Deep Dive · Länder & Ökosystem

Der globale Wettlauf

Global AI Race

Das Ranking

Wer führt im globalen AI-Rennen? Acht Nationen, fünf Indikatoren.

01
USA
97 /100
Compute
98
Talent
95
Papers
92
Funding
99
Labs
98
Top LabsOpenAIAnthropicGoogle DeepMind
Uneinholbar bei Frontier-Compute, Kapital und Talenten. 5 der 6 führenden Labs.
02
China
78 /100
Compute
72
Talent
85
Papers
95
Funding
82
Labs
78
Top LabsDeepSeekZ.ai (Zhipu)Baidu ERNIE
Führt bei Papers. Holt rasant bei Open-Source-Models auf (DeepSeek R1, GLM-5). Huawei Ascend reduziert Compute-Gap.
03
UK
62 /100
Compute
55
Talent
82
Papers
78
Funding
58
Labs
68
Top LabsDeepMind (Google)Isomorphic LabsPolyAI
DeepMind-Hauptsitz. AISI führend bei Governance. Isomorphic Labs ($600M, Hassabis) Pharma-Pionier.
04
EU
54 /100
Compute
42
Talent
72
Papers
68
Funding
38
Labs
58
Top LabsMistral (FR)DeepL (DE)Aleph Alpha (DE)
Starke Grundlagenforschung, schwache Skalierung. AI Act setzt Standards, hemmt aber Investitionen. Frankreich mit Mistral der stärkste Einzelstandort.
05
Kanada
52 /100
Compute
42
Talent
78
Papers
72
Funding
45
Labs
48
Top LabsCohereMILAVector Institute
Hinton (Toronto) und Bengio (MILA Montréal) — weltweit in Top-5 Talent-Pools. C$925M Compute-Fund 2025-26 erweitert Kapazität.
06
Südkorea
52 /100
Compute
48
Talent
68
Papers
58
Funding
55
Labs
45
Top LabsNaver HyperCLOVALG Exaone 4Upstage Solar Pro
Sovereign-AI-Strategie mit $735B-Initiative. Naver und LG mit eigenen Frontier-LLMs. Chip-Kapazität durch Samsung/SK Hynix.
07
Israel
42 /100
Compute
32
Talent
65
Papers
48
Funding
48
Labs
38
Top LabsAI21 LabsRun:aiD-ID
Überproportionale Startup-Dichte pro Kopf. Verteidigungs-KI global führend.
08
Japan
34 /100
Compute
35
Talent
42
Papers
35
Funding
28
Labs
30
Top LabsSakana AIPreferred NetworksNTT AI
Stark in Robotik-KI und Embodied-AI. Struggles bei LLM-Frontier.
09
Deutschland
32 /100
Compute
28
Talent
55
Papers
48
Funding
22
Labs
25
Top LabsAleph AlphaDeepLFraunhofer
Innerhalb EU der stärkste Einzelstandort. Industrie-KI und Sprachtechnologie-Fokus.

MethodikWie kommt der Länder-Score zustande?Formel, Gewichtungen, Quellen.

Formel

overall = 0.30·Compute + 0.25·Talent + 0.20·Papers + 0.15·Funding + 0.10·Labs

Gewichtung & was sie misst

Compute (30%) — installierte Frontier-Trainings-FLOPs, Hyperscaler-Kapazität pro Land. Härtester Moat.
Talent (25%) — aktive AI-Forscher mit Top-Tier-Publications, gewichtet nach PhD-Output.
Papers (20%) — ArXiv-cs.AI-Volumen plus Citation-Index (Top-10%-Papers).
Funding (15%) — Venture- + staatliche AI-Investitionen in lokale Labs/Startups.
Labs (10%) — Anzahl aktiver Frontier-Labs mit Produkt-Release (SOTA oder nahe SOTA).

Primärquellen

Stanford AI Index 2026 — Compute, Talent, Papers-Daten
Tortoise Global AI Index — Länder-Gewichtungsreferenz
Epoch AI — Compute-Dimensionen, Trainings-FLOPs-Tracking

Update-Rhythmus: quartalsweise. Werte normalisiert auf 0–100 pro Indikator, dann gewichtet aggregiert.

Beziehungs-Graph

Wer hängt mit wem zusammen?

Eigentum, Investments, Partnerschaften, Rivalitäten — die Diagonalen zeigen, wo das eigentliche Spiel stattfindet.

