Die Rivalität zwischen Anthropic und OpenAI dreht sich erneut, während OpenAI Geschäftskunden gewinnt
OpenAI holt bei Geschäftskunden gegenüber Anthropic auf und kehrt damit die Dynamik um – nur drei Monate nachdem Anthropic in den Ausgabendaten von Ramp erstmals die Führung übernommen hatte. Der Wettbewerb zwischen Anthropic und OpenAI wirkt inzwischen weniger wie eine entscheidende Marktanteilsverschiebung als wie ein wiederkehrender Zyklus von Modellveröffentlichungen.
Laut Ramp-Ökonom Ara Kharazian ist OpenAI im bisherigen dritten Quartal schneller gewachsen als Anthropic. Einen Teil dieser Entwicklung führte er auf GPT-5.6 Sol zurück, das sich seiner Beschreibung nach zunehmend als Wahl von Entwicklern etabliert.
Die Verschiebung bedeutet nicht, dass OpenAI die Führung zurückerobert hat, und Ramp hat die zugrunde liegenden Ausgabenbeträge nicht veröffentlicht. Sie zeigt jedoch, wie schnell sich Präferenzen von Unternehmen verändern können, wenn eines der beiden Unternehmen ein Modell veröffentlicht, eine Richtlinie ändert oder ein Entwicklerprodukt verbessert.
Diese Volatilität stellt eine vertraute Annahme aus der Enterprise-Software infrage. Anbieter erwarten üblicherweise, dass große Kunden schwerer abzuwerben sind, sobald sich Mitarbeiter, Daten und Arbeitsabläufe auf einer Plattform eingespielt haben.
Bei Frontier-AI-Modellen ist dieses Stadium noch nicht erreicht. Viele Unternehmen behandeln sie weiterhin als austauschbare Komponenten, halten mehrere Abonnements vor und verlagern neue Workloads zu der Option, die in diesem Moment besser abschneidet.
OpenAI schließt eine Lücke, die Anthropic im Mai geöffnet hat
Die jüngste Bewegung ist bedeutsam, weil Anthropics Führung sowohl neu als auch potenziell vorübergehend war.
Im April wurde Anthropic zum am häufigsten gekauften Anbieter von AI-Modellen unter den im Ramp-Index vertretenen Unternehmen. Seine Verbreitung erreichte 34,4 %, während OpenAI bei 32,3 % lag.
Es war das erste Mal, dass Anthropic im Index die Spitzenposition innehatte. Das Ergebnis schien den Fokus des Unternehmens auf Entwickler, Coding-Workflows und Geschäftskunden zu bestätigen.
Anthropic hatte seine Durchdringung bei Ramp-Kunden seit Mai 2025 von 9 % ausgebaut. Innerhalb von etwa einem Jahr stieg sein Anteil um mehr als 25 Prozentpunkte.
OpenAI entwickelte sich während eines Teils dieses Zeitraums in die entgegengesetzte Richtung. Sein Anteil ging leicht zurück, als Anthropic mehr technische Teams gewann und Unternehmen erreichte, die bereits stark in AI investierten.
Die Adoptionsdaten vom April basierten auf Ausgaben, die bei mehr als 50.000 Ramp-Kunden erfasst wurden. Diese Stichprobe bot einen umfangreichen, wenn auch unvollständigen Einblick in die Kaufentscheidungen amerikanischer Unternehmen.
Bis Juli wuchs der breitere Markt weiter. Fast 56 % der Unternehmen in Ramps Datensatz bezahlten für mindestens ein AI-Produkt, nach mehr als 50 % im März.
Das schnellere Wachstum von OpenAI im dritten Quartal setzt daher nicht voraus, dass Anthropic in absoluten Zahlen Kunden verliert. Beide Unternehmen können neue Kunden gewinnen, während sich ihre relativen Positionen verändern.
