Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
anthropic15. September 2025 · Q001896

Economic Index: Uneven AI adoption

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic berichtet, dass Claude-Nutzung räumlich und auf wenige Aufgaben konzentriert ist, während direkte Delegation und der Einsatz in Bildung und Wissenschaft zunehmen. In den untersuchten API-Daten dominieren Softwareentwicklung und Automatisierung; fehlender Zugang zu Unternehmensinformationen könnte komplexere Anwendungen bremsen. Die Befunde beruhen auf Stichproben und zeigen Zusammenhänge, keine direkten Ursachen oder Arbeitsmarkteffekte.

Mittel

Der Bericht untersucht die Verbreitung von Claude nach Aufgaben, Regionen und Einsatzform. Auf Claude.ai bleiben Programmieraufgaben am häufigsten, während die Anteile von Bildung und Wissenschaft steigen. Zugleich wächst der Anteil direkter Aufgabendelegation. Anthropic vermutet als mögliche Gründe bessere Fähigkeiten, neue Funktionen und zunehmende Nutzervertrautheit, kann sie aber nicht eindeutig auseinanderhalten.

Eine datenschutzorientierte Auswertung von einer Million Claude.ai-Gesprächen aus einer Augustwoche 2025 zeigt laut Bericht eine überproportionale Nutzung in wohlhabenderen und technologisch fortgeschrittenen Ländern. Mit höherer Nutzung pro Kopf scheinen sich die Einsatzgebiete zu verbreitern; außerdem werden Interaktionen häufiger gemeinschaftlich und lernorientiert geführt. In den USA liegen Washington, D.C., und Utah bei der Nutzung pro Kopf vorn. Die beobachteten Zusammenhänge belegen keine Ursachen.

Bei einer Million API-Transkripten aus einer Stichprobe von ungefähr der Hälfte der API-Nutzung dominieren Softwareentwicklung und Automatisierung: 77 Prozent werden als automatisierungsorientiert eingeordnet. Der Bericht sieht den Zugang zu Unternehmenskontext als mögliche Hürde für komplexe Aufgaben. Kosten scheinen die Nutzung innerhalb der untersuchten Aufgaben weniger stark zu bestimmen als andere Merkmale.

Die Ergebnisse beruhen auf Stichproben und Klassifikationen; kleine Gruppen werden aus Datenschutzgründen ausgefiltert und regionale Werte können unsicher sein. Die Daten belegen keine direkten Produktivitäts- oder Beschäftigungseffekte. Die Autorinnen und Autoren warnen, dass ungleiche Verbreitung bestehende Unterschiede verstärken könnte, und fordern weitere Forschung.

Ausführlich lesen

Der Bericht untersucht, wie sich die Nutzung von Claude im Jahr 2025 nach Aufgaben, Regionen und Einsatzform unterscheidet. Anthropic beschreibt die KI-Verbreitung als schnell, aber ungleich: Sie konzentriere sich geografisch auf wohlhabendere und technologisch fortgeschrittene Regionen sowie auf Aufgaben, für die Claude besonders geeignet und leicht einzusetzen sei. Die Autorinnen und Autoren warnen, dass dadurch bestehende wirtschaftliche Unterschiede wachsen könnten; sie betonen zugleich, dass die Folgen von politischen Entscheidungen und der weiteren Verbreitung abhängen.

Für die zeitliche Entwicklung auf Claude.ai vergleicht der Bericht drei Erhebungszeiträume von Ende 2024 bis August 2025. Programmieraufgaben bleiben mit rund 36 Prozent der untersuchten Nutzung am häufigsten. Der Anteil für Bildung stieg laut Bericht von etwa 9 auf 12 Prozent, der für Wissenschaft von rund 6 auf 7 Prozent. Zugleich nahm die direkte Delegation vollständiger Aufgaben zu: Der Anteil sogenannter „directive“-Gespräche wuchs von 27 auf 39 Prozent. Die Autorinnen und Autoren vermuten, dass bessere Modelle, neue Funktionen oder größere Nutzervertrautheit dazu beitragen könnten, können diese Ursachen aber nicht voneinander trennen. Sie weisen außerdem darauf hin, dass ein Modellwechsel die Vergleiche erschwert, berichten jedoch, dass die Zunahme auch bei einer erneuten Auswertung mit dem früheren Modell bestehen blieb.

