OpenAI B2B Signals

Heute stellen wir B2B Signals vor, eine auf Unternehmen ausgerichtete Erweiterung von OpenAI Signals⁠, die misst, wie sich KI in Organisationen verbreitet. Das erste Signal ist eindeutig: Frontier-Unternehmen verschaffen sich nicht nur deshalb einen Vorsprung, weil sie Zugang zu KI haben, sondern weil sie KI tiefgreifender in allen Arbeitsbereichen einsetzen.

B2B Signals ist eine regelmäßig erscheinende Reihe von Kennzahlen, die auf einer groß angelegten, datenschutzwahrenden Analyse der KI-Nutzung in Unternehmen basiert. Es analysiert die Verhaltensweisen und Muster, die Organisationen dabei helfen können zu verstehen, wie Intelligenz in geschäftlichen Mehrwert umgesetzt werden kann.

Frontier-Unternehmen – also jene, die beim KI-Einsatz im 95. Perzentil liegen – nutzen mehr Intelligenz pro Mitarbeitendem, setzen fortschrittliche Tools intensiver ein und integrieren KI tiefer in Arbeitsabläufe. Die Kluft beginnt, sich für einige Unternehmen kumulativ zu vergrößern, und der Unterschied ergibt sich zunehmend aus der Nutzungstiefe.

Das Wichtigste in Kürze

• Der Frontier-Vorteil beginnt, sich kumulativ zu verstärken: Frontier-Firmen nutzen heute 3,5-mal so viel künstliche Intelligenz pro Mitarbeitendem wie typische Unternehmen – vor einem Jahr war es noch das Doppelte. 
• Frontier-Unternehmen setzen KI tiefgreifender ein, nicht nur häufiger: Das Nachrichtenvolumen erklärt nur 36 % der Kluft zwischen Frontier- und typischen Unternehmen. Der Großteil des Frontier-Vorteils entsteht durch eine intensivere Nutzung. 
• Agentische Workflows werden zu einem Indikator für die Frontier-Einführung: Die Kluft ist bei fortgeschrittenen agentischen Tools am größten, wobei Frontier-Unternehmen 16-mal so viele Codex-Nachrichten senden wie typische Firmen. 
• Unternehmen können die Frontier-Lücke durch organisatorischen Wandel schließen: Um aufzuholen, müssen Unternehmen die Nutzungstiefe messen, Governance priorisieren, in Befähigung investieren, funktionierende Ansätze ausbauen und von chatbasierter Unterstützung zur Delegation von Arbeit an Agenten übergehen.

Der Frontier-Vorteil beginnt sich kumulativ zu verstärken, und Unternehmen, die KI am intensivsten nutzen, bauen ihren Vorsprung aus

Die Bereitstellung von Benutzerlizenzen ist für Unternehmen nur der Anfang. Das deutlichere Signal ist, ob Mitarbeitende KI für tiefgreifendere, komplexere Aufgaben nutzen. Dieses Diagramm vergleicht die Anzahl der pro Mitarbeitendem generierten Tokens bei Frontier-Unternehmen, definiert als 95. Perzentil, mit der bei typischen Unternehmen, definiert als 50. Perzentil.

Tokens sind keine perfekte Messgröße für den geschäftlichen Mehrwert. Denn eine kurze Antwort kann sehr wertvoll sein, und eine lange Antwort kann von geringem Wert sein. Doch das Token-Volumen hilft zu messen, wie viel Arbeit Mitarbeitende von KI erledigen lassen, und ist damit ein nützlicher Näherungswert für die Tiefe der KI-Nutzung und das Maß an Intelligenzleistung, das Mitarbeitende von KI erwarten.

Frontier-Firmen fordern pro Mitarbeitendem 3,5-mal so viel Intelligenz an wie typische Firmen. Diese Kluft ist seit April 2025, als sie noch beim 2-Fachen lag, gewachsen. Das deutet darauf hin, dass Unternehmen, die KI am intensivsten nutzen, ihren Vorsprung ausbauen und besser aufgestellt sind, neue KI-Fähigkeiten bei tiefgreifenderer, komplexerer Arbeit einzusetzen.

Der Großteil des Frontier-Vorteils ergibt sich aus intensiverer Nutzung und nicht aus höherem Nachrichtenvolumen

Das Frontier-Unternehmen fordert je Mitarbeitendem erheblich mehr Intelligenz an als ein typisches Unternehmen, aber der Großteil der Lücke lässt sich nicht allein durch das Nachrichtenvolumen erklären. Dieses Diagramm schlüsselt den 3,5-fachen Frontier-Vorteil auf und kommt zu dem Ergebnis, dass ein typisches Unternehmen nur 36 % der 3,5-fachen Lücke schließen würde, wenn es Nachrichten mit derselben Rate senden würde wie Frontier-Unternehmen.

Die verbleibende Lücke hängt mit intensiverer Nutzung zusammen. Frontier-Mitarbeitende lassen KI komplexere Aufgaben übernehmen, stellen Modellen reichhaltigeren Kontext bereit und generieren substanziellere Ergebnisse.

