425 Seiten Bestandsaufnahme, kondensiert auf das, was 2026 in Strategien, Vergaben und Beratungsgesprächen wirklich relevant ist.
Stanford prognostiziert nicht. Stanford misst, was passiert ist. Adoption, Investitionen, Capability, Talent, Ressourcenverbrauch, öffentliche Meinung. Auf Basis von Daten der OECD, McKinsey, GitHub, LinkedIn und Dutzender weiterer Quellen.
Wir bei Einfach Starten haben den Report durchgearbeitet und in den folgenden Abschnitten die wichtigsten Befunde zusammengefasst. Pro Kapitel die zentrale Zahl, eine Einordnung aus der Beratungspraxis und konkrete Implikationen für Unternehmen im DACH-Raum.
Der vollständige Originalreport ist unter hai.stanford.edu verfügbar.
Globale AI-Compute-Kapazität hat sich seit 2022 jährlich um den Faktor 3,3 erhöht. Nvidia hält rund 60 Prozent, ein einziger Chiphersteller in Taiwan fertigt fast alles davon.
Die Rechenleistung hinter den AI-Modellen wächst seit 2022 jährlich um den Faktor 3,3. Anders gesagt: in vier Jahren rund 120 Mal so viel wie vorher. Und nahezu jeder dieser Chips wird von einer einzigen Firma gefertigt: TSMC in Taiwan. Wer über AI-Strategie spricht und nicht über die Lieferkette dahinter, übersieht das größte technische Klumpenrisiko der Branche.
Über 90 Prozent der wichtigen AI-Modelle kommen mittlerweile aus der Industrie, nicht aus der Forschung. Und gerade diese Modelle werden weniger offen, nicht offener. Trainingsdaten, Grössenangaben und Methodik werden zunehmend nicht mehr veröffentlicht. Sobald ein solches Modell im Hintergrund eines regulierten Produkts arbeitet, etwa bei Versicherern, Mobilitätsanbietern oder im Gesundheitsbereich, wird das zur konkreten Frage: wie prüft man, was man nicht sehen darf?
Auch die geografische Verteilung kippt. Die Zahl derjenigen, die als Top-Forscher in die USA wechseln, ist seit 2017 um 89 Prozent eingebrochen. Im gleichen Zeitraum gewinnen die Vereinigten Arabischen Emirate, Saudi-Arabien und Großbritannien netto Wissenschaftler dazu. Das Bild "AI passiert in Silicon Valley" trifft nur noch teilweise.
Was das für die Praxis heißt: Eine ernsthafte AI-Strategie behandelt heute nicht nur die Frage, welches Modell man einsetzt. Sondern auch, wo die Hardware herkommt, wer den Anbieter prüft und wo die Menschen sitzen, die das Wissen pflegen.
Der Abstand schmilzt seit Monaten. Modell-Auswahl wird zur Nebenfrage, der echte Hebel liegt im konkreten Einsatz.
AI hat 2025 einen großen Sprung gemacht. Bei einem strengen Test für Software-Entwicklung ist die Trefferquote in einem Jahr von 60 Prozent auf fast 100 Prozent gestiegen. AI hat eine Goldmedaille bei der Mathematik-Olympiade geholt. Die vier führenden Modelle der Welt sind nach Punktebewertung praktisch gleich gut. Der Vorsprung der USA vor China liegt nur noch bei 2,7 Prozent.
Gleichzeitig zeigen sich klare Schwächen. Roboter schaffen 88 Prozent typischer Haushaltsaufgaben nicht. Das beste Modell liest analoge Uhren nur zu 50 Prozent richtig, ein Mensch zu 90. AI-Agenten verfehlen jedes dritte Ergebnis bei strukturierten Aufgaben. Stanford nennt diese Verteilung die jagged frontier, also Spitzenleistung direkt neben Versagen, ohne dass man von einer Aufgabe auf die nächste schliessen kann.
