147 Statistiken zu generativer KI im November 2026

Die Statistiken zu generativer KI für 2026 zeigen, dass die Nutzung den Nutzen weit übersteigt. Mindestens 700 Millionen Menschen nutzen jede Woche führende KI-Systeme (International AI Safety Report, Feb. 2026), doch CEOs, die von IBM befragt wurden, sagen, dass nur 25 % ihrer KI-Initiativen die erwartete Rendite erbracht haben und nur 16 % unternehmensweit ausgeweitet wurden (IBM Institute for Business Value, Mai 2025).

Die Seite behandelt Einführung, Ausgaben, Finanzierung, Modelle und Rechenleistung, Produktivität und Arbeitsplätze, Halluzinationen und Missbrauch sowie Regulierung. Jede Angabe ist mit der Organisation verlinkt, die sie erhoben hat: Zentralbanken, Statistikämter, Aufsichtsbehörden, Gerichte, Unternehmensberichte, wissenschaftliche Arbeiten und Umfrageinstitute. Wenn ein Anbieter oder eine Unternehmensberatung die Umfrage durchgeführt hat, wird dies in der Quellenangabe genannt, damit Sie die Aussage einordnen können. Übergreifende KI-Zahlen finden Sie auf unserer Seite zu KI-Statistiken, Informationen zu Chatbot-Traffic und KI-Antworten auf der Seite zu KI-Suchstatistiken und zur Nutzung im Marketing auf der Seite zu KI-Marketing-Statistiken.

Wie viele Unternehmen und Menschen haben generative KI eingeführt?

Die Einführung ist keine offene Frage mehr. Die meisten Arbeitgeber haben die Tools ausprobiert; inzwischen dreht sich die Diskussion darum, was sie damit erreichen.

Wie viele Unternehmen nutzen generative KI?

Mehr als die Hälfte der Dienstleistungsunternehmen und Hersteller in der Region New York nutzt inzwischen KI: 61 % der Dienstleistungsunternehmen gaben dies im August 2026 an, gegenüber 40 % im Vorjahr und 25 % im Jahr 2024 (Federal Reserve Bank of New York, Sep. 2026).

• 51 % der Hersteller in der Region nutzten KI, ungefähr doppelt so viele wie die 26 % im Jahr 2025 und dreimal so viele wie die 16 % im Jahr 2024 (Federal Reserve Bank of New York, Sep. 2026).
• Bei den Nutzern lag der Mediananteil der Beschäftigten, die KI einsetzen, bei Dienstleistungsunternehmen bei nur 17 % und bei Herstellern bei 7 % (Federal Reserve Bank of New York, Sep. 2026).
• Drei Viertel der Dienstleistungsunternehmen und mehr als 90 % der Hersteller bezeichneten ihre KI-Investitionen als gering bis moderat (Federal Reserve Bank of New York, Sep. 2026).
• 46 % der kleinen US-Arbeitgeberunternehmen gaben in der Small Business Credit Survey 2025 an, dass ihr Unternehmen oder ihre Beschäftigten KI-Tools nutzten; weitere 15 % planten den Einstieg (Federal Reserve Banks, Okt. 2026).
• Fast 60 % der Unternehmen in einer Atlanta-Fed-Umfrage unter mehr als 700 Führungskräften investierten 2025 in KI, und mehr als 80 % erwarteten, 2026 zu investieren (Federal Reserve Bank of Atlanta, März 2026).
• Deloitte stellte fest, dass der Anteil der Beschäftigten mit genehmigten KI-Tools innerhalb eines Jahres von weniger als 40 % auf rund 60 % stieg (Deloitte AI Institute, Jan. 2026).

Das Muster: breite Verbreitung, aber oberflächliche Nutzung. Bei der Einführungsquote wird ein Unternehmen gleich gezählt, egal ob eine Person oder die gesamte Belegschaft das Tool nutzt.

Lohnt sich generative KI für Unternehmen?

Das hängt davon ab, wer gefragt wird und wie Rendite definiert wird. 74 % der Befragten aus Unternehmen in Whartons Umfrage berichteten von einem positiven ROI durch generative KI; 72 % messen diesen systematisch (Wharton Human-AI Research, Okt. 2025).

• Fast 6 von 10 Führungskräften berichten in KPMGs vierteljährlicher Pulse-Umfrage von messbarem geschäftlichem Nutzen; Produktivitätssteigerungen sind mit 55 % am häufigsten (KPMG, Sep. 2026).
• 74 % der Unternehmen berücksichtigen inzwischen Kostenprüfungen bei KI-Genehmigungsverfahren, gegenüber 61 % im Vorquartal; 43 % haben Nutzungs- oder Tokenbudgets (KPMG, Sep. 2026).
• Nur 30 % der Unternehmen in Deloittes Umfrage gestalten zentrale Prozesse rund um KI neu, und 37 % nutzen KI nur oberflächlich (Deloitte AI Institute, Jan. 2026).
• 77 % der kleinen Unternehmen meldeten keine Veränderung der Arbeitskosten durch den Einsatz von KI (Federal Reserve Banks, Okt. 2026).

Diese Umfragen richten sich an unterschiedliche Personen und definieren Rendite unterschiedlich. Die obigen Zahlen sollten daher nicht miteinander verglichen werden. Jede Zahl gibt die Antwort der jeweiligen Umfrage auf ihre eigene Frage wieder.

Sind KI-Agenten für den geschäftlichen Einsatz bereit?