Der Vorsprung an der Spitze ist bei fortgeschrittenen und agentischen Tools am größten, angeführt von einer 16x höheren Codex-Nutzung

Der Vorsprung an der Spitze ist bei Tools am größten, die fortgeschrittenere Workflows unterstützen. Codex zeigt den größten Unterschied: Unternehmen an der Spitze senden pro Mitarbeitenden 16-mal mehr Nachrichten. ChatGPT Agent, Apps in ChatGPT, Deep Research und GPTs weisen ebenfalls relativ große Lücken auf. Das deutet darauf hin, dass Unternehmen an der Spitze Tools besser nutzen, die Beschäftigten beim Programmieren helfen, mehrstufige Aufgaben delegieren, Unternehmenskontext anwenden und komplexere Recherche durchführen.

Allgemeinere und leichter zugängliche Tools wie User Upload, Search und Data Analysis zeigen dagegen einen kleineren Vorsprung an der Spitze. Diese Tools sind für die meisten Unternehmen leichter einzusetzen, weil sie vertraute Workflows erweitern. Der Vorsprung an der Spitze ist bei fortgeschrittenen und agentischen Tools am deutlichsten, da ihre Einführung mehr Fachwissen, Verbindungen zu Wissen und Tools am Arbeitsplatz sowie mehr Bereitschaft erfordert, Arbeit an KI zu delegieren.

Der größte Vorsprung an der Spitze liegt bei Bildung und Lernen

Der Vorsprung an der Spitze ist bei Aufgaben rund um Bildung und Lernen am größten: Unternehmen an der Spitze senden 7-mal mehr Nachrichten als ein typisches Unternehmen. An der Spitze nutzen Unternehmen KI, um Mitarbeitenden beim Aufbau von Fähigkeiten und beim Erlernen neuer Themen zu helfen. Sie nutzen KI auch, um ihr Verständnis von KI selbst zu verbessern – also davon, was sie kann, wie sie effektiv eingesetzt wird und wo sie sich in bestehende Arbeitsabläufe einfügt. Das Ausmaß dieser Lücke deutet darauf hin, dass typische Unternehmen KI als Instrument für Lernen und Entwicklung der Belegschaft möglicherweise nicht voll ausschöpfen.

Auch beim Programmieren zeigt sich mit dem Faktor 4 eine große Lücke, was zur breiteren Differenz bei fortgeschrittenen und agentischen Tools passt. Anleitungen sowie Schreiben und Kommunikation weisen die kleinsten Lücken zur Spitze auf – wahrscheinlich, weil diese Aufgaben zugänglichere und vertrautere Einsatzbereiche von KI sind.

Die KI-Nutzung ist beim Schreiben am breitesten, doch funktionsspezifische Nutzung wächst

Schreiben und Kommunikation bleiben die häufigste Nutzung von ChatGPT. Die Nutzungsmuster unterscheiden sich jedoch deutlich nach Funktion. 60 % der Nachrichten in IT & Sicherheit konzentrieren sich auf Anleitungen und prozedurale Unterstützung, fast die Hälfte der Nachrichten in Softwareentwicklung und Data Science & Engineering beziehen sich auf Programmierung, und ein Zehntel der Nachrichten im Finanzbereich bezieht sich auf Analyse und Berechnung.

Diese Muster stimmen mit breiterer Evidenz überein, dass Frontier-Modelle sich bei wirtschaftlich wertvollen Aufgaben am Arbeitsplatz verbessern. GDPval⁠, eine Bewertung realer Wissensarbeit in 44 Berufen, misst die Leistung bei Aufgaben, die praktische Arbeitsergebnisse wie Dokumente, Tabellen, Folien, Diagramme und Multimedia erzeugen. Mit zunehmender Leistungsfähigkeit von KI scheint sich die Nutzung in Unternehmen auf Aufgaben auszuweiten, die enger mit der Kernarbeit der jeweiligen Funktion verknüpft sind.

Branchenführerschaft ist nicht eindimensional: Verschiedene Sektoren führen bei ChatGPT, Codex und der API

Es gibt keine einheitliche Rangliste für KI-Einführung. Die Branchenrankings unterscheiden sich je nach verwendeter Kennzahl. Professional, Scientific, and Technical Services liegt sowohl bei der Codex-Nutzung als auch bei der API-Intensität auf Platz eins, was auf eine relativ fortgeschrittene Nutzung in entwicklungsnahen und produktintegrierten Workflows hindeutet. Finanzen und Versicherungen führen bei der ChatGPT‑Nutzung aufgrund groß angelegter Bereitstellungen, während Bildungsdienstleistungen die höchste Nachrichtenintensität aufweisen, was auf eine tiefere Nutzung pro Person hindeutet. Einzelhandel und Gesundheitswesen liegen bei der API-Intensität weit vorn, trotz niedrigerer Platzierungen bei anderen Kennzahlen.

Diese Unterschiede deuten darauf hin, dass Branchenführerschaft nicht eindimensional ist. Einige Sektoren scheinen KI über technische und entwicklungsnahe Workflows einzuführen, während andere über eine breite ChatGPT‑Nutzung oder intensivere Nutzung durch Endanwender:innen skalieren.

