, Modal, Daytona und Vercel. Routinen, die zeitgesteuert oder via Webhook ausgelöst werden. Erste produktive Implementierungen laufen bei Notion, Rakuten, Sentry und Asana.
Über AWS Bedrock läuft das Gleiche in EU-Region (London), GDPR-konform, SOC 2, HIPAA. Anthropic-Mitarbeiter haben keinen Zugriff auf Daten innerhalb der AWS-Boundary. Anthropics Compute-Commitment auf AWS liegt bei über 100 Milliarden Dollar über zehn Jahre, mit bis zu 5 Gigawatt Kapazität. Amazon hat im Gegenzug die Anthropic-Beteiligung kumulativ auf 13 Milliarden Dollar aufgestockt, mit bis zu weiteren 25 Milliarden geplant.
Was bedeutet das für ein Mittelstandshaus mit drei oder vier IT-Mitarbeitern und einem externen Dienstleister? Die Build-vs-Buy-Frage für Agent-Infrastruktur hat sich gedreht. Wer heute plant, ein eigenes Agent-Framework zu bauen oder bauen zu lassen, sollte das ernsthaft hinterfragen. Was an Engineering-Aufwand vor einem Jahr nötig war, um State-Management, Sandbox-Isolation, Credential-Handling und Memory-Layer aufzustellen, ist als Plattform-Service jetzt da. Der Mehrwert liegt nicht mehr im Loop-Code, er liegt im Domänenwissen und im Outcome-Design.
Was die Allianz vormacht
Allianz ist Anthropics größter deutscher Kunde. Die Nutzung von Claude ist durch den CTO mandatiert. Das ist das entscheidende Signal aus der Woche, nicht die Spotify-Zahlen. Spotify ist eine Tech-Company. Allianz ist Versicherung, knapp 160.000 Mitarbeiter, Compliance-getrieben, regulatorisch beobachtet. Wenn dort der Mandat-Schalter umgelegt ist, dann ist „wir warten ab, bis sich das im Markt klärt" für mittelständische Geschäftsführer keine sichere Position mehr. Es ist die Position, die in zwölf Monaten die Vergleichszahlen liefert, an denen das eigene Haus gemessen wird.
Wichtige Klarstellung: Die Spotify-Zahlen kommen nicht aus Bottom-Up-Adoption. Sie kommen aus Top-Down-Mandaten plus interner Schulungs- und Plattform-Investition. Anthropics eigene Adoption-Daten aus den Sessions sind erschreckend ehrlich: Nur 2 bis 4 Prozent der Menschen bauen aktiv etwas, 96 Prozent konsumieren. Selbst in einem Startup-Accelerator mit Claude-Vollzugang hatten 80 Prozent der 20 Teilnehmer das Tool noch nie geöffnet. Das Wort Lizenz-Rollout reicht nicht. Es braucht ein Mandat, einen Eigentümer und eine messbare interne Befähigung.
Was folgt für die einzelnen Rollen
CEO im industriellen Mittelstand. Die Frage in der nächsten Geschäftsführungssitzung ist nicht „sollen wir AI einführen", sondern „wer in unserem Haus mandatiert die Nutzung, welche zwei Workflows sind binnen 90 Tagen in Produktion, und wie messen wir die Veränderung". Wer auf Bottom-Up wartet, verliert gegen Wettbewerber mit klarer Mandatierung. Allianz ist das Lehrstück, nicht Spotify.
CIO oder Head of IT. Drei Entscheidungen sofort. Erstens: Plattform-Layer einkaufen statt selbst bauen. Anthropic Managed Agents oder AWS Bedrock in EU-Region. Zweitens: Zwei Fachbereiche mit hoher Dokumentenlast identifizieren (typisch: Vertragsmanagement, Qualitätsmanagement, Beschaffung) und dort die Coding-Patterns als Pilot übertragen. Drittens: Review-Kapazität in den Fachbereichen aufbauen, nicht in der IT. Wenn das Tool produziert, müssen die Fachexperten prüfen und entscheiden.
