- Die Venture-Capital-Branche befindet sich derzeit in einer schweren Flaute
- Nahezu nur der AI-Bereich ist noch aktiv, und selbst dort steht ausschließlich OpenAI im Mittelpunkt
- Eine Hauptursache für die Verschlechterung des Gesamtmarkts ist die Zollpolitik der Trump-Regierung
- Der Großteil des Kapitals bewegt sich ohne reale Erträge und basiert nur auf Scheinbewertungen
- Mangels Zukunftsstrategie verlassen sich Venture-Capital-Investoren auf bloßes Glück und Hoffnung
Überblick
- Der Venture-Capital-Report 2025 zeigt, dass die Branche in einer tiefen Krise steckt
- Trumps Zölle und seine Wirtschaftspolitik haben Startups und den Investmentmarkt schwer getroffen
- Nach dem Ende der Nullzinsära geriet die Venture-Branche in Unordnung, ohne sich an die neue Lage anzupassen
- Derzeit konzentrieren sich Investoren nur auf AI, insbesondere auf OpenAI; in andere Bereiche fließt kaum noch Kapital
- Aus Sicht von Investoren und Venture-Capital-Firmen ist derzeit keine echte Lösung in Sicht
Der Zustand von Venture Capital im Jahr 2025
- Abgesehen vom AI-Sektor sind fast alle Venture-Investments zum Stillstand gekommen
- Selbst innerhalb von AI steht nur OpenAI im Zentrum, während andere AI-Startups kaum Beachtung finden
- OpenAI wird als von aggressivem Kapitalverbrauch und Innovationsbesessenheit getrieben beschrieben, mit Zügen eines beinahe betrügerischen Modells
- Startup-Investoren befinden sich weiterhin in einem Umfeld, in dem „Exits“ kaum möglich sind
Auswirkungen der Zollpolitik der Trump-Regierung
- Der Bericht nennt die Einführung von Zöllen durch die Trump-Regierung und die daraus resultierende wirtschaftliche Unsicherheit als Hauptursache für die Schwäche bei Venture-Investments
- Wegen der Unsicherheit am Markt bleiben Investoren abwartend, wodurch Transaktionen und Kapitalflüsse stark zurückgehen
- Obwohl Investoren und Führungskräfte im Silicon Valley Trumps Wahl aktiv unterstützt hatten, zeigen sie sich nun von den Nebenwirkungen seiner Politik überrascht
Das Ende der Nullzinsära
- Nach der Finanzkrise 2008 lagen die Zinsen mehr als zehn Jahre lang nahe null, was zu einem massiven Kapitalzufluss in Venture Capital führte
- Im Niedrigzinsumfeld steckten Pensionsfonds und andere Großinvestoren große Summen in Startups; nach den Zinserhöhungen flaute dieser Trend jedoch stark ab
- Die Venture-Capital-Branche hat sich an die neue Lage nicht ausreichend angepasst und verharrt auffällig in alten Mustern
Ein Investmentumfeld mit vollem Fokus auf AI
- AI gilt als einzig attraktives Investmentfeld; Kryptowährungen, Quantencomputer und andere Bereiche werden weitgehend ignoriert
- Die verschiedenen Statistiken und Grafiken im Bericht sind größtenteils auf die riesigen Investments in OpenAI konzentriert
- Große VCs wie Andreessen Horowitz legen neue Mega-Fonds auf, um die AI-Blase am Laufen zu halten
- Die meisten Investoren werden von Blasenstimmung und „FOMO“ (Angst, etwas zu verpassen) getrieben
Die Krise außerhalb von AI
- Startups außerhalb von AI leiden unter extremer Investitionsschwäche und verlangsamtem Wachstum
- Frühphaseninvestitionen und Fundraising-Aktivitäten gehen kontinuierlich zurück
- Es gibt sogar Fälle, in denen VCs nicht eingesetztes Kapital zurückgeben, weil sie kaum noch sinnvolle Anlagemöglichkeiten finden
Scheinbewertungen und fehlende Rückflüsse
- Die Bewertungen von Startups basieren vor allem auf „Scheinwerten“, die von realen Cashflows weit entfernt sind
- Die Zahl der Startup-Insolvenzen ist zuletzt stark gestiegen; Unternehmen ohne echten Wert werden nun erst nach und nach abgewickelt
