Boris Cherny, Leiter von Claude Code bei Anthropic, hat seit über zwei Monaten keine Codezeile mehr von Hand geschrieben. Was steckt hinter dieser Zahl — und warum liegt die Wahrheit unbequem in der Mitte?
Als Boris Cherny Ende Januar 2026 auf X schrieb, er habe in den vergangenen zwei Monaten keinen Code mehr von Hand getippt, hätte es kaum beiläufiger klingen können. Am Vortag hatte er 27 Pull Requests eingereicht, am Tag davor 22 — jeder einzelne vollständig von Claude geschrieben. „Ich mache nicht mal mehr kleine Korrekturen per Hand", fügte er hinzu. Cherny leitet bei Anthropic das Produkt, das das alles ermöglicht hat: Claude Code.
Das war kein theoretisches Gedankenspiel. Es war ein Lagebericht.
Die Zahl, die eine Branche aufgewühlt hat
Chernys Post war keine Einzelmeinung innerhalb des Unternehmens. Ein Anthropic-Sprecher bestätigte wenig später, dass unternehmensweit zwischen 70 und 90 Prozent des Codes KI-generiert sind. Claude Code selbst — das Produkt, das Chernys Team entwickelt — entstand zu rund 90 Prozent durch sein eigenes Vorgängermodell. Zur selben Zeit meldete sich ein OpenAI-Forscher unter dem Pseudonym Roon zu Wort: „100 Prozent — ich schreibe keinen Code mehr." Und dann, in einem eigenen Post, der weniger Berichterstattung als eigentlich ein Manifest verdient hätte: „Programmieren war schon immer eine Qual. Es war ein unvermeidlicher Schmerz für jeden, der Computer nützlich einsetzen wollte. Ich bin froh, dass das vorbei ist."
Klingt interessant?
Dario Amodei, Anthropics CEO, hatte den Rahmen einige Wochen zuvor beim Weltwirtschaftsforum in Davos und erneut bei einem Auftritt vor dem Council on Foreign Relations gesetzt. In drei bis sechs Monaten werde KI 90 Prozent des Codes schreiben, sagte er im März 2025. In zwölf Monaten „möglicherweise im Wesentlichen alles".
Solche Prognosen lassen sich leicht abtun — sie kommen von jemandem, der Produkte verkauft, die genau das ermöglichen sollen. Tatsächlich hat die Website Futurism im September 2025, genau sechs Monate nach Amodeis Vorhersage, nachgehakt: Der Konsens unter Fachleuten war damals, dass von 90 Prozent KI-generiertem Code weit und breit keine Spur ist. Studien zeigten, dass KI manche Entwickler eher verlangsamt, weil der Zeitaufwand für Review und Prompt-Korrekturen die Zeitersparnis beim Schreiben wieder aufzehrt. Sicherheitsforscher fanden, dass KI-generierter Code im Schnitt zehnmal so viele Sicherheitslücken enthält wie manuell geschriebener.
Und doch: Vier Monate später, im Januar 2026, sitzen die Zahlen aus Chernys eigenem Team.
Der Abstand zwischen Silicon Valley und dem Rest
Microsoft-CEO Satya Nadella räumte im April 2025 ein, dass KI etwa 30 Prozent des Codes bei Microsoft schreibt. Salesforce nannte ähnliche Zahlen. Eine im Fachjournal Science veröffentlichte Studie analysierte GitHub-Python-Funktionen und kam für die USA auf einen KI-Anteil von rund 29 Prozent — mit deutlich niedrigeren Werten in Europa und Asien.
Dreißig gegen neunzig: Die Lücke ist groß, und sie ist kein Zufall. Anthropic und OpenAI sind keine gewöhnlichen Softwareunternehmen. Sie haben die leistungsfähigsten Modelle der Welt nicht als ratenlimitierten Abonnementdienst, sondern als interne Infrastruktur zur Verfügung. Ihre Ingenieure wissen seit Jahren, wie man diese Systeme effektiv einsetzt — wie man Kontexte aufbaut, wie man Feedback formuliert, das ein Modell versteht, wann man eingreifen muss und wann nicht. Und ihre internen Werkzeuge sind dem, was am Markt verfügbar ist, um Längen voraus.
