Stand der KI

Unsere Analyse basiert auf Metadaten der OpenRouter -Plattform, einer einheitlichen KI-Inferenzschicht, die Nutzer und Entwickler mit Hunderten von großen Sprachmodellen verbindet. Jede Nutzeranfrage auf OpenRouter wird mit einem vom Nutzer ausgewählten Modell ausgeführt, und strukturierte Metadaten zum daraus resultierenden „Generierungsereignis“ werden protokolliert. Der in dieser Studie verwendete Datensatz besteht aus anonymisierten Metadaten auf Anfrageebene für Milliarden von Prompt-Completion-Paaren einer weltweiten Nutzerbasis und deckt etwa zwei Jahre bis zum Zeitpunkt der Erstellung ab. Dabei betrachten wir das letzte Jahr genauer.

Entscheidend ist, dass wir keinen Zugriff auf den zugrunde liegenden Text von Prompts oder Completions hatten. Unsere Analyse stützt sich ausschließlich auf Metadaten , die Struktur, Zeitpunkt und Kontext jeder Generierung erfassen, ohne Nutzerinhalte offenzulegen. Dieses datenschutzwahrende Design ermöglicht Verhaltensanalysen in großem Maßstab.

Jeder Generierungsdatensatz enthält Informationen zu Zeitabläufen, Modell- und Anbieterkennungen, Token-Nutzung und Systemleistungskennzahlen. Die Token-Zahlen umfassen sowohl Prompt-Token (Eingabe) als auch Completion-Token (Ausgabe), sodass wir die gesamte Modellauslastung und die Kosten messen können. Die Metadaten enthalten außerdem Felder zum geografischen Routing, zur Latenz und zum Nutzungskontext (zum Beispiel, ob die Anfrage gestreamt oder abgebrochen wurde oder ob Funktionen für Tool-Aufrufe verwendet wurden). Zusammen bieten diese Attribute einen detaillierten, aber nicht textuellen Einblick in die praktische Nutzung von Modellen.

Alle Analysen, Aggregationen und die meisten Visualisierungen auf Basis dieser Metadaten wurden mit der Analyseplattform Hex durchgeführt, die eine reproduzierbare Pipeline für versionierte SQL-Abfragen, Transformationen und die Erstellung der finalen Abbildungen bereitstellte.

Wir betonen, dass dieser Datensatz beobachtungsbasiert ist: Er spiegelt die tatsächliche Aktivität auf der OpenRouter-Plattform wider, die ihrerseits durch Modellverfügbarkeit, Preise und Nutzerpräferenzen geprägt wird. Stand 2025 unterstützt OpenRouter mehr als 300+ aktive Modelle von über 70 Anbietern und bedient Millionen von Entwicklern und Endnutzern, wobei über 50 % der Nutzung von außerhalb der Vereinigten Staaten stammen. Auch wenn bestimmte Nutzungsmuster außerhalb der Plattform nicht erfasst werden, machen die globale Reichweite und Vielfalt von OpenRouter die Plattform zu einem repräsentativen Einblick in die Dynamik der LLM-Nutzung im großen Maßstab.

Für diese Studie war kein direkter Zugriff auf Nutzer-Prompts oder Modellausgaben möglich. Stattdessen kategorisiert OpenRouter intern eine Zufallsstichprobe, die etwa 0,25 % aller Prompts und Antworten umfasst, mithilfe des nicht proprietären Moduls GoogleTagClassifier. Obwohl dies nur einen Bruchteil der gesamten Aktivität ausmacht, bleibt der zugrunde liegende Datensatz angesichts des gesamten von OpenRouter verarbeiteten Anfragevolumens beträchtlich. GoogleTagClassifier greift bei Google Cloud Natural Language auf die als classifyText bezeichnete API zur Inhaltsklassifizierung zu

Die API wendet eine hierarchische, sprachunabhängige Taxonomie auf Texteingaben an und gibt einen oder mehrere Kategoriepfade (z. B. /Computers & Electronics/Programming, /Arts & Entertainment/Roleplaying Games) mit entsprechenden Konfidenzwerten im Bereich [0,1] zurück. Der Klassifikator arbeitet direkt mit Prompt-Daten (bis zu den ersten 1.000 Zeichen). Der Klassifikator wird innerhalb der Infrastruktur von OpenRouter betrieben, wodurch sichergestellt wird, dass Klassifizierungen anonym bleiben und nicht mit einzelnen Kunden verknüpft werden. Kategorien mit Konfidenzwerten unter dem Standardschwellenwert von 0,5 werden von der weiteren Analyse ausgeschlossen. Das Klassifizierungssystem selbst arbeitet vollständig innerhalb der Infrastruktur von OpenRouter und war nicht Teil dieser Studie; unsere Analyse stützte sich ausschließlich auf die resultierenden kategorialen Ausgaben (im Wesentlichen Metadaten, die Prompt-Klassifizierungen beschreiben) und nicht auf die zugrunde liegenden Prompt-Inhalte.

Um diese feingranularen Labels in großem Maßstab nutzbar zu machen, ordnen wir die Taxonomie von GoogleTagClassifier einer kompakten Reihe von in der Studie definierten Gruppen zu und weisen jeder Anfrage Tags zu. Jeder Tag ist eindeutig einer übergeordneten Kategorie zugeordnet. Beispiele für solche Zuordnungen sind:

• Programmierung: aus /Computers & Electronics/Programming oder /Science/Computer Science/*
• Rollenspiel: aus /Games/Roleplaying Games und Blattkategorien für kreative Dialoge unter /Arts & Entertainment/*
• Übersetzung: aus /Reference/Language Resources/*
• Allgemeine Fragen und Antworten / Wissen: aus /Reference/General Reference/* und /News/* wenn die Absicht offenbar eine Faktensuche ist
• Produktivität/Schreiben: aus /Computers & Electronics/Software/Business & Productivity Software oder /Business & Industrial/Business Services/Writing & Editing Services
• Bildung: aus /Jobs & Education/Education/*
• Literatur/Kreatives Schreiben: aus /Books & Literature/* und narrative Blattkategorien unter /Arts & Entertainment/*
• Erwachseneninhalte: aus /Adult
• Sonstige: für die Vielzahl seltener Prompts, auf die keine vorherrschende Zuordnung zutrifft. (Hinweis: Wir lassen diese Kategorie in den meisten folgenden Analysen aus.)

Dieser Ansatz hat inhärente Grenzen, beispielsweise schränkt die Abhängigkeit von einer vordefinierten Taxonomie ein, wie neuartige oder domänenübergreifende Verhaltensweisen kategorisiert werden, und bestimmte Interaktionstypen lassen sich möglicherweise noch nicht eindeutig bestehenden Klassen zuordnen. In der Praxis erhalten manche Prompts mehrere Kategoriebezeichnungen, wenn ihre Inhalte sich überschneidende Domänen umfassen. Dennoch bietet uns die klassifikatorgestützte Kategorisierung eine Perspektive für nachgelagerte Analysen. So können wir nicht nur quantifizieren, wie intensiv LLMs genutzt werden, sondern auch, wofür.

Einige Varianten sind ausdrücklich hervorzuheben:

• Open Source vs. proprietär: Wir kennzeichnen Modelle als Open Source (der Einfachheit halber OSS) , wenn ihre Gewichte öffentlich verfügbar sind, und als Closed Source , wenn der Zugriff nur über eine eingeschränkte API möglich ist (z. B. Claude von Anthropic). Diese Unterscheidung ermöglicht es uns, die Verbreitung gemeinschaftlich entwickelter Modelle gegenüber proprietären Modellen zu messen.
• Herkunft (China vs. Rest der Welt): Angesichts des Aufstiegs chinesischer LLMs und ihrer eigenständigen Ökosysteme kennzeichnen wir Modelle nach dem primären Entwicklungsstandort. Chinesische Modelle umfassen Modelle, die von Organisationen in China, Taiwan oder Hongkong entwickelt wurden (z. B. Qwen von Alibaba, Kimi von Moonshot AI oder DeepSeek). RoW-Modelle (Rest der Welt) decken Nordamerika, Europa und andere Regionen ab.
• Prompt- vs. Completion-Token: Wir unterscheiden zwischen Prompt-Token, die den einem Modell bereitgestellten Eingabetext darstellen, und Completion-Token, die die vom Modell generierte Ausgabe darstellen. Token insgesamt entsprechen der Summe aus Prompt- und Completion-Token. Reasoning-Token stellen interne Denkschritte in Modellen mit nativen Reasoning-Fähigkeiten dar und zählen zu den Completion-Token.

Sofern nicht anders angegeben, bezeichnet Token-Volumen die Summe der Prompt-Token (Eingabe) und Completion-Token (Ausgabe).

Um regionale Muster bei der LLM-Nutzung zu verstehen, segmentieren wir Anfragen nach dem geografischen Standort der Nutzer. Direkte Anfrage-Metadaten (wie der IP-basierte Standort) sind in der Regel ungenau oder anonymisiert. Stattdessen bestimmen wir die Region der Nutzer anhand der Rechnungsadresse , die dem jeweiligen Konto zugeordnet ist. Dies bietet einen zuverlässigeren Indikator für den geografischen Standort der Nutzer, da die Rechnungsdaten das Land oder die Region widerspiegeln, die mit der Zahlungsmethode oder der Kontoregistrierung des Nutzers verknüpft sind. Wir verwenden diese rechnungsbasierte Segmentierung in unserer Analyse der regionalen Verbreitung und Modellpräferenzen.

