{"id":23651,"date":"2026-09-07T07:41:13","date_gmt":"2026-09-07T07:41:13","guid":{"rendered":"https:\/\/www.valuedesk.de\/?page_id=23651"},"modified":"2026-09-11T07:03:42","modified_gmt":"2026-09-11T07:03:42","slug":"02-valueinsider-12-monate-achterbahn-im-ai-markt","status":"publish","type":"page","link":"https:\/\/www.valuedesk.de\/en\/ressourcen\/publikationen\/02-valueinsider-12-monate-achterbahn-im-ai-markt\/","title":{"rendered":"02# ValueInsider \/ 12 Monate, Achterbahn im Ai-Markt"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

12 MONATE, ACHTERBAHN IM AI-MARKT<\/h1>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Wie aus dem Rennen um das beste Modell ein Wettlauf um Rechenleistung, Kapital, Talente und Wertsch\u00f6pfung wurde<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

02# Value Insider<\/p><\/div><\/div><\/div><\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

INTRO<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

August 2025 bis August 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Im August 2025 lie\u00df sich der AI-Markt noch einfach erz\u00e4hlen: OpenAI, Google, Anthropic und andere ver\u00f6ffentlichten im Kurztakt neue Modelle, und wer beobachtete, fragte vor allem: Welches Modell liegt gerade vorn? Zw\u00f6lf Monate sp\u00e4ter ist diese Perspektive zu klein geworden.<\/p>

Das Modell bleibt wichtig, doch um es herum ist eine Industrie entstanden, deren Dynamik ebenso entscheidend ist: Hyperscaler investieren dreistellige Milliardenbetr\u00e4ge, Chipanbieter werden zu Investoren ihrer gr\u00f6\u00dften Kunden, und Agenten erhalten zunehmend Zugriff auf Werkzeuge und Unternehmenssysteme mit neuen Sicherheitsfragen im Gefolge. Die Gr\u00f6\u00dfenordnung ist schwer zu \u00fcbersehen: Laut Stanford AI-Index erreichten die weltweiten Unternehmensinvestitionen in AI 2025 rund 581,7 Milliarden US-Dollar, 130 Prozent mehr als im Vorjahr. 88 Prozent der Organisationen setzten AI bereits ein, im Gegensatz dazu kamen autonome Agenten fast \u00fcberall nur im einstelligen Prozentbereich zum Einsatz.<\/p>

Genau diese L\u00fccke beschreibt den Markt im Sommer 2026 gut: Die Technologie entwickelt sich schneller als ihre organisatorische Integration. Der Wettbewerb l\u00e4uft l\u00e4ngst nicht mehr nur um das beste Modell, sondern um Kapital, Rechenleistung, Talente und Daten.\u00a0Den Boden daf\u00fcr hatte DeepSeek-R1 Anfang 2025 bereitet: Spitzenleistung musste weder aus den gr\u00f6\u00dften US-Laboren kommen noch an ein geschlossenes Modell gebunden sein. Effizienz wurde pl\u00f6tzlich so wichtig wie absolute Leistung.<\/p>

Mit dieser Ausgangslage beginnt unser Zw\u00f6lfmonatsfenster.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

DAS MODELL VERSCHWINDET HINTER DEM SYSTEM<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

August 2025<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Der 5. und 7. August 2025 markieren einen guten Ausgangspunkt: Zuerst ver\u00f6ffentlichte OpenAI mit gpt-oss-120b und gpt-oss-20b die ersten Open-Weight-Modelle seit GPT-2, zwei Tage sp\u00e4ter folgte GPT-5 mit einem gegens\u00e4tzlichen Versprechen: Einfachheit.<\/p>

GPT-5 kombinierte ein schnelles Modell f\u00fcr einfache Aufgaben mit einem tiefer schlussfolgernden Modell f\u00fcr komplexe Probleme. Ein Echtzeit-Router entschied je nach Aufgabe, welches Modell zum Einsatz kam.<\/p>

