Barclays setzt Claude ein, um Abläufe zu optimieren und das Kundenerlebnis zu verbessern

Barclays baut die Zusammenarbeit mit Anthropic aus. Die Zahlen in der Ankündigung stehen allerdings für unterschiedliche Dinge: bereits genutzte Anwendungen und noch offene Ziele für die künftige Verbreitung. Für Verantwortliche in Unternehmen ist deshalb entscheidend, welche Aufgabe eine Anwendung übernimmt und welche Belege nötig wären, um ihren tatsächlichen Nutzen zu beurteilen. Eine hohe Zahl an Nutzern beantwortet diese Frage noch nicht.

Was angekündigt wurde und was ein Ziel bleibt

In seiner Mitteilung vom 1. Oktober 2026 beschreibt Anthropic den erweiterten Einsatz von Claude bei Barclays. Die Bank erwartet, dass bis Ende 2026 die Hälfte ihrer Entwickler Claude Code nutzt. Im Jahr 2027 soll es die Mehrheit ihrer Softwareingenieure sein. Diese 50 Prozent und die spätere Mehrheit sind Erwartungen, keine bereits erreichten Nutzungsquoten. Daraus lässt sich auch nicht ableiten, welcher Anteil der Arbeit automatisiert wird.

Die Angaben stammen vom Technologieanbieter. Sämtliche hier genannten Zahlen sind Aussagen von Anthropic und keine unabhängig überprüften Ergebnisse. Die Mitteilung beschreibt Anwendungen und Ausbaupläne, liefert aber keinen belastbaren Nachweis dafür, dass sich die Investition wirtschaftlich rechnet.

Ein interner Assistent für die Informationssuche

Laut Anthropic ist der Colleague Knowledge Assistant von Barclays UK seit 2025 im Einsatz. Er verbindet Claude mit einer dokumentengestützten Antwortgenerierung, kurz RAG. Mehr als 16.000 Beschäftigte setzen den Assistenten ein; er hat über eine Million Suchanfragen bearbeitet. Er unterstützt Beschäftigte, die einen Kundenstamm von mehr als 20 Millionen Privatkunden betreuen. Die Beschäftigten nutzen das Werkzeug. Die Kundenzahl bedeutet nicht, dass diese Millionen Menschen selbst Claude verwenden.

Bei RAG werden Dokumente abgerufen, um daraus eine Antwort zu erzeugen. Der mögliche betriebliche Nutzen liegt darin, interne Informationen während der Bearbeitung einer Aufgabe leichter zu finden. Ein abgerufenes Dokument ist jedoch nicht automatisch aktuell oder für die Frage geeignet. Auch eine korrekte Wiedergabe seines Inhalts muss geprüft werden. Die technische Architektur ersetzt diese Prüfung nicht.

Anfragen einordnen, bevor sie bearbeitet werden

Das zweite Beispiel betrifft Global Markets. Nach Angaben von Anthropic hilft Claude dabei, eingehende Anfragen per E-Mail zu klassifizieren, anzureichern und an die passende Bearbeitungsstelle weiterzuleiten. Die Plattform verarbeitet ungefähr 120.000 E-Mails pro Tag. Diese Zahl beschreibt das Volumen der Plattform. Sie belegt weder eine vollständig automatische Erledigung aller Nachrichten noch den Wegfall menschlicher Bearbeitung.

Eine Anfrage richtig zuzuordnen ist eine andere Aufgabe, als sie zu lösen. Eine passende Zuordnung könnte unnötige Weiterleitungen vermeiden; eine falsche könnte dringende Anliegen verzögern. Das sind mögliche Folgen, die ein Unternehmen messen sollte. Die Ankündigung liefert dafür keine quantifizierten Ergebnisse. Ebenso wichtig wäre festzulegen, wer bei unklaren Anfragen entscheidet.

