Marktgrößen-, Marktanteils- und Trendanalysebericht für künstliche Intelligenz nach Produkt (Hardware, Software und Dienstleistungen), nach Anwendungen (Gesundheitswesen, BFSI, Recht, Einzelhandel, Werbung und Medien, andere), nach Endverbrauch, nach Region und Segmentprognosen – 2035

Überblick über den Markt für künstliche Intelligenz

Die Größe des globalen Marktes für künstliche Intelligenz wurde im Jahr 2025 auf 104946,37 Millionen US-Dollar geschätzt und wird voraussichtlich von 139106,42 Millionen US-Dollar im Jahr 2026 auf 323956,23 Millionen US-Dollar im Jahr 2035 wachsen, bei einer durchschnittlichen jährlichen Wachstumsrate von 32,55 % von 2026 bis 2035.

Der Markt für künstliche Intelligenz tritt im Jahr 2026 in eine neue Phase ein, die durch generative KI, multimodale Systeme, agentische KI, On-Device-Intelligenz, Enterprise Retrieval-Augmented Generation, KI-Governance, Inferenzoptimierung und eine zunehmend spezialisierte Computerinfrastruktur gekennzeichnet ist. Es wird geschätzt, dass Software etwa 52 % der Nachfrage nach Produkttypen ausmacht, gefolgt von Hardware mit etwa 28 % und Dienstleistungen mit etwa 20 %. Von den bereitgestellten Anwendungen wird geschätzt, dass BFSI etwa 24 % der Marktnachfrage ausmacht, das Gesundheitswesen etwa 19 %, der Einzelhandel 16 %, Werbung und Medien 15 %, Recht 8 % und Sonstige etwa 18 %. Der Einsatz in Unternehmen geht über isolierte Chat-Schnittstellen hinaus und hin zu KI-Agenten, die in der Lage sind, mehrstufige Geschäftsprozesse auszuführen, private Unternehmensinformationen abzurufen, mit Unternehmensanwendungen zu interagieren und Richtlinienkontrollen anzuwenden. Gleichzeitig wird die On-Device-KI immer leistungsfähiger, wobei aktuelle Consumer-Foundation-Modelle mit etwa 3 Milliarden Parametern arbeiten und gleichzeitig für Smartphones und andere Edge-Geräte optimiert bleiben. Multimodale Systeme kombinieren zunehmend Text, Bilder, Sprache, Video, strukturierte Informationen und Werkzeugnutzung in einer Modellarchitektur. Infolgedessen verlagert sich der Wettbewerbsvorteil von der reinen Modellgröße hin zu Inferenzkosten, Latenz, Governance, Datenintegration, Zuverlässigkeit, Sicherheit und praktischer Geschäftsproduktivität.

Die Vereinigten Staaten bleiben aufgrund ihrer Konzentration auf Halbleiterentwicklung, Cloud Computing, Unternehmenssoftware, Verbrauchergeräte, Finanzinstitute, Gesundheitstechnologie, Forschungseinrichtungen und KI-Startups das größte nationale Zentrum des Marktes für künstliche Intelligenz. Es wird geschätzt, dass Nordamerika im Jahr 2026 etwa 40 % der weltweiten Nachfrage ausmacht. Software macht etwa 54 % der regionalen Nachfrage nach Produkttypen aus, Hardware trägt etwa 27 % bei und Dienstleistungen machen etwa 19 % aus. BFSI trägt etwa 25 % zur regionalen Anwendungsnachfrage bei, auf das Gesundheitswesen entfallen etwa 20 %, auf Werbung und Medien entfallen 16 %, auf den Einzelhandel entfallen 15 %, auf Recht entfallen 9 % und auf Sonstige entfallen etwa 15 %. Intel Corporation, International Business Machines Corporation und Apple Inc. vertreten wichtige Zulieferunternehmen aus den USA. Die aktuelle Marktentwicklung umfasst KI-Infrastrukturen im Cloud-Maßstab und datenschutzorientiertes Edge Computing. Apple führte im Jahr 2026 eine dritte Generation von Basismodellen ein, darunter ein geräteinternes Kernmodell mit rund 3 Milliarden Parametern und eine leistungsfähigere multimodale geräteinterne Architektur. IBM baute die verwaltete Unternehmens-KI durch watsonx weiter aus, während Intel Gaudi 3 KI-Beschleuniger in PCIe Gen5-Konfigurationen weiterentwickelte, die für große Sprachmodelle, multimodale Systeme und Enterprise-Retrieval-Workloads konzipiert sind.

• 

  Kostenlose Probe herunterladen um mehr über diesen Bericht zu erfahren.

Wichtigste Erkenntnisse

• Führender Produkttyp:Es wird geschätzt, dass Software einen Marktanteil von etwa 52 % hält, da Unternehmen Basismodellen, KI-Agenten, Analyseplattformen, Orchestrierung, Governance, Automatisierung und branchenspezifischen Anwendungen Priorität einräumen.
• Leitende Anwendung:Es wird geschätzt, dass BFSI etwa 24 % der Marktnachfrage ausmacht, da Banken, Versicherungen und Finanzinstitute ihre Anwendungen in den Bereichen Betrugserkennung, Risikomodellierung, Automatisierung, Kundenservice und Compliance ausbauen.
• Führende Region:Nordamerika hat schätzungsweise einen Marktanteil von etwa 40 %, unterstützt durch Hyperscale-Infrastruktur, Halbleiterinnovation, Einführung von Unternehmenssoftware, Forschungskapazitäten und fortschrittliche KI-Bereitstellung.
• Am schnellsten wachsende Region:Der asiatisch-pazifische Raum wird voraussichtlich jährlich um etwa 36,8 % wachsen, da China, Indien, Japan, Südkorea und Südostasien die KI-Infrastruktur und Anwendungsbereitstellung beschleunigen.
• Technologietrend:Die multimodale Effizienz verbessert sich schnell, da neue, leichtgewichtige Agentenmodelle den Token-Verbrauch um etwa 60 % reduzieren, während die Funktionen für Text-, Bild- und Workflow-Aufgaben erhalten bleiben.
• Markttreiber:Die generative KI-Produktivität stärkt die Akzeptanz in Unternehmen, da ausgewählte Geschäftsabläufe bei effektiver KI-Integration potenzielle Effizienzsteigerungen von etwa 20–30 % verzeichnen.
• Wettbewerbslandschaft:Der Wettbewerb um die KI-Infrastruktur verschärft sich weiter, da neue Unternehmenscluster zunehmend PCIe Gen5-Beschleunigerarchitekturen nutzen, die für große Sprachmodelle, multimodale KI und Abruf-Workloads konzipiert sind.
• Zukunftsausblick:Die künstliche Intelligenz auf dem Gerät wird zunehmen, da Consumer-Foundation-Modelle der dritten Generation mit etwa 3 Milliarden Parametern arbeiten und gleichzeitig datenschutzorientierte lokale Inferenz und multimodale Anwendungen unterstützen.

Neueste Trends

Der wichtigste Trend auf dem Markt für künstliche Intelligenz ist der Übergang von generativen KI-Assistenten hin zu agentischen KI-Systemen, die mehrstufige Geschäftsprozesse abwickeln können. Software, die etwa 52 % der Nachfrage nach Produkttypen ausmacht, umfasst zunehmend Modell-Gateways, Agent-Frameworks, Workflow-Orchestrierung, Vektorabruf, Governance-Tools, Überwachungssysteme, Prompt-Management und Anwendungsprogrammierschnittstellen. Unternehmen bewerten KI nicht mehr allein anhand ihrer Fähigkeit, Texte zu produzieren. Sie messen zunehmend, ob Systeme vertrauenswürdige Informationen abrufen, Unternehmenstools aufrufen, strukturierte Aktionen ausführen, den Kontext aufrechterhalten und Betriebsregeln einhalten können. IBMs watsonx.ai v2.4, das im Juni 2026 eingeführt wurde, spiegelt diese Richtung durch erweiterten Zugriff auf geregelte Modelle und Unterstützung für neue KI-Workloads in Unternehmen wider. Organisationen werden auch bei der Modellauswahl immer wählerischer, da eine Anwendung, die 1 Million monatliche Anfragen verarbeitet, je nach Token-Nutzung, Inferenzlatenz und Modellgröße deutlich unterschiedliche Wirtschaftlichkeit erzielen kann. Leichtbaumodelle haben daher einen zunehmenden strategischen Wert. SenseNova 6.7 Flash-Lite von SenseTime veranschaulicht den Trend, indem es den Token-Verbrauch um etwa 60 % reduziert und zeigt, wie Effizienzverbesserungen die Inferenzanforderungen senken und gleichzeitig die Fähigkeiten multimodaler Agenten aufrechterhalten können.

Ein zweiter großer Trend ist die Ausweitung der künstlichen Intelligenz von zentralisierten Cloud-Umgebungen hin zu Hybrid- und On-Device-Architekturen. Hardware macht etwa 28 % der Produkttypnachfrage aus, da Prozessoren, Beschleuniger, Speicher, Netzwerk und Rechenzentrumsinfrastruktur weiterhin von grundlegender Bedeutung für Training und Schlussfolgerung sind. Gleichzeitig betreiben Hersteller von Verbrauchergeräten zunehmend kleinere Basismodelle lokal, um die Latenz zu reduzieren und den Datenschutz zu verbessern. Die Foundation-Modellfamilie der dritten Generation von Apple umfasst fünf Hauptmodelle, die die Ausführung auf dem Gerät und serverbasiertes Private Cloud Compute umfassen. Sein rund 3 Milliarden Parameter umfassendes AFM-3-Core-Modell ist für die lokale Verarbeitung optimiert, während ein fortschrittlicheres multimodales Modell umfangreichere Interaktionen unterstützt. Entwickler können durch ein einheitliches Software-Framework zunehmend lokale Modelle mit cloudbasierten Alternativen kombinieren. Dadurch entsteht eine hybride KI-Architektur, bei der einfache Aufgaben auf dem Gerät verbleiben und anspruchsvollere Anfragen an Systeme mit höherer Kapazität weitergeleitet werden. Gleichzeitig erweitern Hardware-Anbieter die Auswahl an Beschleunigern. Die Gaudi 3 PCIe-Produkte von Intel nutzen PCIe Gen5 und Ethernet-basierte Skalierung, um große Sprachmodelle, multimodale Modelle und Enterprise-RAG-Workloads in herkömmlichen Serverumgebungen zu unterstützen.