- Da die Möglichkeiten zur Kapitalrückführung (Exits) schrumpfen, wird es für Investoren immer schwieriger, tatsächliche Renditen zu erzielen
Der Zusammenbruch des Exit-Markts
- Die Wege zu Exits über IPOs oder Übernahmen sind extrem eingeschränkt
- Es gibt zwar Fälle wie CoreWeave und Wiz Security, insgesamt herrscht am Exit-Markt jedoch weitgehend Stillstand
- Finanzierungsrunden konzentrieren sich fast nur noch auf späte Phasen, wobei es weniger um echtes Wachstum als ums Überleben geht
Fehlende Zukunftsstrategie bei Venture Capital
- Die wichtigste Strategie der Branche besteht aus vager Hoffnung
- Man verlässt sich fast ausschließlich auf externe Faktoren wie eine Erholung des Markts, eine Wiederbelebung des IPO-Markts oder Veränderungen in der Trump-Regierung
- Bei vielen Venture Capitalists zeigt sich, dass ihr Erfolg oft eher auf einem einzelnen Glückstreffer als auf echter Kompetenz beruhte
- Einige beteiligen sich sogar an extremen und unangemessenen gesellschaftlichen Bewegungen, was auf ein gefährliches Fehlen an Urteilsvermögen hindeutet
Fazit
- Die Venture-Capital-Branche steckt 2025 in einer schweren Krise und verfügt über keine tragfähige Zukunftsstrategie
- Da Investment-, Exit- und Wachstumspfade gleichermaßen blockiert sind, braucht die gesamte Branche grundlegende Veränderungen und Selbstreflexion
1 Kommentare
Hacker-News-Kommentare
Es geht um die Lage des Venture Capital zu Beginn des Jahres 2025. Abgesehen von AI ist Venture Capital praktisch tot. Auch bei AI gibt es abseits von OpenAI kaum Dynamik. OpenAI wirkt wie eine etwas bizarre Wette, bei der enorme Geldmengen verbrannt werden, um einen AI-Gott zu beschwören. Auffällig ist, dass niemand Gewinne realisiert. Interessant ist aber, wie spekulativ die Wette auf OpenAI ist. Als man 2019 mit GPT-2.0 über ein Webinterface herumspielen konnte, war das nur ein lustiges Spielzeug. Doch um Dezember 2022 erschien ChatGPT, und das war ein wichtiger Paradigmenwechsel. Zwischen 2019 und 2022 gab es in drei Jahren enorme Fortschritte, und das ohne übertriebenen Hype oder gigantische Investitionen. Jetzt sind weitere drei Jahre vergangen, aber ChatGPT 4.5 fühlt sich ähnlich an wie GPT-3/GPT-4 im Jahr 2022. 4.5 oder o3 wirken nicht dramatisch intelligenter als 3.0, halluzinieren zwar etwas weniger, aber markieren kein neues Paradigma. Wenn die Entwicklung in diesem Tempo weitergeht, bekommen wir bessere Interfaces und Tools, aber ob mit LLMs wirklich Superintelligenz möglich ist – also Einsicht, Fähigkeiten und Kreativität jenseits des Menschen –, ist unklar
Als etwas, das man sofort ausprobieren kann, wird vorgeschlagen, in einen Ray-Ban-Store zu gehen und die Meta-Brille zu testen. Wenn man den „Live AI Mode“ aktiviert, kann man eine Echtzeit-Video-Unterhaltung mit einer AI führen, die sieht, was man sieht, und mit Sprachübersetzung, Texterkennung, Objekterkennung und mehr mit der realen Welt interagiert. 2019 gab es diese Technologie nicht; damals war man schon beeindruckt, wenn man GPT-2 auf Star-Wars-Romane feinabstimmte und nur daran, dass der Name „Luke“ auftauchte. Heute trägt man das am Kopf, lässt Speisekarten im Restaurant lesen, Uber-Fahrzeuge finden, die Zusammensetzung von Gartenerde prüfen und Mathe lösen. Als blinde Person ist der Nutzen dieser Technologie kaum in Worte zu fassen. Wenn das ein „sterbender“ Zustand sein soll, dann gerne mehr von dieser Dekadenz
