LLM Marktanteil: Nutzung & Adoption vergleichen
Wir haben den LLM-Marktanteil analysiert, indem wir nutzungsbasierte Daten und Schätzungen zu Web-Besuchen kombiniert haben, um zu zeigen, wie sich die Nachfrage nach großen Sprachmodellen auf KI-Labore und KI-Anwendungen verteilt.
LLM-Marktanteilsvergleich nach Land
Lesen Sie die Methodik, um zu sehen, wie wir diese Ergebnisse gemessen und berechnet haben.
Die Vereinigten Staaten dominierten die Web-Besuche in allen vier Monaten und machten durchgängig 90–95 % aus. Dies spiegelt sowohl die Konzentration von KI-Verbraucherprodukten in englischsprachigen Märkten als auch die US-Basis der meisten großen Plattformen wider.
China zeigt ein anderes Nutzungsprofil:
- Im November 2025 entfielen auf China 51 % der Entwicklernutzung ohne BYOK, aber nur etwa 7 % der Web-Besuche. Dies deutet auf eine starke API- oder programmgesteuerte Nutzung statt auf Verbraucheraktivität hin.
- Bei der Kennzahl Entwicklernutzung ohne BYOK verändert sich der Abstand zwischen China und den USA im Laufe des Jahres. Nach Juli 2026 übernimmt China jedoch mit großem Abstand die Führung beim Anteil der Entwicklernutzung ohne BYOK.
LLM-Marktanteilsvergleich nach Anwendungen
ChatGPT bleibt Marktführer, aber der Wettbewerbsdruck nimmt zu. Sein Marktanteil fiel von 74 % im Oktober 2025 auf 53 % im Juli 2026, ein Rückgang um 21 Prozentpunkte über 9 Monate.
Gemini übernahm den größten Teil dieser Verschiebung und wuchs von 14 % auf 26,5 %. Der Anstieg ist wahrscheinlich auf die Distribution und kontinuierliche Modellverbesserungen zurückzuführen.
LLM-Marktanteilsvergleich nach KI-Laboren
OpenAI verzeichnete die größte Verschiebung im Datensatz. Der Anteil der Web-Besuche fiel von 71 % im November 2025 auf 55 % im August 2026, während die Web-Besuche von Anthropic von 2,5 % auf 9 % stiegen.
Bei der Entwicklernutzung ohne BYOK fiel die starke Präsenz von Qwen im November 2025 mit 39 % im August 2026 dramatisch auf 3 %.
Inzwischen zeigte Xiaomi das höchste Wachstum und stieg von etwa 3 % im Mai 2026 auf 70 % im Juli 2026. Der Juli-Anstieg von Xiaomi dürfte auf die Einführung von MiMo-V2.5 zurückzuführen sein. Preissenkungen, eine 5–8× Erhöhung der Kontingente für API-Pläne, mit OpenAI/Codex kompatible APIs und eine starke Coding-/Agentenleistung machten MiMo besonders attraktiv für Entwickler-Workloads mit hohem Volumen.1
Marktanteilsvergleich nach App-Kategorien
Chat dominiert den Markt beim Anteil der Web-Besuche und macht durchgängig über 95 % aus. Die KI-Nutzung durch Verbraucher konzentriert sich weiterhin auf universelle Konversationsschnittstellen. Eine bemerkenswerte Veränderung zeigt sich in der Entwicklernutzung: Chat fiel im Juli 2026 auf 24 %, und Code überholte ihn mit 51 %.
In der Kategorie Chat entfielen im Juli 2026 rund 80 % des Marktanteils auf ChatGPT und Gemini.
LLM-Marktanteilsmethodik
Schritt 1: Identifizierung von KI-Laboren und KI-Anwendungen
- KI-Labore: Organisationen, die LLMs entwickeln und pflegen. Beispielsweise gehören OpenAI, Google, Anthropic, DeepSeek, Qwen, X, Mistral AI und Meta Llama zu den bekanntesten KI-Laboren, die KI-Apps entwickeln.
- KI-Anwendungen: Endnutzer-Tools, Plattformen oder Agenten, die auf einem oder mehreren LLMs basieren, wie z. B. ChatGPT, Claude, Grok und Gemini.
Jede KI-Anwendung wird dann wie folgt zugeordnet:
- Einem oder mehreren zugrunde liegenden KI-Laboren.
- Einer Funktionskategorie.