Marktdynamik

Treiber

"„Unternehmensautomatisierung und generative KI-Produktivität beschleunigen die Akzeptanz in allen Geschäftsfunktionen.""

Der größte Treiber des Marktes für künstliche Intelligenz ist die zunehmende Fähigkeit der KI, wissensintensive Arbeiten zu automatisieren. BFSI macht etwa 24 % des Anwendungsbedarfs aus, da Finanzorganisationen extrem große Mengen an Dokumenten, Transaktionen, Kundenanfragen, Compliance-Prüfungen und Risikoberechnungen verarbeiten. Generative und agentische KI-Systeme können Dokumente zusammenfassen, Transaktionen klassifizieren, Analysten unterstützen, Anomalien erkennen, Berichte erstellen und Kundenservice-Workflows automatisieren. Ausgewählte Arbeitsplatzbereitstellungen weisen auf Produktivitätsverbesserungen von etwa 20–30 % für geeignete generative KI-Aufgaben hin, obwohl die realisierten Gewinne je nach Prozessdesign und menschlicher Aufsicht erheblich variieren.

Das Gesundheitswesen stellt mit einem Marktanteil von etwa 19 % einen weiteren wesentlichen Treiber dar. KI wird zunehmend für medizinische Bildgebung, Dokumentation, Unterstützung klinischer Arbeitsabläufe, Arzneimittelentwicklung, Verwaltungsautomatisierung, Patientenkommunikation und Datenanalyse eingesetzt. Ein Krankenhaus, das täglich Tausende von Patienteninteraktionen verarbeitet, kann KI nutzen, um den sich wiederholenden Dokumentations- und Planungsaufwand zu reduzieren. Einzelhandel, Werbung und Medien, Recht und andere folgen ähnlichen Mustern. Diese branchenübergreifende Anwendbarkeit verschafft künstlicher Intelligenz eine wesentlich breitere Nachfragebasis als Technologien, die auf einen vertikalen Markt beschränkt sind.

Zurückhaltung

"„Governance, Datenqualität und Implementierungskomplexität schränken weiterhin den Einsatz im Produktionsmaßstab ein.""

Das Haupthindernis ist die Kluft zwischen KI-Experimenten und zuverlässiger Unternehmensproduktion. Unternehmen können Dutzende von Prototypen entwickeln, aber nur einen Bruchteil davon im großen Maßstab einsetzen, da die Modelle in private Daten, Sicherheitskontrollen, Anwendungen, Berechtigungen, Überwachung und regulatorische Anforderungen integriert werden müssen. Ein Unternehmen, das 20 KI-Anwendungsfälle testet, priorisiert möglicherweise nur 5 oder 6, die einen ausreichend messbaren betrieblichen Wert bieten. Dadurch entsteht Druck auf die Dienstleister, praktische Vorteile statt technischer Neuheiten nachzuweisen.

Die Modellzuverlässigkeit stellt eine weitere Einschränkung dar. Generative Systeme können falsche oder nicht unterstützte Informationen erzeugen, was bedeutet, dass anspruchsvolle Anwendungen wie das Gesundheitswesen, BFSI und Recht umfassende Grundlagen und menschliche Überprüfung erfordern. Unternehmen nutzen zunehmend abrufgestützte Generierung, Modell-Gateways, Prüfprotokolle, rollenbasierten Zugriff und Bewertungspipelines, um Risiken zu reduzieren. Diese Kontrollen erhöhen die Komplexität der Implementierung. Eine Produktions-KI-Anwendung kann daher 10 oder mehr technische Schichten erfordern, die Modelle, Abruf, Sicherheit, APIs, Beobachtbarkeit, Governance, Benutzeroberflächen, Datensysteme, Infrastruktur und Geschäftsanwendungen umfassen.

Gelegenheit

"„Agentische Workflows und kleinere Spezialmodelle erweitern wirtschaftlich sinnvolle KI-Anwendungsfälle.""

Die größte Chance besteht in der Entwicklung von KI-Agenten, die strukturierte Arbeit leisten, anstatt nur Antworten zu generieren. Agenten können sprachliches Denken mit Tools, Datenbanken, APIs, Unternehmensanwendungen, Suchfunktionen und menschlichen Genehmigungen kombinieren. Ein Kundendienstmitarbeiter kann fünf oder mehr miteinander verbundene Schritte durchführen, darunter Identitätsüberprüfung, Informationsabruf, Kontoanalyse, Richtlinienprüfung und Handlungsempfehlung. Diese Fähigkeit erweitert die KI-Akzeptanz in BFSI, Einzelhandel, Gesundheitswesen, Recht, Werbung und Medien sowie anderen Anwendungen.

