Weltweite KI-Ausgaben erreichten 2025 1,5 Billionen Dollar. Enterprise-GenAI-Anwendungen wuchsen um das 3,2-Fache auf 37 Milliarden Dollar – die am schnellsten skalierende Softwarekategorie in der Geschichte. Die Schlagzeilen-Zahlen messen unterschiedliche Schichten: Gesamte KI-Ausgaben umfassen Hardware, Infrastruktur und Dienstleistungen; die 37 Milliarden spiegeln wider, was Unternehmen tatsächlich in der Produktion betreiben. Nur 16 % der Unternehmen haben echte Agent-Deployments erreicht. Die Ausgabenkurve beschleunigt sich; die Produktionslücke ist die Geschichte hinter den Zahlen.
Enterprise-GenAI-Ausgaben wuchsen in einem einzigen Jahr um das 3,2-Fache – von 11,5 Milliarden Dollar in 2024 auf 37 Milliarden Dollar in 2025. Das ist keine Trendlinie. Das ist ein Verdichtungsereignis. Softwarekategorien, die so schnell gewachsen sind, umfassen Cloud-SaaS in 2010–2012 und Mobile-App-Ausgaben in 2011–2013. Beide wurden zu Infrastruktur. Die KI-Ausgabendaten 2025 deuten auf dieselbe Entwicklung hin.
Die Schlagzeilen-Zahlen erfordern Kontext. Nicht alle KI-Ausgaben sind gleich, und die am häufigsten zitierte Zahl – Gartners 1,5 Billionen Dollar – misst eine andere Schicht als die 37 Milliarden Dollar, die Menlo Ventures gemessen hat. Der Unterschied zu verstehen, erklärt, wo KI-Investitionen konzentriert sind und was die Produktions-Deployment-Lücke tatsächlich bedeutet.
Was die 1,5-Billionen-Dollar-KI-Ausgabenzahl abdeckt
Gartner prognostiziert weltweite KI-Ausgaben von 1,5 Billionen Dollar für 2025.[¹] Diese Zahl deckt den gesamten KI-Investitionsstack ab: Hardware (Server, GPUs, spezialisierte KI-Chips), Software (KI-Plattformen, Modelle, APIs), Professional Services (Implementierung, Beratung, Schulung) und Infrastruktur (Rechenzentren, Netzwerke, Cloud-Kapazität).
Die 1,5 Billionen Dollar sind eine angebotsseitige Zahl. Sie misst, wie viel die Weltwirtschaft investiert, um KI-Fähigkeiten aufzubauen – die Infrastrukturschicht, die Trainingsläufe für Foundation-Modelle, die Unternehmens-Softwareintegrationen.
Gartner prognostiziert weltweite Ausgaben für generative KI separat auf 644 Milliarden Dollar für 2025.[²] Das ist eine engere Messung – Software und Dienste, die speziell generative KI-Fähigkeiten einbeziehen.
Die Menlo-Ventures-Zahl von 37 Milliarden Dollar misst etwas Spezifischeres: was Unternehmen für GenAI-Anwendungen in der Produktion ausgeben – Tools und Workflows, die tatsächlich in ihrem Betrieb laufen, nicht in Pilotprojekten oder Evaluierungsphasen.[³]
| Zahl | Quelle | Was gemessen wird |
|---|---|---|
| 1,5 Billionen $ | Gartner 2025 | Gesamte weltweite KI-Ausgaben (Hardware + Software + Dienste + Infrastruktur) |
| 644 Milliarden $ | Gartner 2025 | Weltweite GenAI-Software- und Dienstleistungsausgaben |
| 37 Milliarden $ | Menlo Ventures 2025 | Enterprise-GenAI-Anwendungen in der Produktion |
| 12,5 Milliarden $ | Menlo Ventures 2025 | Foundation-Model-API-Zugang (Teilmenge der 37 Mrd.) |
Die Lücke zwischen den 644 Milliarden und den 37 Milliarden ist bedeutend. Sie spiegelt wider, wie viel der GenAI-Softwareausgaben auf Infrastruktur, Modelltraining und noch nicht operational eingesetzte Tools entfällt. Die 37 Milliarden sind die laufende Rechnung – was Unternehmen heute zahlen, um KI in ihren Workflows zu betreiben.