Diese Unterscheidung ist für die Einordnung der Schlagzeile wichtig. Marktanteile innerhalb einer wachsenden Kategorie können sich verschieben, selbst wenn das Marktanteile verlierende Unternehmen weiter wächst.
Ramp lehnte es zudem ab, die tatsächlichen Ausgabenbeträge hinter den Prozentwerten offenzulegen. Sein Index misst, ob ein Unternehmen einen Anbieter bezahlt hat – nicht, wie viel dieser Kunde ausgab.
Ein kleines Abonnement und eine große API-Verpflichtung können folglich dasselbe Adoptionssignal erzeugen. Die Daten beschreiben die Präsenz bei Kunden deutlicher als den Kundenwert.
Die Kundenbasis von Ramp setzt eine weitere Grenze. Sie umfasst viele Start-ups und kleinere Unternehmen, erfasst jedoch keine Firmen, die andere Ausgabensysteme nutzen oder Verträge außerhalb von Firmenkreditkarten aushandeln.
Große Unternehmen können AI über Cloud-Anbieter, Beratungsvereinbarungen oder direkte Verträge beziehen. Diese Transaktionen erscheinen nicht zwangsläufig als erkennbare OpenAI- oder Anthropic-Ausgaben.
Die jüngsten Geschäftsdaten sollten daher als Richtungssignal gelesen werden. Sie sind weder eine vollständige Markterhebung noch ein Urteil über die gesamten Enterprise-Umsätze.
Dennoch ist die Richtungsänderung bedeutsam. Anthropic hatte keine dauerhafte Führung aufgebaut, bevor OpenAI begann, den Abstand zu verringern.
Der Markt hat innerhalb weniger Monate bereits zwei Umkehrungen hervorgebracht. Dieses Muster wird wichtiger als die Position eines der beiden Unternehmen in einer einzelnen monatlichen Momentaufnahme.
Der Wettbewerb zwischen Anthropic und OpenAI ist noch kein Nullsummenspiel
Unternehmen ergänzen häufig Anbieter, statt ein Labor durch ein anderes zu ersetzen.
Frühere Untersuchungen von Ramp ergaben, dass OpenAI und Anthropic monatliche Abwanderungsraten von rund 4 % hatten. Das schnelle Wachstum von Anthropic führte nicht zu einem entsprechenden Anstieg von OpenAI-Kündigungen.
Rund 79 % der Anthropic-Kunden bezahlten damals auch OpenAI. Die Überschneidung deutete darauf hin, dass Claude häufig zu einem zweiten Werkzeug wurde, nicht zu einem direkten Ersatz.
Sechzehn Prozent der Unternehmen bezahlten beide Firmen, gegenüber 8 % ein Jahr zuvor. Diese Verdopplung ist der deutlichste Beleg gegen ein simples Alles-oder-nichts-Narrativ.
Die Daten zu überlappenden Kunden weisen auf einen Markt mit mehreren Modellen hin. Verschiedene Abteilungen können Modelle unabhängig auswählen, während der Einkauf mehrere Anbieter verfügbar hält.
Eine Software-Engineering-Gruppe könnte einen bestimmten Coding-Agent bevorzugen. Marketingmitarbeiter könnten bei einem vertrauten Chatbot bleiben, während ein anderes Team über eine Programmierschnittstelle auf Modelle zugreift.
Diese Struktur verringert die Bedeutung einer isolierten Adoptionsführung. Sie macht es zudem schwieriger, die Umsatzqualität allein anhand von Kundenzahlen zu beurteilen.
Ein Unternehmen, das beide Labore bezahlt, ist nicht beiden gleichermaßen verpflichtet. Ein Produkt kann Produktions-Workloads übernehmen, während das andere ein begrenztes Experiment bleibt.
Das Gleichgewicht kann sich ohne eine formelle Migration verschieben. Ein Team muss lediglich sein nächstes Projekt, neue Mitarbeiter oder zusätzlichen Rechenbedarf einem anderen Anbieter zuweisen.