Diese Methode hat Einschränkungen. Manche Nutzer verwenden die Abrechnung über Drittanbieter oder gemeinsam genutzte Organisationskonten, die möglicherweise nicht ihrem tatsächlichen Standort entsprechen. Enterprise-Konten können Aktivitäten aus mehreren Regionen unter einer einzigen Abrechnungseinheit zusammenfassen. Trotz dieser Unzulänglichkeiten bleibt der Abrechnungsstandort angesichts der Metadaten, auf die wir Zugriff hatten, der stabilste und am besten interpretierbare verfügbare Indikator für eine datenschutzwahrende geografische Analyse.

Unsere Analysen decken überwiegend einen rollierenden Zeitraum von 13 Monaten ab, der im November 2025 endet, aber nicht alle zugrunde liegenden Metadaten erstrecken sich über dieses gesamte Zeitfenster. Die meisten Analysen auf Modellebene und Preisanalysen konzentrierten sich auf den Zeitraum vom 3. November 2024 bis zum 30. November 2025. Analysen auf Kategorieebene (insbesondere solche, die die GoogleTagClassifier-Taxonomie verwenden) basieren jedoch auf einem kürzeren Zeitraum ab Mai 2025, da ab diesem Zeitpunkt eine konsistente Verschlagwortung auf OpenRouter verfügbar war. Insbesondere wurden detaillierte Felder zur Aufgabenklassifizierung (z. B. Tags wie Programmierung, Rollenspiel oder Technologie) erst Mitte 2025 hinzugefügt. Folglich sollten alle Ergebnisse im Abschnitt Kategorien als repräsentativ für die Nutzung um die Jahresmitte 2025 und nicht für das gesamte vorangegangene Jahr interpretiert werden.

Sofern nicht anders angegeben, werden alle Zeitreihenaggregate wöchentlich anhand UTC-normalisierter Zeitstempel berechnet, wobei Prompt- und Completion-Token summiert werden. Dieser Ansatz gewährleistet die Vergleichbarkeit zwischen Modellfamilien und minimiert Verzerrungen durch vorübergehende Spitzen oder regionale Zeitzoneneffekte.

Die folgende Tabelle ordnet die führenden Modellfamilien in unserem Datensatz nach dem insgesamt verarbeiteten Token-Volumen. Die Landschaft der OSS-Modelle hat sich im letzten Jahr erheblich verändert: Während DeepSeek nach Volumen weiterhin den größten einzelnen OSS-Beitrag leistet, hat seine Dominanz nachgelassen, da neue Akteure rasch an Boden gewinnen. Heute weisen mehrere Open-Source-Modellfamilien jeweils eine anhaltend hohe Nutzung auf, was auf ein diversifiziertes Ökosystem hindeutet.

Diese Abbildung veranschaulicht die drastische Entwicklung der Marktanteile der führenden einzelnen Open-Source-Modelle von Woche zu Woche. Zu Beginn des Zeitraums (Ende 2024) war der Markt stark konzentriert: Zwei Modelle aus der DeepSeek-Familie (V3 und R1) machten durchgehend mehr als die Hälfte der gesamten OSS-Token-Nutzung aus und bildeten die großen, dunkelblauen Bänder am unteren Rand des Diagramms.

Diese Beinahe-Monopolstruktur zerbrach nach dem Wendepunkt im Sommer (Mitte 2025). Seitdem ist der Markt sowohl breiter als auch tiefer geworden, und die Nutzung hat sich deutlich diversifiziert. Neue Marktteilnehmer wie die Modelle von Qwen, M2 von Minimax, MoonshotAIs Kimi K2 und OpenAIs GPT-OSS-Serie wuchsen allesamt rasch und bedienten bald erhebliche Anteile der Anfragen, wobei sie oft innerhalb weniger Wochen nach der Veröffentlichung im Produktionsmaßstab eingesetzt wurden. Dies zeigt, dass die Open-Source-Community und KI-Startups durch die Einführung von Modellen mit neuartigen Fähigkeiten oder überlegener Effizienz schnell Akzeptanz erreichen können.

Bis Ende 2025 hatte sich das Wettbewerbsgefüge von einem Beinahe-Monopol zu einer pluralistischen Mischung verschoben. Kein einzelnes Modell kommt auf mehr als 25 % der OSS-Token, und der Token-Anteil verteilt sich nun gleichmäßiger auf fünf bis sieben Modelle. In der Praxis bedeutet dies, dass Nutzer in einer breiteren Auswahl an Optionen einen Mehrwert finden, anstatt standardmäßig eine „beste“ Option zu wählen. Obwohl diese Abbildung die relativen Anteile unter OSS-Modellen zeigt (nicht das absolute Volumen), ist der klare Trend eine deutliche Verschiebung hin zu einer Fragmentierung des Marktes und einem verstärkten Wettbewerb innerhalb des Open-Source-Ökosystems.

Insgesamt ist das Ökosystem der Open-Source-Modelle inzwischen äußerst dynamisch. Zu den wichtigsten Erkenntnissen gehören:

• Vielfalt an der Spitze: Wo einst eine Familie (DeepSeek) die OSS-Nutzung dominierte, sehen wir nun zunehmend ein halbes Dutzend Modelle, die jeweils einen nennenswerten Anteil halten. Kein einzelnes offenes Modell hält dauerhaft mehr als ≈20–25 % der OSS-Token.
• Schnelle Skalierung neuer Marktteilnehmer: Leistungsfähige neue offene Modelle können innerhalb von Wochen erhebliche Nutzungsanteile gewinnen. Beispielsweise wuchsen die Modelle von MoonshotAI schnell zu Rivalen früherer OSS-Spitzenreiter heran, und selbst ein Neuling wie MiniMax gelangte innerhalb eines einzigen Quartals von null zu beträchtlichem Datenverkehr. Dies deutet auf geringe Wechselhürden und eine experimentierfreudige Nutzerbasis hin.
• Vorteil durch Iteration: Die langanhaltende Präsenz von DeepSeek an der Spitze unterstreicht, dass kontinuierliche Verbesserung entscheidend ist. Die aufeinanderfolgenden Veröffentlichungen von DeepSeek (Chat-V3, R1 usw.) hielten es auch beim Aufkommen neuer Herausforderer wettbewerbsfähig. OSS-Modelle, deren Entwicklung stagniert, verlieren tendenziell Anteile an Modelle mit häufigen Updates auf Spitzenniveau oder domänenspezifischen Feinabstimmungen.

Die Open-Source-LLM-Landschaft gleicht heute im Jahr 2025 einem wettbewerbsintensiven Ökosystem, in dem Innovationszyklen kurz sind und eine Führungsposition nicht garantiert ist. Für Modellentwickler bedeutet dies, dass die Veröffentlichung eines offenen Modells mit Leistung auf dem neuesten Stand der Technik zu einer sofortigen Verbreitung führen kann, die Aufrechterhaltung des Nutzungsanteils jedoch kontinuierliche Investitionen in die Weiterentwicklung erfordert. Für Nutzer und Anwendungsentwickler ist der Trend positiv: Es steht eine größere Auswahl an offenen Modellen zur Verfügung, deren Fähigkeiten in bestimmten Bereichen (wie Rollenspielen) oft mit denen proprietärer Systeme vergleichbar oder ihnen manchmal sogar überlegen sind.

Vor einem Jahr war das Ökosystem der Open-Source-Modelle weitgehend von Kompromissen zwischen zwei Extremen geprägt: einer Vielzahl kleiner, schneller Modelle und einer Handvoll leistungsstarker, großer Modelle. Ein Rückblick auf das vergangene Jahr zeigt jedoch eine deutliche Reifung des Marktes und das Aufkommen einer neuen, wachsenden Kategorie: der mittelgroßen Modelle. Bitte beachten Sie, dass wir Modelle anhand ihrer Parameteranzahl wie folgt kategorisieren:

• Klein: Modelle mit weniger als 15 Milliarden Parametern.
• Mittel: Modelle mit 15 Milliarden bis 70 Milliarden Parametern.
• Groß: Modelle mit 70 Milliarden oder mehr Parametern.

Die Daten zum Verhalten von Entwicklern und Nutzern zeichnen ein differenziertes Bild. Die Zahlen zeigen, dass zwar die Anzahl der Modelle in allen Kategorien gestiegen ist, sich die Modell nutzung jedoch deutlich verlagert hat. Kleine Modelle verlieren an Beliebtheit, während mittlere und große Modelle diesen Wert für sich gewinnen.

Ein genauerer Blick auf die Modelle, die diese Trends vorantreiben, offenbart unterschiedliche Marktdynamiken:

• Der Markt für „kleine“ Modelle: insgesamt rückläufige Nutzung. Trotz eines stetigen Angebots an neuen Modellen sinkt der Nutzungsanteil der Kategorie kleiner Modelle insgesamt. Diese Kategorie zeichnet sich durch eine starke Fragmentierung aus. Kein einzelnes Modell hält lange eine dominante Position, und ständig kommen neue Modelle verschiedener Anbieter wie Meta, Google, Mistral und DeepSeek hinzu. Beispielsweise fand Google Gemma 3.12B (veröffentlicht im August 2025) schnell Verbreitung, konkurriert jedoch in einem dicht besetzten Feld, in dem Nutzer ständig nach der nächstbesten Alternative suchen.
• Der Markt für „mittlere“ Modelle: auf der Suche nach dem „Model-Market Fit“. Die Kategorie mittlerer Modelle zeigt deutlich, wie ein Markt entsteht. Das Segment selbst war unbedeutend bis zur Veröffentlichung von Qwen2.5 Coder 32B im November 2024, wodurch diese Kategorie faktisch etabliert wurde. Dieses Segment entwickelte sich dann mit dem Aufkommen weiterer starker Konkurrenten wie Mistral Small 3 (Januar 2025) und GPT-OSS 20B (August 2025) zu einem wettbewerbsintensiven Ökosystem, in dem diese Modelle die Aufmerksamkeit der Nutzer gewannen. Dieses Segment zeigt, dass Nutzer ein Gleichgewicht zwischen Leistungsfähigkeit und Effizienz suchen.
• Das Segment „großer“ Modelle: eine pluralistische Landschaft. Die „Flucht in die Qualität“ hat nicht zur Konsolidierung, sondern zur Diversifizierung geführt. Die Kategorie großer Modelle umfasst inzwischen eine Reihe leistungsstarker Konkurrenten von Qwen3 235B A22B Instruct (veröffentlicht im Juli 2025) und Z.AI GLM 4.5 Air bis hin zu OpenAI: GPT-OSS-120B (5. August): Jedes davon verzeichnet eine erhebliche und anhaltende Nutzung. Dieser Pluralismus deutet darauf hin, dass Nutzer aktiv mehrere offene große Modelle anhand von Benchmarks vergleichen, statt sich auf einen einzigen Standard zu einigen.