Die 1,5 Billionen Dollar und die 37 Milliarden Dollar messen unterschiedliche Dinge. Gesamte KI-Ausgaben umfassen den vollständigen Infrastrukturaufbau – Chips, Rechenzentren, Modelltraining. Enterprise-GenAI-Anwendungen messen, was Unternehmen tatsächlich in der Produktion betreiben. Beide Zahlen sind korrekt. Keine beschreibt die andere.
Wohin die 37 Milliarden Dollar in Enterprise-GenAI flossen
Die 37 Milliarden Dollar teilen sich in zwei ungefähr gleiche Hälften: Anwendungen (19 Milliarden Dollar, 51 %) und Infrastruktur (18 Milliarden Dollar, 49 %).[³]
Anwendungsschicht – 19 Milliarden Dollar. Enterprise-GenAI-Anwendungsausgaben decken Tools ab, die Teams täglich nutzen. Die größte Teilkategorie sind Coding-Tools mit 4 Milliarden Dollar. Horizontale KI – Tools, die über mehrere Funktionen hinweg anwendbar sind – macht 8,4 Milliarden Dollar aus. Abteilungs-KI (für eine spezifische Funktion wie Marketing, HR oder Kundensupport entwickelte Tools) macht 7,3 Milliarden Dollar aus. Vertikale KI (branchenspezifische Tools) macht 3,5 Milliarden Dollar aus.
Infrastrukturschicht – 18 Milliarden Dollar. Foundation-Model-API-Zugang ist die dominierende Kategorie mit 12,5 Milliarden Dollar – die Kosten für das Aufrufen von Claude, GPT-4o, Gemini und anderen Modellen über API-Endpunkte. Modelltraining-Infrastruktur macht 4 Milliarden Dollar aus; KI-spezifische Infrastruktur 1,5 Milliarden Dollar.
Das Anwendungs-zu-Infrastruktur-Verhältnis von ungefähr 51/49 zeigt, wo sich Enterprise-Investitionen 2025 befinden. Die Infrastrukturschicht verbraucht noch fast die Hälfte des Gesamtbudgets. Mit weiter fallenden Foundation-Model-Kosten und zunehmender Kommoditisierung des Zugangs wird sich mehr der Ausgaben in Richtung Anwendungen verlagern.
Ein struktureller Wandel, den die Menlo-Ventures-Daten zeigen: 76 % der KI-Anwendungsfälle in Unternehmen werden heute extern vergeben statt intern gebaut – gegenüber 53 % in 2024.[³] Die Entwicklung geht klar in Richtung externer Implementierung. 2024 baute fast die Hälfte der Unternehmen KI intern. 2025 vergibt drei Viertel sie extern. Die Wahl des Implementierungspartners ist konsequenter geworden als die Technologieauswahl.
Wie sich der Modell-Marktanteil in einem Jahr verschoben hat
Die Enterprise-Modelllandschaft hat sich 2025 erheblich verändert. Anthropic hält 40 % des Enterprise-GenAI-Marktanteils, gegenüber 24 % in 2024. OpenAI hält 27 %, gegenüber 50 % in 2023. Google hält 21 %, gegenüber 7 % in 2023.[³]
Der Wandel von OpenAI-Dominanz zu einer Multi-Modell-Unternehmensumgebung vollzog sich in rund 18 Monaten. Im Coding-Bereich – der größten einzelnen Anwendungsteilkategorie mit 4 Milliarden Dollar – erreicht Anthropics Anteil 54 %, mit OpenAI bei 21 %.
