These: Europa nutzt KI-Agenten schon breit – laut OpenAI stellt die EU aber nur 10 Prozent der Frontier-Firmen

Wer KI-Adoption in Europa an Logins oder vergebenen Lizenzen misst, übersieht die Intensitätslücke. Das ist meine Einschätzung, und der Bericht „The EU’s next chapter in AI is agentic“ von OpenAI Economic Research, veröffentlicht am Mittwoch, 14. Oktober 2026, liefert dafür das Material. Europa hat laut diesen Daten Breite, aber an der Spitze weniger Tiefe. Agenten, also Werkzeuge, die Aufgaben erledigen statt nur Fragen zu beantworten, sind in der Stichprobe angekommen. Wie intensiv sie genutzt werden, ist eine andere Frage. Die Hauptquelle finden Sie direkt bei OpenAI.

Eines vorweg, damit wir ehrlich bleiben: Alle Zahlen stammen von OpenAI, gemessen an der eigenen Kundschaft. Es ist kein repräsentatives Bild Europas. Und OpenAI verkauft genau die Werkzeuge, deren Nutzung dort vermessen wird. Das macht die Daten nicht wertlos. Es bestimmt aber, wie Sie sie lesen sollten: als Blick in eine Kundenbasis, nicht als Volkszählung.

Was OpenAI misst

Beginnen wir mit den Begriffen, denn hier werden die meisten Fehler gemacht. Der Bericht arbeitet mit mehreren Stichproben und mehreren Definitionen. Wer sie vermischt, erzählt am Ende Unsinn.

Erstens: die Enterprise-Stichprobe. Laut OpenAI entfallen in der EU-Stichprobe der ChatGPT-Enterprise-Kunden mehr als die Hälfte der Output-Tokens auf Codex und ChatGPT Work. Basis: Output-Tokens, Enterprise-Kunden in der EU-Stichprobe. Mehr nicht.

Zweitens: die KMU. OpenAI definiert kleine und mittlere Unternehmen als Unternehmen mit 200 oder weniger zugehörigen Nutzenden. Das ist keine Mitarbeitendenzahl im Sinne der EU-Statistik, sondern eine Zählung innerhalb der OpenAI-Kundschaft. Wer bei „KMU“ an den Mittelstand denkt, den Sie aus der Handwerkskammer kennen, liegt daneben.

Drittens: die Frontier-Firmen. Das sind die oberen 10 % der Firmen nach Output-Tokens pro aktivem Nutzer. Die Stichprobe umfasst hier nur ChatGPT-Enterprise- und Business-Accounts. Die Basis ist also breiter als bei der ersten Zahl, weil Business-Accounts dazukommen, und anders gemessen: pro aktivem Nutzer statt als Anteil an der Gesamtmenge.

Klartext: Drei Zahlenfamilien, drei Basen. Ich halte sie in diesem Artikel getrennt, und ich bitte Sie, das auch in Ihren Präsentationen zu tun.

Was sind Output-Tokens überhaupt? Das sind die Textbausteine, die ein Modell erzeugt. Wer viele davon pro Person erzeugen lässt, lässt das System viel arbeiten. Das ist ein grobes Maß für Intensität, kein Maß für Nutzen. Dazu komme ich noch. Und weil Tokens einen Preis haben, lohnt der Blick auf die Frage, was Thinking-Tokens kosten und warum das Abrechnungsmodell zählt. Beim Bericht selbst spielen Kosten keine Rolle, und ich rechne hier auch keine.

Breite: Agenten in KMU und allen Mitgliedstaaten

Fangen wir mit der guten Nachricht an. Seit Mai 2026 ist die Zahl der wöchentlich aktiven Nutzenden von Codex und ChatGPT Work bei EU-KMU mehr als achtfach gestiegen, mit Wachstum in jedem Mitgliedstaat. Basis: wöchentlich aktive Nutzende, KMU nach OpenAI-Definition, Zeitraum seit Mai 2026.

Das ist eine beachtliche Bewegung. Jeder Mitgliedstaat zeigt Wachstum, nicht nur die üblichen Verdächtigen. Wer behauptet, Europa verschlafe das Thema, muss diese Zahl erklären.

Aber Hand aufs Herz: Was sagt sie wirklich? Ein Wachstum um mehr als das Achtfache sagt nichts über das Ausgangsniveau. Acht mal sehr wenig ist immer noch wenig. Der Bericht nennt keine absoluten Nutzerzahlen. Ich kann Ihnen also nicht sagen, ob wir über einige Tausend oder einige Hunderttausend Menschen sprechen. Das ist die Lücke in der Lücke.

Dann die Länderspanne. Unter den Enterprise-Accounts der Stichprobe reichte der Anteil der Output-Tokens über Codex und ChatGPT Work von 22 % in Slowenien bis 85 % in Litauen. Basis: Output-Tokens, Enterprise-Accounts der Stichprobe je Land. Das ist eine gewaltige Streuung. Dazu kommt: Auch die Art der Arbeit, die Menschen zu ChatGPT bringen, unterscheidet sich je Land. Welche Unterschiede das sind, nennt die Quelle nicht.

Was lese ich daraus? Meiner Einschätzung nach: Es gibt nicht „die“ europäische Agenten-Nutzung. Es gibt Kundschaft in Slowenien, die überwiegend anders arbeitet als Kundschaft in Litauen. Bei kleinen Stichproben kann ein einzelner großer Account einen Länderwert stark prägen. Ob das hier der Fall ist, weiß ich nicht, denn die Stichprobengröße fehlt. Ich sage nur: Seien Sie vorsichtig, bevor Sie aus 22 und 85 eine Landeskultur ableiten.

Und Deutschland? Dazu liefert die Quelle keinen Wert. Wer Ihnen jetzt eine deutsche Zahl aus diesem Bericht präsentiert, erfindet sie.

Ein Punkt noch zur Breite. Codex und ChatGPT Work sind Werkzeuge, die Aufgaben erledigen. Die CFO von OpenAI fasst es so zusammen:

„Europa ist jetzt in einer neuen Ära der KI, mit Werkzeugen, die Aufgaben für Menschen erledigen können. Mehr als die Hälfte der KI-Nutzung unter unseren EU-Enterprise- und Business-Kunden betrifft inzwischen diese Werkzeuge, und die Zahl der Nutzenden in kleinen Unternehmen ist in der Region um das Achtfache gewachsen. Dennoch gibt es in der EU noch viel Raum für mehr KI-Nutzung. Menschen die Werkzeuge, Fähigkeiten und das Vertrauen zu geben, KI gut zu nutzen, wird helfen, stärkere Unternehmen und wachsende Volkswirtschaften aufzubauen, mit Vorteilen, die in ganz Europa spürbar sind.“

Sarah Friar, Chief Financial Officer, OpenAI (Übersetzung: digital-magazin.de)

Genau hinsehen. Friar spricht von „Enterprise- und Business-Kunden“ und von „KI-Nutzung“. Der Berichtstext spricht von Output-Tokens der Enterprise-Stichprobe. Das ist nicht dieselbe Basis. Business-Accounts sind im einen Fall dabei, im anderen nicht, und „KI-Nutzung“ ist weiter gefasst als ein Token-Anteil. Die Aussage aus dem Zitat darf man deshalb nicht einfach auf die 50-Prozent-Zahl des Berichts legen. Ein Zitat ist Kommunikation, die Zahl im Bericht ist Messung. Und noch etwas: „um das Achtfache gewachsen“ klingt im Zitat knapper als „mehr als achtfach“ im Bericht. Ich halte mich an die Berichtsformulierung.

Tiefe: die Frontier-Lücke

Jetzt wird es interessant. Breite ist leicht zu feiern. Tiefe ist das, was zählt.

Im September erzeugten EU-Frontier-Firmen mehr als viermal so viele Output-Tokens pro aktivem Nutzer wie typische EU-Firmen. Basis: ChatGPT-Enterprise- und Business-Accounts, EU, September. Schon innerhalb Europas klafft also ein Abstand zwischen der Spitze und der Mitte. Wie OpenAI „typisch“ misst, etwa als Median oder als Durchschnitt, nennt die Quelle nicht. Das ist keine Kleinigkeit, denn ein Durchschnitt wird von der Spitze nach oben gezogen, ein Median nicht.

Und dann die zweite Zahl: Frontier-Firmen außerhalb der EU erzeugten mehr als doppelt so viele Output-Tokens pro aktivem Nutzer wie EU-Frontier-Firmen. Gleiche Basis, gleicher Monat. Auch die europäische Spitze ist also nicht die Spitze der Welt.