Die Ära, in der kleine Modelle das Open-Source-Ökosystem dominieren, könnte vorbei sein. Der Markt teilt sich nun in zwei Lager auf, wobei Nutzer entweder zu einer neuen, robusten Klasse mittelgroßer Modelle tendieren oder ihre Workloads auf dem einen leistungsfähigsten großen Modell konsolidieren.

Open-Source-Modelle werden heute für ein bemerkenswert breites Aufgabenspektrum in kreativen, technischen und informationsbezogenen Bereichen eingesetzt. Während proprietäre Modelle bei strukturierten Geschäftsaufgaben weiterhin dominieren, haben OSS-Modelle in zwei bestimmten Bereichen eine Führungsposition erlangt: kreatives Rollenspiel und Programmierunterstützung. Zusammen machen diese Kategorien den Großteil der OSS-Token-Nutzung aus.

Die obige Abbildung zeigt, dass mehr als die Hälfte der gesamten OSS-Modellnutzung auf die Kategorie „ Rollenspiel“ entfällt, mit Programmierung als zweitgrößter Kategorie. Dies deutet darauf hin, dass Nutzer offene Modelle hauptsächlich für kreative interaktive Dialoge (wie gemeinsames Geschichtenerzählen, Charakterrollenspiele und Spielszenarien) sowie für Programmieraufgaben verwenden. Die Dominanz von Rollenspielen (mit einem Anteil von über 50 % aller OSS-Token) unterstreicht einen Anwendungsfall, in dem offene Modelle einen Vorteil haben: Sie lassen sich für kreative Zwecke nutzen und werden oft weniger durch Inhaltsfilter eingeschränkt, was sie für Fantasy- oder Unterhaltungsanwendungen attraktiv macht. Rollenspielaufgaben erfordern flexible Antworten, die Beibehaltung des Kontexts und emotionale Nuancen – Eigenschaften, die offene Modelle effektiv bieten können, ohne durch kommerzielle Sicherheits- oder Moderationsebenen stark eingeschränkt zu werden. Dies macht sie besonders attraktiv für Communitys, die mit charakterbasierten Erlebnissen, Fanfiction, interaktiven Spielen und Simulationsumgebungen experimentieren.

Die obige Abbildung zeigt die Aufschlüsselung nach Kategorien im Zeitverlauf, wenn wir nur chinesische OSS-Modelle betrachten. Diese Modelle werden nicht mehr hauptsächlich für kreative Aufgaben verwendet. Rollenspiel bleibt mit rund 33 % die größte Kategorie, aber Programmierung und Technologie machen zusammen inzwischen die Mehrheit der Nutzung aus (39 %). Diese Verschiebung deutet darauf hin, dass Modelle wie Qwen und DeepSeek zunehmend für Codegenerierung und infrastrukturbezogene Workloads verwendet werden. Während Unternehmensnutzer mit hohem Nutzungsvolumen einzelne Segmente beeinflussen können, deutet der Gesamttrend darauf hin, dass chinesische OSS-Modelle in technischen und produktivitätsbezogenen Bereichen direkt konkurrieren.

Wenn wir nur die Kategorie Programmierung genauer betrachten, sehen wir, dass proprietäre Modelle insgesamt weiterhin den Großteil der Programmierunterstützung übernehmen (der graue Bereich), was starke Angebote wie Claude von Anthropic widerspiegelt. Innerhalb des OSS-Anteils gab es jedoch einen bemerkenswerten Wandel: Mitte 2025 lieferten chinesische OSS-Modelle (blau) den Großteil der Open-Source-Programmierhilfe (angetrieben durch frühe Erfolge wie Qwen 3 Coder). Bis Q4 2025 hatten westliche OSS-Modelle (orange) wie LLaMA-2 Code von Meta und die GPT-OSS-Serie von OpenAI stark zugelegt, ihr Gesamtanteil ging jedoch in den letzten Wochen zurück. Dieses Auf und Ab deutet auf ein sehr wettbewerbsintensives Umfeld hin. Die praktische Erkenntnis ist, dass die Nutzung von Open-Source-Programmierassistenten dynamisch ist und stark auf die Qualität neuer Modelle reagiert: Entwickler sind offen für das OSS-Modell, das aktuell die beste Programmierunterstützung bietet. Als Einschränkung ist zu beachten, dass diese Abbildung keine absoluten Volumina zeigt: Die Nutzung von Open-Source-Programmierhilfe ist insgesamt gewachsen, sodass ein schrumpfendes blaues Band nicht bedeutet, dass chinesische OSS-Modelle Nutzer verloren haben, sondern nur relativen Anteil.

Wenn wir nun nur den Rollenspiel-Traffic betrachten, sehen wir, dass er inzwischen fast zu gleichen Teilen von OSS-Modellen aus dem Rest der Welt (orange, 43 % in den letzten Wochen) und Closed-Source-Modellen (grau, zuletzt bei ~42 %) bedient wird. Dies stellt eine deutliche Verschiebung gegenüber früher im Jahr 2025 dar, als die Kategorie von proprietären Modellen (grau) dominiert wurde, die etwa 70 % des Token-Anteils hielten. Zu diesem Zeitpunkt (Mai 2025) entfielen auf westliche OSS-Modelle nur ~22 % des Traffics, und chinesische OSS-Modelle (blau) hielten einen kleinen Anteil von ~8 %. Im Laufe des Jahres ging der proprietäre Anteil stetig zurück. Bis Ende Oktober 2025 beschleunigte sich dieser Trend, da sowohl westliche als auch chinesische Open-Source-Modelle deutlich an Boden gewannen.

Die daraus resultierende Annäherung deutet auf einen gesunden Wettbewerb hin; Nutzer haben sowohl unter offenen als auch unter proprietären Angeboten praktikable Optionen für kreative Chats und das Erzählen von Geschichten. Dies zeigt, dass Entwickler die Nachfrage nach Rollenspiel- und Chatmodellen erkennen und ihre Veröffentlichungen darauf zugeschnitten haben (z. B. durch Feinabstimmung anhand von Dialogen und zusätzliches Alignment für konsistente Charaktere). Dabei ist zu beachten, dass „Rollenspiel“ eine Reihe von Untergenres abdeckt (von zwanglosen Chats bis hin zu komplexen Spielszenarien). Aus übergeordneter Perspektive ist jedoch klar, dass OSS-Modelle in diesem kreativen Bereich einen Vorteil haben.

Interpretation. Im OSS-Ökosystem sind die wichtigsten Anwendungsfälle insgesamt: Rollenspiele und kreative Dialoge: die führende Kategorie, vermutlich weil offene Modelle unzensiert sein können oder sich leichter für fiktive Rollen und Geschichten anpassen lassen. Programmierunterstützung: die zweitgrößte Kategorie, die weiter wächst, da offene Modelle beim Programmieren leistungsfähiger werden. Viele Entwickler nutzen OSS-Modelle lokal zum Programmieren, um API-Kosten zu vermeiden. Übersetzung und mehrsprachige Unterstützung: ein beständiger Anwendungsfall, insbesondere angesichts der verfügbaren leistungsfähigen zweisprachigen Modelle (chinesische OSS-Modelle haben hier einen Vorteil). Allgemeine Wissensfragen und Bildung: mäßige Nutzung; obwohl offene Modelle Fragen beantworten können, bevorzugen Nutzer für höchste sachliche Genauigkeit möglicherweise geschlossene Modelle wie GPT-5 .

Bemerkenswert ist, dass das OSS-Nutzungsmuster mit seinem starken Fokus auf Rollenspiele dem entspricht, was viele mit „Enthusiasten“ oder „unabhängigen Entwicklern“ verbinden dürften – Bereichen, in denen Anpassbarkeit und Kosteneffizienz wichtiger sind als absolute Genauigkeit. Die Grenzen verschwimmen jedoch: OSS-Modelle verbessern sich rasch in technischen Bereichen, und auch proprietäre Modelle werden kreativ eingesetzt.

Wie die obige Abbildung zeigt, stieg der Anteil der gesamten Token, die über für Schlussfolgerungen optimierte Modelle geroutet wurden, im Jahr 2025 stark an. Was zu Beginn des ersten Quartals praktisch einen vernachlässigbaren Teil der Nutzung ausmachte, liegt nun bei über fünfzig Prozent. Diese Verschiebung spiegelt beide Seiten des Marktes wider. Auf der Angebotsseite hat die Veröffentlichung leistungsfähigerer Systeme wie GPT-5, Claude 4.5 und Gemini 3 die Erwartungen der Nutzer an schrittweises Schlussfolgern erweitert. Auf der Nachfrageseite bevorzugen Nutzer zunehmend Modelle, die den Aufgabenstatus verwalten, mehrstufiger Logik folgen und agentenbasierte Workflows unterstützen können, anstatt lediglich Text zu generieren.

