Die Schlagzeile: Bis Februar 2026 hatte Claude Code rund 2,5 Mrd. $ annualisierten Umsatz erreicht – mehr als ein 100-faches Wachstum in weniger als einem Jahr –, während OpenAIs Codex Berichten zufolge bei etwa 1 Mrd. $ lag. Im Juli brachte Anthropic Auto Mode in die allgemeine Verfügbarkeit auf Amazon Bedrock, Google Clouds Agent Platform und Microsoft Foundry: Claude trifft seine Berechtigungsentscheidungen nun selbst, mit eingebauten Sicherheitsklassifikatoren statt Abfragen. Die Umsatzzahlen erklären, warum Claude Code gewinnt. Die Berechtigungsänderung ist das, was Teams tatsächlich managen müssen.
Die Marktzahlen
Die berichteten Zahlen, der Größenordnung nach:
- Annualisierter Umsatz von Claude Code: ~2,5 Mrd. $ (Stand Februar 2026), gegenüber 17 Mio. $ im April 2025. Die Zahl der wöchentlich aktiven Nutzer hat sich seit Januar 2026 verdoppelt, und Unternehmenskunden tragen mehr als die Hälfte zum Umsatz bei.
- Annualisierter Umsatz von Codex: ~1 Mrd. $, laut derselben Berichterstattung. OpenAI hat weiterhin iteriert, doch die Lücke ist die Geschichte des vergangenen Jahres.
- ~4 % der öffentlichen GitHub-Commits betreffen Schätzungen zufolge inzwischen Claude Code; Prognosen Dritter deuten darauf hin, dass der Anteil bis Ende 2026 die 20 % überschreiten könnte. Behandeln Sie das als Schätzung, nicht als Messgröße.
- Marktanteil bei Enterprise-Coding-Agents von rund 54 % für Claude Code, und 46 % der Entwickler nennen es ihr bevorzugtes KI-Coding-Tool (gegenüber 19 % für Cursor und 9 % für GitHub Copilot) – Zahlen aus Umfragen Dritter, die über die Quellen hinweg in dieselbe Richtung weisen.
Dabei handelt es sich um anbieternahe und von Analysten stammende Zahlen, nicht um geprüfte Ergebnisse. Doch die Richtung ist unmissverständlich: Ein Terminal-Werkzeug, von dem 2024 niemand gehört hatte, ist heute der Bezugspunkt für die gesamte Kategorie.
Warum Claude Code gewonnen hat
Die über unabhängige Analysen hinweg konsistente Erklärung ist nicht die rohe Modellqualität – es sind die Workflow-Daten. Claude Code sitzt in realen Entwickler-Workflows: den Prompts, die Menschen schreiben, den Tests, die sie ausführen, dem Code, den sie reviewen. Diese Interaktionsdaten werden zur Trainingsschleife, die Anthropic für seine Modelle nutzt, und das resultierende Werkzeug wird gezielt besser bei genau der Arbeit, die Enterprise-Entwickler tatsächlich verrichten – Legacy-Codebasen, technische Schulden, Refactorings über mehrere Dateien – statt bei sauberen Benchmark-Aufgaben. Branchenbeobachter beschreiben das als Daten-Flywheel: Je mehr das Werkzeug bei realer Arbeit eingesetzt wird, desto besser wird es bei realer Arbeit, und desto schwerer fällt es einem Modell ohne diese Schleife, aufzuholen.
Der zweite Faktor ist das Workflow-Gate, nicht das Modell. Claude Code machte Plan → Review → Genehmigen → Ausführen selbst zum Produkt: Berechtigungsregeln, Hooks, Sandboxes und Review-Gates sind Teil des Werkzeugs, keine Zusatzmodule. Deshalb bezahlen Unternehmen dafür, statt eine nackte API zu umgehen.
Auto Mode GA: Die Grenze verschiebt sich
Im Juli erreichte Auto Mode die allgemeine Verfügbarkeit. Das bereits Anfang Juli als Beta eingeführte Feature erlaubt Claude, Berechtigungsentscheidungen im Namen des Nutzers zu treffen, überwacht von eingebauten Sicherheitsklassifikatoren; der Rollout entfernte zudem das Umgebungsvariablen-Gate, über das sich Nutzer zuvor einschalteten. Auto Mode steht nun Abonnenten von Max, Team und Enterprise zur Verfügung sowie auf Amazon Bedrock, Google Clouds Agent Platform und Microsoft Foundry.
