Einblicke in die aktuelle Nutzung von KI in Unternehmen

Nutzung von KI im Fokus: Einblicke in Anthropic's Anwendungsstatistiken

Die rapide Entwicklung und Integration künstlicher Intelligenz (KI) in den Alltag und die Geschäftswelt ist unbestreitbar. Um ein präzises Bild dieser Transformation zu zeichnen, veröffentlichen führende KI-Unternehmen regelmäßig detaillierte Analysen zur tatsächlichen Nutzung ihrer Modelle. Der jüngste Bericht von Anthropic, dem Entwickler des KI-Modells Claude, bietet aufschlussreiche Daten über die Anwendungsbereiche und Muster der KI-Nutzung, die für B2B-Entscheidungsträger von hoher Relevanz sind.

Automatisierung versus Augmentierung: Eine Verschiebung in der Unternehmensnutzung

Ein zentrales Ergebnis der Anthropic-Studie ist die zunehmende Tendenz zur Automatisierung von Aufgaben in Unternehmen. Während bei Endverbrauchern eine kollaborative Nutzung, die sogenannte Augmentierung, häufiger ist – bei der Nutzer in iterativen Prozessen mit der KI zusammenarbeiten –, zeigt die API-Nutzung in Unternehmen einen klaren Fokus auf die vollständige Aufgabenübertragung an die KI. Dies bedeutet, dass Unternehmen bestrebt sind, Kosten durch die Automatisierung von Prozessen zu senken, insbesondere bei Routineaufgaben. Während Claude bei kürzeren, gut definierten Aufgaben erfolgreich ist, nimmt die Qualität der Ergebnisse bei komplexeren Vorgängen ab, was einen erhöhten Bedarf an menschlicher Überprüfung und Korrektur zur Folge hat.

Interessanterweise korreliert die Komplexität der Aufgaben stark mit der Notwendigkeit menschlicher Intervention. Lange oder vielschichtige Aufgaben erfordern eine stärkere Aufteilung in überschaubare Schritte, um eine höhere Erfolgsquote zu erzielen. Dies deutet darauf hin, dass die vollständige Automatisierung derzeit am effektivsten für standardisierte und weniger komplexe Prozesse ist.

Geografische Unterschiede und wirtschaftliche Implikationen

Die Analyse der Nutzungsdaten von Claude deckt auch signifikante geografische Unterschiede auf. Länder mit einem höheren Bruttoinlandsprodukt (BIP) pro Kopf weisen tendenziell eine höhere KI-Nutzungsrate auf. Innerhalb der USA zeigen sich ebenfalls regionale Unterschiede, wobei die Verwendung von Claude stark von der Wirtschaftsstruktur der jeweiligen Staaten beeinflusst wird. Beispielsweise ist in Kalifornien eine hohe Nutzung im Bereich der Informationstechnologie zu verzeichnen, während in Florida Finanzdienstleistungen und in Washington D.C. Dokumentenbearbeitung und Karriereberatung dominieren.

Diese ungleichmäßige Verteilung der KI-Adoption wirft Fragen hinsichtlich einer potenziellen wirtschaftlichen Divergenz auf. Wenn die Produktivitätssteigerungen durch KI hauptsächlich in bereits wohlhabenden Regionen und Sektoren realisiert werden, könnte dies die globale wirtschaftliche Ungleichheit verstärken. Die Daten zeigen auch, dass in Ländern mit niedrigerer KI-Adoption Claude häufiger für die Automatisierung von Aufgaben eingesetzt wird, während in Ländern mit hoher Adoption eine stärkere kollaborative Nutzung zu beobachten ist. Dies könnte darauf hindeuten, dass frühe Anwender in weniger entwickelten Märkten KI primär zur Effizienzsteigerung nutzen, während in entwickelteren Märkten der Fokus auf innovativen Anwendungen und der Zusammenarbeit zwischen Mensch und KI liegt.

Produktivitätsgewinne und die Rolle der Prompt-Qualität

Die anfänglichen Prognosen, die von einer jährlichen Steigerung der Arbeitsproduktivität um 1,8 % durch KI ausgehen, müssen laut Anthropic revidiert werden. Der tatsächliche Wert wird auf 1,0 bis 1,2 % geschätzt. Dieser Rückgang ist primär auf den zusätzlichen Arbeitsaufwand für Validierung, Fehlerbehandlung und Nachbesserung zurückzuführen. Obwohl ein Produktivitätsgewinn von 1 % über ein Jahrzehnt hinweg weiterhin bedeutend ist, verdeutlicht dies die Notwendigkeit einer realistischen Einschätzung der Implementierungskosten und des erforderlichen menschlichen Eingriffs.

Ein entscheidender Faktor für den Erfolg der KI-Nutzung ist die Qualität der Prompts. Die Studie stellt eine nahezu perfekte Korrelation zwischen der Komplexität und Präzision der Nutzereingaben und der Qualität der generierten Ergebnisse fest. Dies betont die wachsende Bedeutung des Prompt Engineering als Schlüsselkompetenz, um den maximalen Nutzen aus KI-Modellen zu ziehen. Unternehmen, die in die Schulung ihrer Mitarbeiter in diesem Bereich investieren, können somit die Effizienz und den Wert ihrer KI-Anwendungen erheblich steigern.