Damit beginnt eine Entwicklung, die f\u00fcr Unternehmen wichtiger ist als ein einzelner Modellname: Die Auswahl verschiebt sich vom Nutzer in die Architektur, mit dem entscheidenden Unterschied, dass das System jetzt selbst entscheidet, wie viel Rechenaufwand einer Aufgabe zugeteilt wird.<\/p>

Die strategische Frage lautet damit immer seltener \u203aWelches Modell ist das beste?\u2039, sondern \u203aWelche Aufgabe bekommt welches Modell und zu welchen Kosten?\u2039<\/p>

Aus Modellwahl wird Orchestrierung.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

INFOBOX: VIER BEGRIFFE IN 90 SEKUNDEN<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Open Weight:<\/strong> Die trainierten Modellgewichte sind verf\u00fcgbar und k\u00f6nnen auf eigener Infrastruktur betrieben werden – nicht automatisch gleichbedeutend mit vollst\u00e4ndig quelloffener Entwicklung.<\/p>

Routing:<\/strong> Ein System verteilt Anfragen automatisch auf unterschiedliche Modelle, um Leistung, Geschwindigkeit und Kosten auszubalancieren.<\/p>

Reasoning: <\/strong>Zus\u00e4tzliche Rechenschritte, mit denen ein Modell komplexe Aufgaben schrittweise verarbeitet. Das kann die Qualit\u00e4t erh\u00f6hen, aber auch Latenz und Kosten.<\/span><\/p>

Inferenz:<\/strong> Der laufende Betrieb eines trainierten Modells. Mit wachsender Nutzung wird nicht das Training, sondern der t\u00e4gliche Betrieb zum Kostenfaktor.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

DAS KAPITAL WIRD TEIL DER ARCHITEKTUR<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Herbst 2025 bis Fr\u00fchjahr 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Am 22. September 2025 k\u00fcndigten OpenAI und NVIDIA eine Partnerschaft von historischer Gr\u00f6\u00dfenordnung an: OpenAI will mindestens zehn Gigawatt AI-Rechenzentren mit NVIDIA-Systemen aufbauen, NVIDIA stellte im Gegenzug bis zu 100 Milliarden US-Dollar Investitionen in Aussicht.<\/p>

Sam Altman fasste die Logik der Vereinbarung in vier Worten zusammen: \u203aEverything starts with compute.\u2039 Dieser Satz trifft einen Kern der vergangenen zw\u00f6lf Monate: Modellfortschritt ist l\u00e4ngst auch eine Frage industrieller Kapazit\u00e4t \u2013 Rechenzentren, Strom und Chips bestimmen mit, wie schnell ein Anbieter wachsen kann.<\/p>

Noch interessanter ist, wie Kapital und Rechenleistung verkn\u00fcpft werden: Im November verpflichtete sich Anthropic zum Kauf von 30 Milliarden US-Dollar Azure-Rechenleistung, w\u00e4hrend Microsoft und NVIDIA im Gegenzug Investitionen von bis zu f\u00fcnf beziehungsweise zehn Milliarden US-Dollar in Anthropic ank\u00fcndigten.<\/p>

Im Februar 2026 folgte eine \u00e4hnlich zirkul\u00e4re Struktur zwischen Amazon und OpenAI: Amazon investierte 50 Milliarden US-Dollar, OpenAI verpflichtete sich im Gegenzug zu zwei Gigawatt Trainium-Kapazit\u00e4t auf AWS. Anthropic weitete seine AWS-Bindung im April auf \u00fcber 100 Milliarden US-Dollar aus.<\/p>

Ob darin bereits nachhaltige Wertsch\u00f6pfung entsteht oder vor allem die Erwartung k\u00fcnftiger Nachfrage eingepreist wird, vertiefen wir im Essay \u203aBillionen-Wette\u2039 in dieser Ausgabe. Die Internationale Energieagentur beziffert die Investitionen von nur f\u00fcnf gro\u00dfen Technologieunternehmen 2025 auf mehr als 400 Milliarden US-Dollar und f\u00fcr 2026 erwartet sie ein Plus von rund 75 Prozent.\u00a0<\/span><\/p>

