Die Zukunft ist, wie sich herausstellt, ungleich verteilt, und jetzt haben wir die Daten, die das belegen. Der neueste Economic Index Report von Anthropic zeigt auffällige geografische Unterschiede bei der KI-Nutzung, die die globale wirtschaftliche Ungleichheit auf Jahrzehnte hinaus verändern könnten. Er zeichnet das Bild einer Welt, in der der Zugang zu einer umwälzenden Technologie stark davon abhängt, wo man zufällig lebt.
Die Zahlen sind drastisch: Israel liegt bei der Claude-Nutzung pro Kopf weltweit an der Spitze, mit einem AI Usage Index (AUI) von 7. Der Index setzt den Anteil einer Region an der Claude-Nutzung ins Verhältnis zu ihrem Anteil an der Bevölkerung im erwerbsfähigen Alter. Israels Bevölkerung im erwerbsfähigen Alter nutzt Claude also 7-mal so viel, wie zu erwarten wäre, wenn sich die Nutzung rein nach der Bevölkerung verteilte. Große Schwellenländer liegen dagegen weit zurück: Indien kommt auf das 0,27-Fache des erwarteten Niveaus, Nigeria auf nur das 0,2-Fache.
Wie Anthropic die Kluft gemessen hat
Die Ergebnisse stammen aus Anthropics Analyse von 1 Million Claude.ai-Gesprächen, zufällig ausgewählt aus einer einzigen Woche im August 2025. Das ist nur ein Bruchteil des gesamten Datenverkehrs des Unternehmens, das monatlich zig Millionen Gespräche verarbeitet. Mit datenschutzfreundlichen Methoden kartierten die Forscher die Nutzungsmuster in mehr als 150 Ländern und allen US-Bundesstaaten. Ausgewertet wurden nur Regionen mit mindestens 15 Gesprächen und 5 verschiedenen Nutzern.
Hinweis zur Methodik: Die geografischen Daten stammen aus der Geolokalisierung von IP-Adressen, VPN- und Hosting-Dienste blieben ausgeschlossen. Für die Unternehmensanalyse untersuchte Anthropic 1 Million API-Transkripte von rund der Hälfte seiner Geschäftskunden und klassifizierte die Aufgaben sowohl mit gängigen Berufstaxonomien als auch mit KI-generierten Kategorien.
Am überraschendsten ist aber vielleicht, was innerhalb der USA selbst passiert. Kalifornien führt zwar beim absoluten Gesprächsvolumen, pro Kopf liegt aber Washington DC mit einem AUI von 3,82 vorn, knapp gefolgt von Utah mit 3,78. Beide liegen vor dem technologiestarken Golden State mit 2,13.
Die Hierarchie der KI-Nutzung
Die geografischen Muster erinnern an die Verbreitungskurven früherer umwälzender Technologien, nur in einem viel kürzeren Zeitraum. Elektrizität brauchte nach der Elektrifizierung der Städte über 30 Jahre bis in die bäuerlichen Haushalte, und PCs brauchten 20 Jahre, bis die Mehrheit sie nutzte. KI hat in zwei Jahren erreicht, wofür das Internet fünf Jahre brauchte.
Dabei steht die KI-Nutzung vor einer ausgesprochen modernen Hürde: Frühere Technologien brauchten physische Infrastruktur, KI dagegen hängt vom Zugang zu Cloud-Diensten und einer zuverlässigen Internetverbindung ab. Und beides ist weltweit weiterhin ungleich verteilt.
Die Daten zeigen über die Länder hinweg einen starken positiven Zusammenhang zwischen der Claude-Nutzung und dem BIP pro Kopf: Ein Anstieg des BIP pro Kopf um 1 Prozent geht mit einem Anstieg der Claude-Nutzung pro Kopf um 0,7 Prozent einher. Vorne liegen kleine, technologisch fortgeschrittene Volkswirtschaften: Singapur (AUI 4,57), Australien (4,10), Neuseeland (4,05) und Südkorea (3,73) zählen alle zu den Top fünf.
