Hat die Schweiz bei KI international den Anschluss verloren?

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von MIT NANDA (Archivkopie). Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

AusschnittZusammengefasst sind die ersten 12 von 26 Seiten des PDFs.

Der Bericht stammt vom MIT-Projekt NANDA (Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari) und ist im Juli 2025 erschienen. Er enthält vorläufige Ergebnisse aus der Forschungsperiode Januar bis Juni 2025. Die Methodik kombiniert mehrere Verfahren: eine systematische Auswertung von über 300 öffentlich bekannten KI-Initiativen, strukturierte Interviews mit Vertretern von 52 Organisationen und Antworten von 153 Führungskräften, die an vier grossen Branchenkonferenzen erhoben wurden. Die geäusserten Ansichten gehören allein den Autoren und Gutachtern und nicht ihren Arbeitgebern. Firmendaten und Zitate sind anonymisiert, um Offenlegungsvorgaben und Vertraulichkeitsvereinbarungen einzuhalten und den Anschein kommerzieller Absichten zu vermeiden.

Der Bericht gliedert sich in sechs Kapitel: Zusammenfassung, die falsche Seite der GenAI-Kluft (hohe Nutzung, geringer Wandel), warum Pilotprojekte stocken (die Lernlücke), wie die besten Entwickler und die besten Käufer die Kluft überwinden, und ein Schlusskapitel zum Brückenschlag. Trotz Unternehmensinvestitionen von 30 bis 40 Milliarden Dollar in GenAI erzielen laut Bericht 95% der Organisationen keinerlei Rendite. Bei Käufern (Konzerne, mittlere Firmen, KMU) wie bei Entwicklern (Startups, Anbieter, Beratungen) fallen die Ergebnisse so stark auseinander, dass die Autoren von der GenAI-Kluft sprechen. Nur 5% der integrierten KI-Pilotprojekte schaffen Wert in Millionenhöhe, die übrigen zeigen keine messbare Wirkung auf die Erfolgsrechnung. Die Kluft hängt offenbar nicht an Modellqualität oder Regulierung, sondern am Vorgehen. Werkzeuge wie ChatGPT und Copilot sind weit verbreitet: Über 80 Prozent der Organisationen haben sie erkundet oder pilotiert, knapp 40 Prozent melden einen Einsatz. Sie steigern aber vor allem die individuelle Produktivität und nicht das Geschäftsergebnis. Aus Interviews, Umfragen und der Analyse von 300 öffentlichen Umsetzungen ergeben sich vier Muster: Nur 2 von 8 grossen Branchen zeigen echten Strukturwandel, und Grossfirmen führen bei der Zahl der Piloten, hinken aber beim Ausbau hinterher. Budgets fliessen eher in sichtbare, umsatznahe Funktionen als ins renditestarke Backoffice, und externe Partnerschaften sind doppelt so erfolgreich wie interne Eigenentwicklungen.

Das Haupthindernis beim Skalieren sind laut Bericht weder Infrastruktur noch Regulierung oder Fachkräfte, sondern das Lernen. Die meisten GenAI-Systeme behalten Rückmeldungen nicht, passen sich nicht an den Kontext an und verbessern sich nicht mit der Zeit. Eine kleine Gruppe von Anbietern und Käufern kommt schneller voran, weil sie diese Schwächen gezielt angeht. Erfolgreiche Käufer verlangen prozessspezifische Anpassung, bewerten Werkzeuge nach Geschäftsergebnissen statt nach Software-Benchmarks und erwarten Systeme, die sich in bestehende Abläufe einfügen und besser werden. Anbieter, die das liefern, sichern sich innerhalb weniger Monate Einsätze im Millionenbereich. Die meisten Umsetzungen führen nicht zu Stellenabbau, doch Organisationen, die die Kluft überwunden haben, sehen erste gezielte Folgen für die Belegschaft in Kundendienst, Softwareentwicklung und Verwaltung. Die besten Organisationen melden zudem messbare Einsparungen bei Auslagerungen an Dienstleister (BPO) und externen Agenturen, vor allem im Backoffice. Andere nennen bessere Kundenbindung und höhere Verkaufsabschlüsse dank automatisierter Ansprache und intelligenter Nachfassung. Lernfähige Systeme können demnach echten Nutzen bringen, wenn sie auf bestimmte Prozesse zielen, auch ohne grosse Umstrukturierung.

Die falsche Seite der GenAI-Kluft: hohe Nutzung, geringer Wandel

Die meisten Organisationen stehen auf der falschen Seite der Kluft: Die Nutzung ist hoch, der Umbruch gering. Sieben von neun Branchen zeigen kaum Strukturwandel. Unternehmen testen GenAI-Werkzeuge, aber nur sehr wenige gelangen in den Einsatz. Allgemeine Werkzeuge wie ChatGPT werden breit genutzt, massgeschneiderte Lösungen stocken wegen aufwendiger Integration und fehlender Passung zu bestehenden Abläufen. Trotz hoher Investitionen und vieler Pilotprojekte ist nur ein kleiner Teil der Organisationen über das Experimentieren hinaus zu einem bedeutenden Geschäftswandel gelangt. Im Abschnitt 3.1 heisst es, dass nur zwei Branchen (Technologie und Medien) klare Zeichen strukturellen Umbruchs zeigen, während sieben andere auf der falschen Seite bleiben. GenAI steckt zwar in Kundendienst, Inhaltserstellung und Analytik, doch kaum eine Branche zeigt die tiefen Verschiebungen früherer Allzwecktechnologien, etwa neue Marktführer, aufgebrochene Geschäftsmodelle oder messbar verändertes Kundenverhalten. Zur Messung entwickelten die Autoren einen zusammengesetzten KI-Marktstörungsindex. Jede Branche erhielt 0 bis 5 Punkte anhand von fünf beobachtbaren Indikatoren, normalisierte Durchschnitte aus öffentlichen Daten und Interviewbewertungen. Andere Gewichtungen bestätigten die Rangfolge. Der erste Indikator ist die Schwankung der Marktanteile unter den führenden etablierten Firmen von 2022 bis 2025.

Die weiteren vier Indikatoren sind das Umsatzwachstum von nach 2020 gegründeten KI-nativen Firmen, das Aufkommen neuer KI-getriebener Geschäftsmodelle, auf GenAI zurückführbare Änderungen im Nutzerverhalten und die Häufigkeit von Führungs- und Organisationswechseln, die KI-Werkzeugen zugeschrieben werden. Die Grafik zeigt, dass die Störung durch GenAI je nach Branche stark variiert, eine Tabelle beschreibt die wichtigsten Signale je Branche.

In der Technologiebranche gewinnen neue Herausforderer an Boden, etwa Cursor gegenüber Copilot, und Arbeitsabläufe verschieben sich. Bei Medien und Telekommunikation steigen KI-native Inhalte auf und die Dynamik der Werbung verschiebt sich, während die etablierten Anbieter weiter wachsen.

In den Professional Services gibt es Effizienzgewinne, doch die Leistungserbringung gegenüber Kunden bleibt weitgehend gleich. Im Gesundheitswesen und in der Pharmabranche laufen Pilotprojekte zu Dokumentation und Transkription, die klinischen Modelle bleiben unverändert.

Bei Konsumgütern und Detailhandel automatisiert GenAI den Kundendienst, mit begrenzter Wirkung auf Kundentreue und Marktführer. In den Finanzdienstleistungen läuft die Automatisierung im Backend, die Kundenbeziehungen bleiben stabil.

In den fortgeschrittenen Industrien laufen Pilotprojekte zur Wartung, grössere Verschiebungen in den Lieferketten gibt es nicht. Im Bereich Energie und Materialien liegt die Nutzung nahe null, und es wird kaum experimentiert.

Die Autoren prüften alternative Gewichtungen der fünf Disruptionsindikatoren: Technologie sowie Medien und Telekommunikation blieben bei allen vernünftigen Gewichtungen vorn, Gesundheitswesen und Energie blieben durchgehend niedrig. Am empfindlichsten reagierten die Professionellen Dienstleistungen, deren Wert zwischen 1.2 und 2.1 schwankte, je nachdem, ob Effizienzgewinne oder strukturellen Wandel stärker betont wurden. In sieben von neun grossen Branchen gab es deutliche Pilotaktivität, aber kaum oder keinen strukturellen Wandel; das zeigt die GenAI-Kluft im grossen Massstab: breites Experimentieren ohne Veränderung. Ein COO eines mittelgrossen Industrieunternehmens sagte, auf LinkedIn heisse es, alles habe sich verändert, in seinem Betrieb habe sich aber nichts Grundlegendes verschoben, nur einige Verträge liefen schneller. Abschnitt 3.2 (Die Kluft zwischen Pilot und Produktion): Nur 5% der massgeschneiderten KI-Werkzeuge für Unternehmen erreichen die Produktion. Chatbots haben Erfolg, weil sie leicht auszuprobieren und flexibel sind, scheitern aber in kritischen Arbeitsabläufen an fehlendem Gedächtnis und fehlender Anpassung. Die Zahlen beruhen auf Einzelinterviews statt auf offiziellen Unternehmensangaben, die Stichproben variieren je Kategorie, und die Erfolgsdefinitionen können sich unterscheiden.

Als erfolgreich umgesetzt gelten aufgabenspezifische Werkzeuge, bei denen Nutzer oder Führungskräfte eine deutliche und anhaltende Wirkung auf Produktivität oder Ergebnis feststellten. Die Misserfolgsquote von 95% bei KI-Lösungen für Unternehmen zeigt die Kluft am deutlichsten: Wer auf der falschen Seite steht, investiert weiter in starre Werkzeuge, wer sie überwindet, setzt auf lernfähige Systeme. Allgemeine Chatbots mit Sprachmodellen kommen vom Pilot in die Umsetzung auf etwa 83%, doch dahinter steckt ein Gefälle beim wahrgenommenen Nutzen. Nutzer lobten Verbraucherwerkzeuge wie ChatGPT und Copilot als flexibel, vertraut und sofort nützlich, standen massgeschneiderten oder von Anbietern angepriesenen Lösungen aber sehr skeptisch gegenüber und hielten sie für anfällig, überladen oder an der Praxis vorbei. Ein CIO berichtete, er habe in diesem Jahr Dutzende Demos gesehen, höchstens ein oder zwei seien wirklich nützlich, der Rest seien Hüllen oder Experimente. Grossunternehmen mit über 100 Millionen Dollar Jahresumsatz führen bei der Zahl der Piloten und setzen mehr Personal ein, haben aber die niedrigste Quote beim Übergang in den breiten Betrieb. Mittelständische Firmen waren schneller: Die besten brauchten im Schnitt 90 Tage vom Pilot bis zur vollen Einführung, Grossunternehmen neun Monate oder mehr.

Fünf Mythen werden widerlegt. Erstens: Es gab nur begrenzte Entlassungen wegen GenAI, und zwar in Branchen, die ohnehin stark betroffen sind; zur Einstellungsentwicklung in den nächsten 3 bis 5 Jahren gibt es unter Führungskräften keine einheitliche Sicht. Zweitens: Die Nutzung ist hoch, der Umbruch selten, denn nur 5% der Unternehmen haben KI-Werkzeuge in grossem Umfang in Arbeitsabläufe eingebunden, und 7 von 9 Branchen zeigen keinen echten Strukturwandel. Drittens: Unternehmen übernehmen KI sehr gern, 90% haben den Kauf einer KI-Lösung ernsthaft geprüft.

Viele Nutzer von Schatten-KI setzen persönliche Sprachmodell-Werkzeuge mehrmals täglich an jedem Arbeitstag ein, während die offiziellen KI-Vorhaben ihrer Firmen in der Pilotphase festhängen. Das zeigt, dass Einzelne die GenAI-Kluft überwinden, wenn sie flexible, reaktionsfähige Werkzeuge erhalten, und vorausschauende Organisationen lernen aus dieser Nutzung und prüfen, welche privaten Werkzeuge Nutzen bringen, bevor sie Unternehmenslösungen beschaffen. Unter dem Titel «Investitionsmuster spiegeln die Kluft» (Seite 8, Abschnitt 3.4) heisst es: 50% der GenAI-Budgets fliessen in Vertrieb und Marketing, doch Automatisierung im Backoffice bringt oft den besseren ROI. Diese Verzerrung kommt von der einfacheren Zuordnung der Kennzahlen, nicht vom tatsächlichen Wert.

Der Teil listet Anwendungsfälle nach Funktion auf: interne Workflow-Orchestrierung, Dokumentenzusammenfassung, intelligente Lead-Bewertung und KI-erzeugte ausgehende E-Mails. Im Kundendienst nennt er die Zusammenfassung von Anrufen sowie personalisierte Inhalte für Kampagnen, bei Finanzen und Einkauf die Klassifizierung und Kennzeichnung von Verträgen sowie Nachfassen und Automatisierung.

Die Liste nennt weitere Anwendungsfälle wie Chatbots, Ticket-Weiterleitung, automatisierte Kreditoren- und Debitorenbuchhaltung, Wettbewerbsanalyse, Analyse der Stimmung in sozialen Medien und Warnungen vor Lieferantenrisiken. Laut den Forschungshinweisen (Seite 9) war die Verteilung von etwa 50% auf Vertrieb und Marketing in den Gesprächen recht einheitlich, die Unterkategorien gelten aber nur als Richtwerte, da sie auf zusammengefassten Notizen und Einzelbeobachtungen beruhen. Die Firmenart verändert das Bild stark: Hersteller und Gesundheitsanbieter investierten kaum in Vertrieb und Marketing, Tech- und Medienfirmen setzten auf Marketing, Inhalte und Entwicklerproduktivität, Dienstleister auf Dokumentenautomatisierung und Recht. Vertrieb und Marketing dominieren, weil ihre Ergebnisse leicht messbar sind und zu den Kennzahlen der Geschäftsleitung passen, etwa Demo-Anzahl oder Antwortzeit auf E-Mails. Der Nutzen in Recht, Einkauf und Finanzen, etwa weniger Verstösse oder schnellere Monatsabschlüsse, lässt sich schwer darstellen. Ein Einkaufsleiter eines Pharmakonzerns fragte, wie er die Wirkung eines Werkzeugs beziffern und vor dem CEO rechtfertigen soll, wenn es weder Umsatz steigert noch messbar Kosten senkt. Die Verzerrung lenkt Mittel zu sichtbaren, oft weniger tiefgreifenden Fällen, während die Möglichkeiten mit dem höchsten ROI im Backoffice unterfinanziert bleiben. Dazu kommt, dass Vertrauen und Empfehlungen die Kaufentscheide prägen: Ein Einkaufsleiter eines Konsumgüterkonzerns erklärte, dass er täglich zahlreiche Angebote erhält und sich stark auf Empfehlungen aus seinem Netzwerk verlässt. Empfehlungen, frühere Beziehungen und Einführungen durch Risikokapitalgeber sagen die Einführung im Unternehmen besser voraus als Funktionsumfang.

Warum Pilotprojekte stocken: Die Lernlücke hinter der Kluft

Der wichtigste Grund, warum Organisationen auf der falschen Seite der GenAI-Kluft bleiben, ist die Lernlücke: Werkzeuge lernen nicht, lassen sich schlecht einbinden oder passen nicht zu den Arbeitsabläufen. Nutzer bevorzugen ChatGPT für einfache Aufgaben, geben es bei geschäftskritischer Arbeit aber wegen des fehlenden Gedächtnisses auf, es fehlen also Systeme, die sich anpassen, erinnern und weiterentwickeln. Im Abschnitt 4.1 (Seite 10) heisst es, die grössten Hindernisse spiegelten diese Lernlücke: Nutzer lehnen Werkzeuge ab, die sich nicht anpassen, die Modellqualität versagt ohne Kontext, und die Bedienung leidet, wenn Systeme nichts behalten. Selbst eifrige ChatGPT-Nutzer misstrauen internen GenAI-Werkzeugen, die ihre Erwartungen nicht erfüllen. Befragt wurden Geldgeber und Anwender an der Basis in 52 Organisationen, die gängige Hürden auf einer Skala von 1 bis 10 nach Häufigkeit bewerteten, wobei 10 die häufigsten Hindernisse bezeichnete. Spitzenreiter war der Widerstand gegen neue Werkzeuge, doch das zweithäufigste Hindernis erwies sich als bedeutsamer als erwartet.

Die Werte geben an, wie oft ein Hindernis genannt wurde, und messen nicht objektiv dessen Wirkung; je nach Branche und Unternehmensgrösse können sie stark abweichen. Dass Bedenken zur Modellqualität so weit vorne stehen, wirkte zunächst widersprüchlich, denn über 40% der Wissensarbeitenden nutzen KI-Werkzeuge wie ChatGPT privat. Dieselben Personen, die solche Werkzeuge in ihren persönlichen Alltag einbauen, beschreiben sie in Unternehmenssystemen als unzuverlässig, und das zeigt die GenAI-Kluft auf Ebene der Nutzer. Wer ChatGPT täglich für private Aufgaben verwendet, verlangt im Beruf Lern- und Gedächtnisfähigkeiten. Viele Beschäftigte berichten von Produktivitätsgewinnen durch private KI-Nutzung, während die offiziellen KI-Projekte ihrer Firmen ins Stocken geraten. Diese Schattennutzung wirkt als Rückkopplung: Die Mitarbeitenden wissen, wie gute KI sich anfühlt, und tolerieren starre Unternehmenswerkzeuge deshalb weniger. Abschnitt 4.2 (Seite 11) trägt die Frage, warum generische Werkzeuge gewinnen und zugleich verlieren. ChatGPT schneidet laut der Studie besser ab, weil es besser, schneller und vertrauter ist, selbst wenn beide Seiten ähnliche Modelle einsetzen. Genau diese Vorliebe zeigt, warum Organisationen auf der falschen Seite der Kluft festhängen. In Folgegesprächen waren gerade die Skeptiker gegenüber Unternehmens-KI oft intensive Nutzer von Verbraucher-Chatbots, und beim Vergleich ihrer Erfahrungen kamen drei wiederkehrende Themen auf.

Als Beispiel dient eine Wirtschaftsjuristin einer mittelgrossen Kanzlei: Ihre Firma gab 50'000 Dollar für ein spezialisiertes Werkzeug zur Vertragsanalyse aus, doch sie greift beim Entwerfen von Texten stets zu ChatGPT. Sie schildert, das gekaufte Werkzeug liefere starre Zusammenfassungen mit wenig Anpassungsmöglichkeiten, während sie bei ChatGPT das Gespräch lenken und so lange nachbessern könne, bis das Ergebnis passe. Die Ausgabequalität sei spürbar besser, obwohl der Anbieter dieselbe Technik zu verwenden behaupte. Das Muster legt nahe, dass ein Universalwerkzeug für 20 Dollar im Monat massgeschneiderte Firmensysteme, die um Grössenordnungen mehr kosten, bei Bedienbarkeit und Zufriedenheit oft übertrifft. Dieser Widerspruch erklärt, warum die meisten Organisationen auf der falschen Seite der Kluft bleiben. Abschnitt 4.3 behandelt die Lernlücke, welche die Kluft ausmacht. Gerade die Grenzen von ChatGPT zeigen den Kern des Problems: Es vergisst den Kontext, lernt nicht und entwickelt sich nicht weiter. Bei geschäftskritischen Aufgaben ziehen 90% der Nutzer Menschen vor, weil GenAI strukturell weder Gedächtnis noch Anpassungsfähigkeit hat. Die Studie untersuchte deshalb, was eine breitere Nutzung für solche Aufgaben verhindert, und fand Hindernisse, die sich von allgemeinen Bedienbarkeitsbedenken unterscheiden.

«The core barrier to scaling is not infrastructure, regulation, or talent. It is learning.»

Wörtliches Zitat aus dem Original.

Quelle: MIT NANDA (Archivkopie), «The GenAI Divide». Die Rechte liegen beim Herausgeber. Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Inside IT, 30. Oktober 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Swisscom teilt ihr Firmenkundengeschäft auf und bündelt die Beratung zu KI, Daten, Software und digitaler Transformation in einer eigenen Tochter. Die übrigen Geschäfte mit Firmenkunden bleiben bei der bisherigen Einheit Swisscom Business Customers. Laut einem Sprecher gegenüber der Agentur AWP tritt die neue Struktur am 1. April 2027 in Kraft. Zuerst hatte das Portal Inside Paradeplatz darüber berichtet.