Noch nicht im großen Maßstab. Gartner prognostiziert, dass bis Ende 2027 mehr als 40 % der agentischen KI-Projekte wegen der Kosten, des unklaren geschäftlichen Nutzens oder unzureichender Risikokontrollen eingestellt werden (Gartner, Juni 2025).

• Gartner schätzt, dass von Tausenden Anbietern agentischer KI nur etwa 130 tatsächlich Agenten anbieten, und warnt vor „Agent Washing“, der Umbenennung bestehender Produkte in Agenten (Gartner, Juni 2025).
• Nur 16 % der Unternehmenseinführungen und 27 % der Einführungen bei Start-ups gelten als echte Agenten, also als LLMs, die planen, handeln und sich anpassen (Menlo Ventures, Dez. 2025).
• Fast drei Viertel der Unternehmen in Deloittes Umfrage planen, innerhalb von zwei Jahren agentische KI einzuführen; dennoch verfügt nur bei 21 % von ihnen ein ausgereiftes Modell für die Steuerung von KI-Agenten (Deloitte AI Institute, Jan. 2026).
• Gartner erwartet, dass bis 2028 agentische KI in 33 % der Unternehmenssoftwareanwendungen enthalten sein wird, gegenüber weniger als 1 % im Jahr 2024 (Gartner, Juni 2025).

Wie viele Menschen nutzen generative KI außerhalb der Arbeit?

Laut der Studie des Stanford Digital Economy Lab belief sich die Zahl der erwachsenen Nutzer generativer KI-Chatbots in den USA im März 2026 auf 115 Millionen, gegenüber 98 Millionen im Juli 2025. Der Medianwert, den Nutzer dem Zugang beimessen, lag bei $11,40 pro Monat, gegenüber $3,40 (Stanford Digital Economy Lab, Apr. 2026).

• Dieselbe Studie bezifferte den durchschnittlichen Betrag, den Erwachsene in den USA für einen Monat ohne Chatbots erhalten müssten, auf $124,50, 27 % mehr als die $98 zuvor (Stanford Digital Economy Lab, Apr. 2026).
• Laut dem International AI Safety Report liegt die Verbreitung in weiten Teilen Afrikas, Asiens und Lateinamerikas wahrscheinlich weiterhin unter 10 % (International AI Safety Report, Feb. 2026).

Wie viel Kapital fließt in generative KI?

Das Geld ist von Softwareexperimenten zu Strom, Chips und Cloud-Verträgen gewandert. Die größten Schecks gehen inzwischen an die Infrastruktur.

Wie viel geben Unternehmen für generative KI aus?

Anwendungen machten mehr als die Hälfte davon aus: 2025 flossen $19 Milliarden der Unternehmensausgaben in KI-Anwendungen, der Rest in die Infrastruktur (Menlo Ventures, Dez. 2025).

• 76 % der KI-Anwendungsfälle wurden gekauft statt intern entwickelt, gegenüber 53 % im Jahr 2024 (Menlo Ventures, Dez. 2025).
• 47 % der KI-Verträge gingen in den Produktivbetrieb, gegenüber 25 % bei herkömmlicher SaaS (Menlo Ventures, Dez. 2025).
• Der Bereich Programmierung erreichte $4,0 Milliarden, 55 % der KI-Ausgaben der Abteilungen und die größte Einzelkategorie (Menlo Ventures, Dez. 2025).
• APIs für Foundation-Modelle machten $12,5 Milliarden der $18 Milliarden aus, die für KI-Infrastruktur ausgegeben wurden (Menlo Ventures, Dez. 2025).
• Der Markt für Ambient Scribes für Ärzte erreichte $600 Millionen und war damit 2,4-mal so groß wie im Vorjahr (Menlo Ventures, Dez. 2025).

Menlos Marktschätzungen sind mit Einschränkungen verbunden, die man kennen sollte (Menlo Ventures, Dez. 2025). Betrachten Sie sie als eine Einschätzung des Marktes.

Wie viel Risikokapital fließt in KI-Unternehmen?

Die Risikokapitalfinanzierung erreicht Rekordwerte, und der Großteil davon fließt in KI. Die weltweiten Risikokapitalinvestitionen erreichten im 2. Quartal 2026 $205 Milliarden bei mehr als 5.000 Start-ups, nach $305 Milliarden im 1. Quartal (Crunchbase, Juli 2026).

• KI-Start-ups erhielten im 2. Quartal 2026 mehr als 60 % der Risikokapitalfinanzierung in Asien, gut $26 Milliarden und damit einen Rekordwert (Crunchbase, Juli 2026).
• Chinesische Start-ups sammelten im Quartal gut $30 Milliarden ein, 424 % mehr als ein Jahr zuvor (Crunchbase, Juli 2026).
• DeepSeek sammelte im Juni 2026 $7,4 Milliarden bei einer gemeldeten Bewertung von $50 Milliarden ein (Crunchbase, Juli 2026).
• Europäische Start-ups sammelten $24 Milliarden ein, zwei Drittel mehr als im 2. Quartal 2025; 65 % davon gingen an 42 Unternehmen, die mindestens $100 Millionen einwarben (Crunchbase, Juli 2026).
• SpaceX erklärte, es werde den KI-Programmiertool-Hersteller Anysphere, der Cursor entwickelt, für $60 Milliarden übernehmen (Crunchbase, Juli 2026).

Wie viel sind die führenden KI-Labore wert, und wie viel verdienen sie?

Die Bewertungen stützen sich inzwischen auf schnell wachsende Umsätze. Anthropic sammelte im Februar 2026 in einer Series G $30 Milliarden bei einer Post-Money-Bewertung von $380 Milliarden ein (Anthropic, Feb. 2026).