Ich rechne die beiden Werte nicht gegeneinander. Sie haben unterschiedliche Vergleichsgruppen: einmal EU-Spitze gegen EU-Mitte, einmal Nicht-EU-Spitze gegen EU-Spitze. Wer sie multipliziert, konstruiert eine Zahl, die der Bericht nirgends enthält. Falsch. Finger weg.

Was bleibt, ist die Struktur: Es gibt eine Lücke nach innen und eine nach außen. Beide sind real, beide stehen im Bericht, und beide betreffen die Intensität, nicht die Verbreitung.

Wie viel Arbeit steckt hinter einem Token? Das wissen wir nicht. Ein Agent, der sauber einen Auftrag erledigt, kann wenige Tokens brauchen. Ein Agent, der sich in Schleifen verrennt, erzeugt viele. Tokens pro Nutzer messen Aktivität. Ob das Ergebnis besser wird, sagt die Kennzahl nicht. Deshalb ist sie ein Indikator, kein Beweis. Aber als Indikator ist sie dem Login haushoch überlegen.

Zweimal zehn Prozent – zwei verschiedene Zahlen

Hier stolpern viele, deshalb ein eigener Abschnitt. Im Bericht kommen zwei Zehnprozentwerte vor, die nichts miteinander zu tun haben.

Die erste „10 %“ ist eine Definition. Frontier-Firmen sind die oberen 10 % der Firmen nach Output-Tokens pro aktivem Nutzer. Das ist ein Schnitt, den OpenAI zieht. Per Konstruktion sind in jeder Gruppe, die man so betrachtet, die obersten zehn Prozent die Spitze. Diese Zahl ist keine Erkenntnis, sondern eine Regel.

Die zweite „10 %“ ist ein Befund. EU-Firmen stellten nur 10 % der Frontier-Firmen weltweit. Basis: Frontier-Firmen weltweit in der Stichprobe aus Enterprise- und Business-Accounts. Laut OpenAI ist das niedrig, weil die EU einen höheren Anteil an registrierten Unternehmen weltweit hat. Einen Wert für diesen Anteil nennt OpenAI nicht.

Schauen Sie, was das heißt. Die Definition sagt: Wir nehmen die Top-Zehntel. Der Befund sagt: Von diesen Top-Zehnteln weltweit kommt nur ein Zehntel aus der EU. Das eine ist Methode, das andere Ergebnis. Dass beide Zahlen zufällig gleich lauten, ist eine Falle für flüchtiges Lesen.

Und die Aussage „niedrig“ hängt an einem Vergleichswert, den wir nicht sehen. Wenn die EU einen höheren Anteil an registrierten Unternehmen hat, ist 10 % weniger als erwartet. Wie viel weniger, bleibt offen. Wer hier eine Prozentzahl ergänzt, rät. Als Hintergrund für den Unternehmensbestand: Die Unternehmensstatistik der EU bei Eurostat ist der Ort, an dem Sie Strukturdaten finden. Ich nehme daraus bewusst keine Zahl, denn sie würde nicht auf die Kundenbasis von OpenAI passen. Registrierte Unternehmen und OpenAI-Kundschaft sind zwei verschiedene Mengen.

Hier liegt übrigens ein stiller Vorbehalt. Die EU-Firmen in der OpenAI-Kundschaft sind keine Zufallsauswahl der EU-Firmen. Ein niedriger Frontier-Anteil kann also auch mit der Zusammensetzung der Kundschaft zusammenhängen. Der Bericht sagt dazu nichts, und ich behaupte es auch nicht. Ich markiere nur, dass die Frage offen ist.

Lassen Sie uns kurz festhalten, wie die Zahlen zusammenpassen und wie nicht:

• Mehr als die Hälfte der Output-Tokens bei Codex und ChatGPT Work: Enterprise-Kunden, EU-Stichprobe.
• Mehr als achtfach gestiegene wöchentlich aktive Nutzende: KMU mit höchstens 200 zugehörigen Nutzenden, seit Mai 2026.
• 22 % bis 85 %: Länderanteil der Output-Tokens, Enterprise-Accounts, Slowenien bis Litauen.
• Mehr als viermal und mehr als doppelt so viele Output-Tokens pro aktivem Nutzer: Enterprise- und Business-Accounts, September.
• 10 % EU-Anteil an den Frontier-Firmen weltweit: Frontier-Firmen in der Stichprobe.

Fünf Zahlen, fünf Basen. Keine davon ist die andere.

