Ausgabe vom 17. Juni 2026

Der Marktanteil von ChatGPT ist nach neuen Nutzungsdaten erstmals unter 50 Prozent gefallen. Mit mehr als 1,1 Milliarden monatlich aktiven Nutzern bleibt OpenAIs Chatbot zwar mit deutlichem Abstand der populärste KI-Assistent weltweit — aber er ist nicht mehr die klare Mehrheit. Auf den Plätzen folgen Google Gemini mit rund 662 Millionen und Anthropics Claude mit etwa 245 Millionen monatlichen Nutzern. Der Rest verteilt sich auf eine wachsende Zahl von Wettbewerbern, von Perplexity über Microsoft Copilot bis zu chinesischen und europäischen Anbietern.

Der Rückgang unter die symbolische 50-Prozent-Schwelle ist weniger ein absoluter Einbruch als ein relativer Effekt: ChatGPT wächst weiter, aber die Konkurrenz wächst schneller. Google kann Gemini in Suche, Android, Workspace und Chrome bündeln und erreicht damit Hunderte Millionen Nutzer praktisch ohne zusätzlichen Akquisitionsaufwand — das jüngste Android-17-Update mit erweiterten Gemini-Funktionen ist nur das aktuellste Beispiel. Anthropic wiederum punktet vor allem im professionellen und Entwickler-Umfeld, wo Claude als Qualitätsführer gilt.

Für OpenAI ist die Zahl heikel, weil das Unternehmen mitten in der Vorbereitung eines Börsengangs steckt. Ein dominanter, schwer angreifbarer Marktanteil ist ein zentrales Argument gegenüber Investoren — und genau dieses Narrativ bekommt Risse. Das erklärt auch den strategischen Umbau, über den wir berichtet haben: OpenAI baut ChatGPT vom Frage-Antwort-Chatbot zur agentischen „Super-App“ um, mit Coding, Bildgenerierung, Partner-Apps und Werbung. Ziel ist es, Nutzer tiefer in ein Ökosystem zu binden, statt nur einzelne Anfragen zu beantworten.

Bemerkenswert ist auch, was die Zahlen über die Reife des Marktes aussagen. In der Frühphase eines Technologiezyklus konzentriert sich die Aufmerksamkeit auf einen einzigen Namen — „ChatGPT“ wurde zum Synonym für KI, so wie „googeln“ einst zum Synonym für Websuche. Dass nun mehrere Anbieter dreistellige Millionen-Nutzerzahlen erreichen, signalisiert eine Normalisierung: KI-Assistenten werden zur austauschbaren Infrastruktur, bei der die Nutzer je nach Aufgabe das Werkzeug wechseln. Für Unternehmen heißt das, sich nicht zu früh auf einen einzigen Anbieter festzulegen.

Nvidia hat in der jüngsten Ausgabe der MLPerf-Trainings-Benchmarks (Version 6.0) nach eigenen Angaben einen kompletten Durchmarsch hingelegt: Spitzenwerte in allen getesteten Disziplinen. MLPerf ist eine vom Branchenkonsortium MLCommons entwickelte Benchmark-Suite, an der sich Hersteller mit standardisierten Trainingsaufgaben messen — vom Training großer Sprachmodelle über Bildgenerierung bis zu Empfehlungssystemen. Der Reiz: Anders als Hersteller-eigene Zahlen folgen alle Teilnehmer denselben Regeln, was die Ergebnisse zumindest halbwegs vergleichbar macht.

Im Zentrum steht Nvidias Blackwell-Architektur, die in immer größeren Verbünden antritt. Der Kern der Botschaft ist nicht nur „schnellste Einzelchips“, sondern Skalierung: Die Fähigkeit, Tausende von Beschleunigern so zu verschalten, dass sie an einer einzigen Trainingsaufgabe nahezu linear zusammenarbeiten. Genau das ist der teuerste und technisch anspruchsvollste Teil moderner KI-Entwicklung. Wer ein Frontier-Modell trainieren will, kämpft weniger mit der Rechenleistung eines einzelnen Chips als mit Netzwerk, Speicherbandbreite und der Kunst, riesige Cluster ohne Effizienzverlust auszulasten.