Google rechnet 2026 mit Investitionen von 180 bis 190 Milliarden US-Dollar, ein Gro\u00dfteil davon in eigene Chips. Amazon sprach von rund 200 Milliarden US-Dollar; CEO Andy Jassy hob die Erwartung im Q2-Call auf rund 220 Milliarden US-Dollar an.<\/p>

Damit ist die \u00f6konomische Wette klar: Die Anbieter bauen die Fabriken der AI-\u00d6konomie heute mit der Erwartung, dass die Nachfrage von morgen gro\u00df genug ist.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

circular Vendor financing<\/h4>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Verdeckte Logik:<\/strong> Kapital flie\u00dft in die Modell-Anbieter \u2013 ein Teil wird \u00fcber langfristige Cloud-, Chip- oder Compute-Deals kompensiert. Die Nachfrage ist real, aber nicht unabh\u00e4ngig: Investoren, Lieferanten und Kunden sind vielfach dieselben Akteure. Das macht Wachstum kurzfristig planbarer, schaltet aber die normale Gegenkontrolle des Marktes weitgehend aus \u2013 f\u00e4llt ein Knoten aus, rei\u00dft er Kapitalgeber, Lieferanten und Kunden gleicherma\u00dfen mit.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

AUS DEM CHATBOT WIRD EIN ARBEITSSYSTEM<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Herbst 2025 bis Sommer 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Parallel zur Kapitalwelle ver\u00e4ndert sich, wof\u00fcr die Rechenleistung gebraucht wird: Im September 2025 positionierte Anthropic Claude Sonnet 4.5 ausdr\u00fccklich f\u00fcr Coding und langlaufende Agenten. Und auch andere Anbieter folgten.<\/span><\/p>

Ein klassischer Chatbot antwortet auf Anfragen; ein Agent verfolgt ein Ziel und f\u00fchrt daf\u00fcr mehrere Schritte selbstst\u00e4ndig aus. Aus \u203aFasse diese Rechnungen zusammen\u2039 kann so ein Prozess werden, der Rechnungen einliest, Abweichungen markiert und nur noch Entscheidungsf\u00e4lle einem Menschen vorlegt. Der Unterschied klingt klein, ist f\u00fcr Unternehmen aber fundamental: AI verl\u00e4sst das Textfenster und bewegt sich in den Prozess.<\/p>

Im Fr\u00fchjahr 2026 wird diese Verschiebung zum Produktversprechen: Google spricht auf seiner I\/O von der \u203aagentischen \u00c4ra\u2039 und meldet mehr als 3,2 Billiarden Token pro Monat \u2013 siebenmal so viele wie im Vorjahr. OpenAI richtet GPT-5.5 auf mehrstufige Wissensarbeit aus, im Juli folgt GPT-5.6 mit \u203amehr Intelligenz aus jedem Token\u2039.<\/p>

Sundar Pichai formulierte auf der I\/O 2026 eine n\u00fcchterne Erwartung: \u203aWe\u2019re now in the part of the AI cycle where people want to see the value in the products they use every day.\u2039 Nutzer wollen zunehmend sehen, welchen Mehrwert die t\u00e4glich genutzten Produkte wirklich bringen.<\/p>

Genau darin liegt die n\u00e4chste Reifestufe: 2024 ging es darum, ob generative AI \u00fcberhaupt beeindruckt; 2025, welches Modell gewinnt; 2026 wird entscheidend, ob daraus ein zuverl\u00e4ssiger, wirtschaftlicher Arbeitsablauf wird.<\/p>

Denn ein Modell kann brillant sein und trotzdem im Unternehmen scheitern: an schlechten Daten, fehlenden Berechtigungen oder zu hohen Kosten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

INFOBOX: WAS IST EIN AI-AGENT?<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Ein AI-Agent verbindet ein Modell mit einem Ziel, Daten und Werkzeugen. Er stoppt nicht zwingend nach einer Antwort, sondern f\u00fchrt mehrere Arbeitsschritte nacheinander aus. Je mehr Werkzeuge und Rechte ein Agent erh\u00e4lt, desto gr\u00f6\u00dfer sein m\u00f6glicher Nutzen und sein \u203aBlast Radius\u2039, der Schaden eines Sicherheitsproblems. Agenten sind deshalb immer auch ein Governance-Thema.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