HR und Personalentwicklung. Die Karriereleiter verändert sich. Junior-Profile mit Routineaufgaben werden langsamer benötigt. Mitarbeiter mit Domänenexpertise, Urteilsvermögen und der Fähigkeit, Outcomes statt Prozesse zu definieren, werden zur Knappheit. Schulungsbudgets gehören vom „AI-Awareness-Workshop" auf „Outcome-Design für Fachbereiche" umgelenkt. Wer das nicht tut, hat in 18 Monaten eine Belegschaft, die Werkzeuge hat, aber sie nicht produktiv einsetzt.
Aufsichtsrat. Drei harte Fragen an die Geschäftsführung. Wo ist unser AI-Mandat, wer trägt es, und in welchem Sitzungsturnus berichtet er. Welche zwei produktiven Anwendungen laufen in 90 Tagen, mit welcher messbaren Wirkung auf Stundenbudgets oder Durchlaufzeiten. Welcher externe Implementierungspartner ergänzt unsere interne Kapazität, und wie ist der Wissensübergang vertraglich abgesichert.
Mid-Market-PE-Investor. Portfoliogesellschaften in dokumentenintensiven Branchen mit klaren Workflow-Patterns sind die schnellsten EBITDA-Hebel der nächsten 24 Monate. Vertragsmanagement, Compliance, Beschaffung, technischer Innendienst. Wer im Portfolio einen klassischen Body-Shop-Dienstleister hält, sollte das Multiple re-underwriten. Wer eine Vertical-Boutique mit AI-nativer Implementierungskapazität findet, sollte die Multiples in die andere Richtung re-underwriten.
Der Engpass wandert. Die Frage ist, wer ihn auflöst.
Die Zahlen aus dieser Woche sagen nicht, dass jeder Mittelstand morgen Spotifys 99 Prozent erreicht. Sie sagen, dass der knappe Faktor sich verschiebt. Vor zwei Jahren war es Modellqualität. Vor einem Jahr war es Infrastruktur. Heute ist es bei den Top-Adoptern Review-Kapazität, Domänenexpertise und Outcome-Denken. Für AI im Mittelstand wird es das in spätestens zwölf Monaten ebenfalls sein. Wer den eigenen Engpass vorher kennt, plant rechtzeitig. Wer ihn nicht kennt, kauft Geschwindigkeit, die im eigenen Haus liegen bleibt.
Die Modelle sind verteilbar. Die Entscheidungen darüber, was sie produzieren sollen, sind es nicht.
Wie ich helfe
Ich führe von München aus eine kleine Implementierungspraxis. Builder-first, Claude Code nativ, Deutsch und Englisch, fokussiert auf die drei oben genannten Knappheiten.
Diagnose- und Assessment-Formate (unter 1.000 Euro). Für Geschäftsführer und Aufsichtsräte, die in Tagen statt Wochen einen konkreten Startpunkt brauchen. AI-Readiness-Assessment, Claude-Code-Adoption-Review für ein Team, AI-Act-Risikoklassifizierung für einen Use Case.
Fokussierte Engagements (1.000 bis 5.000 Euro). Halbtags-Strategie-Workshops mit dem Führungsteam, Use-Case-Validierungen gegen eigene Daten, Compliance-Sprints. Ergebnis ist ein schriftliches Deliverable plus eine Entscheidung.
Pilot-Engagements (fallbezogen vereinbart). Ein priorisierter Use Case von der Discovery bis in die Produktion in 90 Tagen. Interner Wissensübergang am Ende, damit das eigene Team das Gebaute betreibt und weiterentwickelt.
Der einfachste Einstieg ist ein dreißigminütiger Discovery-Call, kostenfrei und ohne Verpflichtung. Angebote und Termine unter drfloriansteiner.com/angebote.
Diesen Beitrag an Geschäftsführer, Aufsichtsräte oder PE-Partner weiterleiten, die durch dieselben Fragen gehen. Wochenausgabe des Agentic Engineering Digest abonnieren unter drfloriansteiner.com.