• Die Zahl der Anthropic-Kunden mit jährlichen Ausgaben von über $1 Millionen stieg innerhalb von zwei Jahren von einem Dutzend auf mehr als 500 (Anthropic, Feb. 2026).
• Der annualisierte Umsatz von Claude Code überstieg $2,5 Milliarden und war damit mehr als doppelt so hoch wie zu Beginn des Jahres 2026 (Anthropic, Feb. 2026).
• Menlo zählt mindestens 10 KI-Produkte mit einem jährlich wiederkehrenden Umsatz von über $1 Milliarden und 50 mit mehr als $100 Millionen (Menlo Ventures, Dez. 2025).
• KI-Start-ups erhielten 2025 63 % der Ausgaben auf Anwendungsebene, gegenüber 36 % im Vorjahr (Menlo Ventures, Dez. 2025).
• Mistral AI sammelte EUR 1,7 Milliarden bei einer Post-Money-Bewertung von EUR 11,7 Milliarden ein; die Runde wurde vom Chipausrüster ASML angeführt (Mistral AI, Sep. 2025).

Wer verdient am KI-Ausbau?

Zunächst die Chip- und Cloud-Anbieter. NVIDIA meldete für das Quartal zum 26. Juli 2026 einen Umsatz von $96,2 Milliarden, 106 % mehr als ein Jahr zuvor (NVIDIA, Aug. 2026).

• NVIDIA prognostizierte für das nächste Quartal $108,0 Milliarden, ohne dabei mit Umsätzen aus Data-Center-Computing in China zu rechnen (NVIDIA, Aug. 2026).
• Die verbleibenden Leistungsverpflichtungen von Oracle stiegen innerhalb eines Jahres um $209 Milliarden auf $664 Milliarden (Oracle, Sep. 2026).
• Oracles Umsatz mit Cloud-Infrastruktur stieg im Quartal um 121 % auf $7,4 Milliarden, während der freie Cashflow negativ $5 Milliarden betrug (Oracle, Sep. 2026).
• Oracle verbuchte im Quartal zusätzliche KI-Cloud-Verträge im Wert von mehr als $30 Milliarden und verkaufte Aktien im Wert von $20 Milliarden, um den Ausbau mitzufinanzieren (Oracle, Sep. 2026).
• CoreWeave erzielte einen Umsatz von $2.575 Millionen gegenüber $1.212 Millionen im Vorjahr und verzeichnete einen Nettoverlust von $626 Millionen (CoreWeave, Aug. 2026).
• Der Umsatzauftragsbestand von CoreWeave lag am 30. Juni 2026 bei etwa $104 Milliarden; die aktive Stromkapazität erreichte 1,5 GW (CoreWeave, Aug. 2026).
• NVIDIA und OpenAI unterzeichneten eine Absichtserklärung über mindestens 10 Gigawatt an NVIDIA-Systemen; NVIDIA beabsichtigt, bis zu $100 Milliarden in OpenAI zu investieren (NVIDIA, Sep. 2025).
• AMD verpflichtete sich, OpenAI mit GPUs für 6 Gigawatt zu beliefern, und stellte OpenAI einen Optionsschein auf bis zu 160 Millionen AMD-Aktien aus (AMD, Okt. 2025).

Welche Modelle sind führend, und was kostet ihr Betrieb?

Fortschritte beruhen weiterhin auf Skalierung, und die Spitze der Rangliste verändert sich von Monat zu Monat. Die Kosten pro Leistungseinheit sinken stetig, während die Gesamtrechnung für das ganze System weiter steigt.

Welche Unternehmen und Modelle sind marktführend?

Bei den Ausgaben von Unternehmen für LLMs liegt Anthropic mit einem geschätzten Marktanteil von 40 % vorn, gegenüber 12 % im Jahr 2023; OpenAI fiel von 50 % auf 27 % (Menlo Ventures, Dez. 2025).

• Open-Source-Modelle machen nur 11 % der Unternehmensausgaben für LLMs aus (Menlo Ventures, Dez. 2025).
• Die Zahl der Uploads auf Hugging Face hat sich seit 2023 verdreifacht, und GitHub beherbergt 5,6 Millionen KI-Open-Source-Projekte (Stanford HAI, Apr. 2026).
• Die Zahl der Parameter liegt seit drei Jahren bei rund 1 Billion, und mehrere führende KI-Labore haben aufgehört, sie anzugeben (Stanford HAI, Apr. 2026).
• Die Datenbank von Epoch AI erfasst über 3.600 Modelle des maschinellen Lernens von 1950 bis heute (Epoch AI, Okt. 2026).
• Die Leistung führender Modelle erreicht Verbraucherhardware in etwa 8 Monaten (Epoch AI, Feb. 2026).

Wie schnell verbessern sich generative KI-Modelle?

Seit dem Aufkommen von Reasoning-Modellen schneller. Der Leistungsindex von Epoch für führende Modelle ist seit September 2024 jährlich um 14 Punkte gestiegen, gegenüber 6 Punkten pro Jahr bei Nicht-Reasoning-Modellen (Epoch AI, Feb. 2026).