Möglicher Stellenabbau

Zur Zahl der betroffenen Stellen äusserte sich der Sprecher nicht. Wer seine Stelle verliert, kann auf einen Sozialplan zählen. Indem Swisscom die Kompetenzen für KI, digitale Transformation, Software und Daten in der schon bestehenden Tochter Swisscom Digital Technology zusammenführt, stärkt der Konzern seine Stellung im Digital- und KI-Transformationsgeschäft. Firmenkunden sollen von rascherer Innovation, einfacherer Zusammenarbeit und besserer Betreuung profitieren.

570 Mitarbeitende wandern zur KI-Tochter

Swisscom Business Customers konzentriert sich künftig auf das Kerngeschäft mit Unternehmen: Breitband und Telefonie, Cloud, KI-Computing, Cybersicherheit und IT-Auslagerung. Ebenfalls dort bleiben die Dienstleistungen für den Finanzsektor, die öffentliche Hand und die Verteidigung sowie die IT-Infrastruktur-Services. Die KI-Beratung übernimmt künftig Swisscom Digital Technology, während der Betrieb der KI-Plattformen bei Swisscom Business Customers bleibt. Rund 570 Mitarbeitende wechseln von der bisherigen Einheit in die Tochter. Zur Gesamtzahl der Beschäftigten pro Bereich gibt Swisscom grundsätzlich nichts bekannt. Personelle Folgen will der Konzern wenn möglich über interne Weiterbeschäftigung, offene Stellen, natürliche Fluktuation und Pensionierungen auffangen. An den bisherigen Sparzielen hält Swisscom fest: Die Belegschaft in der Schweiz soll sich bis 2030 jährlich im tiefen einstelligen Prozentbereich verändern.

Geschäft unter Druck

Das Firmenkundengeschäft steht wegen des harten Wettbewerbs seit einiger Zeit unter Druck. Bis Ende Juni verlor Swisscom gegenüber dem Vorjahr rund 75'000 Anschlüsse. Der Umsatz im klassischen Firmenkundengeschäft ging im ersten Halbjahr 2026 um 0,8% auf 1,46 Milliarden Franken zurück. Der Betriebsgewinn vor Abschreibungen und Amortisationen und nach Leasingkosten sank um 1,3% auf 586 Millionen Franken. Schätzungsweise beschäftigt das Schweizer Firmenkundengeschäft gut 5000 Angestellte.

«Wo immer möglich, federn wir personelle Auswirkungen durch interne Weiterbeschäftigung, die Besetzung offener Stellen, natürliche Fluktuation und Pensionierungen ab.»

Wörtliches Zitat aus dem Original.

Quelle: Inside IT, «Aufspaltung der Firmenkundensparte von Swisscom», 30. Oktober 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Netzwoche, 2. November 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Swisscom baut ihr Geschäft mit Unternehmenskunden um und legt die KI-Beratung künftig bei der Tochter Swisscom Digital Technology zusammen. Das Kerngeschäft verantwortet fortan Swisscom Business Customers, und die Umstrukturierung dürfte einen Stellenabbau nach sich ziehen. Laut einem Mediensprecher, den unter anderem «Cash» zitiert, bündelt Swisscom ab April 2027 dort die Kompetenzen für KI, digitale Transformation, Software und Daten. Firmenkunden sollen von schnellerer Innovation, einfacherer Zusammenarbeit und besserer Unterstützung profitieren.

Swisscom Business Customers konzentriert sich nach dem Bericht auf Breitband und Telefonie, Cloud, KI-Computing, Cybersicherheit und die Auslagerung von IT. Dort bleiben auch die Dienstleistungen für den Finanzsektor, die öffentliche Hand, die Verteidigung und die IT-Infrastruktur-Services. Der Sprecher erklärt, Swisscom Digital Technology übernehme die KI-Beratung, während Swisscom Business Customers den Betrieb der KI-Plattformen verantworte.

570 Angestellte von Swisscom wechseln zur Tochtergesellschaft. «Inside Paradeplatz» schreibt von einem Stellenabbau, doch Swisscom nennt keine Zahlen zu möglichen Entlassungen. Gegenüber der Agentur AWP verweist ein Sprecher auf einen Sozialplan für Betroffene. Das Unternehmen wolle Auswirkungen auf das Personal möglichst durch interne Weiterbeschäftigung, offene Stellen, natürliche Fluktuation und Pensionierungen auffangen. Der Konkurrent Sunrise hat bei einer eigenen Umstrukturierung bereits den Abbau von über 350 Stellen angekündigt.

«Wo immer möglich, federn wir personelle Auswirkungen durch interne Weiterbeschäftigung, die Besetzung offener Stellen, natürliche Fluktuation und Pensionierungen ab.»

Wörtliches Zitat aus dem Original.

Quelle: Netzwoche, «Swisscom verlagert KI-Beratung in Tochtergesellschaft», 2. November 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Original, unverändertLizenz CC BY-ND 4.0 (Namensnennung, keine Bearbeitung). Keine Bearbeitung erlaubt: Text und Grafiken stehen unverändert und nicht übersetzt (Englisch) da.

1. Global corporate AI investment more than doubled in 2025.

Private investment grew fastest at 127.5% and now accounts for 60% of the total. Generative AI led the surge, growing more than 200% and capturing nearly half of all private AI funding. Newly funded AI companies rose 71%, and billion-dollar funding events nearly doubled.

2. The United States continues to lead in global private AI investment, committing 23 times more than China.

In generative AI, U.S. investment exceeded the combined total of China and Europe by a wide margin. However, private investment figures likely understate China’s total AI spending, as government guidance funds have deployed an estimated $184 billion into AI firms between 2000 and 2023.

3. AI company revenue is rising at historically fast rates, but compute costs and infrastructure spending are also reaching record levels.

Leading frontier companies are reaching meaningful revenue scale in a short period of time, but compute spend has increased significantly year-over-year. Major cloud providers have accelerated capital expenditures, with Google reporting more than $150 billion in annual capex in 2025.

4. The value consumers get from generative AI grew 54% in a year.

Estimated U.S. consumer surplus reached $172 billion annually by early 2026, up from $112 billion a year earlier, with the median value per user tripling over the same period. Most of these tools remain free or close to it.

5. Organizational AI adoption continued to rise in 2025, up to 88% of surveyed organizations, though AI agent use remains early.

Generative AI is now used in at least one business function at 70% of organizations, and China and Europe posted the highest year-over-year increases. AI agent deployment was in the single digits across nearly all business functions.

6. Generative AI reached 53% adoption in three years, faster than the personal computer or the internet.

Adoption varies widely across countries and correlates strongly with GDP per capita, though some outpace what income would predict, including Singapore at 61% and the United Arab Emirates at 64%. Despite its lead in AI investment and model development, the United States ranks 24th at 28.3%.

7. AI's labor market effects are showing up unevenly, concentrated in hiring pipelines and the youngest workers in exposed occupations.

Employment for software developers ages 22 to 25 has fallen nearly 20% from 2024. Employer surveys point to further change ahead, with one-third of respondents expecting workforce reductions over the coming year.

8. One-third of organizations expect AI to reduce their workforce in the coming year, even though large-scale job losses have not yet shown up in overall employment data.

Almost half of organizations surveyed expected little to no change. Anticipated reductions are highest in service operations, supply chain, and software engineering. Across nearly all functions, anticipated decreases outpaces those already observed.

9. Productivity gains from AI are largest in structured, measurable work where outputs are easy to monitor.

Studies report gains of 14% to 15% in customer support, 26% in software development, and 50% in marketing output. Gains are smaller in tasks requiring deeper reasoning, and recent evidence raises concerns that heavy AI reliance may carry long-term learning penalties that slow skill development over time.

10. China continues to install more industrial robots than the rest of the world combined, and the gap widened in 2024.

China accounted for 54% of industrial robots installed globally, up from 51.1% in 2023. Global year-over-year growth was flat, and several major markets, including the United States, Germany, and Italy saw declines. Taiwan was an exception, recording the highest year-over-year growth at 33%.

Support the AI Index in our mission to provide comprehensive, unbiased data on artificial intelligence worldwide. Your support sustains rigorous research, data collection, and analysis that informs policymakers, researchers, journalists, and business leaders—ensuring transparent AI metrics guide humanity toward a better future.

Quelle: AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, «Economy | The 2026 AI Index Report», . Lizenz: CC BY-ND 4.0 (Namensnennung, keine Bearbeitung), unverändert übernommen, ohne Bearbeitung und Übersetzung.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Netzwoche, 20. Mai 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

KI-Tools sind in Schweizer Unternehmen angekommen, doch viele Firmen nutzen sie nur punktuell und binden sie nicht systematisch in ihre Geschäftsprozesse ein. Eine UBS-Studie, für die das Institut Intervista rund 2500 Unternehmen befragte, zeigt je nach Branche grosse Unterschiede beim Reifegrad. Sechs von zehn Firmen setzen bereits KI-Tools ein, häufig aber isoliert und ohne tiefe Verankerung in den Abläufen.

UBS-Ökonom Alessandro Bee sagt, viele Unternehmen nutzten KI, aber nur wenige systematisch. Rund 10 Prozent der Grossunternehmen setzen KI in mindestens fünf der sechs untersuchten Bereiche ein, bei Kleinstunternehmen sind es nur 2 Prozent. Am häufigsten dient KI Analysen, Entscheidungshilfen und der Verbesserung bestehender Produkte und Dienstleistungen. Grossunternehmen automatisieren damit vermehrt Geschäftsprozesse, KMUs nutzen sie vor allem als analytisches Hilfsmittel, und nur 5 Prozent der Befragten stellen KI ins Zentrum ihres Geschäftsmodells. Am weitesten sind die Informations- und Kommunikationsbranche, der Finanzsektor und die Pharmaindustrie, weniger weit Bau, Transport, Gesundheitswesen und Kultur. Das hängt laut Studie mit dem Digitalisierungsgrad zusammen: Wer strukturierte Daten, automatisierte Prozesse und eine solide IT-Infrastruktur hat, kann KI leichter in grösserem Massstab einsetzen.

Die meisten Unternehmen beziehen KI von externen Anbietern. Grossunternehmen entwickeln öfter eigene Lösungen und gehen mit öffentlich zugänglichen Diensten wie ChatGPT vorsichtiger um, vor allem wegen Bedenken zu Datenschutz und Sicherheit.

Unternehmen sehen Chancen, aber auch Hürden

Die grössten Bedenken betreffen Datenschutz und Sicherheit (59 Prozent) sowie Fehlentscheidungen wegen mangelhafter Daten oder Algorithmen (50 Prozent). Knapp ein Drittel nutzt keine KI und plant auch kurzfristig keine, weil ein passendes Geschäftsmodell fehlt und der konkrete Nutzen unklar ist. Bei der Beschäftigung erwarten die meisten einen schrittweisen Wandel statt eines Umbruchs: Mehr als die Hälfte der KI-Nutzer rechnet mit stabilen Beschäftigtenzahlen, rund 30 Prozent mit Stellenabbau. Zwei Drittel sehen KI vor allem als Entlastung der Mitarbeitenden und nicht als Ersatz, gefragt bleiben Kompetenzen in Informatik, Datenanalyse und kreativer Arbeit. Zurückhaltende KMUs verweisen auf fehlende personelle und technische Ressourcen. Bei der KI-Nutzung liegt die Schweiz weit über dem globalen Durchschnitt, ein Microsoft-Bericht zeigt aber eine wachsende digitale Kluft zwischen Industrie- und Entwicklungsländern.

«Viele Unternehmen nutzen KI, aber nur wenige tun dies systematisch»

Wörtliches Zitat aus dem Original.

Quelle: Netzwoche, «KI kommt in Schweizer Firmen an - bleibt aber Stückwerk», 20. Mai 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Comparis. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Eine repräsentative Umfrage von Comparis befasst sich mit der Nutzung künstlicher Intelligenz (KI). Schon drei Viertel der Bevölkerung greifen auf KI-Helfer wie ChatGPT und ähnliche Angebote zurück.

Laut der Umfrage nutzen 76 Prozent der erwachsenen Bevölkerung in der Schweiz Tools wie ChatGPT, 2024 waren es erst 50 Prozent, und in der Romandie ist die Nutzung deutlich verbreiteter als in der Deutschschweiz. Über 70 Prozent der Befragten akzeptieren Chatbots als Hilfe bei der Websuche oder bei Anfragen zum Lieferstatus, mehr als die Hälfte will aber auf keinen Fall Informationen zu psychischen Problemen teilen. Comparis-Digitalexperte Jean-Claude Frick sagt, die KI sei vom Hype im Alltag angekommen und für viele so selbstverständlich wie das Smartphone. Der Anteil der Nutzenden von Chatbots wie ChatGPT, Google Gemini und Perplexity stieg von 49,7 Prozent im Jahr 2024 auf 62,4 Prozent im Jahr 2025 und auf 76,1 Prozent im Jahr 2026 (Zürich, 2. April 2026). Frick erklärt, dank KI-Funktionen in der Google-Suche komme heute praktisch jede Person im Internet automatisch mit künstlicher Intelligenz in Berührung.

Junge, Gebildete, Einkommensstarke und Romands nutzen KI besonders stark

Die Nutzung variiert stark nach Alter: Bei den 18- bis 35-Jährigen liegt sie bei 90,1 Prozent. Bei den 36- bis 55-Jährigen sind es 81,6 Prozent und bei den über 56-Jährigen nur 52,1 Prozent.

Auch Bildung und Haushaltsgrösse spielen eine Rolle: Personen mit hoher Bildung nutzen die Tools zu 82,5 Prozent, Personen mit niedriger oder mittlerer Bildung zu 69,4 Prozent. Haushalte mit 3 oder mehr Personen kommen auf 83,0 Prozent, Einpersonenhaushalte auf 71,4 Prozent. Beim Einkommen zeigt sich ebenfalls ein Gefälle: Haushalte mit über 8’000 Franken nutzen die Tools zu 85,9 Prozent, jene mit 4’000 bis 8’000 Franken zu 76,6 Prozent und Personen mit bis zu 4’000 Franken nur zu 55,7 Prozent.

Über 40 Prozent der Befragten nutzen Chatbots für die Websuche

Auch die Sprachregion macht einen Unterschied: In der französischsprachigen Schweiz verwenden 81,6 Prozent die KI-Tools, in der deutschsprachigen Schweiz 74,1 Prozent.

Am häufigsten dienen die KI-Helfer der Informationssuche im Internet anstelle einer Suchmaschine. Von den Personen, die Chatbots kennen, tun dies 41,6 Prozent anstelle von Google oder Bing, 2024 waren es 27,2 Prozent. Für die tägliche Arbeit, etwa Zusammenfassungen oder Texte, stieg die Nutzung unter den Chatbot-Nutzenden von 26,6 Prozent im Jahr 2025 auf 31,4 Prozent im Jahr 2026.

Schriftliche Kommunikation baut ihre Favoritenstellung weiter aus

Frick hält die Informationsbeschaffung per Chatbot für einfach und bequem. Er prognostiziert, dass klassische Suchmaschinen, die nur Links liefern, unter Druck stehen und verschwinden werden.

Bei der Art der Interaktion bleibt das Tippen in einem Chatfeld auf einer Webseite oder in einer Smartphone-App der klare Favorit: 59,2 Prozent fanden diese Option 2024 attraktiv, 61,6 Prozent 2025 und 61,9 Prozent 2026. Frick vergleicht das Chatten mit einer KI mit dem Austausch von WhatsApp-Nachrichten unter Freunden, während die Spracheingabe oft noch unnatürlich wirke und im Grossraumbüro oder im Bus ungeeignet sei. Die telefonische Kommunikation liegt deutlich zurück, zeigt aber einen leicht positiven Trend: 31,4 Prozent der Befragten fanden sie 2024 attraktiv, 34,0 Prozent 2025 und 33,8 Prozent 2026.

Gespräche per Videokonferenz mit einem Avatar bleiben trotz des immersiven Erlebnisses wenig beliebt: Die Attraktivität lag 2024 bei 22,4 Prozent, stieg 2025 auf 24,3 Prozent und fiel 2026 auf 22,8 Prozent. Bei Chatbots werden Fehler über die Jahre klar weniger toleriert als bei Menschen. Konstant rund zwei Drittel der Befragten, aktuell 62,9 Prozent, akzeptieren Fehler eines Chatbots nicht eher als jene einer menschlichen Ansprechperson.

Der Comparis-Digitalexperte erklärt, dass von KI hohe Fehlerfreiheit erwartet wird, Halluzinationen aber ein reales Risiko bleiben. Besonders im Unternehmenskontext könne das rasch dem Ruf schaden.

Die Bereitschaft, einem Chatbot Informationen anzuvertrauen, fällt je nach Thema sehr unterschiedlich aus. Am grössten ist die Skepsis bei psychischen Problemen: 55,5 Prozent würden solche Angaben nicht teilen, auch nicht mit interaktiven Robotern von Gesundheitsdienstleistern oder Versicherern. Frauen sind mit 58,8 Prozent zurückhaltender als Männer mit 52,1 Prozent. 52,5 Prozent lehnen es ab, persönliche Daten für einen Chatbot als Gesundheitscoach preiszugeben. Bei körperlichen Gesundheitsproblemen würden 49,4 Prozent Informationen auf keinen Fall teilen.

Bei einfachen Produktanfragen und Registrierungen kommt der Roboter vor dem Menschen

Frick hält die Zurückhaltung bei persönlichen Daten für berechtigt und sagt, sie gelte nicht nur für Gesundheitsinformationen. Selbst harmlos wirkende Angaben könnten mehr über eine Person verraten, als ihr bewusst sei.

In manchen Bereichen sprechen die Befragten lieber mit einem Chatbot als mit einem Menschen: 70,4 Prozent beim Lieferstatus, 58 Prozent bei Fragen zu Produkten oder Dienstleistungen und 51 Prozent bei der ersten Registrierung. Als Tipp heisst es, den Verlauf zu löschen oder einen Inkognito-Modus zu nutzen, zum Beispiel bei Perplexity, weil ChatGPT und ähnliche Dienste Antworten noch stärker personalisieren als eine normale Google-Suche.

Wer sich bei KI-Bots über gesundheitliche oder psychische Probleme informieren will, soll nicht über sich selbst sprechen, sondern über Dritte, etwa mit dem Satz «Meine Freundin leidet unter …». Beim Hochladen von Dokumenten zur Analyse oder Zusammenfassung soll vorher geprüft werden, ob sensible Daten enthalten sind, und diese sollen vorab anonymisiert werden.

Methodik

Das Institut Innofact befragte im März 2026 im Auftrag von Comparis 1’035 Personen in allen Regionen der Schweiz repräsentativ. Repräsentativ heisst, dass Merkmale wie Alter, Geschlecht oder Wohnregion in der Stichprobe ähnlich verteilt sind wie in der Gesamtbevölkerung, was die Übertragbarkeit der Ergebnisse verbessert. Auskunft gibt Digital-Experte Jean-Claude Frick bei Comparis.

Anhang

Der Anhang enthält den Einbettungscode einer interaktiven Grafik zur Umfrage.

Der Teil enthält eine eingebettete Grafik, die zeigt, dass Chat-Roboter bei der Informationssuche im Internet besonders beliebt sind.

Der Teil enthält nur den Einbettungscode einer weiteren interaktiven Grafik, ohne erklärenden Text.

Auch dieser Teil besteht nur aus dem Einbettungscode einer interaktiven Grafik, ohne erklärenden Text.

Der Teil nennt die Adresse von comparis.ch AG an der Birmensdorferstrasse 108 in 8003 Zürich. Eine eingebettete Grafik zeigt, dass Angaben zu eigenen gesundheitlichen Problemen einer künstlichen Intelligenz nicht anvertraut werden.

Der Teil enthält eine Grafik und beginnt die Firmenbeschreibung: Mit über 80 Millionen Besuchen im Jahr gehört comparis.ch zu den meistgenutzten Schweizer Websites. Das Unternehmen vergleicht Tarife und Leistungen von Krankenkassen, Versicherungen, Banken und Telecom-Anbietern und führt das grösste Schweizer Online-Angebot für Autos und Immobilien. Mit Vergleichen und Bewertungen schafft es Transparenz im Markt und stärkt die Entscheidungskompetenz der Konsumentinnen und Konsumenten.