Die obige Abbildung zeigt die führenden Modelle, die diesen Wandel vorantreiben. In den jüngsten Daten entfällt auf xAIs Grok Code Fast 1 inzwischen der größte Anteil des Reasoning-Traffics (ohne kostenlosen Zugang zur Markteinführung), vor Googles Gemini 2.5 Pro und Gemini 2.5 Flash. Dies ist eine bemerkenswerte Veränderung gegenüber der Situation vor nur wenigen Wochen, als Gemini 2.5 Pro die Kategorie anführte und DeepSeek R1 und Qwen3 ebenfalls zur Spitzengruppe gehörten. Grok Code Fast 1 und Grok 4 Fast haben schnell Anteile gewonnen, unterstützt durch xAIs offensive Einführung, wettbewerbsfähige Preise und die Aufmerksamkeit von Entwicklern für die codeorientierten Varianten. Gleichzeitig unterstreicht die anhaltende Präsenz offener Modelle wie OpenAIs gpt-oss-120b , dass Entwickler nach wie vor auf OSS zurückgreifen, wenn dies möglich ist. Insgesamt verdeutlicht diese Mischung, wie dynamisch die Reasoning-Landschaft geworden ist, wobei schnelle Modellwechsel bestimmen, welche Systeme reale Workloads dominieren.

Die Daten führen zu einem klaren Schluss: Reasoning-orientierte Modelle werden zum Standard für reale Workloads, und der Anteil der über sie verarbeiteten Token ist mittlerweile ein Frühindikator dafür, wie Nutzer mit KI-Systemen interagieren möchten.

In der obigen Abbildung zeigen wir den Anteil aller Token aus Anfragen, deren Beendigungsgrund ein Tool-Aufruf war. Diese Kennzahl ist normalisiert und erfasst nur Interaktionen, bei denen tatsächlich ein Tool aufgerufen wurde.

Dies steht im Gegensatz zum Eingabe-Tool -Signal, das erfasst, ob dem Modell während einer Anfrage ein Tool bereitgestellt wurde (unabhängig von dessen Aufruf). Die Anzahl der Eingabe-Tools ist definitionsgemäß höher als die Anzahl der Beendigungsgründe für Tool-Aufrufe, da die Bereitstellung eine Obermenge der erfolgreichen Ausführung ist. Während die Beendigungsgrund-Metrik die tatsächliche Tool-Nutzung misst, spiegelt Eingabe-Tool die potenzielle Verfügbarkeit und nicht den tatsächlichen Aufruf wider. Da diese Metrik erst im September 2025 eingeführt wurde, berichten wir in dieser Studie nicht darüber.

Der deutliche Anstieg im Mai in der obigen Abbildung war größtenteils auf ein einzelnes großes Konto zurückzuführen, dessen Aktivität das Gesamtvolumen kurzzeitig erhöhte. Abgesehen von dieser Anomalie zeigte die Tool-Nutzung das ganze Jahr über einen stetigen Aufwärtstrend.

Wie die obige Abbildung zeigt, konzentrierten sich Tool-Aufrufe anfangs auf eine kleine Gruppe von Modellen: OpenAIs gpt-4o-mini und Anthropics Claude 3.5 und 3.7 -Serien, die zusammen Anfang 2025 den Großteil der Token mit Tool-Unterstützung ausmachten. Bis zur Jahresmitte unterstützte jedoch eine breitere Auswahl an Modellen die Bereitstellung von Tools, was ein wettbewerbsintensiveres und vielfältigeres Ökosystem widerspiegelt. Ab Ende September gewann das neuere Modell Claude 4.5 Sonnet rasch an Anteil. Gleichzeitig haben neuere Modelle wie Grok Code Fast und GLM 4.5 sichtbar Fuß gefasst, was breitere Experimente und eine stärkere Diversifizierung beim Einsatz von Modellen mit Tool-Unterstützung widerspiegelt.

Für Betreiber ist die Schlussfolgerung klar: Die Unterstützung der Tool-Nutzung gewinnt für hochwertige Workflows an Bedeutung. Modelle ohne zuverlässige Tool-Formate laufen Gefahr, bei der Einführung in Unternehmen und in Orchestrierungsumgebungen zurückzufallen.

Die Art der Modell-Workloads hat sich im vergangenen Jahr deutlich verändert. Sowohl das Volumen der Prompt-Token (Eingabe) als auch das der Completion-Token (Ausgabe) ist stark gestiegen, wenn auch in unterschiedlichem Umfang und mit unterschiedlichen Wachstumsraten. Die durchschnittliche Anzahl der Prompt-Token pro Anfrage hat sich von etwa 1,5 Tsd. auf über 6 Tsd. ungefähr vervierfacht, während sich die Completions von etwa 150 auf 400 Token nahezu verdreifacht haben. Das relative Ausmaß des Wachstums verdeutlicht eine klare Verschiebung hin zu komplexeren, kontextreicheren Workloads.

Dieses Muster spiegelt ein neues Gleichgewicht in der Modellnutzung wider. Bei der typischen Anfrage geht es heute weniger um offene Generierung („Schreiben Sie mir einen Aufsatz“), sondern vielmehr darum, umfangreiches, vom Nutzer bereitgestelltes Material wie Codebasen, Dokumente, Transkripte oder lange Unterhaltungen durch logisches Schlussfolgern zu analysieren und prägnante, wertvolle Erkenntnisse zu gewinnen. Modelle fungieren zunehmend als analytische Systeme statt als kreative Generatoren.

Daten auf Kategorieebene (erst seit Frühjahr 2025 verfügbar) liefern ein differenzierteres Bild: Programmier-Workloads sind der wichtigste Treiber des Wachstums bei Prompt-Token. Anfragen zum Codeverständnis, zur Fehlerbehebung und zur Codegenerierung überschreiten regelmäßig 20K Eingabe-Token, während alle anderen Kategorien relativ konstant und auf niedrigem Niveau bleiben. Dieser ungleichmäßige Beitrag deutet darauf hin, dass die jüngste Zunahme der Prompt-Größe kein einheitlicher Trend über alle Aufgaben hinweg ist, sondern ein konzentrierter Anstieg im Zusammenhang mit Anwendungsfällen in der Softwareentwicklung und beim technischen Schlussfolgern.

Die Sequenzlänge ist ein Näherungswert für die Aufgabenkomplexität und Interaktionstiefe. Die obige Abbildung zeigt, dass sich die durchschnittliche Sequenzlänge in den vergangenen 20 Monaten von unter 2.000 Token Ende 2023 auf über 5.400 Ende 2025 mehr als verdreifacht hat. Dieses Wachstum spiegelt einen strukturellen Wandel hin zu längeren Kontextfenstern, einem umfangreicheren Aufgabenverlauf und ausführlicheren Completions wider.

Wie im vorherigen Abschnitt erläutert, schafft die zweite Abbildung zusätzliche Klarheit: Programmierbezogene Prompts haben inzwischen im Durchschnitt die 3–4-fache Token-Länge allgemeiner Prompts. Die Abweichung deutet darauf hin, dass Workflows in der Softwareentwicklung die Haupttreiber längerer Interaktionen sind. Lange Sequenzen sind nicht nur Ausdruck der Ausführlichkeit der Nutzer: Sie sind ein Kennzeichen eingebetteter, anspruchsvollerer agentischer Workflows.

Zusammen deuten diese Trends (steigender Reasoning-Anteil, erweiterte Tool-Nutzung, längere Sequenzen und die überproportionale Komplexität der Programmierung) darauf hin, dass sich der Schwerpunkt der LLM-Nutzung verschoben hat. Die typische LLM-Anfrage ist keine einfache Frage oder isolierte Anweisung mehr. Stattdessen ist sie Teil einer strukturierten, agentenähnlichen Schleife, die externe Tools aufruft, Zustände durch Reasoning verarbeitet und über längere Kontexte hinweg fortbesteht.

Für Modellanbieter steigen damit die Anforderungen an die standardmäßigen Funktionen. Latenz, Tool-Verarbeitung, Kontextunterstützung und Robustheit gegenüber fehlerhaften oder adversarialen Tool-Ketten werden zunehmend entscheidend. Für Infrastrukturbetreiber gilt, dass Inferenzplattformen nun nicht nur zustandslose Anfragen, sondern auch lang laufende Konversationen, Ausführungsspuren und berechtigungssensitive Tool-Integrationen verwalten müssen. Schon bald, wenn nicht bereits jetzt, wird agentische Inferenz den Großteil der Inferenz ausmachen.

Programmierung hat sich über alle Modelle hinweg zur Kategorie mit dem beständigsten Wachstum entwickelt. Der Anteil programmierbezogener Anfragen ist im Laufe des Jahres 2025 stetig gewachsen, parallel zum Aufstieg LLM-gestützter Entwicklungsumgebungen und Tool-Integrationen. Wie die obige Abbildung zeigt, machten Programmieranfragen Anfang 2025 etwa 11 % des gesamten Token-Volumens aus und überschritten in den letzten Wochen 50 %. Dieser Trend spiegelt eine Verlagerung von explorativer oder dialogorientierter Nutzung hin zu praktischen Aufgaben wie Codegenerierung, Debugging und Skripterstellung für die Datenverarbeitung wider. Mit der Einbindung von LLMs in Entwickler-Workflows wird ihre Rolle als Programmierwerkzeuge zunehmend selbstverständlich. Diese Entwicklung hat Auswirkungen auf die Modellentwicklung, darunter ein stärkerer Fokus auf codezentrierte Trainingsdaten, eine verbesserte Reasoning-Tiefe für mehrstufige Programmieraufgaben und engere Feedbackschleifen zwischen Modellen und integrierten Entwicklungsumgebungen.