\u203aMEHR GPU\u2039 IST NICHT L\u00c4NGER DIE EINZIGE ANTWORT<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Winter 2025 bis Sommer 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die Milliardeninvestitionen treffen auf einen Hardwaremarkt, der sich selbst gerade neu sortiert. NVIDIA-GPUs bleiben das R\u00fcckgrat vieler Frontier-Systeme: flexibel f\u00fcr Training wie Inferenz, mit reifem Software-\u00d6kosystem. Mit der Anfang 2026 vorgestellten Rubin-Plattform baut NVIDIA diesen Vorsprung weiter aus.<\/p>

Doch Universalit\u00e4t ist teuer, denn je gr\u00f6\u00dfer der AI-Betrieb wird, desto interessanter werden spezialisierte Chips.<\/span><\/p>

Amazon brachte im Dezember 2025 mit Trainium3 seinen ersten 3-Nanometer-AI-Chip auf den Markt, der eine rund viermal so hohe Leistung pro Watt wie Trainium2 bietet.<\/span> Microsoft folgte im Januar mit Maia 200, einem auf Inferenz optimierten Beschleuniger mit 30 Prozent besserer Leistung pro Dollar.<\/p>

Google trennt 2026 Training und Inferenz auf zwei TPU-Typen: 8t f\u00fcr Training und 8i f\u00fcr kosteneffiziente Inferenz, die mit bis zu doppelt so hoher Leistung pro Watt wie die Vorg\u00e4ngergeneration gl\u00e4nzen.<\/span><\/p>

Dahinter steckt eine einfache Logik: Training ist der seltene Bauprozess eines Modells, Inferenz der laufende Betrieb. Nutzen Millionen Menschen ein Modell t\u00e4glich, wird die Summe der Inferenzkosten wichtiger als der einzelne Trainingslauf.<\/p>

Amazon macht diese Rechnung ungew\u00f6hnlich offen: Das Unternehmen beziffert den annualisierten Umsatz seines Chipgesch\u00e4fts mit Graviton und Trainium auf mehr als 25 Milliarden US-Dollar und erwartet zweistellige Milliardeneinsparungen.<\/p>

Damit wird verst\u00e4ndlich, warum die Hyperscaler vertikal nach unten bauen: Google entwickelt Modelle, Cloud und TPUs, Amazon AWS und Trainium, Microsoft Azure und Maia, mit dem Ziel die Kontrolle \u00fcber die teuerste Kostenposition zu erhalten.<\/p>

Neben GPU und Spezial-ASIC entsteht ein weiterer Weg: Cerebras setzt auf Wafer-Scale-Systeme, bei denen ein gro\u00dfer Teil eines Silizium-Wafers als eine Recheneinheit dient. OpenAI sicherte sich Anfang 2026 750 Megawatt solcher Inferenzkapazit\u00e4t.<\/p>

Das wahrscheinlichste Zielbild ist deshalb kein einzelner Siegerchip, sondern ein heterogenes Rechensystem: GPUs f\u00fcr flexible Workloads, ASICs f\u00fcr Masseninferenz.<\/p>

Nicht nur die AI wird orchestriert. Auch ihre Hardware wird es.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Wer kontrolliert welche Ebene des AI-Stacks<\/h4>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

TALENT IST DIE KNAPPSTE HARDWARE<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

2025 bis August 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Bei all den Milliarden f\u00fcr Chips und Rechenzentren bleibt ein Engpass erstaunlich analog: Menschen. Kaum eine Branche reagiert so empfindlich auf den Wechsel einzelner Mitarbeiter wie die Frontier-AI: Entscheidendes Wissen steckt in kleinen Teams und einzelnen Forschern, die es zur Konkurrenz tragen k\u00f6nnen.<\/p>

Ruoming Pang, fr\u00fcherer Leiter von Apples Foundation-Model-Team, wechselte 2025 zu Meta. Berichten zufolge f\u00fcr ein mehrj\u00e4hriges Paket von mehr als 200 Millionen US-Dollar. Nur sieben Monate sp\u00e4ter ging er weiter zu OpenAI.<\/p>

