Wenn wir über KI sprechen, reden wir oft über Modelle, Benchmarks und beeindruckende Demovideos.
Aber die eigentlich spannende Frage lautet:
👉 Wofür setzen Menschen und Unternehmen KI wirklich ein?
Nicht in der Theorie – sondern in echten Anwendungen.
Genau dazu hat OpenRouter gemeinsam mit dem Venture Capital-Giganten a16z eine große Analyse veröffentlicht:
100 Billionen Tokens echter LLM-Nutzung – ausgewertet aus realen Anwendungen, Tools und Developer-Workflows.
Und diese Studie zeigt ziemlich deutlich, wie sich KI im Jahr 2025 tatsächlich entwickelt hat.
Spoiler: Es gab einen echten Paradigmenwechsel.
Am Anfang 2024 war Reasoning (also die Fähigkeit, wie ein mehrstufig denkender Agent zu arbeiten) quasi irrelevant.
Heute – laut OpenRouter – machen Reasoning-Modelle über 50 % aller Token aus.
Das ist ein massiver Shift.
Warum ist das so?
Weil Reasoning-Modelle wie GPT-4o, GPT-5.1, Claude 3.5 Sonnet oder Gemini 3 Pro viel mehr können als frühere Modelle:
komplexe Pläne erstellen
Code analysieren
Fehler finden
lange Aufgaben autonom lösen
Tools ansteuern
über mehrere Schritte hinweg arbeiten
Kurz:
Sie sind die ersten Vorboten echter KI-Agenten.
Und genau das beeinflusst alle anderen Bereiche der KI-Anwendung.
Was Menschen tatsächlich tun?
Nicht Essays schreiben. Nicht brainstormen. Nicht E-Mails verfeinern.
Sondern: Coden. Und zwar sehr viel.
OpenRouter zeigt:
Anfang 2025: Coding nur 11 % aller Nutzung
Heute: über 50 %
Damit ist die Sache klar:
AI Coding ist DER Mega-Trend 2025.
Und das passt zu allem, was wir in diesem Jahr gesehen haben:
Dev-Tools wie Cursor, Windsurf, Bolt, Replit Ghostwriter boomen
Unternehmen nutzen KI für Debugging, Legacy-Code-Übersetzung, Tests
Agenten übernehmen ganze Tickets oder Microservices
Prompt-Längen sind explodiert (von 1.500 → 6.000 Tokens im Durchschnitt)
Dieses Zitat bringt es perfekt auf den Punkt:
„Die durchschnittliche Anfrage ist nicht mehr ‚Schreibe mir einen Aufsatz‘, sondern:
*‚Hier sind 300 Zeilen Code, Logs und Doku. Find die Ursache und reparier das.‘“
– OpenRouter
Wir erleben gerade die erste Automatisierungswelle, die wissensgetriebene Arbeit wirklich verändert.
Neben Coding ist der zweitgrößte Block:
👉 Roleplay, kreative Chats & Fantasie-Interaktionen
Vor allem bei Open-Source-Modellen liegt der Anteil teilweise bei über 50 %.
Das klingt erst lustig – ist aber ein ernst zu nehmender Trend:
Menschen wollen Unterhaltung
Kreativität
Geschichten
Companion-Chat
„AI Characters“
Und: Das meiste davon ist etwas, das Closed-Source-Labs vermeiden, aber Open-Source-Modelle erlauben.
Ein bestehender Markt.
Ein stark wachsender Markt.
Ein Markt, den VC-Geld bisher unterschätzt hat.
Die Daten zeigen klar:
👉 Open Source ist nicht tot.
👉 Open Source hat nicht verloren.
👉 Open Source ist ein zentrales Element moderner KI-Stacks.
OpenRouter zeigt:
Open-Source-Nutzung stieg 2025 auf ein Drittel aller Tokens
Besonders stark: chinesische Modelle (DeepSeek, Kimi, Qwen etc.)