Es wird die Ansicht vertreten, dass Hype einer gesunden technischen Entwicklung schadet. Generative AI war eindeutig ein Paradigmenwechsel und kann sich zu einem spannenden Werkzeug entwickeln, das die menschliche Produktivität steigert. Aber diese Reifung braucht Zeit. Venture Capital und Hustle-Kultur brauchen jedoch schnelle Exits, und dafür braucht es am Ende viele „Dumme“, die kaufen. Deshalb muss Gen AI nicht einfach als Technologie mit großem Potenzial vermarktet werden, sondern als „die Zukunft, die alles und jeden zerstören wird“
Dass 4.5/o3 weniger halluzinieren als 3.0, stimmt nicht ganz. Tatsächlich zeigen sowohl die System-Card-Daten von OpenAI zu o3 und o4-mini (Abschnitt 3.3) als auch die Hallucination-Leaderboard-Daten von Vectara, dass o3 und o4-mini sogar stärker halluzinieren als o1
Es wird zugestimmt, dass AI für individuelle Arbeitsaufgaben zu einem ziemlich brauchbaren Tool geworden ist. Aber um die Marktbewertung zu rechtfertigen, bräuchte es eine transzendente Skalierung, bei der Prozesse ohne menschliche Aufsicht schrittweise fortgeführt werden können. Das wäre der eigentliche Paradigmenwechsel, und genau diese Hürde wurde bisher nicht genommen; alle zögern. Im Fall von OpenAI gibt es, abgesehen von der Marke und Sams Fähigkeit, Geld einzuwerben, kaum einen Burggraben, weil die Technologie zu schnell zur Ware wird und es viele Wettbewerber gibt. Die UX ist großartig, aber das ist am Ende kein Burggraben
Es wird betont, dass Innovation grundsätzlich aus einem großen Sprung besteht, auf den dann fortlaufende Feinanpassungen folgen. Menschen erwarten exponentiellen Fortschritt, aber in Wirklichkeit ähnelt er eher einem inversen Potenzgesetz
Ja, Halluzinationen sind zurückgegangen, aber sie passieren immer noch häufig. Das beweist gerade, dass Intelligenz nicht allein mit riesigen Sprachmodellen erreichbar ist
Es wird angemerkt, dass die Funktionsweise von GPT-3.0 offenbar falsch erinnert wird. Von 2.0 auf 3.0 gab es einen großen Sprung, und auch in den letzten Jahren danach wurden viele Fortschritte erzielt
Nach dieser Ansicht sind die neuesten GPT-Versionen viel besser als früher. GPT-3 war zwar ein interessantes Spielzeug, lag aber viel zu oft falsch und war zu stur, um nützlich zu sein. Die heutigen 4.0+-Modelle werden häufig genutzt und können zum Beispiel einen Screenshot eines Jira-Burndown-Charts auf Anhieb hervorragend zusammenfassen
AI-Fortschritt nur anhand der LLM-Entwicklung zu bewerten, ist eine Vereinfachung. In den letzten zwei Jahren gab es große Fortschritte in AI, die weit über einfache Textgenerierung hinausgehen. Bildgenerierung ist inzwischen sehr realistisch, und man kann gewünschte Änderungen per Text ohne komplexe Tools vornehmen. Text-to-Speech und Speech-to-Speech wirken sehr realistisch und transportieren in mehreren Sprachen Emotionen gut. Videogenerierung wird monatlich realistischer und benötigt weniger Compute. Auch 3D-Modelling hat große Fortschritte gemacht, und Speech-to-Text ist so schnell geworden, dass es auf dem Smartphone läuft und die Latenz sinkt. Die Anwendung von AI in der Robotik ist die nächste Herausforderung, daneben gibt es viele Einsatzfelder wie Healthcare
Zwar stehen LLMs im Mittelpunkt der Aufmerksamkeit, aber es gab klare Fortschritte in vielen Bereichen wie visueller Wahrnehmung, Video-/Bildsynthese, Transformation und 3D-Modelling. Robotaxis fahren tatsächlich durch Städte und fahren ähnlich gut oder besser als Menschen. Mit einer groben Skizze bekommt man hervorragende Bilder, und schon mit wenigen Fotos lassen sich vernünftige 3D-Mesh-Modelle erzeugen – also ganz reale Veränderungen