Die geografische Analyse stützt sich auf eine datenschutzorientierte Auswertung von einer Million Claude.ai-Free- und-Pro-Gesprächen aus dem Zeitraum 4. bis 11. August 2025. Der neu eingeführte Anthropic AI Usage Index setzt den Anteil der Nutzung ins Verhältnis zum Anteil der Bevölkerung im erwerbsfähigen Alter. Nach dieser Kennzahl liegt die Nutzung in Ländern wie Israel und Singapur besonders hoch; in mehreren Ländern mit niedrigerem Einkommen, darunter Indien und Nigeria, liegt sie deutlich unter dem bevölkerungsbezogenen Erwartungswert. Der Bericht findet eine starke positive Korrelation zwischen Nutzung pro Kopf und Einkommen, die jedoch keinen ursächlichen Zusammenhang belegt. In den USA führt Washington, D.C., vor Utah; regionale Muster gehen laut Bericht mit örtlichen Wirtschaftsstrukturen einher. Mit wachsender Nutzung scheinen sich die Aufgaben zudem zu verbreitern: In Ländern mit niedrigerer Nutzung entfällt ein besonders großer Anteil auf Programmierung, während in stärker nutzenden Regionen Bildung, Wissenschaft und weitere Bereiche stärker vertreten sind. Auch nach Berücksichtigung der Aufgabenmischung berichten die Autorinnen und Autoren bei stärkerer Nutzung häufiger gemeinschaftliche, lernorientierte Interaktionen; mögliche Erklärungen bleiben offen.

Für den Unternehmenseinsatz analysiert der Bericht eine Million API-Transkripte aus August 2025, aus einer Stichprobe, die ungefähr die Hälfte der Anthropic-API-Nutzung umfasst. Die Auswertung zeigt eine starke Konzentration auf Softwareentwicklung und verwandte Aufgaben. 77 Prozent der API-Transkripte werden als automatisierungsorientiert eingeordnet, gegenüber einer annähernd hälftigen Verteilung zwischen Automatisierung und Unterstützung bei Claude.ai. Komplexere Aufgaben gehen im Datensatz mit längeren Eingaben einher. Anthropic deutet den Zugang zu verstreuten oder nicht digitalisierten Unternehmensinformationen deshalb als mögliche Hürde für anspruchsvollere Anwendungen. Zwar korrelieren teurere Aufgaben insgesamt mit mehr Nutzung; bei statistischer Berücksichtigung von Aufgabenmerkmalen ist ein Kostenzuwachs jedoch mit einem moderaten Nutzungsrückgang verbunden. Die Autoren folgern daraus eine begrenzte Preissensitivität innerhalb der beobachteten Aufgaben, nicht eine allgemeine Aussage über den Einfluss von Preisen.

Die Ergebnisse beruhen auf Gesprächs- und API-Stichproben, Klassifikationen und regionalen Kennzahlen. Datenschutzfilter schließen kleine Gruppen aus; bei Ländern und US-Bundesstaaten mit wenigen Beobachtungen ist die Unsicherheit höher. Die Daten zeigen Nutzungsmuster, aber nicht unmittelbar Produktivitäts-, Beschäftigungs- oder Kausaleffekte. Anthropic stellt Teile der zugrunde liegenden Daten für unabhängige Forschung bereit und sieht weiteren Forschungsbedarf zu Arbeitsmarktwirkungen, regionaler Konvergenz und der Rolle organisatorischer Voraussetzungen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung gibt den Bericht im Kern treu wieder, lässt aber einige zentrale Zahlen und den Einkommenszusammenhang aus. Der Bericht ist eine empirische Studie zur wirtschaftlichen Verbreitung von KI und enthält kaum Aussagen zu KI-Sicherheit oder Governance, daher fallen die Einordnungen der Sicherheitsfragen niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Anteil direktiver Gespräche stieg von 27 % auf 39 %, wobei dies vor allem zulasten von Aufgabeniteration und Lernen ging
  • Die Nutzung pro Kopf korreliert stark mit dem Einkommen pro Kopf: 1 % mehr BIP pro Kopf geht mit etwa 0,7 % mehr Nutzung einher
  • Der Bericht stellt Hypothesen zu Berufseinsteigern gegenüber erfahrenen Beschäftigten und möglichen Lohneffekten auf, die er selbst als offen kennzeichnet
  • Die Daten werden als Open Source für unabhängige Forschung veröffentlicht

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 36 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 73 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 35 %nur am Rande erwähnt
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 74 %Hintergrund, keine Belege
    • JEV 28 %Hintergrund, keine Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 82 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 77 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 24 %Hintergrund, keine Belege
    • Luna 57 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
    • SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 61 %Hintergrund, keine Belege
    • JEV 47 %Hintergrund, keine Belege
    • amos 35 %nur am Rande erwähnt
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 52 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung
  1. SF-W3 Wie schützt man Finanzmärkte vor Folgen von KI, von vertraulichen Entscheidungen über Pausen bis zu Kursstürzen in Sekunden?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →