Was Unternehmen wirklich für AI zahlen: Ausgabendaten statt Umfragen

Fast jede Studie zur AI-Nutzung fragt Menschen, was sie tun. Eine Quelle misst stattdessen, was Unternehmen bezahlen. Der Ramp AI Index wertet Firmenkarten- und Rechnungszahlungen von über 70.000 Unternehmen aus (Quelle: Ramp AI Index, 2026). Kein Antwortverhalten, keine Absichtserklärung, sondern Buchungen. Wer AI-Kosten im Unternehmen planen muss, findet hier eine Perspektive, die Umfragen strukturell nicht liefern können.

Inhalt

• Warum Umfragen die Zahlungsfrage nicht beantworten
• Was die Ausgabendaten zeigen
• Der stärkste Prädiktor ist nicht die Branche
• Wo diese Daten in die Irre führen
• Was daraus für ein europäisches Budget folgt
• Was wir stattdessen messen
• Fazit: Drei Messarten, eine Planungsgrundlage
• Häufige Fragen zu AI-Ausgaben
• Quellen

Warum Umfragen die Zahlungsfrage nicht beantworten

Umfragen erfassen Selbstauskunft. Wer angibt, AI zu nutzen, hat vielleicht ein Abo, vielleicht einen Piloten, vielleicht eine Kollegin, die ChatGPT öffnet. Alles drei zählt als Nutzung.

Das ist kein methodischer Fehler. Es ist die Grenze der Methode. Warum dieselbe Frage je nach Erhebung zwischen 20 und 88 Prozent liefert, haben wir im Beitrag 88 % oder 20 %? auseinandergenommen.

Zahlungsdaten schließen eine Lücke, die dort offenbleibt. Eine Buchung entsteht nur, wenn jemand eine Rechnung freigibt. Sie belegt keine Wirkung, aber sie belegt eine Entscheidung. Und sie ist fälschungssicher gegenüber sozialer Erwünschtheit.

Für Präsentationen:SVGPNG

Was die Ausgabendaten zeigen

Im März 2026 zahlten erstmals mehr als die Hälfte der Unternehmen auf der Plattform für AI-Dienste: 50,4 Prozent, ein Jahr zuvor waren es 35 Prozent (Quelle: Ramp AI Index, April 2026). Seitdem wächst die Verbreitung weiter, aber langsamer (Quelle: Ramp AI Index, September 2026).

Bei den Anbietern hat sich die Reihenfolge gedreht. Im August 2026 zahlten 43,8 Prozent der US-Unternehmen für Abos oder Tokens von Anthropic, 39,8 Prozent für OpenAI (Quelle: Ramp AI Index, September 2026). Wichtig ist die Lesart: Das ist die Adoptionsrate (der Anteil der Unternehmen, die für einen Anbieter zahlen), nicht der Anteil an den Ausgaben.

Interessanter als der Anbieter-Zweikampf ist die Spreizung der Beträge. Im Juli 2026 gab das Medianunternehmen 11,95 US-Dollar je Mitarbeitendem und Monat für AI aus. Die oberen zehn Prozent kamen auf 650 US-Dollar, das oberste Prozent auf einen Median von 7.400 US-Dollar (Quelle: Ramp AI Index, August 2026).

Der Faktor zwischen Median und Spitze liegt bei rund 600. Es gibt in diesen Daten also nicht ein AI-Budget. Es gibt zwei Welten.

Im August ging der Wert an der Spitze zurück: von 7.976 auf 7.205 US-Dollar, ein Minus von 9,7 Prozent (Quelle: Ramp AI Index, September 2026). Ramp nennt dafür eine naheliegende Erklärung: im August fahren viele Entwicklungsteams Urlaub und eine strukturelle: Die Preise fallen. Der effektive Preis je Million Tokens sank um 41 Prozent auf 0,68 US-Dollar, nach einem Höchststand von 1,15 US-Dollar im März 2026 (Quelle: Ramp AI Index, September 2026).

Sinkende Preise bei wachsendem Volumen heißen: Ausgaben sind ein schlechter Näherungswert für Nutzung. Wer sein AI-Budget mit den Vorjahreszahlen plant, plant gegen einen bewegten Boden.