Diese wachsende Nachfrage nach Programmierunterstützung verändert die Wettbewerbsdynamik zwischen den Modellanbietern. Wie die folgende Abbildung zeigt, hat die Claude-Serie von Anthropic die Kategorie durchgehend dominiert und machte über den größten Teil des beobachteten Zeitraums mehr als 60 % der programmierbezogenen Ausgaben aus. Dennoch hat sich die Landschaft deutlich weiterentwickelt. In der Woche vom 17. November fiel der Anteil von Anthropic erstmals unter die Schwelle von 60 %. Seit Juli hat OpenAI seinen Anteil von rund 2 % auf etwa 8 % in den letzten Wochen ausgebaut, was wahrscheinlich einen erneuten Fokus auf entwicklerorientierte Workloads widerspiegelt. Im selben Zeitraum blieb der Anteil von Google mit etwa 15 % stabil. Auch das mittlere Segment ist in Bewegung. Open-Source-Anbieter wie Z.AI, Qwen und Mistral AI gewinnen stetig an Aufmerksamkeit. Insbesondere MiniMax hat sich als schnell aufsteigender Neueinsteiger etabliert und verzeichnete in den letzten Wochen deutliche Zuwächse.

Insgesamt ist Programmierung zu einer der am stärksten umkämpften und strategisch wichtigsten Modellkategorien geworden. Sie zieht anhaltend die Aufmerksamkeit führender Forschungslabore auf sich, und selbst geringfügige Änderungen der Modellqualität oder Latenz können die Anteile von Woche zu Woche verschieben. Für Infrastrukturanbieter und Entwickler unterstreicht dies die Notwendigkeit kontinuierlicher Leistungstests und Evaluierungen, insbesondere da sich die Leistungsgrenze ständig weiterentwickelt.

Die obigen Abbildungen schlüsseln die LLM-Nutzung nach den zwölf häufigsten Inhaltskategorien auf und zeigen die interne Unterthemenstruktur jeder Kategorie. Eine zentrale Erkenntnis ist, dass die meisten Kategorien nicht gleichmäßig verteilt sind: Sie werden von einem oder zwei wiederkehrenden Nutzungsmustern dominiert, die häufig eine konzentrierte Nutzerabsicht oder eine Übereinstimmung mit den Stärken von LLMs widerspiegeln.

Unter den Kategorien mit dem höchsten Volumen zeichnet sich Rollenspiel durch Beständigkeit und Spezialisierung aus. Fast 60 % der Rollenspiel-Token fallen unter „ Spiele/Rollenspiele“, was darauf hindeutet, dass Nutzer LLMs weniger als zwanglose Chatbots und mehr als strukturierte Rollenspiel- oder Charakter-Engines betrachten. Dies wird durch die Präsenz von Ressourcen für Autoren (15,6 %) und Erwachsenen inhalten (15,4 %) weiter untermauert, was auf eine Mischung aus interaktiver Fiktion, Szenariogenerierung und persönlichen Fantasien hinweist. Entgegen der Annahme, dass Rollenspiel überwiegend aus informellen Dialogen besteht, zeigen die Daten einen klar definierten und reproduzierbaren, genrebasierten Anwendungsfall.

Programmierung ist ähnlich ungleich verteilt, wobei über zwei Drittel des Datenverkehrs als Programmierung/Sonstiges gekennzeichnet sind. Dies verdeutlicht den breiten und allgemeinen Charakter codebezogener Prompts: Nutzer konzentrieren sich nicht eng auf bestimmte Tools oder Sprachen, sondern fragen LLMs nach allem von der Fehlersuche in der Logik bis zum Entwerfen von Skripten. Allerdings weisen Entwicklungstools (26,4 %) und geringe Anteile von Skriptsprachen auf eine aufkommende Spezialisierung hin. Diese Fragmentierung zeigt eine Möglichkeit für Modellentwickler auf, die Kennzeichnung oder das Training im Hinblick auf strukturierte Programmierabläufe zu verbessern.

Abseits der dominierenden Kategorien Rollenspiel und Programmierung bilden die übrigen Bereiche ein vielfältiges, aber weniger stark genutztes Spektrum der LLM-Nutzung. Obwohl sie einzeln kleiner sind, zeigen sie wichtige Muster der Interaktion von Nutzern mit Modellen bei spezialisierten und neuartigen Aufgaben. Beispielsweise weisen Übersetzung, Wissenschaft und Gesundheit eine relativ flache interne Struktur auf. Bei Übersetzungen verteilt sich die Nutzung nahezu gleichmäßig auf Fremdsprachliche Ressourcen (51,1 %) und Sonstiges, was auf breit gestreute Bedürfnisse hindeutet: mehrsprachiges Nachschlagen, Umformulierungen und gelegentliche Sprachwechsel statt fortlaufender Übersetzung ganzer Dokumente. Die Wissenschaft wird von einem einzigen Tag dominiert: Maschinelles Lernen & KI (80,4 %), was darauf hindeutet, dass die meisten wissenschaftlichen Anfragen Metafragen zur KI betreffen und nicht allgemeine MINT-Themen wie Physik oder Biologie. Dies spiegelt entweder das Nutzerinteresse oder Modellstärken wider, die auf selbstreferenzielle Fragestellungen ausgerichtet sind.

Gesundheit ist dagegen die am stärksten fragmentierte der führenden Kategorien, wobei kein Untertag mehr als 25 % ausmacht. Die Token verteilen sich auf medizinische Forschung, Beratungsdienste, Behandlungshinweise und diagnostische Abfragen. Diese Vielfalt verdeutlicht die Komplexität des Bereichs, aber auch die Herausforderung, ihn sicher zu modellieren: LLMs müssen stark variierende Nutzerabsichten abdecken, häufig in sensiblen Kontexten, ohne klare Konzentration auf einen einzelnen Anwendungsfall.

Was diese Long-Tail-Kategorien verbindet, ist ihre Breite: Nutzer wenden sich für explorative, locker strukturierte oder hilfesuchende Interaktionen an LLMs, jedoch ohne die fokussierten Arbeitsabläufe, die beim Programmieren oder bei persönlichen Assistenten zu sehen sind. Zusammengenommen dominieren diese sekundären Kategorien zwar möglicherweise nicht das Volumen, deuten aber auf eine latente Nachfrage hin. Sie zeigen, dass LLMs in den Randbereichen vieler Fachgebiete eingesetzt werden, von Übersetzungen über medizinische Orientierung bis hin zur KI-Introspektion, und dass sich diese verstreuten Nutzungsabsichten mit zunehmender fachlicher Robustheit und besserer Tool-Integration der Modelle zu klareren Anwendungen mit höherem Volumen verdichten könnten.

Im Gegensatz dazu sind Finanzwesen, Wissenschaft und Recht deutlich stärker gestreut. Im Finanzwesen verteilt sich das Volumen auf Devisenhandel, sozial verantwortliches Investieren sowie Wirtschaftsprüfung/Buchhaltung: Kein einzelnes Tag überschreitet 20 %. Der Rechtsbereich zeigt eine ähnliche Entropie, wobei sich die Nutzung auf Regierung/Sonstiges (43,0 %) und Recht/Sonstiges (17,8 %) verteilt. Diese Fragmentierung könnte die Komplexität dieser Bereiche widerspiegeln oder schlicht den Mangel an gezielten LLM-Workflows für diese Bereiche im Vergleich zu ausgereifteren Kategorien wie Programmierung und Chat.

Die Daten legen nahe, dass die reale LLM-Nutzung nicht durchweg explorativ ist: Sie konzentriert sich stark auf eine kleine Gruppe wiederholbarer Aufgaben mit hohem Volumen. Rollenspiel, Programmierung und persönliche Assistenz weisen jeweils eine klare Struktur und dominante Tags auf. Die Bereiche Wissenschaft, Gesundheit und Recht sind dagegen diffuser und wahrscheinlich unzureichend optimiert. Diese internen Verteilungen können als Orientierung für Modelldesign, domänenspezifisches Fine-Tuning und Schnittstellen auf Anwendungsebene dienen, insbesondere bei der Ausrichtung von LLMs auf Nutzerziele.

Modelle verschiedener Autoren werden in unterschiedlichen Nutzungsmustern eingesetzt. Die folgenden Abbildungen zeigen die Verteilung der Inhaltskategorien für die wichtigsten Modellfamilien (Claude von Anthropic, die Modelle von Google, die GPT-Serie von OpenAI, DeepSeek und Qwen). Jeder Balken stellt 100 % der Token-Nutzung des jeweiligen Anbieters dar, aufgeschlüsselt nach den häufigsten Tags.

Claude von Anthropic wird überwiegend für Anwendungen in den Bereichen Programmierung + Technologie genutzt, die zusammen über 80 % seiner Nutzung ausmachen. Rollenspiele und allgemeine Fragen und Antworten machen nur einen kleinen Teil aus. Dies bestätigt die Positionierung von Claude als Modell, das für komplexes Schlussfolgern, Programmierung und strukturierte Aufgaben optimiert ist; Entwickler und Unternehmen scheinen Claude hauptsächlich als Programmierassistenten und Problemlöser einzusetzen.