Zwischen	Verbindung	Art
US → UK	Google → DeepMind (Ownership)	Ownership
US → EU	Microsoft → Mistral ($16M)	Investment
US → CA	OpenAI ↔ Cohere (Talent-Flow)	Partnership
US → IL	NVIDIA Mellanox-Akquise	Ownership
US → CN	Frontier-Rivalität	Rivalität
CN → KR	Hardware-Korridore (HBM)	Partnership
EU → DE	AI Act → DE-Compliance-Leitung	Partnership
CA → UK	DeepMind ↔ MILA Forschung	Partnership
JP → US	SoftBank → OpenAI ($30B)	Investment
KR → US	Samsung HBM → NVIDIA	Partnership

US USA7 VerbindungenOpenAIAnthropicMeta AIxAIGoogle
CN China2 VerbindungenDeepSeekZ.aiQwenHunyuan
UK UK2 VerbindungenDeepMindIsomorphicWayve
EU EU2 VerbindungenMistralDeepLAleph AlphaSilo AI
CA Kanada2 VerbindungenCohereMILAVector
KR Südkorea2 VerbindungenNaverLGUpstage
IL Israel1 VerbindungAI21Run:ai
JP Japan1 VerbindungSakanaPreferredNTT AI
DE Deutschland1 VerbindungAleph AlphaDeepLFraunhofer

Das Ökosystem

Wer baut die Zukunft?

Vier Welten, ein Ziel. Jeder Akteur bewertet nach AGI-Relevanz (0–10), mit Live-News-Verbindung wo möglich.

06 Akteure

Frontier Labs

Die führenden KI-Forschungslabore der Welt

OpenAI
AGI-Relevanz 10 /10
San Francisco · seit 2015
Entwickler von GPT-5.5 Pro, o-Serie und Sora. Pionier der kommerziellen KI.
Warum relevantGPT-5.5 Pro (April 2026) führt Terminal-Bench 2.0 (82.7%) und FrontierMath Tier 4 (35.4%) an. o-Modelle etablierten das Reasoning-Paradigma, das die ganze Industrie übernommen hat.
GPT-5.5 ProGPT-5.5 InstantSora 2
openai.com
Anthropic
AGI-Relevanz 10 /10
San Francisco · seit 2021
Entwickler von Claude. Führend bei AI Safety und Constitutional AI.
Warum relevantClaude Opus 4.7 (April 2026) führt SWE-bench Verified mit 87.6% an — fast 7 Punkte über Opus 4.6. Project Glasswing (Claude Mythos) deutet einen weiteren Sprung an.
Claude Opus 4.7Claude CodeMythos
anthropic.com
Google DeepMind
AGI-Relevanz 10 /10
London · seit 2010
Googles KI-Forschungslabor. Hervorgegangen aus AlphaGo und AlphaFold.
Warum relevantGemini 3.1 Pro führt GPQA Diamond (94.3%) und ARC-AGI-2 (77.1%) an. Gemini 3 Deep Think erreicht 84.6% auf ARC-AGI-2 — nahe am Plateau. Gemini 3.5 Flash (I/O 2026) bringt agentische Performance des 3.1 Pro zu 40% des Preises bei 4× Speed; 3.5 Pro für Juni 2026 avisiert.
Gemini 3.1 ProGemini 3.5 FlashDeep ThinkAlphaFold 3
deepmind.google
Meta AI
AGI-Relevanz 8 /10
Menlo Park · seit 2013
Metas KI-Division mit proprietären und offenen Modellen.
Warum relevantLlama 4 Scout hat 10M Token Kontext — revolutionär für Enterprise-Workflows. Muse Spark ist Metas erstes proprietäres Frontier-Modell (52 AII Score).
Llama 4 ScoutMuse SparkMaverick
Verknüpfte MeldungMeta Llama 4 Scout mit 10M Token Kontext — Open Weight
ai.meta.com
Mistral AI
AGI-Relevanz 7 /10
Paris · seit 2023
Europas führendes KI-Lab aus Paris.
Warum relevantEinzige europäische Frontier-Alternative. Medium 3.5 (April 2026) faltet Chat, Reasoning und Code in ein einziges 128B-Modell. Strategisch wichtig für digitale Souveränität.
Mistral Medium 3.5Mistral Large 3Le Chat
mistral.ai
xAI
AGI-Relevanz 7 /10
Memphis · seit 2023
Elon Musks KI-Unternehmen.
Warum relevantGrok 4.20 Heavy (Februar 2026) verbindet 2M-Token-Kontext mit 16-Agent-Multi-Agent-System. 'Colossus 2' GPU-Cluster (200k+ H200) gehört zur größten Trainings-Infrastruktur weltweit.
Grok 4.20 HeavyColossus 2Grok Imagine
x.ai