Der stärkste Prädiktor ist nicht die Branche

Die naheliegenden Antworten auf die Frage, welche Unternehmen AI nutzen, lauten: Tech, groß, urban. Die Daten sagen etwas anderes.

Der stärkste Einzelprädiktor ist die Finanzierungsherkunft. Risikokapitalfinanzierte Unternehmen erreichen eine AI-Adoptionsrate von 80 Prozent, Private-Equity-finanzierte 64 Prozent, alle übrigen 45 Prozent (Quelle: Ramp AI Index, April 2026). Der Effekt hält in jeder untersuchten Branche.

Das erklärt mehr als jede Branchenstatistik. Wer Investoren mit Portfolio-Vorgaben hat, bekommt Tooling von oben. Wer inhabergeführt ist, entscheidet selbst und entscheidet später.

Die Finanzierungsherkunft sagt mehr über AI-Adoption aus als die Branche. Für den Mittelstand heißt das: US-Benchmarks messen eine andere Art von Unternehmen.

Wo diese Daten in die Irre führen

Diese Grenze gehört an dieselbe Stelle wie die Zahlen, nicht in eine Fußnote.

• Die Stichprobe ist selbstselektiv. Erfasst werden nur Unternehmen, die diese eine Ausgabenplattform nutzen. Ramp benennt das selbst und weist außerdem darauf hin, dass die Stichprobe technologielastiger ist als der Durchschnitt (Quelle: Ramp AI Index, August 2026).
• Die Basis ist US-amerikanisch. Die Aussagen betreffen US-Unternehmen. Für den deutschen Mittelstand ist das keine repräsentative Grundlage.
• Kostenlose Nutzung fehlt. Gratis-Zugänge, private Accounts und in Softwarelizenzen eingebettete AI-Funktionen tauchen in Zahlungsdaten nicht auf. Der gemessene Wert unterzeichnet die tatsächliche Nutzung.
• Ausgaben sind keine Wirkung. Eine Buchung belegt eine Entscheidung, keinen Ertrag. Wie sich Wirkung messen lässt, steht im Beitrag AI-ROI messen.

Ein europäisches Gegenstück zu diesen Daten fehlt. Die amtliche Statistik erfasst Nutzung, nicht Ausgaben. Damit bleibt für den DACH-Raum eine Lücke, die sich derzeit nicht mit einer Fremdquelle schließen lässt.

Was daraus für ein europäisches Budget folgt

Die US-Zahlen taugen nicht als Zielgröße. Als Orientierung für die Struktur eines Budgets taugen sie sehr wohl.

Erstens: Rechnet pro Kopf, nicht pro Projekt. Der Median von 11,95 US-Dollar je Mitarbeitendem und Monat ist kein Ziel, aber er zeigt die Größenordnung, in der breite Nutzung anfängt. Bei 200 Beschäftigten sind das rund 2.400 US-Dollar im Monat, eine Zahl, über die keine Geschäftsführung lange diskutiert.

Zweitens: Plant den Preisverfall ein. Ein Modellpreis, der binnen sechs Monaten um 41 Prozent fällt, macht Mehrjahresverträge zu teuer verkauften Sicherheiten. Kurze Laufzeiten und austauschbare Modelle sind der bessere Schutz.

Drittens: Trennt Verbrauch von Wertschöpfung. Ein Budget, das nur den Tokenverbrauch abbildet, misst Kosten. Ein Budget, das Verbrauch je Anwendungsfall abbildet, misst Rentabilität. Wie das praktisch aussieht, beschreibt der Beitrag Token-Smart.

Viertens: Klärt die Bilanzfrage früh. Ob AI-Ausgaben als laufender Aufwand verpuffen oder einen bleibenden Wert aufbauen, entscheidet sich nicht am Jahresende. Dazu der Beitrag Aufwand oder Asset.

Welche dieser vier Punkte im konkreten Fall zuerst greift, ordnen wir im kostenlosen Diagnose-Call ein.

Was wir stattdessen messen

Für die eigene Planung ist eine fremde Benchmark nur der Anfang. Die belastbare Zahl entsteht im eigenen Betrieb.