Kleinere Modelle bieten eine weitere große Chance, da sie den Infrastrukturbedarf reduzieren. Ein On-Device-Modell mit 3 Milliarden Parametern kann auf Verbraucherhardware betrieben werden, die nicht in der Lage wäre, ein Cloud-Modell mit Hunderten von Milliarden Parametern auszuführen. Auch leichte multimodale Systeme werden verbessert, wobei ausgewählte neue Modelle den Token-Verbrauch um etwa 60 % reduzieren. Mit zunehmender Effizienz wird KI für Anwendungen mit Millionen täglicher Interaktionen wirtschaftlich sinnvoll. Die Edge-Bereitstellung reduziert zusätzlich die Netzwerkabhängigkeit und kann ausgewählte Benutzerinformationen auf lokalen Geräten speichern.

Herausforderung

"„Rechenbedarf und sich schnell ändernde Modellarchitekturen schaffen anhaltende Infrastruktur- und Qualifikationsherausforderungen.""

Die größte Herausforderung besteht darin, schnell wachsende Rechenanforderungen zu unterstützen und gleichzeitig akzeptable Kosten und Latenzzeiten aufrechtzuerhalten. Für das KI-Training können Tausende von Beschleunigern erforderlich sein, während Inferenzen mit hohem Volumen möglicherweise Millionen von Anfragen pro Tag erfordern. Hardware stellt somit etwa 28 % der Marktnachfrage dar, obwohl Software den größten Anteil ausmacht. Unternehmen müssen CPUs, GPUs, spezialisierte Beschleuniger, Arbeitsspeicher, Speicher, Netzwerk, Cloud-Kapazität und Edge-Verarbeitung entsprechend den Merkmalen jeder Arbeitslast ausbalancieren.

Technische Fähigkeiten stellen eine weitere Herausforderung dar, da für eine erfolgreiche Bereitstellung Fachwissen in den Bereichen maschinelles Lernen, Datentechnik, Anwendungsentwicklung, Cybersicherheit, Infrastruktur, Governance und Branchenbetrieb erforderlich ist. Der Technologie-Stack kann sich innerhalb von 12 Monaten erheblich ändern, wenn neue Modelle, APIs, Hardware und Agent-Frameworks entstehen. Unternehmen benötigen daher kontinuierliche Umschulungen statt einmaliger KI-Implementierungsprogramme. Dieser schnelle Wandel kann die Veralterung der Technologie verstärken und langfristige Beschaffungsentscheidungen erschweren.

• 

  Kostenlose Probe herunterladen um mehr über diesen Bericht zu erfahren.

Segmentierungsanalyse

Nach Typen

Hardware:Hardware macht etwa 28 % des Marktanteils aus und umfasst Prozessoren, Beschleuniger, Arbeitsspeicher, Speicher, Netzwerke, Edge-Geräte, Server und die zugehörige Recheninfrastruktur, die für KI-Workloads erforderlich ist. Generative KI hat die Nachfrage nach beschleunigtem Computing erheblich erhöht, da das Training und die Inferenz des Basismodells von einer hohen parallelen Verarbeitungskapazität abhängen. Der Gaudi 3 PCIe-Beschleuniger von Intel veranschaulicht die sich verändernde Hardwareumgebung durch einen PCIe Gen5-Formfaktor, der für große Sprachmodelle, multimodale Modelle und Unternehmensabruf-Workloads entwickelt wurde. Edge AI wächst ebenfalls, da Modelle mit rund 3 Milliarden Parametern jetzt direkt auf kompatiblen Verbrauchergeräten ausgeführt werden können.

Software:Software ist mit einem Marktanteil von etwa 52 % führend, da der größte Unternehmenswert durch Anwendungen, Modelle, Orchestrierung, Governance, Analyse, Abruf, Agenten und Automatisierungsebenen geschaffen wird. Softwareplattformen unterstützen zunehmend mehrere Modelle, anstatt Organisationen an einen KI-Anbieter zu binden. Aktuelle Systeme umfassen Modell-Gateways, RAG-Pipelines, Prompt-Management-Frameworks, Bewertungstools, Zugriffskontrollen und Agenten-Orchestrierung. Software profitiert auch von schnellen Innovationszyklen, da neue Funktionen durch Updates bereitgestellt werden können, ohne die physische Infrastruktur ersetzen zu müssen. Multimodale Modelle verarbeiten zunehmend mindestens vier Hauptdatenkategorien, darunter Text, Bild, Audio und Video.

Leistungen:Die Dienstleistungen machen etwa 20 % des Marktanteils aus und umfassen Beratung, Systemintegration, Implementierung, Anpassung, Datenvorbereitung, Schulung, Governance, Support und verwaltete KI-Operationen. Die Nachfrage nach Dienstleistungen wächst, weil viele Unternehmen Schwierigkeiten haben, von Proof-of-Concept-Projekten in eine sichere Produktion überzugehen. Eine komplexe Bereitstellung erfordert möglicherweise die Integration in fünf oder mehr interne Systeme sowie Identitätskontrollen, Datenpipelines, Überwachung und Arbeitsabläufe zur menschlichen Genehmigung. Dienstleister konzentrieren sich zunehmend auf messbare Produktivität, Risikominderung und Automatisierung statt auf eigenständige Modellexperimente.