Das bedeutet: Die 100-Prozent-Marke ist real — aber sie entstand unter Bedingungen, die noch kaum ein anderes Unternehmen replizieren kann. Was folgt daraus? Nicht, dass die Zahl gelogen ist. Sondern dass sie ein Grenzwert ist, kein Durchschnitt.
Was „100 Prozent" in der Praxis erfordert
Andrej Karpathy, Mitgründer von OpenAI und früherer Forschungsdirektor bei Tesla, hat präzise auf die Grenzen hingewiesen: Modelle können „subtile konzeptuelle Fehler" machen, Code unnötig verkomplizieren und toten Code hinterlassen. Was Cherny praktiziert, ist kein passives Warten, während die KI läuft. Es ist eine neue Form von Ingenieursarbeit — weniger Tastatur, mehr Urteilsvermögen.
Der Mensch liefert die Architektur, die Anforderungen, das Review. Er entscheidet, was gebaut wird, prüft was gebaut wurde, und trägt die Verantwortung für das Ergebnis. Die KI führt aus — schnell, zuverlässig und ohne Rücksicht auf Feierabendzeiten. Cherny beschreibt das als befreiend: „Ich habe noch nie so viel Freude an meiner täglichen Arbeit gehabt wie jetzt, weil Claude alle langweiligen Aufgaben übernimmt und mir Raum für die kreativen lässt."
Das klingt nach Marketing, ist aber strukturell nachvollziehbar. Chernys Team stellt inzwischen lieber Generalisten ein als Spezialisten, weil viele traditionelle Programmierfähigkeiten schlicht weniger relevant sind, wenn das Modell die Implementierungsdetails übernimmt. Garry Tan, CEO von Y Combinator, stellte im Frühjahr 2025 fest, dass 25 Prozent der Startups in YCs Winter-Kohorte bereits 95 Prozent KI-generierten Code verwenden. „Das ist kein Tippfehler", schrieb er auf X.
GitHub Copilot, das mit Abstand meistgenutzte KI-Coding-Werkzeug am Markt, zählt inzwischen über 15 Millionen Nutzer und ist in 90 Prozent der Fortune-100-Unternehmen im Einsatz. Die eigene Forschung von GitHub beziffert den Produktivitätsgewinn auf 51 Prozent schnelleres Programmieren — aber auch hier sind Sicherheitsbedenken real: 29 Prozent des von Copilot generierten Python-Codes weist potenzielle Sicherheitslücken auf, die manueller Prüfung bedürfen.
Was das für Unternehmen bedeutet, die jetzt entscheiden
Die 100-Prozent-Zahl ist kein Ziel, das sich sinnvoll auf andere Organisationen übertragen lässt — zumindest nicht heute. Das eigentliche Signal ist ein anderes: Software-Entwicklung verschiebt sich, die Richtung ist klar, die Geschwindigkeit bleibt ungewiss.
Für Unternehmen, die klassisch entwickeln, stellt sich deshalb nicht die Frage, wann sie Anthropics Werte erreichen. Die Frage ist, ob ihre Prozesse überhaupt so aufgestellt sind, dass der nächste Schritt gelingen kann. Automatisierte Tests sind keine nette Ergänzung mehr — sie sind die Voraussetzung dafür, dass KI-generierter Code sicher deploybar ist und Fehler schnell auffallen. Klare Anforderungen sind kein Luxus — sie bestimmen die Qualität des Outputs entscheidend. Und die Fähigkeit, Code kritisch zu reviewen, wird zur Kernkompetenz, nicht zu einer von vielen.
Bei nopex begleiten wir Unternehmen durch genau diesen Übergang. Was sich in der Praxis zeigt: Der Sprung von wenigen Prozent auf 30 bis 50 Prozent KI-generiertem Code in einem konkreten Projekt passiert oft schneller als erwartet — und verändert mehr als nur die Geschwindigkeit. Er verändert, wie Teams zusammenarbeiten, wie Anforderungen entstehen und welche Fähigkeiten in drei Jahren den Unterschied machen werden. Boris Cherny hat aufgehört, Code zu schreiben. Für die meisten Teams ist das noch kein realistisches Ziel. Aber die Richtung, die seine Arbeit zeigt, ist es wert, ernst genommen zu werden.
