Vergleich der KI-Erlöse über den gesamten Stack
Der KI-Markt expandierte schnell in allen vier Schichten (Daten, Rechenleistung, Modelle und Anwendungen). Beispielsweise sprang der Rechenzentrums-Umsatz von NVIDIA innerhalb eines Jahres von 47,5 Mrd. $ auf 115,2 Mrd. $; OpenAI erreichte etwa 13 Mrd. $ Jahresumsatz; und Anthropic näherte sich 7 Mrd. $ an ARR.
Wir haben Umsatzdaten von über 100 KI-Unternehmen verfolgt. Erkunden Sie, wie sich die Umsätze von 2023 bis 2025 über die Schichten für Rechenleistung, Daten, Modelle und Anwendungen verschoben haben.
KI-Wachstumsrate der Umsätze
Die obige Tabelle zeigt, wie oft sich die KI-Erlöse von 2023 bis 2025 erhöht haben. Beispielsweise stiegen die Gesamteinnahmen von Unternehmen in der Datenschicht von 50,4 Mrd. $ im Jahr 2023 auf 75 Mrd. $ im Jahr 2025, was einem Anstieg von etwa dem 1,5-Fachen entspricht.
Siehe die Methodik, um zu erfahren, wie wir KI-Umsatzdaten gesammelt haben.
Aufschlüsselung der KI-Erlöse nach Unterkategorien
Hinweis: Wir haben 21 Unterkategorien unter den Schichten Daten, Rechenleistung, Modelle und Apps identifiziert. Der Einfachheit halber haben wir 7 Unterkategorien mit dem höchsten Umsatz aufgenommen.
Umsätze der Datenschicht
Für die Datenschicht haben Databricks (4,8 Mrd. $), Snowflake (4,68 Mrd. $) und MongoDB (2,460 Mio. $) in den letzten 3 Jahren den höchsten Umsatz. Diese drei dominieren, weil sie die grundlegende Dateninfrastruktur besitzen, auf der jede KI-Anwendung aufbaut: das Lakehouse (Databricks), das Data Warehouse (Snowflake) und die operative Datenbank (MongoDB). Sie erfassen die KI-Nachfrage unabhängig davon, welche Modelle oder Apps gewinnen.
Obwohl die Spitze des Daten-Stacks von Datenplattformen dominiert wird, erzählen die mittleren und unteren Schichten eine andere Geschichte. Vector DBs (Pinecone, Qdrant, Weaviate) liegen alle unter 100 Mio. $, trotz jahrelanger Hype um RAG, und mehrere Unternehmen wurden übernommen, bevor sie ihre eigenständige Lebensfähigkeit bewiesen haben (DataStax an IBM).
Umsätze der Rechenschicht
Die Hyperscaler der KI (AWS: 128,7 Mrd. $, Google Cloud: 59 Mrd. $ und Microsoft Azure: 107,8 Mrd. $) sowie der Rechenzentrums-Segment von NVIDIA (115,2 Mrd. $) machen 2025 etwa 409 Mrd. $ Umsatz aus und wachsen schneller als alle anderen Akteure zusammen.
Die interessante Dynamik innerhalb der Rechenschicht ist das Aufkommen einer zweiten Ebene mit CoreWeave (5,1 Mrd. $), Lambda (760 Mio. $) und Together AI (300 Mio. $) im Jahr 2025. Eine mögliche Erklärung für das wachsende Interesse an Cloud-GPU-Anbietern ist, dass die bestehenden GPU-Führer (wie AWS, Azure und GCP) sich als unzureichend erweisen, um die Marktnachfrage zu decken.
Die offene Frage ist, was sich schneller bewegt: Effizienzgewinne, die die Rechenleistung pro Abfrage reduzieren (kleinere Modelle, Quantisierung), oder neue Anwendungsfälle, die die Gesamtnachfrage steigern (Agents, Video, Unternehmensrollouts). Wenn die Effizienz gewinnt, absorbieren die Hyperscaler den Markt; wenn die Adoption gewinnt, wachsen spezialisierte GPU-Clouds weiter.
Als bevorzugte Quelle hinzufügenUmsätze der Modellschicht
OpenAI (13 Mrd. $) und Anthropic (7 Mrd. $) trennen sich schnell vom Rest. Alle anderen großen Akteure: Mistral (400 Mio. $), Cohere (240 Mio. $), xAI (500 Mio. $), ElevenLabs (330 Mio. $ im Sprachbereich) sind im Vergleich zu OpenAI und Anthropic weit darunter gruppiert.