Das ist deutlich einfacher als der Austausch einer herkömmlichen Enterprise-Plattform. Unternehmen, die Kundendatenbanken oder Buchhaltungssysteme wechseln, müssen Datensätze migrieren, Mitarbeiter schulen und vernetzte Workflows neu aufbauen.
Modellanbieter können dennoch technische Abhängigkeiten schaffen. Das Verhalten einer Anwendung kann auf die Prompts, Tool-Use-Konventionen, Sicherheitsfilter oder Ausgabestruktur eines bestimmten Modells angewiesen sein.
Entwickler setzen jedoch zunehmend Orchestrierungsschichten zwischen Anwendungen und Modelle. Diese Schichten leiten Anfragen weiter, verwalten Prompts, bewerten Ausgaben und verringern den Aufwand eines Anbieterwechsels.
Cloud-Plattformen stellen zudem mehrere Modellfamilien über eine einzige Geschäftsbeziehung bereit. Diese Struktur kann die Loyalität eines Kunden vom Modelllabor zum Cloud-Vertrieb verlagern.
Enterprise-Chatbot-Implementierungen sind etwas bindender, weil Mitarbeiter Gewohnheiten entwickeln und Arbeit innerhalb eines Produkts speichern. Aber auch dort können Unternehmen zwei Assistenten für unterschiedliche Gruppen lizenzieren.
OpenAI gibt an, mehr als eine Million Geschäftskunden und mehr als sieben Millionen Arbeitsplatzlizenzen zu haben. Sein Bericht zur Enterprise-Nutzung besagt außerdem, dass die Zahl der Enterprise-Lizenzen innerhalb eines Jahres etwa auf das Neunfache gestiegen ist.
Diese Zahlen beschreiben beträchtliche Größenordnung, stammen jedoch aus OpenAIs eigener Kundenbasis. Sie belegen weder Exklusivität noch zeigen sie, wie viele Organisationen zusätzlich Claude kaufen.
Anthropic steht vor demselben Messproblem. Eine starke Claude-Nutzung kann innerhalb desselben Unternehmens neben fortgesetzten OpenAI-Ausgaben bestehen.
Die eigentliche Wettbewerbseinheit ist daher nicht immer das Unternehmenskonto. Sie kann der Workload, die Abteilung, das Entwicklerteam oder die nächste Anwendung sein, die in Produktion geht.
Das macht das Rennen zwischen Anthropic und OpenAI ungewöhnlich dynamisch. Ein Anbieter kann die Schlagzeile auf Kontoebene verlieren und dennoch den höherwertigen Workload gewinnen.
Investoren benötigen sowohl Adoptionsdaten als auch Ausgabenintensität, um das Ergebnis zu verstehen. Ramp liefert derzeit das erste Signal, aber nicht das zweite.
Modellveröffentlichungen setzen Unternehmenspräferenzen immer wieder zurück
Anbieter von Frontier-AI konkurrieren in Veröffentlichungszyklen, die sich schneller bewegen als normale Beschaffungszyklen von Unternehmen.
Kharazian führte OpenAIs jüngste Dynamik teilweise auf GPT-5.6 Sol zurück. Er sagte, das Modell sei zu einer zunehmend häufigen Wahl für Entwickler geworden.
Diese Erklärung passt zum jüngsten Muster des Marktes. Technische Nutzer testen neue Modelle schnell, weil kleine Leistungsunterschiede Coding-Geschwindigkeit, Fehlerraten und die Zuverlässigkeit von Agenten beeinflussen können.
Ein Agent ist Software, die mit begrenzter Aufsicht mehrere miteinander verbundene Aktionen planen und ausführen kann. Sein Nutzen hängt von mehr ab, als eine überzeugende Einzelantwort zu erzeugen.