Der Teil wiederholt die Adresse von comparis.ch AG in 8003 Zürich. Der Ökonom Richard Eisler gründete das Unternehmen 1996, und es ist in Privatbesitz. Die Mehrheit gehört bis heute dem Gründer, und weder andere Unternehmen noch der Staat sind an Comparis beteiligt.

««Künstliche Intelligenz hat den Sprung vom Hype in den Alltag geschafft – für viele Nutzerinnen und Nutzer ist sie bereits so selbstverständlich wie das Smartphone»»

Wörtliches Zitat aus dem Original.

Quelle: Comparis, «Medienmitteilung». Die Rechte liegen beim Herausgeber. Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Netzwoche, 26. Mai 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

In der Schweiz wächst das Misstrauen gegenüber den gesellschaftlichen Folgen der Digitalisierung. Gefragt sind jetzt vor allem Datenschutz, digitale Souveränität und vertrauenswürdige Lösungen, besonders bei künstlicher Intelligenz. Als Bildquelle ist Nataliia_Trushchenko von stock.adobe.com angegeben.

Fast die Hälfte der Menschen in der Schweiz erwartet, dass die Chancen von KI in den nächsten fünf Jahren die Risiken übertreffen. Zugleich fällt die Grundstimmung zur Digitalisierung erstmals negativ aus: 41 Prozent beurteilen ihren Einfluss auf die Gesellschaft eher kritisch. Das zeigt das Digitalbarometer 2026, eine Onlineumfrage unter 1278 Personen der Stiftung Risiko-Dialog, unterstützt von der Mobiliar und in Partnerschaft mit Digitalswitzerland. Auch hier wird die Bildquelle Nataliia_Trushchenko von stock.adobe.com genannt.

Die Stimmung gegenüber der Digitalisierung kippt

Die Umfrage zeigt ein widersprüchliches Bild: Drei Viertel nutzen generative KI bereits im Alltag und sehen auch wirtschaftliche Chancen, doch viele fürchten soziale Spannungen und den Verlust des Anschlusses. Jede vierte Person fühlt sich vom Tempo der Digitalisierung überfordert, besonders ältere Menschen, Personen mit tieferem Bildungsniveau und armutsbetroffene Menschen. Beim Thema KI überwiegt trotzdem vorsichtiger Optimismus: 48 Prozent erwarten mehr Chancen als Risiken, besonders positiv ist die Einschätzung in Industrie und Produktion, wo Unternehmen bereits Erfahrungen mit Automatisierung und KI sammeln. Skeptischer ist die italienischsprachige Schweiz, wo mehr Menschen negative Folgen erwarten. In der Deutschschweiz rechnet jede zweite Person mit überwiegenden Chancen, im Tessin dominiert die Skepsis.

Viele erwarten Veränderungen im Berufsalltag

47 Prozent glauben, dass KI die Arbeitswelt stark verändern wird, aber nur 27 Prozent erwarten dadurch neue berufliche Möglichkeiten; vor allem junge Menschen rechnen mit einem Umbruch, ältere sind zurückhaltender. Vier von fünf Personen setzen sich mit gesellschaftlichen Folgen und Risiken auseinander, etwa mit Desinformation oder problematischen KI-Entscheidungen in Medizin und Justiz. Im praktischen Umgang fühlt sich dagegen nur gut die Hälfte sicher mit KI-Tools, grosse Lücken bestehen beim Erkennen von KI-Betrug und beim Schutz persönlicher Daten.

Das Vertrauen in Schweizer Lösungen bleibt hoch

76 Prozent gewichten Datenschutz höher als Komfort, und eine deutliche Mehrheit will strengere Regeln gegen Hassrede und Falschinformationen, auch wenn die Meinungsfreiheit dadurch eingeschränkt wird. 83 Prozent würden digitalen Diensten mit einem Label "Made in Switzerland" mehr vertrauen, bei einem vergleichbaren EU-Label sind es nur 53 Prozent. Bei E-ID, digitalen Verwaltungsdiensten und elektronischem Patientendossier vertrauen die Befragten dem Staat deutlich stärker als privaten Firmen. 38 Prozent sehen in erster Linie den Staat in der Pflicht, digitale Technologien sicher zu gestalten, 23 Prozent die Nutzerinnen und Nutzer selbst und nur 18 Prozent die Unternehmen; in der Romandie ist die Erwartung an den Staat deutlich höher als in der Deutschschweiz. 59 Prozent wollen neue Technologien wie KI aktiv fördern, verlangen aber klare Regeln, transparente Standards und mehr Unabhängigkeit von internationalen Technologiekonzernen. Die Verfasser sehen die Herausforderung darin, Innovation und Vertrauen gleichzeitig zu stärken, denn die Offenheit gilt nur für nachvollziehbare, sichere und kontrollierbare Technologien. Zudem verweist der Text auf eine UBS-Studie, die grosse Unterschiede im Reifegrad der KI-Nutzung je nach Branche zeigt.

Quelle: Netzwoche, «Schweizer Bevölkerung verlangt mehr Kontrolle über KI», 26. Mai 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Netzwoche, 21. April 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Laut einer Erhebung des Bundesamts für Statistik liegt die Schweiz bei der KI-Nutzung im europäischen Vergleich auf Platz 3. Rund 47 Prozent der 16- bis 74-Jährigen setzen die Technologie ein, der europäische Durchschnitt beträgt 33 Prozent.

Das Bundesamt für Statistik (BFS) befragte im Frühling 2025 für seine Studie zur Internetnutzung 2025 rund 3000 Personen zwischen 15 und 88 Jahren, und zwar mit dem europäischen Standardfragebogen. Die Schweizer Bevölkerung zwischen 16 und 74 Jahren nutzt generative KI deutlich öfter als der europäische Durchschnitt. Das BFS ergänzte den Fragebogen gezielt um Fragen zu KI-Anwendungen, um deren Rolle im digitalen Alltag genauer zu erfassen.

Europaweit ist die Technologie bereits breit verankert, und die Schweiz steht unter 15 Ländern auf Platz 3 mit 47 Prozent KI-Nutzung. Vor ihr liegen Norwegen mit 56 Prozent und Dänemark mit 48 Prozent, der europäische Durchschnitt beträgt 33 Prozent. Nur Deutschland und Italien liegen darunter, wobei Italien mit rund 20 Prozent den Mittelwert deutlich senkt. Das BFS unterscheidet private, berufliche und Ausbildungszwecke, und in allen untersuchten Ländern überwiegt die private Nutzung vor den beruflichen und den Ausbildungszwecken.

Die Schweiz zeigt ein differenziertes Bild. Bei der privaten Nutzung belegt sie nur Rang 4, im Beruf und in der Ausbildung rückt sie dagegen auf Platz 2 vor.

Bildung und Beruf verstärken Unterschiede

Unter den Erwerbstätigen nutzen in der Schweiz rund 41 Prozent generative KI bei der Arbeit, womit das Land zusammen mit Norwegen (43 Prozent) die europäische Vergleichsgruppe anführt. Von den KI-Nutzenden in der Schweiz setzen 73 Prozent die Technologie auch beruflich ein, kein anderes europäisches Land erreicht mehr, und der EU-Durchschnitt liegt laut BFS bei 46 Prozent. Nach Angaben des BFS nutzten in den drei Monaten vor der Befragung etwa 28 Prozent der Personen mit niedriger formaler Bildung generative KI, bei höherer Bildung waren es 51 Prozent. In intellektuellen und wissenschaftlichen Berufen sowie bei Führungskräften beträgt die Nutzung 67 Prozent der Erwerbstätigen, in technischen und Büroberufen liegt sie im Mittelfeld, und in manuellen und Hilfsberufen nutzt deutlich weniger als ein Viertel KI.

Junge treiben KI-Nutzung nach oben

Bei den 16- bis 24-Jährigen nutzen in der Schweiz rund 79 Prozent generative KI, im europäischen Durchschnitt sind es nur 64 Prozent. Laut Bundesamt beeinflussen digitale Kompetenzen die Nutzung bei älteren Gruppen stark, bei den Jüngeren verläuft sie breiter und hängt weniger vom individuellen Kompetenzniveau ab. Regional nutzen in städtischen Gebieten 52 Prozent generative KI, in Regionen mittlerer Bevölkerungsdichte 41 Prozent und in ländlichen Gebieten 36 Prozent. Zudem verweist der Text auf eine Studie von Amosa, wonach KI Stellensuchenden mehr Türen zu Bewerbungsgesprächen öffnet.

Quelle: Netzwoche, «Schweizer Bevölkerung nutzt KI deutlich häufiger als der europäische Durchschnitt», 21. April 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Greater Geneva Bern area, 3. September 2025. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Die EPFL, die ETH Zürich und das CSCS haben Apertus veröffentlicht, das erste grosse Open-Source-Sprachmodell der Schweiz, ausgelegt auf Transparenz, Reproduzierbarkeit und mehrsprachige Nutzung.

Die EPFL, die ETH Zürich und das Nationale Hochleistungsrechenzentrum der Schweiz (CSCS) haben Apertus vorgestellt, ein neues grosses mehrsprachiges Sprachmodell (LLM). Es wurde auf dem Supercomputer Alps in Lugano trainiert und gilt als Meilenstein für transparente, souveräne und inklusive generative KI in Europa. Die Veröffentlichung folgt auf die Ankündigung vom Juli, als die Institutionen ihren Plan für ein vollständig offenes Modell vorstellten. Apertus gibt es in zwei Grössen mit 8 Milliarden und 70 Milliarden Parametern und deckt mehr als 1000 Sprachen ab. Rund 40% der Trainingsdaten sind nicht englisch, was die mehrsprachige Leistung stärkt, auch bei wenig vertretenen Sprachen wie Schweizerdeutsch und Rätoromanisch.

Transparenz und Zugänglichkeit von Anfang an

Anders als proprietäre Systeme legt Apertus alles offen: Architektur, Rezepte für die Trainingsdaten, Modellgewichte und Dokumentation sind öffentlich zugänglich. Das Modell lässt sich bei Hugging Face herunterladen oder über Swisscom nutzen, die es auf ihrer souveränen Schweizer KI-Plattform betreibt, und eine freizügige Open-Source-Lizenz erlaubt Forschung wie kommerzielle Nutzung. Martin Jaggi, Professor für Maschinelles Lernen an der EPFL und Mitglied des Lenkungsausschusses der Swiss AI Initiative, sagte, die Veröffentlichung biete eine Vorlage dafür, wie vertrauenswürdige und souveräne KI entstehen kann. Die Forschenden betonen, dass vollständige Reproduzierbarkeit und die Einhaltung schweizerischer und EU-Vorgaben Leitprinzipien waren, und die Trainingsdaten wurden nach Qualitäts- und ethischen Standards gefiltert.

Innovation und Zusammenarbeit voranbringen

Die Veröffentlichung fällt mit den bevorstehenden Hackathons der Swiss {ai} Weeks zusammen, bei denen Entwickelnde das Modell erproben. Thomas Schulthess, Direktor des CSCS, erklärte, Apertus übertrage nicht nur Forschung in ein Produkt, sondern treibe Innovation in Gesellschaft und Industrie an. Künftige Versionen sollen die Apertus-Familie erweitern, die Effizienz steigern und fachspezifische Fähigkeiten in Bereichen wie Recht, Gesundheit, Klima und Bildung ergänzen. Damit festigt die Schweiz ihre Rolle bei offener KI im Dienst der Allgemeinheit.

«This release provides a blueprint for how trustworthy and sovereign AI can be developed»

Wörtliches Zitat aus dem Original.

Quelle: Greater Geneva Bern area, «Switzerland launches Apertus, a fully open multilingual LLM», 3. September 2025. Die Rechte liegen beim Herausgeber. Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von cash, 19. Mai 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Die UBS befragte rund 2500 Unternehmen in der Schweiz und stellt fest, dass KI meist gezielt und nicht systematisch zum Einsatz kommt. Laut den Studienautoren, die ihre Ergebnisse am Dienstag veröffentlichten, deutet das Gesamtbild auf eine pragmatische Nutzung hin. Rund 60 Prozent der Firmen setzen bereits KI ein, mit deutlichen Unterschieden nach Grösse und Branche. Am verbreitetsten ist sie bei grossen Unternehmen und in digitalisierten Wissensbranchen wie IKT, Finanzdienstleistung und Pharma, während Bau, Verkehr, Gesundheit, Handel sowie Holz, Papier und Textil zurückliegen.

KI hilft vor allem bei Datenanalyse

Laut Studie dient KI vor allem einfachen Anwendungen: Rund die Hälfte der Firmen nutzt sie für Datenanalyse und Entscheidungsunterstützung oder um bestehende Produkte und Dienstleistungen zu verbessern. Bei grösseren Firmen spielt die Automatisierung von Geschäftsprozessen eine wichtige Rolle, etwa ein Viertel setzt KI für Innovation und Produktentwicklung ein, und nur wenige machen sie zum Kern ihres Geschäftsmodells, ausser in der IKT-Branche. Die UBS hebt hervor, dass die Nutzung stark vom Digitalisierungsgrad abhängt. Firmen mit guter IT-Infrastruktur und strukturierten Daten, meist grössere, setzen KI besser ein und sehen mehr Nutzen, während KMU diese Voraussetzungen oft nicht haben und KI seltener und weniger umfassend nutzen.

KI wird überwiegend als Chance gesehen

Stark digitalisierte Branchen wie IKT und Finanzwesen sehen KI überwiegend als Chance, vor allem wegen höherer Produktivität, besserer Entscheidungen und besserer Qualität. Branchen mit tieferem Digitalisierungsgrad wie Bildung, Kultur oder Teile der Industrie sehen darin häufiger ein Risiko, insgesamt überwiegt aber klar die Chance, auch wegen der Automatisierungspotenziale. Die Firmen erwarten keine radikale Umwälzung, sondern eine schrittweise Ausweitung: Viele wollen die Nutzung intensivieren, nur wenige ganz verzichten. Bei der Beschäftigung rechnen sie mit moderaten Folgen, nämlich einem leichten Rückgang ohne massiven Stellenabbau, und sehen KI eher als Entlastung denn als vollständigen Ersatz. Am stärksten verändern sich die Anforderungen an Arbeitskräfte: Gefragter werden IT- und Digitalkompetenzen sowie analytische und kreative Fähigkeiten, einfache Kommunikationsaufgaben verlieren an Bedeutung. Der Fachkräftemangel bleibt für viele ein zentrales Hindernis. Die Studie zeigt eine Zweiteilung: Grosse, digital gut aufgestellte Firmen treiben KI voran und profitieren stärker, viele kleinere warten ab, weil fehlende Digitalisierung, begrenzte Ressourcen und Unsicherheit über den Nutzen den Zugang erschweren.

Datenbasis als Bremsfaktor

Eine zweite Umfrage der Wirtschaftsauskunftei Dun & Bradstreet bestätigt das Bild: 97 Prozent der befragten Organisationen in der Schweiz haben laufende KI-Initiativen. Viele fühlen sich beim nächsten Schritt aber gebremst, denn nur 5 Prozent halten ihre Datenbasis für ausreichend auf KI vorbereitet. Laut der ebenfalls am Dienstag veröffentlichten Erhebung wollen 60 Prozent der Firmen ihre Investitionen in den kommenden zwölf Monaten weiter erhöhen. Bereits 69 Prozent melden erste messbare Erträge aus KI. Die quartalsweise globale «D&B AI Momentum»-Umfrage stützt sich auf Befragungen von 10'000 Unternehmen in 32 Ländern.

«Das Gesamtbild deute auf eine pragmatische Nutzung hin, schreiben die Autoren der am Dienstag veröffentlichten Studie.»

Wörtliches Zitat aus dem Original.

Quelle: cash, «KI-Nutzung wächst in der Schweiz, bleibt aber ungleich verteilt», 19. Mai 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Landingpage, nur der zitierte BefundDie Seite ist kein abgeschlossener Artikel, sondern eine Übersicht mit Explorer. Hier steht nur der Befund, auf den sich der Artikel beruft.

52 % der Käufer greifen bei der Anbietersuche und der Vorauswahl zuerst auf KI zurück. Damit steht KI am Anfang des Evaluationsprozesses, noch bevor ein Mensch die Website eines Anbieters besucht.

Quelle: G2 Research, «AI Speeds Discovery, But Trust Still Decides», 15. Juni 2026. Die Rechte liegen beim Herausgeber. Zusammenfassung: brauckmann.ch.

Im Jahr 2025 nutzten 20,0 Prozent der Unternehmen in der EU mit 10 oder mehr Beschäftigten Technologien der künstlichen Intelligenz (KI) zur Geschäftsabwicklung, was einem deutlichen Anstieg um 6,5 Prozentpunkte (pp) gegenüber 13,5 Prozent im Jahr 2024 entspricht. Im Vergleich zu 2021 (7,7 Prozent) und 2023 (8,1 Prozent) wird die Nutzung von KI-Technologien unter Unternehmen in der EU immer beliebter.

Die höchsten Anteile dieser Unternehmen im Jahr 2025 verzeichneten Dänemark (42,0 Prozent), Finnland (37,8 Prozent) und Schweden (35,0 Prozent). Am anderen Ende der Skala lagen Rumänien (5,2 Prozent), Polen (8,4 Prozent) und Bulgarien (8,5 Prozent).

Nahezu alle EU-Länder verzeichneten gegenüber dem Vorjahr einen Anstieg des Anteils der Unternehmen, die KI-Technologien nutzen. Dänemark verzeichnete den höchsten Zuwachs (+14,5 pp), gefolgt von Finnland (+13,5 pp) und Litauen (+12,5 pp).

Datensatz: isoc_eb_ai

Die häufigste Nutzung von KI-Technologien durch Unternehmen in der EU war die Analyse geschriebener Sprache (11,8 Prozent). Es folgten die Nutzung von KI zur Erzeugung von Bildern, Videos, Ton/Audio (9,5 Prozent), geschriebener oder gesprochener Sprache (8,8 Prozent) sowie zur Umwandlung gesprochener Sprache in ein maschinenlesbares Format (7,2 Prozent).

Im Vergleich zu 2024 war der Zuwachs bei der Nutzung von KI-Technologien im Jahr 2025 am stärksten bei der Analyse geschriebener Sprache (+4,9 pp), gefolgt von der Erzeugung geschriebener oder gesprochener Sprache (+3,4 %).

Datensatz: isoc_eb_ai

Quelle: Eurostat, «20 Prozent der Unternehmen in der EU nutzen KI-Technologien», 11. Dezember 2025. Grafiken und Daten: Eurostat, unverändert übernommen.

Zuerst auf Englisch veröffentlicht als «20% of EU enterprises use AI technologies» von Eurostat auf der offiziellen Website der Europäischen Union (Europa). © Europäische Union, 2025. Übersetzung ins Deutsche: brauckmann.ch, 2026. Die Übersetzung liegt in der alleinigen Verantwortung der Übersetzer; Eurostat haftet nicht dafür. Bei Abweichungen gilt nur der Text des Originals.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Source EMEA, 22. September 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Im zweiten Quartal 2026 nutzten weltweit 18,8% der Bevölkerung im erwerbsfähigen Alter (15 bis 64 Jahre) generative KI-Werkzeuge, im ersten Quartal 2026 waren es 17,8%. Laut dem AI Diffusion Report des Microsoft AI Economy Institute stieg die Nutzung in fast allen erfassten Volkswirtschaften; an der Spitze liegen die Vereinigten Arabischen Emirate (73,3%), Singapur (64,3%), Irland (49,9%), Frankreich (49,6%) und Norwegen (49,4%). Die Schweiz belegt mit 39,1% (zuvor 37,8%) weltweit Rang 14 und bleibt über dem globalen Durchschnitt; sie zählt weiterhin zu den führenden KI-Volkswirtschaften.