ElevenLabs im Bereich Sprache und Midjourney im Bereich Bildgenerierung sind zwei Führer in der Modellkategorie und übertreffen allgemeine Foundation-Modelle. Die schwierigste Position in dieser Schicht ist es, ein allgemeines Modellunternehmen ohne großes Cloud-Vertriebsabkommen oder ein attraktives Verbraucherprodukt zu sein. Mistral und Cohere stehen beide vor diesem Problem.
Umsätze der Anwendungsschicht
Das Muster in der Anwendungsschicht zeigt, dass KI-native Apps, die einen gesamten Workflow ersetzen, am besten abschneiden. Ein Signal dafür ist die Kategorie Codierung, wo Cursor, GitHub Copilot, Replit, Lovable und Bolt gemeinsam darauf hinweisen, dass Entwickler mehr für Tools zahlen werden, die Arbeit automatisieren können.
Curors Sprung von 1 Mio. $ auf 1 Mrd. $ in zwei Jahren und Lovables Anstieg von 1 Mio. $ auf 400 Mio. $ in einem einzigen Jahr sind die extremsten Wachstumszahlen im Datensatz. Sie markieren den Wandel von KI als Coding-Assistent zu KI als primäre Entwicklungsumgebung, was das typische SaaS-Wachstum grundlegend verschoben hat.
In Bezug auf Unterkategorien wachsen KI im Gesundheitswesen (Abridge, Tempus) und Fintech-KI (Ramp, Brex), da sie in hochpreisigen regulierten Bereichen operieren, in denen der ROI der Automatisierung leicht zu quantifizieren ist.
Der Umsatz von Jasper AI fiel von 120 Mio. $ auf 55 Mio. $, bevor er sich teilweise auf 88 Mio. $ erholte, was immer noch unter dem Niveau von 2023 liegt. Der Rückgang zeigt, dass horizontale Schreibassistenten ohne Workflow-Lock-in gefährdet sind, sowohl von Foundation-Modellen (wie ChatGPT) als auch von eingebetteten Funktionen in Tools, die Benutzer bereits besitzen (wie Notion AI und Google Docs), verdrängt zu werden.
Für Bildung halbierte sich der Umsatz von Chegg von 716 Mio. $ auf 377 Mio. $ über zwei Jahre, der schärfste anhaltende Rückgang unter den Unternehmen im Datensatz. Ein Student, der 15 $ pro Monat für Hausaufgaben-Antworten zahlt, hat wenig Grund, dies fortzusetzen, sobald ChatGPT denselben Service kostenlos anbietet, und der Zusammenbruch zeigt, dass der Besitz einer Content-Bibliothek eine schwächere Burg ist als der Besitz des Workflows oder des Vertriebskanals.
Methodik für Umsatzschätzungen
Wir haben öffentliche Daten zu KI-Umsätzen von Forschungsplattformen wie Sacra, GetLatka, Macrotrends und Crunchbase; unternehmenseigenen Quellen wie Investor-Relations-Berichten, Unternehmensnewsrooms, offiziellen Blogs und SEC-Einreichungen; Finanzmedienorganisationen wie Fortune, CNBC, Reuters, Bloomberg; Tech-Medienberichte von TechCrunch; sowie regulatorische/offizielle Quellen für börsennotierte Unternehmen wie SEC EDGAR-Einreichungen gesammelt.
Die Umsatzzahlen spiegeln das Kalenderjahr 2023, 2024 und 2025 oder das Geschäftsjahr wider, das diesen Daten am nächsten liegt. Unterschiede in den Geschäftskalendern können auch Vergleiche zwischen verschiedenen Unternehmen beeinflussen.
Hinweis: Für die vielen privaten Unternehmen in diesem Datensatz (zum Beispiel Anthropic, Mistral, ElevenLabs und Cursor) sind die Umsatzzahlen im Wesentlichen fundierte Schätzungen.
Zitieren Sie diesen Benchmark
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{ermut2026,
author = {Ermut, Sıla},
title = {{Vergleich der KI-Erlöse über den gesamten Stack}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/ai-revenues}},
note = {AIMultiple. Abgerufen am 22. Mai 2026}
}Ergebnisse und Zeitstempel von 88 Datenpunkten. Laden Sie die in diesem Artikel verwendeten Daten als ZIP-Datei herunter, die eine CSV-Datei und eine README enthält.
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.