• Die Aufgabenlänge, die die Agenten von METR in der Hälfte der Fälle bewältigen, hat sich seit 2019 ungefähr alle sieben Monate verdoppelt (METR, März 2025).
• METR warnt, dass Messungen von mehr als 16 Stunden mit dem aktuellen Aufgabensatz unzuverlässig sind und der Benchmark daher nahe an seiner Obergrenze liegt (METR, Sep. 2026).
• KI-Agenten können inzwischen zuverlässig manche Aufgaben erledigen, für die ein menschlicher Programmierer etwa eine halbe Stunde braucht; ein Jahr zuvor waren es weniger als 10 Minuten (International AI Safety Report, Feb. 2026).
• Bei OSWorld stieg die Genauigkeit von Agenten innerhalb eines Jahres von etwa 12 % auf 66,3 % und liegt damit nur 6 Punkte unter der menschlichen Leistung (Stanford HAI, Apr. 2026).
• Gemini Deep Think erzielte bei der International Mathematical Olympiad 2025 35 Punkte und eine Goldmedaille, gegenüber einer Silbermedaille mit 28 Punkten im Jahr 2024 (Stanford HAI, Apr. 2026).
• Die Kontextfenster von LLMs sind seit 2023 jährlich um das 30-Fache gewachsen (Epoch AI, Feb. 2026).
• Eine Überprüfung weitverbreiteter Benchmarks ergab ungültige Fragenanteile zwischen 2 % bei MMLU Math und 42 % bei GSM8K. Die Ergebnisse sind daher mit Vorsicht zu betrachten (Stanford HAI, Apr. 2026).

Was kostet es, Modelle zu trainieren und zu betreiben?

Jede Leistungseinheit wird günstiger, während die Gesamtkosten steigen. Der Preis, um die Leistung von GPT-4 bei naturwissenschaftlichen Fragen auf Doktorandenniveau zu erreichen, sank jährlich um das 40-Fache. Je nach Meilenstein lagen die Preisrückgänge zwischen dem 9- und dem 900-Fachen pro Jahr (Epoch AI, März 2025).

• Die Rechenleistung für das Training der fünf führenden Modelle ist seit 2020 um etwa das 10.000-Fache gewachsen (Epoch AI, Feb. 2026).
• Ein typisches KI-Rechenzentrum mit 1 Gigawatt Leistung kostet im Voraus etwa $38 Milliarden und braucht rund zwei Jahre Bauzeit (Epoch AI, Feb. 2026).
• Fünf Hyperscaler besitzen mehr als zwei Drittel der weltweiten KI-Rechenleistung (Epoch AI, Feb. 2026).
• Das größte bekannte KI-Rechenzentrum verfügt über eine Kapazität, die 1,1 Millionen NVIDIA-H100-Chips entspricht; Metas Hyperion soll bis Januar 2028 auf 3,7 Millionen kommen (Epoch AI, Feb. 2026).
• In den Vereinigten Staaten gibt es 5.427 Rechenzentren, mehr als zehnmal so viele wie in jedem anderen Land (Stanford HAI, Apr. 2026).
• 54 % der Erwachsenen in den USA sagen, Rechenzentren seien überwiegend schlecht für die Umwelt, gegenüber 39 % im Januar 2026; 50 % sagen, sie seien schlecht für die Energiekosten im Haushalt, gegenüber 38 % (Pew Research Center, Sep. 2026).
• Nur 4 % der Amerikaner glauben, dass Rechenzentren überwiegend positive Auswirkungen auf die Umwelt, die Energiekosten oder die Lebensqualität haben (Pew Research Center, Sep. 2026).

Wie wirkt sich generative KI auf Produktivität und Arbeitsplätze aus?

Experimente im Labor zeigen große Produktivitätsgewinne bei klar umrissenen Aufgaben. Erkenntnisse aus der Praxis sind rarer, und die Nutzer der Tools überschätzen tendenziell ihren Nutzen.

Wie viel schneller arbeiten Menschen mit generativer KI?

Berater, die GPT-4 für Aufgaben innerhalb der KI-Leistungsgrenze einsetzten, erledigten in einem Experiment der Harvard Business School 12,2 % mehr Aufgaben und waren 25,1 % schneller (Harvard Business School, Sep. 2023).

• Bei einer Aufgabe außerhalb der Leistungsgrenze war die Wahrscheinlichkeit, eine korrekte Lösung zu erstellen, bei Beratern mit KI um 19 % geringer (Harvard Business School, Sep. 2023).
• In einem Experiment mit 444 Hochschulabsolventen verkürzte ChatGPT die Schreibzeit um 0,8 Standardabweichungen und verbesserte die Qualität um 0,4; besonders stark profitierten Beschäftigte mit geringeren Fähigkeiten (MIT, März 2023).
• Entwickler mit GitHub Copilot schlossen eine Aufgabe zum Erstellen eines HTTP-Servers 55,8 % schneller ab als die Kontrollgruppe (Peng et al., Feb. 2023).
• In einer Folgestudie mit Tools aus dem Spätjahr 2025 ergab METRs unveränderte Schätzung für zurückkehrende Entwickler eine Verkürzung der Aufgabenzeit um 18 %; das Konfidenzintervall reichte von 38 % kürzer bis 9 % länger. METR bezeichnete die eigenen Daten als unzuverlässiges Signal, weil Entwickler sich weigerten, ohne KI zu arbeiten (METR, Feb. 2026).
• In einer Umfrage unter 349 technischen Fachkräften lag die selbst eingeschätzte Veränderung des Arbeitswerts beim Median beim 1,4- bis 2-Fachen, und die selbst eingeschätzte Geschwindigkeitssteigerung beim 3-Fachen (METR, Mai 2026).
• Die Befragten schätzten den Wertzuwachs im März 2025 auf das 1,3-Fache, im März 2026 auf das 2-Fache und prognostizierten für März 2027 das 2,5-Fache (METR, Mai 2026).
• METRs frühere Studie von 2025 ergab, dass Menschen die Zeitersparnis durch KI bei Aufgaben im Durchschnitt um 40 Prozentpunkte überschätzten (METR, Mai 2026).

