These: Claude Frontier Academy – 100 Millionen für 10.000 Engineers, und der Engpass heißt Mensch

Stellen Sie sich vor, ein KI-Konzern kündigt an, 100 Millionen US-Dollar in Menschen zu stecken statt in Modelle. Das ist keine Pointe, das ist die Meldung vom Freitag. Die Claude Frontier Academy soll laut Anthropic bis Ende 2027 10.000 sogenannte Frontier Deployed Engineers ausbilden, gestützt auf ein Commitment von 100 Millionen US-Dollar. Wer dieses Detail überliest, versteht die Ankündigung falsch. Hier gibt ein Modellhersteller zu, dass sein Produkt allein keine Firma verändert. Es braucht jemanden, der es durch den Laden trägt.

Die Quelle dafür ist die Mitteilung von Anthropic vom 2. Oktober. Ich habe sie gelesen, und zwar genauer, als es die meisten Überschriften getan haben. Mein Urteil vorweg, als Klartext: Das Programm ist weniger Marketing, als es auf den ersten Blick wirkt. Es ist ein Spiegel, in den DACH-Entscheidende besser schauen sollten, bevor sie das nächste Lizenzpaket unterschreiben.

Was die Claude Frontier Academy tatsächlich ist

Zuerst die Fakten, und zwar ausschließlich die, die Anthropic selbst nennt. Alles Folgende sind Angaben des Unternehmens, keine unabhängigen Messungen.

Die Academy richtet sich an Hands-on-Software-Engineers. Gesucht sind Leute mit starken Grundlagen, mit Erfahrung im Bauen mit Sprachmodellen, mit Erfahrung darin, anderen bei der KI-Einführung zu helfen, und mit der Gewohnheit, die wichtigsten Probleme des eigenen Unternehmens anzupacken. Erfahrung mit KI-Agenten ist ausdrücklich keine Voraussetzung. Die Organisationen nominieren ihre stärksten Engineers. Jede Person kommt mit einem benannten Claude-Projekt, das sie nach der Rückkehr leitet.

Das erste Programm heißt „Frontier Deployed Engineer Residency“. Es beginnt mit einem mehrtägigen Präsenzteil mit Anthropic-Engineers und lizenzierten Instruktoren. Dort durchlaufen die Teilnehmenden ein simuliertes Enterprise-Deployment: richtiger Use Case, Security Review, Handover. Es folgt ein benoteter Praxistest an einem neuen Szenario. Wer besteht, erhält das Badge „Claude Resident Engineer“ und geht in eine 12-wöchige Residency. Dort leitet die Person einen echten Claude-Use-Case in der eigenen Organisation, unterstützt von Anthropic-Engineers und der Kohorte. Am Ende steht eine erneute Prüfung. Wer sie besteht, bekommt das Badge „Claude Frontier Deployed Engineer“. Die ersten erwartet Anthropic für Anfang 2027.

Die Academy baut auf dem Claude Partner Network auf. Dort haben laut Anthropic Fachleute aus 46.000 Firmen mehr als 175.000 Claude-Zertifizierungen erworben, und knapp 4.000 Personen haben „Basecamp“ abgeschlossen. Das ist ein immersives Programm mit demselben Curriculum, das die Applied-AI-Teams von Anthropic beim Onboarding durchlaufen. Die Eckdaten also in einem Atemzug: 100 Millionen US-Dollar, 10.000 Engineers bis Ende 2027, 12 Wochen Residency im eigenen Haus, dazu ein Partner Network mit mehr als 175.000 Zertifizierungen aus 46.000 Firmen.

Die ersten Kohorten kommen von Accenture, Bain, Capgemini, der Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley, Novo Nordisk „und weiteren“. Standorte: San Francisco, New York und London. Teilnahme nur per Nominierung. Organisationen fragen beim Anthropic-Account-Team oder beim Partner Account Manager nach, ob sie infrage kommen.

Das war die Pflicht. Jetzt die Kür.