Foundation-Model-API-Zugang stellt 12,5 Milliarden der 37 Milliarden Dollar dar – 34 % aller Enterprise-GenAI-Ausgaben fließen direkt in Modell-Inferenz. Dieser Anteil soll sich komprimieren, da der Wettbewerb zunimmt und die Kosten pro Token weiter fallen. Die Infrastrukturkostensenkung ist das, was den 37-Milliarden-Dollar-Anwendungsmarkt entstehen ließ.
Einen breiteren Kontext dazu, wo KI branchenübergreifend eingesetzt wird, finden Sie in which industries use AI agents.
Von Budget zu Produktion – was die Konversionsdaten zeigen
KI-Deployments erreichen die Produktionsphase zu 47 % – fast doppelt so oft wie traditionelle SaaS-Implementierungen mit 25 %, laut Menlo Ventures.[³] Die höhere Konversionsrate spiegelt die Anpassungsfähigkeit von KI an spezifische Workflows wider, anstatt dass das Unternehmen sich an das Tool anpassen muss.
Aber die Produktionskonversionsdaten erzählen nicht die vollständige Deployment-Geschichte.
Innerhalb der Organisationen, die die Produktionsphase erreicht haben, sind die meisten Deployments festsequenzierte Workflows oder Prompt-basierte Anpassung, keine echten Agent-Systeme. Echte Agent-Deployments – bei denen das System mehrstufige autonome Aktionen über Tools hinweg ausführt – existieren nur in 16 % der Unternehmen.[³] Startups sind weiter: 27 % haben echte Agent-Deployments im Vergleich zu 16 % der Unternehmen.
Die Produktions-Deployment-Lücke ist die strategisch bedeutendste Zahl in den Ausgabedaten 2025. 37 Milliarden Dollar Enterprise-GenAI-Ausgaben, und nur 16 % der Unternehmen haben Agenten in der Produktion deployt. Die Investition fließt. Die operative Deployment-Phase ist früh.
Enterprise-GenAI-Ausgaben wuchsen in einem einzigen Jahr um das 3,2-Fache. Der Boden steigt, nicht die Decke.
Die Product-Led-Growth-Dynamik verstärkt das Adoptionsbild. Menlo Ventures fand, dass 27 % der KI-Anwendungsausgaben über Product-Led Growth erfolgen – Einzelpersonen, die Tools innerhalb von Organisationen ohne zentralisierte IT-Beschaffung adoptieren, zu 4-mal der Rate traditioneller Software.[³] Shadow-Adoption – KI-Tools im Einsatz, die IT nicht inventarisiert hat – könnte 40 % der gesamten Enterprise-KI-Nutzung ausmachen.
Was die Ausgabenkurve für ein Unternehmen bedeutet, das jetzt entscheidet
Die 1,5-Billionen-Dollar-Schlagzeile und die 37-Milliarden-Dollar-Produktionszahl erzählen eine spezifische Geschichte über Timing.
Infrastrukturinvestitionen beschleunigen sich, und Kosten fallen gleichzeitig. Foundation-Model-API-Kosten fielen zwischen 2023 und 2024 um etwa das 10-Fache. Die Kosten pro Einheit für den Betrieb von KI-Workflows fallen weiterhin, während Modellanbieter im Preiswettbewerb stehen. Diese Dynamik – hohe und steigende Investitionen, fallende Kosten pro Einheit – charakterisiert eine Technologie, die von früher Adoption zu Mainstream übergeht.
Für ein Dienstleistungsunternehmen, das abwägt, ob es jetzt oder in 12 Monaten KI-Agenten implementieren soll, legen die Daten folgendes nahe: Die Kosten des Wartens sind nicht Stillstand. Andere Unternehmen im selben Markt implementieren, während 16 % der Unternehmen echte Agenten deployt haben. Diese Lücke wird sich schließen. Unternehmen, die jetzt operative Agent-Workflows aufbauen, bauen institutionelles Wissen auf – über das, was funktioniert, wo die Edge Cases liegen, wie das System erweitert werden kann.
Die ROI-Möglichkeit früher Implementierung konzentriert sich in den nächsten 12–18 Monaten, wenn Agent-Deployment noch differenziert ist. Forschungsergebnisse zu dem, was Unternehmen aus Produktions-Deployments tatsächlich messen, finden Sie in AI agent ROI statistics.