Die Produktlogik ist klar: Berechtigungsabfragen sind die größte Reibung beim agentischen Coding, und ihre Beseitigung lässt das Werkzeug autonom wirken. Die Governance-Logik ist der Teil, den es zu prüfen lohnt. Ein abfragebasiertes Genehmigungssystem ist eine Kontrolle, die ein Mensch sieht. Auto Mode ersetzt diese Kontrolle durch einen Klassifikator, der vor der Ausführung von Aktionen läuft – besser als nichts, doch es verlagert das Review-Gate aus dem menschlichen Workflow in die eigene Schleife des Modells. Genau das ist der Grenzfehlermodus, den diese Website in den Anthropic-Evaluationsvorfällen behandelt hat: Wenn die Grenze deklariert statt durchgesetzt wird, handelt ein leistungsfähiger Agent auf der Grundlage dessen, was er tatsächlich erreichen kann.
Die Sicherheits-Community hat bereits auf die schärfste Kante hingewiesen: Forscher bei AI Now veröffentlichten einen Proof-of-Concept, der zeigt, wie eine routinemäßige Prüfung einer Drittanbieter-Bibliothek – genau die Art von Aufgabe, die Auto Mode unbeaufsichtigt ausführen soll – über Remote-Code-Ausführung auf dem Rechner, auf dem der Agent läuft, zu einer vollständigen Kompromittierung des Hosts bewaffnet werden kann. Es ist eine Demonstration, kein bestätigter Vorfall, doch sie bildet exakt den Tausch ab, den Claude Code eingeht: Autonomie gegen Geschwindigkeit, wobei die Grenze die Sache ist, die der Kunde liefern muss.
Die Kostenseite des Sieges
Die andere berichtete Änderung betrifft die Preise. Nachdem Anthropic Claude Code auf die nutzungsbasierte Abrechnung (usage-based billing) umgestellt hatte, stiegen die Kosten für Kunden deutlich, und das ist die Hauptquelle der Beschwerden von Unternehmenskunden. Dieselbe Berichterstattung, die die Dominanz von Claude Code dokumentiert, dokumentiert auch Kostenbedenken und aktive Versuche, die Ausgaben zu kontrollieren – weshalb Tools mit nutzungsbasierter Abrechnung vor einer Kostenfrage stehen, die feste Abonnements nie hatten: Die Ökonomie pro Aufgabe muss vor der Einführung modelliert werden, nicht nach der ersten Rechnung entdeckt.
Was Teams anders machen sollten
Der Aufstieg von Claude Code verändert das Wettbewerbsbild, aber nicht die Evaluierungs-Checkliste. Derselbe begrenzte Prozess gilt:
- Ihr Code, Ihre Abnahmekriterien. Marktanteil ist kein Benchmark für Ihre Codebasis. Führen Sie ein begrenztes Pilotprojekt mit Ihren eigenen Aufgaben, Ihren eigenen Repositories und Ihrem eigenen Review-Prozess durch.
- Bauen Sie das Review-Gate wieder ein, das Auto Mode entfernt. Wenn das Werkzeug nicht mehr fragt, muss Ihr Workflow es tun: Genehmigungen, Sandboxing und Netzwerk-Egress-Kontrollen, die außerhalb der Schleife des Agenten durchgesetzt werden. Die Grenze ist das Produkt – für jeden Agenten, nicht nur für diesen.
- Modellieren Sie die Kosten pro Aufgabe, nicht den Token-Preis. Bei nutzungsbasierter Abrechnung ist die Rechnung eine Funktion des Aufgabendesigns. Messen Sie reale Aufgaben von Anfang bis Ende, bevor Sie sich festlegen.
- Kennen Sie den Datenpfad. Terminal-Agents mit Zugangsdaten laufen dort, wo Ihre Entwickler laufen. Wenn das für Ihren Compliance-Kontext inakzeptabel ist, ist das eine Plattformentscheidung, keine Werkzeugentscheidung – genau hier ändern selbst gehostete, verwaltete Umgebungen und verwaltete Agent-Arbeit die Antwort.
Das Fazit
Die Dominanz von Claude Code ist real, und sie stützt sich auf Workflow-Daten plus eine echte Produkteinsicht: Das Gate ist das Produkt. Die allgemeine Verfügbarkeit von Auto Mode ist dieselbe Logik, zu Ende gedacht – das Gate aus der menschlichen Schleife zu nehmen und in das Modell zu verlegen. Für Engineering-Teams ist das Fazit dasselbe wie bei jeder Agent-Geschichte in diesem Jahr: das Modell ist nicht die Grenze – die Umgebung ist die Grenze. Wer auch immer den Markt gewinnt: Das Team, das kontrolliert, wo Agents laufen, was sie berühren dürfen und wie ihre Aktionen reviewt werden, wird aus jedem von ihnen mehr herausholen.