Die Schweiz gehört weiter zu den fortschrittlichsten KI-Volkswirtschaften und hat damit eine gute Grundlage für die nächste Phase der KI-Nutzung. Da KI aus der Experimentierphase in den Arbeits-, Lern- und Kreativalltag übergeht, rückt statt des Zugangs zunehmend die Wirkung in den Mittelpunkt, also der Schritt von der Nutzung zur Wertschöpfung. Catrin Hinkel, CEO von Microsoft Schweiz, sagt, der tatsächliche Fortschritt zeige sich am Nutzen für die Menschen, nämlich daran, wie sie KI zum Lernen, Gestalten und Lösen von Problemen einsetzen. Die Stärken der Schweiz bei Innovation, Bildung und Zusammenarbeit von Wirtschaft, Hochschulen und Staat bildeten die Basis, um KI verantwortungsvoll auszubauen; langfristig hänge die Wettbewerbsfähigkeit davon ab, wie gut Technologie mit menschlichem Fachwissen, Fähigkeiten und Urteilsvermögen verbunden werde.

Open-Weight-Modelle erweitern den Zugang zu KI

Der Bericht hebt die wachsende Bedeutung von Open-Weight-KI-Modellen hervor, die Zugangshürden senken und es Organisationen erleichtern, KI an lokale Bedürfnisse und Sprachen anzupassen. Zudem zeigen die Ergebnisse, dass KI zunehmend zum Lernen und zur Kompetenzentwicklung genutzt wird, besonders in Schwellenländern.

Obwohl die KI-Nutzung weltweit weiter wächst, hat sich die Kluft zwischen dem Globalen Norden und dem Globalen Süden im zweiten Quartal 2026 vergrössert. Das unterstreiche, wie wichtig Investitionen in digitale Infrastruktur, Vernetzung und KI-Kompetenzen seien, damit die Vorteile der KI breit geteilt werden. Der vollständige AI Diffusion Report ist online bei Microsoft abrufbar.

«AI adoption in Switzerland has continued to rise over recent quarters, but the true measure of progress is the value it creates for people.»

Wörtliches Zitat aus dem Original.

Quelle: Source EMEA, «New Microsoft data: AI adoption continues to rise, Switzerland remains well above the global average - Source EMEA», 22. September 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Microsoft Research. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

AusschnittZusammengefasst sind die ersten 12 von 18 Seiten des PDFs.

Der Fortschritt verläuft ungleich: Im Globalen Norden wuchs die Verbreitung fast doppelt so schnell wie im Globalen Süden, und die Lücke vergrösserte sich von 9,8 auf 10,6 Prozentpunkte. Die Vorteile der KI nehmen damit zu, verteilen sich aber nicht gleichmässig.

Unter den 30 führenden Ländern blieb die Rangfolge weitgehend stabil, weil frühe und konstante Investitionen in digitale Infrastruktur sich auszahlen: Die Emirate und Singapur belegen erneut die Plätze eins und zwei, danach folgen Norwegen, Irland, Frankreich und Spanien. Die meisten anderen Länder verschoben sich kaum, was zeigt, wie gesättigt die Spitze der Liste ist; insgesamt nimmt die Welt KI sehr schnell an, während die Kluft zu den zurückliegenden Regionen wächst, und die Aufgabe besteht darin, dass die nächste Innovationswelle mehr Menschen an mehr Orten nützt.

Die grösste Bewegung des Halbjahres gelang Südkorea mit dem Aufstieg um sieben Plätze von Rang 25 auf 18, ein Zeichen für beschleunigte nationale Investitionen und Nutzung. Belgien zog an Kanada vorbei und die Niederlande am Vereinigten Königreich, doch das waren geringe Verschiebungen in einer ansonsten stabilen Gruppe. Die USA blieben bei der absoluten Nutzung stark, fielen aber von Rang 23 auf 24, weil in mehreren kleineren, hochdigitalisierten Ländern ein grösserer Bevölkerungsanteil KI nutzt.

Südkorea war im zweiten Halbjahr 2025 das einzige Land mit einem Sprung dieser Grösse: In nur drei Monaten stieg es um sieben Plätze von 25 auf 18, die Nutzung generativer KI wuchs von rund 26% auf über 30% der Bevölkerung, und seit Oktober 2024 beträgt das Wachstum mehr als 80%, gegenüber 35% im globalen Durchschnitt und 25% in den USA. Südkorea ist inzwischen nach den USA der zweitgrösste Markt für ChatGPT-Abonnements, und als Treiber gelten nationale Politik zur schnelleren KI-Integration, bessere Spitzenmodelle für Koreanisch und Funktionen für Endnutzer, die bei der Bevölkerung ankamen. Von Juli bis November 2025 ging das Land von der strategischen Vision zu verbindlichem Handeln über: Im September bildete die Regierung ihr KI-Koordinationsgremium als ministeriumsübergreifendes National AI Strategy Committee neu und erliess das KI-Grundgesetz, das Innovation und Steuerung der KI ausbalanciert. Ende 2025 kündigte sie zudem an, KI-orientierte Naturwissenschafts-Gymnasien in den Regionen auszubauen und die Partnerschaften zwischen grossen Universitäten und regionalen Instituten zu stärken, damit der KI-Nachwuchs auch ausserhalb der Metropolen wächst.

Trotz grossem Interesse von Bevölkerung und Regierung hinkten die Sprachmodelle auf Koreanisch zunächst hinterher, doch das änderte sich mit der Freigabe von GPT-4o für alle Nutzer im April 2025 und mit GPT-5 im August 2025. Im koreanischen Studieneignungstest CSAT erreichte GPT-3.5, das damals beste Modell im kostenlosen Angebot, 16 Punkte, GPT-4o kam auf 75 und GPT-5 auf 100, also von einer Leistung unter dem Leseniveau Erwachsener auf das Niveau von Spitzenstudierenden. GPT-4o machte Gespräch, Entwurf, Übersetzung und Analyse erstmals zuverlässig nutzbar, und GPT-5 brachte tieferes Schlussfolgern, genauere Sprache und besseren Umgang mit Kontext, was komplexe Anweisungen, Fachfragen, Bildung, berufliche Abläufe und Anwendungen für Kleinunternehmen trägt. Weil Koreanisch keine ressourcenarme Sprache ist, gilt die rasche Verbesserung als ermutigendes Signal für Länder, deren Sprachen in den Trainingsdaten untervertreten sind: Wenn die Modelle die Sprache breiter und tiefer abdecken, dürfte die Nutzung folgen.

Ein viraler Moment der Bilderzeugung, der die Öffentlichkeit begeisterte

Ein dritter Treiber war ein Kulturphänomen im April 2025, als mit ChatGPT-4o erzeugte Bilder im Ghibli-Stil auf koreanischen Social-Media-Plattformen viral gingen. Die Funktion war so einfach, dass keine technischen Kenntnisse nötig waren und sich die Ergebnisse sofort teilen liessen, sie brachte Millionen neue Nutzer zur KI und löste einen Anstieg der Bildgenerierung aus. Die Daten deuten darauf hin, dass viele nach dem Abflauen des Trends weitere KI-Dienste ausprobierten, sodass aus dem viralen Moment dauerhafte Nutzung wurde; zusammen mit der Politik und den besseren Koreanisch-Modellen führte das zum weltweit grössten Anstieg der KI-Nutzung, zu einem schnell wachsenden ChatGPT-Markt und bis Ende 2025 zu einer breiteren Einbindung der KI in öffentliche Stellen.

Der KI-Vorsprung der Vereinigten Arabischen Emirate entstand nicht über Nacht, sondern wurde über Jahre gezielt aufgebaut. Im Oktober 2017, fünf Jahre vor ChatGPT, ernannten die Emirate mit Omar Sultan Al Olama den weltweit ersten Staatsminister für Künstliche Intelligenz und starteten im selben Jahr eine nationale KI-Strategie für 9 Schwerpunktsektoren samt Regeln zur Steuerung. Pragmatische Regulierung half ebenfalls: Es gab Sandbox-Umgebungen für kontrolliertes Experimentieren, besondere Visa für KI-Fachkräfte und grundsatzbasierte Leitlinien ohne Compliance-Lähmung. Als die aktuelle Welle generativer KI kam, kannten die Einwohner die Technik schon aus Behördendiensten, und das Vertrauen in KI liegt laut dem Edelman Trust Barometer 2025 bei rund 67%, in den USA bei nur 32%, ein Abstand von 35 Prozentpunkten (Westeuropa liegt im selben Bereich wie die USA).

DeepSeek überraschte 2025 mit einem Flaggschiffmodell, das mit führenden US-Systemen mithalten kann, und veröffentlichte dessen Gewichte unter einer MIT-Lizenz. Dazu kam ein kostenloser Chatbot für Web und Mobilgeräte ohne Abo oder Zahlungspflicht, und im September 2025 lud die Firma unabhängige Forschende zu einem Leistungstest ein, mit dem Ziel einer Veröffentlichung in Nature. Die Nutzung blieb in Nordamerika und Europa gering, stieg aber stark in China, Russland, Iran, Kuba, Belarus und Afrika, wo US-Dienste eingeschränkt sind. In Afrika liegt sie schätzungsweise 2 bis 4 Mal höher als in anderen Regionen, während sie in Ländern mit etablierten Alternativen wie Israel und Südkorea minimal bleibt. Als Gründe nennt der Text den Wegfall von Kostenhürden wie Kreditkarten und bezahlten Upgrades sowie die aktive Verbreitung durch chinesische Firmen wie Huawei über Partnerschaften und Telekomdienste. Offene KI kann so auch als geopolitisches Instrument dienen und chinesischen Einfluss dort ausdehnen, wo westliche Plattformen kaum arbeiten können.

Der Aufstieg von DeepSeek zeigt, dass die weltweite KI-Verbreitung ebenso von Zugang und Verfügbarkeit wie von der Modellqualität abhängt. Nutzer wählen Plattformen, die zu ihrem wirtschaftlichen, sprachlichen und politischen Umfeld passen. Offene Modelle werfen Fragen zu Standards und Sicherheit auf, weil sie sich mit wenig Aufsicht weit verbreiten. Dennoch senkte DeepSeek die Einstiegshürden für Millionen, sodass die nächste Milliarde KI-Nutzer eher aus dem Globalen Süden kommen könnte als aus den klassischen Technologiezentren. Es folgt das Quellenverzeichnis, beginnend mit Eintrag [1], einer Arbeit von Misra, Wang, McCullers, White und Ferres vom 4. November 2025 über eine bevölkerungsnormierte Kennzahl zur Messung der weltweiten KI-Nutzung.

Die Quellen [2] und [3] sind ein Artikel der Korea Times über den bevorstehenden Start von OpenAI Korea und ein Bloomberg-Bericht von Rai, Prinsloo und Nyambura, wonach DeepSeek in Afrika OpenAI und Google übertrifft.

Die Quellen [4] und [5] sind ein Beitrag des Korea Herald, der Südkorea als weltweit zweitgrössten Markt für zahlende ChatGPT-Nutzer einordnet, sowie eine Pressemitteilung auf der offiziellen Website der Republik Korea.

Die Quellen [6] und [7] verweisen auf das koreanische Grundgesetz zur KI und auf einen Bericht der Straits Times, nach dem Südkorea 1,2 Milliarden Dollar investiert, um KI von der Grundschule bis zum Arbeitsplatz zu vermitteln.

Die Quellen [8] und [9] sind eine GitHub-Rangliste, die Sprachmodelle an der koreanischen Hochschulaufnahmeprüfung misst, sowie ein Artikel von N. Canelakes darüber, dass die neueste ChatGPT-Version formale Prüfungen besteht.

Die Quellen [10] und [11] betreffen eine Diskussion über verantwortungsvolle KI-Nutzung in der Bildung nach dem SAT-Ergebnis von ChatGPT-4 und einen CNBC-Bericht von K. Leswing vom 14. März 2023, laut dem GPT-4 im SAT 90% der Menschen schlagen soll.

Dieser Teil ist der Quellenverweis Nummer 12 und nennt einen Artikel der Korea Times. Der Artikel vom 1. April 2025 berichtet, dass Bilder im Stil von Ghibli die ChatGPT-Nutzung in Korea stark ansteigen liessen und einen neuen Tagesrekord bewirkten.

Quelle: Microsoft Research, «Global AI Adoption in 2025». Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Microsoft Research. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

AusschnittZusammengefasst sind die ersten 12 von 17 Seiten des PDFs.

Die KI-Nutzung stieg im zweiten Quartal 2026 weiter: Im Juni setzten 18,8% der Bevölkerung im erwerbsfähigen Alter weltweit generative KI ein, rund 1% mehr als im ersten Quartal. Fast jede Volkswirtschaft verzeichnete mehr Nutzung, doch der Abstand zwischen dem Globalen Norden (28,8%) und dem Globalen Süden (16,2%) wuchs weiter. Gemessen wird der Anteil der 15- bis 64-Jährigen, die in der Berichtsperiode ein generatives KI-Produkt genutzt haben. Die Zahl stammt aus aggregierten, anonymisierten Microsoft-Telemetriedaten und wird nach Betriebssystem- und Gerätemarkt, Internetverbreitung und Bevölkerung angepasst; Details zur Methodik liefert ein technisches Papier. Die Vereinigten Arabischen Emirate (73,3%) und Singapur (64,3%) führen weiter. Südkorea legte absolut am stärksten zu, nämlich um 3,5 Prozentpunkte. Saudi-Arabien stieg von Rang 30 auf 25, der grösste Sprung im Ranking. Japan wuchs um 2,2 Prozentpunkte, relativ rund 10% gegenüber 22,5% im ersten Quartal.

Keine einzelne Kennzahl ist perfekt, auch diese nicht. Das Microsoft AI Economy Institute verfeinert die Messung laufend, damit sie Ziele wie wissenschaftliche Entdeckungen und Produktivitätsgewinne besser abbildet; für diesen Bericht dient das derzeit beste länderübergreifende Mass. Im vergangenen Jahr kamen viele neue KI-Werkzeuge und Modelle hinzu. Der nächste Bericht soll deren Nutzung einbeziehen, was den Anteil der KI-Nutzer in fast allen Volkswirtschaften erhöhen dürfte, in China voraussichtlich besonders stark. Der Bericht behandelt auch Modelle mit offenen Gewichten, die über Programmierschnittstellen einen wachsenden Anteil am Tokenvolumen erobert haben. Das könnte vor allem dem Globalen Süden nützen, weil Zugangskosten sinken und Anpassungen an lokale Sprachen und Bedürfnisse möglich werden, auch wenn Infrastruktur, Anbindung und Kompetenzen weiter Hürden bleiben. Zusätzlich vergleicht der Bericht, wie KI genutzt wird. Dazu dienen Einblicke in die Nutzung von Consumer Copilot; der auffälligste Unterschied ist ein höherer Anteil von Bildung und Lernen im Globalen Süden.

Die Vereinigten Arabischen Emirate (73,3%) und Singapur (64,3%) liegen klar vorn, gefolgt von Irland (49,9%) und Frankreich (49,6%). Unter den ersten 25 stach Südkorea erneut hervor: Es gewann 3,5 Prozentpunkte, den grössten Quartalszuwachs der Gruppe, und rückte von Rang 16 auf 12. Seit der zweiten Jahreshälfte 2025 hatte kein grosses Land mehr dazugewonnen, in drei Berichtsperioden in Folge, und in den letzten 12 Monaten kamen fast 15 Punkte beim KI-Nutzeranteil hinzu. Saudi-Arabien stieg von Rang 30 auf 25 und gelangte damit in die Top 25.

Die Kluft zwischen Globalem Norden und Süden wuchs im zweiten Quartal 2026 weiter. Im Norden nutzten 28,8% der Bevölkerung generative KI, nach 27,5% im ersten Quartal, ein Plus von 1,3 Prozentpunkten. Im Süden lag der Wert bei 16,2% nach 15,4%, ein Plus von 0,8 Prozentpunkten. Hinter der Kluft stehen Unterschiede in der Nutzungsart, besonders beim Lernen. Für eine Teilmenge der Consumer-Copilot-Gespräche bestimmt ein datenschutzfreundlicher Klassifikator die übergeordnete Absicht, also die Hauptaufgabe der Nutzer. Die Länder wurden in Nord und Süd gruppiert und der Anteil jeder Absicht mit dem globalen Anteil verglichen. Im Globalen Süden machen selbstgesteuertes Lernen und Kompetenzaufbau einen um 29,2 Prozent grösseren Anteil der Gespräche aus als weltweit. Bei Schularbeiten und akademischer Unterstützung beträgt der Anteil 32,3 Prozent mehr.

Die Nutzung im Globalen Norden stieg von 24,7% in der zweiten Jahreshälfte 2025 über 27,5% im ersten Quartal 2026 auf 28,8% im zweiten Quartal 2026. Im Süden waren es 14,1%, 15,4% und 16,2%, weltweit 16,3%, 17,8% und 18,8%. Der Abstand zwischen Nord und Süd wuchs von 10,6 über 12,1 auf 12,6 Prozentpunkte. Beim Vergleich der Absichten entfallen 68,5% des Verkehrs auf den Norden und 31,5% auf den Süden.

Der Süden zeigt bei Schularbeiten und akademischer Unterstützung sowie beim Erstellen und Bearbeiten von Bildern je 32,3% mehr als im weltweiten Mix, beim Erstellen und Bearbeiten von Text oder Code 22,4%. Der Norden liegt bei Einkauf und Produktrecherche 16,9% darüber, bei der Informationssuche 14,1% und bei Rückmeldung oder Rat 27,5% darunter; im Süden fällt der Anteil bei Rückmeldung oder Rat dagegen +12,6%. Der Süden ist deutlich jünger als der Norden, daher dürften demografische Unterschiede die Ergebnisse zumindest teilweise erklären. Die Befunde betreffen nur frühe Nutzer und lassen sich bei breiterer Verbreitung womöglich nicht übertragen; zudem erklären die Daten nicht, warum Lernen im Süden stärker hervortritt. Lernunterstützung könnte ein besonders wichtiger Einstieg in KI sein, wo die Verbreitung noch zurückliegt. Das passt zu neueren Studien zu Bing Copilot, Gemini und Claude, laut denen Schule und Kurse in Ländern mit niedrigeren Einkommen einen grösseren Teil der KI-Nutzung ausmachen.

Viele KI-Modelle gelten als offen, weil ihre trainierten Gewichte frei verfügbar sind, auch wenn Training und Code offen sein können oder nicht. Solche Open-Weight-Modelle lassen sich herunterladen, verändern und selbst betreiben, was Entwicklern viel mehr Freiheit gibt als Modelle, die nur über einen proprietären Dienst laufen. Ein Offener Brief vom Juli 2026, unterzeichnet unter anderem von Microsoft, NVIDIA, Meta, IBM, Hugging Face und der Linux Foundation, hielt fest, offene Gewichte machten fortgeschrittene KI zugänglicher und anpassbarer und erlaubten es, das passende Modell für die jeweilige Aufgabe zu einem passenden Preis zu wählen. Open-Weight-Modelle zeigen eine Seite der KI-Verbreitung, die sich mit Verbraucherzahlen allein schwer erfassen lässt. Der Hauptindikator des Berichts schätzt den Anteil der Erwerbsbevölkerung, der ein generatives KI-Produkt genutzt hat. Offene Modelle begegnen Nutzern aber oft indirekt, etwa über eine Anwendung, einen Coding-Agenten oder einen Dienst, der per API auf das Modell zugreift, und ihre Nutzung auf eigener Infrastruktur taucht in keiner zentralen Datenquelle auf. Der API-Markt liefert deshalb ein ergänzendes Bild, wobei OpenRouter eine der besten öffentlichen Quellen ist, weil es Hunderte offener und geschlossener Modelle über eine gemeinsame Schnittstelle zugänglich macht, auch wenn sein entwicklerlastiger Nutzerkreis nicht für alle KI-Nutzer steht. Der Markt gewinnt an Bedeutung, weil der Leistungsabstand zwischen offenen und geschlossenen Modellen rasch geschrumpft ist. Vergleiche über mehrere Modellgenerationen zeigen, dass neue geschlossene Modelle die Spitze vorschieben, führende offene Modelle aber oft binnen Monaten ähnlich gut werden. Moonshots Kimi K3, dessen volle Gewichte im Juli erschienen, liegt laut dem eigenen technischen Bericht bei einigen Tests noch hinter den stärksten proprietären Modellen, belegte aber am 14. September mit der Variante Kimi K3 Max einen Platz unter den ersten 5 der WebDev-Coding-Rangliste der Arena, vor mehreren proprietären Alternativen und zu einem Bruchteil der Kosten, ohne dass dies eine generelle Überlegenheit beweist. Diese Leistung schlägt sich zunehmend in der Nutzung nieder. OpenRouters öffentliche Auswertung von mehr als 100 Billionen Token ergab, dass offene Modelle bis Ende 2025 auf rund ein Drittel des Token-Volumens gewachsen waren, und Veröffentlichungen wie DeepSeek, Kimi, Qwen und GPT-OSS führten zu Anstiegen, die über die Startphase hinaus anhielten, was auf produktiven Einsatz statt blosses Ausprobieren deutet. Eine eigene Analyse öffentlicher OpenRouter-Daten zeigt, dass offene Modelle 2026 inzwischen 75% der Token-Nutzung ausmachen, wobei dies keine globalen Marktanteile sind, da OpenRouter-Nutzer überdurchschnittlich oft zwischen Anbietern wechseln und die direkte Nutzung geschlossener Spitzenmodelle sowie lokal betriebene offene Modelle in den Daten fehlen.

