Am 3. November 2026 hat der Wagniskapitalgeber Menlo Ventures seinen Bericht zum Stand von KI in Unternehmen veröffentlicht^[1]. Die Zahlen sorgen für Gesprächsstoff, denn sie zeichnen eine klare Rangfolge der Anbieter. Für die Entscheidung im eigenen Unternehmen reichen Marktanteile aber nicht. Wir ordnen die Studie ein, vergleichen die Listenpreise aktueller KI-Modelle für Unternehmen und zeigen, worauf es bei Leistung und Datenschutz wirklich ankommt.

Laut Menlo Ventures entfallen die geschätzten Ausgaben von Unternehmen für Sprachmodelle über Programmierschnittstellen (APIs) so auf die Anbieter^[1]:

Wichtig für die Einordnung: Grundlage ist eine Befragung von knapp 400 Entscheiderinnen und Entscheidern aus US-Unternehmen vom 8. bis 26. September 2026. Die Anteile sind Schätzungen auf Basis gewichteter Nutzungsangaben^[1]. Sie beschreiben, wohin Geld fließt, nicht, welches Modell für eine bestimmte Aufgabe am besten ist. Belastbare Anbieteranteile für Deutschland oder den Mittelstand lassen sich aus der US-Untersuchung nicht ableiten. Transparenzhinweis: Menlo Ventures ist an Anthropic beteiligt^[1].

Abgerechnet wird bei den meisten Anbietern nach Token, also nach den Wortbausteinen, die ein Modell liest (Input) und schreibt (Output). Die Listenpreise je Million Token liegen weit auseinander:

Zwischen dem großen und dem kleinen Modell desselben Anbieters liegt beim Input in der niedrigeren Tarifstufe der Faktor 40. Das zeigt einen möglichen Sparhebel: Nicht jede Aufgabe braucht das stärkste Modell.

Wie zuverlässig KI-Agenten bestehende Anwendungen überarbeiten, untersucht der am 26. Oktober 2026 veröffentlichte Benchmark „Co-Design Bench“, also ein standardisierter Vergleichstest mit 273 Programmier- und Änderungsaufgaben. Das beste getestete Modell, GPT-6 Astra, erfüllte im Mittel knapp 70 Prozent der strengen Kriterien. Vollständig gelöst hat es aber nur 26,4 Prozent der Aufgaben^[7]. Bei den übrigen blieb mindestens ein Kriterium unerfüllt.

Auffällig ist ein Teilergebnis beim Bearbeiten von Code-Repositories, also den Sammlungen der Projektdateien: Bei der mittleren strikten Kriterienerfüllung erreichte das frei verfügbare Modell Qwen3.8-27B 64,5 Prozent, Claude Opus 5 64,2 Prozent und GPT-6 Astra 66,7 Prozent^[7]. Das sind keine Quoten vollständig gelöster Aufgaben. Die Autoren warnen ausdrücklich davor, aus solch kleinen Abständen allgemeine Rangfolgen abzuleiten. Auch zur Produktivität gibt es keine einfache Antwort: Eine Studie der Forschungsorganisation METR fand 2025 bei erfahrenen Open-Source-Entwicklern für die untersuchten Softwareaufgaben 19 Prozent längere Bearbeitungszeiten mit KI. Spätere Daten deuten laut METR-Update vom Februar 2026 auf eine Beschleunigung hin, sind aber kein belastbarer Schätzer für den aktuellen Effekt^[8]. Eine METR-Befragung von 349 technischen Beschäftigten vom Mai 2026 beruht auf Selbstauskünften und ist mit dem kontrollierten Experiment nicht direkt vergleichbar^[15].

Für Unternehmen in Deutschland ist der Preis selten das einzige Kriterium. OpenAI bietet berechtigten Kunden eine europäische Datenresidenz für unterstützte Modelle und API-Funktionen. API- und Geschäftskundendaten werden standardmäßig nicht zum Training genutzt, außer bei ausdrücklicher Zustimmung^[9][16]. Z.ai, der Anbieter von GLM, verarbeitet Kundendaten nach eigenen Angaben grundsätzlich in Singapur^[10].

Unabhängig vom Anbieter gilt die DSGVO: Verarbeitet ein Dienst personenbezogene Daten in Ihrem Auftrag, braucht es einen Vertrag zur Auftragsverarbeitung nach Art. 28. Bei voraussichtlich hohem Risiko ist eine Datenschutz-Folgenabschätzung nach Art. 35 nötig^[11]. Eine praxisnahe Hilfe ist die Orientierungshilfe „KI und Datenschutz“ der Datenschutzkonferenz vom 6. Mai 2024^[12].