Schritt 2: Berechnung des Marktanteils auf App- und Laborebene
Wir haben die folgenden Kennzahlen verwendet, um den Marktanteil für Apps und KI-Labore zu berechnen:
Entwicklernutzung ohne BYOK
Erfasst, wie viele Token die Modelle eines Labors über das kostenpflichtige Creditsystem von OpenRouter verarbeiten. Die Kriterien schließen Anfragen aus, die über BYOK (Bring Your Own Key) geleitet werden, wobei Entwickler ihre eigenen Provider-API-Schlüssel bereitstellen und direkt vom Anbieter statt über OpenRouter abgerechnet werden.
Ein hoher Anteil hier signalisiert, dass die Modelle eines Labors in entwicklerorientierten Workflows weit verbreitet sind: API-integrierte Anwendungen, Agent-Pipelines, RAG-Systeme und Tools zur Codegenerierung. Es ist ein angebotsseitiges Signal, das mit der Entwickleraktivität auf der Plattform von OpenRouter zusammenhängt.
Einschränkungen:
Die Daten von OpenRouter spiegeln eine selbstselektierte Population wider: Entwickler, die für den API-Zugang bezahlen, um Anfragen über mehrere Modelle zu leiten. Die Nutzung von ChatGPT, Gemini oder Claude durch Verbraucher über ihre nativen Apps wird nicht erfasst; die Daten bilden hauptsächlich Anfragen ab, die über die Plattform von OpenRouter geleitet werden.
Dies ist wichtig für die Interpretation regionaler Zahlen. Der Bericht „State of KI“ von OpenRouter stellt fest, dass die Nutzerbasis stark zu API-integrierten Workflows tendiert und dass über 50 % der Nutzung außerhalb der Vereinigten Staaten erfolgt. Chinesische Entwickler, insbesondere solche, die auf DeepSeek und Qwen aufbauen, nutzen OpenRouter aktiv für den programmatischen Zugriff. Dies erhöht den Token-Anteil Chinas im Verhältnis zu seiner tatsächlichen Verbraucherpräsenz.2
Auch BYOK erzeugt eine Datenlücke. Wenn Entwickler ihre eigenen API-Schlüssel verwenden, leitet OpenRouter die Anfrage weiter, aber der zugrunde liegende Anbieter rechnet direkt mit ihnen ab. Infolgedessen erscheinen diese Token nicht in den Plattform-Nutzungsstatistiken von OpenRouter.
Das bedeutet, dass die Token-Daten von OpenRouter Unternehmen mit hohem Volumen und BYOK-Vereinbarungen nicht erfassen. Gleichzeitig werden Teams, die über OpenRouter-Guthaben zahlen, stärker gewichtet.
Web-Besuche
Erfasst Besuche auf den Websites von KI-Produkten über Desktop- und Mobile-Web anhand von Similarweb-Schätzungen.3 Die Kennzahl zeigt, wie viele Menschen diese Produkte aktiv online besuchen, und weist auf webbasierte Nachfrage und Akzeptanz hin. Sie misst keine Nutzungsaktivität in Apps.
Einschränkungen: Similarweb wendet Stichproben und Inferenz an, um Kennzahlen wie die Gesamtbesuche zu erzeugen, wodurch die Schätzungen eher richtungsweisend als exakt sind. Die Kennzahl kann zudem private, unternehmensspezifische oder regional eingeschränkte Implementierungen unterrepräsentieren.
Schritt 3: Kategorisierung von KI-Anwendungen
Wir haben KI-Anwendungen basierend auf ihrem primären Anwendungsfall in Kategorien eingeteilt. Da viele Tools mehrere Funktionen abdecken, haben wir jeder Anwendung eine einzige primäre Kategorie zugewiesen, um die Konsistenz der Datenanalyse zu gewährleisten.
- Allgemeiner Chat: Anwendungen, die auf konversationelle Interaktion, logisches Denken und breite Aufgabenunterstützung ausgerichtet sind. Diese Tools machen einen großen Teil der verbraucherorientierten LLM-Nutzung aus und spielen eine zentrale Rolle bei Kundeninteraktionen.
- Programmier- und Coding-Assistenten: Codegenerierung, Debugging und Workflows in der Softwareentwicklung. Diese Kategorie ist eng mit der Nutzung in Unternehmen und der Entwicklerproduktivität verbunden.
