For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/microsoft-and-meta-cut-claude-use-claude-9c2db609.md.
Zwei der größten Unternehmenskunden von Anthropic fahren ihre interne Claude-Nutzung gleichzeitig zurück.
Zwei der größten Unternehmenskunden von Anthropic fahren ihre interne Claude-Nutzung gleichzeitig zurück.
Laut Berichten von The Information hatte Microsoft zuvor prognostiziert, in diesem Jahr mindestens 1 Milliarde US-Dollar für die eigene interne Nutzung von Anthropic-Technologie auszugeben. Nach der Aufforderung an Mitarbeitende, Claude weniger zu verwenden und sich stärker auf Microsofts eigene Tools zu stützen, senkte das Unternehmen diese Prognose um mehr als ein Drittel.
Bei Meta soll die Zahl der Mitarbeitenden, die Claude Code nutzen, von etwa 60.000 Anfang 2026 auf rund 30.000 gesunken sein.
Der überraschende Teil: Niedrigere Nutzerzahlen bedeuten nicht zwangsläufig niedrige Ausgaben. The Information berichtete, dass Meta in einem kürzlich vergangenen Zeitraum von 28 Tagen dennoch mehr als 105 Millionen US-Dollar für Claude Code ausgegeben habe.
Die Geschichte lautet daher nicht, dass Claude plötzlich schlecht geworden ist.
Eher das Gegenteil ist der Fall.
Claude Code wurde so nützlich, dass große Engineering-Organisationen es dauerhaft einsetzen. Als autonome Coding-Agenten begannen, Repositories zu lesen, Tests auszuführen, Dateien zu bearbeiten, fehlgeschlagene Vorgänge erneut zu versuchen und stundenlang zu arbeiten, wurde der Token-Verbrauch zu einem relevanten Budgetposten.
Das führt Enterprise-KI für die Softwareentwicklung in eine neue Phase: Leistungsfähigkeit bleibt wichtig, aber ebenso Kosten pro Aufgabe, Datenkontrolle, Anbieterstrategie und die Frage, ob der Kunde selbst eine Alternative aufbauen kann.
Microsofts Erfahrungen sind ein klares Beispiel dafür, was passiert, wenn ein agentisches Coding-Tool innerhalb einer großen Engineering-Organisation skaliert.
Der Quellartikel besagt, dass Microsoft Ende 2025 Tausenden von Ingenieuren in seiner Organisation Experiences and Devices Zugang zu Claude Code gab. Die Nutzung verbreitete sich schnell, ohne dass viel interne Werbung nötig war.
Frühere Berichte über das Programm beschrieben eine intensive Claude-Code-Nutzung, die in einigen Fällen Hunderte oder sogar Tausende US-Dollar pro Ingenieur und Monat erreichte. Die genauen Pro-Nutzer-Zahlen unterscheiden sich je nach Bericht und sollten nicht als universeller Microsoft-weiter Durchschnitt verstanden werden, doch der allgemeine Kostendruck ist gut dokumentiert.
Mitte 2026 begann Microsoft bereits, viele Ingenieure von Claude Code weg und zu GitHub Copilot sowie von Microsoft entwickelten Modellen hinzuführen.
Microsoft-AI-CEO Mustafa Suleyman formulierte die Position des Unternehmens in einem Bloomberg-Interview ungewöhnlich deutlich: Anthropic sei „extrem teuer“, und Microsoft wolle die an Anthropic gezahlten Kosten reduzieren – und letztlich vollständig eliminieren.
Die jüngsten Berichte gehen noch weiter.
The Information zufolge war Microsoft auf dem Weg, mindestens 1 Milliarde US-Dollar jährlich für die interne Anthropic-Nutzung auszugeben, hat diese Prognose inzwischen jedoch um mehr als ein Drittel gesenkt.
