LLM-Marktanteil: Nutzung und Akzeptanz im Vergleich
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 erfahren, wie wir diese Ergebnisse gemessen und berechnet haben.
Die Vereinigten Staaten dominierten die Web-Besuche in allen vier Monaten und machten durchgehend 85–95 % aus. Dies spiegelt sowohl die Konzentration von Verbraucher-KI-Produkten in englischsprachigen Märkten als auch die US-Basis der meisten großen Plattformen wider.
China zeigt ein anderes Nutzungsprofil:
- Im November 2025 entfielen auf China 50,9 % der Entwicklernutzung ohne BYOK, aber 7,5 % der Web-Besuche. Dies deutet auf eine starke API- oder programmatische Nutzung und nicht auf Verbraucheraktivität hin.
- Bis Februar 2026 verringerte sich der Abstand zwischen China und den USA. Nach Juli 2026 übernahm China jedoch mit großem Abstand die Führung beim Anteil der Entwicklernutzung ohne BYOK (68 %).
LLM-Marktanteilsvergleich nach Anwendungen
ChatGPT bleibt Marktführer, aber der Wettbewerbsdruck nimmt zu. Sein Marktanteil sank von 74,2 % im Oktober 2025 auf 53,8 % im Juli 2026, ein Rückgang um 20 Prozentpunkte innerhalb von 9 Monaten.
Gemini fing den größten Teil dieser Verschiebung auf und wuchs von 14,4 % auf 26,5 %. Der Anstieg stammte wahrscheinlich aus der Distribution und stetigen Modellverbesserungen.
LLM-Marktanteilsvergleich nach KI-Laboren
OpenAI verzeichnete die größte Verschiebung im Datensatz. Der Anteil der Web-Besuche stieg von 19 % im November 2025 auf 62,6 % im Juli 2026, während die Web-Besuche von Anthropic von 47,4 % auf 8 % sanken.
Ein Grund für das zunehmende Interesse an OpenAI könnte die Einführung von Apps in ChatGPT im November 2025 sein, zu denen Partner wie Spotify, Canva und Booking.com gehörten.1
Bei der Entwicklernutzung ohne BYOK fiel die starke Präsenz von Qwen im November 2025 mit 39,3 % dramatisch auf 4,8 % im Juli 2026.
Unterdessen verzeichnete Xiaomi das höchste Wachstum und stieg von 2,2 % im Juni 2026 auf 59,3 % im Juli 2026. Der Juli-Anstieg von Xiaomi ist wahrscheinlich auf die Einführung von MiMo-V2.5 zurückzuführen. Preissenkungen, eine 5–8-fache Erhöhung der API-Plankontingente, OpenAI/Codex-kompatible APIs und eine starke Programmier-/Agentenleistung machten MiMo besonders attraktiv für Entwickler-Arbeitslasten mit hohem Volumen.2
Vergleich der Marktanteile nach App-Kategorien
Chat dominiert den gesamten Markt und macht durchgehend über 95 % des Marktanteils aus. Die Nutzung von Verbraucher-KI ist nach wie vor auf allgemeine Konversationsschnittstellen ausgerichtet. Innerhalb der Kategorie Chat entfielen im Juli 2026 auf ChatGPT und Gemini rund 80 % des Marktanteils.
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: Endbenutzer-Tools, Plattformen oder Agenten, die auf einem oder mehreren LLMs basieren, wie z. B. ChatGPT, Claude, Grok und Gemini.
Jede KI-Anwendung wird anschließend Folgendem zugeordnet:
- Einem oder mehreren zugrunde liegenden KI-Laboren.
- Einer funktionalen Kategorie.
Schritt 2: Berechnung des Marktanteils auf App- und Laborebene
Wir haben die folgenden Metriken verwendet, um den Marktanteil für Apps und KI-Labore zu berechnen:
Entwicklernutzung ohne BYOK
Erfasst, wie viele Tokens die Modelle eines Labors über das kostenpflichtige Guthabensystem von OpenRouter verarbeiten. Die Kriterien schließen Anfragen aus, die über BYOK (Bring Your Own Key) geleitet werden, wobei Entwickler ihre eigenen Anbieter-API-Schlüssel angeben und direkt vom Anbieter und nicht über OpenRouter abgerechnet werden.
Ein hoher Anteil hier signalisiert, dass die Modelle eines Labors in von Entwicklern erstellten Workflows breit eingesetzt werden: API-integrierte Anwendungen, Agenten-Pipelines, RAG-Systeme und Tools zur Codegenerierung. Es ist ein angebotsseitiges Signal, das mit der Entwickleraktivität auf der OpenRouter-Plattform verbunden ist.
Einschränkungen:
Die Daten von OpenRouter spiegeln eine selbstselektierte Population wider: Entwickler, die für den API-Zugang zahlen, um Anfragen über mehrere Modelle zu leiten. Die Nutzung von ChatGPT, Gemini oder Claude über ihre nativen Apps wird nicht erfasst; die Daten spiegeln hauptsächlich Anfragen wider, 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 auf API-integrierte Workflows ausgerichtet ist und dass über 50 % der Nutzung außerhalb der Vereinigten Staaten erfolgt. Chinesische Entwickler, insbesondere diejenigen, 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.3
BYOK verursacht auch eine Datenlücke. Wenn Entwickler ihre eigenen API-Schlüssel verwenden, leitet OpenRouter die Anfrage weiter, aber der zugrunde liegende Anbieter stellt sie direkt in Rechnung. Infolgedessen erscheinen diese Tokens nicht in den Nutzungsstatistiken der Plattform von OpenRouter.