Im Juni 2026 folgte Noam Shazeer, Mitautor des Transformer-Papiers und Co-Leiter der Gemini-Modelle: Er verlie\u00df Google f\u00fcr OpenAI keine zwei Jahre, nachdem Google ihn per Character.AI-Deal f\u00fcr Berichten zufolge rund 2,7 Milliarden US-Dollar zur\u00fcckgeholt hatte.<\/p>

Nur zwei Tage sp\u00e4ter k\u00fcndigte John Jumper seinen Wechsel von Google DeepMind zu Anthropic an. Jumper ist einer der K\u00f6pfe hinter AlphaFold; den Nobelpreis f\u00fcr Chemie 2024 teilte er sich mit David Baker und Demis Hassabis.<\/p>

Anfang August wird daraus eine F\u00fchrungsfrage: Google ordnet seine AI-Spitze neu, Demis Hassabis wechselt in eine wissenschaftlichere Rolle, und Jeff Dean, Sanjay Ghemawat, Oriol Vinyals und Quoc Le verlassen das Unternehmen, um Discovery Loop zu gr\u00fcnden. Die Alphabet-Aktie reagierte mit einem R\u00fcckgang. Denn Compute l\u00e4sst sich bestellen, solange das Kapital mitspielt. Frontier-Know-how hingegen ist schwerer zu skalieren. Das erkl\u00e4rt, warum Personalnachrichten hier zu Marktnachrichten werden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

WENN BENCHMARKS SCHNELLER ALTERN ALS BUDGETZYKLEN<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Februar bis Sommer 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Der Februar 2026 zeigt besonders deutlich, wie schnell klassische Vergleichslogiken an Grenzen sto\u00dfen. Am 23. Februar erkl\u00e4rte OpenAI, SWE-bench Verified nicht mehr zur Bewertung neuer Frontier-Modelle zu verwenden, da eine Untersuchung problematische Testf\u00e4lle und Hinweise auf Kontamination durch Trainingsdaten gefunden hatte.<\/span><\/p>

Das zeigt, wie schwierig es wird, einen Markt zu messen, dessen Systeme sich derart schnell ver\u00e4ndern.<\/p>

Stanford beschreibt denselben Trend: Im M\u00e4rz 2026 lagen die f\u00fchrenden Anbieter von Anthropic, xAI und Google bis OpenAI und chinesischen Anbietern wie Alibaba und DeepSeek in einem Pr\u00e4ferenz-Ranking ungew\u00f6hnlich eng beieinander. Manche Benchmarks erreichen binnen Monaten Werte, f\u00fcr die sie eigentlich auf Jahre ausgelegt waren.<\/p>

F\u00fcr Unternehmen sinkt damit der Wert einer simplen Rangliste: Ein Vorsprung von heute kann verschwunden sein, bevor der konzernweite Rollout abgeschlossen ist.<\/p>

Die Evaluierung muss n\u00e4her an die eigene Realit\u00e4t r\u00fccken: Ein CFO muss nicht wissen, welches Modell einen Coding-Test gewinnt, sondern was ein korrekt erledigter Vorgang tats\u00e4chlich kostet. Der Preis pro Million Token ist einfach zu vergleichen, aber betriebswirtschaftlich oft irref\u00fchrend: Input, Output, Reasoning und menschliche Nacharbeit ver\u00e4ndern den tats\u00e4chlichen Preis einer Aufgabe stark.<\/p>

Die sinnvollere Kennzahl lautet daher: Cost per Task, also Kosten pro vollst\u00e4ndig und korrekt erledigter Aufgabe.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

INFOBOX: WARUM \u203aCOST PER TASK\u2039 WICHTIGER WIRD<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Der Preis pro Million Token ist nur ein Teil der Rechnung: Modellnutzung, Tool-Aufrufe, menschliche Pr\u00fcfung und Fehlerkosten z\u00e4hlen mit. F\u00fcr das Management wird damit nicht der billigste Token interessant, sondern der g\u00fcnstigste zuverl\u00e4ssige Prozess.\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

