Technischer Kontext
Ich mag solche Nachrichten nicht wegen der Schlagzeile, sondern wegen einer Metrik, die man anfassen kann. Es ist nicht „das Modell wurde schlauer“, sondern RLI hat 240 echte Freelance-Projekte erneut durchlaufen lassen und 16,1% der Aufgaben von einem KI-Agenten auf Kunden-Niveau erledigt bekommen. Für die KI-Implementierung ist das kein Spielzeug mehr, sondern ein früher, aber durchaus messbarer Arbeitsmarkt für Software.
Die Basislinie lag im Oktober 2025: Damals betrug die Obergrenze 2,5%. Jetzt, mit dem Juli-Update 2026, führt Anthropic Fable 5 mit 16,1%, Opus 4.8 kommt auf 8,3%, GPT-5.5 auf 6,3%. Was mich hier packt, ist nicht nur das Wachstum, sondern dass die alte „gläserne Decke“ von etwa 2–3% durchbrochen wurde.
Der Benchmark selbst ist auch solide. Es ist kein Test, bei dem man den richtigen Buchstaben wählt, sondern mehrschrittige, unstrukturierte Aufgaben von echten Plattformen wie Upwork: Code, Design, Texten, Web, Analytik, Audio, Video, CAD. Die Bewertung ist einfach und hart: Würde ein zahlender Kunde es abnehmen oder nicht?
Und hier würde ich nicht voreilig verkünden, dass die Freelance-Arbeit tot ist. 16% bedeuten, dass der Agent bei den meisten Aufgaben noch scheitert, besonders dort, wo Geschmack, Verhandlung, Fachwissen oder der Umgang mit Mehrdeutigkeit gefragt sind. Aber wenn es vor acht Monaten ein schicker Prototyp war, ist es jetzt eine Arbeitsschicht, die man wirklich der KI-Automatisierung überlassen kann.
Auswirkungen auf Unternehmen und Automatisierung
Für Unternehmen ist die Erkenntnis sehr bodenständig: Zuerst werden nicht ganze Berufe automatisiert, sondern Teile der Pipeline. Eine grobe Landingpage, das Skalieren von Creatives, einfache Analytik, grundlegende Code-Korrekturen, erste Textentwürfe, die Zusammenstellung von Recherchen. Das lässt sich bereits in Stunden und Marge messen.
Gewinnen werden Teams, die eine KI-Integration um Qualitätskontrolle, Aufgaben-Routing und einen Menschen auf der letzten Meile herum aufbauen. Verlieren werden diejenigen, die ein Modell kaufen und ohne ordentliche KI-Architektur auf Magie warten.
Ich sehe das auch in Kundenprojekten: Das Hauptproblem ist nicht mehr „kann das Modell es“, sondern wie man den Agenten so in den Prozess einbettet, dass er nicht teurere Fehler verursacht, als er Zeit spart. Bei Nahornyi AI Lab lösen wir genau diese Schnittstellen in der Praxis: wo man dem Agenten Autonomie gibt, wo man Validierung einbaut und wo man einen Menschen belässt.
Wenn Ihr Team in wiederkehrenden digitalen Aufgaben ertrinkt, ist es sinnvoll, Ihren Prozess in Ruhe nach Schichten zu zerlegen. Manchmal reicht ein einziges präzises AI-Lösungsentwicklungsprojekt, um die Routine zu beseitigen, die Auslieferung zu beschleunigen und das Team nicht aufzublähen. Wenn Sie möchten, helfe ich bei Nahornyi AI Lab dabei, zu erkennen, wo KI-Automatisierung wirklich funktioniert und wo es besser ist, nicht an dem zu rütteln, was ohnehin Geld einbringt.