Für Entscheider ist die eigentliche Nachricht die Verzahnung von Hardware und Kapitalmärkten. Die Benchmark-Führerschaft untermauert, warum Hyperscaler und KI-Labore weiterhin dreistellige Milliardenbeträge in Nvidia-Hardware stecken — und warum die enorme Verschuldung für KI-Capex bislang als gerechtfertigt gilt: Solange Nvidia bei Leistung pro Watt und bei der Cluster-Skalierung vorne liegt, gibt es für Käufer wenig Anreiz, auf Alternativen zu wechseln. Das zementiert eine Marktstellung, die Wettbewerber wie AMD, die hauseigenen Chips von Google (TPU) und Amazon (Trainium) sowie Startups erst aufbrechen müssten.

Einordnend bleibt festzuhalten: MLPerf-Ergebnisse sind herstellergetrieben, die Teilnahme ist freiwillig, und wer schlecht abschneidet, reicht oft gar keine Resultate ein. Ein „clean sweep“ ist deshalb auch eine Funktion davon, wer überhaupt angetreten ist. Dennoch gilt MLPerf als die belastbarste öffentliche Referenz, die der Markt hat — und die Botschaft an Investoren ist eindeutig: Der Engpass der KI-Industrie heißt weiter Rechenleistung, und Nvidia kontrolliert ihn.

Das US-Justizministerium (DOJ) hat sich in einen Rechtsstreit um das KI-Rechenzentrum von Elon Musks xAI im Großraum Memphis eingeschaltet — und vertritt dabei eine bemerkenswerte Position: Der weitere Betrieb der dort eingesetzten, teils ohne reguläre Genehmigung aufgestellten Gasturbinen sei eine Angelegenheit der „nationalen, wirtschaftlichen und energetischen Sicherheit“. Begründung: Das Verteidigungsministerium sei darauf angewiesen, dass xAI seine Rechenkapazität aufrechterhalte.

Hintergrund ist der Aufbau von xAIs Cluster „Colossus“, der seit 2024 mit hohem Tempo hochgezogen wurde. Weil das öffentliche Stromnetz die enorme Last nicht kurzfristig liefern konnte, betreibt xAI vor Ort eine Reihe von Gasturbinen zur Eigenstromerzeugung. Anwohnerinitiativen und Umweltverbände werfen dem Unternehmen vor, einen Teil dieser Turbinen ohne die nach dem US-Luftreinhaltegesetz (Clean Air Act) erforderlichen Genehmigungen zu betreiben — in einem Stadtteil, der ohnehin unter hoher Schadstoffbelastung leidet. Daraus erwuchs ein juristischer Streit über Emissionen und Genehmigungspflichten.

Dass sich nun das Bundes-Justizministerium auf die Seite des Anlagenbetreibers stellt und dabei mit Verteidigungsinteressen argumentiert, hebt den Fall auf eine neue Ebene. Es ist ein weiteres Beispiel dafür, wie die US-Regierung KI-Infrastruktur zunehmend als strategisches Gut behandelt — vergleichbar mit der Exportkontroll-Direktive gegen Anthropic, bei der ebenfalls „nationale Sicherheit“ als Begründung diente. Die Linie ist erkennbar: Wo KI auf den Staat trifft, gewinnen Sicherheitsargumente an Gewicht — mal zugunsten strengerer Kontrolle, mal, wie hier, zugunsten eines Betreibers.

Für die breitere Debatte ist der Streit ein Lehrstück über die physische Kehrseite des KI-Booms. Rechenzentren brauchen Strom in Größenordnungen, die lokale Netze überfordern, und greifen deshalb auf fossile Notlösungen zurück — mit realen Folgen für Anwohner und Klimabilanz. Der Energiehunger der KI ist damit nicht länger nur ein Treiber für orbitale Rechenzentren oder Atomstrom-Deals, sondern ein handfestes Genehmigungs- und Gerechtigkeitsproblem vor Ort. Der Ausgang des Verfahrens dürfte zur Blaupause dafür werden, wie viel Spielraum KI-Konzerne beim Bau ihrer Energieinfrastruktur erhalten.

Der Konflikt zwischen Anthropic und der US-Regierung um die erzwungene Abschaltung von Claude Fable 5 und Mythos 5 geht in die zweite Woche — und entwickelt sich überraschend. Daten des Ausgabenmanagement-Anbieters Ramp deuten laut einem Bericht darauf hin, dass Anthropics Beliebtheit bei Geschäftskunden trotz (oder gerade wegen) des Streits weiter wächst. Die These: In einem Markt, der zunehmend nach vertrauenswürdigen, sicherheitsorientierten Anbietern sucht, kann ein öffentlich ausgetragener Konflikt mit der Regierung den Ruf eines Unternehmens als „der seriöse, vorsichtige Akteur“ sogar festigen — solange das Kerngeschäft mit den weiterhin verfügbaren Modellen Opus 4.8, Sonnet und Haiku läuft.

