Der Million Club — Jede AI-Forschungs- & Data-Science-Plattform nach echtem Traffic gerankt

Das vollständige Ranking

Hier sind alle 42 AI-Forschungs- und Data-Science-Plattformen nach monatlichem Traffic gerankt. Dies ist das heterogenste Ranking der Serie — Forschungslabore stehen neben Data-Labeling-Marktplätzen, Cloud-Plattformen neben akademischen Paper-Review-Seiten. Was sie vereint, ist ihre Rolle in der AI-Lieferkette: Modelle bauen, trainieren, evaluieren oder die Infrastruktur für deren Bereitstellung liefern. 29 von 42 bieten kostenlosen Zugang.

Die Forschungsgiganten

Die Forschungslabore auf dieser Liste sind die Organisationen, die tatsächlich die AI erfinden, auf der jedes andere Million-Club-Tool aufbaut. Ihr Traffic verrät etwas über das öffentliche Interesse an AI selbst — nicht als Produkt zur Nutzung, sondern als Technologie zum Verstehen.

Google dominiert durch schiere Fragmentierung: labs.google mit 34,22 Millionen (AI-Experimente und Demos), deepmind.google mit 6,41 Millionen (Grundlagenforschung), ai.google mit 2,7 Millionen (der offizielle AI-Hub) und research.google mit 1,56 Millionen (veröffentlichte Forschung). Zusammen: 44,89 Millionen monatliche Besucher über vier Domains. Das ist mehr als Anthropic, Mistral und xAI zusammen — was Googles einzigartige Position als sowohl größte AI-Forschungsorganisation als auch als Unternehmen mit den meisten öffentlich zugänglichen Forschungseigenschaften widerspiegelt.

xAI ist mit 32,83 Millionen die Überraschung dieses Rankings. Elon Musks AI-Unternehmen hat enormen Traffic auf seiner Unternehmensseite generiert — getrieben durch die Sichtbarkeit von Grok und den ständigen Nachrichtenzyklus um xAIs Finanzierung, Rechenausbau und Modellveröffentlichungen. Dies ist Traffic auf der Unternehmensseite, kein Produkt-Traffic (Groks Nutzung taucht im Chatbot-Ranking auf), aber 33 Millionen Besucher auf einer Firmen-Homepage sind außergewöhnlich für ein Forschungslabor.

Die chinesischen AI-Labore

Das chinesische AI-Forschungsökosystem ist mit sieben Einträgen auf dieser Liste vertreten — und ihr kombinierter Traffic erzählt eine Geschichte schneller, paralleler Entwicklung, die die westliche Berichterstattung konsequent unterschätzt.

Qwen führt mit 32,76 Millionen — Alibabas Open-Weight-Modellfamilie, die zur Grundlage für unzählige chinesische AI-Anwendungen geworden ist. Zusammen mit Alibaba Cloud (aliyun.com) mit 29,05 Millionen kommt das Alibaba-AI-Ökosystem auf über 61 Millionen Besucher. Qwens Traffic spiegelt etwas Spezifisches wider: Es ist das beliebteste Basismodell für Fine-Tuning im chinesischen Entwickler-Ökosystem, so wie Llama im Westen. Entwickler besuchen qwen.ai für Modelldownloads, Dokumentation und Benchmarks.

Die Dateninfrastruktur

Die Dateninfrastruktur-Ebene dieses Rankings enthält die Plattformen, auf denen AI-Modelle tatsächlich in großem Maßstab bereitgestellt, trainiert und betrieben werden. Dies sind die Unternehmen, die im AI-Goldrausch die Schaufeln verkaufen — und ihr Traffic zeigt, welche Plattformen Unternehmen wählen.

SAPs AI-Präsenz ist die größte Überraschung auf dieser Liste. ondemand.com mit 38,87 Millionen plus cloud.sap mit 14,27 Millionen verschafft SAP zusammen 53,14 Millionen Besucher — und macht es damit zur trafficstärksten Entität in diesem gesamten Ranking. SAP ist nicht als AI-Unternehmen bekannt, aber seine Business Technology Platform integriert AI tief in die Unternehmensabläufe von Tausenden von Fortune-500-Unternehmen. Der Traffic kommt von Unternehmensnutzern, die auf AI-gestützte Anwendungen zugreifen, nicht von Entwicklern, die mit Modellen experimentieren.

