Fastly hat ein schnelles Wachstum des KI-Traffics in unserem Netzwerk beobachtet. Von Januar bis Mai 2026 sind die KI-Anfragen auf unserer Plattform um etwa 30 % gestiegen, also etwa 6,5-mal schneller als der menschliche Traffic im gleichen Zeitraum. Das Wachstum potenziert sich rasch, und im Internetmaßstab kann dies zu Milliarden zusätzlicher automatisierter Anfragen führen.
Bei genauerer Betrachtung der Daten auf unserer Plattform stellen wir fest, dass der autonome Maschine-zu-Maschine-Traffic fast die Hälfte aller Internetanfragen ausmacht, darunter Crawler, Bots, Agenten, API-gesteuerte Systeme und andere maschinengesteuerte Interaktionen. Maschinen verhalten sich anders, sowohl hinsichtlich des Volumens als auch der Geschwindigkeit. Sie können innerhalb von Sekunden Informationen auffinden, abfragen, vergleichen und handeln, was die Anforderungen an Sichtbarkeit, Relevanz und langfristige Wettbewerbsfähigkeit erhöht.
Die neue Realität des KI-Traffics
KI-Traffic ist kein einzelner Workload, sondern besteht aus zwei sehr unterschiedlichen Kategorien: KI-Crawler und KI-Fetcher.
KI-Crawler sind zeitplanbasierte, auf große Datenmengen ausgerichtete Crawler, die das offene Internet systematisch durchsuchen, um Trainingskorpora für Large Language Models zusammenzustellen. Sie verhalten sich ähnlich wie traditionelle Suchmaschinen-Crawler und durchsuchen kontinuierlich das Web.
KI-Fetcher weisen auf ein neues Muster hin: Agenten, die im Namen der Nutzer handeln. Im Gegensatz zu Crawlern sind Fetcher typischerweise an eine unmittelbarere Anfrage gebunden. Sie rufen Informationen ab, um eine Frage zu beantworten, Optionen zu vergleichen, die Verfügbarkeit zu prüfen, Inhalte zusammenzufassen, Fakten zu überprüfen oder eine Transaktion abzuwickeln.
Fetcher arbeiten nicht nach einem festen Zeitplan. Ihr Volumen folgt dem Workload der Agenten und die Adoption der KI-Assistenten. Je mehr Agenten im Namen der Nutzer tätig sind, desto mehr Traffic wird generiert. Wir erwarten, dass mehr Traffic durch Nutzer generiert wird, die Prompts in ChatGPT, Gemini und Claude eingeben. Da Fetcher gezielter und absichtsgesteuerter sind als allgemeine Crawler, erfordern diese unterschiedlichen Maschinen-Traffic-Modelle völlig andere geschäftliche Entscheidungen.
Ein Teil des KI-Traffic wächst bemerkenswert schnell: Wir verzeichnen ein massives Wachstum des Claude-Traffics, mit einem Wachstum von mehr als 555 % gegenüber dem Ausgangswert vom Januar.
Insgesamt entfielen im Mai 2026 85 % der Anfragen von KI-Bots im Fastly-Netzwerk auf Crawler und 15 % auf Fetcher.
KI-Traffic verhält sich anders als Menschen
Der menschliche Traffic ist episodisch. Er richtet sich nach Zeitzonen, Werktagen, Wochenenden, Gewohnheiten und Absichten. Der Traffic von KI-Crawlern ist weitaus weniger an diese traditionellen Muster gebunden. Unsere Plattformdaten zeigen, dass die Aktivität von KI-Crawlern über den gesamten 24-Stunden-Zyklus hinweg relativ konstant bleibt. Diese Systeme schlafen nicht, machen keine Pause und warten nicht bis zum Morgen. Sie erfassen, verarbeiten und synchronisieren kontinuierlich Informationen über verschiedene geografische Regionen und Zeitzonen hinweg. KI-Systeme können in Maschinengeschwindigkeit entdecken, Anfragen stellen, vergleichen und handeln und Unternehmen so in eine deutlich stärker auf Echtzeit ausgerichtete Wirtschaft integrieren.