Interessant ist nicht die Zahl, interessant ist die Konstruktion. Ein Schulungsprogramm, das mit einem Projekt beginnt, ist ungewöhnlich. Die meisten Weiterbildungen beginnen mit einem Kurskatalog und enden mit einem PDF. Hier steht am Anfang ein benanntes Vorhaben und am Ende die Frage, ob es im eigenen Haus läuft. Das ist ein Unterschied wie zwischen einem Theorieschein und einer Fahrstunde im Berufsverkehr.

Warum 10.000 Engineers ein Eingeständnis sind

Anthropic schreibt selbst, die Academy solle „eines der drängendsten Probleme bei der KI-Einführung“ lösen, nämlich Talent. Lesen Sie den Satz ruhig zweimal. Wohlgemerkt: eines der drängendsten Probleme, nicht das einzige, und eine Rangliste liefert Anthropic nicht mit. Aber dass ein Modellhersteller Talent überhaupt auf diese Liste setzt, sagt viel.

Dann kommt die Beobachtung, die ich für den eigentlichen Kern halte. In den Firmen, mit denen Anthropic arbeitet, treibe eine kleine Gruppe tief qualifizierter Leute einen überproportionalen Anteil dessen, was KI liefert. Und die Menschen, die KI in einem echten Unternehmen zum Laufen bringen können, seien das am schwersten zu findende Talent geworden.

Seien wir ehrlich: Das ist eine bemerkenswerte Aussage für einen Konzern, der seine Einnahmen mit der Leistungsfähigkeit seiner Modelle begründet. Normalerweise lautet das Versprechen: Kaufen Sie das Modell, der Rest ergibt sich. Hier lautet es sinngemäß: Das Modell ist da, aber ohne die richtigen Leute im Haus bleibt es ein Versprechen.

Ich finde, das ist die ehrlichste Zeile der ganzen Mitteilung. Sie steht nicht im Zitat eines Vorstands, sondern im Fließtext, fast beiläufig.

Was Corfield sagt, und was er nicht sagt

Steve Corfield, Global Head of Business Development and Partnerships bei Anthropic, wird in der Mitteilung so zitiert (hier sinngemäß ins Deutsche übersetzt):

Ein kleines Team aus hochgradig eigenständigen Leuten mit den richtigen Fähigkeiten, Zugang zu Claude und einem tiefen Verständnis dafür, wie ihr Geschäft läuft, kann ein ganzes Unternehmen verändern. Der schwierige Teil ist, diese Tiefe an Talent aufzubauen: Engineers … die Claude von einer Idee zu einem System im Produktivbetrieb bringen können …

Steve Corfield, Global Head of Business Development and Partnerships, Anthropic (Zitat laut Anthropic-Mitteilung, übersetzt)

Beachten Sie die Reihenfolge der Zutaten: hohe Eigenständigkeit, passende Fähigkeiten, Zugang zum Modell, Verständnis des eigenen Geschäfts. Das Modell steht an dritter Stelle. Natürlich ist das die Sicht eines Anbieters, der Talent als Engpass beschreibt, während er gleichzeitig die Ausbildung verkauft beziehungsweise bezahlt. Diesen Interessenkonflikt sollten Sie mitdenken. Er macht die Beobachtung nicht falsch, aber er gehört in die Rechnung.

Was Corfield nicht sagt: wie groß der Mangel tatsächlich ist, wie viele solcher Leute es gibt, wie viele fehlen. Dazu liefert die Mitteilung keine Zahl. Ich liefere auch keine. Wer Ihnen jetzt eine Quote für gescheiterte KI-Piloten in der DACH-Region nennt, verkauft Ihnen etwas.

Dort, wo Pilotprojekte sterben: Use Case, Security Review, Handover

Schauen Sie sich die drei Stationen der Simulation an. Richtiger Use Case. Security Review. Handover. Wenn ich eine Landkarte der Orte zeichnen müsste, an denen KI-Projekte in Unternehmen hängen bleiben, ich würde genau diese drei Punkte markieren. Das ist meine Einschätzung aus Gesprächen und Beobachtung, keine Statistik.

