Am 10. Juni kündigte Anthropic 350 Millionen Dollar an: 200 Millionen für einen Forschungsfonds, der Politikinstrumente gegen KI-bedingte Arbeitsplatzverluste in echten Feldversuchen erproben soll — Lohnversicherung, Umschulungszuschüsse, Kapitalkonten —, und 150 Millionen für ein Fellowship-Programm für Berufseinsteiger. Am selben Tag veröffentlichte CEO Dario Amodei einen Policy-Essay, der einen gestuften Plan für KI-Arbeitslosigkeit vorschlägt: bei fünf Prozent Lohnversicherung und Umschulung, bei zehn Prozent stärkere fiskalische Eingriffe, und falls es schlimmer kommt, dauerhafte Modelle bis hin zum Grundeinkommen und zur Beteiligung der Bevölkerung am Kapital der KI-Unternehmen.
Man könnte dies als PR betrachten, und die Indizien dafür sind offensichtlich: Die Ankündigung fiel in dieselbe Woche wie eine Bloomberg-Dokumentation über das Unternehmen, ein neuer Modell-Launch (Fable 5) und die Erwartung eines Börsengangs bei einer Bewertung von rund 965 Milliarden Dollar. Sam Altman nennt Anthropics Kommunikation seit Jahren „fear-based marketing”, und wer die Choreografie dieser Woche betrachtet, versteht, woher der Vorwurf seine Plausibilität bezieht.
Lohnversicherung ist ein Politikinstrument für den Übergang zwischen Jobs: Wenn jemand eine Stelle verliert und die neue schlechter bezahlt als die alte, gleicht der Staat die Lohndifferenz für eine begrenzte Zeit teilweise aus — typisch 50 % der Differenz, für 1–2 Jahre.
Beispiel: Jemand verdient 3.000 € als Sachbearbeiterin, verliert die Stelle durch Automatisierung, findet eine neue für 2.200 €. Lohnversicherung zahlt zusätzlich ~400 € monatlich, damit der Schritt in den neuen Job nicht existenziell abschreckend ist.
Logik: Klassisches Arbeitslosengeld macht Nicht-Arbeit zur einzigen geförderten Option. Lohnversicherung fördert stattdessen den Schritt in eine neue, erstmal schlechtere Stelle — und schafft Anreiz, überhaupt anzufangen statt zu warten. Es reduziert das Risiko von Umstieg und Umschulung.
Herkunft: Konzept aus der US-Handelspolitik (Trade Adjustment Assistance), dort für Jobverluste durch Importkonkurrenz erprobt. Empirisch gemischt — funktioniert, wenn die Lohnlücke nicht zu groß ist und der neue Job Perspektive hat. Versagt, wenn ganze Berufsfelder wegbrechen, nicht nur einzelne Stellen.
Das ist auch der blinde Fleck bei Amodeis Stufenplan: Lohnversicherung bei 5 % Arbeitslosigkeit ist handhabbar. Wenn ganze Tätigkeitsprofile wegfallen — wie er selbst für White-Collar-Einstiegsjobs prognostiziert —, gibt es keinen „neuen Job zu 80 % des alten Gehalts” mehr, den man versichern könnte. Dann sind die Instrumente in der nächsten Stufe (Kapitalkonten, Equity-Sharing) nötig, über die es kaum empirische Grundlage gibt.
Das stärkste Argument für Anthropic zuerst
Trotzdem greift die PR-Lesart zu kurz, und zwar aus einem unbequemen Grund: Niemand sonst macht diese Arbeit in dieser Größenordnung.
Das Programm dahinter läuft seit Juni 2025. Es vergibt Forschungsstipendien an ÖkonomInnen, veranstaltet Policy-Symposien mit Georgetown und der London School of Economics und publiziert den Economic Index — einen offenen Datensatz darüber, wie Claude tatsächlich genutzt wird, mit Rohdaten zum Nachrechnen. Die Befunde daraus widersprechen teilweise dem eigenen Untergangsnarrativ: Eine Arbeitslosigkeitswelle in KI-exponierten Berufen ist bislang nicht messbar. Ein Unternehmen, das Forschung finanziert, deren Ergebnisse die eigenen Warnungen relativieren, und die Daten offenlegt, verhält sich anders als die Tabakindustrie, die Studien unterdrückte, oder die Pharmaindustrie, die unliebsame Trials in der Schublade verschwinden ließ. Auch die Automobilindustrie — die Auspuffwerte nicht in Studien fälschte, sondern direkt in der Software, die die Messung steuerte — passt an dieser Stelle nicht: Dieselgate war Manipulation im Messmoment, nicht Agenda-Setting über Jahrzehnte. Der historische Vergleich, der sich aufdrängt, trägt hier nicht.