WER VERDIENT AM BOOM UND WER TR\u00c4GT DAS RISIKO?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Februar bis Sommer 2026<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die wirtschaftliche Struktur des AI-Marktes l\u00e4sst sich grob in zwei Gruppen teilen. Auf der einen Seite stehen die Frontier-Labs, die enorme Summen investieren: OpenAI schloss Ende M\u00e4rz 2026 eine Finanzierungsrunde \u00fcber 122 Milliarden US-Dollar bei einer Bewertung von 852 Milliarden US-Dollar ab.\u00a0<\/span>Anthropic folgte Ende Mai mit 65 Milliarden US-Dollar bei 965 Milliarden Bewertung und einer annualisierten Umsatzrate von mehr als 47 Milliarden US-Dollar.<\/p>

Auf der anderen Seite stehen Unternehmen, die Infrastruktur wie Cloud, Chips, Rechenzentren, Speicher und Energie verkaufen: sie verdienen auch dann, wenn sich der Spitzenplatz zwischen den Modellanbietern verschiebt.<\/span><\/p>

Amazon illustriert diese Logik gut: 2025 erwirtschaftete AWS rund 128,7 Milliarden US-Dollar Umsatz, aber ein operatives Ergebnis von 45,6 Milliarden, also nur 18 Prozent des Konzernumsatzes, aber 57 Prozent des operativen Ergebnisses.<\/span><\/p>

Gleichzeitig dr\u00fcckt der Ausbau kurzfristig auf den Cashflow: Amazons freier Cashflow fiel 2025 von rund 38 auf 11 Milliarden US-Dollar, im zweiten Quartal 2026 lag er auf Zw\u00f6lfmonatssicht sogar bei minus 7,6 Milliarden \u2013 vor allem wegen der AI-Investitionen.<\/p>

F\u00fcr die Frontier-Labs ist die Rechnung h\u00e4rter: Wettbewerb dr\u00fcckt die Preise pro Einheit Intelligenz, w\u00e4hrend der Bedarf an Compute weiter w\u00e4chst. Je austauschbarer Modelle werden, desto schwieriger wird es, dauerhaft hohe Margen allein auf dem Modell zu halten.<\/p>

Das kann paradox wirken: F\u00fcr Anwender wird AI immer g\u00fcnstiger und n\u00fctzlicher, f\u00fcr einzelne Anbieter erschwert aber genau das die wirtschaftliche Differenzierung.<\/span> Langfristig k\u00f6nnte deshalb nicht derjenige den gr\u00f6\u00dften Wert absch\u00f6pfen, der einmal das beste Modell hatte, sondern wer mehrere Ebenen kontrolliert: Distribution, Cloud, Chips, Daten und Kundenbeziehung.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

WER SOLL DAS ALLES BEZAHLEN? <\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Das B2C-Paradox<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

An dieser Stelle wird die AI-Debatte gr\u00f6\u00dfer als der Technologiesektor: Fast jede Investitionsgeschichte geht davon aus, dass AI die Produktivit\u00e4t steigert. Doch wenn Automatisierung menschliche Arbeit ersetzt oder den Bedarf daran reduziert, stellt sich eine zweite Frage: Was passiert mit Einkommen, Kaufkraft und Nachfrage?<\/p>

Amazon erzielte 2025 rund 716,9 Milliarden US-Dollar Umsatz. Etwa 588,2 Milliarden \u2013 rund 82 Prozent \u2013 entfielen auf die verbrauchernahen Segmente North America und International.\u00a0<\/p>

Meta ist noch st\u00e4rker von der Nachfrage der Werbewirtschaft abh\u00e4ngig: 2025 kamen rund 196,2 der insgesamt 201 Milliarden US-Dollar Umsatz aus Werbung \u2013 etwa 97,6 Prozent.\u00a0<\/p>

