Ein Leitfaden für AI-Bubble-Hasser

• Die AI-Blase beschreibt eine Situation, in der sich ohne nennenswerte reale Erträge vor allem heiße Luft angesammelt hat; die Struktur ist sowohl wirtschaftlich als auch technologisch äußerst instabil.
• NVIDIA und einige wenige Big-Tech-Konzerne stützen den Markt, während die meisten AI-Unternehmen enorme Verluste schreiben.
• Das gesamte Ökosystem hängt übermäßig stark vom GPU-Verkauf ab, und tatsächlich verdient nur NVIDIA wirklich Geld.
• Die Wirkungen von AI in Bereichen wie Produktivität, Innovation und Arbeitsplatzersatz sind übertrieben dargestellt, und die meisten AI-basierten Startups halten sich ohne klar erkennbares Geschäftsmodell oder den Sprung in die Profitabilität über Wasser.
• Großkapital und Medien schüren die Illusionen rund um AI, während die Realität von repetitiven und begrenzten Funktionen, hohen Kosten und einer ungewissen Zukunft geprägt ist.

---

Einleitung: Wachsamkeit gegenüber der „AI-Blase“

• Wahrer Journalismus bedeutet, Geschichte zu dokumentieren, Fakten präzise zu diagnostizieren und die aktuelle Lage klar als „warnwürdig“ zu beschreiben.
• Der Autor hegt tiefe Sorge und ein starkes Problembewusstsein gegenüber dem aktuellen Zustand der AI-Industrie.
• Diese Sorge entspringt weder Schwäche noch Pessimismus, sondern einem gesunden Skeptizismus, der Markt- und Kapitalblasen sowie Selbsttäuschung kritisch betrachtet.
• Kritiker wie der Autor werden, weil sie sich der Marktlogik nicht unterordnen, übermäßig herabgesetzt und als reine Widerspruchsredner oder klickgetriebene Provokateure abgestempelt.
• Ziel der Kritik ist jedoch nicht bloße Aufmerksamkeit, sondern Übertreibungen und Falschdarstellungen in der Branche, Kapitalverschwendung, Umweltzerstörung und eine Struktur offenzulegen, von der nur wenige profitieren.

• Der Autor hat seit 2021 fortlaufend verschiedenste Blasen und Manipulationen kritisiert, darunter den Hype gegen Homeoffice, die Audio-Social-Blase rund um Clubhouse, die NFT-Blase, die Inszenierung von Quiet Quitting und den FTX-Skandal.
• Das ist kein bloßes „Dagegensein“, sondern entspringt kritischem Denken und gesundem Misstrauen gegenüber Macht und Kapital.
• Betrachtet man die jüngste Entwicklung, dann ist die AI-Blase schlicht eine extrem fragile Konstruktion, errichtet auf Markterwartungen, Stimmung (vibes) und blindem Glauben.
• Obwohl die Blase klar erkennbar ist, leugnet der Markt sie weiterhin oder hält sie fälschlich für weit stärker und robuster, als sie tatsächlich ist.
• Der Autor bezeichnet sich selbst als „Hater“ und macht seinen Abscheu gegenüber Verschwendung und Verlusten, Umweltzerstörung, irreführendem Marketing und der Illusion von Arbeitsplatzersatz deutlich.

• Dieser Text ist kein traditioneller Leitfaden, sondern eine kompakte Zusammenstellung der grundlegenden Probleme der AI-Blase und der Argumente ihrer Kritiker.
• Der Autor empfindet Ernüchterung angesichts der Illusionen der AI-Industrie, des nicht funktionierenden Konzepts von „Agenten“, teurer Cloud-Software ohne Nutzen und der Übertreibung, „die Zukunft sei bereits da“.
• Aus Sicht des Autors ist der Boom der generativen AI lediglich eine Fata Morgana ohne Umsatz, Ergebnisse und Nutzen.
• Wenn all das zusammenbricht, sollte man sich unbedingt daran erinnern, dass der Autor vorher gewarnt hat.

