Die meisten Listen mit KI-Trends sind Vorhersagen. Diese Seite zeigt die Trends, die sich messen lassen — mit Diagrammen aus den Daten hinter unserer Seite: dem Benchmark-Archiv von Epoch AI, aus dem unsere LLM-Datenbank entsteht, den Ausgabendaten von Unternehmen aus Ramp, die wir im Tool-Vergleich verfolgen, und aktuellen Studien. Die Diagramme werden bei jeder Aktualisierung der Daten neu gebaut; die Trends hier bewegen sich also mit.
Jeder Abschnitt endet damit, was der Trend für die Arbeit bedeutet — denn ein Trend nützt nur, wenn er eine Entscheidung verändert.
Trend 1: Die Leistung steigt, offene Modelle folgen dicht
Der Epoch Capabilities Index fasst die Ergebnisse vieler Benchmarks auf einer Skala zusammen, sodass sich Modelle aus verschiedenen Jahren vergleichen lassen. Zwei Linien zählen: das beste geschlossene Modell, das Sie nur über eine App oder eine API nutzen können, und das beste Modell mit offenen Gewichten, das jeder herunterladen und selbst betreiben kann. Beide steigen stetig, und die offene Linie folgt der geschlossenen mit einigen Monaten Verzögerung; der genaue Abstand steht unter dem Diagramm. Von den 343 Modellen unserer LLM-Datenbank haben 172 offene Gewichte.
Auch der Abstand zwischen den Ländern ist geschrumpft. Laut Stanford AI Index 2026 hat sich der Leistungsabstand zwischen den besten US-amerikanischen und chinesischen Modellen „praktisch geschlossen“: Im März 2026 lag Anthropics bestes Modell nur noch 2,7 % vorn (Quelle: Stanford HAI, AI Index Report 2026, hai.stanford.edu).
Was das für die Arbeit bedeutet: Ein Modell auf eigenen Servern leistet heute, was das beste bezahlte Modell vor einigen Monaten konnte. Wenn Datenschutz oder Kosten Sie bisher davon abgehalten haben, KI auf sensible Dokumente anzuwenden, prüfen Sie offene Modelle neu. Und planen Sie mit Wechseln: Das beste Modell für eine Aufgabe ist es in einem halben Jahr nicht mehr — halten Sie Prompts, Tests und Daten unabhängig von einem Anbieter.
Trend 2: Zwei Länder bauen die meisten Modelle
Fast jedes Modell unserer Datenbank stammt von einer Organisation aus den USA oder China, und Chinas Anteil ist seit 2023 gewachsen. Europa steuert wenige bei, die meisten davon aus Frankreich. Das Diagramm zählt Modelle mit Benchmark-Ergebnissen im Archiv von Epoch AI, was bekannte Modelle bevorzugt; es zeigt die Spitze, keine Zählung aller erschienenen Modelle.
Der Stanford AI Index 2026 zieht mit anderen Daten dieselbe Linie: Die USA bringen weiterhin mehr Spitzenmodelle hervor, China führt bei Veröffentlichungen, Zitationen und Patenten, und über 90 % der bedeutenden Spitzenmodelle des Jahres 2025 stammen aus der Industrie (Quelle: Stanford HAI, AI Index Report 2026).
Was das für die Arbeit bedeutet: Woher ein Modell kommt, entscheidet, welche Gesetze und welche Anbieterbedingungen für Ihre Daten gelten. Prüfen Sie vor der Einführung eines Tools, wer das Modell dahinter baut und wo Ihre Daten verarbeitet werden; unsere Grundregeln für KI im Job enthalten die Fragen dazu.
Trend 3: KI-Agenten schaffen längere Aufgaben
METR, eine Forschungsgruppe, die KI-Systeme prüft, misst, wie lange Aufgaben ein KI-Agent in der Hälfte der Fälle schafft — gemessen an der Zeit, die eine Fachkraft für dieselbe Aufgabe braucht. Die Bestmarke ist von wenigen Minuten 2023 auf viele Stunden gewachsen; die Ausgleichsgerade zeigt, nach wie vielen Monaten sie sich verdoppelt. Benchmarks mit festem Höchstwert, etwa Prüfungsfragen, sind innerhalb weniger Jahre ausgereizt. Dieser hat keine Obergrenze und zeigt den Trend deshalb am besten.
Was das für die Arbeit bedeutet: Agenten übernehmen inzwischen Aufgaben, die einen halben Arbeitstag füllen, etwa eine Marktübersicht vorbereiten oder einen Fehler über mehrere Dateien beheben. Das Maß zählt aber Aufgaben, die in der Hälfte der Fälle gelingen — die andere Hälfte scheitert. Lange Agenten-Aufgaben brauchen Zwischenstände und eine Person, die das Ergebnis prüft; Human in the Loop zeigt, wie Sie das einrichten.
Trend 4: Unternehmen bezahlen für bestimmte KI-Tools
Ausgabendaten zeigen, wofür Firmen wirklich bezahlen — nicht nur, worüber geredet wird. In mehreren KI-Kategorien erreicht ein Anbieter fast jede Firma, die in der Kategorie kauft; in anderen ist das Rennen noch offen. Unser Tool-Vergleich zeigt die ganze Tabelle und künftig die Veränderung von Monat zu Monat. Der Stanford AI Index 2026 meldet, dass 88 % der Organisationen KI einsetzen (Quelle: Stanford HAI, AI Index Report 2026).
Was das für die Arbeit bedeutet: Wenn die meisten Firmen KI nutzen, liegt der Unterschied darin, wie gut sie es tun. Messen Sie, was ein Tool verändert, bevor Sie es breit einführen; den ROI von KI im Job messen erklärt, wie.
Trend 5: Mehr Einsatz, mehr Vorfälle
Je mehr KI eingesetzt wird, desto öfter geht sie öffentlich schief. Der Stanford AI Index 2026 zählt 362 dokumentierte KI-Vorfälle im Jahr 2025, nach 233 im Jahr 2024 (Quelle: Stanford HAI, AI Index Report 2026). Das reicht von Chatbots, die Kunden falsch informieren, bis zu Deepfakes für Betrug.
Was das für die Arbeit bedeutet: Klare Regeln und Qualitätsprüfungen sind keine Bürokratie, sondern das, was ein Unternehmen aus dieser Liste heraushält. Unser Bereich AI Security behandelt die Risiken ausführlich, und was KI im Job verändert ordnet die Gewinne ein.
Wie diese Seite aktuell bleibt
| Trend | Daten | Quelle | Aktualisiert |
|---|---|---|---|
| Leistung, offen gegen geschlossen | Epoch Capabilities Index aller Modelle | Benchmark-Archiv von Epoch AI (CC BY 4.0) | Wöchentlich |
| Länder | Modelle nach Erscheinungsjahr und Land | Benchmark-Archiv von Epoch AI | Wöchentlich |
| Aufgabenlänge | Bestmarken des METR-Zeithorizonts | METR über Epoch AI | Wöchentlich |
| Was Firmen kaufen | Führender Anbieter je KI-Kategorie | Ramp Rate (ramp.com) | Monatlich |
| Verbreitung, Vorfälle, USA gegen China | Umfragen und gezählte Vorfälle | Stanford AI Index 2026 (hai.stanford.edu) | Jährlich |
Alle Werte in den Diagrammen werden beim Bauen der Seite aus diesen Datensätzen berechnet; keiner ist von Hand eingetippt. Modelle und Tools testen wir nicht selbst.