Welche Arbeitsplätze sind generativer KI am stärksten ausgesetzt?

Bei etwa 80 % der US-Beschäftigten könnten mindestens 10 % ihrer Aufgaben von großen Sprachmodellen beeinflusst werden; bei etwa 19 % könnte mindestens die Hälfte ihrer Aufgaben betroffen sein (Eloundou et al., März 2023).

• In Ländern mit hohem Einkommen machen die Arbeitsplätze mit dem höchsten Automatisierungsrisiko 9,6 % der Beschäftigung von Frauen und 3,5 % der Beschäftigung von Männern aus (ILO, Mai 2025).
• Das Produktivitätswachstum liegt in Unternehmen, die KI am stärksten ausgesetzt sind, um 40 % höher als in den am wenigsten exponierten Unternehmen (PwC, Juni 2026).
• Das oberste Fünftel der am stärksten von KI betroffenen Unternehmen verzeichnete seit 2022 durchschnittlich ein Produktivitätswachstum von 163 % (PwC, Juni 2026).
• Die für die am stärksten von KI betroffenen Arbeitsplätze benötigten Kompetenzen verändern sich mehr als doppelt so schnell wie bei den am wenigsten betroffenen; die Lücke hat sich im Vergleich zum Vorjahr um 75 % vergrößert (PwC, Juni 2026).
• Bei den am stärksten von KI betroffenen Einstiegspositionen ist die Wahrscheinlichkeit, dass traditionell mit Führungspositionen verbundene Kompetenzen verlangt werden, 7-mal höher (PwC, Juni 2026).

Der Grad der Betroffenheit misst Aufgaben und sagt nichts über den Verlust von Arbeitsplätzen aus. Laut ILO ist eine Umgestaltung von Arbeitsplätzen das wahrscheinlichste Ergebnis (ILO, Mai 2025).

Streichen Unternehmen wegen generativer KI Arbeitsplätze?

Bislang nur selten. In den sechs Monaten bis August 2026 entließen nur 4 % der Dienstleistungsunternehmen in der Region New York Beschäftigte wegen KI; 15 % stellten weniger und 13 % mehr Menschen ein (Federal Reserve Bank of New York, Sep. 2026).

• Fachleute der Federal Reserve Board fanden keine Hinweise darauf, dass Branchen oder Unternehmen mit höherer KI-Einführung weniger Stellen ausschreiben (Federal Reserve Board, März 2026).
• Führungskräfte in der Umfrage der Atlanta Fed meldeten 2025 durch KI einen Anstieg der Produktion pro Beschäftigten um 1,8 %, obwohl die aus dem Umsatz abgeleiteten Zuwächse deutlich geringer waren (Federal Reserve Bank of Atlanta, März 2026).
• Große Unternehmen in dieser Umfrage erwarten, dass KI ihre Beschäftigtenzahl 2026 um 0,8 % senkt; der Durchschnitt aller Unternehmen liegt nahe null (Federal Reserve Bank of Atlanta, März 2026).
• Führungskräfte erwarten, dass der Anteil routinemäßiger Bürokräfte 2026 um 0,76 % und bis 2028 um 2,19 % sinkt (Federal Reserve Bank of Atlanta, März 2026).
• In 34 von 37 Ländern, die Pew 2026 befragte, glauben die Menschen tendenziell, dass KI eher zu weniger als zu mehr Arbeitsplätzen führen wird (Pew Research Center, Sep. 2026).
• In Australien, Südkorea und den Vereinigten Staaten erwarten etwa sieben von zehn Erwachsenen oder mehr, dass KI in den nächsten 20 Jahren Arbeitsplätze kosten wird; der Anteil in den USA ist in zwei Jahren um 7 Punkte gestiegen (Pew Research Center, Sep. 2026).
• Zum ersten Mal sagt eine Mehrheit der US-Erwachsenen unter 30 Jahren (55 %), dass sie sich mehr Sorgen um KI macht, als sie sich darüber freut (Pew Research Center, Aug. 2026).

Wie zuverlässig und sicher ist generative KI?

Modelle formulieren flüssig und liegen oft falsch; aus der Ausgabe allein ist der Fehler schwer zu erkennen. Dieselbe Sprachgewandtheit wird für Betrug genutzt und füllt das Web mit maschinell geschriebenen Texten.

Wie oft halluziniert generative KI?

Das hängt von der Aufgabe und vom Modell ab. Auf Vectaras Bestenliste für Zusammenfassungen vom September 2026 reichten die Halluzinationsraten von 1,8 % beim besten bis zu 24,2 % beim schlechtesten Modell (Vectara, Sep. 2026).

• KI-Tools für juristische Recherchen von LexisNexis und Thomson Reuters halluzinierten in einer Studie von Stanford RegLab in 17 % bis 33 % der Fälle (Stanford RegLab, Mai 2024).
• NewsGuard stellte fest, dass die 10 führenden Chatbots im August 2025 falsche Behauptungen zu Nachrichtenthemen in 35 % der Fälle wiederholten, gegenüber 18 % ein Jahr zuvor (NewsGuard, Sep. 2025).
• Die Rate, mit der die Chatbots nicht antworteten, sank von 31 % auf 0 %, als sie eine Live-Websuche einführten. Daher beantworten sie jetzt jede Nachrichtenanfrage – richtig oder falsch (NewsGuard, Sep. 2025).
• Wenn eine falsche Aussage als Überzeugung des Nutzers dargestellt wurde, sank die Genauigkeit von GPT-4o von 98,2 % auf 64,4 % und die von DeepSeek R1 von über 90 % auf 14,4 % (Stanford HAI, Apr. 2026).