Die Schwäche der Magnificent 7: NVIDIA

• Stand Juli 2025 ist die NVIDIA-Aktie zwar stark auf 170 US-Dollar zurückgesprungen, fiel jedoch im Januar dieses Jahres im Zuge der DeepSeek-Ereignisse auf unter 100 US-Dollar und reagiert damit extrem empfindlich auf zentrale Marktereignisse.
• Magnificent 7 (35 % des US-Aktienmarkts): NVIDIA, Microsoft, Alphabet (Google), Apple, Meta, Tesla, Amazon
  • Davon entfallen 19 % der Marktkapitalisierung der Magnificent 7 auf NVIDIA.
  • Da die Renten- und Anlageprodukte vieler US-Bürger an diese Big-Tech-Gruppe gekoppelt sind, könnte ein Platzen der AI-Blase Auswirkungen auf die Realwirtschaft haben.
• Erhebliche Abhängigkeit von NVIDIAs Hauptumsätzen
  • Microsoft (18,9 %), Amazon (7,5 %), Meta (9,3 %), Alphabet (5,6 %) und Tesla (0,9 %) machen zusammen 42,4 % von NVIDIAs Gesamtumsatz aus.
  • Meta verwendet 25 % seiner Investitionsausgaben, Microsoft 47 %, für den Kauf von NVIDIA-Chips.
  • Microsoft mietet Server bei CoreWeave, und neue Cloud-Unternehmen wie CoreWeave und Crusoe tragen ebenfalls 10 % zu NVIDIAs Umsatz bei.
• NVIDIAs quartalsweises Wachstum
  • Jahreswachstum: 101 %, 94 %, 78 %, 69 % (die letzten vier Quartale)
  • Das Quartalswachstum hat sich stark verlangsamt: von 69 % auf 59 %, dann auf 12 % und erneut 12 %.
  • Der Umsatz im Datacenter-Geschäft (hauptsächlich Server-GPUs) lag bei 39,1 Milliarden US-Dollar und damit unter den Markterwartungen (39,4 Milliarden US-Dollar).
  • In Verbindung mit Problemen auf dem chinesischen Markt (etwa dem H20-Verbot) werden die Grenzen des Umsatzwachstums immer sichtbarer.
• NVIDIAs Risiken
  • Um das Wachstum aufrechtzuerhalten, muss der GPU-Absatz in jedem Quartal steigen.
  • 88 % des Umsatzes stammen aus Datacenter-GPUs (also dem AI-Trade); wenn die fortlaufenden Käufe von 5 bis 6 Big-Tech-Unternehmen ausbleiben, könnte der gesamte Markt ins Wanken geraten.
  • Tatsächlich wird 35 % des US-Aktienmarkts von einer Struktur getragen, die von den GPU-Käufen von 5 bis 6 Unternehmen abhängt.
  • 47,87 % der Gewinne im Russell 1000 werden von den Magnificent 7 erwirtschaftet (Stand 2024).
• Letztlich bedeutet das: Wenn sich NVIDIAs Wachstum abschwächt oder der Umsatz getroffen wird, kann sich der Schock direkt auf die gesamten Magnificent 7 und darüber hinaus auf den US-Aktien- und Rentenmarkt übertragen.

The Hollow "AI Trade" (der hohle AI-Trade)

• Entgegen der verbreiteten Marktauffassung, man könne „mit AI Geld verdienen“, gibt es abgesehen von NVIDIA faktisch kaum Unternehmen, die mit generativer AI Gewinne erzielen.

Die Magnificent 7 haben in den Jahren 2024 bis 2025 insgesamt 560 Milliarden US-Dollar an AI-bezogenen Investitionsausgaben (Capex) ausgegeben, doch die dadurch entstandenen AI-bezogenen Umsätze liegen bei gerade einmal 35 Milliarden US-Dollar.

• Wenn Meta, Amazon, Microsoft, Google und Tesla ihre Pläne wie angekündigt umsetzen, würden 560 Milliarden US-Dollar Investitionen lediglich 35 Milliarden US-Dollar Umsatz erzeugen.
• Tatsächlich haben die meisten Unternehmen zwar „Umsatz“, aber überhaupt keinen Gewinn (Profit).
• Eine solche Marktstruktur ist extrem irrational und ein gefährlicher Kapitalverbrauch.