Die Nutzung der Google-Modelle ist vielfältiger. Wir sehen nennenswerte Anteile in den Bereichen Übersetzung, Wissenschaft, Technologie und etwas Allgemeinwissen. Beispielsweise entfielen etwa 5 % der Google-Nutzung auf rechtliche oder politische Inhalte und weitere etwa 10 % auf wissenschaftliche Themen. Das könnte auf den breiten Trainingsfokus von Gemini hindeuten. Im Vergleich zu anderen hat Google einen relativ geringeren und bis Ende 2025 sogar sinkenden Anteil an Programmieraufgaben (auf rund 18 %) sowie ein breiteres Spektrum weiterer Kategorien. Das deutet darauf hin, dass die Modelle von Google eher als universelle Informationsquellen genutzt werden.

Das Nutzungsprofil von xAI unterscheidet sich von dem der anderen Anbieter. Während des größten Teils des Zeitraums konzentriert sich die Nutzung ganz überwiegend auf Programmierung, wobei dieser Bereich häufig mehr als achtzig Prozent aller Token ausmacht. Erst Ende November wird die Verteilung breiter, mit deutlichen Zuwächsen in den Bereichen Technologie, Rollenspiel und Wissenschaft. Dieser abrupte Wandel fällt zeitlich damit zusammen, dass das Modell von xAI über ausgewählte Anwendungen für Endverbraucher kostenlos bereitgestellt wurde, was wahrscheinlich zu einem starken Zustrom von Traffic durch Nichtentwickler führte. Das Ergebnis ist eine Nutzungsstruktur, die einen anfänglichen, stark von Entwicklern geprägten Kern mit einer plötzlichen Welle allgemeiner Nutzung verbindet, was darauf hindeutet, dass die Verbreitung von xAI sowohl durch technische Nutzer als auch durch sporadische Anstiege geprägt wird, die mit der Verfügbarkeit im Rahmen von Werbeaktionen zusammenhängen.

Das Nutzungsprofil von OpenAI hat sich im Laufe des Jahres 2025 deutlich verändert. Zu Beginn des Jahres machten wissenschaftliche Aufgaben mehr als die Hälfte aller OpenAI-Token aus; bis Ende 2025 war dieser Anteil auf unter 15 % gesunken. Inzwischen machen Programmierung und technologiebezogene Nutzung mehr als die Hälfte des Gesamtvolumens aus (jeweils 29 %), was eine tiefere Integration in Entwickler-Workflows, Produktivitätstools und professionelle Anwendungen widerspiegelt. Die Nutzungszusammensetzung von OpenAI liegt nun zwischen dem stark fokussierten Profil von Anthropic und der breiter gestreuten Verteilung von Google, was auf eine breite Nutzungsbasis mit zunehmender Ausrichtung auf hochwertige, strukturierte Aufgaben hindeutet.

DeepSeek und Qwen weisen Nutzungsmuster auf, die erheblich von den zuvor besprochenen Modellfamilien abweichen. Die Token-Verteilung von DeepSeek wird von Rollenspielen, zwanglosen Chats und unterhaltungsorientierten Interaktionen dominiert, die oft mehr als zwei Drittel der Gesamtnutzung ausmachen. Nur ein kleiner Anteil der Aktivität entfällt auf strukturierte Aufgaben wie Programmierung oder Wissenschaft. Dieses Muster spiegelt die starke Verbraucherorientierung von DeepSeek und seine Positionierung als Konversationsmodell mit hoher Nutzerbindung wider. Bemerkenswerterweise zeigt DeepSeek gegen Ende des Sommers einen moderaten, aber stetigen Anstieg der programmierbezogenen Nutzung, was auf eine schrittweise Einführung in einfache Entwicklungsworkflows hindeutet.

Qwen zeigt dagegen ein nahezu umgekehrtes Profil. Über den gesamten dargestellten Zeitraum macht die Programmierung durchgehend 40–60 Prozent aller Token aus, was auf einen klaren Schwerpunkt auf technischen Aufgaben und Entwicklungsaufgaben hinweist. Im Vergleich zu Anthropics stabilerer, stark technisch geprägter Zusammensetzung weist Qwen höhere Schwankungen in angrenzenden Kategorien wie Wissenschaft, Technologie und Rollenspiel auf. Diese wöchentlichen Verschiebungen deuten auf eine heterogene Nutzerbasis und schnelle Iteration bei praktischen Anwendungsfällen hin. Ein deutlicher Anstieg der Rollenspielnutzung im September und Oktober, gefolgt von einem Rückgang im November, deutet auf ein verändertes Nutzerverhalten oder Anpassungen beim Routing nachgelagerter Anwendungen hin.

Zusammenfassend zeigt jeder Anbieter ein eigenständiges Profil, das auf seinen strategischen Schwerpunkt abgestimmt ist. Die Unterschiede verdeutlichen, warum kein einzelnes Modell und kein einzelner Anbieter alle Anwendungsfälle optimal abdeckt; dies unterstreicht auch die potenziellen Vorteile eines Ökosystems mit mehreren Modellen.

Die Verteilung der Ausgaben, wie in der folgenden Abbildung dargestellt, unterstreicht den zunehmend globalen Charakter des Marktes für KI-Inferenz. Nordamerika ist zwar nach wie vor die größte Einzelregion, macht aber im Großteil des beobachteten Zeitraums inzwischen weniger als die Hälfte der Gesamtausgaben aus. Europa zeigt einen stabilen und beständigen Beitrag. Sein relativer Anteil an den wöchentlichen Ausgaben bleibt über den gesamten Zeitraum konstant und liegt typischerweise zwischen dem mittleren Zehnerbereich und dem unteren Zwanzigerbereich. Eine bemerkenswerte Entwicklung ist der Aufstieg Asiens nicht nur als Produzent von Spitzenmodellen, sondern auch als schnell wachsender Verbraucher. In den ersten Wochen des Datensatzes entfielen auf Asien rund dreizehn Prozent der weltweiten Ausgaben. Im Laufe der Zeit hat sich dieser Anteil mehr als verdoppelt und erreichte im jüngsten Zeitraum etwa 31 %.

Wie die Tabelle oben zeigt, dominiert Englisch die Nutzung und macht mehr als 80 % aller Token aus. Dies spiegelt sowohl die Verbreitung englischsprachiger Modelle als auch die starke Entwicklerorientierung der Nutzerbasis von OpenRouter wider. Andere Sprachen, insbesondere Chinesisch, Russisch und Spanisch, machen jedoch einen bedeutenden verbleibenden Anteil aus. Vereinfachtes Chinesisch allein macht fast 5 % der weltweiten Token aus, was auf eine anhaltende Nutzung in zweisprachigen oder vorrangig chinesischsprachigen Umgebungen hindeutet, insbesondere angesichts des Wachstums chinesischer OSS-Modelle wie DeepSeek und Qwen.

Kohortenbindungsraten. Die Bindung wird als Aktivitätsbindung gemessen, wobei Nutzer gezählt werden, wenn sie in den Folgemonaten zurückkehren, auch nach Phasen der Inaktivität; daher können die Kurven kleine nicht monotone Ausschläge aufweisen.

Diese Sammlung von Bindungsdiagrammen erfasst die Dynamik des LLM-Nutzermarkts über führende Modelle hinweg. Auf den ersten Blick werden die Daten von hoher Abwanderung und einem raschen Rückgang der Kohorten dominiert. Doch unter dieser Volatilität liegt ein subtileres und folgenreicheres Signal: Eine kleine Gruppe früher Nutzerkohorten weist über die Zeit eine beständige Bindung auf. Wir bezeichnen diese als Basiskohorten.

Diese Kohorten sind nicht bloß frühe Anwender; sie repräsentieren Nutzer, deren Workloads eine tiefgreifende und dauerhafte Passung zwischen Workload und Modell erreicht haben. Einmal etabliert, erzeugt diese Passung sowohl wirtschaftliche als auch kognitive Trägheit, die einem Wechsel entgegenwirkt, selbst wenn neuere Modelle erscheinen.

Wir führen Cinderellas Glasschuh-Effekt als Rahmen zur Beschreibung dieses Phänomens ein. Die Hypothese besagt, dass in einem sich rasch entwickelnden KI-Ökosystem eine latente Verteilung hochwertiger Workloads existiert, die über aufeinanderfolgende Modellgenerationen hinweg ungelöst bleiben. Jedes neue Spitzenmodell wird gewissermaßen an diesen offenen Problemen „anprobiert“. Wenn ein neu veröffentlichtes Modell zufällig eine zuvor unerfüllte technische und wirtschaftliche Anforderung erfüllt, ergibt sich die exakte Passform – der metaphorische „Glasschuh“.

Für Entwickler oder Organisationen, deren Workloads endlich „passen“, erzeugt diese Übereinstimmung starke Lock-in-Effekte. Ihre Systeme, Datenpipelines und Benutzererlebnisse werden an das Modell gebunden, das ihr Problem zuerst gelöst hat. Mit sinkenden Kosten und steigender Zuverlässigkeit nimmt der Anreiz für einen Plattformwechsel stark ab. Umgekehrt bleiben Workloads, für die sich keine solche Passung findet, explorativ und wechseln auf der Suche nach einer eigenen Lösung von einem Modell zum nächsten.

Empirisch lässt sich dieses Muster in der Kohorte vom Juni 2025 von Gemini 2.5 Pro und der Kohorte vom Mai 2025 von Claude 4 Sonnet beobachten, die im Monat 5 noch etwa 40 % der Nutzer binden, deutlich mehr als spätere Kohorten. Diese Kohorten scheinen mit bestimmten technischen Durchbrüchen zusammenzufallen (z. B. Zuverlässigkeit beim Schlussfolgern oder Stabilität der Werkzeugnutzung), die zuvor unmögliche Workloads endlich ermöglichten.