Nach Anwendungen

Gesundheitspflege:Das Gesundheitswesen hat einen Marktanteil von etwa 19 % und nutzt KI für Bildgebung, Diagnoseunterstützung, klinische Dokumentation, Arzneimittelentwicklung, Patienteneinbindung, Workflow-Automatisierung, medizinische Forschung und Verwaltungsabwicklung. KI-Modelle können Tausende von Bildern oder Datensätzen innerhalb wesentlich kürzerer Verarbeitungszeiträume als bei der manuellen Überprüfung analysieren. Dennoch erfordert die Einführung der Gesundheitsversorgung eine starke Governance, da falsche Empfehlungen erhebliche Konsequenzen haben können. Human-in-the-Loop-Systeme bleiben daher wichtig, insbesondere für Entscheidungen, die Diagnose oder Behandlung betreffen.

BFSI:BFSI ist mit einem Marktanteil von etwa 24 % führend und setzt KI in den Bereichen Betrugserkennung, Kreditanalyse, Risikomodellierung, Kundenservice, Dokumentenverarbeitung, Compliance, Handelsunterstützung, Versicherungsansprüche und Personalisierung ein. Banken verarbeiten täglich Millionen von Transaktionen und erstellen große Datensätze, die für maschinelles Lernen geeignet sind. Generative KI wird zunehmend in diese Systeme integriert, um Mitarbeitern bei der Interpretation von Daten und der Automatisierung von Arbeitsabläufen zu helfen. Governance bleibt von entscheidender Bedeutung, da Finanzinstitute die Überprüfbarkeit bei Tausenden von KI-gestützten Entscheidungen gewährleisten müssen.

Gesetz:Das Rechtswesen hat einen Marktanteil von ca. 8 % und nutzt KI zur Dokumentenprüfung, Vertragsanalyse, Rechtsrecherche, Offenlegung, Unterstützung bei der Formulierung, Zusammenfassung, Compliance und Wissensmanagement. Große Rechtsstreitigkeiten oder Transaktionsprojekte können Zehntausende von Dokumenten umfassen, was den semantischen Abruf und die automatisierte Klassifizierung besonders wertvoll macht. Generative KI kann die Zeit für die Erstprüfung verkürzen, Anwälte überprüfen jedoch weiterhin kritische Ergebnisse, da die rechtlichen Anforderungen an die Genauigkeit nach wie vor hoch sind.

Einzelhandel:Der Einzelhandel hat einen Marktanteil von etwa 16 % und nutzt KI für Empfehlungen, Bestandsprognosen, Preisgestaltung, Merchandising, Lieferkettenoptimierung, Kundenservice, visuelle Suche und Marketingpersonalisierung. Große Einzelhändler verwalten möglicherweise täglich Millionen von Produkt- und Kundeninteraktionen. KI-Agenten kombinieren zunehmend Bestandssysteme, Kundenhistorie, Produktkataloge und Servicerichtlinien, um einen kontextbezogeneren Kundensupport zu bieten. Sowohl Online- als auch physische Einzelhändler nehmen zunehmend an Akzeptanz teil, da KI in Standard-Handelsplattformen integriert wird.

Werbung & Medien:Werbung und Medien haben einen Marktanteil von etwa 15 % und nutzen künstliche Intelligenz für die Inhaltsgenerierung, Kampagnenoptimierung, Zielgruppensegmentierung, Videoproduktion, Empfehlung, Bearbeitung, Lokalisierung und Analyse. Multimodale KI generiert zunehmend Text, Bilder, Audio und Video innerhalb eines Produktionsworkflows. Neue Weltmodelle und Videosysteme können kontinuierliche Sequenzen erzeugen, die sich über mehrere Minuten erstrecken, während Inferenzverbesserungen die ausgewählte Verarbeitungsgeschwindigkeit im Vergleich zu früheren Implementierungen um mehr als das 70-fache erhöht haben.

Andere:Andere haben einen Marktanteil von etwa 18 % und umfassen Fertigung, Transport, Bildung, Telekommunikation, öffentliche Dienste, Energie, Cybersicherheit und weitere Anwendungen. Die Fertigung nutzt KI für die vorausschauende Wartung und Qualitätsprüfung, während die Telekommunikation sie für den Netzwerkbetrieb und den Kundensupport einsetzt. Die Bildung nutzt zunehmend personalisiertes Lernen und Verwaltungsautomatisierung. Die breite Kategorie „Sonstige" verdeutlicht den horizontalen Charakter der KI, die sich auf nahezu jeden informationsintensiven Sektor auswirken kann.

• 

  Kostenlose Probe herunterladenum mehr über diesen Bericht zu erfahren.

Regionaler Ausblick

Nordamerika

Es wird geschätzt, dass Nordamerika im Jahr 2026 den Markt für künstliche Intelligenz mit einem weltweiten Anteil von etwa 40 % anführen wird. Intel Corporation, International Business Machines Corporation und Apple Inc. stellen wichtige Zulieferunternehmen aus den Vereinigten Staaten dar. Software macht etwa 54 % der regionalen Nachfrage nach Produkttypen aus, Hardware trägt etwa 27 % bei und Dienstleistungen machen 19 % aus. BFSI repräsentiert etwa 25 % der Anwendungsnachfrage, das Gesundheitswesen trägt 20 % bei, Werbung und Medien machen 16 % aus, der Einzelhandel macht 15 % aus, Recht trägt 9 % bei und andere machen rund 15 % aus.