Die Grafik zeigt den Artificial Analysis Intelligence Index nach Erscheinungsdatum der Modelle und belegt, dass offene Modelle den Rückstand auf die geschlossene Spitze innerhalb weniger Monate aufholen. Als Quellen nennt sie das Microsoft AI Economy Institute und Artificial Analysis.

Grösse und Richtung der Veränderung sind ein klares Signal, dass offene Modelle ein immer wichtigerer Teil der API-basierten KI-Wirtschaft werden, und dazu passt feinkörnigere OpenRouter-Forschung, die mit steigender Leistung eine breite Hinwendung zu offenen Modellen findet. Analysen zeigen zudem, dass der Leistungsabstand zu geschlossenen Modellen nicht nur kleiner wird, sondern sich auch schneller verringert. Wirtschaftlich zählt das besonders beim Übergang vom Experiment zum Grosseinsatz. Laut den neuesten Daten von Artificial Analysis erreicht das kürzlich erschienene GLM 5.3 Flash bei hoher Denkstufe eine ähnliche Leistung wie GPT 5.6 Sol zu etwa einem Drittel der Kosten, obwohl die Sol-Modelle von OpenAI noch vor wenigen Wochen nahe an der Spitze lagen. Unternehmen achten stärker auf die Kosten wachsender KI-Lasten, denn das früher beliebte «Tokenmaxxing», bei dem hoher Token-Verbrauch als Erfolg gilt, wird teuer, wenn Agenten und Anwendungen das Modell wiederholt aufrufen. Deshalb verteilen sie Aufgaben auf verschiedene Modelle, und Reuters berichtete, offene Modelle gewännen an Boden, weil Firmen ihre KI-Ausgaben prüften und günstigere Alternativen suchten. Das Prinzip lautet, das Modell zur Aufgabe passend zu wählen, also teure Spitzenintelligenz dort einzusetzen, wo ihre zusätzliche Leistung Wert schafft, und günstigere Modelle für die vielen Aufgaben, die sie gut genug lösen, ganz im Sinne des Offenen Briefs.

Die Grafik stellt den Artificial Analysis Intelligence Index den durchschnittlichen Kosten je Benchmark-Aufgabe gegenüber, auf einer Achse bis 60 Punkte und bis zu 8 Dollar je Aufgabe. Zu den verglichenen Modellen zählen GPT-5.6 Sol max, Grok 4.6 high, Astra max und Astra low, Fable 5.1 max sowie GLM-5.3-Flash und GLM-5.3 max. Als Quellen sind das Microsoft AI Economy Institute und Artificial Analysis genannt.

Die wirtschaftlichen Folgen könnten besonders den Globalen Süden betreffen: Im zweiten Quartal 2026 nutzten 28,8 Prozent der Bevölkerung im erwerbsfähigen Alter im Globalen Norden KI, im Globalen Süden waren es 16,2 Prozent, weil dort Lücken bei Strom, Konnektivität, digitalen Kompetenzen und lokaler Sprachunterstützung die Verbreitung bremsen. Offene Gewichte beseitigen diese Grundlagenhürden nicht, senken aber zwei weitere: die Kosten für den Zugang zu leistungsfähiger KI und den Aufwand, Modelle an lokale Bedürfnisse anzupassen. Weil sich die Gewichte verändern lassen, können Non-Profit-Organisationen, Unternehmen, Regierungen und Universitäten bestehende Modelle feinabstimmen, statt Spitzensysteme von Grund auf zu trainieren; Firmen haben so etwa Modelle für Fachgebiete wie das Recht verbessert, und das Framework Bring Your Own Language von Microsofts AI for Good Lab steigerte die Leistung für Chichewa und Māori im Schnitt um rund 12 Prozent und zeigt zudem einen Weg für extrem ressourcenarme Sprachen wie Inuktitut. Offene Gewichte erleichtern diese Anpassung, erlauben den Betrieb über konkurrierende API-Anbieter oder lokal und geben den Nutzern mehr Kontrolle. Liegen leistungsfähige offene Modelle weiter nur Monate statt Jahre hinter der Spitze und bleiben sie zu einem Bruchteil des Inferenzpreises verfügbar, könnten sie zu einem wichtigen Weg werden, um zunehmend fähige KI zu jenen Bevölkerungen und Volkswirtschaften zu bringen, die bisher am wenigsten profitiert haben. Auch die Entwicklung von KI-Anwendungen wächst rasch: Die Zahl der Hugging Face Spaces stieg von rund 124'000 Ende 2023 auf 1,46 Millionen im September 2026, seit dem ersten Bericht im November 2025 um etwa 83 Prozent.

Spaces sind nicht mit eigenständigen kommerziellen KI-Produkten gleichzusetzen, belegen aber eine breitere Erprobung und Entwicklung auf der Anwendungsebene. Das Wachstum der Anwendungen wirkt sich auf die Messung der KI-Verbreitung aus: Viele Werkzeuge, die seit dem ersten Bericht erschienen sind, werden bereits stark genutzt, fehlen aber in der aktuellen Messgrösse. Der nächste Bericht soll mehr Werkzeuge abdecken, was die gemessene Verbreitung in fast allen Ländern erhöhen dürfte, am stärksten in China, wo mehrere verbreitete inländische Werkzeuge bisher fehlen; dahinter steht eine bessere Erfassung bestehender Nutzung, kein plötzlicher Anstieg der tatsächlichen Verbreitung.

Der Teil nennt als Grundlage die Studie von Misra, Wang, McCullers, White und Lavista Ferres (2025) zu einer bevölkerungsnormierten Kennzahl für die globale KI-Nutzung, erschienen auf arXiv und auch als technischer Bericht verfügbar. Die zugrunde liegenden Daten zur KI-Verbreitung sind öffentlich zugänglich.

Der Teil verweist auf den Datensatz zur KI-Verbreitung mit dem Update für das zweite Quartal 2026, der auf GitHub liegt. Wer die Daten verwendet, soll das technische Papier zitieren und einen Link zum Datensatz angeben, damit Reproduzierbarkeit und Versionstransparenz gewährleistet bleiben.

Der Teil enthält Literaturverweise 1 bis 4 sowie 8 bis 13, darunter die Studie von Misra und Kollegen zur KI-Verbreitung (arXiv:2511.02781), den Copilot Usage Report 2025 von Microsoft AI und Arbeiten zur Nutzung generativer KI nach Ländereinkommen und Sprache (Daepp und Slaughter, 2026). Weitere Quellen sind Googles AI ATLAS v1.0 zur Gemini-Nutzung, Artificial Analysis AI Trends, das Kimi-K3-Papier (Juli 2026), die Arena.AI-Rangliste für Code, die OpenRouter-Studie zu 100 Billionen Token, die Studie von Nagle und Yue zur Rolle offener Modelle und ein Reuters-Artikel vom 12. August 2026 über US-amerikanische KI-Modellanbieter.

Der Teil führt die Verweise 5 bis 7, 14 und 15 auf: den Anthropic Economic Index Report vom 15. Januar 2026, Microsofts Beitrag zu offenen Gewichten und amerikanischer KI-Führung sowie OpenRouter. Hinzu kommen der Beitrag von Harvey zu seiner Tenet-Vorschau vom 20. August 2026 und die Arbeit zu BYOL (Bring Your Own Language Into LLMs, 2026) von Zamir und weiteren Autoren.

«Taken together, these results suggest that learning support may be a particularly important entry point to AI in regions that are earlier in their adoption curve.»

Wörtliches Zitat aus dem Original.

Quelle: Microsoft Research, «Global AI Diffusion». Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von IDC, 27. August 2026. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Zwischen 2023 und August 2025 haben europäische Einkäufer von IT-Dienstleistungen ihre Prioritäten grundlegend neu geordnet. KI-Fähigkeiten rückten vom sechsten auf den ersten Platz, und digitales Fachwissen wurde zur Grundvoraussetzung statt zum wichtigsten Kriterium. Die Veränderung verlief nicht schrittweise, sondern zeigte einen Markt, der neues Terrain betreten hatte. Die IDC-Umfrage unter 700 europäischen Organisationen vom August 2025 belegt dies im Vergleich zu 2023, denn europäische Firmen verlangten KI-Fähigkeiten nun als Kernkompetenz.

KI-Fähigkeiten lagen 2023 auf Rang sechs. Im August 2025 standen sie auf Rang eins.

Vor drei Jahren belegten KI und generative KI bei der Wahl eines strategischen Dienstleistungspartners nur Rang sechs der Prioritätenliste, im August 2025 standen sie ganz oben. Das spiegelt einen echten Wandel darin, welchen Wert europäische Organisationen von ihren Partnern erwarten. Bis 2025 hatten die meisten Organisationen KI-Werkzeuge ausprobiert und viele Pilotprojekte durchgeführt, doch nur wenige hatten Kernprozesse erfolgreich für den KI-Einsatz im grossen Massstab umgebaut. Genau hier sollen die Dienstleister helfen. Für Anbieter heisst das, dass KI-Kompetenz kein Punkt auf einer künftigen Roadmap sein darf. Käufer erwarten echte KI-Fähigkeiten im gesamten Leistungsportfolio, und für Anbieter in der Region EMEA ist das eine Grunderwartung und kein Unterscheidungsmerkmal mehr.

Künftige Technologietrends lagen auf Rang drei. Europäische Firmen wollten Orientierung, nicht nur Lieferung

Das drittwichtigste Kriterium der Umfrage vom August 2025 zeigt, dass europäische Organisationen ihre IT-Partner als vertrauenswürdige Berater für kommende Entwicklungen brauchten. Firmen haben oft wenig interne Kapazität, um neue Technologien zu verfolgen, Optionen zu vergleichen und echte Branchentrends von blossem Hype zu trennen. Die Fragen der Käufer hatten sich verändert, denn sie fragten nicht mehr nur, ob der Anbieter etwas bauen kann, sondern was gebaut werden sollte, was der Markt tut und was als Nächstes kommt. Anbieter mit einer glaubwürdigen Haltung zur Technologiestrategie, gestützt auf Markteinblicke und vor allem Erfahrung, hatten einen Wettbewerbsvorteil.

Branchenwissen und Innovation rundeten die wichtigsten Auswahlkriterien ab

Branchenexpertise und eine nachgewiesene Erfolgsbilanz bei der Unterstützung von Kunden bei Innovationen vervollständigten laut der Umfrage vom August 2025 die fünf wichtigsten Kriterien europäischer Käufer. Neu waren diese Anforderungen nicht, doch ihr Kontext hatte sich verschoben: Was fünf Jahre zuvor als innovativ galt, galt oft nicht mehr, und rein historisches Branchenwissen genügte nicht. Europäische Käufer suchten Partner, die tiefes Branchenwissen mit aktuellem Denken darüber verbinden, wie KI, regulatorischer Wandel und Konkurrenzdruck das jeweilige Feld umgestalten. Branchenspezialisten müssen daher verstehen, wie KI ihren Sektor verändert und welche Geschäftsprozesse sich für eine KI-getriebene Transformation eignen, denn allgemeines Branchenwissen reicht als Wettbewerbsbasis nicht mehr aus.

Was sich seither verändert hat

Die Verschiebung zwischen 2023 und August 2025 war eindeutig, doch der Markt steht nicht still. Offen ist, was in den folgenden 12 Monaten geschah: ob Käufer noch mehr verlangten, ob KI an der Spitze blieb, ob Anbieter die nötigen Neupositionierungen vornahmen, ob neue Kriterien auftauchten und wie sich die Prioritäten auf die tatsächlichen Auswahlentscheide in EMEA auswirkten. Für Anbieter entscheiden die Antworten darüber, ob ihre Positionierung dem Markt voraus ist oder ihm hinterherläuft. Für Käufer bestimmen sie, wie sie Partner jetzt bewerten sollten. Am 6. Oktober stellt IDC aktualisierte Forschungsergebnisse mit frischen Daten zur Entwicklung der Anforderungen der EMEA-Käufer vor. Das Webinar trägt den Titel «Was werden EMEA-Käufer von Dienstleistern im KI-Zeitalter verlangen?» Der Beitrag stützt sich auf IDCs EMEA-IT-Services-Umfrage vom August 2025 (n=700, Europa).

Quelle: IDC, «How service provider selection criteria have shifted: what we learned, and what comes next», 27. August 2026. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Pew Research Center, 22. Juli 2025. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Google hat letztes Jahr die Funktion "AI Overviews" eingeführt, die oben auf vielen Suchseiten eine von künstlicher Intelligenz erzeugte Zusammenfassung zeigt. Sie steht Millionen von Google-Nutzern in den USA zur Verfügung. Online-Verlage führen sinkende Zugriffszahlen darauf zurück, dass diese Zusammenfassungen die klassischen Suchergebnisse ersetzen. Ihrer Darstellung nach verlassen sich viele Nutzer auf die Zusammenfassung, statt den Links zu den Websites der Verlage zu folgen.

Ein Bericht des Pew Research Center vom Frühling wertete Daten von 900 erwachsenen Personen in den USA aus, die ihre Online-Aktivität teilten. Etwa sechs von zehn Befragten (58%) führten im März 2025 mindestens eine Google-Suche durch, die eine KI-Zusammenfassung lieferte. Weitere Analysen zeigten, dass Nutzer auf Suchseiten mit KI-Zusammenfassung seltener auf Ergebnislinks klickten als auf Seiten ohne eine solche. Die angegebenen Quellen der Zusammenfassung wurden nur sehr selten angeklickt.

Das Pew Research Center wollte mehr über KI-generierte Suchzusammenfassungen und ihr Erscheinen in den Google-Ergebnissen erfahren. Dafür nutzte es die Browserdaten von 900 erwachsenen Personen in den USA, die zum Online-Panel KnowledgePanel Digital gehören und eine App installierten, die ihr Surfverhalten aufzeichnet. Für jede befragte Person lag eine Liste aller URLs vor, die sie vom 1. bis 31. März 2025 auf einem überwachten Gerät besucht hatte. So liessen sich alle Suchmaschinenbesuche, die eingegebenen Suchbegriffe und die jeweils folgenden Handlungen untersuchen.

Für jede Websuche auf google.com in der Datensammlung liess ein externer Scraping-Dienst dieselbe Suche laufen und erfasste den Text der ersten Ergebnisseite. Dazu gehörten normale Treffer und Links, der Text vorhandener KI-Zusammenfassungen und bis zu drei Quell-URLs der Zusammenfassung. Die Ergebnisse wurden vom 7. bis 17. April 2025 gesammelt, und weil sich eine Zusammenfassung mit der Zeit ändern kann, zeigt die Analyse den Stand zum Erhebungszeitpunkt. Der gesamte Datensatz umfasst 68.879 einzelne Google-Suchen, von denen 12.593 neben den normalen Ergebnissen eine KI-Zusammenfassung erzeugten. Weil sich KI-Zusammenfassungen bei anderen Suchmaschinen technisch nicht zuverlässig erkennen liessen, enthält die Analyse nur Google-Suchen.

Die nächste Handlung nach dem Besuch einer Google-Suchseite bestimmte das Team anhand von Zeitstempel und URL des folgenden Besuchs. Ein Klick auf einen Link zählte, wenn die nächste URL zu den Links der ersten Ergebnisseite oder zu den ersten drei Quellen der KI-Zusammenfassung passte, und ein Link in beiden Bereichen wurde der Zusammenfassung zugerechnet. Als weitere Kategorien galten das Fortsetzen der Suche auf einer anderen Google-Suchseite und das Verlassen von Google für eine andere Seite. Eine Sitzung galt als beendet, wenn der Browser fünf Sekunden oder länger geschlossen wurde.

Weitere Einzelheiten stehen in der Methodik des ursprünglichen Berichts. Wer eine KI-Zusammenfassung sah, klickte seltener auf Links zu anderen Websites als Nutzer ohne Zusammenfassung. Mit Zusammenfassung folgte bei 8% aller Besuche ein Klick auf einen klassischen Suchlink. Ohne Zusammenfassung klickten Nutzer fast doppelt so oft auf ein Ergebnis (15% der Besuche).

Auch auf einen Link innerhalb der Zusammenfassung klickten Nutzer selten, nämlich bei nur 1% aller Besuche von Seiten mit einer solchen Zusammenfassung. Nutzer beendeten ihre Browsersitzung nach einer Suchseite mit KI-Zusammenfassung häufiger ganz, nämlich bei 26% dieser Seiten. Bei Seiten mit ausschliesslich klassischen Ergebnissen geschah das bei 16%.

Unabhängig von einer KI-Zusammenfassung endete der grösste Teil der Suchen damit, dass Nutzer anderswo auf Google weitersurften oder die Seite verliessen, ohne einen Ergebnislink anzuklicken. Rund zwei Drittel aller Suchen führten zu einer dieser Handlungen. Am häufigsten genannt werden sowohl in den KI-Zusammenfassungen als auch in den normalen Ergebnissen Wikipedia, YouTube und Reddit. Zusammen machten sie 15% der Quellen in den untersuchten Zusammenfassungen aus und einen ähnlichen Anteil (17%) der Quellen in den normalen Suchergebnissen.

Links auf Wikipedia kommen in KI-Zusammenfassungen etwas häufiger vor als auf normalen Suchseiten, während YouTube-Links in normalen Suchergebnissen etwas häufiger auftauchen als in KI-Zusammenfassungen. Behördenseiten werden in KI-Zusammenfassungen öfter verlinkt als in normalen Ergebnissen: 6% der verlinkten Quellen in KI-Übersichten waren .gov-Seiten, bei normalen Suchergebnissen nur 2%. Auf Nachrichtenseiten verwiesen 5% der KI-Zusammenfassungen und ebenfalls 5% der normalen Ergebnisse.

Im März 2025 lieferte rund jede fünfte Google-Suche eine KI-Zusammenfassung, genauer 18% aller untersuchten Suchen. Die grosse Mehrheit dieser Zusammenfassungen (88%) nannte drei oder mehr Quellen, nur 1% stützte sich auf eine einzige. Die typische (mediane) KI-Zusammenfassung umfasste 67 Wörter, die Länge schwankte aber stark. Die kürzeste hatte sieben Wörter, die längste 369.

Suchen mit mehr Wörtern, Fragen oder ganzen Sätzen führen häufiger zu KI-Zusammenfassungen. Bei Suchen mit einem oder zwei Wörtern gab es nur in 8% der Fälle eine Zusammenfassung, bei Suchen mit 10 Wörtern oder mehr stieg der Anteil auf 53%. Weitere Suchtypen, die oft zu KI-Zusammenfassungen führen, werden im Anschluss aufgeführt.

Bei Suchanfragen, die mit einem Fragewort wie «wer», «was», «wann» oder «warum» beginnen, erschien in 60% der Fälle eine KI-Zusammenfassung. Bei Suchen mit ganzen Sätzen, also mit Nomen und Verb, waren es 36%.

«Google users who encounter an AI summary are less likely to click on links to other websites than users who do not see one.»

Wörtliches Zitat aus dem Original.

Quelle: Pew Research Center, «Google users are less likely to click on links when an AI summary appears in the results», 22. Juli 2025. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch. Pew Research Center has published the original content in English but has not reviewed or approved this translation.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von NBER. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

AusschnittZusammengefasst sind die ersten 12 von 63 Seiten des PDFs.

Das Papier erscheint als Arbeitspapier des National Bureau of Economic Research in Cambridge, Massachusetts, im April 2026, überarbeitet im August 2026. Es fasst Gedanken zusammen, die die Autorin in einem Hauptvortrag an einer von CESifo organisierten Konferenz zu wirtschaftlichen und gesellschaftlichen Folgen von KI in München vortrug. Die geäusserten Ansichten stammen von der Autorin und müssen nicht mit jenen des NBER übereinstimmen.