Was das für den Alltag heißt: Wer AI einsetzt, muss sie für den eigenen Anwendungsfall testen. Allgemeine Tests sagen wenig über die konkrete Eignung. Die Frage "welches Modell soll ich einkaufen" verliert an Gewicht, weil die Anbieter sich kaum noch unterscheiden. Wichtiger werden Kosten, Verlässlichkeit im echten Einsatz und die Anpassung an die eigene Branche.
Von 233 auf 362 in einem Jahr. Verantwortung läuft der Leistungsfähigkeit hinterher, und die Transparenz der Anbieter geht zurück statt nach oben.
Die Zahl der gemeldeten AI-Vorfälle ist binnen eines Jahres von 233 auf 362 gestiegen. Im Januar 2026 hat die OECD allein in einem Monat 435 Fälle registriert. Während fast alle Anbieter ihre Leistungswerte stolz veröffentlichen, sind freiwillige Sicherheitstests die Ausnahme. Wer als Kunde Vergleichbarkeit will, muss heute selbst danach fragen.
Das größere Problem im Maschinenraum ist subtiler. AI-Modelle können Fakten und Meinungen nicht zuverlässig auseinanderhalten. In einem aktuellen Test schwankt die Trefferquote der 26 führenden Modelle zwischen 22 und 94 Prozent. Eines der Top-Modelle bricht von 98 auf 64 Prozent ein, sobald man eine falsche Aussage als "der Nutzer glaubt das" formuliert. Ein anderes fällt von 90 auf 14. Im Beratungs- oder Klinikalltag ist diese Unterscheidung nicht optional.
Gleichzeitig wird die Branche weniger offen, nicht offener. Ein Index, der die Transparenz der Anbieter misst, ist 2025 von 58 auf 40 gefallen. Trainingsdaten, eingesetzte Rechenleistung und die Wirkung nach dem Einsatz werden zunehmend nicht mehr veröffentlicht.
Was das für 2026 heißt: AI in regulierten Prozessen ohne ein eigenes Risiko-Verfahren ist heute fahrlässig. Datenschutz allein reicht als Bezugsrahmen nicht mehr. Standards wie ISO 42001 oder das NIST AI RMF gewinnen an Gewicht und werden in Vergaben zunehmend gefragt.
Innerhalb eines Jahres auf 88 Prozent gestiegen. Pilotprojekte sind Geschichte, AI ist im Tagesgeschäft. Aber: AI-Agents bleiben in fast allen Funktionen einstellig.
Die Verbreitung ist enorm. 88 Prozent der Unternehmen setzen generative AI mindestens an einer Stelle ein. 53 Prozent der Weltbevölkerung haben sie in drei Jahren ausprobiert. Das ist die schnellste Verbreitung einer Technik, die wir kennen. Privatkapital floss 2025 in Höhe von 285,9 Milliarden Dollar in US-AI-Firmen, mehr als zwanzigmal so viel wie in China.
Aber das Bild kippt, wenn man genaür hinschaut. Bei der Bevölkerungsnutzung führen Singapur mit 61 Prozent und die Emirate mit 54. Die USA stehen auf Platz 24 mit 28 Prozent. Wer die USA als Maßstab nimmt, schaut auf den falschen Markt.
In den Unternehmen klafft eine zweite Lücke: zwischen "AI ist im Einsatz" und "AI macht den Job". Trotz der 88 Prozent Verbreitung sind richtige AI-Agenten in fast allen Funktionen nur einstellig im Einsatz. Wo gemessen wird, sind Produktivitätsgewinne da: 14 Prozent im Kundenservice, 26 Prozent in der Software-Entwicklung, 50 Prozent bei Marketing-Aufgaben. Bei Aufgaben, die komplexes Abwägen brauchen, sind die Effekte schwächer oder verschwinden.
Der unbequemste Befund steckt in der Demografie. Software-Entwickler zwischen 22 und 25 in den USA haben in einem Jahr fast 20 Prozent Beschäftigung verloren, während ältere Kollegen weiter eingestellt werden. Genau dort, wo die Produktivitätsgewinne am höchsten sind, schmilzt der Einstieg in den Beruf. Das ist eine Frage für Bildungseinrichtungen, Trainee-Programme und für jeden, der eine Talent-Pipeline plant.