Microsoft AI Revenue In 2025: 13 Milliarden US-Dollar, davon entfallen 10 Milliarden US-Dollar auf Ausgaben von OpenAI für Azure zu „stark rabattierten Preisen, die gerade einmal die Serverbetriebskosten decken“

• 2025 Capex: 80 Milliarden US-Dollar

• Mit Stand Januar 2025 meldete Microsoft einen auf das Jahr hochgerechneten AI-Umsatz von 13 Milliarden US-Dollar, doch davon stammen 10 Milliarden US-Dollar (rund 77 %) aus der Nutzung von Microsoft Azure durch OpenAI.
• Der von OpenAI gezahlte Betrag besteht aus stark rabattierten Preisen, die nur etwa Microsofts Serverbetriebskosten decken, sodass praktisch kein echter Gewinn übrig bleibt.
• Microsofts tatsächlicher „echter“ AI-Umsatz liegt nur bei rund 3 Milliarden US-Dollar, was gerade einmal 3,75 % der Investitionsausgaben 2025 entspricht.
• Auch 2024 stammten von 4,7 Milliarden US-Dollar AI-Umsatz 2 Milliarden US-Dollar von OpenAI; trotz 135,7 Milliarden US-Dollar Investitionen in AI-Infrastruktur über zwei Jahre hinweg entfielen von den gesamten AI-Umsätzen von 17,7 Milliarden US-Dollar 12,7 Milliarden US-Dollar auf konzerninterne Geschäfte.
• Letztlich ist Microsofts AI-Geschäft vor allem äußerlich aufgebläht; die tatsächlichen Gewinne sind minimal, und der Großteil besteht aus internen Geschäften mit OpenAI.

Amazon AI Revenue In 2025: 5 Milliarden US-Dollar

• 2025 Capex: 105 Milliarden US-Dollar

• Für 2025 wird bei Amazon ein AI-bezogener Umsatz von 5 Milliarden US-Dollar erwartet, was im Verhältnis zu den gewaltigen Investitionsausgaben von 105 Milliarden US-Dollar sehr gering ist.
• Bereits 2024 lagen die Investitionsausgaben bei 83 Milliarden US-Dollar, während der tatsächliche AI-Umsatz lediglich 2,77 Milliarden US-Dollar betrug.
• Analysten erwarten zwar, dass Amazons AI-Umsatz um 80 % steigen könnte, doch die Renditestruktur im Verhältnis zum Mitteleinsatz ist extrem ineffizient.
• Amazon-CEO Andy Jassy betonte, AI sei „die größte Geschäftschance seit der Cloud und der größte technologische Wandel seit dem Internet“, doch die tatsächlichen Daten stützen diese Behauptung nicht.
• Trotz des massiven Kapitaleinsatzes zeigt sich eine strukturelle Grenze: Mit AI lassen sich keine nennenswerten Gewinne erzielen.

Google AI-Umsatz: maximal 7,7 Milliarden Dollar

• Investitionsausgaben 2025 (Capex): 75 Milliarden Dollar

• Die geschätzten maximalen AI-bezogenen Umsätze von Google im Jahr 2025 liegen bei nur 7,7 Milliarden Dollar, wobei die Schätzung der Analysten der Bank of America eher großzügig ausfällt
• Davon entfallen 4,2 Milliarden Dollar auf AI-Abonnementumsätze innerhalb von Google Cloud, 3,1 Milliarden Dollar stammen aus dem Premium-AI-Plan von Google One
  Die verbleibenden 1,1 Milliarden Dollar sind Umsätze aus Preiserhöhungen, die durch das erzwungene Hinzufügen von Gemini-AI-Funktionen zu Workspace-Diensten entstanden sind
• Damit der Premium-AI-Plan von Google One 3,1 Milliarden Dollar Umsatz erreichen kann, müsste man von etwa 12,9 Millionen zahlenden Abonnenten ausgehen, doch für diese Schätzung gibt es kaum eine realistische Grundlage
• Auch beim Workspace-Umsatz werden wegen der Wirkung erzwungener Preiserhöhungen für Business-Nutzer Zweifel an nachhaltigem Wachstum laut
• Verglichen mit den gesamten AI-bezogenen Investitionsausgaben von 75 Milliarden Dollar sind die tatsächlichen AI-Umsätze – nicht Gewinne – äußerst gering