Die Autorin hat weitere Beziehungen offengelegt, die für die Forschung bedeutsam sein können; Einzelheiten stehen online beim NBER unter der Nummer w35123. NBER-Arbeitspapiere dienen der Diskussion und Kommentierung. Sie wurden weder von Fachkollegen begutachtet noch vom NBER-Vorstand geprüft, wie es bei offiziellen NBER-Veröffentlichungen der Fall ist.

Das Urheberrecht von 2026 liegt bei Tania Babina; kurze Passagen von höchstens zwei Absätzen dürfen mit vollständiger Quellenangabe samt Copyright-Hinweis zitiert werden. Das Papier trägt den Titel «Understanding Firms' AI Efforts and Their Economic Impact» und ist das NBER Working Paper Nr. 35123 (April 2026, überarbeitet August 2026; JEL-Codes G0, J0, M0). Es wertet Daten zu künstlicher Intelligenz auf Unternehmensebene und die entstehende Evidenz zu den wirtschaftlichen Wirkungen aus und betont, dass die Messung zentral ist, weil unterschiedliche Datensätze Verschiedenes erfassen: Erfindung gegenüber Nutzung, interner Aufbau gegenüber Auslagerung sowie tatsächliche Tätigkeit gegenüber der Wahrnehmung von Investoren. Es entwickelt einen Rahmen zur Wahl zwischen den Massen, gibt einen Überblick über verfügbare Datenquellen, fasst Befunde zu Wachstum, Bewertung, Produktivität, Risiko, Arbeit, Wettbewerb, Finanzmärkten und Anwendungen zusammen und schliesst mit Ideen für künftige Forschung.

Die Autorin, Tania Babina von der University of Maryland (School of Business) und dem NBER, nennt KI eine der wichtigsten Technologien, die das Verhalten von Unternehmen und die Märkte verändern. Die Untersuchung lohne sich, weil KI Produktivitätswachstum, Innovation, Beschäftigung, Unternehmensorganisation, Wettbewerb und die Verteilung der Gewinne zwischen Firmen und Beschäftigten beeinflussen kann. Aus Sicht der Unternehmensfinanzierung zähle KI, weil sie Unternehmenswert, Profitabilität, Risiko und Kapitalkosten beeinflusst; besonders wichtig sei dies in Finanzmärkten, wo Banken, Fintech-Firmen, Vermögensverwalter und Händler KI nutzen und ihre Wirkung über Kreditvergabe, Preisbildung, Investitionen und Informationsverarbeitung weitertragen. Das Papier erstellt zunächst einen Rahmen dafür, was die verschiedenen Datensätze tatsächlich messen, wobei die Messung keine technische Nebensache sei, weil jede Messgrösse einen anderen ökonomischen Gegenstand erfasse und andere Fragen beantworte. Danach prüft es die in der Literatur genutzten Datenquellen samt Vor- und Nachteilen und fasst Evidenz zu Wachstum, Bewertungen, Profitabilität, Produktivität, Risiko, Arbeitsmarktergebnissen, Wettbewerb und Finanzanwendungen zusammen. Fussnote 2 verweist auf ergänzende Arbeiten mit konzeptionellen und historischen Sichtweisen auf KI-Technologien, etwa von Brynjolfsson, Rock und Syverson (2017), Mokyr (2018), Cockburn, Henderson und Stern (2018), Tucker (2018), Agrawal, Gans und Goldfarb (2019), Bresnahan (2024) sowie Kording und Marinescu (2025).

Fussnote 3 nennt weitere Überblicksarbeiten zu Einsatz und Wirkung von KI in Ökonomie und Finanzforschung, darunter zu maschinellem Lernen in der Preisbildung von Vermögenswerten (Giglio, Kelly und Xiu 2022; Kelly und Xiu 2023), zu Finanzintermediation (Berg, Fuster und Puri 2022), zu Robo-Beratung (D'Acunto und Rossi 2023), zu generativer KI (Korinek 2023; Eisfeldt und Schubert 2025; Mo und Ouyang 2025), zu agentischer KI (Shahidi et al. 2025) sowie zu Sprachverarbeitung, maschinellem Lernen und grossen Sprachmodellen als Werkzeugen der Forschung (Horton, Filippas und Manning 2023; Athey und Imbens 2019; Dell 2025; Hoberg und Manela 2025). Der Umfang des Papiers ist bewusst eng: Es behandelt Forschung zu Investitionen, Einführung, Erfindung, Vermarktung und Nutzung von KI in Unternehmen sowie deren ökonomische Folgen, und zwar mit Blick auf beobachtbare Daten. Ausgeklammert bleiben die Literatur, die maschinelles Lernen vor allem zur Renditeprognose einsetzt, jene, die KI-Werkzeuge zur Datenerzeugung für die Forschung nutzt, Studien zum Vergleich von KI mit anderen Methoden oder Menschen bei Einzelaufgaben sowie Arbeiten dazu, ob KI-Modelle menschliches Verhalten oder Präferenzen nachahmen können. Glaubwürdige Evidenz zu den Wirkungen von KI setze voraus, dass die KI-Bemühungen der Firmen gut gemessen werden. Abschnitt 2 zeigt in einem Rahmen, dass KI-Daten kein einheitliches Objekt sind: Sie unterscheiden sich darin, ob sie Firmen erfassen, die KI-Methoden erfinden, oder solche, die bestehende Werkzeuge nutzen, ob KI intern entwickelt oder als Lösung zugekauft wird, ob sie breite Abdeckung über viele Firmen oder reiche Details in engeren Fallstudien bieten, ob sie alle KI-Anwendungen oder nur bestimmte Einsatzfälle abbilden, ob sie tatsächliche Fähigkeiten oder äussere Wahrnehmungen spiegeln und ob sie Investitionen vorab oder Ergebnisse im Nachhinein messen. Jeder Datentyp passe zu einer anderen Forschungsfrage: Patente eignen sich für die Erfindung an der Spitze, Umfragen zur KI-Nutzung in Unternehmen für Einführung und Verbreitung, offengelegte Angaben für die Überzeugungen der Investoren und Masse zum KI-Humankapital für den Aufbau echter Fähigkeiten im Unternehmen. Abschnitt 2 erklärt zudem, wie die Qualität von KI-Datensätzen zu beurteilen ist, nämlich anhand von Abdeckung und Repräsentativität, Vollständigkeit, Detailtiefe, zeitlicher Struktur und Paneldesign, Konstruktvalidität und Manipulierbarkeit. Diese Punkte seien keine blossen technischen Details, denn sie könnten die ökonomischen Schlüsse der Forschenden verändern.

Studien mit firmenbezogenen Massen für breite KI-Investitionen finden oft, dass Unternehmen mit KI-Einsatz schneller wachsen und mehr Personal beschäftigen. Studien zur beruflichen KI-Exposition finden dagegen oft eine Verdrängung bei stärker betroffenen Aufgaben. Das ist kein Widerspruch, weil die erste Sorte den Nettoeffekt tatsächlicher Übernahme über viele Verwendungen misst und die zweite nur den Ersatz auf Aufgabenebene. Der Abschnitt zeigt das Rahmenwerk am Beispiel der KI-Fachkräftemasse von Babina et al. (2024), die aus Stellenanzeigen und Lebensläufen gebildet werden. Sie eignen sich besonders, um den internen Aufbau von KI-Fähigkeiten bei Firmen zu untersuchen, die KI anwenden statt erfinden. Ausgelagerte KI-Nutzung sowie ergänzende Investitionen wie Dateninfrastruktur, Governance und neu gestaltete Arbeitsabläufe erfassen sie womöglich nicht. Danach folgt ein Überblick über die Datenquellen der Literatur: Umfragen, Arbeitsmarkt-Expositionsmasse, Patente, Publikationen, Produkt- und Markendaten, Offenlegungen, Software-Telemetrie, transaktionsbasierte Masse und nichtarbeitsbezogene Inputs der KI-Infrastruktur. Der Literaturüberblick wendet sich dann den ökonomischen Wirkungen zu. Er fragt, welche Firmen in KI investieren und wie KI mit Wachstum, Bewertung, Profitabilität, Produktivität und Risiko zusammenhängt. Er behandelt zudem Evidenz zu Beschäftigung, Löhnen, Arbeitszeit, Qualifikationsmix und Organisationsstruktur, die Wettbewerbsdynamik sowie Finanzanwendungen wie Vermögensverwaltung, Banken und Fintech, Handel, Robo-Beratung und Offenlegungen zu KI. Fünf Kernbefunde ergeben sich. Erstens verbreitet sich KI ungleich: Grosse Firmen und solche mit höherem Anteil hochqualifizierter Beschäftigter setzen sie oft entschlossener ein. Zweitens geht KI-Investition schon jetzt mit höherem Umsatzwachstum und höherer Marktbewertung einher, wobei die Gewinne oft mit Verzögerung auftreten. Drittens sind Produktivitätseffekte in aggregierten Firmendaten schwer zu erkennen, anders als in eng umrissenen Aufgabensituationen, was auf Anpassungskosten und organisatorische Komplemente hinweist. Viertens zeigt die Arbeitsmarktevidenz mehr als blosse Verdrängung: KI kann einzelne Aufgaben ersetzen, während die Nettobeschäftigung der Firma trotzdem wächst. Fünftens ist der Finanzsektor besonders aufschlussreich, weil KI dort auch Kreditvergabe, Anlegerverhalten, Handel und die Effizienz der Märkte beeinflusst. Für die künftige Forschung nennt das Papier mehrere Richtungen. Vorrang hat bessere Messung: weg von Stellvertretervariablen, hin zu direkten Massen tatsächlicher KI-Nutzung, vor allem der ausgelagerten über Schnittstellen, Unternehmenssoftware und Cloud-Werkzeuge. Zudem sollen Anwendungsfälle wie Prognose, Programmierung, Kundendienst, Produktinnovation und Kreditprüfung klarer getrennt werden, weil ihre Wirkungen sehr verschieden sein können. Weitere Themen sind Firmengrenzen, Humankapitalbildung, Umschulung, Delegation und Organisationsgestaltung. Ausserdem fehlt Forschung dazu, wie sich generative KI von früherer KI unterscheidet, wie offene gegenüber proprietären Systemen private und gesellschaftliche Erträge prägen und wie Regeln zu Datenzugang, Standards und Governance Übernahme, Wettbewerb und langfristige Ergebnisse beeinflussen.

Das stark gewachsene kommerzielle Interesse an künstlicher Intelligenz im letzten Jahrzehnt verändert die technologische Lage der Firma grundlegend. Um das zu verstehen, muss man die heutige KI einordnen und zeigen, wie sie sich von ihren Vorläufern unterscheidet. Die Vision der KI reicht in die 1950er und 1960er Jahre zurück, mit Alan Turings Grundlagenarbeit und dem Dartmouth-Workshop von 1956. Die frühe Phase setzte auf regelbasiertes symbolisches Schliessen und Expertensysteme mit kleinen, von Hand erstellten Datensätzen. In den 1980er Jahren dominierte das Wissensengineering, das Expertenregeln in Software giessen wollte. Diese Systeme liessen sich kaum skalieren und waren in komplexen realen Umgebungen wenig robust, und mehrere KI-Winter folgten, als der Fortschritt hinter den Erwartungen zurückblieb. Der grosse Durchbruch kam in den 2010er Jahren mit dem Zeitalter des Deep Learning. Getrieben vom ImageNet-Projekt und der Einsicht, dass Grafikprozessoren das Training grosser neuronaler Netze ermöglichen, wechselte die KI von Regeln zur Mustererkennung. Die Modelle lernten nun direkt aus Daten statt vorgegebener Logik zu folgen. Sie blieben aber auf enge Anwendungen wie Go oder Kreditausfallprognosen beschränkt, waren dort oft sehr profitabel (Bresnahan 2024) und übertrugen sich nicht auf breitere Aufgaben wie das Verfassen von Forschungsberichten. In den 2020er Jahren entwickelte sich die Technik zu generativer KI, die allgemeinere Aufgaben wie das Entwerfen von Forschungsberichten erlaubt. Zuletzt experimentieren Firmen mit agentischer KI: Systeme auf Basis generativer Modelle, die planen, über Werkzeuge hinweg handeln (etwa Suche, Codeausführung, Workflow-Software) und mehrstufige Ziele mit wenig menschlicher Anleitung verfolgen. Anders als frühere IT-Umbrüche, die vorhandene Daten und Prozesse digitalisierten, ist moderne KI eine statistische Technologie, die hochwertige Prognosen liefert und Inhalte erzeugt. Kennzeichnend sind grosse Modelle, die auf riesigen Beständen strukturierter und unstrukturierter Daten trainiert werden. Vier Kräfte liessen das kommerzielle Interesse an KI stark ansteigen.

Mehrere Entwicklungen trieben den Aufschwung an: die schnelle Anhäufung von Daten durch die Digitalisierung der Wirtschaft über das Internet, sinkende Speicherkosten etwa durch Cloud-Infrastruktur, wachsende Rechenleistung wie bei Nvidia-Chips und methodische Durchbrüche bei neuronalen Netzen. Die Transformer-Architektur (Vaswani et al. 2017) und die folgenden grossen Sprachmodelle erweiterten die Aufgaben, bei denen KI wirtschaftlich nützliche Ergebnisse liefert, nämlich Text, Code, Bilder und strukturiertes Schlussfolgern. Generative KI unterscheidet sich von den früheren KI-Wellen der 2010er-Jahre. Frühere Systeme des maschinellen Lernens sollten innerhalb enger Arbeitsabläufe Vorhersage, Klassifikation oder Rangbildung verbessern, während bei generativer KI das ökonomisch relevante Ergebnis oft die Erzeugung, Umwandlung und Zusammenführung von Inhalten ist. Damit senkt KI nicht mehr nur die Kosten von Prognosen unter Unsicherheit, sondern auch die Kosten kognitiver Vorleistungen, beeinflusst Entscheidungsqualität und Produktionskapazität und lässt sich mit demselben Modell in vielen Unternehmensbereichen einsetzen. Der breitere Output deutet auf eine breitere Menge ersetzbarer Tätigkeiten hin: Prädiktive KI ersetzt vor allem Datenerhebung, Zustandsklassifikation, Prognosen und Regelanwendung, generative KI zusätzlich Teile von Schreiben, Programmieren, Zusammenfassen, Kundenkommunikation, Marketing, Rechts- und Compliance-Arbeit, Forschungsunterstützung und internem Reporting. Sie kann umsetzungsnahe Arbeit teils ersetzen, teils das Urteil von Fachleuten ergänzen, weil diese damit Entwürfe, Suche, Übersetzung und Vergleiche erstellen und ihre Arbeit schneller wiederholen und verbessern.

Deshalb betrifft die Aufgabenexposition gegenüber grossen Sprachmodellen viele Berufe (Eloundou et al. 2024). Auch die Verbreitung könnte bei generativer KI schneller verlaufen: Frühere prädiktive KI brauchte eigene Datenpipelines, spezialisierte Modellierteams und tiefe Einbindung in einen Produktionsprozess, generative KI nutzt öffentlich verfügbare Trainingsdaten und verbreitet sich über Chatbots, Cloud-Schnittstellen, Unternehmenssoftware und die Eigeninitiative von Beschäftigten, was die Fixkosten des Ausprobierens senkt. Wertvoller Einsatz ergibt sich dennoch nicht von selbst, denn Produktivitätsgewinne verlangen Datenverwaltung, neu gestaltete Abläufe, Überwachung und ergänzende Fähigkeiten. KI-Werkzeuge können sich in Firmen aber rasch ausbreiten, mit breiteren und schnelleren Folgen für die Organisation der Belegschaft. Um das ökonomische Denken zu ordnen, hilft der Ausgangspunkt, was KI in Produktion und Entscheidung leistet; einen Konsens, wie KI in der Ökonomie zu modellieren ist, gibt es bisher nicht. Unter 1.3.1 wird KI als Vorhersagetechnologie gefasst, nach dem Rahmen der «Prediction Machines» von Agrawal, Gans und Goldfarb (2018; 2019), wonach KI die Kosten der Vorhersage stark senkt, also des Erzeugens neuer Information aus vorhandener. Das steigert die Nachfrage nach Vorhersage selbst und verschiebt den Wert von Komplementen: Daten werden zum strategischen Gut, und mit der Alltäglichkeit von Vorhersagen steigt der Wert menschlichen Urteils, das den Nutzen verschiedener Handlungen bestimmt.

Dieser Rahmen erlaubt es, KI nicht nur als arbeitssparende Automatisierung wie Robotik zu modellieren, sondern als entscheidungsverbessernde Technologie, die Abläufe und Strategie von Firmen neu gestalten kann. Unter 1.3.2 betonen aufgabenbasierte Modelle (Acemoglu und Restrepo 2019; Acemoglu et al. 2022), wie Technologien Arbeit in einzelnen Aufgaben ersetzen oder ergänzen und Verschiebungen zwischen Aufgaben und Berufen auslösen. Daraus entstehen Expositionsmasse nach Aufgabenähnlichkeit und Berufsinhalt, die erfassen, ob ein Beruf viele Aufgaben enthält, die KI ersetzen oder ergänzen könnte, nicht aber den tatsächlichen Einsatz. Die Modellsichten führen zu verschiedenen Wirkungen: Verbessert KI vor allem die Vorhersage, dürften Firmen ihre Geschäftsschwankungen verringern, schafft sie vor allem neue Produkte, sind Innovation und Wachstum zu erwarten, automatisiert sie vor allem Aufgaben, sind Ersatz von Arbeitskräften und veränderte Arbeitsnachfrage zu erwarten, mit unklarer Nettowirkung auf die Beschäftigung. Der folgende Abschnitt gibt Hinweise zur Auswahl und Konstruktion von Daten zu den KI-Aktivitäten von Firmen; Coyle und Poquiz (2025) überblicken ebenfalls KI-Datenquellen. Das Haupthindernis ist das Fehlen standardisierter, öffentlich verfügbarer Daten zur KI-Einführung auf Firmenebene, weshalb Forschende oft eigene Masse bilden müssen (Raj und Seamans 2018 forderten solche Daten). Die Forschungsfrage soll die Wahl leiten, denn «KI-Daten» sind nicht eine einzige Sache.

Verschiedene KI-Masse erfassen verschiedene Gegenstände, sodass dieselbe Forschungsfrage je nach Mass andere Antworten liefern kann. Für die Wahl von Daten auf Firmenebene dienen sechs Dimensionen als Ordnung.

Die erste Dimension ist die Art der KI-Tätigkeit: Firmen, die KI-Methoden erfinden, gegenüber Firmen, die vorhandene Methoden anwenden. Die zweite ist die Quelle der KI-Fähigkeit: eigene Entwicklung gegenüber dem Kauf externer KI-Lösungen.

Die dritte ist Breite gegenüber Tiefe: breite Datensätze auf Firmenebene gegenüber Fallstudien. Die vierte ist die Abdeckung der Anwendungen: Datensätze, die alle KI-Nutzungen erfassen sollen, gegenüber solchen mit Fokus auf bestimmte Anwendungen.

Die fünfte ist tatsächliche gegenüber wahrgenommener KI-Fähigkeit: Datensätze zur realen Firmenaktivität im Zeitverlauf gegenüber Massen, die Aussensichten abbilden. Die sechste ist ex ante gegenüber ex post: Messung vor dem Erreichen von KI-Ergebnissen gegenüber Messung nach deren Eintreten.

