15. September 2025 – In einer bahnbrechenden Analyse des Einsatzes künstlicher Intelligenz hebt der neueste Economic Index-Bericht von Anthropic die beispiellose Geschwindigkeit der Technologieeinführung hervor und unterstreicht gleichzeitig die starken geografischen und sektoralen Unterschiede. Der Bericht stützt sich auf umfangreiche Daten zur Claude.ai-Nutzung und zum API-Verkehr von Unternehmen und dokumentiert, wie KI Arbeitsabläufe in konzentrierten Bereichen verändert, was Bedenken hinsichtlich möglicher wirtschaftlicher Divergenzen aufkommen lässt, wenn die aktuellen Muster anhalten.
Die Studie mit dem Titel „Uneven Geographic and Enterprise AI Adoption“ baut auf früheren Iterationen auf, indem sie geografische Aufschlüsselungen in mehr als 150 Ländern und allen US-Bundesstaaten sowie eine bahnbrechende Untersuchung der Erstanbieter-API-Nutzung (1P) berücksichtigt. Diese Erweiterung ermöglicht es Forschern, nicht nur Verbrauchermuster zu verfolgen, sondern auch, wie Unternehmen bahnbrechende KI-Modelle wie Claude programmatisch in den Betrieb integrieren. Die Ergebnisse des Berichts basieren auf anonymisierten, aggregierten Daten aus Millionen von Interaktionen, die auf Berufstaxonomien wie O*NET abgebildet sind, und unterstreichen die Doppelnatur von KI als Automatisierungstool und Produktivitätssteigerer.
Im Mittelpunkt des Berichts steht die Beobachtung, dass die Einführung von KI schneller voranschreitet als in der Vergangenheit. In den Vereinigten Staaten hat sich die KI-Nutzung von Mitarbeitern am Arbeitsplatz fast verdoppelt und ist von 20 % im Jahr 2023 auf 40 % im September 2025 gestiegen, so die im Bericht zitierten Daten von Gallup. Dieser Anstieg übertrifft die Verbreitung transformativer Technologien wie Elektrizität, die nach ihrer Einführung in den Städten über 30 Jahre brauchte, um ländliche US-Haushalte zu erreichen, oder Personal Computer, die nach ihrer Einführung im Jahr 1981 zwei Jahrzehnte brauchten, um in die meisten Haushalte einzudringen. Selbst das Internet, das oft für seine schnelle Verbreitung gepriesen wird, brauchte etwa fünf Jahre, um eine ähnliche Verbreitung zu erreichen.
Diese Geschwindigkeit ergibt sich aus den inhärenten Vorteilen der KI: ihrer breiten Anwendbarkeit bei verschiedenen Aufgaben, der nahtlosen Integration mit vorhandenen digitalen Tools und intuitiven Schnittstellen, die keine spezielle Schulung erfordern – lediglich Eingabeaufforderungen durch Tippen oder Sprechen. Der Bericht führt eine weitere Dynamik auf die raschen Fortschritte bei Grenzmodellen zurück, die die Fähigkeiten kontinuierlich erweitern und eine breitere Benutzerbasis anziehen. Diese anfängliche Begeisterung verschleiert jedoch die zugrunde liegenden Konzentrationen: Der KI-Einsatz konzentriert sich weiterhin auf eine begrenzte Anzahl von Aufgaben innerhalb von Unternehmen und ist geografisch gebündelt, was Muster widerspiegelt, die bei Innovationen des 20. Jahrhunderts zu beobachten sind, jedoch auf kürzere Zeiträume komprimiert sind.
Um diese Dynamik zu quantifizieren, führt der Bericht den Anthropic AI Usage Index (AUI) ein, eine Metrik, die das Konversationsvolumen von Claude.ai mit der Bevölkerung im erwerbsfähigen Alter in bestimmten Regionen vergleicht. Dieser Index zeigt eine starke Korrelation zwischen der KI-Einführung pro Kopf und dem Wirtschaftseinkommen, was auf potenzielle Risiken für globale Ungleichheit hinweist. Länder mit hohem Einkommen wie Singapur und Kanada führen mit AUI-Werten von 4,6 bzw. 2,9 der erwarteten Nutzung, basierend auf der Bevölkerungsgröße. Im Gegensatz dazu liegen die Schwellenländer deutlich zurück: Indonesien verzeichnet das 0,36-fache des erwarteten Verbrauchs, Indien das 0,27-fache und Nigeria nur das 0,20-fache.
