AI Observatory: Warum wir endlich unabhängige Daten zur KI-Nutzung brauchen

Wie Menschen ChatGPT, Claude oder Gemini tatsächlich verwenden, wissen vor allem die Unternehmen hinter den Diensten. Sie veröffentlichen inzwischen zwar beeindruckend detaillierte Nutzungsberichte. Doch jede dieser Statistiken zeigt zwangsläufig nur einen Ausschnitt: eine Plattform, ihre Nutzer, ihre Messmethode. Der neue AI Observatory versucht, diese Lücke zu schließen. Die öffentliche Forschungsplattform führt anonymisierte Gesprächsdaten aus sieben Quellen in einer gemeinsamen Taxonomie zusammen. Das ist noch keine Volkszählung der KI-Nutzung. Aber es ist ein wichtiger Gegenentwurf zur Gewohnheit, die gesellschaftliche Wirkung von KI allein mit Herstellerzahlen zu erklären.

Das Wichtigste in Kürze

• Der AI Observatory bündelt Stichproben realer Chat-Unterhaltungen aus sieben Datensätzen und mehr als 52 Modellen.
• Die Plattform ordnet Gespräche nach 145 Merkmalen ein und macht Unterschiede zwischen Datenquellen sichtbar, statt sie zu einer scheinbar perfekten Zahl zu glätten.
• Die bisher ausgewerteten Daten sprechen dagegen, KI nur als Werkzeug für Büroarbeit und Programmierung zu betrachten: Ein großer Teil der Nutzung ist privat, beratend oder emotional.
• Auch ein unabhängiger Datensatz bleibt selektiv. Öffentliche Chat-Daten und freiwillig beigesteuerte Gespräche sind nicht dasselbe wie eine repräsentative Befragung aller Nutzer.

Ein Fenster in eine sonst verschlossene Welt

Der AI Observatory ist ein interaktiver Begleiter zu einer wissenschaftlichen Arbeit über die Verbreitung und Fähigkeiten von KI. Nach Angaben des Projekts aggregiert er sieben Quellen mit Gesprächsstichproben von 2023 bis 2026. Darunter sind frei verfügbare Gesprächsdatensätze wie WildChat sowie verschiedene Modell- und Plattformquellen. Jede Unterhaltung wird mit einer einheitlichen Taxonomie von 145 Eigenschaften beschrieben: vom Aufbau der Anfrage über die Rolle der Antwort bis zu Gesprächsverlauf und Aufgabe. Die Leistung der Plattform liegt nicht darin, dass sie alle Fragen endgültig beantwortet. Ihr Wert liegt darin, dass sich Datenquellen nebeneinander betrachten lassen.

Genau dieser Vergleich fehlt bislang häufig. OpenAI, Anthropic und Google können auf sehr große Mengen eigener Nutzungsdaten zugreifen, müssen aber Datenschutz, Geschäftsinteressen und eigene Produktlogik berücksichtigen. OpenAI veröffentlichte im Sommer Daten zur wachsenden und breiteren Nutzung von ChatGPT. Anthropic hat seinen Economic Index zuletzt um feinere Zeitreihen, getrennte Auswertungen für Gespräche und API-Nutzung sowie Befragungen ergänzt. Das sind wertvolle Beiträge. Sie erklären jedoch nicht automatisch, wie sich Nutzer außerhalb der jeweiligen Plattform verhalten oder ob eine Klassifikation bei einem Konkurrenten gleich ausfiele.

Der Unterschied ähnelt dem zwischen einer Kundenzufriedenheitsstudie eines Mobilfunkanbieters und einer vergleichenden Verbraucherstudie. Erstere kann sehr sorgfältig sein und trotzdem nur die eigenen Kunden sehen. Der Observatory ersetzt die Herstellerberichte nicht. Er schafft eine gemeinsame Ebene, auf der ihre Ergebnisse überprüfbar, einordbar und gelegentlich auch widersprechbar werden.

Private Nutzung verschwindet in der Arbeitsdebatte

Besonders aufschlussreich ist, was der Blick über mehrere Quellen mit der üblichen Arbeitsmarktdebatte macht. Die Washington Post berichtete über eine Auswertung von mehr als 23.000 Gesprächen mit Chatbots aus den Jahren 2023 bis 2025. Danach waren 48 Prozent der Unterhaltungen nicht arbeitsbezogen. Die Forscherinnen und Forscher sahen dabei zunehmend Gespräche über Gesundheit und Beziehungen. Das heißt nicht, dass Chatbots zu verlässlichen Therapeutinnen oder medizinischen Beratern werden. Es heißt aber, dass Debatten über Produktivität, Stellenabbau und Softwareentwicklung nur einen Teil der tatsächlichen Berührungspunkte erfassen.