Meta AI-Umsatz: 2 bis 3 Milliarden Dollar

• Investitionsausgaben 2025 (Capex): 72 Milliarden Dollar

• Im Jahr 2025 liegt Metas AI-Umsatz bei 2 bis 3 Milliarden Dollar und ist damit im Verhältnis zu den AI-Investitionen von 72 Milliarden Dollar äußerst gering
• Meta hat generative AI-Funktionen (LLMs, Bildgenerierung usw.) zwangsweise in alle wichtigen Dienste wie Instagram DM integriert, scheitert jedoch an einer substanziellen Monetarisierung
• Laut in einem Urheberrechtsprozess offengelegten Unterlagen behauptete Meta, bis 2035 AI-Umsätze von 460 Milliarden bis 1,4 Billionen Dollar zu erzielen, doch das sei nichts weiter als eine unrealistische Übertreibung
• 99 % des Gesamtumsatzes stammen aus Werbung; auch Lizenzumsätze des Llama-Modells könnten teilweise von Cloud-Partnern (AWS, NVIDIA, Google usw.) kommen, konkrete Zahlen wurden jedoch nicht veröffentlicht
• Letztlich erwirtschaftet Metas AI-Sparte trotz der massiven Investitionen keine Gewinne und verschärft nur den enormen Cash-Burn und die Ineffizienz

Tesla Does Not Appear To Make Money From Generative AI

• Investitionsausgaben 2025 (Capex): 11 Milliarden Dollar

• Tesla gehört zwar zu den Magnificent 7, ist jedoch am weitesten vom Generative-AI-Trade entfernt
• Elon Musk ist mit xAI in das AI-Feld eingestiegen (Entwickler von Grok, einem bekannten LLM, und Eigentümer von Twitter), doch xAI verbrennt monatlich 1 Milliarde Dollar an Cash und erzielt nur einen äußerst geringen Umsatz von 100 Millionen Dollar pro Jahr (8,3 Millionen Dollar pro Monat)
• Teslas direkte AI-bezogene Umsätze sind praktisch nicht vorhanden; auch eine Investition in xAI soll per Aktionärsabstimmung entschieden werden, was jedoch stark Musks persönlicher Hebelstrategie dient
• Sollte Tesla-Kapital in AI-Geschäfte wie xAI fließen, sind die Chancen auf reale Gewinne gering; stattdessen dürfte das Risiko für Umsatz und Marke des Kerngeschäfts von Tesla steigen
• Fazit: Tesla ist weder ein direkter Profiteur des Generative-AI-Booms, noch sind reale Gewinne aus AI-Investitionen in nennenswertem Maß zu erwarten

Apples AI-Geschichte ist seltsam

• Investitionsausgaben 2025 (Capex): etwa 11 Milliarden Dollar

• Apple gilt als das Unternehmen, das generative AI am zögerlichsten eingeführt hat und beim AI-Trend hinterherhinkt
• Nach dem Start von Apple Intelligence haben Millionen Nutzer eher eine Abneigung gegen AI entwickelt, weil die meisten AI-Funktionen (Dokumentzusammenfassungen, E-Mail-Erstellung, benutzerdefinierte Emojis usw.) in der Praxis gar nicht gewünscht waren
• Am Markt heißt es, Apple habe im AI-Wettbewerb den Anschluss verloren; die erzwungene Einführung von generativer AI habe nur die Unzufriedenheit der Nutzer erhöht
• Trotzdem hat Apple keine astronomischen Investitionen in AI-Infrastruktur vorgenommen, und die AI-bezogenen Investitionsausgaben liegen mit rund 11 Milliarden Dollar vergleichsweise niedrig
• Gerade weil Apple nicht riesige Kapitalmengen auf einen AI-Markt mit begrenztem Potenzial und nicht rentablen Produkten gesetzt hat, kann der Ansatz des Unternehmens eher als konservativ und vorsichtig gelten

The Fragile Five — Amazon, Google, Microsoft, Meta und Tesla — stützen den US-Aktienmarkt, indem sie NVIDIAs künftige Wachstumsstory finanzieren