The Decoder, das dieselben Berichte zusammenfasst, schreibt, dass die Cloud-Sparte zudem ein monatliches Claude-Budget pro Mitarbeiter von etwa 100.000 US-Dollar auf 10.000 US-Dollar reduzierte. Diese Zahl ist am besten als interne Ausgabengrenze oder Budgetobergrenze zu verstehen – nicht als Beweis dafür, dass jeder Mitarbeiter monatlich tatsächlich 100.000 US-Dollar an Claude verbrauchte.
Die Zahl der Claude-Code-Nutzer bei Meta soll von etwa 60.000 auf rund 30.000 gesunken sein.
Ein Teil des Rückgangs folgte auf Stellenstreichungen, doch laut The Information ist Metas eigener KI-Coding-Stack ein größerer Faktor.
Meta verfügt inzwischen über mehrere interne oder intern getestete Alternativen:
Selbst nachdem die Claude-Code-Nutzerbasis ungefähr halbiert wurde, gab Meta Berichten zufolge in einem kürzlich vergangenen Zeitraum von 28 Tagen mehr als 105 Millionen US-Dollar für Claude Code aus.
Diese Wirtschaftlichkeit ist schwer zu ignorieren.
Der Originalartikel besagt, dass Metas internes Dashboard „Claudeonomics“ 60 Billionen Tokens in 30 Tagen gezeigt habe, und legt nahe, dass all dies interne Codes und Daten repräsentierte, die durch Claude liefen.
Das ist zu weit gefasst.
Frühere Berichte von The Information besagen, dass die von Mitarbeitenden entwickelte Claudeonomics-Bestenliste den unternehmensweiten KI-Token-Verbrauch erfasste, der in einem kürzlichen 30-Tage-Zeitraum 60 Billionen Tokens überstieg. Die verfügbaren Berichte belegen nicht, dass jeder dieser Tokens von Claude Code stammte.
Das Dashboard veranschaulicht weiterhin das Ausmaß der KI-Nutzung innerhalb von Meta, sollte aber nicht als reine Claude-Rechnung über 60 Billionen Tokens gelesen werden.
Normale Chat-Nutzung ist vergleichsweise begrenzt.
Ein Nutzer stellt eine Frage, das Modell antwortet, und die Interaktion kann enden.
Coding-Agenten funktionieren anders:
Repository lesen
→ Abhängigkeiten prüfen
→ Dateien durchsuchen
→ Code bearbeiten
→ Tests ausführen
→ Fehler prüfen
→ erneut bearbeiten
→ Tools ausführen
→ stundenlang fortfahren
Jede Schleife kann wiederholt große Mengen an Repository-Kontext verwenden.
Deshalb kann agentische Software gerade dann teuer werden, wenn sie nützlich wird.
Je autonomer der Agent ist, desto länger bleibt er aktiv. Je größer die Codebasis ist, desto mehr Kontext liest er. Je mehr Schritte er ausführt, desto mehr Token-Abrechnung fällt an.
Daraus entsteht ein einfaches Unternehmensproblem:
Ein Tool kann echte Produktivitätsgewinne liefern und dennoch finanziell schwer auszurollen sein, wenn Routing, Caching, Budgets und Nutzungskontrollen fehlen.
Kosten sind nur ein Teil der Geschichte.
Das tiefere Problem ist, dass Anthropic zunehmend mit Unternehmen konkurriert, die es einst primär als Modelllieferanten betrachteten.
Microsoft verkauft GitHub Copilot, entwickelt eigene Modelle und baut zunehmend agentische Produktivitätssoftware. Anthropics Claude Code und Claude Cowork überschneiden sich inzwischen mit Teilen der Entwickler- und Office-Softwaremärkte, die Microsoft selbst besitzen möchte.
Meta befindet sich in einer ähnlichen Lage.
Es entwickelt MetaCode, Muse Code und eigene Muse-Modelle. Sobald Meta über einen glaubwürdigen internen Coding-Stack verfügt, lässt sich die Bezahlung eines Wettbewerbers für dieselbe Arbeit schwerer rechtfertigen.