05 Akteure

Open Source

Offene Modelle und Communities

DeepSeek
AGI-Relevanz 9 /10
Hangzhou · seit 2023
Chinesisches Lab mit Fokus auf kosteneffiziente Modelle.
Warum relevantDeepSeek V3.2 erreicht GPT-5-vergleichbare Performance zu 1/50 des Preises; die V3.2-Speciale-Variante zieht mit Gemini 3 Pro gleich. Zwingt westliche Labs zu Kostensenkungen.
DeepSeek V3.2V3.2-SpecialeCoder V2
deepseek.com
Z.ai (Zhipu)
AGI-Relevanz 8 /10
Peking · seit 2019
Chinesisches Open-Source-Lab, Nachfolger von Zhipu AI.
Warum relevantGLM-5 erreicht 77.8% auf SWE-bench — rund 10 Punkte hinter Claude Opus 4.7. Beweist: Open-Source schließt den Gap zu Closed-Source massiv.
GLM-5CogVLMCodeGeeX
z.ai
Alibaba (Qwen)
AGI-Relevanz 8 /10
Hangzhou · seit 2023
Alibabas Qwen-Team mit weltweit breitester Open-Weight-Modellfamilie.
Warum relevantQwen3.6 Plus (März 2026) erreicht mit 1M Kontext frontier-nahes Coding-Niveau (Terminal-Bench 61.6). Qwen3.6-27B übertrifft 397B-MoE-Modelle bei agentic Coding — dense Open-Weight bleibt konkurrenzfähig.
Qwen3.6 PlusQwen3.6-27BQwen3.6-35B-A3B
Verknüpfte MeldungAlibaba Qwen3.6 Plus: 1M Kontext, Terminal-Bench 61.6
qwen.ai
Hugging Face
AGI-Relevanz 7 /10
New York · seit 2016
Zentrale Plattform für Open-Source-KI.
Warum relevantHostet 2M+ Modelle. Ohne Hugging Face würde die Open-Source-KI-Szene in dieser Geschwindigkeit nicht existieren. Infrastruktur für globale Demokratisierung.
TransformersHubInference Endpoints
huggingface.co
Gemma (Google)
AGI-Relevanz 6 /10
Mountain View · seit 2024
Googles Open-Weight-Modellfamilie.
Warum relevantGemma 4 (April 2026) mit 4 Varianten bis 31B Parameter, Apache 2.0 Lizenz. Zeigt: Auch BigTech setzt auf Open-Source als Strategie.
Gemma 4Gemma 3CodeGemma
ai.google.dev/gemma

03 Akteure

Hardware

Die Chips hinter der KI-Revolution

NVIDIA
AGI-Relevanz 10 /10
Santa Clara · seit 1993
Dominanter Hersteller von KI-Beschleunigern.
Warum relevantBlackwell B200 und B300 treiben 85%+ aller Frontier-Trainings an. Rubin-Architektur kommt Ende 2026. Ohne NVIDIA keine moderne KI — Position bleibt strukturell.
Blackwell B300H200Rubin (2026)
nvidia.com
AMD
AGI-Relevanz 6 /10
Santa Clara · seit 1969
Wachsender Konkurrent im KI-Chip-Markt.
Warum relevantInstinct MI350X konkurriert ernsthaft mit NVIDIA Blackwell. Wichtig gegen Monopolrisiko — Big Tech nutzt AMD als Hedge.
Instinct MI350XROCm 7
amd.com
Groq
AGI-Relevanz 6 /10
Mountain View · seit 2016
Entwickler der Language Processing Unit.
Warum relevantLPU erreicht >2000 Tokens/Sek bei LLM-Inferenz — 15x schneller als GPUs. Macht Echtzeit-Agenten und Voice-AI wirtschaftlich.
LPU v2GroqCloud
groq.com

03 Akteure

Anwendungen

KI-Produkte für Endnutzer

ChatGPT
AGI-Relevanz 8 /10
San Francisco · seit 2022
Die meistgenutzte KI-Anwendung der Welt.
Warum relevant900M+ wöchentliche Nutzer (Q4 2025). Operator-Mode führt Browser-Tasks autonom aus. Default-Modell ist seit Mai 2026 GPT-5.5 Instant — kürzere, korrektere Antworten. Jede Interaktion generiert Trainingssignal für die nächste Generation.
ChatGPT ProOperatorGPTs
chat.openai.com
Claude
AGI-Relevanz 9 /10
San Francisco · seit 2023
Anthropics KI-Assistent — Coding-Marktführer.
Warum relevantClaude Code ist de-facto-Standard für KI-gestützte Entwicklung. Opus 4.7 mit 1M Token Kontext und hochauflösendem Vision-Support (3.75 MP) — dominiert im Enterprise-Segment.
Claude.aiClaude CodeArtifacts
claude.ai
Perplexity
AGI-Relevanz 7 /10
San Francisco · seit 2022
KI-gestützte Suchmaschine mit Agent-Modus.
Warum relevantComet-Browser mit vollem Agent-Mode ersetzt Google-Workflow. Deep Research führt mehrstündige Recherchen autonom aus.
CometDeep ResearchSpaces
perplexity.ai

Zur Bewertungslogik

AGI-Relevanz 0–10 gewichtet Fortschritt auf Reasoning-Benchmarks, Compute-Zugriff, Open-Source-Impact und Marktmacht. 9–10 = strukturell unverzichtbar · 7–8 = stark wegweisend · 5–6 = relevanter Mitspieler · <5 = spezialisiert