- Entwicklerplattformen und -werkzeuge: Plattformen, die Entwicklern und Unternehmen das Erstellen, Bereitstellen oder Verwalten von KI-Anwendungen ermöglichen. Diese Tools sind zentral für die KI-Integration und werden häufig von Cloud-Anbietern und großen Unternehmen genutzt.
- Such- und Antwortmaschinen: Anwendungen, die eher für die Informationsbeschaffung und -synthese als für offenen Chat optimiert sind. Diese Tools kombinieren häufig Sprachmodelle mit Internetdaten, um eine höhere Genauigkeit zu erreichen.
- Vision und multimodale Generierung: Anwendungen, die auf Bild- und Videogenerierung oder -verständnis ausgerichtet sind und häufig in der Content-Erstellung und in mediennahen Branchen eingesetzt werden.
- Audio und Sprache: Tools, die auf Stimmerzeugung, Sprachinteraktion oder Audioverarbeitung ausgerichtet sind.
- Gaming und interaktive KI: Anwendungen, die in erster Linie für Unterhaltung, Rollenspiele oder interaktive Erlebnisse konzipiert sind.
Als bevorzugte Quelle hinzufügenFAQs
ChatGPT hält den größten Anteil der Verbraucher-Web-Besuche unter den KI-Anwendungen und entfällt auf etwa 53,8 % der Besuche auf den erfassten Plattformen im Juli 2026.
Auf Laborebene führt OpenAI beim Anteil der Web-Besuche mit 56 %, was darauf zurückzuführen ist, dass seine Modelle sowohl in eigenen Produkten als auch in Anwendungen von Drittanbietern genutzt werden.
Ja. Der Anteil der Web-Besuche von ChatGPT sank zwischen Oktober 2025 und Juli 2026. Googles Gemini übernahm den größten Teil dieser Verschiebung. Der Rückgang spiegelt zunehmenden Wettbewerb wider und keinen Einbruch der Nutzung, da die gesamten KI-Web-Besuche weiter zunahmen.
Auf die Vereinigten Staaten entfallen 90–95 % der Web-Besuche von KI-Anwendungen. Diese Zahl misst jedoch die verbraucherorientierte Nutzung. Auf Token-Ebene, die API- und programmatische Nutzung erfasst, ist der Anteil Chinas deutlich höher als sein Anteil an den Web-Besuchen, was auf eine starke Nutzung von Modellen wie DeepSeek und Qwen durch Entwickler und Infrastruktur zurückzuführen ist.
Es gibt keinen einheitlichen Standard. Wir haben drei Signale verwendet: Web-Besuche von Similarweb, die Besuche von KI-Anwendungen zählen; Entwicklernutzung ohne BYOK von OpenRouter, die Token zählt, die über das Entwickler-API-Routing verarbeitet werden.
Jede Kennzahl erfasst eine andere Ebene des Marktes. Web-Besuche spiegeln die Verbraucherakzeptanz wider, und die Entwicklernutzung ohne BYOK spiegelt die Nutzung durch Entwickler und Infrastruktur wider. Keine einzelne Kennzahl deckt das vollständige Bild ab, und alle drei haben Einschränkungen.
Diese Forschung zitieren
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 = {{LLM Marktanteil: Nutzung & Adoption vergleichen}},
year = {2026},
month = oct,
howpublished = {\url{https://aimultiple.com/llm-market-share}},
note = {AIMultiple. Abgerufen am 13. Oktober 2026}
}Ergebnisse und Zeitstempel von 131.4 Tausend Datenpunkten. Laden Sie die Zusammenfassungsdaten aus den Diagrammen und Tabellen dieses Artikels als ZIP-Datei herunter, die 7 CSV-Dateien und eine README enthält.
Möchten Sie die granularen Daten dahinter? Premium beitreten
Änderungsprotokoll
3 AktualisierungenXiaomi als führender Anbieter bei Entwicklernutzung mit 59,3% im Abschnitt App-Kategorien-Marktanteilsvergleich hinzugefügt.
Die Metriken Token-Anteil und Traffic-Anteil wurden durch Entwicklernutzung ohne BYOK und Web-Besuche ersetzt.
Ersetzte den Methodikabschnitt durch Definitionen der Metriken Token-Anteil, Traffic-Anteil und Power-Index.
Referenzlinks
Zuvor arbeitete sie als Personalvermittlerin in Projektmanagement- und Beratungsunternehmen. Sıla hat einen Master of Science in Sozialpsychologie und einen Bachelor of Arts in Internationalen Beziehungen.
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.