Die Unterschiede haben allerdings mehrere, sich überlagernde Ursachen, die über das Einkommen hinausgehen. Länder mit hoher Nutzung verfügen meist über eine robuste digitale Infrastruktur, einen größeren Anteil an Wissensarbeitern und engere Verbindungen zu KI-Forschungsgemeinschaften. Sie profitieren aber auch von Regulierung, die den Einsatz von KI fördert, von Sprachvorteilen (englischsprachige Regionen zeigen eine höhere Nutzung) und von kulturellen Faktoren rund um das Vertrauen in Technologie, die sich von Land zu Land stark unterscheiden. Länder wie Frankreich (AUI 1,94) und Deutschland (1,84) bleiben trotz hoher Einkommen zurück, was darauf hindeutet, dass das BIP allein die Muster der KI-Nutzung nicht bestimmt.
Die Automatisierung nimmt Fahrt auf
Noch aufschlussreicher als die Frage, wo KI genutzt wird, ist vielleicht die Frage, wie. Das Verhalten der Konsumenten auf Claude.ai verschiebt sich deutlich hin zu dem, was Anthropic „direktive“ Interaktionen nennt: Die Nutzer weisen Claude einfach an, ganze Aufgaben zu erledigen, statt schrittweise mit ihm zusammenzuarbeiten.
Der Anteil direktiver Gespräche stieg von 27 Prozent Ende 2024 auf 39 Prozent im August 2025. In Anthropics Daten übersteigt die Automatisierung damit erstmals die Augmentation. Ob das wachsendes Vertrauen in die Fähigkeiten von KI widerspiegelt, Verbesserungen am zugrunde liegenden Modell oder Veränderungen in der Nutzerbasis, bleibt unklar. Der Trend zum Delegieren von Aufgaben ist aber unübersehbar.
Im Unternehmensumfeld ist das Muster noch ausgeprägter. Die Analyse von Anthropics API-Kunden, also von Unternehmen, die Claude programmatisch in ihre eigenen Anwendungen einbinden, zeigt: 77 Prozent der Nutzung folgen Automatisierungsmustern, bei Konsumenten sind es etwa 50 Prozent. Unternehmen experimentieren nicht bloß mit KI. Sie betten sie systematisch in Arbeitsabläufe ein, in denen sie mit minimaler menschlicher Aufsicht arbeiten kann.
Die Unternehmensdaten zeigen Claude im Einsatz für Aufgaben wie automatisierte Antworten im Kundensupport, Pipelines zur Zusammenfassung von Verträgen und Code-Review-Workflows. Softwareentwicklung dominiert die Nutzung in Unternehmen und macht fast die Hälfte des gesamten API-Datenverkehrs aus, gefolgt von Büroaufgaben wie Dokumentenverarbeitung und Datenanalyse.
Dem Geld folgen (oder auch nicht)
Einer der kontraintuitivsten Befunde des Berichts widerspricht der gängigen Annahme über die Verbreitung von Technologie: Die Kosten scheinen die KI-Nutzung in Unternehmen nicht zu bestimmen. Die API-Kosten der Aufgaben unterscheiden sich stark, und trotzdem werden gerade die teuersten tendenziell häufiger genutzt. Das spricht dafür, dass die Fähigkeiten des Modells und der wirtschaftliche Wert weit mehr zählen als der Preis.
Aufgaben, die typisch für Computer- und mathematische Berufe sind, kosten über 50 Prozent mehr als vertriebsbezogene Aufgaben und dominieren dennoch die Nutzung. Als die Forscher die Eigenschaften der Aufgaben herausrechneten, fanden sie nur eine schwache Preissensibilität: Eine Kostensenkung um 10 Prozent würde die Nutzung bloß um 3 Prozent erhöhen.
Unternehmen setzen KI demnach dort ein, wo sie den größten Nutzen bringt, nicht dort, wo sie am billigsten ist. Dieses Muster könnte die Produktivitätsgewinne bei hochqualifizierter, wertschöpfungsstarker Arbeit beschleunigen, während Routineaufgaben zurückbleiben.
Wenn KI mehr wissen muss, um mehr zu können
Der Bericht benennt auch einen möglicherweise entscheidenden Engpass für die KI-Nutzung: den Bedarf an passenden Kontextinformationen. API-Kunden, die Claude für komplexe Aufgaben einsetzen, liefern meist lange Eingaben, und der Zusammenhang zwischen Eingabelänge und Ausgabequalität legt nahe, dass anspruchsvolles KI-Deployment eher durch den Zugang zu Informationen begrenzt wird als durch die Fähigkeiten der Modelle.