Weiter unten, beim Economic Index, sieht das anders aus. Dort wird der Automotive-Reflex interessant — nicht als Vorwurf der Fälschung, sondern als strukturelle Frage: Wer kontrolliert das Instrument, mit dem gemessen wird?
Und die Feldversuche, die der neue Fonds finanzieren soll, sind genau das, was in der Politikberatung chronisch fehlt: Evidenz statt Positionspapier. Ob Lohnversicherung Übergänge tatsächlich abfedert, ob Umschulungszuschüsse ankommen, bevor die Umschulung obsolet ist — das weiß heute niemand, weil es niemand getestet hat.
Wo das Problem tatsächlich liegt
Das Problem liegt eine Ebene tiefer, und es verschwindet nicht dadurch, dass die Forschung sauber ist. Wer die Forschung finanziert, sortiert die Fragen vor.
Der Economic Index misst Nutzung, Aufgabenprofile, Produktivität. Das ist legitim und aufschlussreich — die Lernkurven-Befunde gehören zum Interessantesten, was es derzeit an Empirie gibt: Wer lange mit den Systemen arbeitet, versucht anspruchsvollere Aufgaben und automatisiert deutlich erfolgreicher als Neueinsteigende. Die Kompetenzschere öffnet sich entlang der Nutzungserfahrung, quer durch alle Branchen.
In Zahlen: Wer das System seit mehr als sechs Monaten nutzt, zeigt zehn Prozent höhere Erfolgsraten. Die Korrelation zwischen Bildungsniveau der Eingaben und Qualität der Ausgaben liegt bei 0,92 — nahezu perfekt. 49 Prozent aller Jobs haben inzwischen mindestens ein Viertel ihrer Aufgaben mit Claude erledigt. Was das System übernimmt, sind bevorzugt die qualifizierteren Teile: Die durchschnittlich abgedeckten Tätigkeiten entsprechen 14,4 Schuljahren Bildungsäquivalent — der Wirtschaftsdurchschnitt liegt bei 13,2. Und noch eine Unterscheidung, die in der Berichterstattung untergeht: Consumer-Nutzung teilt sich in 52 Prozent Augmentierung (Mensch im Loop) und 45 Prozent Automatisierung auf. Bei Enterprise-APIs kehrt sich das um: 75 Prozent laufen ohne menschlichen Loop. Zwei sehr verschiedene Realitäten in einem Datensatz.
Die Bildungsäquivalente kurz erklärt: Die Zahl beschreibt, wie qualifiziert die Tätigkeiten sind, die Claude typischerweise übernimmt. 14,4 Schuljahre liegt über dem Wirtschaftsdurchschnitt — Claude arbeitet sich also nicht von unten durch den Arbeitsmarkt, sondern trifft zuerst qualifizierte Wissensarbeit.
Was der Index nicht misst: ob Arbeit unter KI-Bedingungen dequalifiziert wird, ob Beschäftigte sich der Maschine anpassen müssen statt umgekehrt, wie sich Verhandlungsmacht zwischen Kapital und Arbeit verschiebt, was mit der Würde derer geschieht, deren Erfahrungswissen entwertet wird. Diese Fragen fehlen nicht, weil jemand sie gestrichen hätte. Sie fehlen, weil sie aus der Perspektive eines Herstellers gar nicht erst entstehen. Ein Unternehmen, das Produktivitätswerkzeuge verkauft, fragt nach Produktivität. Die Vorsortierung braucht keine Absicht — sie ist strukturell.
Hier wird der Automotive-Reflex aus dem ersten Abschnitt doch noch passend — allerdings ohne die Fälschungslogik. VW hat nicht die Forschung über Stickoxide manipuliert. VW hat das Instrument gebaut, das misst, was gemessen werden sollte. Der Economic Index ist nicht gefälscht. Er misst, was ein Plattformbetreiber sinnvollerweise misst. Der blinde Fleck liegt nicht im Ergebnis, sondern in der Konstruktion des Messinstruments: welche Kategorien es kennt, welche Fragen es stellen kann, was außerhalb seiner Architektur unsichtbar bleibt.