Innerhalb der USA spiegeln Adoptions-Hotspots die lokalen Wirtschaftsstärken wider. Washington, D.C., liegt mit einer 3,82-fachen erwarteten Nutzung an der Spitze der Liste, was auf die Nachfrage nach Dokumentenbearbeitung und Karriereunterstützung in seinem Zentrum für Richtlinien und professionelle Dienstleistungen zurückzuführen ist. Utah folgt mit 3,78 Mal dicht dahinter und profitiert von einem aufkeimenden Technologie-Ökosystem. Kalifornien weist einen hohen Anteil IT-bezogener Anwendungen auf, während in Florida eine stärkere Abhängigkeit von Finanzdienstleistungsaufgaben zu verzeichnen ist. Diese regionalen Unterschiede veranschaulichen, wie der KI-Einsatz auf die sektoralen Bedürfnisse zugeschnitten ist, wobei in technologieintensiven Bereichen die Programmierung dominiert und in serviceorientierten Bereichen Verwaltungsfunktionen im Vordergrund stehen.
Der Bericht befasst sich eingehender mit Nutzungsmustern und stellt eine Entwicklung der Claude.ai-Interaktionen in den letzten acht Monaten dar, die mit Modellaktualisierungen und Funktionserweiterungen einhergeht. Codierung bleibt mit 36 % der Gesamtnutzung die größte Kategorie, was die Rolle von KI in der Softwareentwicklung unterstreicht. Nichttechnische Anwendungen sind jedoch auf dem Vormarsch: Bildungsaufgaben sind von 9,3 % auf 12,4 % gestiegen, was darauf zurückzuführen ist, dass Studierende und Fachkräfte KI zum Lernen und Forschen nutzen. Der Anteil wissenschaftlicher Aufgaben ist ebenfalls von 6,3 % auf 7,2 % gestiegen, was auf eine zunehmende Integration in Datenanalyse, Simulationen und Hypothesentests hindeutet.
Eine bemerkenswerte Veränderung ist die Zunahme von „direktiven“ Gesprächen, bei denen Benutzer vollständige Aufgaben an Claude delegieren, anstatt sich an einem iterativen Austausch zu beteiligen. Diese automatisierungsorientierten Interaktionen sind von 27 % auf 39 % der Sitzungen gestiegen. Bei der Codierung äußert sich dies in einem Anstieg der Programmerstellung um 4,5 Prozentpunkte und einem Rückgang der Debugging-Anfragen um 2,9 Prozentpunkte, was darauf hindeutet, dass Benutzer in einzelnen Interaktionen effizientere Ergebnisse erzielen. Dieser Trend geht mit der Reifung der KI einher, ermöglicht eine höhere Autonomie und verringert den Bedarf an menschlicher HilfeKontrolle in Routineprozessen.
Geografische Unterschiede reichen über die reinen Akzeptanzraten hinaus bis hin zur Vielfalt und Art der Nutzung. In Ländern mit niedrigem AUI wie Indien macht die Codierung über 50 % der Interaktionen aus – weit mehr als der weltweite Durchschnitt von etwa einem Drittel –, was auf einen engen Fokus auf technische Anwendungen bei begrenztem Zugang zu umfassenderen Tools hindeutet. Regionen mit hoher Akzeptanz weisen dagegen ein vielfältigeres Portfolio auf: Bildung, Wissenschaft und Wirtschaftsaufgaben beanspruchen jeweils erhebliche Anteile, was umfassende Produktivitätssteigerungen begünstigt.