Wie man Intensität im Unternehmen überhaupt erfasst, ist eine Frage der Infrastruktur. Wer Agenten im großen Stil laufen lässt, braucht Rechenkapazität und ein Verständnis dafür, wie Inferenz-Infrastruktur zum Standard wird. Die Frage taucht im Bericht nicht auf, aber sie liegt hinter jeder Token-Statistik.

Unsere These: Logins sind keine Agenten-Nutzung

Dieses Bild wurde komplett mit KI generiertProviderhiggsfieldModellgpt_image_2PromptSmall European workshop company office, owner at a laptop with an abstract automation workflow diagram, shelves with products in the background, warm practical light. Photorealistic editorial magazine photo, 16:9. Absolutely no text, no letters, no numbers, no logos, no brand marks.

Jetzt zu meiner Meinung. Sie ist ausdrücklich meine, nicht die von OpenAI.

Meiner Einschätzung nach ist die gängige Adoptionsmessung in vielen Unternehmen Augenwischerei. Lizenzen vergeben, Logins zählen, Dashboard grün. Hand aufs Herz: Wie viele Ihrer Lizenzen werden so genutzt, dass ein Agent tatsächlich Arbeit erledigt?

Ein Login sagt: Jemand hat die Tür geöffnet. Er sagt nicht, ob dahinter gearbeitet wird. Ein Agent, der eine Aufgabe über mehrere Schritte erledigt, erzeugt Last, Output, Verbrauch. Ein Chat, in dem jemand eine E-Mail glätten lässt, erzeugt einen Bruchteil davon. Beides zählt als „aktiver Nutzer“. Das ist der Kern der Intensitätslücke.

Der OpenAI-Bericht stützt diese These indirekt. Er zeigt innerhalb derselben Kundschaft einen Abstand von mehr als dem Vierfachen zwischen Frontier und typisch, gemessen pro aktivem Nutzer. Wenn zwei Firmen beide „aktive Nutzer“ melden und sich im Output pro Kopf um dieses Verhältnis unterscheiden, dann verdeckt die Kategorie „aktiv“ mehr, als sie zeigt. Das ist keine Aussage des Berichts. Es ist meine Schlussfolgerung daraus.

Mythos vs. Realität:

Mythos: Hohe Lizenzquote heißt hohe Adoption.

Realität: Hohe Lizenzquote heißt hohe Verfügbarkeit.

Der Unterschied ist gewaltig. Verfügbarkeit ist die Voraussetzung. Nutzung ist das Ergebnis. Dazwischen liegt alles, was Organisationen schwerfällt: Aufgaben zuschneiden, Prozesse anpassen, Verantwortung klären. Wir bei digital-magazin.de halten das für den eigentlichen Engpass: Die Streitfrage dreht sich meiner Einschätzung nach selten um Technik. Sie dreht sich um Betrieb. Wer das vertiefen will: Agenten-Adoption braucht ein belastbares Betriebsmodell, nicht nur Zugänge.

Und die Gegenseite? Die gehört fairerweise auch auf den Tisch. Man kann einwenden, Tokens seien ein schlechtes Maß, weil effiziente Systeme weniger davon brauchen. Stimmt. Ein Unternehmen, das seine Agenten schlank baut, landet bei Tokens pro Nutzer womöglich unten, obwohl es hervorragend arbeitet. Der Bericht sagt nichts zu Produktivitätseffekten, und ich werde keine unterstellen. Meine Position ist deshalb bewusst bescheiden: Tokens pro aktivem Nutzer sind ein besserer Startpunkt als Logins, aber kein Endpunkt.

Dann gibt es den Einwand des Eigeninteresses. OpenAI verkauft Codex, ChatGPT Work, Enterprise- und Business-Accounts. Mehr Token-Verbrauch heißt für den Anbieter mehr Nutzung seiner Produkte. Dass der Bericht „mehr Tiefe“ als Chance beschreibt, passt zur Geschäftslogik. Das macht die Daten nicht falsch. Es heißt aber, dass Sie die Empfehlungen als Positionierung lesen sollten und die Zahlen als Momentaufnahme der eigenen Kundschaft.

Was empfiehlt OpenAI? Die Chance der EU sei, breitere Adoption in tiefere Nutzung zu überführen. Dafür brauche es Hilfe über Experimente hinaus, Fähigkeiten und Vertrauen der Beschäftigten sowie zugänglichere und bezahlbarere Fähigkeiten. Der Bericht nennt keine konkreten Preise oder Programme, und ich ergänze keine.