Dazu kommt der zweite Strang von Amodeis Offensive in seinem Policy-Paper: die Forderung nach staatlicher Prüfpflicht vor der Veröffentlichung von Frontier-Modellen, nach dem Vorbild der Luftfahrtaufsicht. David Sacks — Trumps AI/Crypto-Czar, also kein Randkommentator — hat den Vorwurf bereits im Oktober 2025 formuliert und am 11. Juni mit Verweis auf die Ereignisse dieser Woche wiederholt: „Anthropic is running a sophisticated regulatory capture strategy based on fear-mongering.” Der konkrete Mechanismus: Eine FAA-artige Prüfpflicht, bei der Modelle vor Release zertifiziert werden müssen, macht Open-Weights-Modelle strukturell unmöglich. Open-Source-Systeme lassen sich nach Veröffentlichung nicht zurückrufen — sie bestehen die Regulierungslogik prinzipiell nicht. Das trifft nicht irgendwelche Startups, sondern den einzigen Modelltyp, der sich außerhalb proprietärer Kontrolle entwickeln kann: Llama, Mistral, alle offenen Varianten. Compliance-Regime mit Rechenschwellen und akkreditierten Prüfern kann sich leisten, wer bereits Red Teams und Dokumentationsapparate unterhält. Dass der Marktführer nach Regulierung ruft, die ihn am wenigsten kostet und den gefährlichsten Wettbewerber — offene Gewichte — am wirksamsten blockiert, darf man bemerken, ohne ihm deshalb jede Ernsthaftigkeit abzusprechen. Beides kann wahr sein.
Die europäische Leerstelle
Die eigentliche Pointe dieser Woche liegt aber nicht in San Francisco. Sie liegt in dem, was auf dieser Seite des Atlantiks nicht passiert.
Ich habe gesucht: Welches Ministerium, welche Stiftung, welches Forschungsprogramm erprobt hierzulande Lohnversicherung, Übergangskonten oder Umschulungsmodelle für den KI-bedingten Arbeitsmarktwandel — mit Feldversuchen, mit Kontrollgruppen, mit publizierten Daten? Die angekündigten 200 Milliarden Euro europäischer KI-Investitionen sind überwiegend Umwidmungen bestehender Mittel und fließen in Infrastruktur und Modellförderung, kaum in die Frage, wie Gesellschaften den Übergang organisieren. Was es gibt, sind Stellungnahmen, Enquete-Berichte, Förderlinien für Demonstrationsprojekte. Was es nicht gibt, ist ein öffentlich finanziertes Pendant zu dem, was ein einzelnes Privatunternehmen jetzt mit 200 Millionen Dollar beginnt.
Solange das so bleibt, findet die empirische Politikforschung zum Arbeitsmarktumbruch dort statt, wo auch die Modelle gebaut werden. Dann werden die Instrumente, über die in fünf Jahren auch hier debattiert wird, in amerikanischen Pilotprogrammen definiert worden sein — mit amerikanischen Fragestellungen, amerikanischen Messgrößen und amerikanischen Begriffen von Arbeit. Wer dann in Berlin oder Brüssel über Lohnversicherung spricht, übersetzt ein Konzept, an dessen Zuschnitt niemand von hier mitgearbeitet hat.
Das Measurement-Problem kommt vor dem Policy-Problem. Die Daten, die dafür gebraucht würden — welche Tätigkeiten in welchen Branchen tatsächlich exponiert sind, mit europäischen Beschäftigungsstrukturen, europäischen Tarifverträgen, europäischem Sozialrecht — existieren in dieser Form nicht. Anthropic kann sie erheben, weil sie die Plattform kontrollieren. Das ist die eigentliche Zwickmühle: Wer die Plattform nicht kontrolliert, kann die Daten nicht erheben. Wer die Daten nicht hat, baut Übergangspolitik auf Schätzungen.
Und unterhalb der Politik
Für Organisationen ist die Lage weniger abstrakt, als die Politikebene vermuten lässt. Der belastbarste Befund aus einem Jahr Economic Index ist nicht die ausgebliebene Arbeitslosigkeitswelle, sondern die Lernkurve: Der Abstand zwischen denen, die mit KI-Systemen arbeiten können, und denen, die es nicht können, wächst durch Nutzung — nicht durch Branche, nicht durch Abschluss, nicht durch Alter. Handlungsfähigkeit im Umgang mit diesen Systemen entsteht im Gebrauch, und sie entsteht nirgendwo sonst.
Wer wartet, bis die Übergangsfrage politisch geklärt ist, hat die Übergangszeit als Zuschauer verbracht. Die Politikforschung mag privatisiert sein. Die eigene Lernkurve ist es nicht.