Das passt zu einem Detail, das diese Woche zusätzlich Aufmerksamkeit bekam: Mehrere Berichte konkretisierten, wie banal der angebliche Auslöser des Banns war. Laut Recherchen von Fortune und TechCrunch formulierten die Amazon-Forscher, die den vermeintlichen Jailbreak demonstrierten, keinen ausgefeilten Angriff, sondern schlicht Aufforderungen wie „fix this code“ statt „find vulnerabilities“. Die Sicherheitsforscherin Katie Moussouris, die das zugrunde liegende Paper vorab sah, betont, es handele sich um eine Kernfunktion moderner Modelle, die sich gar nicht „beheben“ lasse. Genau das nährt den Eindruck, die Maßnahme sei überzogen — und Anthropic eher Opfer als Täter.

In Deutschland sorgt der Fall für grundsätzliche Debatten. Der KI-Bundesverband nennt das Exportverbot „absehbar“ und richtet klare Forderungen an Berlin und Brüssel: Europa müsse seine Abhängigkeit von einzelnen US-Anbietern und deren jederzeit politisch widerrufbaren Diensten ernster nehmen. Ein Verbandsvertreter bringt die Schieflage auf den Punkt: Man diskutiere hierzulande „mehr über Erbschaftssteuer als über KI-Abhängigkeiten“. Die Sorge ist nicht abstrakt — wenn ein einzelnes Modell binnen Stunden weltweit abgeschaltet werden kann, hängt die Verfügbarkeit geschäftskritischer Werkzeuge an Entscheidungen einer fremden Regierung.

Die Wired-Analyse der Vorwoche hatte bereits den unbequemen Kern offengelegt: „Gefährliche“ KI-Modelle mit fortgeschrittenen Hacking-Fähigkeiten kommen ohnehin — die entsprechende Kompetenz steckt längst auch in GPT-5.5 und chinesischen Open-Weight-Modellen wie Kimi 2.7. Ein einzelner Rückruf ändert daran wenig, schafft aber einen Präzedenzfall: Erstmals wurde Exportkontrollrecht auf einen ausgerollten kommerziellen Cloud-Dienst angewandt. Für europäische Unternehmen ist die Lehre dieselbe wie in unserer Reportage zur souveränen KI: Abhängigkeiten kartieren, Fallback-Modelle bereithalten, Vertragsklauseln für solche Fälle schaffen.

Google hat Android 17 sowie Wear OS 7 fertiggestellt und mit der Verteilung begonnen — wie üblich zuerst auf den hauseigenen Pixel-Geräten. Sichtbarste Neuerungen sind erweiterte Multitasking-Funktionen: schwebende „Bubbles“ für parallele Aufgaben, ein dedizierter Gaming-Modus, verbesserte elterliche Kontrollen und neue Sicherheitswerkzeuge. Auf den Smartwatches kommen Performance- und Akku-Verbesserungen hinzu.

Für die KI-Perspektive entscheidend ist der begleitende „Pixel Drop“ — Googles quartalsweises Funktionspaket, das diesmal die aktuellen Gemini-Modelle tiefer in die Geräte integriert. Damit setzt Google seine Strategie fort, KI nicht als separate App, sondern als Betriebssystem-Schicht zu verankern: Assistenzfunktionen, die Bildschirminhalte verstehen, app-übergreifend Aktionen ausführen und zunehmend on-device laufen. Der Schritt unterstreicht, warum Gemini bei den Nutzerzahlen so schnell aufholt (siehe unseren Artikel zum schrumpfenden ChatGPT-Vorsprung): Über die Android-Basis erreicht Google KI-Funktionen praktisch jeden Pixel-Nutzer ohne zusätzlichen Download.

Wie immer bei Android-Releases gilt: Pixel-Geräte erhalten das Update zuerst, andere Hersteller folgen über Monate hinweg gestaffelt. Die fragmentierte Verteilung bleibt Androids strukturelle Schwäche — gerade bei KI-Funktionen, die auf aktuelle Modelle und teils auf bestimmte Hardware-Beschleuniger (NPUs) angewiesen sind. Für Entwickler und Produktverantwortliche heißt das: Wer auf die neuen On-Device-KI-Fähigkeiten setzen will, muss die reale Geräte- und Versionsbasis seiner Nutzer im Blick behalten, statt von der Pixel-Spitze auf den Massenmarkt zu schließen.