Snowflake mit 4,75 Millionen plus snowflakecomputing.com mit 2,21 Millionen kommt auf insgesamt 6,96 Millionen. Snowflakes AI-Strategie konzentriert sich auf Cortex — Machine Learning direkt in das Data Warehouse zu bringen, wo die Unternehmensdaten bereits liegen. Der Pitch: Bewegen Sie Ihre Daten nicht zu einer AI-Plattform; bringen Sie AI zu Ihren Daten. Databricks konkurriert mit 4,29 Millionen direkt mit einer einheitlichen Analyseplattform, die Data Engineering, Data Science und AI-Modelltraining in einer einzigen Lakehouse-Architektur vereint.

Die Analysetools runden die Infrastrukturebene ab: Domo bietet mit 1,33 Millionen AI-gestützte Business Intelligence, und Amplitude fügt mit 1,22 Millionen AI zur Produktanalyse hinzu — Vorhersage von Nutzerverhalten und Identifizierung von Mustern in der Interaktion mit digitalen Produkten. Axon handhabt mit 2,47 Millionen Unternehmensdatenmanagement mit AI-Integration.

Die Data-Labeling-Ökonomie

Jedes AI-Modell auf der Erde wurde mit Daten trainiert, die Menschen gelabelt haben. Der Text, von dem ChatGPT gelernt hat, die Bilder, mit denen Midjourney trainiert wurde, die Codebeispiele, die Copilot verinnerlicht hat — all das wurde von Menschen kuratiert, annotiert, bewertet oder korrigiert, die auf den Plattformen dieser Liste arbeiten. Data Labeling ist die unsichtbare menschliche Arbeit, die AI möglich macht.

Outlier führt die Kategorie mit 21 Millionen monatlichen Besuchern an — und sein Traffic erzählt eine bemerkenswerte Geschichte. Einundzwanzig Millionen Besucher auf einer Datenanalyse- und Annotationsplattform, von der die meisten AI-Nutzer noch nie gehört haben. Dies ist Traffic von den Hunderttausenden von Arbeitern, die sich täglich einloggen, um Daten zu labeln, AI-Outputs zu bewerten und das menschliche Feedback zu liefern, das RLHF (Reinforcement Learning from Human Feedback) funktionieren lässt. Wenn Sie hören, dass ein AI-Modell "aligned" oder "fine-tuned" wurde, kam die Ausrichtung von Menschen, die auf Plattformen wie Outlier arbeiten.

Prolific bedient mit 13,32 Millionen eine andere Nische: akademische und forschungsbezogene Datenerhebung. Wo Outlier sich auf AI-Trainingsdaten im großen Maßstab konzentriert, verbindet Prolific Forscher mit demografisch diversen Teilnehmern für Studien, Umfragen und Verhaltensexperimente. Es ist die Plattform, die einen Großteil der akademischen AI-Sicherheits- und Ausrichtungsforschung antreibt — und ihre 13 Millionen Besucher spiegeln sowohl den Umfang der AI-Forschung als auch die wachsende Nachfrage nach hochwertigen menschlichen Daten wider.

Die Benchmarks & Bestenlisten

Woher wissen Sie, welches AI-Modell das beste ist? Sie prüfen einen Benchmark. Die Benchmark- und Leaderboard-Plattformen auf dieser Liste sind zu den Schiedsrichtern für AI-Qualität geworden — und ihr Traffic zeigt, wie stark die AI-Community auf vergleichende Evaluation angewiesen ist.

LMSys Arena ist mit 25,33 Millionen die einflussreichste AI-Evaluationsplattform der Welt. Ihre "Chatbot Arena" nutzt blinde Kopf-an-Kopf-Vergleiche — Nutzer chatten mit zwei anonymen Modellen und wählen die bessere Antwort —, um Elo-Ratings zu generieren, die die gesamte Branche als Ground Truth behandelt. Wenn ein neues Modell behauptet, "State-of-the-Art" zu sein, ist die erste Frage immer: Wie hoch ist sein Arena-Score? 25 Millionen Besucher bedeuten, dass Hunderttausende von Menschen jeden Monat aktiv an der Modellevaluation teilnehmen.