Für Entwickler muss ein Modell Repository-Anweisungen befolgen, bestehenden Code untersuchen, Tools aufrufen, Dateien bearbeiten und sich von Fehlern erholen. Eine moderate Verbesserung über diese Schritte hinweg kann einen spürbaren Unterschied im Workflow bewirken.
Unternehmen können diesen Unterschied beobachten, bevor eine zentralisierte Beschaffungsprüfung abgeschlossen ist. Mitarbeiter übernehmen einen neuen Coding-Assistenten, Teams starten Pilotprojekte, und Ausgabendaten erfassen die Veränderung.
Anthropic profitierte zuvor von derselben Dynamik. Claude wurde eng mit Coding-Aufgaben verbunden und zog Entwickler an, die sein Verhalten in langen, komplexen Arbeitssitzungen schätzten.
Menlo Ventures schätzte Ende 2025, dass Anthropic 54 % des Markts für Coding-Modelle hielt, verglichen mit 21 % für OpenAI. Diese Schätzung verwendete eine andere Methode und geht der aktuellen Modellgeneration voraus.
Sie erklärt dennoch, warum die Entwicklergewinne von OpenAI Aufmerksamkeit verdienen. OpenAI greift den Bereich an, der Anthropic geholfen hat, seine Enterprise-Position aufzubauen.
OpenAI hat zudem mehr Aufmerksamkeit von Unternehmen auf Codex und Geschäftsprodukte gelenkt. Nach Angaben des Unternehmens selbst hat sich die Codex-Aktivität über Engineering hinaus auf Rechts-, Recruiting-, Vertriebs- und Marketingarbeit ausgeweitet.
Diese Anwendungsfälle machen den Modellwettbewerb zu einem Workflow-Wettbewerb. Der Anbieter, der eine vollständige Aufgabe zuverlässig erledigt, gewinnt mehr Einfluss als jener, der die beste isolierte Antwort liefert.
OpenAIs Vorstoß in den Unternehmensmarkt folgt auf Druck durch Anthropic. Eine Verschiebung der Enterprise-Strategie hat geschäftsorientierte Produkte stärker ins Zentrum von OpenAIs Weg zu nachhaltigen Betriebsabläufen gerückt.
Die Reichweite im Verbrauchermarkt verschafft OpenAI weiterhin einen Vorteil. Mitarbeiter, die bereits mit ChatGPT vertraut sind, können es am Arbeitsplatz einführen, ohne eine neue Oberfläche lernen zu müssen.
Anthropic hält dagegen mit einem Ruf, der auf technischer Arbeit und Enterprise-Bereitstellung beruht. Seine fokussierte Identität kann Teams ansprechen, die Verbraucherpopularität von Zuverlässigkeit in der Produktion trennen.
Keiner der Vorteile ist dauerhaft, weil ein Modell-Update die wahrgenommene Qualität innerhalb weniger Wochen verändern kann. Käufer reagieren auf die aktuelle Leistung, nicht nur auf langfristige Anbieterbeziehungen.
Das schafft ein schwieriges Planungsumfeld für Chief Information Officers. Die übliche Beschaffung geht davon aus, dass Anforderungen und Anbieterbewertungen während einer Vertragslaufzeit relevant bleiben.
Bewertungen von Frontier-Modellen können veralten, bevor ein Beschaffungszyklus endet. Ein Gewinner bei Benchmarks kann zurückfallen, wenn der Wettbewerber sein nächstes Modell ausliefert.
Auch interne Bewertungen liefern andere Ergebnisse als öffentliche Benchmarks. Ein Modell, das bei allgemeinen Tests gut abschneidet, kann mit dem privaten Code, den Dokumentformaten oder den Genehmigungsregeln eines Unternehmens Schwierigkeiten haben.
Unternehmen testen daher weiterhin mehrere Modelle anhand ihrer eigenen Workloads. Dieses Verhalten ist für Kunden rational, schwächt jedoch den Anspruch der Anbieter auf eine dauerhafte Präferenz.