Wer wissen will, wie Firmen an der Spitze der KI-Entwicklung Neues schaffen (etwa Googles AlphaFold), nutzt am besten Daten zu Firmen, die neue KI-Methoden erfinden. Die meisten Firmen erfinden aber keine eigenen Methoden, sondern greifen auf offene Werkzeuge und bestehende Modelle zurück und bauen sie in Betrieb, Produkte und Innovation ein, wobei der Nutzen für den Erfinder und für die Anwender stark auseinanderliegen kann. Geht es um die breite Verbreitung und Übernahme von KI, passen deshalb Masse besser, die KI-Anwender erfassen und nicht nur KI-Erfinder. Zweitens können Firmen KI entweder mit eigenen Lösungen aufbauen (etwa eine Bank mit eigenen Modellen zur Betrugserkennung) oder Lösungen von Anbietern einkaufen. Die Eigenentwicklung bringt meist höhere Fixkosten, etwa für Forschung und Entwicklung, und ein grösseres Umsetzungsrisiko, kann bei Erfolg aber durch Anpassung, Verknüpfung mit eigenen Daten und Lernen durch Praxis einen dauerhafteren Vorteil schaffen. Zugekaufte Lösungen senken Fixkosten und Umsetzungsrisiko und beschleunigen den Einsatz, heben die Firma aber weniger von der Konkurrenz ab, wenn diese ähnliche Werkzeuge nutzen kann. Drittens besteht oft ein Zielkonflikt zwischen vielen Firmen mit wenig Detail und wenigen Firmen mit reichen institutionellen Einblicken. Breite Datensätze zeigen die grossen Muster der Verbreitung und durchschnittliche Wirkungen in der Gesamtwirtschaft, Fallstudien dagegen die Mechanismen, etwa welche Geschäftsprozesse sich änderten, welche organisatorischen Reibungen wirkten und welche ergänzenden Investitionen nötig waren. Fallstudien liefern teils auch eine stärkere Identifikation (etwa durch gestaffelte Einführung in Einheiten), dafür aber eine geringere externe Gültigkeit. Viertens ist KI eine Allzwecktechnologie, daher sind geschätzte Effekte meist Durchschnitte über sehr unterschiedliche Anwendungen, und die Untersuchung einer einzelnen Anwendung beantwortet eine andere Frage als die Nettowirkung über alle Anwendungen. Wer sich für Automatisierung und Unterstützung der Arbeit interessiert, kann gezielte Masse für diese Anwendungen nutzen. Viele KI-Anwendungen ersetzen aber keine Arbeit und können die Nachfrage nach Arbeitskräften sogar erhöhen, etwa durch Produktinnovation, weshalb bei der Nettowirkung auf die Arbeit Masse nötig sind, die das ganze Spektrum der Anwendungen abdecken. Fünftens sei wichtig, tatsächliche KI-Fähigkeiten von wahrgenommenen zu unterscheiden.

«A central theme is that measurement is not a secondary technical choice: different AI measures capture different underlying economic objects and therefore answer different questions.»

Wörtliches Zitat aus dem Original.

Quelle: NBER, «NBER WORKING PAPER SERIES». Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Nur VorspannDer Beitrag liess sich nicht zusammenfassen.

«We’ve trained a model called ChatGPT which interacts in a conversational way. The dialogue format makes it possible for ChatGPT to answer followup questions, admit its mistakes, challenge incorrect premises, and reject inappropriate requests.»

Quelle: OpenAI, «Introducing ChatGPT». Die Rechte liegen beim Herausgeber (Nutzungsbedingungen).

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von The Official Microsoft Blog, 7. Februar 2023. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Microsoft will die Werkzeuge neu erfinden, die Milliarden Menschen täglich nutzen, nämlich Suchmaschine und Browser, damit die Menschen Entdeckerfreude und Schaffenskraft erleben und das Wissen der Welt besser nutzen. Dafür startet das Unternehmen eine völlig neue, KI-gestützte Suchmaschine Bing und einen neuen Edge-Browser, die als Vorschau auf Bing.com verfügbar sind. Sie sollen bessere Suche, vollständigere Antworten, ein neues Chat-Erlebnis und die Erstellung von Inhalten bieten und werden als KI-Copilot fürs Web verstanden.

Satya Nadella, Verwaltungsratspräsident und CEO von Microsoft, sagt, KI werde jede Softwarekategorie grundlegend verändern, beginnend mit der grössten, der Suche. Bing und Edge mit KI-Copilot und Chat sollen den Menschen helfen, mehr aus Suche und Web herauszuholen. Täglich gibt es 10 Milliarden Suchanfragen, doch nach Schätzung von Microsoft bleibt die Hälfte davon unbeantwortet, weil Menschen die Suche für Aufgaben nutzen, für die sie ursprünglich nicht gedacht war.

Das neue Bing und Edge: Ihr Copilot fürs Web

Suche, Browser und Chat sind zu einem einheitlichen Erlebnis verbunden, das sich von überall im Web aufrufen lässt.

Bessere Suche: Das neue Bing liefert relevantere Ergebnisse für einfache Dinge wie Sportresultate, Aktienkurse und Wetter und zeigt in einer neuen Seitenleiste auf Wunsch umfassendere Antworten. Vollständige Antworten: Bing wertet Ergebnisse aus dem ganzen Web aus und fasst die gesuchte Antwort zusammen, etwa eine genaue Anleitung, wie sich Eier in einem Kuchen ersetzen lassen, ohne durch mehrere Treffer zu scrollen. Neues Chat-Erlebnis: Für komplexe Suchen, etwa die Planung einer detaillierten Reise oder die Recherche zum Fernsehkauf, bietet Bing einen interaktiven Chat, in dem sich die Suche mit Nachfragen nach Details, Klarheit und Ideen verfeinern lässt, mit Links zum direkten Handeln. Kreativer Funke: Bing kann Inhalte erzeugen, zum Beispiel eine E-Mail, einen 5-Tage-Reiseplan für Hawaii mit Links zum Buchen von Reise und Unterkunft, eine Vorbereitung aufs Vorstellungsgespräch oder ein Quiz für den Quizabend, und nennt dabei alle Quellen. Neues Edge-Erlebnis: Der Browser hat neue KI-Funktionen und ein neues Aussehen sowie zusätzlich Chat und Verfassen erhalten. In der Edge-Seitenleiste lässt sich ein langer Finanzbericht zusammenfassen, per Chat mit einem Konkurrenten vergleichen und automatisch in einer Tabelle darstellen. Edge hilft auch beim Verfassen von Inhalten wie einem LinkedIn-Beitrag und kann Ton, Format und Länge anpassen, wobei es die aktuell geöffnete Seite versteht. Das Erkunden des Webs soll damit einfacher und unterhaltsamer werden.

Als Beispielfragen nennt Microsoft die Planung einer Europareise ab London zum Hochzeitstag im September. Eine weitere Beispielfrage lautet, ob das Ikea-Sofa Klippan in einen Honda Odyssey von 2019 passt.

Die Suche mit KI neu erfinden

Eine dritte Beispielfrage kommt von jemandem, der elektronische Musik mag und dieses Jahr sein erstes Festival besuchen will und dafür Empfehlungen und Tipps sucht.

Das neue Bing beruht auf vier technischen Durchbrüchen. Erstens läuft es auf einem neuen OpenAI-Sprachmodell der nächsten Generation, das leistungsfähiger als ChatGPT und speziell für die Suche angepasst ist, auf den Erfahrungen mit ChatGPT und GPT-3.5 aufbaut und schneller, genauer und fähiger ist. Zweitens hat Microsoft mit dem Prometheus-Modell eine eigene Arbeitsweise mit dem OpenAI-Modell entwickelt, die relevantere, aktuellere und gezieltere Ergebnisse bei besserer Sicherheit liefert. Drittens wurde das KI-Modell auf die zentrale Ranking-Engine von Bing angewendet, was den grössten Relevanzsprung seit zwei Jahrzehnten brachte und selbst einfache Suchanfragen genauer macht. Viertens wird die Interaktion mit Suche, Browser und Chat in einem einheitlichen Erlebnis neu gedacht, das eine ganz neue Art der Webnutzung eröffnen soll.

Microsoft und OpenAI: gemeinsam und verantwortungsvoll innovieren

Möglich werden diese Suchfunktionen, weil Microsoft Azure zu einem KI-Supercomputer für die Welt ausbaut. OpenAI hat diese Infrastruktur genutzt, um die Modelle zu trainieren, die nun für Bing optimiert werden.

Gemeinsam mit OpenAI hat Microsoft bewusst Schutzmassnahmen gegen schädliche Inhalte eingebaut. Die Teams arbeiten an Problemen wie Falsch- und Desinformation, dem Sperren von Inhalten und der Datensicherheit und wollen verhindern, dass schädliche oder diskriminierende Inhalte gefördert werden, im Einklang mit den KI-Grundsätzen des Unternehmens. Die Arbeit mit OpenAI knüpft an die jahrelangen Bemühungen des Unternehmens an, KI-Systeme von Anfang an verantwortungsvoll zu gestalten. Microsoft will sein gesamtes Umfeld für verantwortungsvolle KI mit Forschenden, Ingenieuren und Fachleuten für Richtlinien weiter einsetzen, um neue Wege zur Risikominderung zu entwickeln.

Heute in begrenzter Vorschau verfügbar, bald für Millionen

Das neue Bing steht heute auf dem Desktop in einer begrenzten Vorschau bereit. Alle können Bing.com besuchen, Beispielanfragen ausprobieren und sich für die Warteliste eintragen. In den kommenden Wochen soll die Vorschau auf Millionen von Nutzenden ausgeweitet werden. Auch ein Erlebnis für Mobilgeräte soll bald als Vorschau erscheinen.

Microsoft freut sich darauf, das neue Bing und Edge in der Praxis einzusetzen. So soll das entscheidende Feedback eingehen, das nötig ist, um die Modelle beim weiteren Ausbau zu verbessern.

«AI will fundamentally change every software category, starting with the largest category of all – search»

Wörtliches Zitat aus dem Original.

Quelle: The Official Microsoft Blog, «Reinventing search with a new AI-powered Microsoft Bing and Edge, your copilot for the web - The Official Microsoft Blog», 7. Februar 2023. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von The Official Microsoft Blog, 16. März 2023. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Der Text beginnt mit dem Gedanken, dass Menschen träumen, schaffen und Neues erfinden wollen und dabei nach sinnstiftender Arbeit suchen, etwa nach einem grossen Roman, einer Entdeckung, starken Gemeinschaften oder der Pflege Kranker. Heute fressen jedoch lästige Routineaufgaben zu viel Zeit, Kreativität und Energie, weshalb es laut Microsoft nicht eine bessere Variante des Gleichen, sondern eine ganz neue Arbeitsweise braucht. Deshalb bringt Microsoft nun KI der nächsten Generation an den Arbeitsplatz: Microsoft 365 Copilot verbindet grosse Sprachmodelle mit den Daten im Microsoft Graph und den Microsoft-365-Anwendungen und soll aus Worten ein sehr mächtiges Produktivitätswerkzeug machen.

Satya Nadella, Verwaltungsratspräsident und CEO von Microsoft, nennt den Tag einen weiteren grossen Schritt in der Entwicklung des Umgangs mit Computern, der die Arbeit grundlegend verändern und einen neuen Schub beim Produktivitätswachstum auslösen werde. Der neue Copilot gebe den Menschen mehr Handlungsfreiheit und mache Technik über die natürliche Sprache, die universellste Schnittstelle, zugänglicher. Copilot ist auf zwei Wegen in Microsoft 365 eingebunden: Er arbeitet direkt in Word, Excel, PowerPoint, Outlook, Teams und weiteren Anwendungen mit, um Kreativität und Produktivität zu steigern und Fähigkeiten zu verbessern. Dazu kommt das neue Erlebnis Business Chat, das Sprachmodell, Anwendungen und Daten wie Kalender, E-Mails, Chats, Dokumente, Meetings und Kontakte verknüpft; auf einen Auftrag wie, das Team über die aktualisierte Produktstrategie zu informieren, erstellt es aus den Meetings, Mails und Chats des Morgens ein Statusupdate.

Mit Copilot behalten die Nutzerinnen und Nutzer die Kontrolle und entscheiden selbst, was sie behalten, ändern oder verwerfen. So lasse sich in Word kreativer, in Excel analytischer, in PowerPoint ausdrucksstärker, in Outlook produktiver und in Teams kooperativer arbeiten. Microsoft 365 Copilot verändert die Arbeit laut Text auf drei Arten.

Erstens soll Copilot die Kreativität freisetzen: In Word liefert er einen ersten Entwurf zum Bearbeiten und spart Stunden beim Schreiben, Recherchieren und Überarbeiten, wobei er mal richtig und mal nützlich falsch liegt, die Autorin oder der Autor aber stets die Führung behält und Kürzungen, Umformulierungen oder Rückmeldungen verlangen kann. In PowerPoint entstehen Präsentationen aus einer einfachen Anweisung, wobei passende Inhalte aus einem früheren Dokument eingefügt werden, und in Excel lassen sich Trends analysieren und professionelle Datengrafiken in Sekunden erstellen. Zweitens soll er die Produktivität steigern: Wir wollten uns auf die 20% der Arbeit konzentrieren, die wirklich zählen, doch 80% der Zeit gehen für lähmende Fleissarbeit drauf. In Outlook fasst Copilot lange Mailverläufe zusammen und entwirft Antworten, sodass der Posteingang in Minuten statt Stunden leer wird; in Teams fasst er live die Kernpunkte einer Besprechung zusammen, inklusive wer was sagte und wo Einigkeit oder Differenzen bestehen, und schlägt Aufgaben vor. Mit Copilot in der Power Platform kann jeder Routineaufgaben automatisieren, Chatbots bauen und in Minuten von der Idee zur funktionierenden App gelangen.

Daten von GitHub zeigen laut Text das Potenzial: Von den Entwicklern, die GitHub Copilot nutzen, sagen 88% sie seien produktiver, 74% sie könnten sich auf erfüllendere Arbeit konzentrieren und 77% sie suchten weniger lange nach Informationen oder Beispielen. Copilot steigert nicht nur die individuelle Leistung, sondern schafft ein neues Wissensmodell für Organisationen, indem er das grosse, bisher kaum zugängliche Reservoir an Daten und Erkenntnissen erschliesst. Business Chat holt aus allen Geschäftsdaten und Anwendungen die gesuchten Informationen, damit Wissen frei fliesst und weniger Zeit für die Antwortsuche draufgeht; zugänglich ist er über Microsoft365.com, über Bing mit Geschäftskonto oder über Teams.

Drittens soll Copilot die Fähigkeiten verbessern: Er macht Menschen besser in dem, was sie können, und hilft ihnen, Neues rasch zu lernen. Der Durchschnittsnutzer verwendet nur eine Handvoll der Tausenden Befehle in Microsoft 365, etwa eine Folie animieren oder eine Tabelle einfügen, während sich der volle Funktionsumfang nun über natürliche Sprache erschliesst. Copilot werde verändern, wie Menschen mit KI und KI mit Menschen arbeitet; wie bei jedem neuen Arbeitsmuster gibt es eine Lernkurve, doch wer sie annimmt, gewinnt schnell einen Vorsprung.

Das Copilot-System: KI für Unternehmen

Microsoft sieht sich in einer einzigartigen Lage, mit dem Copilot-System KI für Unternehmen zu liefern. Copilot ist mehr als ChatGPT von OpenAI in Microsoft 365: Eine ausgefeilte Verarbeitungs- und Steuerungseinheit arbeitet im Hintergrund und verbindet Sprachmodelle wie GPT-4 mit den Microsoft-365-Anwendungen und den Geschäftsdaten im Microsoft Graph, nun für alle per natürlicher Sprache nutzbar.

Die Sprachmodelle sind mit einem grossen, aber begrenzten Datenbestand trainiert, und der Schlüssel zur Produktivität liegt darin, sie sicher, regelkonform und datenschutzgerecht mit den Unternehmensdaten zu verbinden. Microsoft 365 Copilot greift in Echtzeit auf Inhalte und Kontext im Microsoft Graph zu und verbindet Dokumente, E-Mails, Kalender, Chats, Meetings und Kontakte mit dem aktuellen Arbeitskontext, etwa dem laufenden Meeting, früheren Mailwechseln oder Chats der Vorwoche, um genaue und passende Antworten zu liefern. Copilot ist in Microsoft 365 integriert und übernimmt automatisch die Sicherheits-, Compliance- und Datenschutzrichtlinien sowie Prozesse des Unternehmens. Zweifaktor-Authentifizierung, Compliance-Grenzen und Datenschutzvorkehrungen sollen ihn zu einer vertrauenswürdigen KI-Lösung machen.

Microsoft will Mandanten-, Gruppen- und Einzeldaten schützen: Die Sprachmodelle von Copilot werden weder mit den Daten des Mandanten noch mit den Eingaben der Nutzer trainiert. Das bewährte Berechtigungsmodell verhindert, dass Daten zwischen Benutzergruppen abfliessen, und Copilot zeigt einer Person nur Daten, auf die sie ohnehin Zugriff hat. Copilot ist in Word, Excel, PowerPoint, Outlook, Teams und weitere Apps eingebaut, die Millionen Menschen täglich bei der Arbeit und im Alltag nutzen. Die Bedienung ist einheitlich, sodass Copilot in Teams gleich aussieht und funktioniert wie in Outlook, mit einer gemeinsamen Gestaltung für Eingaben, Verfeinerungen und Befehle.

Die Grundfähigkeiten von Copilot gelten als Wendepunkt für die Produktivität: Er kann anhand der spezifischen Geschäftsinhalte und des Kontexts bereits erstellen, zusammenfassen, analysieren, zusammenarbeiten und automatisieren. Er versteht auch Befehle an Apps, etwa eine Folie zu animieren, und arbeitet über Apps hinweg, zum Beispiel indem er ein Word-Dokument in eine PowerPoint-Präsentation überträgt. Copilot ist so angelegt, dass er neue Fähigkeiten dazulernt. Mit Viva Sales kann er etwa lernen, sich mit CRM-Systemen zu verbinden und Kundendaten wie Interaktions- und Bestellverläufe in Mitteilungen einzubinden. Je mehr er über neue Bereiche und Abläufe lernt, desto anspruchsvollere Aufgaben und Abfragen kann er bewältigen.

Verpflichtung zu verantwortungsvoller Entwicklung

Microsoft richtet sich nach seinen KI-Grundsätzen, dem Responsible AI Standard und jahrzehntelanger Forschung zu KI, Grounding und datenschutzfreundlichem maschinellem Lernen. Ein interdisziplinäres Team aus Forschenden, Ingenieuren und Fachleuten für Regulierung prüft die KI-Systeme auf mögliche Schäden und Gegenmassnahmen, indem es Trainingsdaten verfeinert, schädliche Inhalte filtert und sensible Themen bei Anfragen und Ergebnissen sperrt. Zur Erkennung und Korrektur von Verzerrungen in den Daten dienen Technologien wie InterpretML und Fairlearn. Das Unternehmen macht die Entscheidungsfindung des Systems nachvollziehbar, indem es Einschränkungen nennt, auf Quellen verweist und die Nutzer auffordert, Inhalte zu prüfen, auf Fakten zu kontrollieren und mit ihrem Fachwissen anzupassen.

Mutig vorangehen und dabei lernen

In den kommenden Monaten bringt Microsoft Copilot in alle Produktivitäts-Apps, darunter Word, Excel, PowerPoint, Outlook, Teams, Viva und Power Platform. Angaben zu Preisen und Lizenzierung sollen bald folgen. Anfang des Monats wurde Dynamics 365 Copilot angekündigt, der erste KI-Copilot der Welt für CRM und ERP, der KI der nächsten Generation in jeden Geschäftsbereich bringen soll. Jeder soll in seiner Arbeit Sinn und Erfüllung finden, und Microsoft 365 Copilot soll dabei helfen. Um die unerfüllten Bedürfnisse der Kunden zu decken, will Microsoft schnell und verantwortungsvoll handeln und unterwegs lernen. Copilot wird mit einer kleinen Kundengruppe getestet, um Rückmeldungen zu erhalten und die Modelle beim Ausbau zu verbessern, und soll bald auf weitere Kunden ausgeweitet werden.

Weitere Informationen gibt es im Microsoft-365-Blog, und auf WorkLab finden sich Einschätzungen von Fachleuten dazu, wie KI eine bessere Arbeitswelt für alle schaffen wird. Alle Blogs, Videos und Materialien zu den heutigen Ankündigungen sind auf einer eigenen Microsite zu finden.

Die Schlagworte des Beitrags lauten KI, Microsoft 365 und Microsoft 365 Copilot.

«With Copilot, you’re always in control. You decide what to keep, modify or discard.»

Wörtliches Zitat aus dem Original.