Station eins: der Use Case. Die erste Falle ist selten die Technik. Es ist die Auswahl. Wird ein Vorhaben gewählt, weil es sich in einer Folie gut macht, oder weil es ein echtes Problem in einem echten Prozess löst, dessen Verantwortliche mitziehen? Die Academy nennt das „den richtigen Use Case“. Man kann das lernen, aber nur an Fällen, nicht aus Handbüchern.

Station zwei: die Security Review. Hand aufs Herz: Wie viele Begeisterte haben Sie schon erlebt, die beim Wort „Datenschutzfolgenabschätzung“ blass wurden? Die Security Review ist der Moment, in dem aus einer netten Demo ein Vorhaben wird, das Fragen beantworten muss. Wo liegen die Daten? Wer darf was sehen? Was passiert bei Fehlern? Wer nicht durch diese Prüfung trägt, bleibt im Pilot.

Station drei: das Handover. Das Ding läuft, die Projektgruppe löst sich auf, und dann? Wer betreibt es, wer wartet es, wer haftet, wer erkennt, wenn es still driftet? Gerade bei Agenten wird das zur Betriebsfrage: Welche laufen überhaupt, mit welchen Rechten, wer kennt sie? Wir haben dazu aufgeschrieben, wie Inventar und Betrieb von KI-Agenten nach dem Handover zur eigentlichen Daueraufgabe werden. Ein Handover, das nur aus einer Abschlusspräsentation besteht, ist keiner.

Genau das macht die Konstruktion der Academy bemerkenswert. Sie trainiert nicht „KI“, sondern den Weg durch diese drei Engstellen. Die Prüfung am Ende des Präsenzteils ist kein Multiple-Choice-Test über Funktionen, sondern ein benoteter Praxistest an einem neuen Szenario. Wer es nur kennt, weil er es einmal gesehen hat, fällt durch.

Auch Deloitte formuliert es so. Faruk Muratovic, Principal bei Deloitte Consulting LLP, wird sinngemäß so wiedergegeben: KI-Deployment im Enterprise-Maßstab brauche qualifizierte Leute, die ein Projekt von ersten Anforderungen über die Security Review bis zur echten Adoption treiben. Also vom Anfang bis zum Ende, und nicht nur durch das schöne Mittelstück.

Das Mediziner-Modell: Warum Badge-Sammeln nicht reicht

Anthropic beruft sich ausdrücklich auf das medizinische Modell. Ärztinnen und Ärzte lernen von Praktizierenden, trainieren an echten Fällen und werden geprüft, bevor sie allein praktizieren. Übertragen heißt das: Lernen von Leuten, die es tun. Üben an realistischen Fällen. Prüfung der Arbeit, bevor es das Zertifikat gibt.

Ich mag diesen Vergleich, weil er unbequem ist. Niemand lässt sich von jemandem operieren, der nur eine Reihe von Online-Modulen abgehakt hat. Bei KI im Unternehmen machen wir genau das ständig: Wir lassen Leute mit Teilnahmebescheinigung an Prozesse, in denen Kundendaten, Compliance und Geld hängen.

Die Reihenfolge der Academy ist deshalb das Wichtigste an ihr:

1. Simulation: ein ganzer Deployment-Durchlauf unter Anleitung.
2. Benotete Prüfung an einem neuen Szenario.
3. Erstes Badge: Claude Resident Engineer.
4. Zwölf Wochen Residency mit einem echten, benannten Projekt im eigenen Haus.
5. Zweite Prüfung.
6. Zweites Badge: Claude Frontier Deployed Engineer.

Das erste Badge ist also ausdrücklich nur die Eintrittskarte in die Praxis. Das eigentliche Credential bekommt, wer im eigenen Unternehmen etwas Echtes geleitet hat und dabei geprüft wurde. Eine Stempelkarte ist das nicht.