Damit verändert sich die Beziehung von:
Kunde → Modelllieferant
zu etwas, das eher so aussieht:
Kunde + strategischer Partner + potenzieller Wettbewerber
Der Zeitpunkt ist besonders sensibel, da Anthropic einen Börsengang vorbereitet.
Reuters berichtete unter Berufung auf Anthropics IPO-Prospekt, dass zwei ungenannte Kunden rund 24 % von Anthropics Umsatz im Jahr 2025 ausmachten.
Der Prospekt benennt diese beiden Kunden nicht.
Der Originalartikel besagt, der Markt vermute weithin, dass es sich um Microsoft und Meta handle. Das bleibt Spekulation und sollte nicht als bestätigt behandelt werden.
Bestätigt ist das breitere Risiko: Anthropics Prospekt warnt ausdrücklich davor, dass die Umsätze auf eine kleine Zahl großer Kunden konzentriert sind und geringere Ausgaben großer Accounts dem Geschäft schaden könnten.
Dadurch wird ein gleichzeitiger Rückzug zweier großer Technologiekunden wichtiger als eine normale Anpassung eines Anbieterbudgets.
In der Beziehung mit Microsoft besteht noch eine weitere ungewöhnliche Spannung.
Während Microsoft die internen Ausgaben für Claude reduziert, hat Anthropic selbst große langfristige Infrastrukturverpflichtungen gegenüber Microsoft.
Reuters berichtete anhand von Anthropics Prospekt, dass das Unternehmen – außer unter bestimmten Vertragsverletzungsbedingungen – 31,4 Milliarden US-Dollar an nicht kündbaren Infrastrukturverpflichtungen gegenüber Microsoft hat, die bis ins nächste Jahrzehnt reichen.
Das bedeutet, dass beide Unternehmen gleichzeitig Folgendes sein können:
Diese Art gegenseitiger Abhängigkeit wird in der Frontier-KI zunehmend normal.
Der Quellartikel argumentiert, dass Microsoft und Meta keine Einzelfälle sind.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Dieses breitere Muster wird durch zusätzliche Berichte gestützt.
Im Juli berichtete Reuters, dass Alibaba Mitarbeitenden die Nutzung von Claude Code untersagte und sie anwies, aus Sicherheitsgründen auf die eigene Plattform Qoder umzusteigen.
Im September berichtete Reuters, dass Palantir, Nvidia und Booz Allen Hamilton die Nutzung fortschrittlicher externer Modelle eingeschränkt hatten oder entsprechende Einschränkungen erwogen – aufgrund von Bedenken zu proprietären Daten und Datenaufbewahrungsrichtlinien.
Die konkreten Einschränkungen unterscheiden sich je nach Unternehmen:
Das gemeinsame Muster lautet nicht einfach: „Claude ist zu teuer.“
Für große Unternehmen sind Code, Sicherheitsdaten, interne Dokumente und proprietäre Workflows Kernwerte. Je näher ein KI-Agent diesen Werten kommt, desto stärker achten Kunden auf Kosten, Datenaufbewahrung, Kontrolle und strategische Abhängigkeit von Wettbewerbern.
Anthropic ignoriert diese Einwände nicht.
Im September veröffentlichte das Unternehmen Claude Fable 5.1. Die API-Basispreise blieben unverändert, während die Preise für Cache-Lesevorgänge um 75 % sanken – von 1,00 US-Dollar auf 0,25 US-Dollar pro Million Tokens.
Anthropic zufolge reduziert dies die Gesamtkosten um:
Der Grund ist einfach.
Lang laufende Agenten lesen bereits verarbeiteten Kontext wiederholt. Wenn dieser wiederverwendete Kontext deutlich günstiger wird, kann die gesamte Aufgabenrechnung sinken, selbst wenn sich die nominalen Preise für Eingabe und Ausgabe nicht ändern.
| Token-Typ | Preis für Fable 5.1 pro 1 Mio. Tokens |
|---|---|
| Eingabe | 10,00 US-Dollar |
| Cache-Lesevorgang | 0,25 US-Dollar |
| Ausgabe | 50,00 US-Dollar |
Die Einsparungen von 25 % und 45 % sind Workload-Schätzungen, keine garantierten Rabatte für jede Anfrage.