Was die Zahlen zeigen und was offenbleibt

Beschäftigtenzahlen und Suchanfragen stehen für die gemeldete Verbreitung und Aktivität. Die täglichen E-Mails beschreiben ein Arbeitsvolumen. Keine dieser Größen beweist für sich allein Genauigkeit, Qualität oder Einsparungen. Die Mitteilung enthält keine auditierten Vergleiche zu Kosten, Bearbeitungszeiten, Antwortgenauigkeit oder Kundenzufriedenheit.

Mehrere Suchanfragen können sich auf dasselbe ungelöste Problem beziehen. Um den Nutzen zu bewerten, müsste man unter anderem wissen, wie viele Fragen korrekt beantwortet wurden und wie viel Nachprüfung erforderlich war. Ein hohes Volumen macht den Prozess untersuchenswert, ersetzt aber keinen Nachweis seiner Wirksamkeit. Auch eine häufig genutzte Anwendung kann zusätzlichen Korrekturaufwand verursachen.

Was kleinere Unternehmen erproben könnten

Aus Sicht von Berraquero lassen sich zwei begrenzte Pilotprojekte ableiten: wiederkehrende interne Fragen anhand freigegebener Dokumente beantworten und eingehende Anfragen vorsortieren, sofern deren Menge spürbar Arbeitszeit bindet. Das sind Vorschläge zur Erprobung, keine hier belegten Richtlinien von Barclays. Die Nutzungsziele einer Großbank lassen sich nicht als Vorgabe auf ein kleines oder mittleres Unternehmen übertragen.

Für einen Wissensassistenten sollte das Thema eng begrenzt sein. Dokumente brauchen klare Verantwortliche, Antworten überprüfbare Quellenverweise. Für die Vorsortierung sind eindeutige Kategorien, typische Beispielfälle und ein menschlicher Ansprechpartner für unklare Fälle nötig. Bei wenigen Nachrichten oder ungeordneten Unterlagen kann es sinnvoller sein, zuerst den bestehenden Ablauf zu verbessern. Der Einsatz von KI sollte helfen, einen konkreten Engpass im Ablauf zu beheben.

Voraussetzungen festlegen und den gesamten Aufwand messen

Anthropic erklärt, Barclays setze auf Sicherheitskontrollen, Governance und menschliche Aufsicht. Die Aussage ermöglicht keine Prüfung dieser Maßnahmen. Für ein eigenes Pilotprojekt sollten Zugriffsrechte, ausgeschlossene personenbezogene Daten, die Speicherung von Anfragen und die Verantwortung für Korrekturen feststehen. Auch muss klar sein, welche Aktionen eine Person freigeben muss. Zum Budget gehören Integration, Dokumentenpflege, laufende Nutzung und menschliche Kontrolle.

Erfassen Sie vor dem Start, wie vergleichbare Aufgaben bisher erledigt werden. Prüfen Sie anschließend Antworten gegen freigegebene Quellen und messen Sie korrekte Ergebnisse, Fehlzuordnungen, Gesamtzeit einschließlich Nacharbeit sowie Kosten je korrekt gelöstem Fall. Testen Sie auch Fragen ohne passende Quelle und mehrdeutige Anfragen. Legen Sie vorab fest, wann der Versuch fortgesetzt, angepasst oder beendet wird. Eine Ausweitung sollte einen besseren Prozess voraussetzen, ohne Abstriche bei Qualität oder Datenschutz.

Für die Anwendung in kleineren Unternehmen lesen Sie auch unseren Leitfaden zur kontrollierten KI-Einführung in KMU.

Quelle: Anthropics Mitteilung zu Barclays lesen und Nutzungsziele von gemeldeten Einsätzen unterscheiden (1. Oktober 2026, auf Englisch).

Das könnte dich auch interessieren

• Kooperationsankündigung mit Accenture zur integrierten Bewertung
• Model Hardware Standard von Anthropic: Was sich ändert, wenn ein KI-Agent echte Maschinen steuert
• Microsoft Work Trend Index 2026: KI-Agenten und menschliche Entscheidungsfreiheit