Nachtrag: 13. Juni 2026
Drei Tage nach dem Launch von Fable 5 — in derselben Woche, in der dieser Post entstand — traf bei Anthropic ein Brief von US-Handelsminister Howard Lutnick ein: Das Modell sei ab sofort für alle ausländischen Staatsangehörigen zu sperren, inklusive Anthropics eigener internationaler Mitarbeitenden. Weil Anthropic seine NutzerInnen nicht in Echtzeit nach Staatsbürgerschaft sortieren kann, blieb nur eine Option: Fable 5 und Mythos 5 weltweit für alle abschalten. Begründung: nationale Sicherheit, Sicherheitslücke im Modell. Technische Details: keine.
Es war bereits die zweite Kontroverse dieser Woche. Fortune hatte am 10. Juni berichtet, dass Fable fünf KI-ForscherInnen still — ohne jede Benachrichtigung — schlechtere Ergebnisse lieferte als anderen NutzerInnen. Anthropic ruderte zurück: „We made the wrong tradeoff, and we apologize for not getting the balance right.”
Bei der Sicherheitslücke, die die Regierung anführt, handelt es sich um einen sogenannten Jailbreak: eine Formulierungstechnik, mit der man ein KI-Modell dazu bringen kann, seine Sicherheitseinschränkungen zu umgehen — in diesem Fall, um Software-Schwachstellen in fremdem Code zu identifizieren. Nach Anthropics eigener Stellungnahme funktioniert dieselbe Technik auch bei OpenAIs GPT-5.5. Das ist von der Anweisung nicht betroffen. TechCrunch beschrieb die strukturelle Logik treffend: „Anthropic’s safety warnings may have just backfired.” In seiner öffentlichen Sicherheitsdokumentation hatte Anthropic offen beschrieben, dass kein Modell vollständig gegen solche Umgehungsversuche geschützt sein kann. OpenAIs Dokumentation zu GPT-5.5 enthält diesen Hinweis nicht. Wer seine Grenzen ehrlich benennt, gibt der Regulierung damit einen Ansatzpunkt. Wer schweigt, nicht. Das ist ein perverser Anreiz.
Damit trifft die Anweisung direkt das, was oben beschrieben wird. In seinem Essay hatte Amodei gefordert, der Staat solle die Befugnis bekommen, gefährliche KI-Modelle zu stoppen. Die Regierung hat das getan. Anthropic antwortet, die Entscheidung entspreche nicht den Prinzipien, die es sich vorstellt: transparent, fair, klar, technisch begründet. Beides schließt sich nicht logisch aus. Anthropic kann für staatliche Kontrolle über KI eintreten und trotzdem einwenden, dass die konkrete Ausübung dieser Kontrolle den selbst gesetzten Maßstäben nicht entspricht. Für ein geregeltes Prüfverfahren nach dem Vorbild der Luftfahrtaufsicht zu werben — mit veröffentlichten Kriterien und Anhörungsrecht — und stattdessen einen Brief ohne technische Begründung zu bekommen, der binnen Stunden eine weltweite Abschaltung erzwingt: das sind zwei sehr verschiedene Dinge. Dass David Sacks — der in diesem Post als Urheber des „regulatory capture”-Vorwurfs auftaucht — und Howard Lutnick beide in dieser Konstellation agieren, kann man registrieren, ohne daraus eine konspirative Lesart zu machen. Die Interessenlage liegt offen.
Für die europäische Frage, die weiter oben beschrieben wird, verschiebt sich damit das Gewicht. Bisher lautete das Argument: Wer die Forschungsinfrastruktur nicht kontrolliert, kann die Fragen nicht stellen und die Messgrößen nicht setzen. Das gilt weiterhin. Hinzu kommt jetzt: Wer die Modellinfrastruktur nicht kontrolliert, kann auch den Strom nicht anlassen. Europa war von der Abschaltung ebenso betroffen wie alle anderen. An der Entscheidung war Europa nicht beteiligt.
Quellen
- Anthropic Economic Futures Program
- U.S. News, 10.06.2026
- TechTimes, 11.06.2026
- Dario Amodei: Policy on the AI Exponential, Juni 2026
- Anthropic: Labor market impacts
- Economic Index März 2026: Learning Curves
- Anthropic Economic Index
- Rohdaten auf Hugging Face
- David Sacks (@DavidSacks), X/Twitter, 11.06.2026 (Repost mit Okt-2025-Original)
- Tony Davis, „Trust Us”: Anthropic and the Case for Open Weights, Juni 2026
- Bloomberg Originals: Inside Anthropic, the $965 Billion AI Juggernaut | The Circuit, 11.06.2026
- Anthropic Statement, 12. Juni 2026
- TechCrunch: „Anthropic’s safety warnings may have just backfired”, 12.06.2026
- Axios Scoop, 12.06.2026
- Fortune: „Silent downgrade” Backlash, 11.06.2026
- CNBC: Anthropic disables access, 12.06.2026