Wir erfassen den Verbrauch dort, wo er entsteht: je Anwendungsfall, je Token, je Ergebnis. Aus drei Werten wird daraus eine Steuerungsgröße.

• Verbrauch je Vorgang. Was kostet ein bearbeiteter Fall, ein erzeugter Text, eine geprüfte Rechnung?
• Anteil teurer Modelle. Wie viel Arbeit läuft über ein Spitzenmodell, das ein Standardmodell genauso gut erledigen würde?
• Kosten je eingespartem Vorgang. Erst dieser Wert macht aus einer Ausgabe eine Investitionsentscheidung.

Kunden halten dabei ihre eigenen AI-Konten. Wir sorgen dafür, dass sie weniger verbrauchen, nicht dafür, dass sie über uns abrechnen.

Fazit: Drei Messarten, eine Planungsgrundlage

Umfragen messen, was Menschen sagen. Amtliche Statistik misst, was Unternehmen melden. Zahlungsdaten messen, was gebucht wird. Alle drei sind richtig, keine ersetzt die andere.

Für die Planung zählt vor allem, was die Zahlungsdaten über die Struktur verraten: eine enorme Spreizung zwischen Median und Spitze, fallende Preise, und eine Adoption, die stärker von der Eigentümerstruktur abhängt als von der Branche.

Die belastbarste Zahl für ein deutsches Mittelstandsbudget steht in keiner dieser Quellen. Sie entsteht im eigenen Betrieb, sobald der Verbrauch je Anwendungsfall gemessen wird statt je Monatsrechnung.

Häufige Fragen zu AI-Ausgaben

Was geben Unternehmen im Schnitt für AI aus?

Im Juli 2026 gab das Medianunternehmen auf der Ramp-Plattform 11,95 US-Dollar je Mitarbeitendem und Monat aus, die oberen zehn Prozent 650 US-Dollar, das oberste Prozent im Median 7.400 US-Dollar (Quelle: Ramp AI Index, August 2026). Die Zahlen betreffen US-Unternehmen auf einer Ausgabenplattform, nicht den deutschen Mittelstand.

Wie viele Unternehmen zahlen überhaupt für AI?

Im März 2026 überschritt der Anteil erstmals die Hälfte: 50,4 Prozent der Unternehmen auf der Plattform, gegenüber 35 Prozent ein Jahr zuvor (Quelle: Ramp AI Index, April 2026).

Welcher Anbieter liegt vorn?

Gemessen an der Adoptionsrate lag Anthropic im August 2026 mit 43,8 Prozent der US-Unternehmen vor OpenAI mit 39,8 Prozent (Quelle: Ramp AI Index, September 2026). Das ist der Anteil zahlender Unternehmen, nicht der Anteil an den Ausgaben.

Werden AI-Kosten steigen oder fallen?

Beides gleichzeitig. Der effektive Preis je Million Tokens fiel bis September 2026 um 41 Prozent auf 0,68 US-Dollar (Quelle: Ramp AI Index, September 2026), während das Volumen wächst. Für die Budgetplanung heißt das: Preise pro Einheit sind kein verlässlicher Anker, Verbrauch je Anwendungsfall schon.

Gibt es vergleichbare Daten für Deutschland?

Nicht in dieser Form. Eurostat und das Statistische Bundesamt erfassen Nutzung, nicht Ausgaben. Wer eine belastbare Zahl für das eigene Haus braucht, misst den Verbrauch selbst. Wie das aufgesetzt wird, klären wir im kostenlosen Diagnose-Call.

Quellen

• Ramp Economics Lab, 2026: September 2026 Ramp AI Index: Cracks in the AI thesis, part 2, 09.09.2026
• Ramp Economics Lab, 2026: August 2026 Ramp AI Index: Cracks in the AI thesis, 12.08.2026
• Ramp Economics Lab, 2026: Ramp AI Index April 2026 update: What drives AI adoption?, 11.04.2026
• Ramp, 2026: Ramp AI Index: Übersicht und Methodik
• Eurostat, 2025: 20% of EU enterprises use AI technologies, 11.12.2025
• McKinsey & Company, 2025: The state of AI in 2025: Agents, innovation, and transformation