Am 16. November hat Databricks den AI Index offiziell gestartet, einen öffentlichen Index, der die Einführung von KI-Modellen in Unternehmen, die Ausgaben dafür und die Leistung von Coding-Agenten verfolgt. Die Daten stammen von mehr als 10.000 Unternehmen, die Unity Gateway nutzen, sowie aus Bewertungen auf Basis echter Programmieraufgaben innerhalb von Databricks und werden wöchentlich aktualisiert. Die Frage, die er beantworten soll, ist praktisch: Wenn fast jede Woche ein neues Modell erscheint, zu welchem Anbieter soll ein Unternehmen wechseln und wofür lohnt es sich, mehr zu zahlen?
Unternehmen wechseln Modelle schneller als gedacht
Zur Jahresmitte konzentrierten sich die meisten Unternehmen noch auf wenige Anthropic-Modelle; im November hat sich das Bild deutlich fragmentiert, und OpenAI gewann mit den Modellen Sol und Astra der GPT-6-Serie Anteile zurück. Doch die Qualität bewegt die Anteile weiterhin: Innerhalb von sechs Wochen nach dem Start stieg Claude Opus 5.5 von 7,2 % auf 37,9 % der Token proprietärer Modelle und hob Anthropics Gesamtanteil von 57,6 % auf 68,8 %. Auch Open-Weight-Modelle legen parallel zu: Im Juli machten sie nur 7,3 % des Token-Verkehrs von Unternehmen aus, am 2. November waren es bereits 30,9 %. Drei der zehn besten Modelle im Coding-Benchmark von Databricks sind Open-Weight-Modelle; DeepSeek V4.1 und GLM 5.3 liegen mit einer Bestehensquote von jeweils 93,1 % gemeinsam auf Platz drei.
Ein billiges Modell kann im Betrieb das teuerste sein
Wer nur auf den Tokenpreis schaut, schätzt die Kosten falsch ein. GPT-6 Luna und Claude Opus 5.5 erreichen beide eine Aufgabenerfolgsquote von 89,1 %, doch eine erledigte Aufgabe kostet im Schnitt 0,05 US-Dollar bei Luna und 1,62 US-Dollar bei Opus 5.5 — ein Unterschied von rund dem 32-Fachen. Gemini 3.8 Flash hat einen niedrigen Tokenpreis, braucht aber im Schnitt 140 Dialogrunden pro Aufgabe und landet mit 11,97 US-Dollar pro Aufgabe unter den teuersten Modellen der Bewertung. Auch die Art des Aufrufs kann die Kosten um ein Vielfaches verändern: Ein Test von OpenRouter zeigte einmal, dass dieselbe Aufgabe über MCP 42-mal mehr Token verbrauchte als über die CLI. Ein weiteres Zahlenpaar zeigt den Zielkonflikt: Claude Fable 5.1 führt den Benchmark mit 96,0 % Erfolg und 7,47 US-Dollar pro Aufgabe an, während Muse Wonder 94,9 % bei nur 1,53 US-Dollar erreicht. Fast fünfmal mehr für 1,1 Prozentpunkte zusätzlich zu zahlen, lohnte sich für die meisten Unternehmen nicht — der Anteil von Fable 5.1 fiel innerhalb von sechs Wochen von 5,5 % auf 0,6 %.
Auch die Ausgaben sind extrem ungleich verteilt: Der Median der wöchentlichen KI-Ausgaben liegt bei nur 2,49 US-Dollar, während das 99. Perzentil 699,74 US-Dollar ausgibt — ein 281-facher Unterschied; der Median hat sich innerhalb von sechs Wochen von 1,10 US-Dollar mehr als verdoppelt. Databricks rät, nach Aufgabe zu unterscheiden: teure Modelle für komplexe, risikoreiche Arbeit, günstige für den Alltag — und vor allem mit den eigenen echten Arbeitslasten zu testen, statt nur auf eine Rangliste zu schauen. Die Indexdaten decken den 21. September bis 7. November ab, und die Schlussfolgerungen gelten nur für die bewerteten Modelle und Arbeitslasten; in einem anderen Umfeld können die Ergebnisse abweichen.