Die Region soll bis 2035 jährlich um etwa 30–33 % wachsen. Investitionen in die KI-Infrastruktur, Hyperscale-Cloud-Computing, Unternehmenssoftware, fortschrittliche Halbleiterentwicklung, Forschung und Verbrauchergeräte-Intelligenz unterstützen die Einführung. IBM erweiterte watsonx.ai im Juni 2026 auf Version 2.4, während Apple im selben Monat seine dritte Generation von Foundation-Modellen vorstellte. Intel unterstützt weiterhin Beschleunigeralternativen durch Gaudi 3, das in PCIe Gen5-Konfigurationen für KI-Workloads in Unternehmen angeboten wird.

Europa

Auf Europa entfallen etwa 20 % der weltweiten Nachfrage auf dem Markt für künstliche Intelligenz. Software macht etwa 55 % des Produkttypverbrauchs aus, Dienstleistungen tragen etwa 25 % bei und Hardware macht etwa 20 % aus. BFSI trägt etwa 25 % zur Anwendungsnachfrage bei, das Gesundheitswesen stellt 21 % dar, der Einzelhandel trägt 15 % bei, Werbung und Medien machen 13 % aus, Recht stellt 10 % dar und andere tragen etwa 16 % bei. Deutschland, Frankreich, das Vereinigte Königreich, die Niederlande, Italien, Spanien und die nordischen Märkte bleiben wichtige Akzeptanzzentren.

Prognosen zufolge wird die Region bis 2035 jährlich um etwa 28–31 % wachsen. Europäische Organisationen legen vergleichsweise großen Wert auf Governance, Datenschutz, Transparenz, Sicherheit und verantwortungsvolle KI. Dies kommt Diensten und verwalteten Softwareplattformen zugute, da Unternehmen Compliance-Kontrollen in die KI-Bereitstellung integrieren. Unternehmensprojekte kombinieren zunehmend drei Aufsichtsebenen: technische Modellbewertung, organisatorische Governance und Einhaltung gesetzlicher Vorschriften. Fertigung, Bankwesen, Gesundheitswesen, Rechtsdienstleistungen und Anwendungen im öffentlichen Sektor bieten große regionale Chancen.

Asien-Pazifik

Auf den asiatisch-pazifischen Raum entfallen schätzungsweise etwa 32 % der weltweiten Nachfrage auf dem Markt für künstliche Intelligenz. CloudMinds Technology und SenseTime bieten die Vertretung wichtiger Zulieferunternehmen aus China. Software macht etwa 49 % der regionalen Nachfrage nach Produkttypen aus, Hardware trägt etwa 32 % bei und Dienstleistungen machen 19 % aus. Der Einzelhandel macht etwa 18 % der Anwendungsnachfrage aus, BFSI trägt 22 % bei, das Gesundheitswesen macht 17 % aus, Werbung und Medien machen 16 % aus, Recht trägt 6 % bei und andere machen etwa 21 % aus.

Die Region soll bis 2035 jährlich um etwa 36,8 % wachsen und ist damit der am schnellsten wachsende Großraum. Die Volkswirtschaften Chinas, Indiens, Japans, Südkoreas, Singapurs und Südostasiens erhöhen ihre Investitionen in KI-Computing, Robotik, Verbraucheranwendungen, Unternehmenssoftware und öffentliche Infrastruktur. SenseTime veröffentlichte SenseNova 6.7 Flash-Lite im Jahr 2026 mit etwa 60 % geringerem Token-Verbrauch und separat Open-Source-SenseNova U1 und demonstrierte damit die kontinuierliche regionale Entwicklung effizienter und multimodaler KI-Systeme.

Naher Osten und Afrika

Der Nahe Osten und Afrika machen etwa 3 % der weltweiten Nachfrage auf dem Markt für künstliche Intelligenz aus. Software trägt etwa 48 % zur Nachfrage nach Produkttypen bei, Dienstleistungen machen etwa 30 % aus und Hardware stellt 22 % dar. Andere tragen etwa 25 % zur Anwendungsnachfrage bei, da Regierung, Energie, Telekommunikation, Bildung und Transport eine starke regionale Rolle spielen. BFSI macht etwa 22 % aus, der Einzelhandel trägt 16 % bei, das Gesundheitswesen macht 16 % aus, Werbung und Medien machen 15 % aus und Recht trägt etwa 6 % bei.

Bis 2035 soll die Region jährlich um etwa 31–35 % wachsen. Saudi-Arabien, die Vereinigten Arabischen Emirate, Südafrika und andere große Märkte investieren in Rechenzentren, Digitalisierung des öffentlichen Sektors, KI-Forschung, Sprachmodelle und Smart-City-Infrastruktur. Große nationale Programme kombinieren zunehmend Infrastruktur, Bildung und Anwendungsentwicklung, anstatt KI als eine einzige Softwarekategorie zu behandeln. Der Zugang zu Fachkenntnissen stellt nach wie vor eine Einschränkung dar, wodurch die Servicenachfrage in mehreren regionalen Unternehmensimplementierungen um über 25 % steigt.