Das bedeutet, dass die Token-Daten von OpenRouter Unternehmenskunden mit hohem Volumen und BYOK-Vereinbarungen nicht erfassen. Gleichzeitig gewichtet es Teams stärker, die über OpenRouter-Guthaben zahlen.
Web-Besuche
Erfasst Besuche auf den Websites von KI-Produkten im Desktop- und mobilen Web anhand von Similarweb-Schätzungen.4Die Metrik zeigt, wie viele Menschen diese Produkte online aktiv besuchen, und gibt damit die webbasierte Nachfrage und Akzeptanz an. Sie misst keine Aktivität in der App.
Einschränkungen: Similarweb wendet Stichproben und Inferenz an, um Metriken wie die Gesamtbesuche zu erstellen, wodurch die Schätzungen eher richtungsweisend als exakt sind. Die Metrik kann außerdem private, unternehmensspezifische oder regional eingeschränkte Bereitstellungen unterrepräsentieren.
Schritt 3: Kategorisierung von KI-Anwendungen
Wir haben KI-Anwendungen anhand ihres primären Anwendungsfalls in Kategorien gruppiert. Obwohl 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 sich auf Konversationsinteraktion, logisches Denken und breite Aufgabenunterstützung konzentrieren. Diese Tools machen einen großen Anteil der verbraucherorientierten LLM-Nutzung aus und spielen eine zentrale Rolle bei Kundeninteraktionen.
- Programmier- und Codierungsassistenten: Codegenerierung, Debugging und Softwareentwicklungs-Workflows. Diese Kategorie ist eng mit der Nutzung in Unternehmen und der Produktivität von Entwicklern verbunden.
- Entwicklerplattformen und Tooling: Plattformen, die es Entwicklern und Unternehmen ermöglichen, KI-Anwendungen zu erstellen, bereitzustellen oder zu verwalten. Diese Tools sind von zentraler Bedeutung für die KI-Integration und werden häufig von Cloud-Anbietern und großen Unternehmen genutzt.
- Such- und Antwortmaschinen: Anwendungen, die für Informationsabruf und Synthese statt für offenen Chat optimiert sind. Diese Tools kombinieren oft Sprachmodelle mit Internetdaten, um eine höhere Genauigkeit zu erreichen.
- Vision und multimodale Generierung: Anwendungen, die sich auf Bild- und Videogenerierung oder -verständnis konzentrieren und häufig in der Inhaltserstellung und in medienbezogenen Branchen eingesetzt werden.
- Audio und Sprache: Tools, die sich auf Stimmgenerierung, Sprachinteraktion oder Audioverarbeitung konzentrieren.
- Gaming und interaktive KI: Anwendungen, die hauptsächlich für Unterhaltung, Rollenspiele oder interaktive Erlebnisse konzipiert sind.
Als bevorzugte Quelle hinzufügenFAQs
ChatGPT hält den größten Anteil an den Verbraucher-Web-Besuchen unter den KI-Anwendungen und macht Stand Juli 2026 etwa 53,8 % der Besuche auf den beobachteten Plattformen aus.
Auf Laborebene führt OpenAI beim Power-Index mit 62,6 %, was darauf zurückzuführen ist, dass seine Modelle sowohl in eigenen Produkten als auch in Anwendungen von Drittanbietern verwendet werden.
Ja. Die Web-Besuche von ChatGPT sanken zwischen Oktober 2025 und Juli 2026 um 20 %. Googles Gemini fing den größten Teil dieser Verschiebung auf und wuchs im selben Zeitraum von 14,4 % auf 26,5 % der Web-Besuche. Der Rückgang spiegelt zunehmenden Wettbewerb und nicht einen Einbruch der Nutzung wider, da die gesamten KI-Web-Besuche weiter zunahmen.
Auf die Vereinigten Staaten entfallen 85.5–90,5 % 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 die starke Nutzung von Modellen wie DeepSeek und Qwen durch Entwickler und Infrastruktur widerspiegelt.
Es gibt keinen einheitlichen Standard. Wir haben drei Signale verwendet: Web-Besuche von Similarweb, die Besuche auf KI-Anwendungen zählen; Entwicklernutzung ohne BYOK von OpenRouter, die Tokens zählt, die über das Entwickler-API-Routing verarbeitet werden.
Jede Metrik 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 Metrik 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 und Akzeptanz im Vergleich}},
year = {2026},
month = sep,
howpublished = {\url{https://aimultiple.com/llm-market-share}},
note = {AIMultiple. Abgerufen am 25. September 2026}
}Ergebnisse und Zeitstempel von 119.9 Tausend Datenpunkten. Laden Sie die Zusammenfassungsdaten aus den Diagrammen und Tabellen dieses Artikels als ZIP-Datei herunter, die 3 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.