• Als Erster eine Aufgabe lösen: ein dauerhafter Vorteil. Der klassische Pioniervorteil gewinnt an Bedeutung, wenn ein Modell als erstes eine kritische Aufgabe löst . Frühe Nutzer integrieren das Modell in Pipelines, Infrastruktur und Nutzungsverhalten, wodurch hohe Wechselhürden entstehen. Dies schafft ein stabiles Gleichgewicht, in dem das Modell seine ursprüngliche Nutzerkohorte auch dann behält, wenn neuere Alternativen aufkommen.
• Nutzerbindung als Indikator für einen Fähigkeitssprung. Bindungsmuster auf Kohortenebene dienen als empirische Signale für die Differenzierung von Modellen. Anhaltende Bindung in einer oder mehreren frühen Kohorten weist auf einen bedeutsamen Fähigkeitssprung hin – eine Aufgabenklasse, deren Bewältigung von nicht machbar zu möglich wird. Das Fehlen solcher Muster deutet auf gleichwertige Fähigkeiten und eine begrenzte Differenzierungstiefe hin.
• Zeitliche Grenzen des Vorsprungsfensters. Die Wettbewerbssituation lässt nur ein enges Zeitfenster zu, in dem ein Modell seine ursprüngliche Nutzerbasis gewinnen kann. Wenn nachfolgende Modelle die Fähigkeitslücke schließen, sinkt die Wahrscheinlichkeit, neue ursprüngliche Nutzerkohorten zu bilden, deutlich. Der „Cinderella“-Moment, in dem Modell und Aufgabe präzise zusammenpassen, ist daher flüchtig, aber entscheidend für die langfristige Adoptionsdynamik.

Insgesamt erfordern die raschen Veränderungen der Fähigkeiten von Foundation-Modellen eine Neudefinition der Nutzerbindung. Jede neue Modellgeneration eröffnet ein kurzes Zeitfenster, um zuvor nicht bewältigte Workloads zu lösen. Wenn eine solche Übereinstimmung eintritt, bilden die betroffenen Nutzer fundamentale Kohorten: Segmente, deren Bindungsverläufe trotz der Einführung weiterer Modelle stabil bleiben.

Die Anomalie des dominanten Marktstarts. Das OpenAI GPT-4o Mini -Diagramm zeigt dieses Phänomen in seiner extremsten Form. Eine einzige grundlegende Kohorte (Juli 2024, orangefarbene Linie) etablierte beim Marktstart eine dominante, dauerhafte Passung zwischen Workload und Modell. Alle nachfolgenden Kohorten, die ankamen, nachdem diese Passung etabliert war und sich der Markt weiterentwickelt hatte, verhalten sich identisch: Sie wandern ab und sammeln sich am unteren Ende. Dies deutet darauf hin, dass das Zeitfenster zur Etablierung dieser grundlegenden Passung einmalig ist und sich nur dann öffnet, wenn ein Modell als „Frontier-Modell“ wahrgenommen wird.

Die Folge fehlender Passung. Die Diagramme für Gemini 2.0 Flash und Llama 4 Maverick veranschaulichen als warnendes Beispiel, was passiert, wenn diese anfängliche Passung nie zustande kommt. Anders als bei den anderen Modellen gibt es keine leistungsstarke Basiskohorte. Jede einzelne Kohorte schneidet gleichermaßen schlecht ab. Dies deutet darauf hin, dass die Modelle für keine hochwertige, dauerhaft genutzte Arbeitslast je als „Frontier“ wahrgenommen wurden. Das Modell startete direkt im Markt der Kategorie gut genug und konnte daher keine Nutzerbasis an sich binden. Ebenso lassen die chaotischen Diagramme für DeepSeek trotz des insgesamt überwältigenden Erfolgs kaum eine stabile Basiskohorte erkennen.

Bumerangeffekt. Die DeepSeek-Modelle zeigen ein komplexeres Muster. Ihre Bindungskurven weisen eine höchst ungewöhnliche Anomalie auf: sprunghafte Wiederanstiege. Anders als bei der typischen, monoton abnehmenden Nutzerbindung zeigen mehrere DeepSeek-Kohorten nach einer anfänglichen Abwanderungsphase einen deutlichen Anstieg der Nutzerbindung (z. B. die Kohorte von DeepSeek R1 vom April 2025 um Monat 3 und die Kohorte von DeepSeek Chat V3-0324 vom Juli 2025 um Monat 2). Dies deutet darauf hin, dass einige abgewanderte Nutzer zum Modell zurückkehren. Dieser „Bumerangeffekt“ legt nahe, dass diese Nutzer zu DeepSeek zurückkehren, nachdem sie Alternativen ausprobiert und durch Vergleichstests bestätigt haben, dass DeepSeek aufgrund einer überlegenen Kombination aus spezialisierter technischer Leistung, Kosteneffizienz oder anderen einzigartigen Funktionen optimal und oft besser zu ihrem spezifischen Workload passt.

Implikationen. Das Glass Slipper -Phänomen betrachtet Kundenbindung nicht als Ergebnis, sondern als Perspektive zum Verständnis von Durchbrüchen bei den Modellfähigkeiten. Grundlegende Kohorten sind die Fingerabdrücke echten technischen Fortschritts: Sie markieren, wo ein KI-Modell von einer Neuheit zu einer Notwendigkeit geworden ist. Für Entwickler wie Investoren könnte die frühzeitige Identifizierung dieser Kohorten das aussagekräftigste einzelne Signal für einen dauerhaften Modell-Marktvorteil sein.

Das obige Streudiagramm zeigt eine deutliche Segmentierung der KI-Anwendungsfälle und ordnet sie anhand ihres aggregierten Nutzungsvolumens (Token insgesamt) im Verhältnis zu ihren Stückkosten (Kosten pro 1 Mio. Token) ein. Eine wichtige Vorbemerkung ist, dass beide Achsen logarithmisch sind. Diese logarithmische Skalierung bedeutet, dass kleine visuelle Abstände im Diagramm erheblichen multiplikativen Unterschieden beim tatsächlichen Volumen und bei den Kosten entsprechen.

Das Diagramm wird durch eine vertikale Linie bei den medianen Kosten von 0,73 $ pro 1 Mio. Token geteilt, wodurch ein Vier-Quadranten-Schema entsteht, das den KI-Markt kategorienübergreifend vereinfacht.

Beachten Sie, dass diese endgültigen Kosten von den beworbenen Listenpreisen abweichen. Workloads mit hoher Anfragefrequenz profitieren vom Caching, das die tatsächlichen Ausgaben senkt und zu deutlich niedrigeren effektiven Preisen als den öffentlich angegebenen führt. Die angezeigte Kostenkennzahl spiegelt einen Mischpreis aus Prompt- und Completion-Token wider und bietet so ein genaueres Bild dessen, was Nutzer insgesamt tatsächlich zahlen. Der Datensatz schließt außerdem BYOK-Aktivität aus, um die standardisierte, über die Plattform vermittelte Nutzung isoliert zu betrachten und Verzerrungen durch individuelle Infrastrukturkonfigurationen zu vermeiden.

Premium-Workloads (oben rechts): Dieser Quadrant enthält kostenintensive, stark genutzte Anwendungen, darunter jetzt auch technology und science, die direkt am Schnittpunkt liegen. Diese stehen für wertvolle und intensiv genutzte professionelle Workloads, bei denen Nutzer bereit sind, für Leistung oder spezialisierte Fähigkeiten einen Aufpreis zu zahlen. Technology ist ein deutlicher Ausreißer und erheblich teurer als jede andere Kategorie. Dies deutet darauf hin, dass technology als Anwendungsfall (möglicherweise im Zusammenhang mit komplexem Systemdesign oder komplexer Architektur) weitaus leistungsfähigere und teurere Modelle für die Inferenz erfordern könnte, dabei aber ein hohes Nutzungsvolumen beibehält, was auf seine wesentliche Bedeutung hinweist.

Volumentreiber im Massenmarkt (oben links): Dieser Quadrant zeichnet sich durch hohe Nutzung und niedrige Kosten aus, die höchstens dem Durchschnitt entsprechen. Dieser Bereich wird von zwei enorm großen Anwendungsfällen dominiert: roleplay, programming sowie science.

• Programming sticht als die Kategorie „Killer-Profi“ hervor und weist das höchste Nutzungsvolumen bei gleichzeitig stark optimierten medianen Kosten auf.
• Roleplay hat ein enormes Nutzungsvolumen, das fast an das von programming heranreicht. Dies ist eine bemerkenswerte Erkenntnis: Eine Rollenspielanwendung für Endverbraucher erzielt ein Nutzungsvolumen auf dem Niveau einer erstklassigen professionellen Anwendung.

Die schiere Größe dieser beiden Kategorien bestätigt, dass sowohl berufliche Produktivität als auch dialogbasierte Unterhaltung zentrale, massive Treiber für KI sind. Die Kostensensibilität in diesem Quadranten ist der Bereich, in dem sich Open-Source-Modelle, wie bereits erwähnt, einen erheblichen Vorteil verschafft haben.

Spezialisierte Experten (unten rechts): Dieser Quadrant umfasst Anwendungen mit geringerem Volumen und hohen Kosten, darunter finance, academia, health und marketing. Dies sind professionelle Nischenbereiche, in denen viel auf dem Spiel steht. Das geringere Gesamtvolumen ist logisch, da man eine KI möglicherweise weitaus seltener zu „Gesundheit“ oder „Finanzen“ befragt als zu „Programmierung“. Nutzer sind bereit, für diese Aufgaben einen erheblichen Aufpreis zu zahlen, wahrscheinlich weil die Anforderungen an Genauigkeit, Zuverlässigkeit und domänenspezifisches Wissen extrem hoch sind.