Wie spekulativ OpenAIs AGI-Wette ist, sei gar nicht so wichtig. Schon das Consumer-AI-Geschäft könnte Geld in Massen einbringen. Dass aktuell keine Gewinne erzielt werden, liege daran, dass man kostenlose Nutzer nicht mit Werbung belegt und Wachstum priorisiert. Sobald Werbung eingeführt werde, entstünden enorme Einnahmen, da ist man sich sicher
Der Einschätzung, dass 4.5/o3 nicht viel intelligenter seien als 3.0, wird widersprochen. Wenn ein LLM Antworten aus seinen Trainingsdaten zusammensetzen kann, nutzt es Muster menschlichen Wissens; bei solchen Fragen würden auch menschliche Experten ähnliche Antworten geben. Aber wenn tiefes Reasoning oder Expertise über mehrere Domänen hinweg gefragt ist, liefern Modelle wie o3 bisweilen kreative Lösungen. Reinforcement Learning sei der Schlüssel, um Modelle über das Niveau menschlicher Experten hinauszuheben. Es wird erwartet, dass sich die übermenschlichen Leistungen von AlphaGo oder AlphaZero künftig in mehr Bereichen wiederholen
Man fragt sich, wie „viel intelligenter“ in der Praxis überhaupt aussehen würde. Es ist fraglich, ob es in der Geschichte des Computing überhaupt Beispiele gibt, in denen innerhalb von 2 bis 3 Jahren etwas „viel mehr X“ geworden ist
Dem wird nicht vollständig zugestimmt. Die erste ChatGPT-Version wirkte durch die natürliche Konversation magisch, war in Wirklichkeit aber ein ziemlich dummer Computer. Die neuesten Modelle lösen ohne spezielle Tools sehr gut Mathematik, während GPT-3 selbst mit einfacher Arithmetik kaum zurechtkam
Der Behauptung, Halluzinationen seien zurückgegangen, wird mit Skepsis begegnet. Kürzlich musste die Ehefrau für eine Aufgabe im Pflegestudium Fachartikel reviewen, und der Dozent schickte als Musterlösung eine Liste mit Artikeln und Zusammenfassungen. Egal wie sehr gesucht wurde, die Artikel ließen sich nicht finden. Beim Nachsehen war klar, dass sie von einem LLM erzeugt worden waren. Tatsächlich existierten alle fünf Artikel nicht. Zwei hatten lose ähnliche Gegenstücke, aber mit anderen Autoren oder Titeln, und die übrigen drei waren komplett erfunden
Es ist völlig unklar, worin OpenAIs Burggraben bestehen soll. Jeder Service lässt sich durch mindestens fünf Wettbewerber ersetzen, und einige davon sind Open Source. Der Preis endet zwangsläufig in einem Race to the Bottom, und dieses Minimum lautet „API-Kosten versus selbst betriebene Open-Source-Modelle“
Die Stoßrichtung dieser Kritik sei nachvollziehbar, doch obwohl es sich manchmal anfühle, als sei die Zeit stehen geblieben, sei das Tempo von Forschung und Fortschritt tatsächlich sehr hoch. GPT-2 kam im Februar 2019, 18 Monate später GPT-3 im Jahr 2020 – ein großer Sprung, aber noch wenig praktisch nutzbar. Weitere 18 Monate später, Anfang 2022, erschien InstructGPT, ein Wendepunkt durch RLHF. Zehn Monate später, Ende 2022, wurde ChatGPT als Schwester von InstructGPT veröffentlicht, und um diese Zeit verwendete OpenAI die Bezeichnung „3.5 family“. GPT-4 erschien im März 2023 – ein großer Sprung bei Performance, Context Window, Bildunterstützung usw. –, und zu dieser Zeit überschritt ChatGPT 100 Millionen Nutzer. GPT-4-Turbo wurde im November 2023 mit größerem Context Window und niedrigeren Preisen eingeführt. Danach verbesserte GPT-4o die Leistung leicht und brachte Audio dazu. Vor fünf Monaten kam o1, danach o3, o4 und weitere iterative Verbesserungen. 2024 folgten 4.5 im Februar und kurz darauf 4.1. 2019 war das nur ein experimentelles Forschungsprojekt; danach dauerte es mehr als zwei Jahre, bis langsam ein „brauchbares“ ChatGPT erschien, und fast drei Jahre bis zu einer wirklich nützlichen Version. Die folgenden zwei Jahre brachten Multimodalität, neue Reasoning-Modelle, breiter zugängliche Leistung und vielfältigere Grundlagenforschung. Eher ist jetzt der Zeitpunkt, an dem sich die Grundlage für mehrere unterschiedliche Paradigmenwechsel verdichtet