Und hier liegt, meiner Einschätzung nach, die harte Wahrheit gegen das Badge-Sammeln. Ein Zertifikat sagt, dass jemand ein Curriculum durchlaufen hat. Eine Residency mit benanntem Projekt sagt, dass jemand etwas durch ein reales Unternehmen getragen hat, mit Widerständen, Freigaben und Gegenwind. Das eine ist Information, das andere ist Belastungsnachweis.

Dazu gehört etwas, das sich in keinem Kurs lehren lässt: Urteilskraft. Wann sagt man Nein zu einem Use Case? Wann bremst man, obwohl die Führung drängt? Die Perspektive der Personalseite haben wir an anderer Stelle aufgeschrieben, in einem Beitrag darüber, wie es um die Urteilskraft von Mitarbeitenden steht, wenn KI-Vorschläge auf menschliche Entscheidungen treffen. Die Academy bildet das nicht nebenbei aus, sie prüft es in der Simulation, und eines der Partnerzitate in der Mitteilung betont genau das: Urteilsvermögen, geprüft an einem simulierten Enterprise-Deployment, nicht technische Fähigkeiten in Isolation.

Eine kurze Rechnung zum Geld

Eine eigene Rechnung von digital-magazin.de, ausdrücklich nur als Einordnung: 100 Millionen US-Dollar geteilt durch 10.000 Engineers ergibt rechnerisch 10.000 US-Dollar pro Kopf. Das ist eine Division, keine Aussage von Anthropic. Anthropic sagt nicht, dass die 100 Millionen vollständig als Ausbildungsbudget pro Person fließen. Die Zahl gilt nur, falls man den gesamten Betrag komplett auf die Köpfe umlegt, und pro Person ist sie nicht belegt. Wie viel in Infrastruktur, Instruktoren, Betreuung durch Anthropic-Engineers oder Anderes geht, steht nicht in der Mitteilung.

Trotzdem hilft die Größenordnung beim Denken. Wer bei sich selbst fragt, was er pro Person und Projekt in echte Qualifizierung steckt, sieht schnell, ob er Training oder Beschaffung finanziert.

Mythos: Mehr Lizenzen = mehr KI. Realität: mehr Rechnungen

Dieses Bild wurde komplett mit KI generiertProviderhiggsfieldModellgpt_image_2PromptPhotorealistic photo of an empty modern classroom with rows of desks, closed notebooks and a blank whiteboard, daylight, no logos, no readable text, no watermarks, 16:9

Jetzt zur Zuspitzung, die ich Ihnen nicht ersparen will. Und damit wir uns richtig verstehen: Das Folgende ist eine redaktionelle Zuspitzung, keine Statistik, und ich nenne bewusst keine Fehlschlagquote, weil ich keine belegen kann.

Redaktionelle Zuspitzung: Wer in DACH weiter Lizenzen zählt statt Menschen, die durch Security Review und Handover tragen, kauft Zertifikate und bekommt Pilotfriedhöfe.

Das Muster kennen Sie. Ein Dashboard zeigt aktive Nutzende. Die Geschäftsführung sieht eine steigende Kurve. Jemand ruft „Adoption!“. Und niemand fragt, ob irgendein Prozess dadurch schneller, billiger oder besser geworden ist. Wir haben das an anderer Stelle am Beispiel von Nutzungsanalysen beschrieben: Wer Credits und Lizenzen zählt, ohne Outcome-Metriken danebenzustellen, betreibt Adoptionstheater. Viel Bühne, wenig Stück.

Dasselbe gilt für Schulungen. „Wir haben 400 Leute geschult“ klingt nach Fortschritt. Es sagt aber nichts darüber, ob auch nur eine Person ein Vorhaben durch die Sicherheitsprüfung gebracht hat.