Auf PaperArena erreicht der beste Agent 38,8 Prozent gegen 83,5 Prozent PhD-Baseline. Bei BixBench Bioinformatik unter 17 Prozent.
In der Wissenschaft hat AI 2025 ein gemischtes Jahr. In einigen Disziplinen ist sie an einem echten Reifepunkt angekommen, in anderen ist sie noch weit von der Praxistauglichkeit entfernt.
Wo es richtig läuft: Strukturbiologie, Wettervorhersage, Materialforschung. Ein neues System namens Aardvark Weather hat 2025 erstmals die komplette klassische Wettervorhersage durch ein einzelnes AI-Modell ersetzt. Ein anderes erstellt eine 60-Tage-Globalprognose in unter vier Minuten, deutlich schneller als alle etablierten Verfahren. Auch in der Chemie schlagen die besten Modelle den Durchschnittschemiker bei einem standardisierten Wissenstest.
Wo es nicht läuft: das selbstständige Forschen. Wenn AI-Agenten ganze Forschungsabläufe übernehmen sollen, also vom Lesen der Literatur über die Hypothese bis zur Auswertung, fallen die Werte ein. 39 Prozent Trefferquote für die besten AI-Agenten gegen 84 Prozent bei einem Doktoranden. Bei der Bioinformatik schaffen die Modelle nur 17 Prozent. Beim Reproduzieren ganzer astrophysikalischer Paper schaffen alle getesteten Modelle weniger als 20 Prozent.
Bemerkenswert: AI für Wissenschaft entsteht überwiegend an Universitäten und in Forschungseinrichtungen, nicht in den großen Tech-Konzernen. Datensätze für die Erdbeobachtung kommen sogar zu 100 Prozent aus dem öffentlichen Sektor. Wer wissenschaftliche AI in Deutschland aufbauen will, kann sich auf einer Spielfläche bewegen, die nicht von Big Tech beherrscht wird.
Kapitel 6 / Medicine
Medizin zwischen Spitzenleistung und Studienlücke. #
Kapitel 6 / Medizin
85,5
vs. 20 Prozent
Multi-Agent-Diagnostik gegen Arzt
Microsoft AI Diagnostic Orchestrator mit OpenAI o3 erreicht 85,5 Prozent auf komplexen publizierten Fällen, unaided Physicians 20 Prozent. Deutliche Wirkung, dünne Evidenz.
Was AI in einzelnen Tests schafft, ist beeindruckend. Ein Verbund mehrerer AI-Modelle hat in einem ernst gemeinten Vergleich 86 Prozent komplexer publizierter Krankheitsfälle korrekt eingeordnet. Ärztinnen und Ärzte ohne Hilfsmittel kamen auf 20 Prozent. In Krankenhäusern hat sich auch die Schreibarbeit verändert. AI-Systeme, die Arztgespräche automatisch dokumentieren, reduzieren die Tippzeit für Notizen um bis zu 83 Prozent. Ein Klinikum berichtet von einem Wertbeitrag von 112 Prozent.
Was die Studienlage zeigt, ist aber ernüchternd. Die US-Zulassungsbehörde hat 2025 258 AI-Medizingeräte freigegeben. Nur 2,4 Prozent davon haben eine richtige Studie hinterlegt, also einen Vergleich von Patientengruppen mit und ohne den Einsatz. Der Rest lief über Genehmigungswege, die sich auf bestehende ältere Geräte stützen. Bei einer Auswertung von über 500 klinischen Studien arbeitete fast die Hälfte mit Prüfungsfragen statt echten Patientendaten, nur 5 Prozent mit echten Klinikdaten.
Daneben ist eine stille Verschiebung passiert. Bei 84 bis 92 Prozent der gesundheitsbezogenen Google-Suchen erscheint heute ein AI-Hinweis ganz oben. Bei Symptom-Fragen sogar 92 Prozent. Patientinnen und Patienten begegnen einer AI-Antwort, bevor sie mit einer Ärztin gesprochen haben, oft mit deutlich weniger Aufsicht als bei zugelassenen Klinik-Tools.