Die Anbieter gewinnen Nutzung durch Leistungsschübe. Diese Schübe haben sie noch nicht in die tiefe institutionelle Abhängigkeit verwandelt, die mit ausgereifter Enterprise-Software verbunden ist.
Datenschutzrichtlinie wurde zu einem Produktmerkmal
Die Zugewinne von OpenAI zeigen auch, dass die Auswahl von Unternehmensmodellen inzwischen neben Leistungsfähigkeit auch Data Governance umfasst.
Anthropic kündigte kürzlich eine 30-tägige Aufbewahrungspflicht für erfasste, hochleistungsfähige Modelle an. Nach Angaben des Unternehmens hilft eine längere Aufbewahrung dabei, ausgefeilte Angriffe zu erkennen, die sich über mehrere Anfragen verteilen.
Diese Richtlinie gilt für bestimmte fortschrittliche Modelle und nicht für jedes Claude-Produkt. Anthropic räumt ein, dass die Vorgabe geschäftliche Risiken schaffen kann, insbesondere wenn Wettbewerber andere Konditionen anbieten.
Die Richtlinie beunruhigt Unternehmen, die mit proprietärem Code, Finanzinformationen, Rechtsmaterialien und anderen sensiblen Aufzeichnungen arbeiten. Die Aufbewahrung verlängert den Zeitraum, in dem Kundeninhalte für kontrollierte Prüfungen verfügbar bleiben.
OpenAI reagierte mit einer Vorschau auf Private Safety Processing für berechtigte Enterprise- und API-Kunden. Das Unternehmen erklärt, sein automatisiertes System könne Missbrauchsmuster über Sitzungen hinweg identifizieren, ohne Kundeninhalte aufzubewahren.
Die Datenschutzvorkehrungen wurden noch nicht über einen breiten Einsatz in Produktionsumgebungen hinweg unabhängig validiert. Derzeit handelt es sich um eine Vorschau für ausgewählte Kunden.
Der Ansatz von OpenAI versucht, einen schwierigen technischen Zielkonflikt aufzulösen. Ein Sicherheitssystem benötigt ausreichend Kontinuität, um einen Angriff zu erkennen, der über viele Gespräche verteilt ist.
Kunden wünschen sich gleichzeitig eine Datenspeicherung von null, was bedeutet, dass der Anbieter ihre Prompts und Ausgaben nach der Verarbeitung nicht speichert. Diese Ziele lassen sich immer schwerer vereinbaren, je mehr leistungsfähige Cyberaufgaben Modelle übernehmen.
OpenAI erklärt, sein System erzeuge eng definierte Sicherheitssignale, statt Gesprächsinhalte zu bewahren. Ein Signal kann eine Überprüfung zur Durchsetzung oder eine Bitte um Zusammenarbeit des Kunden auslösen.
Anthropic erlaubt begrenzte menschliche Prüfungen über einen kontrollierten Prozess. Das Unternehmen erklärt, genehmigte Prüfungen würden in manipulationssicheren Protokollen aufgezeichnet.
Keines der beiden Konzepte beseitigt Risiken. Automatisiertes Monitoring kann schädliche Aktivitäten übersehen, Fehlalarme erzeugen oder über abgeleitete Signale mehr Informationen offenlegen, als Kunden erwarten.
Aufbewahrung kann stärkere nachträgliche Untersuchungen ermöglichen, erhöht aber den Governance-Aufwand. Käufer müssen Zugriffskontrollen, rechtliche Risiken, Folgen von Datenpannen und regionale Datenanforderungen berücksichtigen.
Dieser Streit verschaffte OpenAI eine klare Wettbewerbsbotschaft, während sich seine Entwicklerprodukte zugleich verbesserten. Das Unternehmen konnte die Datenschutzarchitektur als Teil der Modellleistung darstellen.