Hier ein Zahlenspiel mit Anthropic-Angaben, ausdrücklich nicht von Anthropic. Eine zweite eigene Rechnung von digital-magazin.de: Mehr als 175.000 Claude-Zertifizierungen geteilt durch das FDE-Ziel von 10.000 ergibt etwa 17,5. Bitte lesen Sie das nicht als „ein FDE pro 17,5 Zertifizierte“. Die Einheiten sind verschieden: Die Zertifizierungen sind ein Bestand, erworben von Fachleuten aus 46.000 Firmen. Die FDE-Plätze sind ein Ziel bis Ende 2027. Es ist ein reiner Größenordnungs-Vergleich, und eine Kausalität steckt nicht darin.

Aber die Größenordnung sagt etwas. Zertifikate sind da, in sechsstelliger Menge. Die Zahl derer, die laut Anthropic die Arbeit leiten sollen, liegt beim Ziel von 10.000 bis Ende 2027. Daneben nennt Anthropic noch Basecamp: Knapp 4.000 Personen haben dieses Programm abgeschlossen. Je näher an der echten Praxis, desto kleiner die Zahl.

Geoffroy Pajot, Global Head of AI Partnerships Ecosystem bei Capgemini, drückt es so aus:

Was ich von Kunden höre, dreht sich nicht um Zertifizierungszahlen oder Schulungsvolumen, sondern darum, aus eigener Erfahrung zu wissen, wie man reale Probleme löst, die für unsere Kunden Wert schaffen.

Geoffroy Pajot, Global Head of AI Partnerships Ecosystem, Capgemini (Zitat laut Anthropic-Mitteilung, übersetzt)

Bemerkenswert. Ein Beratungskonzern, der selbst am Partner Network teilnimmt, sagt öffentlich: Zählt nicht die Zertifikate. Natürlich passt das in sein Verkaufsargument, denn Capgemini will Delivery-Erfahrung verkaufen. Aber der Satz stimmt trotzdem, und er gehört über jeden Schulungsantrag.

Mythos und Realität im Schnelldurchlauf

• Mythos: Das beste Modell löst das Problem. Realität: Das beste Modell landet im selben Pilotstau wie das zweitbeste, wenn niemand den Weg durch die Prüfungen kennt.
• Mythos: Wer viele Mitarbeitende schult, hat KI im Haus. Realität: Er hat viele Teilnahmebescheinigungen. Im Haus ist KI erst, wenn ein benanntes Projekt in Betrieb ist.
• Mythos: Externe Berater bringen das schon ins Rollen. Realität: Vielleicht. Aber nach dem Handover müssen Ihre eigenen Leute es betreiben. Fehlen sie, hängt das Projekt an der Beratungsrechnung.
• Mythos: Das ist ein Problem für Konzerne. Realität: Der Mittelstand hat dasselbe Problem mit weniger Reserve.

Dass ein Beratungskonzern mit Rechnung im Rücken solche Programme besucht, ist übrigens kein Zufall. Wer Hunderte Kundenprojekte führt, merkt am schnellsten, wo der Engpass sitzt: nicht bei der Lizenz, sondern bei der Person.

Falsch ist übrigens auch die Gegenthese. Es geht nicht darum, Tools wertlos zu reden. Ein gutes Modell ist Voraussetzung, aber eben nicht ausreichend. Weiterbildung und klare Regeln schlagen das nächste Tool, wenn sie an echten Aufgaben ansetzen. Dazu haben wir hier schon einmal ausführlicher argumentiert, im Beitrag über Weiterbildung und Regeln statt des nächsten Tools. Die Academy ist die Premium-Variante derselben Idee.

Und die Zahl der Code-Änderungen? Rodrigo Castillo, Group CTO der Commonwealth Bank of Australia, sagt laut Mitteilung, die Teams hätten im vergangenen Jahr bis zu dreimal mehr Code-Änderungen produziert. Das ist eine Firmenangabe, keine Messung von uns, und die Mitteilung sagt nichts darüber, wie sie zustande kam oder was „Code-Änderung“ hier genau zählt. Wer mehr Änderungen mit mehr Wert verwechselt, hat das Lizenzzählen nur auf eine andere Ebene verschoben. Ich nehme die Angabe als Hinweis auf Aktivität, nicht als Beleg für Wirkung.