Liste der Top-Unternehmen für künstliche Intelligenz

• Intel Corporation [U.S.]
• International Business Machines Corporation (IBM) [U.S.]
• Apple Inc. [U.S.]
• CloudMinds Technology Inc. [China]
• SenseTime [China]

Marktanteil der Top-2-Unternehmen

International Business Machines Corporation (IBM):Es wird geschätzt, dass die International Business Machines Corporation eine Wettbewerbspräsenz von etwa 26–30 % innerhalb der belieferten Unternehmensgruppe ausmacht, unterstützt durch Unternehmens-KI-Software, Governance, hybride Infrastruktur, Automatisierung, Beratung und Watsonx. Mit der Version 2.4 von watsonx.ai vom Juni 2026 wurden der Zugriff auf geregelte Modelle und die Unterstützung von Unternehmens-Workloads erweitert. IBM konzentriert sich zunehmend auf KI im Produktionsmaßstab und nicht nur auf die Modellentwicklung, was dem Anteil von Software von etwa 52 % und dem Anteil von Dienstleistungen von etwa 20 % am gesamten Markt für künstliche Intelligenz entspricht.

Intel Corporation:Es wird geschätzt, dass die Intel Corporation eine Wettbewerbspräsenz von etwa 22–26 % innerhalb der Gruppe der belieferten Unternehmen ausmacht, unterstützt durch CPUs, KI-Beschleuniger, Edge-Hardware, Unternehmensserver, Netzwerke und Softwareoptimierung. Hardware macht etwa 28 % der Marktnachfrage aus, und Intels Gaudi 3 PCIe-Beschleuniger adressiert große Sprachmodelle, multimodale KI und Enterprise-RAG-Workloads durch PCIe-Gen5-Architektur und Ethernet-basierte Skalierung. Damit positioniert sich Intel sowohl in der Cloud- als auch in der Unternehmens-KI-Infrastruktur.

Investitionsanalyse

Investitionen in den Markt für künstliche Intelligenz verlagern sich von breit angelegten Experimenten hin zu Infrastrukturen und Anwendungen, die nachhaltige Produktionsarbeitslasten unterstützen können. Hardware macht etwa 28 % der Nachfrage aus, und die Kapitalinvestitionen konzentrieren sich weiterhin auf Beschleuniger, Speicher mit hoher Bandbreite, Server, Netzwerke, Speicher, Rechenzentren und Energieinfrastruktur. Die Softwareinvestitionen sind sogar noch umfassender, da ihr Marktanteil von etwa 52 % Modelle, Agenten, Governance, Abruf, Orchestrierung, Sicherheit, Anwendungsentwicklung und Analysen umfasst. Unternehmen bewerten KI-Projekte zunehmend anhand von mindestens fünf messbaren Kriterien: Produktivitätsverbesserung, Implementierungskosten, Inferenzkosten, Zuverlässigkeit und Sicherheit.

Die Investitionen verlagern sich auch hin zu kleineren, effizienten Modellen und dem Hybrideinsatz. Ein System, das in der Lage ist, die Token-Nutzung um etwa 60 % zu reduzieren, kann den Rechenbedarf bei der Verarbeitung von Millionen von Interaktionen erheblich senken. Geräteinterne Modelle mit rund 3 Milliarden Parametern bieten einen weiteren Weg zur Reduzierung der Cloud-Inferenzabhängigkeit für ausgewählte Verbraucher- und Unternehmensaufgaben. Es wird erwartet, dass sich die Investitionen bis 2035 auf mindestens zehn Bereiche konzentrieren: Beschleuniger, Inferenzoptimierung, Agenten, multimodale KI, RAG, Governance, Edge Intelligence, Cybersicherheit, spezialisierte Branchenmodelle und Personalschulung. Unternehmen suchen zunehmend nach Plattformen, die mehr als einen Modellanbieter unterstützen, um die Abhängigkeit von der Technologie zu verringern.

Entwicklung neuer Produkte

Die Entwicklung neuer Produkte auf dem Markt für künstliche Intelligenz legt zunehmend Wert auf Agenten, multimodales Denken, Datenschutz, Inferenzeffizienz und flexiblen Einsatz. Die im Juni 2026 eingeführten Foundation-Modelle der dritten Generation von Apple umfassen fünf Modelle, die von On-Device-Systemen bis hin zu Cloud-basierten Architekturen reichen, einschließlich eines dichten Kernmodells mit etwa 3 Milliarden Parametern. Das fortschrittlichere Modell auf dem Gerät unterstützt native multimodale Funktionen und ermöglicht es Anwendungen, Text- und visuelle Informationen zu kombinieren und gleichzeitig die ausgewählte Verarbeitung lokal beizubehalten. Entwickler-Frameworks ermöglichen zunehmend, dass dieselbe Anwendung je nach Aufgabenkomplexität, Latenz, Datenschutz und Rechenanforderungen zwischen On-Device- und Cloud-Modellen wechselt.