Ich finde den Kern der Empfehlung trotzdem richtig, unabhängig vom Absender. „Über Experimente hinaus“ ist der entscheidende Halbsatz. Ein Pilotprojekt mit zehn Begeisterten ist kein Betrieb. Fähigkeiten und Vertrauen der Beschäftigten sind kein weiches Beiwerk, sondern die Bedingung dafür, dass jemand einem Agenten eine echte Aufgabe überlässt. Wer das nicht tut, bleibt beim Chat und erzeugt Logins statt Ergebnisse.

Stellen Sie sich vor, zwei Firmen führen am selben Tag Agenten-Werkzeuge ein, beide mit 150 Lizenzen. Bei der einen probiert jede Person gelegentlich etwas aus. Bei der anderen haben drei Teams feste Abläufe, in denen der Agent Aufgaben übernimmt, und die Beschäftigten wissen, wann sie die Ergebnisse prüfen. Beide melden 150 aktive Nutzende. Das Dashboard unterscheidet sie nicht. Die Token-Intensität pro Kopf sehr wohl. Das ist, wohlgemerkt, ein Gedankenspiel und keine Beobachtung aus dem Bericht.

Welche Kennzahl IT-Entscheidende messen sollten

Genug Diagnose. Was tun Sie am Montag?

Erstens: Trennen Sie Reichweite und Intensität. Reichweite ist der Anteil der Beschäftigten mit Zugang oder wöchentlicher Aktivität. Intensität ist das, was pro aktiver Person tatsächlich geschieht. Führen Sie beide als getrennte Kennzahlen. Wer sie in einer Zahl verschmilzt, versteckt genau die Lücke, die der Bericht sichtbar macht.

Zweitens: Messen Sie pro aktivem Nutzer, nicht pro Lizenz. OpenAI nutzt Output-Tokens pro aktivem Nutzer, um Frontier-Firmen zu bestimmen. Sie können das Prinzip übernehmen, ohne OpenAI zu sein: Verbrauch, Aufgabenläufe oder abgeschlossene Agenten-Aufträge pro aktiver Person und Woche. Welche Größe bei Ihnen passt, hängt von Ihren Werkzeugen ab.

Drittens: Betrachten Sie die Verteilung, nicht den Durchschnitt. Der Bericht vergleicht die Spitze mit „typisch“, und er sagt nicht, wie „typisch“ definiert ist. Das ist eine Lehre in sich. Ein Durchschnitt versteckt, ob zehn Prozent Ihrer Leute fast alles tun und der Rest kaum etwas. Schauen Sie auf Quartile, auf die obersten zehn Prozent und auf den Median. Dann sehen Sie Ihre eigene Frontier-Lücke.

Viertens: Trennen Sie Aufgabenarten. Der Bericht deutet an, dass sich die Art der Arbeit je Land unterscheidet, nennt aber keine Details. Für Sie heißt das: Zählen Sie nicht nur wie viel, sondern wofür. Code-Aufgaben mit Codex und Aufgaben in ChatGPT Work sind andere Dinge als Textarbeit im Chat. Ein Aufgabenprofil sagt mehr als eine Gesamtmenge.

Fünftens: Misstrauen Sie Einsparungsrechnungen als alleinigem Maß. Der Bericht enthält keine Produktivitätszahlen, und das ist eine ehrliche Lücke. Sie müssen sie nicht mit einer Schätzung füllen, die gut aussieht. Warum „gesparte Stunden“ als Maß für Agenten ohnehin wackelt, haben wir an anderer Stelle ausführlich begründet. Kurz: Wer Stunden zählt, misst den Ersatz von Handarbeit. Agenten verändern aber oft die Art der Arbeit.

Sechstens: Koppeln Sie jede Intensitätszahl an eine Qualitätsfrage. Mehr Tokens sind nicht automatisch besser. Fragen Sie: Wurden Aufgaben erledigt? Wurden Ergebnisse geprüft? Wurde nachgearbeitet? Ohne diese Gegenprobe optimieren Sie am Ende auf Verbrauch, und der Anbieter freut sich.

Und siebtens, ganz praktisch: Reden Sie mit den Menschen. Fähigkeiten und Vertrauen der Beschäftigten nennt OpenAI als Bedingung. Das lässt sich nicht aus Logs lesen. Fragen Sie, wo Agenten genutzt werden, wo nicht und warum. Die Antworten sind oft unbequemer als jedes Dashboard.