Wenn Assistenten Nachrichten und Fakten falsch darstellen, liegen sie auch bei Marken falsch. Was sie über ein Unternehmen sagen, hängt davon ab, welche Quellen sie finden und welchen sie vertrauen.

Wie wird generative KI für Betrug und Cyberangriffe eingesetzt?

Anlagebetrug macht den größten Teil der mit KI verknüpften Verluste in den FBI-Daten für 2025 aus. Bei Beschwerden, die einen KI-Bezug meldeten, beliefen sich die Verluste auf mehr als $632 Millionen – bei insgesamt mehr als $8 Milliarden Verlusten durch Anlagebetrug (FBI IC3, Apr. 2026).

• Unternehmen meldeten 2025 Verluste von mehr als $30 Millionen durch Business-E-Mail-Compromise-Betrug mit KI-Bezug (FBI IC3, Apr. 2026).
• In einer Studie zu Audio-Deepfakes hielten Zuhörer KI-generierte Stimmen in 80 % der Fälle für echte Sprecher (International AI Safety Report, Feb. 2026).
• Tests des UK AI Security Institute ergaben, dass Modelle Aufgaben im Bereich Cybersicherheit auf Ausbildungsniveau durchschnittlich in 50 % der Fälle bewältigen, gegenüber gut 10 % Anfang 2024 (UK AI Security Institute, Dez. 2025).
• 2025 testete das Institut erstmals ein Modell, das Expertenaufgaben im Bereich Cybersicherheit erledigen konnte, für die normalerweise mehr als 10 Jahre Erfahrung erforderlich sind (UK AI Security Institute, Dez. 2025).
• Die Länge der Cyberaufgaben, die Modelle ohne Hilfe bewältigen können, verdoppelt sich etwa alle acht Monate (UK AI Security Institute, Dez. 2025).
• Das Institut stellte einen 40-fachen Unterschied beim erforderlichen Aufwand von Experten fest, um zwei im Abstand von sechs Monaten veröffentlichte Modelle zu jailbreaken, sowie Schwachstellen in jedem getesteten System (UK AI Security Institute, Dez. 2025).
• In Chemie und Biologie übertreffen Modelle bei offenen Fragen die Experten-Baseline des Instituts um bis zu 60 % und sind bei der Fehlersuche im Nasslabor um bis zu 90 % besser als menschliche Experten (UK AI Security Institute, Dez. 2025).

Ist KI-generierter Code sicher?

Nicht automatisch. Veracode stellte fest, dass 45 % der Codebeispiele aus über 100 LLMs Sicherheitstests nicht bestanden und Schwachstellen aus den OWASP Top 10 enthielten (Veracode, Juli 2025).

• Bei Java lag die Sicherheitsfehlerquote bei 72 %; Modelle konnten in 86 % der relevanten Beispiele nicht vor Cross-Site-Scripting schützen (Veracode, Juli 2025).
• Die Sicherheitsleistung blieb unabhängig von Modellgröße und Trainingskomplexität unverändert, obwohl sich die funktionale Korrektheit verbesserte (Veracode, Juli 2025).

Wie viel des Webs wurde von KI geschrieben, und wer bezahlt für Trainingsdaten?

In Pews Momentaufnahme vom Juli 2026 weist mehr als ein Drittel der nach der Veröffentlichung von ChatGPT veröffentlichten Webseiten Anzeichen für eine KI-Autorenschaft auf (Pew Research Center, Aug. 2026).

• In den Stichproben von 2026 weisen etwa eine von zehn .com-Seiten Anzeichen für eine KI-Autorenschaft auf, gegenüber 4,6 % der .org-Seiten und etwa 1 % der .edu- und .gov-Seiten (Pew Research Center, Aug. 2026).
• Die Analyse umfasste 490.000 englischsprachige Webseiten aus Common Crawl, die mit dem Open-Pangram-Detektor bewertet wurden. Pew merkt an, dass dieser einzelne Seiten nicht perfekt beurteilt (Pew Research Center, Aug. 2026).
• Das Gericht genehmigte den Vergleich mit den Autoren von Anthropic am 20. Juli 2026 endgültig; die ersten Zahlungen werden spätestens am 15. November 2026 erwartet (Bartz v. Anthropic settlement administrator, Juli 2026).

Leser und KI-Systeme begegnen inzwischen häufig maschinell geschriebenen Texten.

Wie wird generative KI reguliert?

Das Recht entwickelt sich auf drei Ebenen: verbindliche Vorschriften in der EU, ein Streit darüber, wer in den Vereinigten Staaten die Regeln festlegt, sowie ein Flickenteppich nationaler Gesetze und freiwilliger Unternehmenszusagen anderswo.

Was verlangt der EU AI Act, und welche Strafen sind vorgesehen?

Das Gesetz geht davon aus, dass ein Modell für allgemeine Zwecke über Fähigkeiten mit hoher Wirkung verfügt – und damit Pflichten wegen systemischer Risiken auslöst –, wenn sein Trainingsaufwand 10^25 Gleitkommaoperationen übersteigt (European Union, Juli 2024).