Nach Anpassung an die Aufgabenzusammensetzung deckt der Bericht unterschiedliche Zusammenarbeitsmodi auf. Bereiche mit niedrigem AUI tendieren zur Automatisierung, wobei Benutzer häufiger komplette Aufgaben an die KI verlagern. Regionen mit hohem AUI bevorzugen jedoch Augmentation – Muster, die Lernen, Iteration und Teamarbeit zwischen Mensch und KI beinhalten – was die langfristige Kompetenzentwicklung und Innovation verstärken kann. Diese Aufteilung wirft Bedenken hinsichtlich der Gerechtigkeit auf: Während die Automatisierung die Effizienz in ressourcenbeschränkten Umgebungen rationalisiert, könnte die Erweiterung in wohlhabenden Gebieten Wissenslücken und wirtschaftliche Unterschiede vergrößern.
Mit Blick auf Unternehmenskontexte bietet der Bericht einen beispiellosen Einblick in den 1P-API-Verkehr, der den programmatischen Zugriff von Unternehmen und Entwicklern auf Claude darstellt. Im Gegensatz zum chatbasierten Claude.ai offenbart die API-Nutzung spezialisierte, skalierbare Bereitstellungen. Das Codieren dominiert erneut, aber die API-Muster weichen voneinander ab: Sie weisen eine höhere Konzentration bei Codierung und Büro-/Verwaltungsaufgaben auf, während Claude.ai eher auf Bildungs- und Schreibaktivitäten ausgerichtet ist. Dies spiegelt wider, dass Unternehmen der Backend-Automatisierung Vorrang vor kundenorientierter Kreativität einräumen.
Automatisierung überwiegt in API-Szenarien und macht 77 % der geschäftlichen Nutzungen aus, verglichen mit etwa 50 % bei Claude.ai. Die programmatische Schnittstelle ermöglicht eine nahtlose Integration in Arbeitsabläufe, wie z. B. die Erstellung von Berichten oder die Verarbeitung von Daten ohne Benutzereingriff. Dennoch stellt der Bericht fest, dass die Kosten offenbar nicht das primäre Hindernis darstellen; Häufig genutzte Aufgaben verursachen aufgrund des Rechenaufwands oft höhere Kosten, was auf eine geringe Preissensibilität hindeutet. Stattdessen hängen Bereitstellungsentscheidungen von den Modellfähigkeiten und dem konkreten Wert der Automatisierung bestimmter Funktionen ab, beispielsweise der Reduzierung manueller Arbeit in wichtigen Bereichen.
Ein wesentlicher identifizierter Engpass ist die kontextbezogene Datenkuratierung. Bei komplexen Unternehmensanwendungen – etwa Rechtsanalysen oder Lieferkettenoptimierung – hängt die Wirksamkeit von KI von der Bereitstellung umfassender, relevanter Kontexte ab. Der Bericht legt nahe, dass viele Unternehmen bei der Datenmodernisierung und organisatorischen Umstrukturierung auf Hürden stoßen, um diesen Input bereitzustellen, was möglicherweise eine breitere Akzeptanz bremst. Investitionen in diesen Bereichen könnten das Potenzial von KI in anspruchsvollen Sektoren freisetzen, verursachen jedoch erhebliche Vorlaufkosten, insbesondere für kleinere Unternehmen.
Diese Erkenntnisse werden durch die Offenlegung des Datensatzes des Berichts untermauert, eine Verpflichtung zur Transparenz, die zu einer unabhängigen Prüfung einlädt. Die Version umfasst Klassifizierungen auf Aufgabenebene für Claude.ai- und 1P-API-Daten, Aufschlüsselungen der Zusammenarbeit und geografische Details für die Verbrauchernutzung. Forscher können nun drängenden Fragen nachgehen: Wie wirkt sich die Einführung von KI auf die lokalen Arbeitsmärkte aus? Welche Maßnahmen können den Zugang in Regionen mit geringer Akzeptanz demokratisieren? Beeinflussen die Aufgabenkosten die Unternehmensstrategien und welche Mitarbeiterprofile profitieren am meisten von der Automatisierung im Vergleich zur Erweiterung?