Eine kurze Anfrage, die nicht von Caching profitiert, kann weiterhin im Wesentlichen genauso viel kosten wie zuvor.
Anthropic hat zudem Enterprise Frontier Safeguards (EFS) angekündigt, um Bedenken zur Datenaufbewahrung zu adressieren.
EFS soll berechtigten Unternehmenskunden ermöglichen, Daten in einer von ihnen kontrollierten Cloud-Infrastruktur statt in den eigenen Systemen von Anthropic zu halten und gleichzeitig automatisierte Schutzmechanismen zur Erkennung von Missbrauch zu verwenden.
Anthropic gibt an, dass EFS schrittweise eingeführt wird und berechtigte Kunden eine Behandlung ohne Datenaufbewahrung erhalten können, bis das System breit verfügbar ist.
Dies adressiert direkt eine der Sorgen von Unternehmen, die mit proprietären oder regulierten Informationen arbeiten.
Es löst jedoch nicht jedes strategische Problem.
Ein Unternehmen, das bereits über einen starken internen Modell- oder Coding-Stack verfügt, kann weiterhin das eigene System bevorzugen, selbst wenn externe Preise und der Datenschutz besser werden.
In den vergangenen zwei Jahren konzentrierte sich ein großer Teil des KI-Wettbewerbs auf Leistungsfähigkeit:
Nun stellen Finanzteams eine andere Frage:
Was hat jede abgeschlossene Aufgabe tatsächlich gekostet?
Das ist ein bedeutender Wandel.
Microsofts Erfahrung veranschaulicht den gesamten Zyklus:
Die Präferenz der Engineering-Teams bleibt wichtig, entscheidet jedoch nicht mehr über den gesamten Beschaffungsprozess.
Ein wahrscheinliches Muster für Unternehmen zeichnet sich ab:
| Workload | Wahrscheinliche Modellstrategie |
|---|---|
| Routine-Coding, Dokumentation, einfache Fehlerbehebungen | Günstigeres, schnelleres und eng kontrolliertes Modell |
| Interne Agenten mit hohem Volumen | Kostengünstiges Modell mit aggressivem Caching und Ausgabenlimits |
| Proprietäre oder hochsensible Arbeit | Interne, private oder stark isolierte Bereitstellung |
| Schwieriges Reasoning und komplexe Architektur | Frontier-Modell, reserviert für die anspruchsvollsten Aufgaben |
Das ist weniger glamourös als Benchmark-Ranglisten, für die Unternehmensadoption aber vermutlich wichtiger.
Das stärkste Modell gewinnt nicht automatisch den größten Rollout.
Das siegreiche System muss auch erschwinglich, vorhersehbar, steuerbar und sicher genug sein, um mit zentralen Unternehmensdaten verbunden zu werden.
Unternehmen müssen zunehmend Kosten pro abgeschlossener Aufgabe messen, nicht nur API-Preise pro Million Tokens.
Eine nützliche interne Kennzahl könnte Folgendes einschließen:
Gesamtkosten pro Aufgabe =
Modell-Tokens
+ Cache-Schreib- und Lesevorgänge
+ Tool-Aufrufe
+ Wiederholungsversuche
+ Zeit für menschliche Prüfung
+ Infrastruktur-Overhead
Ein Modell mit hohem Token-Preis kann dennoch wirtschaftlich sein, wenn es die Aufgabe in weniger Schritten erledigt.
Ein günstiges Modell kann teuer werden, wenn es Schleifen bildet, Wiederholungsversuche benötigt oder mehr menschliche Korrektur erfordert.
Deshalb wird die nächste Phase des KI-Codings zunehmend wie FinOps aussehen: Routing, Budgets, Observability, Caching, Nutzungs-Dashboards und ROI-Messung werden Teil des Engineering-Stacks.
