Erstmals in der Geschichte des KI-Marktes hat Anthropic den bisherigen Platzhirsch OpenAI bei der Unternehmens-Adoption überholt. Das zeigt die Mai-Ausgabe des Ramp AI Index, der auf realen Ausgabendaten von über 50.000 Unternehmen basiert.
Die Zahlen
Im April stieg der Anteil der Unternehmen, die Anthropic nutzen, um 3,8 Prozentpunkte auf 34,4 Prozent. OpenAI fiel im gleichen Zeitraum um 2,9 Prozentpunkte auf 32,3 Prozent. Die KI-Gesamtadoption in Unternehmen liegt inzwischen bei 50,6 Prozent - mehr als jedes zweite Unternehmen zahlt mittlerweile für KI-Dienste.
Der Trend ist dabei noch dramatischer als die Momentaufnahme: Anthropic hat seine Business-Adoption innerhalb eines Jahres vervierfacht. OpenAI wuchs im selben Zeitraum nur um 0,3 Prozent.
Warum Anthropic trotzdem verwundbar ist
Ramp-Chefökonom Ara Kharazian benennt in seiner Analyse drei konkrete Risiken für Anthropics Vorsprung:
- Das Token-Dilemma: Anthropic verdient mehr, wenn Unternehmen mehr Token verbrauchen - ein Anreiz, Nutzer zu teureren Modellen zu lenken, selbst wenn günstigere ausreichen. Ubers CTO räumte bereits ein, das KI-Budget 2026 durch Claude Code gesprengt zu haben.
- Qualitätsprobleme: Nutzer berichten seit Wochen über Ausfälle, Rate Limits und sinkende Ergebnisqualität. Anthropic hat reagiert - mit einem Reset der Nutzungslimits und einem SpaceX-Deal für zusätzliche Rechenkapazität.
- Steigende Kosten: Ein aktuelles Modell-Update verdreifacht die Token-Kosten für Bild-Prompts - eine fragwürdige Priorität, wenn das Hauptproblem ohnehin zu hohe Kosten sind.
OpenAIs Gegenangriff
Parallel wächst der Druck auf beide Anbieter von einer dritten Seite: Open-Source-Inferenz-Plattformen, die günstigere Modelle anbieten, gehören zu den am schnellsten wachsenden Anbietern auf der Ramp-Plattform. Und OpenAI kontert mit Codex, das laut ersten Vergleichen dieselben Aufgaben deutlich günstiger erledigt - bei minimalen Wechselkosten.
Die zentrale Erkenntnis aus dem Ramp-Bericht: Der KI-Markt ist dynamischer als jede bisherige Softwarebranche. Kein Anbieter kann sich auf Vendor Lock-in verlassen. Wer heute führt, kann morgen schon wieder verlieren.
🎯 Was das für die Praxis bedeutet
1. Multi-Modell-Strategie fahren: Die Daten zeigen, dass Wechselkosten zwischen KI-Modellen minimal sind. Unternehmen sollten bewusst mehrere Anbieter evaluieren und nicht auf einen einzelnen setzen.
2. Token-Kosten aktiv überwachen: Ubers Erfahrung mit gesprengten KI-Budgets ist kein Einzelfall. Wer Coding-Assistenten wie Claude Code oder Codex im Team einsetzt, braucht ein aktives Kosten-Monitoring von Tag eins an.
3. Open-Source-Alternativen prüfen: Der Trend zu günstigeren Inferenz-Plattformen mit Open-Source-Modellen gewinnt an Dynamik. Für standardisierte Aufgaben kann das die Kosten drastisch senken.