Vier von fünf US-Schülern nutzen AI für Schulaufgaben. Nur 6 Prozent der Lehrer sagen, ihre Schul-Policy dazu sei klar.
Bildung ist das Kapitel mit dem größten Abstand zwischen Wirklichkeit und System.
Vier von fünf US-Schülerinnen und Schülern nutzen AI für Schulaufgaben. Gleichzeitig hat nur jede zweite Schule überhaupt eine Regel dazu, und nur 6 Prozent der Lehrkräfte sagen, ihre Regel sei klar verständlich. Wer im Schulkontext über AI diskutiert, diskutiert über etwas, das längst passiert ist.
An den Hochschulen verschiebt sich das Bild ebenfalls. Im Studienfach Informatik brachen die US-Einschreibungen 2024 zu 2025 um 11 Prozent ein. AI-Master-Programme wuchsen im gleichen Jahr um 17 Prozent, in den zwei Jahren davor sogar um 82 Prozent. Studierende reagieren auf die Verschiebung im Job-Markt schneller als die Studienpläne.
Eine Detailbeobachtung: die Universität, die in den USA die meisten AI-Bachelor-Abschlüsse vergibt, ist eine reine Online-Universität. Auch auf Platz zwei steht eine Online-Schule. Berkeley folgt erst auf Platz drei. Wer das Bild "AI-Talent kommt aus den Elite-Universitäten" hat, schaut auf die falsche Liste.
Für Unternehmen im DACH-Raum heißt das praktisch: wenn ihr mit Schulen oder Hochschulen kooperiert, seid auf einen langen Bremsweg vorbereitet. China und die Emirate haben für das Schuljahr 2025-26 verpflichtenden AI-Unterricht eingeführt. Bei uns geht die Diskussion noch um Pilotversuche.
Verzwanzigfacht seit 2017. Industrie-Anteil von 13 auf 37 Prozent gestiegen, Akademia auf 15 Prozent gefallen. Die AI-Stimme in Washington kommt aus den Firmen.
2025 war das Jahr, in dem AI-Politik mehr war als Regulierung. Drei Bewegungen laufen parallel.
Erstens treibt das Thema Souveränität auf der politischen Tagesordnung. Wer kontrolliert die Rechenleistung, wer die Daten, wer die Modelle, wer das Talent. Europa und Zentralasien haben ihre staatlich geförderten Großrechner für AI seit 2018 von 3 auf 44 ausgebaut. Mehr als die Hälfte der neu beschlossenen Nationalstrategien kommt aus aufstrebenden Volkswirtschaften. Italien hat im September 2025 als erstes EU-Land ein eigenes AI-Gesetz verabschiedet.
Zweitens hat sich die USA gespalten. Auf Bundesebene wird bewusst dereguliert, in den Bundesstaaten passiert das Gegenteil. Texas hat einen umfassenden Rahmen, Kalifornien hat Auflagen für die größten Modellentwickler eingeführt. Im Dezember 2025 haben die USA mit der Pax-Silica-Erklärung außerdem eine Supply-Chain-Allianz mit befreundeten Staaten gebildet.
Drittens ist die Industrie-Stimme in Washington lauter geworden. In Anhörungen des US-Kongresses zum Thema AI sassen 2017 fünf Sachverständige. 2025 waren es 102. Der Anteil der Industrie ist dabei von 13 auf 37 Prozent gestiegen, der Anteil aus der Wissenschaft auf 15 Prozent gefallen.
Für Unternehmen heißt das: Souveränitäts-Anforderungen werden bei öffentlichen Ausschreibungen häufiger werden. Berichtspflichten unterscheiden sich nach Bundesstaat und EU-Land. Wer in mehreren Märkten unterwegs ist, sollte den Aufwand für die rechtliche Seite jetzt einplanen.
73 Prozent der AI-Experten erwarten positive Job-Effekte, nur 23 Prozent der US-Public. Der größte Gap in der gesamten Umfrage.
Optimismus und Sorge wachsen gleichzeitig. 59 Prozent sagen global, dass die Vorteile von AI die Nachteile überwiegen, 2024 waren es noch 55. Gleichzeitig sagen 52 Prozent, dass AI-Produkte sie nervös machen. Beides nimmt zu, und das widerspricht sich nicht, sondern beschreibt die neue Realität.