Das ist wichtig, weil Unternehmenskäufer Intelligenz nicht isoliert bewerten. Ein leistungsfähigeres Modell kann unbrauchbar werden, wenn seine Datenbedingungen mit den Unternehmensrichtlinien kollidieren.
Anthropics Entscheidung zur Datenaufbewahrung könnte angesichts des von ihm wahrgenommenen Bedrohungsniveaus bei fortschrittlichen Modellen gerechtfertigt sein. Kunden können diesen Kompromiss dennoch ablehnen.
Die Richtlinie zeigt zudem, warum die jüngste Adoptionsbewegung nicht vollständig GPT-5.6 Sol zugeschrieben werden kann. Modellqualität, Datenschutz, Sicherheit und Beschaffungsregeln haben sich gleichzeitig verändert.
Unternehmen, die OpenAI für eine sensible Entwicklungsumgebung wählen, können Anthropic weiterhin an anderer Stelle einsetzen. Andere akzeptieren möglicherweise die Aufbewahrung, wenn Claude für eine eng kontrollierte Aufgabe einen klaren Vorteil bietet.
Das Ergebnis wird je nach Branche und Arbeitslast variieren. Banken, Gesundheitsorganisationen, Verteidigungsauftragnehmer und Consumer-Start-ups tragen nicht dieselben Datenrisiken.
Diese Fragmentierung macht Marktanteile von Anbietern weniger stabil. Jedes neue Modell bringt nicht nur neue Fähigkeiten, sondern auch neue Beschränkungen, Überwachungssysteme und Compliance-Fragen.
Der Gewinner eines Benchmarks kann daher eine Bereitstellungsprüfung verlieren. Der Wettbewerb zwischen anthropic und openai entwickelt sich zu einem Wettstreit vollständiger Betriebsrichtlinien, nicht nur von Modellausgaben.
Volatile Adoption sollte beide Unternehmen beunruhigen
Schnelles Wechseln belegt eine starke Nachfrage, ist aber ein schwacher Hinweis auf Kundentreue.
Bis Juli bezahlten fast 56 % der Ramp-Kunden für KI. Diese wachsende Basis unterstützt das Umsatzwachstum mehrerer Anbieter.
Das weniger beruhigende Signal ist, wie schnell sich Präferenzen verändern. Anthropic zog im April an OpenAI vorbei, doch OpenAI wuchs im dritten Quartal bereits schneller.
Investoren schätzen wiederkehrende Enterprise-Umsätze oft, weil Verträge, Workflows, Schulungen und Integrationen Ausgaben planbar machen können. Diese Logik setzt voraus, dass Kunden einen Wechsel als kostspielig empfinden.
Frontier AI schwächt mehrere Teile dieser Formel. Unternehmen können über mehrere Kanäle einkaufen, Beschäftigte können verschiedene Schnittstellen nutzen und Entwickler können Arbeitslasten zwischen Anbietern verteilen.
Die zuvor von Ramp gemeldete monatliche Churn-Rate von 4 % deutet tatsächlich darauf hin, dass Unternehmen nur selten einen der beiden Anbieter vollständig kündigen. Für sich genommen wirkt das nach Bindung.
Überlappende Käufe erschweren jedoch die Interpretation. Ein beibehaltenes Abonnement kann eine starke Verringerung der Arbeitslast, strategischen Bedeutung oder künftigen Expansion verbergen.
Die entscheidende Frage ist nicht einfach, ob ein Konto aktiv bleibt. Sie lautet, ob der Anbieter die wertvollsten wiederkehrenden Aufgaben des Unternehmens gewinnt.
Die Umsatzkonzentration schafft eine weitere Unsicherheit. Ramp legt nicht offen, wie viel bei jedem Labor ausgegeben wird, und die Kontoprozente behandeln Kunden gleich.