Nischenanwendungen (unten links): Dieser Quadrant umfasst kostengünstige Aufgaben mit geringem Volumen, darunter translation, legal, und trivia. Dies sind funktionale, kostenoptimierte Anwendungen. Translation hat innerhalb dieser Gruppe das höchste Volumen, während trivia das niedrigste hat. Ihre niedrigen Kosten und ihr relativ geringes Volumen deuten darauf hin, dass diese Aufgaben möglicherweise stark optimiert, „gelöst“ oder standardisiert sind, sodass eine hinreichend gute Alternative günstig verfügbar ist.

Wie bereits erwähnt, ist der deutlichste Ausreißer in diesem Diagramm technology; die Kosten pro Token liegen dort mit erheblichem Abstand am höchsten, während die Nutzung hoch bleibt. Dies deutet stark auf ein Marktsegment mit hoher Zahlungsbereitschaft für hochwertige, komplexe Antworten hin (z. B. Systemarchitektur, Lösung anspruchsvoller technischer Probleme). Eine zentrale Frage ist, ob dieser hohe Preis durch einen hohen Nutzen für die Nutzer (eine „nachfrageseitige“ Chance) oder durch hohe Bereitstellungskosten (eine „angebotsseitige“ Herausforderung) bedingt ist, da diese Anfragen möglicherweise die leistungsfähigsten Frontier-Modelle erfordern. Die Chance im Bereich technology besteht darin, diesen hochwertigen Markt zu bedienen. Ein Anbieter, der dieses Segment bedienen kann, etwa durch hochgradig optimierte Spezialmodelle, könnte sich potenziell einen Markt mit höheren Margen erschließen.

Die obige Abbildung stellt die Modellnutzung den Kosten pro 1 Mio. Token gegenüber (doppelt logarithmische Skala) und zeigt eine insgesamt schwache Korrelation. Die x-Achse zeigt zur Orientierung die Nominalwerte. Die Trendlinie ist nahezu flach und deutet darauf hin, dass die Nachfrage relativ preisunelastisch ist; eine Preissenkung um 10 % entspricht einem Nutzungsanstieg von nur etwa 0,5–0,7 %. Die Streuung im Diagramm ist jedoch beträchtlich und spiegelt eine starke Marktsegmentierung wider. Es zeigen sich zwei unterschiedliche Bereiche: Proprietäre Modelle von OpenAI und Anthropic liegen im Bereich hoher Kosten und hoher Nutzung, während offene Modelle wie DeepSeek, Mistral und Qwen den Bereich niedriger Kosten und hohen Volumens besetzen. Dieses Muster stützt eine einfache Faustregel: Closed-Source-Modelle übernehmen hochwertige Aufgaben, während Open-Source-Modelle weniger hochwertige Aufgaben in hohem Volumen übernehmen. Die geringe Preiselastizität deutet darauf hin, dass selbst drastische Kostenunterschiede die Nachfrage nicht vollständig verlagern; proprietäre Anbieter behalten bei geschäftskritischen Anwendungen ihre Preissetzungsmacht, während offene Ökosysteme das Volumen kostensensibler Nutzer aufnehmen.

Die obige Abbildung ähnelt der vorherigen, zeigt jedoch die Modellentwickler. Es zeichnen sich vier Nutzungs-Kosten-Archetypen ab. Premium-Spitzenreiter, wie Anthropics Claude 3.7 Sonnet und Claude Sonnet 4, kosten rund 2 $ pro 1 Mio. Token und erreichen dennoch eine hohe Nutzung, was darauf hindeutet, dass Nutzer bereit sind, für überlegenes Reasoning und Zuverlässigkeit im großen Maßstab zu zahlen. Effiziente Giganten, wie Googles Gemini 2.0 Flash und DeepSeek V3 0324, verbinden starke Leistung mit Preisen unter 0,40 $ pro 1 Mio. Token und erreichen ein ähnliches Nutzungsniveau, was sie zu attraktiven Standardoptionen für Workloads mit hohem Volumen oder langem Kontext macht. Long-Tail -Modelle, darunter Qwen 2 7B Instruct und IBM Granite 4.0 Micro, kosten nur wenige Cent pro 1 Mio. Token, liegen aber bei einer Gesamtnutzung von etwa 10^2,9, was Einschränkungen durch schwächere Leistung, begrenzte Sichtbarkeit oder weniger Integrationen widerspiegelt. Schließlich besetzen Premium-Spezialisten wie OpenAIs GPT-4 und GPT-5 Pro den Quadranten mit hohen Kosten und geringer Nutzung: Bei rund 35 $ pro 1 Mio. Token und einer Nutzung nahe 10^3,4 werden sie sparsam für Nischen-Workloads eingesetzt, bei denen viel auf dem Spiel steht und die Ausgabequalität weit wichtiger ist als die marginalen Token-Kosten.

Insgesamt verdeutlicht das Streudiagramm, dass die Preissetzungsmacht auf dem LLM-Markt nicht einheitlich ist. Während günstigere Modelle durch Effizienz und Integration Skalierung ermöglichen können, erfreuen sich Premium-Angebote weiterhin einer hohen Nachfrage, wenn viel auf dem Spiel steht. Diese Fragmentierung deutet darauf hin, dass der Markt noch nicht von austauschbaren Angeboten geprägt ist und dass Differenzierung, sei es durch Latenz, Kontextlänge oder Ausgabequalität, weiterhin eine Quelle strategischer Vorteile bleibt.

Diese Beobachtungen legen Folgendes nahe:

• Auf Makroebene ist die Nachfrage unelastisch, doch dahinter verbergen sich unterschiedliche Verhaltensweisen auf Mikroebene. Unternehmen mit geschäftskritischen Aufgaben zahlen hohe Preise (daher werden diese Modelle stark genutzt). Dagegen sind Hobbyanwender und Entwicklungspipelines sehr kostensensibel und wenden sich günstigeren Modellen zu (was zu einer starken Nutzung effizienter Modelle führt).
• Es gibt einige Hinweise auf das Jevons-Paradoxon: Dass einige Modelle sehr günstig (und schnell) wurden, führte dazu, dass Menschen sie für weitaus mehr Aufgaben nutzten und letztlich insgesamt mehr Token verbrauchten. Wir sehen dies in der Gruppe der effizienten Giganten: Als die Kosten pro Token sanken, wurden diese Modelle überall integriert und der Gesamtverbrauch stieg rasant an (Nutzer verwenden längere Kontexte, führen mehr Iterationen durch usw.).
• Qualität und Fähigkeiten sind oft wichtiger als Kosten: Die starke Nutzung teurer Modelle (Claude, GPT-4) zeigt, dass Nutzer höhere Kosten in Kauf nehmen, wenn ein Modell deutlich besser ist oder einen Vertrauensvorteil hat. Oft sind diese Modelle in Workflows integriert, in denen die Kosten im Verhältnis zum Wert ihrer Ergebnisse vernachlässigbar sind (z. B. ist Code, der eine Stunde Entwicklerzeit spart, weit mehr wert als ein paar Dollar für API-Aufrufe).
• Umgekehrt reicht es nicht aus, einfach nur günstig zu sein, ein Modell muss sich auch abheben und ausreichend leistungsfähig sein. Viele offene Modelle mit Preisen nahe null sind zwar gerade gut genug, finden aber dennoch keine Passung zwischen Arbeitslast und Modell oder sind nicht ganz zuverlässig, sodass Entwickler zögern, sie tiefgehend zu integrieren.

Aus Betreibersicht zeichnen sich mehrere strategische Muster ab. Anbieter wie Google setzen stark auf abgestufte Angebote (insbesondere mit Gemini Flash und Pro), bei denen ausdrücklich zwischen Geschwindigkeit, Kosten und Leistungsfähigkeit abgewogen wird. Diese Abstufung ermöglicht eine Marktsegmentierung nach Preissensibilität und Aufgabenkritikalität: Einfache Aufgaben werden an günstigere, schnellere Modelle weitergeleitet; Premium-Modelle bedienen komplexe oder latenztolerante Workloads. Die Optimierung für Anwendungsfälle und Zuverlässigkeit ist oft ebenso wirkungsvoll wie eine „Senkung“ des Preises. Ein schnelleres, speziell entwickeltes Modell kann einem günstigeren, aber unberechenbaren Modell vorgezogen werden, insbesondere in Produktionsumgebungen. Dadurch verlagert sich der Fokus von den Kosten pro Token auf die Kosten pro erfolgreichem Ergebnis. Die relativ geringe Nachfrageelastizität deutet darauf hin, dass LLMs noch keine austauschbare Massenware sind – viele Nutzer sind bereit, für Qualität, Fähigkeiten oder Stabilität einen Aufpreis zu zahlen. Differenzierung bleibt wertvoll, insbesondere wenn Aufgabenergebnisse wichtiger sind als geringfügige Einsparungen bei Token.

Die folgenden Abbildungen schlüsseln die interne Untertag-Struktur der drei Hauptbereiche auf: Rollenspiel, Programmierung und Technologie. Jeder Bereich weist eigene interne Muster auf, die zeigen, wie Nutzer innerhalb dieser Kategorien mit LLMs interagieren.

Alle drei Bereiche (Rollenspiel, Technologie, Programmierung) weisen unterschiedliche interne Muster auf, die widerspiegeln, wie Nutzer innerhalb der einzelnen Hauptbereiche in verschiedenen Unterkategorien mit LLMs interagieren.