Die größte Lücke ist die zwischen Fachleuten und der Bevölkerung. 73 Prozent der AI-Experten erwarten positive Effekte auf Jobs, nur 23 Prozent der US-Bevölkerung. Diese 50-Punkte-Lücke zieht sich durch fast alle Themen: bei der Wirtschaft 69 zu 21 Prozent, bei der Medizin 84 zu 44. Bei persönlichen Beziehungen sind beide Gruppen pessimistisch, die Bevölkerung deutlich mehr.
Geografisch wird das Bild noch schärfer. Südostasien ist am optimistischsten, in Malaysia, Thailand, Indonesien und Singapur erwarten über 80 Prozent grundlegende Veränderungen ihres Lebens durch AI. Indien hat 2025 den stärksten Anstieg an Sorgen weltweit, plus 14 Prozentpunkte, während die Begeisterung kaum gestiegen ist. Deutschland ist im selben Zeitraum Europas größter Optimismus-Gewinner mit plus 12 Punkten.
Beim Vertrauen ist die USA in einer ungewohnten Position. Nur 31 Prozent der Amerikaner trauen der eigenen Regierung zu, AI sinnvoll zu regulieren. Das ist der niedrigste Wert weltweit. Global wird die EU mit 53 Prozent stärker zugetraut als die USA mit 37 oder China mit 27 Prozent.
Was das für die Praxis heißt: das Gespräch über AI in der eigenen Firma ist nicht das Gespräch, das Fachleute auf Konferenzen führen. Wer Skepsis übergeht, baut sich Widerstand in jede Einführung ein.
Was unter dem Strich übrig bleibt.
Neun Kapitel, 425 Seiten, viele Datenpunkte. Drei Beobachtungen, die wir aus dem Report mitnehmen.
Es gibt nicht mehr ein einzelnes AI-Modell, das den anderen davonzieht. Die führenden vier Anbieter sind praktisch gleich gut, der Vorsprung der USA vor China ist auf knapp drei Prozent geschmolzen. Wer also lange darüber diskutiert, welches Modell man kauft, hat den falschen Punkt im Fokus. Die wichtigere Frage ist, wofür man es einsetzt und wie verlässlich es dort sein muss.
AI ist überall, aber nicht überall gleich. 53 Prozent der Weltbevölkerung nutzen generative AI nach drei Jahren, das ist die schnellste Verbreitung, die wir je gesehen haben. Trotzdem haben in den meisten Unternehmen unter zehn Prozent der Funktionen einen echten AI-Agenten in Produktion. Junge Software-Entwickler in den USA verlieren ihre Jobs, ältere nicht. Schüler nutzen AI längst, Schulen meistens nicht. Die Welle ist riesig, aber sie trifft nicht alle gleich.
Die Werkzeuge zur Kontrolle hinken hinterher. Gemeldete Vorfälle sind innerhalb eines Jahres von 233 auf 362 gestiegen. Transparenz nimmt ab statt zu. Selbst die größten Modelle erfinden in vielen Fällen Fakten, ohne dass man es ihnen anmerkt. Bei AI-Medizingeräten, die in den USA zugelassen werden, liegt nur jedem vierzigsten eine richtige klinische Studie zugrunde. Wer 2026 AI in regulierte Prozesse einbaut, ohne ein Risiko-Verfahren mitzuführen, hat ein Problem, das er noch nicht sieht.
AI ist im Alltag angekommen. Die Praxis, sie verantwortlich einzusetzen, ist es noch nicht. Wer berät, baut oder führt, trägt 2026 mehr Verantwortung für das Wie als für das Ob.
Wir bei Einfach Starten begleiten Unternehmen genau in den Spannungsfeldern, die der Report sichtbar macht. Anbieter-Auswahl, Risiko-Verfahren, AI-Schulungen, Integration in Connected-Car- und IT-Backends. Wenn ihr im DACH-Raum Praxis-Kontakt sucht, sprecht uns an.
einfachstarten.jetzt