Betrachten Sie den Unterschied zwischen zwei Anwendungsfällen in Unternehmen: Softwareentwicklung und Lieferkettenmanagement. Bei Programmieraufgaben, die sowohl die Konsumenten- als auch die Unternehmensnutzung dominieren, hat Claude Zugriff auf zentrale Code-Repositories, Dokumentation und Fehlerprotokolle. Der Kontext, den ein wirksames Deployment braucht, liegt bereits digital und geordnet vor.
Stellen Sie sich dagegen vor, Sie bitten Claude, eine Vertriebsstrategie für einen Großkunden zu entwickeln. Dafür braucht es womöglich Informationen, die über Systeme für das Kundenbeziehungsmanagement, E-Mail-Verläufe, das Bauchgefühl der Vertriebsmitarbeiter, externe Marktinformationen und informelle Gespräche mit Kunden verstreut sind. Unternehmen, die dieses verteilte Wissen nicht wirksam zusammentragen und ordnen können, könnten sich mit anspruchsvollem KI-Deployment schwertun, vor allem in Branchen, in denen institutionelles Gedächtnis und beziehungsbasierte Einsichten den Wert schaffen.
Diese „Kontextbeschränkung“ könnte erklären, warum KI bei manchen Arten von Arbeit stark genutzt wird, während andere zurückbleiben, unabhängig von den Fähigkeiten des zugrunde liegenden Modells.
Vergrößert oder verringert KI die globale Ungleichheit?
Die geografischen Muster werfen grundlegende Fragen zur wirtschaftlichen Konvergenz im KI-Zeitalter auf. Die umwälzenden Technologien des späten 19. und frühen 20. Jahrhunderts leiteten nicht nur das moderne Wirtschaftswachstum ein, sondern gingen auch mit einem starken Auseinanderdriften der Lebensstandards weltweit einher.
Folgt KI einem ähnlichen Muster, deuten die aktuellen Nutzungsdaten darauf hin, dass sich die Vorteile in bereits reichen Regionen konzentrieren könnten. Das könnte die globale wirtschaftliche Ungleichheit vergrößern und die Wachstumskonvergenz der letzten Jahrzehnte umkehren.
Die Daten zeigen bereits bedenkliche Anzeichen dieser Divergenz. Länder mit geringerer Nutzung konzentrieren sich überwiegend auf Programmieraufgaben: In Indien ist es über die Hälfte der gesamten Nutzung, weltweit rund ein Drittel. Regionen mit hoher Nutzung setzen KI dagegen vielfältig ein, in Bildung, Wissenschaft und im Geschäftsbetrieb. Es gibt auch Hinweise darauf, dass Schwellenländer KI eher zur vollständigen Automatisierung von Aufgaben nutzen, während entwickelte Volkswirtschaften zu kollaborativen, lernorientierten Interaktionen neigen.
Wie geht es weiter?
Die Autoren des Berichts betonen, dass sie die KI-Nutzung in ihrer frühesten Phase dokumentieren, doch die Muster haben schon jetzt Folgen. Bildungs- und Wissenschaftsaufgaben wachsen weiter rasch (die Nutzung für Wissenschaft stieg von 6 auf 7 Prozent, für Bildung von 9 auf 12 Prozent), was darauf hindeutet, dass sich KI in wissensintensiven Bereichen besonders schnell verbreitet.
Die Verschiebung vom Debugging zum Erstellen von Code (Erstellungsaufgaben haben sich verdoppelt, während Debugging zurückging) könnte außerdem darauf hindeuten, dass die Modelle zuverlässiger werden und Nutzer in einer einzigen Interaktion mehr erreichen, statt Probleme schrittweise zu lösen.
Für die Politik ist die Botschaft klar: Die Muster der KI-Nutzung sind nicht unausweichlich, aber sie entstehen schnell. Ob KI weltweit zu Konvergenz oder Divergenz führt, könnte von bewussten Entscheidungen der nächsten Jahre abhängen: über Investitionen in Infrastruktur, den Zugang zu Bildung und regulatorische Rahmenbedingungen, die die Nutzung erleichtern oder behindern.
Wie Anthropics Forscher anmerken, veröffentlichen sie diese Daten als Open Source gerade deshalb, damit andere Fragen zu den wirtschaftlichen Auswirkungen von KI untersuchen und evidenzbasierte politische Antworten entwickeln können. Die große KI-Kluft ist real und messbar. Die Frage ist, ob wir nach dem handeln, was die Daten zeigen.
Aus dem Englischen übersetzt: zum Originalbeitrag