Die Behauptung, dass sich aktuelle SOTA-Modelle ähnlich anfühlen wie GPT-3, sei der beste Hot Take des Jahres
Auch wenn man selbst AI-Müdigkeit verspürt, ist das eine Überreaktion. Venture Capital wurde schon immer von FOMO angetrieben. Unternehmen versuchen ebenfalls, AI, web3, web2, Fintech und Ähnliches an ihr Geschäftsmodell anzuhängen, um leichter Kapital einzuwerben. Ein erheblicher Teil des Geldes, das in AI-Startups investiert wird, dürfte in Wirklichkeit einfach in Firmen fließen, die nur das Label „AI“ tragen. In zehn Jahren werden 57,9 % des VC-Kapitals auf das nächste Buzzword entfallen, und das wird dann nicht AI sein
Es geht tatsächlich um ein Startup in einem extrem langweiligen Bereich, das aber schon gut läuft, wenn man nur die Software modernisiert. Um jedoch eine Series-A-Finanzierung zu bekommen, müsse unbedingt AI in die Präsentation. Deshalb wird seit 6 bis 8 Monaten krampfhaft nach einer halbwegs plausiblen AI-Nutzung im Produkt gesucht, obwohl das in Wahrheit kein Differenzierungsmerkmal ist
Selbst als Unternehmen müsse man oft auf den nächsten Hype aufspringen. Aus eigener Erfahrung wird OpenStack als Beispiel genannt, das in der Praxis nicht wirklich funktionierte. Wenn man es mit der Cloud ernst meinte, musste man aber zumindest einmal aufspringen; am Ende wurden Container dann zum eigentlichen Thema
Wie im Artikel behauptet werde, seien sowohl die These, dass die Zinsen niemals sinken werden, als auch die, dass AI der letzte VC-Trend sein werde, schlicht absurd
Dem Artikel wird zugestimmt, aber die Ursache wird anders gesehen. Scaling war schon immer der schwierige Punkt. Database-Sharding, die Zeit vor NoSQL, asynchrone Probleme – die Skalierung, der man in der Praxis begegnet, lässt sich nicht leicht überwinden. Deshalb sei es besser, statt alles auf eine Idee zu setzen, mehrere Micro-SaaS-Produkte mit jeweils 10–20K MRR zu betreiben. Durchschnittliche Business-Anwender abonnieren heute ohnehin mehrere SaaS-Produkte und Tools, E-Mails, Websites, Automatisierungsdienste, Freelancer und mehr; wir leben also in einer Zeit, die natürlich zum Mikro-Modell passt. Wer heute Indie Hackers oder YouTube verfolgt, sieht, dass erfolgreiche Gründer alle community-basiert arbeiten, selbst zur Marke werden und kein VC mehr brauchen. Wenn sie eine App veröffentlichen, gibt es sofort Interesse von ihren Followern auf Twitter und YouTube
Es sei leicht, pessimistisch zu sein, aber es wird daran erinnert, dass schnell wachsende Unternehmen, wenn sie Trends gut nutzen, enorme Chancen haben. Google etwa machte 2003 rund 1 Milliarde Dollar Umsatz und ist heute ein Unternehmen mit 260 Milliarden Pfund Umsatz. Beim Börsengang 2004 lag die Bewertung bei 23 Milliarden Dollar
Es wird vorgeschlagen, die Frage anders zu stellen. Wie viel neuer Mehrwert, also echte Wohlstandsschaffung, steckt im Google-Umsatz, und wie viel ist nur Werbebudget, das vom bestehenden Markt zu Google verschoben wurde? Die Werbeausgaben in den USA stiegen schließlich nur um etwa 1,6 % pro Jahr. Es ist fraglich, ob das wirklich innovativer Erfolg ist oder eher ein Marktanteilseffekt