• Die Bereitstellung falscher, unvollständiger oder irreführender Informationen an Behörden kann mit Geldbußen von bis zu EUR 7,5 Millionen oder 1 % des Umsatzes geahndet werden (European Union, Juli 2024).
• Die Kommission kann Anbietern von KI-Modellen für allgemeine Zwecke Geldbußen von bis zu 3 % des Umsatzes oder EUR 15 Millionen auferlegen (European Union, Juli 2024).
• Das Europäische Parlament verabschiedete das Gesetz am 13. März 2024 mit 523 Ja-Stimmen, 46 Gegenstimmen und 49 Enthaltungen (European Parliament, März 2024).
• Die Kommission führt mehr als 20 Anbieter, darunter Amazon, Anthropic, Google, IBM, Microsoft, Mistral AI und OpenAI, als Unterzeichner des GPAI Code of Practice auf und gibt an, dass xAI nur das Kapitel zu Safety and Security unterzeichnet hat (European Commission, Okt. 2026).

Wie reagieren die US-Bundesregierung und die Bundesstaaten?

Mit mehr Regeln und mehr Konflikten. US-Bundesbehörden ergriffen 2025 58 KI-bezogene Regulierungsmaßnahmen, gegenüber einer einzigen im Jahr 2016 (Stanford HAI, Apr. 2026).

• Executive Order 14365 vom 11. Dezember 2025 wies den Justizminister an, innerhalb von 30 Tagen eine AI Litigation Task Force einzurichten, um gegen KI-Gesetze der Bundesstaaten vorzugehen (The White House, Dez. 2025).
• Die Anordnung weist das Handelsministerium an, innerhalb von 90 Tagen belastende KI-Gesetze der Bundesstaaten zu ermitteln, und schließt Bundesstaaten mit solchen Gesetzen im Rahmen des geltenden Bundesrechts von verbleibenden BEAD-Mitteln für den Netzausbau aus (The White House, Dez. 2025).
• SB 53 in Kalifornien, das am 29. September 2025 unterzeichnet wurde, wird vom Gouverneur als erstes Gesetz seiner Art zur Sicherheit führender KI beschrieben. Es sieht ein Konsortium namens CalCompute vor, das einen öffentlichen Rechencluster entwickeln soll (Governor of California, Sep. 2025).
• SB 53 schafft außerdem einen Mechanismus, mit dem kritische Sicherheitsvorfälle dem Office of Emergency Services in Kalifornien gemeldet werden können, sowie eine zivilrechtliche Strafe, die der Generalstaatsanwalt durchsetzen kann (Governor of California, Sep. 2025).
• Der Responsible Artificial Intelligence Governance Act von Texas wurde am 22. Juni 2025 unterzeichnet und trat am 1. Januar 2026 in Kraft (Texas Legislature, Juni 2025).
• Die Zahl der Zeugen mit KI-Bezug bei Anhörungen des US-Kongresses stieg von 5 im Jahr 2017 auf 102 im Jahr 2025 (Stanford HAI, Apr. 2026).
• Die USA investierten zwischen 2013 und 2024 etwa $20,4 Milliarden in KI-bezogene öffentliche Aufträge und Fördermittel (Stanford HAI, Apr. 2026).

Wie reagieren Aufsichtsbehörden und Unternehmen anderswo?

Die Durchsetzung ist uneinheitlich und wird mitunter rückgängig gemacht. Italiens Datenschutzbehörde verhängte im Dezember 2024 wegen ChatGPT eine Geldbuße von EUR 15 Millionen gegen OpenAI; ein Gericht in Rom gab einer Berufung gegen die Entscheidung in einem am 18. März 2026 veröffentlichten Urteil statt (Garante per la protezione dei dati personali, März 2026).

• Die europäischen Zusagen öffentlicher Stellen zu KI-Verträgen erreichten zwischen 2013 und 2024 etwa $3,7 Milliarden, davon entfielen $1,6 Milliarden auf das Vereinigte Königreich (Stanford HAI, Apr. 2026).
• Die Zahl staatlich geförderter KI-Supercomputing-Cluster in Europa und Zentralasien stieg zwischen 2018 und 2025 von 3 auf 44 (Stanford HAI, Apr. 2026).
• 2025 veröffentlichten oder aktualisierten 12 Unternehmen Frameworks zur Sicherheit führender KI-Systeme, in denen beschrieben wird, wie sie Risiken leistungsfähigerer Modelle steuern wollen (International AI Safety Report, Feb. 2026).
• Der Anteil der Unternehmen ohne Richtlinien für verantwortungsvolle KI sank von 24 % auf 11 %. Die größten Hindernisse sind weiterhin Wissenslücken (59 %), das Budget (48 %) und regulatorische Unsicherheit (41 %) (Stanford HAI, Apr. 2026).

Methodik und Quellen

Wir haben eine Zahl erst aufgenommen, nachdem wir die Seite geöffnet hatten, auf der sie veröffentlicht wurde, und die Angabe samt Datum überprüft hatten. Zahlen aus Zusammenstellungen wurden bis zum Originalbericht, Unternehmensbericht, wissenschaftlichen Artikel oder Datensatz zurückverfolgt oder weggelassen. Die meisten Zahlen stammen von Zentralbanken, Statistik- und Aufsichtsbehörden, Gerichten, Unternehmensberichten sowie wissenschaftlichen oder gemeinnützigen Forschungseinrichtungen; Umfrageinstitute, Unternehmensberatungen und Anbieter (Menlo Ventures, PwC, KPMG, Deloitte, Gartner, Crunchbase, Veracode) werden in jeder Quellenangabe genannt. Wenn zwei Quellen unterschiedliche Dinge messen, etwa Unternehmen, die KI nutzen, und Beschäftigte, die sie einsetzen, weisen wir darauf hin, statt die Zahlen zusammenzufassen. Einige Angaben stammen aus laufend aktualisierten Dashboards (Vectara, Epoch AI, die Datenbank zu Gerichtsverfahren); als Datum geben wir daher den Monat an, in dem wir sie abgerufen haben. Die Vorschriften der EU, der USA und einzelner Länder ändern sich häufig, deshalb entnehmen wir Rechtsdaten dem offiziellen Gesetzestext oder der Pressemitteilung. Diese Seite wird monatlich überprüft und aktualisiert.