The Information berichtet, dass Microsoft die prognostizierten internen Ausgaben für Anthropic um mehr als ein Drittel reduzierte, nachdem Mitarbeitende gebeten wurden, Claude weniger zu nutzen und sich stärker auf GitHub Copilot sowie Microsofts eigene Modelle zu stützen. Kosten sind ein wesentlicher Faktor, doch Microsoft konkurriert auch direkt bei Entwicklertools und Enterprise-KI.
Die jüngsten Berichte beziffern die Zahl auf ungefähr 30.000, gegenüber rund 60.000 Anfang 2026. Ein Teil des Rückgangs folgte auf Entlassungen, während ein größerer Faktor Metas Ausbau von MetaCode, Muse Code und den eigenen Muse-Modellen war.
The Information berichtet, dass Meta in einem kürzlich vergangenen Zeitraum von 28 Tagen mehr als 105 Millionen US-Dollar für Claude Code ausgab. Diese Zahl ist eine berichtete interne Ausgabe und keine offizielle Finanzveröffentlichung von Meta.
Nicht genau. Das von Mitarbeitenden entwickelte Claudeonomics-Dashboard zeigte Berichten zufolge in 30 Tagen mehr als 60 Billionen unternehmensweite KI-Tokens. Die verfügbaren Berichte belegen nicht, dass all diese Tokens Claude-Code-Traffic waren.
Agentische Coding-Sitzungen lesen wiederholt große Repositories, rufen Tools auf, führen Tests aus, prüfen Ausgaben und versuchen Änderungen erneut. Dadurch entsteht erheblich mehr Token-Nutzung als bei einem kurzen Chat oder einer einmaligen Code-Vervollständigung.
Claude Fable 5.1 senkt die Preise für Cache-Lesevorgänge um 75 %. Anthropic schätzt, dass dies die Gesamtkosten bei typischen Workloads um etwa 25 % und bei hochgradig agentischen Workloads, die große Mengen gecachten Kontexts wiederverwenden, um bis zu rund 45 % senkt.
Enterprise Frontier Safeguards sind Anthropics neue Kontrollen für berechtigte Geschäftskunden, die stärkeren Datenschutz bei weiter bestehender Missbrauchsüberwachung wünschen. Das Design hält Daten in kundenseitig kontrollierter Cloud-Infrastruktur statt in Anthropics Systemen; die schrittweise Einführung beginnt 2026.
Nein. Der Trend geht zu selektiver Nutzung statt zu vollständiger Abkehr. Viele Unternehmen reservieren teure Frontier-Modelle für Aufgaben mit hohem Wert und leiten routinemäßige, sensible oder volumenstarke Workloads an günstigere oder intern kontrollierte Systeme weiter.
Microsoft und Meta reduzieren Claude nicht, weil das Tool plötzlich nicht mehr nützlich wäre. Ihre Rückzüge zeigen das gegenteilige Problem: Agentisches Coding kann extrem schnell teuer werden, sobald Tausende Mitarbeitende lange, autonome Sitzungen mit großen Codebasen ausführen.
Das strategische Thema geht über den Preis hinaus. Microsoft und Meta entwickeln eigene konkurrierende KI-Produkte, während andere Unternehmen den Zugriff auf externe Modelle strenger kontrollieren, wenn proprietäre Daten betroffen sind. Anthropic reagiert mit günstigeren Cache-Lesevorgängen und stärkeren Datenkontrollen für Unternehmen, doch der Markt bewegt sich klar zu selektiverem Modell-Routing.
Die nächste Phase des Enterprise-KI-Codings wird nach mehr als Benchmark-Ergebnissen beurteilt werden. Unternehmen achten zunehmend auf Kosten pro Aufgabe, Daten-Governance, Anbieterabhängigkeit und darauf, ob das Modell sicher mit zentralen internen Systemen verbunden werden kann.
Der leistungsfähigste Coding-Agent wird nicht automatisch zum Standardtool für Unternehmen – gewinnen wird derjenige, der auch erschwinglich, kontrollierbar und strategisch akzeptabel ist.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