Die Entwicklung von Unternehmensprodukten geht in ähnlicher Weise in Richtung gesteuerter Umgebungen mit mehreren Modellen. IBM watsonx.ai v2.4 erweiterte die Modell-Gateway-Funktionen im Juni 2026, während SenseTime SenseNova U1 als einheitliches Verständnis- und Generierungsmodell und SenseNova 6.7 Flash-Lite mit etwa 60 % geringerem Token-Verbrauch einführte. Die Gaudi 3 PCIe-Hardware von Intel erweitert die Bereitstellungsflexibilität für große Sprach- und multimodale Modelle innerhalb vorhandener Unternehmensserver. Neue Produkte konkurrieren zunehmend in mindestens 12 Merkmalen: Argumentationsfähigkeit, Multimodalität, Inferenzkosten, Latenz, Kontextlänge, Agentenunterstützung, Datenschutz, Governance, Abrufintegration, Hardwareeffizienz, Interoperabilität und Bereitstellungsflexibilität.

Fünf aktuelle Entwicklungen

• Juni 2026:Apple stellte seine dritte Generation der Foundation Models vor, die fünf Modelle umfasst, darunter ein On-Device-Kernsystem mit etwa 3 Milliarden Parametern und eine fortschrittlichere multimodale Architektur.
• Juni 2026:IBM hat watsonx.ai Version 2.4 mit erweitertem Zugriff auf geregelte Modelle, verstärktem Plattformbetrieb und zusätzlicher Unterstützung für neue Workloads der künstlichen Intelligenz in Unternehmen veröffentlicht.
• Juni 2026:SenseTime hat SenseNova 6.7 Flash-Lite veröffentlicht, ein leichtes multimodales Agentenmodell, das den Token-Verbrauch in ausgewählten KI-Workflows um etwa 60 % reduzieren soll.
• Mai 2026:SenseTime hat SenseNova U1 vollständig als Open-Source-Lösung entwickelt und entwickelt eine einheitliche Modellarchitektur, die darauf ausgelegt ist, multimodales Verständnis, Argumentation, Bildgenerierung und kontinuierliche Text-Bild-Erstellung zu kombinieren.
• September 2025:Apple hat die Verfügbarkeit von Apple Intelligence in seinem gesamten Geräte-Ökosystem erweitert und intelligente Verknüpfungen, visuelle Intelligenz, Live-Übersetzung und Unterstützung für acht weitere Sprachen hinzugefügt.

Berichterstattung melden

Der Marktbericht für künstliche Intelligenz deckt den Prognosezeitraum 2026–2035 unter Verwendung der angegebenen Basislinie 2025 ab und bewertet die bereitgestellten Produkttypen von Hardware, Software und Dienstleistungen. Die geschätzten Produkttypanteile betragen etwa 28 %, 52 % bzw. 20 %. Die Anwendungsabdeckung umfasst das Gesundheitswesen mit etwa 19 %, BFSI mit 24 %, Recht mit 8 %, Einzelhandel mit 16 %, Werbung und Medien mit 15 % und Sonstige mit etwa 18 %. Die Analyse untersucht generative KI, agentische KI, multimodale Modelle, KI-Beschleuniger, Edge Intelligence, Retrieval-Augmented Generation, Model Gateways, Enterprise Governance, Inferenzoptimierung, datenschutzorientierte Bereitstellung, Workflow-Automatisierung und Grundlagenmodellentwicklung. Aktuelle On-Device-Architekturen verarbeiten rund 3 Milliarden Parameter, während neuere, leichtgewichtige multimodale Systeme den Token-Verbrauch um etwa 60 % reduzieren können.

Die regionale Abdeckung umfasst Nordamerika, Asien-Pazifik, Europa, Lateinamerika sowie den Nahen Osten und Afrika mit geschätzten Marktanteilen von etwa 40 %, 32 %, 20 %, 5 % bzw. 3 %. Die Wettbewerbsabdeckung umfasst alle fünf belieferten Unternehmen: Intel Corporation, International Business Machines Corporation (IBM), Apple Inc., CloudMinds Technology Inc. und SenseTime. Der Bericht bewertet, wie KI-Agenten, beschleunigtes Computing, Hybridbereitstellung, On-Device-Modelle, multimodale Systeme, Unternehmensführung, Inferenzökonomie, Arbeitsproduktivität, Cybersicherheit und spezialisierte Industrieanwendungen den Markt für künstliche Intelligenz bis 2035 beeinflussen werden. Software bleibt mit einem Anteil von etwa 52 % der führende Produkttyp, während BFSI mit etwa 24 % die Anwendungen dominiert. Agentische KI, On-Device-Modelle mit 3 Milliarden Parametern, Unternehmenssoftware-Stacks mit mehr als 10 Ebenen, multimodales Denken, effiziente Inferenz, kontrollierte Modell-Gateways, Unternehmens-RAG und spezialisierte Beschleuniger werden voraussichtlich im gesamten Prognosezeitraum weiterhin wichtige Entwicklungsprioritäten der Branche bleiben.