Quelle: The Official Microsoft Blog, «Introducing Microsoft 365 Copilot – your copilot for work - The Official Microsoft Blog», 16. März 2023. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Anthropic, 14. März 2023. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Nach einigen Monaten in einer geschlossenen Alphaphase mit Partnern wie Notion, Quora und DuckDuckGo hat Anthropic seine Systeme unter realen Bedingungen getestet. Nun soll Claude breiter verfügbar werden und wichtige, anspruchsvolle Anwendungen in grossem Umfang antreiben. Claude ist ein KI-Assistent der nächsten Generation, der auf Anthropics Forschung zu hilfreichen, ehrlichen und harmlosen KI-Systemen beruht. Er steht über eine Chatoberfläche und über die API in der Entwicklerkonsole bereit, bewältigt viele Aufgaben rund um Gespräche und Textverarbeitung und bleibt dabei zuverlässig und berechenbar.

Claude unterstützt unter anderem beim Zusammenfassen, Suchen, kreativen und gemeinsamen Schreiben, bei Fragen und Antworten sowie beim Programmieren. Erste Kunden berichten, Claude erzeuge viel seltener schädliche Ausgaben, lasse sich leichter ansprechen und besser lenken, sodass das gewünschte Ergebnis mit weniger Aufwand entsteht; auch Persönlichkeit, Ton und Verhalten lassen sich vorgeben. Heute gibt es zwei Versionen: Claude ist ein leistungsstarkes Spitzenmodell, Claude Instant eine leichtere, günstigere und deutlich schnellere Variante. In den kommenden Wochen sind weitere Neuerungen geplant, und die Systeme sollen mit den Erkenntnissen aus Sicherheitsforschung und Einsätzen stetig hilfreicher, ehrlicher und harmloser werden.

Anthropic stellt vor, wie Partner Claude heute nutzen, und hat diese Firmen und Produkte mit Sorgfalt ausgewählt. Unterstützt werden Unternehmen und gemeinnützige Organisationen, die Menschen mit Informationen stärken und beruflich wie privat produktiver machen. Quora bietet Claude seinen Nutzern über Poe an, die KI-Chat-App des Unternehmens. Autumn Besselman, Leiterin Personal und Kommunikation bei Quora, sagt, Nutzer fänden die Antworten ausführlich und leicht verständlich und möchten, dass sich der Austausch wie ein natürliches Gespräch anfühlt.

Ein zufriedener Poe-Nutzer findet, Claude wirke im Gespräch natürlicher als ChatGPT, ein anderer erlebt Claude beim Geschichtenerzählen als interaktiver und kreativer. Ein weiterer Nutzer, den die Verbindung aus Sprachgewandtheit und Fachwissen beeindruckt hat, schätzt persönlich, wie tiefgehend und doch einfach die Antworten dargestellt sind.

Anthropic interessiert sich besonders für positive KI-Anwendungen, die Menschen beim Erreichen ihrer Ziele helfen. Juni Learning, ein führender Anbieter von Online-Bildungslösungen, betreibt mit Anthropic seinen Discord-Nachhilfebot Juni Tutor Bot. Vivian Shen, Chefin von Juni Learning, erklärt, man habe Anthropic mit Konkurrenten verglichen und sich wegen der hilfreichen, hochwertigen Antworten für Claude entschieden, weil ein Gespräch auf dem Niveau einer echten Lehrperson nötig war statt oberflächlicher Antworten anderer Modelle. Ob Mathematikaufgaben oder das Verstehen von Symbolik beim kritischen Lesen: Claude liefere bessere, reichhaltigere Antworten für das Lernen der Schüler. Auch bei Notion steigert Claude die Produktivität bei Arbeit und Schule. Akshay Kothari, Mitgründer und COO von Notion, sagt, beide Unternehmen wollten Einzelpersonen und Firmen helfen, mit KI produktiver zu werden. Claudes kreatives Schreiben und Zusammenfassen fliesse in den KI-Assistenten Notion AI ein, sodass Nutzer effizienter arbeiten und ihr Schreiben verbessern können, alles im Notion-Arbeitsbereich.

Anthropic arbeitet mit Partnern daran, Claude an verlässliche Echtzeitinformationen anzubinden, etwa an Suchmaschinen wie DuckDuckGo. Steve Fischer, Chief Business Officer von DuckDuckGo, nennt DuckAssist die erste Sofortantwort in den Suchresultaten, die mit Sprachtechnologie aus Wikipedia und verwandten Quellen Antworten auf Suchanfragen erzeugt. Anthropic habe die Qualität der Antworten verbessert und dabei die strengen Datenschutzvorgaben eingehalten, und man wolle die Zusammenarbeit fortsetzen. Die Informationssuche wird in dokumentenlastigen Bereichen wie dem Rechtswesen noch schwieriger, wo komplexe Rechtstexte zu den grössten Hürden zählen. Robin AI, ein Unternehmen für juristische Infrastruktur, nutzt Claude, um die Zukunft von Verträgen neu zu denken.

Richard Robinson, Chef von Robin AI, berichtet, Claude bewerte bestimmte Vertragsteile und schlage neue Formulierungen vor, die für die Kunden günstiger sind. Seit 2019 arbeite man mit solchen Technologien, doch nichts habe an Claude herangereicht. Claude verstehe Sprache sehr gut, auch Fachsprache wie juristische Texte, und entwerfe, fasse zusammen, übersetze und erkläre komplizierte Konzepte einfach. Seit dem Einsatz im Produkt beobachte man mehr Nutzerengagement, besseres Feedback und mehr Geschäftsabschlüsse. Neben der Verbesserung bestehender Produkte sieht Anthropic Potenzial, digitale Medien zu verändern. Partner ist AssemblyAI, dessen APIs Audiodaten in grossem Umfang transkribieren und verstehen. Dylan Fox, Gründer und Chef von AssemblyAI, sagt, Anthropics Einsatz für Integrität und Forschung helfe, robustere KI-Funktionen für Textgenerierung und Gesprächsanalyse schneller an die Kunden zu bringen, und er erwarte, dass die Partnerschaft die eigenen KI-Vorhaben voranbringt.

Anthropic sieht branchenübergreifend viele mögliche Anwendungen für Claude. Wer mit KI Neues entwickeln, sein Angebot verbessern und Kunden besser bedienen möchte, kann Zugang zu Claude anfragen und wird kontaktiert.

«Claude is a next-generation AI assistant based on Anthropic’s research into training helpful, honest, and harmless AI systems.»

Wörtliches Zitat aus dem Original.

Quelle: Anthropic, «Introducing Claude», 14. März 2023. Die Rechte liegen beim Herausgeber (Nutzungsbedingungen). Zusammenfassung und Übersetzung: brauckmann.ch.

Zusammenfassung von brauckmann.chEigene Worte nach dem Original von Bundesamt für Statistik. Zahlen sind gegen das Original geprüft. Das Original hat mehr Einzelheiten.

Laut der jüngsten Erhebung des Bundesamtes für Statistik (BFS) zur Internetnutzung in Schweizer Haushalten, veröffentlicht am 05.12.2025, haben 2025 mehr als zwei von fünf Personen künstliche Intelligenz (KI) für die Erstellung von Inhalten wie Texten oder Bildern verwendet, bei den 15- bis 24-Jährigen waren es vier von fünf. Gleichzeitig begegnen die Menschen im Netz häufiger Desinformation, Hassreden und Betrug. Im Frühling 2025 hatten 43% der 15- bis 88-Jährigen schon einmal ein generatives KI-System genutzt, das aus einer Anweisung Text-, Bild- oder Toninhalte erzeugt.

Generative KI-Tools verbreiten sich rasant

In den drei Monaten vor der Befragung setzten 3,2 Millionen Personen in der Schweiz generative KI ein. 36% dieser Nutzenden griffen täglich darauf zurück, 34% mindestens einmal pro Woche. Da solche Systeme erst seit drei Jahren für die breite Öffentlichkeit zugänglich sind, wirken Nutzerzahl und Nutzungshäufigkeit besonders hoch.

KI verdeutlicht den digitalen Graben

Am meisten kommen die Systeme privat zum Einsatz (38% der Bevölkerung), danach beruflich (31%). Im formalen Bildungssystem, etwa an Schulen und Hochschulen, liegt die Nutzungsquote bei 75%.

Wer generative KI nutzt, hängt stark vom soziodemografischen Profil ab, und die bereits bekannten Ungleichheiten bei digitalen Technologien zeigen sich hier noch deutlicher. 79% der 15- bis 24-Jährigen nutzen solche Tools, bei den 25- bis 34-Jährigen sind es 66%, bei den 55- bis 64-Jährigen 28%. Bei Personen mit Hochschulabschluss liegt der Anteil bei 63%, bei Personen ohne nachobligatorische Ausbildung bei 17%. Männer nutzen generative KI insgesamt öfter als Frauen, unter 30 Jahren gibt es jedoch keinen Geschlechterunterschied.

Die Hälfte der Bevölkerung nutzt keine generative KI

Trotz der raschen Verbreitung ist generative KI noch nicht flächendeckend im Gebrauch. Ein Drittel der Bevölkerung sieht für sich keinen Nutzen, und 7% haben Bedenken zu Datenschutz und Sicherheit. Ebenfalls 7% nennen fehlende Kompetenzen, was darauf hindeutet, dass die meisten die Anwendung für einfach halten, und nur 2% wissen nicht, dass es solche Tools gibt.

Zunehmend problematische Inhalte und Sicherheitsprobleme

Zwischen 2023 und 2025 haben Sicherheitsprobleme, Desinformation und Hassrede im Internet deutlich zugenommen. Das zeigt, dass problematische Online-Inhalte weiter verbreitet sind und die Risiken der Internetnutzung gewachsen sind.

Desinformation auf dem Vormarsch

Der Anteil derer, die in den drei Monaten vor der Befragung betrügerische Nachrichten (Phishing) erhielten, stieg von 51% auf 61% (4,4 Mio. Personen). Auch finanzielle Verluste in den zwölf Monaten vor der Befragung nahmen zu: Der Anteil verdoppelte sich von 1,7% im Jahr 2021 auf 3,4% im Jahr 2025 (250 000 Personen).

Auch Desinformation nimmt weiter zu: 2025 trafen 58% der Bevölkerung im Netz auf Inhalte, die sie für falsch oder fragwürdig hielten (2021: 45%; 2023: 51%). Besonders oft betroffen sind Menschen unter 30 Jahren (68%) und Nutzende sozialer Medien (67%). Rund die Hälfte prüft den Wahrheitsgehalt solcher Inhalte, 38% der Übrigen glauben schon zu wissen, dass es sich um Falschinformationen oder eine unzuverlässige Quelle handelt, und 15% räumen ein, dass ihnen dafür Kenntnisse oder Fähigkeiten fehlen.

Hassrede nimmt zu: Immer mehr Internetnutzende stossen auf Hassbotschaften. 2025 sagten 42% der Bevölkerung, sie hätten in sozialen Medien oder auf Informationsseiten feindselige oder abwertende Botschaften gegen Gruppen oder Einzelpersonen gesehen, das sind 4,5 Prozentpunkte mehr. Am häufigsten berichteten wieder die unter 30-Jährigen (61%) und die Nutzenden sozialer Medien (50%) von solchen Inhalten.

Besonders stark gestiegen sind Hassbotschaften zu politischen oder gesellschaftlichen Meinungen und zu Religion sowie fremdenfeindliche Inhalte. Hassbotschaften zu sexueller Orientierung oder Behinderung kommen ungefähr gleich oft vor wie 2023. Weitere Informationen stehen in einer PDF-Datei.

Quelle: Bundesamt für Statistik, «In der KI-begeisterten Schweiz nimmt Desinformation zu». Die Rechte liegen beim Herausgeber. Zusammenfassung und Übersetzung: brauckmann.ch.

Artikel von brauckmann.chVoller Text aus dem eigenen Blog.

Swisscom teilt ihr Firmengeschäft in zwei Einheiten auf. KI-Beratung und Software wandern in eine eigene Tochter. Für IT-Verkäufer in der Schweiz ändern sich damit mögliche Ansprechpartner und Konkurrenzlagen.

Das Wichtigste in Kürze

• Swisscom spaltet die Firmenkundensparte auf. KI-Beratung und Software gehen an die Tochter Swisscom Digital Technology.
• Das übrige B2B-Geschäft bleibt bei Swisscom Business Customers. Diese Einheit behält den Rest des Geschäfts mit Firmenkunden.
• Ein Stellenabbau ist möglich. Die Quelle nennt weder Zahlen noch einen Zeitplan.
• Viele Details fehlen noch. Zu Kunden, Verträgen und Terminen macht die Meldung keine Angaben.

Was Swisscom bei den Firmenkunden ändert

Inside IT hat die Meldung am 30. Oktober 2026 um 10:56 Uhr veröffentlicht. Die Agentur Keystone-SDA und die Redaktion haben den Text verfasst. Eine spätere Aktualisierung weist die Quelle nicht aus.

Der Konzern gliedert das Geschäft mit künstlicher Intelligenz und Software aus dem bisherigen Firmenkundengeschäft aus. Es zieht in die Tochter Swisscom Digital Technology. Das übrige Geschäft bleibt unter dem Namen Swisscom Business Customers bestehen.

Die Meldung ist kurz. Sie nennt weder ein Startdatum noch Kennzahlen zu Umsatz oder Personal. Auch die Frage, wer die Tochter leitet, beantwortet sie nicht. Alles, was darüber hinausgeht, ist unbestätigt.

Was das für Mitbewerber heisst

Deshalb lohnt sich ein genauer Blick auf das eigene Angebot. Wer selbst KI-Beratung oder Software an Schweizer Firmen verkauft, trifft künftig auf einen klar abgegrenzten Wettbewerber. Die Tochter tritt als eigene Einheit auf. Ob sie eigene Verträge, Preise oder Partnermodelle nutzt, sagt die Quelle nicht.

Damit stellen sich Fragen, die Key Accounts im nächsten Gespräch klären können:

• Wer ist beim Kunden künftig für KI und Software zuständig?
• Laufen bestehende Verträge unverändert weiter?
• Bleibt der bisherige Ansprechpartner bei Swisscom derselbe?

Diese Punkte sind offen. Kunden werden sie vermutlich selbst stellen. Wer vorbereitet ist, wirkt kompetent und kann Vertrauen aufbauen.

Weitere Meldungen im Umfeld

Zudem fallen auf der gleichen Seite weitere Meldungen auf, die für Gespräche mit Schweizer Kunden nützlich sein können. Sie gehören nicht zur Aufspaltung, zeigen aber das Umfeld:

• Der Hosting-Anbieter Metanet bestätigt Bearbeitungsrückstände im Support und kündigt Verbesserungen an.
• Apple hat laut einem Bericht in Zürich-Altstetten Räume für 500 bis 700 Mitarbeitende gemietet.
• Alphabet verfehlt die Umsatzerwartungen, obwohl sich der Cloud-Umsatz verdoppelt hat.

Wer sich im Markt auf dem Laufenden halten will, findet bei Inside IT auch einen Jobportal-Bereich und eine Übersicht zu Events.

Einordnung: Was das für Key Accounts heisst

Key Account Manager bei Schweizer IT-Dienstleistern sollten die Meldung ernst nehmen, aber nicht überinterpretieren. Belegt ist nur die Aufteilung in zwei Einheiten und die Möglichkeit eines Stellenabbaus. Fristen, Preise und Kundenfolgen nennt die Quelle nicht. Wer Kunden betreut, die Swisscom nutzen, sollte im nächsten Gespräch nach deren Erfahrung fragen. Mögliche Personalwechsel bei Swisscom können zudem Ansprechpartner verändern. Neue Gelegenheiten für eigene Angebote lassen sich daraus ableiten, sind aber noch Annahme und kein Beleg.

Fazit

Du weisst jetzt, wie Swisscom ihr Firmenkundengeschäft aufteilt: KI-Beratung und Software in die Tochter, der Rest bei Business Customers. Der nächste Schritt ist ein Blick in die Originalmeldung von Inside IT, um spätere Ergänzungen zu verfolgen. Prüfe danach, welche deiner Kunden betroffen sein könnten, und bereite Fragen für das nächste Gespräch vor.

Quellen: Inside IT. Foto: SzekeresZoltanPhoto / Pixabay. Stand: 31. Oktober 2026.

Artikel von brauckmann.chVoller Text aus dem eigenen Blog.

OX Security hat 15.465 MCP-Server aus drei öffentlichen Registern untersucht. Das Ergebnis: Es gibt kein einheitliches Modell dafür, wer auf einen Server zugreifen darf. Für Firmen, die KI-Agenten an Tools anbinden, ist das eine Lücke im Betrieb.

Das Wichtigste in Kürze

• Die Register sagen nur, dass ein MCP-Server existiert. Sie sagen nicht, ob du ihm vertrauen solltest. So fasst WorkOS die Studie zusammen.
• Rund jeder sechste untersuchte Hostname liegt ausserhalb der USA. Es sind 15,6 Prozent von 5.095 Hostnamen. Das Protokoll kennt keinen Mechanismus, der den Standort der Daten vorgibt.
• Verwaiste Domains lassen sich übernehmen. 2,3 Prozent der Hostnamen lösten nicht mehr auf, sechs davon waren für 4 bis 12 Dollar im Jahr frei.
• WorkOS empfiehlt vier Ebenen. Dazu gehören überprüfbare Client-Identitäten und eine Autorisierung, die der Identity Provider des Unternehmens steuert.

Was OX Security gemessen hat

Als Grundlage dienen die offizielle MCP-Registry, der Cline Marketplace und die GitHub MCP Registry. OX wertete 15.465 Server aus und prüfte 5.095 eindeutige Hostnamen. Der Schwerpunkt lag auf Kontrollen und Governance, nicht auf der blossen Existenz der Server.

Zahlen aus dem WorkOS-Beitrag und dem OX-Bericht, Stand 29. September 2026.

Dabei zeigt der letzte Punkt das Risiko am deutlichsten. Ein Eintrag im Register verweist auf eine Domain, die niemand mehr betreut. Wer sie registriert, kann dort einen eigenen Server aufsetzen. Clients, die den alten Eintrag weiter nutzen, sprechen dann mit einem Dritten.

Das Kernproblem: Autorisierung

Dabei erleichtert das Protokoll es, Tools zu entdecken. Es verlangt aber keine einheitliche Anmeldung und keine einheitliche Berechtigungsprüfung. Jeder Betreiber löst das auf seine Weise, mancher gar nicht. Für Unternehmen entsteht deshalb ein Flickenteppich, den sich kaum zentral überwachen lässt.

Die vier Ebenen von WorkOS

WorkOS schlägt vier Schichten vor:

1. Client ID Metadata Documents: Clients weisen ihre Identität überprüfbar nach, statt sie nur zu behaupten.
2. Unternehmensverwaltete Autorisierung: Richtlinien kommen vom Identity Provider.
3. Agent-Registrierung: Die Identität der Nutzer hinter einem Agenten wird verifiziert.
4. Richtlinien zur Laufzeit: Jeder Aufruf wird nach seiner Absicht bewertet.

Zudem bietet WorkOS dafür eigene Produkte an. Beachte deshalb, dass der Beitrag auch Werbung für diese Lösungen ist. Die Messwerte stammen von OX Security.

Was du jetzt tun solltest

Damit du schnell startest, hier meine Empfehlung und nicht Teil der Studie:

• Erstelle ein Inventar aller MCP-Server, die Agenten und Entwickler in deiner Firma anbinden.
• Lasse nur Server aus geprüften Quellen zu und führe eine Allowlist mit Verantwortlichen.
• Lege die Autorisierung zentral beim Identity Provider fest, nicht in jedem Tool einzeln.
• Entferne Einträge, die nicht mehr auflösen.

So setzt du MCP-Server für Microsoft 365 sinnvoll ein, zeigt der Beitrag zu MCP-Servern für Microsoft 365.

Fazit

Die Register sind Verzeichnisse und keine Prüfstellen. Wer MCP-Server im Unternehmen einsetzt, braucht eine eigene Zulassungsliste und eine zentrale Autorisierung. Beides lässt sich in wenigen Tagen aufsetzen, bevor ein Agent auf einen verwaisten Eintrag trifft.

WorkOS hat den Beitrag am 29. September 2026 veröffentlicht. Ein späteres Update nennt die Quelle nicht.

Quellen: WorkOS Blog, OX Security: MCP Server Security Benchmark Report. Foto: dlohner / Pixabay. Stand: 29. September 2026.