Historisch gesehen trieben transformative Technologien wie die Elektrifizierung und der Verbrennungsmotor das moderne Wirtschaftswachstum voran, verschärften jedoch zunächst die globalen Ungleichheiten, wie in Arbeiten der Ökonomen Robert Gordon und Lant Pritchett dokumentiert. KI riskiert einen ähnlichen Verlauf: Wenn Produktivitätssteigerungen vor allem in Volkswirtschaften mit hoher Akzeptanz erzielt werden, könnten sich die jüngsten Trends der Wachstumskonvergenz – belegt durch Studien von Michael Kremer und anderen – umkehren und die Kluft zwischen reichen und aufstrebenden Ländern vertiefen.
Innerhalb von Unternehmen könnte eine ungleiche Aufgabenübernahme die Beschäftigungslandschaft verändern. Die Automatisierung kann Einstiegsrollen in der Programmierung oder Verwaltung verdrängen, während erfahrene Mitarbeiter durch organisatorisches Wissen ergänzt werden, was möglicherweise zu höheren Löhnen für letztere führt. Der Bericht zitiert Forschungen von David Autor und anderen zur Technologieverbreitung und betont, dass frühe Konzentrationen häufig einer weitreichenden Transformation vorausgehen, wenn komplementäre Innovationen entstehen.
Die Analyse von Anthropic kommt zu einem entscheidenden Zeitpunkt, da sich Grenzmodelle wie Claude weiterentwickeln. Die Autoren des Berichts – angeführt von Ruth Appel, Peter McCrory und Alex Tamkin – betonen, dass technischer Fortschritt zwar unvermeidlich ist, gesellschaftliche Ergebnisse jedoch von bewussten Entscheidungen abhängen. Politische Entscheidungsträger könnten einen gleichberechtigten Zugang durch Infrastrukturinvestitionen, Subventionen für Datentools in Entwicklungsregionen oder Bildungsprogramme fördern, die KI-Kenntnisse mit menschlichen Fähigkeiten verbinden.
Unternehmensleiter hingegen können davon profitieren, wenn sie kontextbezogene Barrieren frühzeitig angehen. Durch die Modernisierung von Datenpipelines uswDurch die Zusammenarbeit zwischen Mensch und KI können Unternehmen KI über Programmiersilos hinaus auf verschiedene Abläufe ausweiten und so ihre Wettbewerbsfähigkeit steigern. Die Ergebnisse des Berichts zur schwachen Preissensibilität legen nahe, dass sich die Akzeptanz mit zunehmenden Fähigkeiten wahrscheinlich beschleunigen wird, aber gezielte Interventionen erforderlich sind, um die Inklusivität sicherzustellen.
Für die Zukunft plant Anthropic eine kontinuierliche Überwachung dieser Muster, um empirische Grundlagen für die Bewältigung der wirtschaftlichen Auswirkungen der KI zu schaffen. Als dritte Ausgabe des Economic Index erweitert diese Ausgabe das Framework um API-Einblicke und globale Granularität und unterstreicht das doppelte Potenzial der Technologie: den Wohlstand zu steigern oder die Ungleichheiten zu vertiefen.
In den abschließenden Bemerkungen warnen die Autoren, dass „die wirtschaftlichen Auswirkungen der transformativen KI sowohl von den technischen Fähigkeiten als auch von den politischen Entscheidungen der Gesellschaften geprägt sein werden.“ Die Geschichte zeigt, dass Einführungsverläufe formbar sind – sie entwickeln sich mit zunehmender Reife, Innovationen und gezieltem Einsatz. Die heutigen konzentrierten Muster könnten sich ausweiten und das volle Produktivitätspotenzial der KI über Sektoren und Grenzen hinweg nutzen. Doch jetzt werden proaktive Schritte, von der öffentlichen Interessenvertretung bis hin zur Unternehmensstrategie, darüber entscheiden, ob KI die Konvergenz oder Divergenz in der Weltwirtschaft fördert.
Dieser Bericht beleuchtet nicht nur aktuelle Trends, sondern stattet Stakeholder auch mit datengesteuerten Tools aus, um die Entwicklung der KI zu beeinflussen. Mit zunehmender Akzeptanz wird das Zusammenspiel von Geografie, Unternehmensanforderungen und Nutzungsmodi entscheidend für die Nutzung von KI für ein gerechtes Wachstum sein.