OpenRouter erfüllt mit 8,58 Millionen eine Doppelrolle: Es ist sowohl eine Modell-Routing-Plattform (die Entwicklern über eine einzige API Zugriff auf mehrere AI-Modelle gibt) als auch ein Community-getriebenes Ranking-System, bei dem Nutzungsmuster zeigen, welche Modelle Entwickler tatsächlich bevorzugen. Der Traffic spiegelt sowohl den praktischen Nutzen als auch das vergleichende Interesse wider — Entwickler kommen, um Modelle zu nutzen, und bleiben, um sie zu vergleichen.

Auch die AI-Medien- und Community-Plattformen tragen zum Forschungsdiskurs bei: Towards Data Science bietet mit 1,28 Millionen zugängliche technische Texte über AI und Data Science, während Analytics Vidhya mit 1,01 Millionen die breitere Data-Science-Lerngemeinschaft mit Tutorials, Wettbewerben und Karriereressourcen bedient.

Navigation durch die AI-Forschung

Dies ist die vielfältigste Kategorie im Million Club. Egal, ob Sie Forscher, Entwickler, Investor oder einfach nur neugierig auf AI sind, verschiedene Tools auf dieser Liste dienen unterschiedlichen Zwecken. Hier erfahren Sie, wie Sie sich orientieren können.

Mein persönlicher Workflow: LMSys Arena und Artificial Analysis, um zu verfolgen, welche Modelle nutzenswert sind, OpenReview, um zu verfolgen, was als Nächstes in der Forschung kommt, und Towards Data Science für verdauliche Erklärungen von Papern, für deren vollständiges Lesen mir die Zeit fehlt. Für jeden, der AI ernsthaft verfolgt, decken diese drei Quellen 80% dessen ab, was zählt.

Methodik und Datenquelle

Alle Traffic-Zahlen stammen von SimilarWeb und spiegeln die Schätzungen vom Dezember 2025 wider.

Dieses Ranking umfasst 42 Plattformen — mittelgroß für die Million-Club-Serie. Die Kategorie ist von Natur aus schwerer zu definieren als "Chatbots" oder "Bildgeneratoren", da Forschung und Data Science ein breites Spektrum an Funktionen abdecken. Ich habe Plattformen aufgenommen, bei denen es primär um das Erstellen, Trainieren, Evaluieren oder Verstehen von AI geht — nicht um die Nutzung von AI als fertiges Produkt (diese erscheinen in anderen Rankings).

Vier Einträge fallen unter 1 Million Besucher: Design Arena mit 798,65K, Stability AI mit 682,27K, Zhipu AI mit 538K und Moonshot AI mit 499,08K. Ich habe sie aufgenommen, weil ihr Einfluss auf das AI-Ökosystem weit über das hinausgeht, was ihr Traffic vermuten lässt. Stability AI schuf Stable Diffusion. Zhipu AI baute ChatGLM. Moonshot AI entwickelte Kimi. Design Arena ist Vorreiter bei der visuellen AI-Evaluation. Traffic und Einfluss korrelieren nicht immer — besonders bei Forschungslaboren.

Multi-Domain-Entitäten tauchen häufig auf: Google über vier Domains (~45M kombiniert), SAP über zwei (~53M), Alibaba über zwei (~62M), Snowflake über zwei (~7M), MiniMax über zwei (~6,6M), iFlytek über zwei (~2,2M) und Zhipu AI über zwei (~2,2M). Jede Domain wird separat aufgeführt, da SimilarWeb sie unabhängig trackt.

Das Verhältnis der kostenlosen Tiers beträgt 29 von 42 (69%) — höher als in der Kategorie Business & Marketing, aber niedriger als bei Consumer-AI-Tools. Viele Forschungsressourcen sind von Natur aus kostenlos (Paper, Benchmarks, Experimente), während Unternehmens-Dateninfrastruktur typischerweise kostenpflichtigen Zugang erfordert.