Bei Alphabet lag der Anteil der Google-Werbung 2025 bei rund 294,7 von insgesamt 402,8 Milliarden US-Dollar \u2013 gut 73 Prozent. Damit entsteht eine R\u00fcckkopplung, die in der AI-Debatte bislang wenig Beachtung findet: Dieselben Unternehmen, die Milliarden investieren, um Arbeit automatisierbar zu machen, sind auf eine Wirtschaft angewiesen, in der Menschen \u00fcber Einkommen verf\u00fcgen, konsumieren und f\u00fcr Werbekunden attraktiv bleiben.<\/p>

Entscheidend wird deshalb die Verteilung des Produktivit\u00e4tsgewinns. Kommt er vor allem bei Unternehmen und Kapitaleignern an, w\u00e4hrend Arbeitseinkommen unter Druck geraten, k\u00f6nnte aus dem Produktivit\u00e4tsschub langfristig ein Nachfrageproblem werden.\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Exponierte Gesch\u00e4ftsmodelle<\/h4>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Offene R\u00fcckkopplung, keine Prognose:<\/strong> Wenn Automatisierung Einkommen schneller verdr\u00e4ngt, als neue entstehen, kann sinkende Kaufkraft ausgerechnet jene Unternehmen treffen, die den AI-Ausbau vorantreiben.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

AI-AUTONOMIE. BEDROHUNG INKLUSIVE<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Wie sich der m\u00f6gliche Schaden leistungsf\u00e4higer AI-Agenten begrenzen l\u00e4sst<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Der wirtschaftliche Boom trifft gleichzeitig auf eine Sicherheitsfrage, die im Juli 2026 sehr konkret wurde.\u00a0W\u00e4hrend einer internen Cyber-Evaluierung liefen OpenAI-Modelle mit reduzierten Sicherheitsablehnungen in einer isolierten Testumgebung. Sie fanden eine Zero-Day-Schwachstelle, erreichten offenen Internetzugang und kompromittierten Infrastruktur von Hugging Face, um an Testl\u00f6sungen zu gelangen. Beide Unternehmen stoppten die Aktivit\u00e4t.<\/p>

Wichtig ist die Einordnung: Das war kein \u203aFluchtversuch\u2039 einer AI mit eigenem Willen, sondern ein eng gesetztes Testziel, f\u00fcr das die Modelle einen technischen Pfad fanden, den die Umgebung eigentlich verhindern sollte.<\/p>

Ein leistungsf\u00e4higer Agent muss keine b\u00f6sen Absichten haben, um Schaden anzurichten. Es reicht schon, wenn er ein Ziel konsequent verfolgt und eine Sicherheitsgrenze anders interpretiert als erwartet.<\/span><\/p>

Anthropic beschreibt dieselbe Herausforderung als \u203aBlast Radius\u2039: Je mehr Zugriff ein Agent erh\u00e4lt, desto gr\u00f6\u00dfer der theoretische Schaden bei versagenden Schutzmechanismen. Das Unternehmen setzt deshalb zunehmend auf technische Eind\u00e4mmung: Sandboxes, getrennte Rechte, kontrollierte Netzwerkzugriffe.<\/p>

Ein produktiver Agent sollte nur die Daten und Systeme erreichen, die er f\u00fcr seine Aufgabe braucht. Zugangsdaten sollten kurzlebig sein und das Versagen einer ersten Schutzschicht darf nicht sofort den gesamten Unternehmensverbund \u00f6ffnen.<\/p>

Parallel wird Regulierung konkreter: Die GPAI-Pflichten des AI Acts gelten seit August 2025, seit August 2026 kann die EU-Kommission sie mit Geldbu\u00dfen durchsetzen. Fristen f\u00fcr Hochrisiko-Systeme wurden im \u203aDigital Omnibus on AI\u2039 auf Dezember 2027 beziehungsweise August 2028 verschoben (zum Redaktionsschluss noch nicht im EU-Amtsblatt ver\u00f6ffentlicht).<\/p>

Die relevante Managementfrage lautet damit nicht \u203aIst unser Modell sicher?\u2039, sondern \u203aWie gro\u00df ist der Schaden, wenn unsere erste Schutzschicht einmal versagt?\u2039<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Produktive Autonomie bei begrenztem Blast Radius<\/h4>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t