Einen praktischen ersten Schritt finden Sie in what is an AI agent für einen fundierten Überblick darüber, was diese Systeme tatsächlich tun, bevor Sie die Timing-Entscheidung für Ihr Unternehmen bewerten.
Häufig gestellte Fragen
Wie viel wird weltweit für KI ausgegeben im Jahr 2025? Gartner prognostiziert weltweite KI-Ausgaben von 1,5 Billionen Dollar für 2025, einschließlich Hardware, Software, Dienste und Infrastruktur. Generative KI macht 644 Milliarden Dollar davon aus. Enterprise-GenAI-Anwendungen in der Produktion erreichten 37 Milliarden Dollar, ein 3,2-faches Wachstum gegenüber 11,5 Milliarden Dollar in 2024 – die am schnellsten skalierende Softwarekategorie in der Geschichte.
Wie viel Prozent der KI-Ausgaben erreichen die Produktion? KI-Deployments erreichen die Produktionsphase zu 47 % – fast doppelt so oft wie traditionelle SaaS-Implementierungen mit 25 %. Allerdings haben nur 16 % der Unternehmen echte Agent-Deployments erreicht. Die meisten Produktions-KI-Anwendungen sind Prompt-basierte Anpassung oder festsequenzierte Workflows.
Wie sind die Enterprise-KI-Ausgaben aufgeteilt? Enterprise-GenAI-Ausgaben von 37 Milliarden Dollar teilen sich nahezu gleichmäßig zwischen Anwendungen (51 %, 19 Mrd.) und Infrastruktur (49 %, 18 Mrd.). Innerhalb der Infrastruktur dominiert Foundation-Model-API-Zugang mit 12,5 Milliarden. Innerhalb der Anwendungen führen horizontale KI mit 8,4 Milliarden und Coding-Tools mit 4 Milliarden.
Welche KI-Modelle haben den größten Unternehmens-Marktanteil? Im Enterprise-GenAI-Bereich hält Anthropic 40 % Marktanteil (gegenüber 24 % in 2024), OpenAI hält 27 % (gegenüber 50 % in 2023) und Google hält 21 % (gegenüber 7 % in 2023). Im Coding-Bereich erreicht Anthropics Anteil 54 %. Der Markt hat sich innerhalb von 18 Monaten erheblich verschoben.
Quellenangaben
- Gartner. (September 2025). „Gartner Says Worldwide AI Spending Will Total $1.5 Trillion in 2025." Gartner Newsroom. https://www.gartner.com/en/newsroom/press-releases/2025-09-17-gartner-says-worldwide-ai-spending-will-total-1-point-5-trillion-in-2025 — Quelle für: 1,5 Billionen Dollar weltweite KI-Ausgabenprognose für 2025.
- Gartner. (Januar 2025). „Gartner Forecasts Worldwide GenAI Spending to Reach $644 Billion in 2025." Gartner Newsroom. https://www.gartner.com/en/newsroom/press-releases/2025-01-22-gartner-forecasts-worldwide-genai-spending-to-reach-644-billion-in-2025 — Quelle für: 644 Milliarden Dollar weltweite GenAI-Software- und Dienstleistungsausgabenprognose für 2025.
- Menlo Ventures. (2025). „2025: The State of Generative AI in the Enterprise." Menlo Ventures. https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/ — Quelle für: 37 Milliarden Dollar Enterprise-GenAI-Ausgaben (3,2-fach von 11,5 Mrd. in 2024); Anwendungs-/Infrastruktur-Aufteilung; Abteilungs-KI-Aufschlüsselung; Foundation-Model-API-Ausgaben (12,5 Mrd.); Modell-Marktanteile (Anthropic 40 %, OpenAI 27 %, Google 21 %); 76 % Kaufen vs. Bauen; 47 % KI-Konversionsrate vs. 25 % SaaS; 16 % echte Agent-Deployments; 27 % PLG-Anteil.