Es wird gefragt, ob dieses Wachstum auf Innovation zurückgeht oder eher auf Googles Monopol und die Safari-Default-Search-Deals, die die US-Regierung derzeit untersucht
Es wird geraten, eine zynische Sichtweise nicht mit einer realistischen zu verwechseln
Google Search, Maps, Gmail, YouTube und Chrome seien über mehr als zehn Jahre hinweg hervorragende Dienste gewesen. Aber danach habe Google das Leben der Menschen gefühlt nur in einem Ausmaß verbessert, das vielleicht 10 % des gesamten Wachstums erklärt
Der Artikel habe falsch dargestellt, wie VC-Firmen neben Carry tatsächlich mit Management Fees Geld verdienen. Wenn a16z zum Beispiel einen 20-Milliarden-Dollar-Fonds mit 3 % Management Fee und 30 % Carry betreibt, verdient der Fonds allein über die Management Fee 600 Millionen Dollar, selbst wenn null Gewinn erzielt wird. Natürlich will man auch Carry verdienen, aber die Management Fee dient als Verlustpuffer
Es wirkt, als werde AI zu negativ betrachtet. Der Behauptung, VCs würden sagen, „AI werde wie das Internet zum Rückgrat des Geschäfts“, wird widersprochen. In Wirklichkeit entwickle sich die Technologie in enormem Tempo
Es wird angenommen, dass Innovation am stärksten entsteht, wenn Menschen unter Druck stehen. VC habe eine bestimmte Vorgehensweise mythologisiert und die letzten 20 Jahre so dargestellt, als sei sie die einzige. Als B2C schwieriger wurde, sei man der leichten Geldspur gefolgt und zu B2B gewechselt. Dadurch sei die Vielfalt von Werten verloren gegangen, und die Unternehmen hätten nur noch größere Köpfe bekommen. Auch wenn das ZIRP-Zeitalter vorbei ist, sei das Geld nicht wirklich verschwunden, sondern irgendwo aufgestaut. Es gebe astronomische Ressourcen, mit denen man neue VC-Modelle erproben könnte, aber niemand setze sie ein. Es wird hinterfragt, ob eine neue VC-Generation – also die Generation, auf die gewettet wurde – vielleicht weniger risikosensibel ist oder sich lieber auf Personal Branding konzentriert und deshalb ihren Erfolg nicht ausspielt
Es wird darüber nachgedacht, ob es schon zu spät ist, ein Startup vorzuschlagen, das einfach ein paar Zeilen LLM-API an eine gewöhnliche App für Arbeitsmanagement hängt. Man hätte fast Lust, sich erneut bei YC zu bewerben und jedes Jahr wieder abgelehnt zu werden. Eigentlich brauche man einen Business-Partner, der sich auf Funktionen konzentriert, die Menschen tatsächlich wollen. Aber selbst enge Freunde konzentrieren sich aktuell auf ihre Familie, sodass man nur noch an nicht profitable Spiele oder B2B-Startups denkt
Experten zwei bis drei Ebenen unter den eigentlichen AI-Größen – also Leute, die oft auf YouTube oder im Fernsehen auftreten, aber keine Top-Berater sind – hätten schon vor ein bis zwei Jahren FOMO-Stimmung erzeugt und versprochen, AI werde alles übernehmen. In letzter Zeit habe sich der Ton verändert zu „ein besonderes Tool, das man richtig einsetzen muss“. Es sind dieselben Leute, die hastig zusammengestellte AI-Kurse verkaufen und zuvor schon mit Mobile-Strategie, AR, Krypto oder web3 auf Trends aufgesprungen sind
Es wird vermutet, dass die Struktur aus Kursleitern und Menschen, die Kursleiter coachen, selbst pyramidenartig von einem neuen Trend zum nächsten weiterzieht. Es wird gefragt, ob aus diesem Strom individuellen Personal Brandings inzwischen große Influencer-Organisationen entstanden sind
Als Beispiel für den Stimmungswandel wird auf aktuelle Meldungen verwiesen, wonach Klarna nach nur fünf Stunden wieder Menschen statt AI im Kundenservice einsetzt – ein weiteres Zeichen dafür, dass AI letztlich eben nur ein Werkzeug ist