Die Gegenposition: Für den Mittelstand ein Signal, kein Angebot

Jetzt fair bleiben. Denn so schön die Konstruktion ist: Für die meisten Lesenden dieses Magazins ist die Academy vorerst unerreichbar. Die Gründe stehen in der Mitteilung selbst.

Erstens: Teilnahme nur per Nominierung. Niemand meldet sich an. Organisationen müssen beim Anthropic-Account-Team oder dem Partner Account Manager erfragen, ob sie infrage kommen. Wer keinen Account-Kontakt hat, hat zunächst auch keinen Zugang.

Zweitens: Die Kohorten laufen in San Francisco, New York und London. Ein Standort in Deutschland, Österreich oder der Schweiz wird nicht genannt, und ich erfinde keinen. Wer aus München, Wien oder Zürich teilnehmen will, muss reisen, und das bei einem mehrtägigen Präsenzprogramm.

Drittens: Die ersten Frontier-Badges werden erst Anfang 2027 erwartet. Bis dahin gibt es Kohorten, Versuche, Erfahrungen. Ein belastbares Urteil darüber, ob das Programm hält, was es verspricht, lässt sich heute nicht fällen. Anthropic selbst nennt es „den ersten Schritt von vielen“.

Viertens: Die Liste der ersten Teilnehmenden besteht aus Beratungen, zwei Banken und einem Pharmakonzern. Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley, Novo Nordisk und weitere. Das sind große Organisationen mit eigenen Engineering-Teams und Partner-Beziehungen. Ein mittelständischer Maschinenbauer mit zwei Entwickelnden in der IT sitzt dort, Stand heute, nicht am Tisch.

Ist das also ein Programm für Konzerne, das den Mittelstand nichts angeht? Nein. Es ist ein Signal. Ein Signal darüber, wo ein Anbieter die Engpässe sieht, und wo er sein Geld hinträgt, wenn er es ernst meint. Das Angebot gilt Ihnen noch nicht. Die Erkenntnis schon.

Was Sie in DACH jetzt tun können, ohne Academy-Platz

Gut, was nun? Sie haben keine Nominierung, keinen Flug nach London und kein Budget von hundert Millionen. Eine Residency im Kleinen können Sie trotzdem bauen. Die Idee dahinter ist nicht patentiert: ein Projekt, eine Person, eine Prüfung, Unterstützung von außen.

Meine Checkliste, ohne erfundene Zahlen und ohne Gewähr, aber mit Erfahrung:

1. Projekt benennen. Ein konkreter Use Case, ein Prozess, ein Ziel, ein Name. „Wir wollen KI nutzen“ ist kein Projekt. „Die Angebotserstellung im Vertrieb Segment X soll ohne Medienbruch laufen“ ist eines.
2. Eine Person als Owner festlegen. Nicht ein Gremium, nicht „das Team“. Jemand, der Ende des Quartals gefragt werden kann.
3. Owner für die Security Review bestimmen. Informationssicherheit und Datenschutz früh einbinden, nicht am Ende als Bremse behandeln. Klären Sie, welche Daten das System sieht und wer freigibt.
4. Handover-Plan vor dem Start schreiben. Wer betreibt das System, wer überwacht es, wer entscheidet bei Fehlern, wie wird es dokumentiert? Ein Plan, der erst nach dem Go-live entsteht, entsteht selten.
5. Erfolg messen, nicht Lizenzen zählen. Legen Sie zwei oder drei Kennzahlen am Prozess fest (Durchlaufzeit, Fehlerrate, Aufwand), vorher und nachher. Aktive Nutzende sind keine Kennzahl für Wirkung.
6. Die stärksten Entwickelnden zu Projektverantwortlichen machen, nicht zu Teilnehmenden einer Schulung. Wer das Problem kennt, lernt am schnellsten daran.
7. Externe Hilfe gezielt holen. Wenn Sie Partner einbinden, vereinbaren Sie die Übergabe von Wissen mit: Ihre Leute sollen nach dem Projekt mehr können als vorher.
8. Bei Ihrem Anthropic-Account-Team oder Partner Account Manager nachfragen, ob und wann Sie für eine Nominierung infrage kommen und ob es Pläne für Kohorten in Europa gibt. Fragen kostet nichts. Rechnen Sie nicht mit einer schnellen Zusage, aber lassen Sie sich den Stand sagen und halten Sie die Antwort fest.