Ein Anbieter könnte bei der Kundenzahl führen, aber beim Verbrauch zurückliegen. Ein anderer könnte teure Anwendungsarbeitslasten mit weniger bekannten Konten dominieren.
Daten zur Enterprise-KI-Adoption vermischen zudem unterschiedliche Produkte. Ein direktes Chatbot-Abonnement, ein Coding-Assistent und eine Modell-API können sehr unterschiedliche Verpflichtungen darstellen.
Investoren sollten daher widerstehen, aus einem monatlichen Index eine dauerhafte Marktanteils-Erzählung zu machen. Die verfügbaren Daten stützen einen Wettbewerbstrend, aber keine vollständige ökonomische Schlussfolgerung.
Dieselbe Vorsicht gilt für von Unternehmen gemeldete Nutzung. Die Workplace-Sitze und das Nachrichtenwachstum von OpenAI zeigen Tiefe innerhalb seiner installierten Basis, aber nicht seine Position im Gesamtmarkt.
Auch die Geschäftsdynamik von Anthropic garantiert keine exklusive Nutzung. Die Überlappungszahlen von Ramp zeigen, dass viele Claude-Kunden eine Beziehung zu OpenAI beibehalten.
Es gibt zudem einen Unterschied zwischen Experimentieren und Produktion. Ein Unternehmen kann für ein Produkt bezahlen, während es dieses testet, ohne kundenorientierte oder regulierte Prozesse auf diesem Modell zu betreiben.
Der Einsatz in Produktion erfordert üblicherweise Bewertungen, Zugriffskontrollen, Monitoring, Mitarbeiterschulungen und Verfahren für Vorfälle. Diese Investitionen können letztlich dauerhaftere Bindungen schaffen.
Der Markt könnte klebriger werden, wenn diese Systeme reifen. Unternehmen könnten sich auf eine Modellfamilie standardisieren, nachdem sie genügend Workflows in die Produktion überführt haben.
Das gegenteilige Ergebnis ist auf Basis der aktuellen Evidenz ebenso plausibel. Unternehmen könnten Modellvielfalt als dauerhafte Strategie zur Risikokontrolle betrachten.
Die Nutzung mehrerer Anbieter kann die Abhängigkeit von Ausfällen, Richtlinienänderungen, Kapazitätsengpässen oder Leistungsrückgängen eines einzelnen Labors begrenzen. Sie verbessert zudem die Verhandlungsposition eines Käufers.
Eine Multi-Modell-Architektur kann auf der Orchestrierungsebene bindend werden, während einzelne Modellanbieter austauschbar bleiben. In dieser Anordnung besitzt weder OpenAI noch Anthropic die Kundenbeziehung vollständig.
Cloud-Anbieter und Enterprise-Softwareplattformen könnten dadurch mehr Kontrolle gewinnen. Sie können Governance, Identität, Abrechnung und Zugang zu mehreren Modellen innerhalb eines Systems anbieten.
Dadurch würden Frontier-Labore fortlaufend um die Zuweisung von Arbeitslasten konkurrieren. Ihre Umsätze könnten hoch bleiben, während ihre Kundenbeziehungen ungewöhnlich exponiert bleiben.
Die aktuelle Umkehr sollte daher beide Unternehmen beschäftigen. Die Zugewinne von OpenAI beweisen, dass Anthropics Vorsprung verwundbar war, doch der frühere Aufstieg von Anthropic bewies bereits dasselbe über OpenAI.
Drei Signale werden zeigen, ob OpenAIs Zugewinne anhalten
Das nächste Quartal sollte nach Kundenverhalten, Produktionstiefe und Richtlinienreaktion beurteilt werden, nicht nach einer weiteren isolierten Bestenliste.
Das erste Signal ist die Überschneidungsrate zwischen OpenAI- und Anthropic-Kunden. Ramp meldete Anfang 2026 eine doppelte Nutzung von 16 %, doppelt so viel wie im Vorjahr.