FRAGEN, DIE DER BOOM NOCH NICHT BEANTWORTET HAT<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Mehr Autonomie braucht klare Grenzen<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die vergangenen zw\u00f6lf Monate haben gezeigt, wie schnell sich technologische Grenzen verschieben und wie viele wirtschaftliche und gesellschaftliche Fragen dabei noch offen bleiben: Ist das noch Infrastrukturaufbau oder schon eine Blase?<\/p>

Die Parallelen zu fr\u00fcheren Infrastrukturbooms sind offensichtlich, aber anders als bei rein spekulativen Projekten gibt es bei Hyperscalern bereits eine reale Nachfrage.\u00a0<\/span>Ob diese gro\u00df und profitabel genug sein wird, um das Tempo des Kapazit\u00e4tsaufbaus mittel- und langfristig zu rechtfertigen, werden die kommenden zw\u00f6lf Monate zeigen.\u00a0<\/span><\/p>

Der Wettbewerb zwingt Anbieter zugleich, mehr Leistung f\u00fcr weniger Geld zu liefern, was zwar gut f\u00fcr den Kunden ist, aber ein Problem f\u00fcr die Margen darstellt.<\/span> Der Markt k\u00f6nnte deshalb einen Verlauf nehmen, der aus der klassischen Computerindustrie bekannt ist: hoher Nutzen f\u00fcr Anwender, aber Wertsch\u00f6pfung, die sich auf wenige Engp\u00e4sse wie Compute, Chips und Energie konzentriert. Werden Agenten unsere Jobs \u00fcbernehmen oder unsere Jobs zerlegen?<\/p>

Die n\u00fcchterne Antwort: Beides ist denkbar, Zeitpunkt und Ausma\u00df offen. Wahrscheinlicher als ein Verschwinden ganzer Berufe ist zun\u00e4chst eine Neuordnung von T\u00e4tigkeiten: Recherche und Analyse werden automatisierbarer, Verantwortung bleibt l\u00e4nger menschlich. Und wenn doch sehr viele Jobs verschwinden: Wer bleibt Kunde?<\/p>

Diese R\u00fcckkopplung haben wir bereits beim B2C-Paradox gesehen: Je mehr Unternehmen gleichzeitig Arbeit automatisieren, desto mehr h\u00e4ngt davon ab, ob der Produktivit\u00e4tsgewinn in neue Nachfrage \u00fcbersetzt wird.\u00a0<\/p>

Der Sicherheitsvorfall im Juli 2026 zeigt: Die Grenze liegt nicht allein im Modell, sondern darin, was ein Agent technisch erreichen kann und wie er gestoppt wird, wenn er sich anders verh\u00e4lt als erwartet.<\/p>

Und schlie\u00dflich: Wer kontrolliert die Infrastruktur der Intelligenz?<\/p>

Der Wettbewerb findet zwischen vielen Modellen und Anwendungen statt. Die entscheidenden Ressourcen dahinter konzentrieren sich jedoch auf wenige Anbieter: Cloud-Infrastruktur, Chips und das Know-how f\u00fcr Frontier-Modelle. Google, Amazon, Microsoft und Meta versuchen deshalb zunehmend, mehrere Ebenen dieser Wertsch\u00f6pfungskette selbst zu kontrollieren.<\/p>

Die kommenden zw\u00f6lf Monate k\u00f6nnten deshalb weniger von einem einzelnen \u203abesten Modell\u2039 gepr\u00e4gt werden als von der Frage, welche Architektur wirtschaftlich tr\u00e4gt. Der Boom ist damit noch nicht vorbei, aber seine schwierigste Phase beginnt m\u00f6glicherweise erst jetzt.<\/p>

Denn die technologische Frage wird zunehmend von einer wirtschaftlichen und gesellschaftlichen Frage \u00fcberholt: K\u00f6nnen wir mit der Geschwindigkeit, mit der wir die AI skalieren, auch Wertsch\u00f6pfung, Sicherheit und Kaufkraft gleicherma\u00dfen skalieren?<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t\t\t\t