Acht Punkte, kein Hexenwerk. Und doch scheitert es meistens schon am ersten. Denn ein Projekt zu benennen heißt, sich festzulegen. Es heißt, einen Namen an eine Sache zu hängen, die scheitern kann. Das ist unbequem. Eine Lizenz dagegen kann nicht scheitern, sie kann nur ungenutzt herumliegen.

Ich finde, genau darin liegt der psychologische Reiz des Lizenzzählens: Es ist risikofrei. Man kann es berichten, ohne etwas verantworten zu müssen. Die Academy dreht das um. Wer dort sitzt, kommt mit einem Namen und einem Auftrag und muss nach zwölf Wochen zeigen, was daraus geworden ist.

Noch ein Wort zu den Menschen, die Sie dafür brauchen. Sie sind nicht die lautesten im Haus. Es sind die, die ohnehin schon die Probleme anpacken, die sonst niemand will: die Entwicklerin, die den Altprozess versteht, der Kollege, der die Schnittstelle zum Fachbereich kennt. Anthropic beschreibt genau dieses Profil, wenn von der „Gewohnheit, die wichtigsten Probleme des eigenen Unternehmens anzupacken“ die Rede ist. Suchen Sie nicht nach KI-Titeln im Lebenslauf, die Mitteilung verlangt nicht einmal Agentenerfahrung.

Und jetzt?

Gehen wir zurück zum Anfang. 100 Millionen US-Dollar, 10.000 Engineers, Ende 2027, alles laut Anthropic. Ob das Ziel erreicht wird, weiß heute niemand. Die ersten Badges kommen Anfang 2027, und erst dann zeigt sich, ob die Residency hält, was die Konstruktion verspricht. Wir bei digital-magazin.de schauen dann noch einmal hin, versprochen.

Bis dahin bleibt die Botschaft, die unabhängig vom Erfolg gilt. Ein Modellhersteller erklärt Talent zu einem der drängendsten Probleme der KI-Einführung und steckt Geld dorthin, wo normalerweise nur Folien stehen. Wenn selbst der Anbieter sagt, dass es an den Menschen hängt, dann sollten Sie nicht weiter so tun, als hinge es am Einkauf.

Noch einmal die Zuspitzung, ausdrücklich als redaktionelle Meinung und nicht als Messwert: Wer weiter Lizenzen zählt statt Menschen, die durch Security Review und Handover tragen, kauft Zertifikate und bekommt Pilotfriedhöfe. Ich kann das nicht mit einer Quote belegen. Ich kann nur sagen, dass die Mitteilung von Anthropic, die Aussage von Capgemini und mein eigener Blick auf gescheiterte Vorhaben in dieselbe Richtung zeigen.

Hand aufs Herz: Wissen Sie heute, wer in Ihrem Haus ein KI-Vorhaben von der Idee bis in den Betrieb tragen könnte? Mit Namen? Wenn die Antwort „Ich müsste nachfragen“ lautet, haben Sie Ihre erste Aufgabe gefunden. Sie kostet keine hunderttausend Euro und keinen Flug nach San Francisco.

Der Mittelstand hat dabei einen Vorteil, den Konzerne gern vergessen: kurze Wege. Zwischen der Person, die das Problem hat, und der Person, die es lösen kann, liegen oft nur zwei Türen. Nutzen Sie das.

Also, Klartext zum Schluss:

Benennen Sie das Projekt, bevor Sie die Person schulen.

Punkt.