Unternehmen verlagern die API-Nutzung in Produktiv-Workflows und kundenorientierte Anwendungen

Unternehmen nutzen zunehmend die API, um Modelle direkt in Produkte, Dienstleistungen und interne Systeme zu integrieren. Zu den gängigen Anwendungsfällen im Produktivbetrieb gehören In-App-Assistenten, Programmier- und Entwicklertools, Kundensupport, Forschungs-Workflows und Workflow-Automatisierung.

Diese Implementierungen zeigen, wie KI in Unternehmen über das Experimentierstadium hinausgeht und in wiederholbare Workflows mit messbaren operativen Ergebnissen überführt wird. In all diesen Kundenbeispielen nutzen Unternehmen OpenAI-Modelle, um Wissensarbeit zu beschleunigen, den Entwicklungsdurchsatz zu verbessern und KI-gestützte Erlebnisse für Kund:innen und Mitarbeitende zu entwickeln.

Was Organisationen tun können, um zur Spitze aufzuschließen

OpenAI arbeitet mit Unternehmen aus verschiedenen Branchen, Funktionen und Reifestufen der KI-Nutzung zusammen. Dadurch erhalten wir Einblick, wie sich Einführung von Experimenten bis zum Produktiveinsatz entwickelt. Über diese Bereitstellungen hinweg zeigt sich: Unternehmen mit dem größten Fortschritt konzentrieren sich weniger nur auf Zugang und stärker auf die organisatorischen Systeme, die für eine tiefe KI-Nutzung nötig sind: Messung, Governance, Befähigung, Wirkungsskalierung und agentische Bereitstellung.

Fünf Praktiken stechen als konkrete Schritte hervor, mit denen jede Organisation noch heute beginnen kann, um die KI-Nutzung zu vertiefen.

1. Neben dem Zugang auch die Nutzungstiefe messen.
   Das relevante Signal ist nicht nur, wie viele Mitarbeitende KI-Konten haben, sondern ob Teams KI im Zeitverlauf substanzieller nutzen. Organisationen sollten verfolgen, ob KI-Nutzung häufiger, komplexer und enger mit wertschöpfenden Workflows verknüpft wird.
2. Governance aufbauen, die den Produktiveinsatz ermöglicht.
   Führende Unternehmen vermeiden Governance nicht. Sie nutzen sie, um agentische KI besser einsetzbar zu machen. Unternehmen brauchen klare Regeln dafür, wo Agents arbeiten dürfen, welche Informationen sie nutzen können, wann sie beraten statt handeln sollten und wie Menschen Entscheidungen mit höherem Risiko prüfen. Spitzenunternehmen definieren diese Standards als Teil des Einführungsprozesses, sodass Governance zu einem Weg wird, Nutzung sicher auszuweiten, statt sie zu bremsen.
3. Befähigung als Kerninfrastruktur behandeln, nicht als Nebenprojekt.
   Mit der Verbesserung der KI-Fähigkeiten brauchen sowohl Beschäftigte als auch Organisationen Systeme, die ihnen helfen mitzuhalten. Spitzenunternehmen behandeln Befähigung nicht als einmaligen Schulungsimpuls. Sie verankern kontinuierliches Lernen in der Einführung – durch rollenspezifische Schulungen, Workshops zu Anwendungsfällen, Hackathons, interne Netzwerke von Multiplikator:innen, dedizierte Zeit zum Experimentieren und gemeinsame Repositorien für Workflows, Best Practices und Fähigkeiten. 
4. Ihre Spitzenteams identifizieren und ihre Wirkung skalieren.
   In vielen Organisationen konzentriert sich die fortgeschrittenste Nutzung auf wenige Teams. Diese Teams können sichtbar machen, welche Workflows, Gewohnheiten und Betriebsmodelle funktionieren. Führungskräfte sollten diese Teams identifizieren, die Bedingungen hinter ihrem Erfolg verstehen und skalieren und ihnen helfen, Erkenntnisse und Beispiele tieferer KI-Nutzung mit dem Rest des Unternehmens zu teilen. 
5. Über Chat hinausgehen und Arbeit delegieren.
   Unternehmens-KI entwickelt sich von Chat-Assistenzen hin zu Arbeit, die an Agents delegiert werden kann. Softwareentwicklung veranschaulicht diesen Trend, doch delegierte Arbeit breitet sich über Funktionen hinweg aus. Mit Codex können Ingenieur:innen eine klar definierte Aufgabe übergeben, dem Agent den nötigen Kontext geben, ihn über Dateien, Codebasen und Tools hinweg arbeiten lassen, dann das Ergebnis prüfen und den Workflow mit Feedback verfeinern. Spitzenunternehmen ermutigen Beschäftigte dazu, Aufgaben an KI zu delegieren, statt KI nur als statische Assistenz zu nutzen.

Wenn Sie die vollständigen Ergebnisse erkunden oder erfahren möchten, wie Sie KI verantwortungsvoll in Ihre Organisation bringen können, [würden wir uns freuen, mit Ihnen in Kontakt zu treten⁠].