In manchen Wochen bis zu 30 % Marktanteil
Und die Gründe sind logisch:
extrem schnelle Release-Zyklen
hohe Qualität in vielen Tasks
viel günstiger
direkter einsetzbar
lokal / self-hosted möglich
weniger Nutzungsrestriktionen
Ein Satz fasst das perfekt zusammen:
„Closed Models für High Value,
Open Models für High Volume.
Die Zukunft ist beides.“
– OpenRouter
Ein weiterer Trend:
👉 Tool-Calling – also wenn ein Modell externe Tools ansteuert (Datenbanken, Browser, APIs, Code-Ausführungsumgebungen).
Das stieg von 0 % → 15 % in einem Jahr.
Das bedeutet:
KI arbeitet immer weniger „isoliert“
und immer mehr als Prozess-Agent
der echte Software-Komponenten bedient
und Aufgaben autonom ausführt
Das ist der Vorläufer der AI-Automation-Phase, die 2026/2027 voll einschlägt.
Ein spannender psychologischer Effekt:
Wenn ein neues Modell erscheint, probieren es viele aus.
Aber:
Nur ein kleiner Prozentteil bleibt – und diese bleiben dann dauerhaft.
OpenRouter nennt das:
👉 „Cinderella Glass Slipper Effect“
Beispiel:
Die ersten Cohorts von Claude Sonnet, GPT-4o oder Gemini 2.5 –
haben nach 6 Monaten noch 40–50 % aktive Nutzer.
Später erschienene Modelle haben viel weniger „Stickiness“.
Wenn ein Modell ein besonders schwieriges Problem löst, bleibt man ihm treu – selbst wenn Neues erscheint.
Ein häufiger Grund:
„Es spart mir 10 Minuten Debugging. Dafür zahle ich gern 10–50x mehr.“
Preis ist in diesem Markt nicht entscheidend.
Verlässlichkeit und „fühlt sich richtig an“ schon.
Hier kommen die praktischen Takeaways für Unternehmer:innen, Führungskräfte und Selbstständige:
Die Top-10-Modelle nach Volumen kommen von 8 verschiedenen Labs.
Es gibt keinen eindeutigen Sieger.
Beste Strategie:
🔹 Closed Source für wertvolle Aufgaben
🔹 Open Source für skalierbare Prozesse
🔹 Spezialisierte Modelle für Coding, Writing, Reasoning
Wenn Coding über 50 % Auslastung ausmacht, heißt das:
IT-Teams werden kleiner, aber strategischer
Produkte können schneller entwickelt werden
Ideen lassen sich in Tagen testen, nicht in Monaten
Das wirkt auf jede Branche – nicht nur Tech.
Hier entstehen:
neue Creator-Tools
neue Geschäftsmodelle
neue Community-Produkte
Wer darauf baut, baut auf echtes Nutzungsverhalten, nicht nur B2B-Fantasien.
Gerade KMUs können profitieren:
Günstiger
Kontrollierbarer
Lokal einsetzbar
Weniger Datenschutz-Probleme
15 % Tool-Calls heute – 80 % in wenigen Jahren.
Agenten werden:
Datenbanken abfragen
Systeme verbinden
Prozesse durchführen
Wissen speichern
Für Unternehmen ein massiver Effizienzhebel.
Wenn man die Daten nüchtern anschaut, entsteht folgendes Bild:
KI ist kein Chatbot-Thema mehr.
KI ist ein Coding-, Process- und Automation-Thema.
Open Source ist ein echter Player.
Reasoning ändert, wie wir mit Software arbeiten.
Und Nutzerverhalten ist viel menschlicher, kreativer und chaotischer als viele dachten.
Für dich heißt das:
Plane KI nicht nach Hype – plane KI nach echtem Verhalten der Nutzer.
Und diese Studie zeigt ziemlich klar, wohin die Reise geht.