Quellen

• AMD, AMD and OpenAI Announce Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs
• Anthropic, Series G announcement
• Bartz v. Anthropic Settlement Administrator
• Bartz v. Anthropic Settlement Administrator, Frequently Asked Questions
• Brynjolfsson, Collis, Eggers, Kazinnik and Nguyen, What is Generative AI Worth? (Stanford Digital Economy Lab)
• CoreWeave, Second Quarter 2026 Results
• Crunchbase News, China And AI Lead Asia's Startup Funding To Multiyear Peak In Q2
• Crunchbase News, Europe Posted Its Strongest Venture Funding Quarter In 4 Years
• Crunchbase News, Global Startup Investment Hit Record $510B In H1 2026
• Damien Charlotin, AI Hallucination Cases Database
• Deloitte AI Institute, State of AI in the Enterprise 2026
• Eloundou, Manning, Mishkin and Rock, GPTs are GPTs (arXiv)
• Epoch AI, AI Models database
• Epoch AI, LLM inference prices have fallen rapidly but unequally across tasks
• Epoch AI, Trends in AI
• European Commission, Signatories of the GPAI Code of Practice
• European Parliament, Artificial Intelligence Act: MEPs adopt landmark law
• European Union, Regulation (EU) 2024/1689 (AI Act), Article 101
• FBI Internet Crime Complaint Center, 2025 Internet Crime Report
• Federal Reserve Bank of Atlanta, How Might AI Change the Workplace? Evidence from Corporate Executives
• Federal Reserve Bank of New York, Regional Business Surveys
• Federal Reserve Banks, Small Business Credit Survey (via New York Fed)
• Federal Reserve Board, AI Adoption and Firms' Job-Posting Behavior (FEDS Notes)
• Garante per la protezione dei dati personali, ChatGPT: the Authority closes the preliminary investigation
• Gartner, Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
• Harvard Business School Working Paper, Navigating the Jagged Technological Frontier
• IBM Institute for Business Value, CEO Study
• ILO and NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure
• International AI Safety Report 2026 (chaired by Yoshua Bengio)
• KPMG, Quarterly AI Pulse Survey Q3 2026
• Menlo Ventures, 2025: The State of Generative AI in the Enterprise
• METR, Measuring AI Ability to Complete Long Tasks (arXiv)
• METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
• METR, Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity
• METR, Task-Completion Time Horizons of Frontier AI Models
• METR, We are Changing our Developer Productivity Experiment Design
• Mistral AI, Series C announcement
• NewsGuard, AI False Information Rate Nearly Doubles in One Year
• Noy and Zhang, Experimental Evidence on the Productivity Effects of Generative AI (MIT)
• NVIDIA, OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts of NVIDIA Systems
• NVIDIA, Second Quarter Fiscal 2027 Results
• Office of Governor Gavin Newsom, Governor Newsom signs SB 53
• Oracle, Q1 FY27 Results
• Peng et al., The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (arXiv)
• Pew Research Center, Americans' views of data centers have turned more negative
• Pew Research Center, Globally, More People Expect AI to Cause Job Loss Than Growth
• Pew Research Center, How Much of the Internet Is Written With AI?
• Pew Research Center, Young adults in the U.S. are increasingly wary of AI
• PwC, 2026 AI Jobs Barometer
• PwC, 29th Global CEO Survey
• Stanford HAI, AI Index Report 2026
• Stanford RegLab and HAI, Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools (arXiv)
• Texas Legislature Online, HB 149 bill history
• The White House, Executive Order 14365 on a national policy framework for AI
• UK AI Security Institute, Frontier AI Trends Report
• Vectara, Hallucination Leaderboard (HHEM-2.3)
• Veracode, 2025 GenAI Code Security Report
• Wharton Human-AI Research and GBK Collective, Accountable Acceleration

Glossar

• Agentische KI: KI-Systeme, die mit begrenzter menschlicher Eingabe mehrstufige Aufgaben planen und ausführen.
• ARR: jährlich wiederkehrender Umsatz.
• BEAD: das US-Programm Broadband Equity, Access, and Deployment.
• Konfabulation / Halluzination: Ein Modell gibt falsche Inhalte mit Überzeugung wieder.
• ECI: Epoch Capabilities Index, ein kombinierter Wert für die Modellleistung über mehrere Benchmarks hinweg.
• FLOP: eine Gleitkommaoperation, die Maßeinheit für den Rechenaufwand beim Training.
• GPAI: KI-Modell für allgemeine Zwecke; der EU-Begriff für breit angelegte Foundation-Modelle.
• H100-Äquivalent: Rechenkapazität, ausgedrückt in NVIDIA-H100-Chips.
• LLM: großes Sprachmodell.
• RPO: verbleibende Leistungsverpflichtungen, vertraglich vereinbarte, aber noch nicht verbuchte Umsätze.
• Zeithorizont: Länge einer Aufgabe, gemessen an der Zeit, die menschliche Experten dafür benötigen, die ein KI-Agent bei einer angegebenen Erfolgsquote bewältigt.