Spezifische Anwendungsfälle und Branchenschwerpunkte

Die Nutzung von Claude konzentriert sich auf eine relativ kleine Anzahl von Aufgaben. Bei Endverbrauchern entfallen fast ein Viertel der Interaktionen auf die zehn häufigsten Aufgaben. Bei der API-Nutzung in Unternehmen sind es sogar fast ein Drittel. Besonders prominent ist der Einsatz von Claude für die Erstellung und Modifikation von Code. Diese Konzentration deutet darauf hin, dass der Wert von großen Sprachmodellen (LLMs) in erster Linie in spezifischen, klar definierten Anwendungsbereichen liegt.

Während im Konsumentenbereich (z.B. über Claude.ai) die Nutzung für Bildung und wissenschaftliche Zwecke seit Dezember 2024 erheblich zugenommen hat, dominieren bei API-Kunden weiterhin Computer- und mathematische Aufgaben (44 % des API-Verkehrs). Dies schließt auch die Entwicklung und Evaluierung von KI-Systemen selbst ein. Im Gegensatz dazu sind bildungsbezogene Gespräche bei API-Nunden mit 4 % deutlich seltener als bei Claude.ai-Nutzern (12 %).

Diese Erkenntnisse sind für B2B-Unternehmen von großer Bedeutung, da sie aufzeigen, wo KI bereits heute einen nachweislichen Mehrwert schafft und wo weiterer Entwicklungsbedarf besteht. Die strategische Implementierung von KI sollte sich daher auf jene Bereiche konzentrieren, in denen die Modelle ihre Stärken am besten ausspielen können.

Fazit für Entscheidungsträger

Die Analysen von Anthropic liefern ein differenziertes Bild der KI-Adoption. Für B2B-Entscheidungsträger ergeben sich daraus mehrere Handlungsempfehlungen:

• Fokus auf spezifische Anwendungsbereiche: KI-Implementierungen sind in klar definierten Nischen am schnellsten wertschöpfend.
• Kollaborative Systeme bevorzugen: Für komplexe Aufgaben sind hybride Ansätze, die Mensch und KI kombinieren, einer vollständigen Automatisierung überlegen.
• Realistische Erwartungen an Produktivität: Die Notwendigkeit menschlicher Kontrolle und Nacharbeit sollte in Produktivitätsberechnungen berücksichtigt werden.
• Investition in Prompt Engineering: Die Schulung der Mitarbeiter in der effektiven Interaktion mit KI-Modellen ist entscheidend für den Erfolg.
• Regionale und branchenspezifische Anpassung: Die Implementierungsstrategien sollten geografische und wirtschaftliche Besonderheiten berücksichtigen.

Die kontinuierliche Beobachtung dieser Trends und die Anpassung der Strategien an die sich entwickelnden Fähigkeiten der KI werden entscheidend sein, um die Chancen dieser Technologie optimal zu nutzen und potenzielle Risiken zu minimieren.

Bibliographie

• AI News. (2026, 23. Januar). Anthropic’s usage stats paint a detailed picture of AI success. Abrufbar unter: https://www.artificialintelligence-news.com/news/anthropic-report-economic-index-summary-key-points-2026/
• Anthropic. (2025, 15. September). Anthropic Economic Index: Tracking AI's role in the US and global economy. Abrufbar unter: https://www.anthropic.com/research/economic-index-geography
• Anthropic. (2025, 15. September). Anthropic Economic Index report: Uneven geographic and enterprise AI adoption. Abrufbar unter: https://www.anthropic.com/research/anthropic-economic-index-september-2025-report
• Hackernoon. (2025, 10. Dezember). Anthropic Asked 1,250 People How They Really Use AI. Abrufbar unter: https://hackernoon.com/anthropic-asked-1250-people-how-they-really-use-ai
• Kahn, J. (2025, 16. September). What chatbot usage studies from OpenAI and Anthropic say about AI’s likely economic impacts. Fortune. Abrufbar unter: https://fortune.com/2025/09/16/openai-chatgpt-anthropic-claude-usage-studies-potential-job-losses-ahead/
• LinkedIn. (2025, 15. September). Anthropic report confirms AI fears. Abrufbar unter: https://www.linkedin.com/news/story/anthropic-report-confirms-ai-fears-6586100/
• Menlo Ventures. (2025, 26. Juni). 2025: The State of Consumer AI. Abrufbar unter: https://menlovc.com/perspective/2025-the-state-of-consumer-ai/
• Nolan, B. (2025, 15. September). New studies show what people really use ChatGPT and Claude for. Fortune. Abrufbar unter: https://fortune.com/2025/09/15/openai-chatgpt-claude-anthropic-work-personal-use-new-data/
• Schreiner, M. (2025, 15. September). New data from OpenAI and Anthropic show how people actually use ChatGPT and Claude. The Decoder. Abrufbar unter: https://the-decoder.com/new-data-from-openai-and-anthropic-show-how-people-actually-use-chatgpt-and-claude/
• The DataCamp Team. (2026, 16. Januar). 7 Key Findings from the New Anthropic Economic Index Report. The Median: A Data & AI Newsletter. Abrufbar unter: https://dcthemedian.substack.com/p/7-key-findings-from-the-new-anthropic