Wenn die Überschneidung weiter steigt, halten Unternehmen an einer Multi-Modell-Strategie fest. Die Zugewinne von OpenAI würden dann eher wachsende Portfolios als direkte Verdrängung widerspiegeln.
Wenn die Überschneidung sinkt, während OpenAI wächst, wird die Umkehr deutlicher. Dieses Muster würde darauf hindeuten, dass Unternehmen Ausgaben bündeln oder OpenAI für neue Bereitstellungen wählen.
Das zweite Signal ist die Tiefe der Arbeitslasten. Kundenzahlen müssen mit API-Verbrauch, aktiver Workplace-Nutzung, Produktionsbereitstellungen oder einer anderen Kennzahl für anhaltende Aktivität kombiniert werden.
OpenAI erklärt, der durchschnittliche Verbrauch an Reasoning-Tokens pro Organisation sei innerhalb eines Jahres um etwa das 320-Fache gestiegen. Zudem berichtet das Unternehmen von starkem Wachstum bei konfigurierbaren Projekten und internen Assistenten.
Diese Zahlen deuten auf eine tiefere Nutzung bei bestehenden OpenAI-Kunden hin, obwohl das Unternehmen die Messgrößen selbst ausgewählt und veröffentlicht hat. Vergleichbare unabhängige Daten würden die Wettbewerbsinterpretation verlässlicher machen.
Für Anthropic ist entscheidend, ob Claude seine Position bei Coding und anderer agentischer Arbeit behauptet. Der Verlust gelegentlicher Abonnements wäre weniger bedeutsam als der Verlust von Produktions-Software-Workflows.
Das dritte Signal ist die Reaktion auf Anthropics Aufbewahrungsrichtlinie. Große Kunden könnten die Vorgabe akzeptieren, Alternativen aushandeln, erfasste Modelle begrenzen oder sensible Arbeitslasten umleiten.
Eine wesentliche Richtlinienänderung würde darauf hindeuten, dass der Kundendruck Anthropics bevorzugtes Sicherheitsdesign überwog. Stabile Adoption unter den aktuellen Regeln würde den Kompromiss des Unternehmens stützen.
Auch die Datenschutzvorschau von OpenAI benötigt praktische Validierung. Berechtigte Kunden müssen feststellen, ob sie Sicherheits-, Compliance- und Rechtsprüfungen in realen Bereitstellungen erfüllt.
Diese drei Signale werden zeigen, ob die aktuelle Bewegung eine dauerhafte Unternehmenspräferenz darstellt. Sie werden auch offenlegen, wo Loyalität innerhalb des KI-Stacks tatsächlich entsteht.
Für Geschäftskäufer lautet die unmittelbare Lehre nicht, einen permanenten Sieger vorherzusagen. Sie besteht darin, ausreichend operatives Wissen zu bewahren, um Modelle bewerten und wechseln zu können, ohne die Begründung früherer Entscheidungen zu verlieren.
Teams sollten Anforderungen an Arbeitslasten, Bewertungsergebnisse, Richtlinienbeschränkungen und Fehlerfälle in einer durchsuchbaren KI-Wissensdatenbank dokumentieren. Diese Aufzeichnung wird wertvoll, sobald ein anderes Modell das Wettbewerbsgleichgewicht verändert.
Die Rivalität zwischen anthropic und openai wird weiterhin attraktive monatliche Narrative hervorbringen. Käufer sollten sich auf die leisere Frage darunter konzentrieren: Welcher Anbieter gewinnt kritischere Arbeit, nachdem die Begeisterung nach dem Start nachlässt?
Beobachten Sie im nächsten Quartal Kundenüberschneidungen, Produktionsnutzung und Datenschutzentscheidungen. Wenn sich diese Kennzahlen gemeinsam bewegen, wird der Fortschritt von OpenAI mehr bedeuten als eine weitere vorübergehende Schwankung.