Das Fetcher-Muster ist genauso wichtig. KI-Fetcher scheinen dem menschlichen Rhythmus näher zu kommen, da sie oft an Nutzeraktionen gebunden sind: eine Person, die eine Frage stellt, Optionen vergleicht, die Verfügbarkeit prüft oder versucht, eine Aufgabe zu erledigen. Damit sind sie zwar automatisiert, aber nicht von der menschlichen Absicht losgelöst.
Diese Entwicklung lässt eine neue Betriebsebene im Internet entstehen: stets aktive, automatisierte und zunehmend intelligente Agenten. Diese Ebene existiert parallel zu menschlichen Aktivitäten und schafft ein zweites Traffic-Modell, das sich anders verhält, anders skaliert und die Infrastruktur anders belastet.
KI-Traffic erfordert eine intelligente Bereitstellungsstrategie
KI-Systeme führen ein neues Muster ein. Unsere Daten aus dem globalen Netzwerk, die auf Zahlen vom Mai 2026 basieren, zeigen, dass bei weniger als 9 % der Nutzeranfragen eine Rückleitung zur Ursprungsinfrastruktur erforderlich ist. Im Gegensatz dazu müssen wir bei mehr als 51 % der automatisierten KI-Anfragen die Daten direkt von den Ursprungsservern abrufen, anstatt lediglich zwischengespeicherte Inhalte bereitzustellen. Das bedeutet, dass KI-Workloads bei jeder einzelnen Anfrage mehr als sechsmal so häufig mit der Ursprungsinfrastruktur interagieren wie menschliche Nutzer.
KI-Traffic sucht häufig nach dem, was sich geändert hat: aktueller Lagerbestand, Echtzeitpreise, aktuelle Artikel, neue Produktdaten, aktualisierte Richtlinien, neue Verfügbarkeiten, überarbeitete Dokumentationen und Echtzeit-Kontext. KI-Systeme nutzen das Internet als Live-Datenquelle.
Zusammengenommen zeigen diese Muster, dass der KI-Traffic die Anforderungen von Unternehmen an die Webinfrastruktur verändert. Sie müssen Daten, die zwischengespeichert werden können, effizient bereitstellen, Daten, die aktuelle Daten benötigen, intelligent weiterleiten und die Ursprungsinfrastruktur schützen, wenn automatisierte Systeme Live-Informationen in Maschinengeschwindigkeit anfordern.
Der nächste Schritt
Zwar lassen die Daten einen massiven architektonischen Wandel erkennen, doch Zahlen erzählen nur die halbe Geschichte. Die eigentliche Herausforderung besteht darin, zu entscheiden, wie Ihr Unternehmen auf diesen Anstieg reagiert.
Im zweiten Teil dieser Reihe erläutert unsere CMO Joan Jenkins die geschäftlichen Auswirkungen dieser Daten und skizziert die erforderliche Strategie, um maschinelle Risiken in einen Wettbewerbsvorteil zu verwandeln.
Methodik
Die in diesem Bericht analysierten Daten umfassen die globale Infrastruktur von Fastly vom 1. Januar bis zum 31. Mai 2026. Um organische Traffic-Trends von der Kundenakquise oder Traffic-Verlagerungen zu trennen, basieren die netzwerkweiten Kennzahlen auf einer festen Kundenkohorte mit ausgewählten Ausschlüssen. Dadurch soll verhindert werden, dass vereinzelte bekannte Anstiege des Maschine-zu-Maschine-Traffics den Bot-Traffic überschätzen oder die allgemeinen Grundwerte des Netzwerks verzerren.
Der KI-Traffic wurde mithilfe der Edge-Erkennungssignale von Fastly klassifiziert. Der Zeitreihen-Wachstumsmetriken-Index setzt die täglichen Anfragevolumina in Relation zu einem Basisdurchschnittswert vom Januar 2026. Dabei wird ein gleitender 30-Tage-Durchschnitt verwendet, um die wöchentliche Standardzyklizität zu unterdrücken. Schließlich messen Origin-Reach-Berechnungen den Anteil der Anfragen, die direkt an die Origin-Infrastruktur weitergeleitet werden, indem das Anfragevolumen strikt anhand der Dimension der Antwortquelle bewertet wird.