OpenAI dominiert mit ChatGPT und dem neuen GPT-6 Astra weiterhin den KI-Markt – doch die Konkurrenz schläft nicht. Eine umfangreiche neue Analyse von Latent Space, die systematisch untersucht, welche Produkte und Tools von den führenden KI-Modellen empfohlen werden, zeichnet ein differenziertes Bild der aktuellen Machtverhältnisse. Während OpenAI in vielen Kategorien die Nase vorn hat, holen Googles Gemini und Anthropics Claude in wichtigen Segmenten spürbar auf. Für alle, die mit KI arbeiten, stellt sich damit eine zentrale Frage: Auf welches Pferd setzt du – und wie lange bleibt die aktuelle Rangordnung überhaupt bestehen?
Hintergrund: Warum die KI-Empfehlungen der Modelle plötzlich so wichtig sind
In der KI-Welt hat sich in den letzten Monaten ein völlig neues Spielfeld aufgetan: Answer Engine Optimization (AEO). Anders als bei klassischem SEO, wo es darum geht, in Googles Suchergebnissen aufzutauchen, geht es bei AEO darum, von KI-Modellen wie ChatGPT, Claude oder Gemini als Antwort empfohlen zu werden. Wenn immer mehr Menschen ihre Fragen direkt an KI-Assistenten stellen – „Welches Projektmanagement-Tool ist das beste?“ oder „Welchen Coding-Agenten soll ich nutzen?“ –, dann entscheiden die Modelle faktisch über Marktanteile.
Latent Space, eines der einflussreichsten KI-Newsletter- und Podcast-Projekte, hat genau das systematisch untersucht. Mit dem sogenannten Frontier AEO Tracker wurden 6 verschiedene Prompt-Varianten über 7 führende Frontier-Modelle in insgesamt 161 Kategorien getestet – von Coding-Agenten über KI-Podcasts bis hin zu Payroll-Software und Angel-Investoren. Die Ergebnisse geben einen einzigartigen Einblick in die Empfehlungsmuster der großen Modelle.
Die Details: Was der Frontier AEO Tracker enthüllt
Die Analyse zeigt zunächst, welche Produkte in ihren jeweiligen Kategorien am dominantesten sind. In 28 von 161 Kategorien gibt es einen universell dominanten Erstplatzierten – also ein Produkt, das von allen untersuchten Frontier-Modellen übereinstimmend als Nummer eins empfohlen wird. Doch ebenso spannend sind die zahlreichen „knappen Rennen“, in denen verschiedene Modelle unterschiedliche Empfehlungen aussprechen.
Besonders aufschlussreich ist der Bias, den die Modelle gegenüber den Produkten ihres eigenen Anbieters zeigen. Die Analyse deckt systematische Eigenvorlieben auf:
- Anthropics Modelle (Opus, Fable) bevorzugen Claude Code bei Coding-Agenten
- OpenAIs Modelle (Sol, Astra) empfehlen bevorzugt Codex
- xAIs Grok liebt Cursor
- Muse empfiehlt – wenig überraschend – Muse Code
- Cognitions SWE-1.7 favorisiert Devin
Es gibt allerdings auch löbliche Ausnahmen: Die Analyse hebt hervor, dass GPT-Modelle in bestimmten Szenarien tatsächlich Claude empfehlen – ein bemerkenswertes Beispiel für fehlende Eigenvoreingenommenheit.
Ein besonders überraschendes Ergebnis betrifft die Quellenlage der Empfehlungen. Beim Generationswechsel von Sol zu Astra (also innerhalb von OpenAIs Modellfamilie) und von Opus zu Fable (bei Anthropic) zeigen sich drastische Unterschiede: Sol durchsuchte im Median 9 Quellen, während Astra nur noch 5 heranzieht. Bei Anthropic ist der Trend gegenläufig: Opus nutzte 11 Quellen, Fable steigerte auf 15. Astra scheint also „selbstbewusster“ oder „effizienter“ zu agieren – ob das gut oder schlecht ist, hängt von der Perspektive ab.
Dazu kommen „sehr folgenschwere Wechsel“ in den Modellempfehlungen zwischen den Generationen. Was Sol noch als Nummer eins empfahl, kann bei Astra plötzlich auf Platz drei rutschen – und umgekehrt. Für Unternehmen, die auf AEO setzen, bedeutet das: Jedes neue Modell-Update kann deine Sichtbarkeit über Nacht verändern.