Wir bei digital-magazin.de halten diese Reihenfolge für belastbarer als jede Lizenzquote. Sie ist kein Standard, sondern ein Vorschlag. Passen Sie ihn an.

Was die Daten nicht zeigen

Ein Artikel, der Intensität einfordert, sollte bei den eigenen Aussagen genau sein. Deshalb eine Liste dessen, was die Quelle nicht sagt.

Die Stichprobengröße fehlt. Wir wissen nicht, wie viele Firmen oder Accounts der Bericht erfasst. Ohne diese Größe bleibt unklar, wie stabil Länderwerte wie 22 % und 85 % sind.

Absolute Nutzerzahlen fehlen. Das Wachstum um mehr als das Achtfache bei den KMU hat kein sichtbares Fundament. Wir kennen die Veränderung, nicht den Stand.

Länderwerte jenseits von Slowenien und Litauen fehlen. Die Spanne ist bekannt, die Verteilung dazwischen nicht. Einen Deutschland-Wert gibt es nicht.

Produktivitätseffekte fehlen. Der Bericht misst Nutzung, nicht Wirkung. Ob die Frontier-Firmen besser, schneller oder profitabler arbeiten, steht nicht drin.

Die Methodik zur Messung von „typisch“ fehlt. Das ist für den Vergleich mit dem Mehr-als-Vierfachen zentral.

Der Vergleichswert zum 10-Prozent-Anteil fehlt. OpenAI nennt für den höheren Anteil der EU an registrierten Unternehmen keinen Wert.

Details zu den unterschiedlichen Arbeitsarten je Land fehlen. Dass sie sich unterscheiden, steht im Bericht. Wie, nicht.

Und der grundsätzliche Vorbehalt: Es ist OpenAI-Eigenforschung über die eigene Kundschaft. Sie bildet nicht Europa ab, sondern die Teile Europas, die OpenAI-Produkte kaufen. Kundschaft, die schon Enterprise- oder Business-Accounts hat, ist vermutlich weiter als der Durchschnitt der Unternehmen. Das ist eine Vermutung von mir. Die Quelle sagt es nicht.

Was folgt daraus für meine These? Sie hängt nicht an einer einzelnen Zahl. Sie hängt an der Beobachtung, dass selbst innerhalb dieser Kundschaft die Intensität stark streut. Wenn schon dort Breite und Tiefe auseinanderfallen, dann ist die Annahme, Lizenzen seien ein brauchbarer Ersatz für Nutzung, schwer zu halten. Das gilt auch dann, wenn die konkreten Zahlen anderswo anders ausfielen.

Häufige Fragen

Wie definiert OpenAI Frontier-Firmen?

Als die oberen 10 % der Firmen nach Output-Tokens pro aktivem Nutzer. Die Stichprobe besteht nur aus ChatGPT-Enterprise- und Business-Accounts. Diese 10 % sind eine Definition und nicht zu verwechseln mit dem Befund, dass EU-Firmen nur 10 % der Frontier-Firmen weltweit stellen.

Wie stark ist die Nutzung von Codex und ChatGPT Work in der EU gewachsen?

Bei EU-KMU ist die Zahl der wöchentlich aktiven Nutzenden seit Mai 2026 mehr als achtfach gestiegen, mit Wachstum in jedem Mitgliedstaat. KMU sind bei OpenAI Unternehmen mit 200 oder weniger zugehörigen Nutzenden. Absolute Zahlen nennt die Quelle nicht.

Wie unterscheiden sich die Länder bei der Nutzung?

Unter den Enterprise-Accounts der Stichprobe reichte der Anteil der Output-Tokens über Codex und ChatGPT Work von 22 % in Slowenien bis 85 % in Litauen. Werte für andere Länder, auch für Deutschland, nennt die Quelle nicht. Dass sich die Art der Arbeit je Land unterscheidet, steht im Bericht, Details fehlen.

Wie groß ist der Abstand zwischen EU-Firmen und dem Rest der Welt?

Im September erzeugten EU-Frontier-Firmen mehr als viermal so viele Output-Tokens pro aktivem Nutzer wie typische EU-Firmen. Frontier-Firmen außerhalb der EU erzeugten mehr als doppelt so viele wie EU-Frontier-Firmen. Beide Werte beruhen auf Enterprise- und Business-Accounts und haben verschiedene Vergleichsgruppen.