Das verändert auch die Frage nach Risiken. Wenn KI beim Schreiben von Code eingesetzt wird, sind Fehler oft technisch prüfbar und Verantwortlichkeiten vergleichsweise klar. Wenn Menschen Rat zu Gesundheit, Konflikten oder Einsamkeit suchen, stehen andere Fragen im Vordergrund: Wie klar weist ein System auf seine Grenzen hin? Welche Daten fallen an? Und wann sollte eine Antwort nicht nur plausibel klingen, sondern an professionelle Hilfe verweisen? Diese Nutzung lässt sich nicht sinnvoll aus reinen Unternehmens- oder API-Zahlen ableiten.

Die jüngste Diskussion über KI-Messung zeigt das in einem anderen Feld. Unser Beitrag zu Googles doppelblinden Tests argumentierte, dass gute Benchmarkwerte kein Ersatz für belastbare Praxisprüfungen sind. Für Nutzungsforschung gilt derselbe Gedanke: Eine große Zahl von Prompts ist noch keine Erklärung dafür, welchen Platz ein System im Alltag einnimmt.

Unabhängig heißt nicht repräsentativ

Die wichtigste Einschränkung muss man beim Lesen der Grafiken mitdenken. Ein Datensatz aus öffentlich geteilten, exportierten oder freiwillig bereitgestellten Chats bildet nicht automatisch alle Menschen ab, die KI verwenden. Bestimmte Sprachen, Länder, Berufsgruppen und Plattformen können über- oder unterrepräsentiert sein. Auch die Modelle unterscheiden sich stark: Kurze, vorlagenartige Anfragen an ältere Systeme erzählen eine andere Geschichte als lange, iterative Gespräche mit neueren Modellen. Der Observatory macht viele dieser Unterschiede sichtbar. Er löst sie aber nicht weg.

Hinzu kommt die Klassifikation selbst. Kategorien wie Arbeit, Bildung, Beratung oder persönliche Nutzung helfen beim Vergleich, sind jedoch Interpretationen. Ein Gespräch über eine Bewerbung kann Karriereberatung, Schreibassistenz und persönliche Sorge zugleich sein. Deshalb ist es sinnvoll, dass die Plattform nicht nur eine Schlagzeile ausspielt, sondern Herkunft, Zeitraum und Merkmale der Daten offenlegt. Wer daraus politische oder wirtschaftliche Schlussfolgerungen ziehen will, sollte immer fragen: Welche Gespräche wurden erfasst, welche fehlen, und wie wurde gezählt?

Gerade diese Transparenz ist produktiver als der Traum von einer einzigen, neutralen KI-Kennzahl. Unterschiedliche Messungen dürfen nebeneinanderstehen, wenn ihre Grenzen klar sind. Hersteller können große, aktuelle Daten liefern. Öffentliche Forschung kann Methoden vergleichen und blinde Flecken markieren. Befragungen können Motive erfassen, die Gesprächsprotokolle nicht zeigen. Zusammengenommen entsteht eher ein belastbares Bild als aus einem alleinigen Dashboard.

Was Politik, Forschung und Nutzer daraus machen sollten

Für Politik und Aufsicht ist die Plattform ein Hinweis, dass KI-Folgenabschätzung Datenzugang braucht, ohne private Gespräche offenzulegen. Aggregierte, datensparsame Schnittstellen und nachvollziehbare Forschungsprogramme wären hilfreicher als pauschale Forderungen nach Rohdaten. Anthropic testet mit seinem Insights-Programm bereits einen Weg, auf dem externe Gruppen eigene Forschungsfragen an aggregierte Nutzungsdaten stellen können. Entscheidend ist, dass solche Angebote nicht bei einem einzelnen Anbieter stehen bleiben und unabhängige Methodik zulassen.

Für Leserinnen und Leser ergibt sich eine bescheidenere, aber nützliche Lehre: Weder die Erfolgsmeldung eines KI-Anbieters noch ein einzelnes Diagramm beschreibt die Realität vollständig. Wer eine Statistik über KI und Arbeit sieht, sollte nach Plattform, Zeitraum, Auswahl und Definitionen fragen. Das ist keine akademische Spitzfindigkeit. Von diesen Antworten hängt ab, ob Schulen, Arbeitgeber und Gesetzgeber über reale Anwendungen sprechen oder über das, was sich am leichtesten zählen lässt.

Der AI Observatory ist daher vor allem ein Startpunkt. Er beweist nicht, wie die Menschen KI nutzen. Er zeigt, dass diese Frage größer ist als der Datenbestand einzelner Konzerne. Je mehr KI in private und berufliche Routinen wandert, desto wichtiger wird eine öffentliche Messpraxis, die unterschiedliche Quellen zusammenbringt, Unsicherheit sichtbar macht und ihre eigenen Grenzen offenlegt. Das ist weniger spektakulär als ein neues Modell. Für eine vernünftige KI-Politik könnte es langfristig wichtiger sein.