GPT-6 Astra: Der Motor hinter OpenAIs Dominanz
OpenAIs Marktposition wird maßgeblich durch das am 3. September 2026 gestartete GPT-6 Astra gestützt. Das Modell markiert einen echten Generationssprung: Mit einem Kontextfenster von 1.050.000 Tokens und einer maximalen Ausgabe von 128.000 Tokens setzt es neue Maßstäbe. Die Benchmark-Ergebnisse sind beeindruckend – 97,6% auf FrontierMath Tier 4 und 99,9% auf ARC-AGI-3.
Der eigentliche Game-Changer ist jedoch die volle Computer-Nutzung: Astra kann Interfaces direkt bedienen, nicht nur Text generieren. Das Pricing liegt bei $10 pro Million Input-Tokens und $50 pro Million Output-Tokens – das 2,5-fache von GPT-5.6 Sol. OpenAI argumentiert, dass Astra viele Aufgaben in weniger Tokens und mit weniger Wiederholungen erledigt, was die höheren Kosten pro Task kompensieren soll.
Praktische Anwendungen bestätigen das: Der bekannte Entwickler Theo (t3.gg) ließ Astra über Nacht laufen – das Modell lieferte über 40 Performance-Improvement-PRs ohne manuelle Interaktion. Vatroslav Vrbanić generierte aus 5 Referenzbildern und einem Blueprint ein vollständig geriggtes 3D-Modell mit Animation in nur 46 Minuten auf einem MacBook M3 Pro – inklusive Sound, den das Modell eigenständig hinzufügte.
Was bedeutet das für dich im DACH-Raum?
Für Solopreneure, Marketer und Tech-Interessierte im deutschsprachigen Raum ergeben sich daraus mehrere konkrete Implikationen:
AEO wird zum Pflichtprogramm. Wenn du ein SaaS-Produkt, ein Tool oder eine Dienstleistung anbietest, solltest du dringend prüfen, was KI-Modelle über dich sagen. Der Latent Space Tracker zeigt, dass jedes Prompt-Ergebnis-Paar öffentlich inspizierbar ist – du kannst also nachvollziehen, wie und warum dein Produkt empfohlen oder ignoriert wird. Die Top-Quellen, die Modellempfehlungen beeinflussen, wurden ebenfalls extrahiert – ein wertvoller Hinweis darauf, wo du deine Inhalte platzieren solltest.
Diversifiziere deine KI-Strategie. Sich ausschließlich auf ChatGPT zu verlassen, wird zunehmend riskant. Die Analyse zeigt, dass verschiedene Modelle völlig unterschiedliche Empfehlungen geben – und jedes Modell-Update die Karten neu mischen kann. Claude und Gemini holen auf, und ihre Nutzerbasis wächst. Teste deine Workflows regelmäßig auf mehreren Plattformen.
Die Kosten steigen – aber der Output auch. Astras Preise sind spürbar höher als bei Vorgängermodellen. Für kostenoptimierte Workflows im DACH-Raum, wo Margen oft enger sind als im US-Markt, lohnt sich ein genauer Blick auf die Batch-Preise (halber Preis) und Cached-Input-Raten ($1 pro Million Tokens).
Was kommt als nächstes?
Der KI-Markt bewegt sich in eine Phase, in der nicht mehr nur die Modellqualität entscheidet, sondern zunehmend das Ökosystem und die Empfehlungsmechanismen. AEO wird sich als Disziplin neben SEO etablieren – und möglicherweise in manchen Branchen schneller an Bedeutung gewinnen als erwartet.
Die Konvergenz von KI mit Energiesystemen und Quantencomputing, wie sie auf der EmTech Future 2026 am MIT diskutiert wird, deutet darauf hin, dass die nächste Modellgeneration noch leistungsfähiger und zugleich effizienter werden dürfte. Googles Yossi Matias wird dort über „AI Meets Everything“ sprechen – ein Signal, dass die Integration von KI in alle Lebensbereiche weiter beschleunigt wird.
Für den Wettbewerb zwischen OpenAI, Anthropic und Google bedeutet das: Die 55% Marktanteil von ChatGPT sind kein Naturgesetz. Jede neue Modellgeneration – ob Fable bei Anthropic oder das nächste Gemini-Update – kann die Karten neu mischen. Wer heute in AEO investiert und seine KI-Strategie breit aufstellt, wird davon profitieren. Wer wartet, riskiert, von den Algorithmen der Zukunft schlicht nicht mehr empfohlen zu werden.