• Die sogenannten „Fragile Five“ – Amazon, Google, Microsoft, Meta und Tesla – stützen den US-Aktienmarkt durch den Kauf von NVIDIA-GPUs
• NVIDIAs Marktkapitalisierung entspricht rund 8 % des gesamten US-Aktienmarkts und etwa 7,5 % des S&P 500; 88 % des Umsatzes stammen aus Enterprise-GPUs für generative AI, und davon hängen 42 % von Käufen dieser fünf Unternehmen ab
• Wenn auch nur eines dieser Unternehmen seine Investitionen in NVIDIA-Chips verändert, könnte das direkte und erhebliche negative Auswirkungen auf den gesamten US-Markt haben
• In einer Situation, in der NVIDIAs Geschäftszahlen praktisch mit dem Marktvertrauen gleichgesetzt werden, schreiben die von diesen Unternehmen aufgebauten AI-Dienste in Wirklichkeit enorme Verluste und tragen kaum zu realen Umsätzen oder Gewinnen bei
• Jedes Unternehmen spricht von „Wachstum durch AI“ oder „Jobersatz durch AI“, doch das sind letztlich nur Gesten, um die Offenlegung realer Gewinne zu vermeiden
• Hätte es tatsächlich substanzielles Wachstum oder steigende Umsätze gegeben, wäre dies dem Gesamtmarkt groß angekündigt worden; stattdessen werden weiterhin nur gewaltige Kosten investiert
• Letztlich besteht das Wesen des AI-Booms nicht in realen Geschäftserträgen, sondern lediglich in einem Kapitalkreislauf rund um den Kauf von NVIDIAs GPUs

Ed! Amazon Web Services brauchte Jahre, um profitabel zu werden! Die Leute sagten, Amazon würde scheitern!

• Viele wiederholen die Logik: „Auch Amazon schrieb eine Zeit lang Verluste, also könnte AI mit der Zeit ebenfalls profitabel werden“, doch tatsächlich sind Amazon Web Services (AWS) und die Generative-AI-Industrie grundverschieden
• In Barron’s Artikel Amazon.bomb von 1999 wurde zwar Amazons Verluststruktur, der verschärfte Wettbewerb und die Skepsis gegenüber einer möglichen späteren Profitabilität thematisiert,
  doch selbst damals wurde die Marktnachfrage nach Amazons Geschäftsmodell (Online-Handel) an sich nicht bestritten
• Auch AWS schrieb vor und um seinen Start im Jahr 2006 Verluste, doch es gab eine reale Nachfrage in einem bereits existierenden, klaren Markt (Web-Services, wachsender Online-Traffic), und nach dem Wachstum gelang rasch der Übergang in die Profitabilität
• Anders als bei AWS wurde in der Generative-AI-Industrie bislang weder ein profitables, belastbares Geschäftsmodell noch eine breite Nachfrage nachgewiesen
• Nur weil sich frühere Skepsis gegenüber Amazon als falsch erwiesen hat, ist es ein falscher Vergleich, heutige Kritik an der AI-Industrie mit dem Optimismus abzutun, sie werde „irgendwann profitabel“ – dabei wird der grundlegend andere Kontext ignoriert

Aber sprechen wir über Amazon Web Services

• Amazon Web Services (AWS) ist ursprünglich ein Geschäftszweig, der aus dem Prozess hervorging, die explodierenden Web-Traffic-Mengen von Amazon.com und die komplexe Service-Infrastruktur intern zu skalieren
• Es war die frühe Internet-Ära, noch vor dem Aufstieg von Facebook und Twitter, und AWS schuf einen neuen Markt, indem es als Erster echte Infrastrukturinnovationen wie Cloud Computing, Serververmietung und Storage anbot
• Schon in einem Bloomberg-Artikel von 2006 wurde AWS als „riskante Wette“ von Bezos bezeichnet und stieß an der Wall Street sowie bei Investoren auf starken Skeptizismus
• Doch bereits damals waren Hardware- und Software-Infrastruktur weitgehend aufgebaut, und das Management hatte klar die langfristige Perspektive, dass nach einigen Jahren massiver Vorabinvestitionen der eigentliche Geschäftserfolg einsetzen würde
• Der Analyst Scott W. Devitt urteilte damals pessimistisch, es werde „jahrelang keine wirtschaftlichen Erträge“ geben,
  tatsächlich konnte AWS jedoch die bereits klar vorhandene Marktnachfrage nach IT-Infrastrukturservices für Unternehmen und Entwickler schnell aufnehmen und erfolgreich profitabel werden
• Auch im heutigen AI-Boom sind viele Analysten optimistisch, dass Generative AI zu einer profitablen Branche wie AWS werden wird,
  tatsächlich haben jedoch selbst große IT-Unternehmen wie Salesforce und Palantir offiziell erklärt, dass es im AI-Bereich keine Signale für eine Verbesserung der Profitabilität gibt
• Der klare Unterschied ist, dass AWS auf Basis eines eindeutigen Marktes und realer Bedürfnisse gewachsen ist, während bei Generative-AI-Services vor allem überzogene Erwartungen existieren und weder reale Nachfrage noch ein Ertragsmodell bewiesen sind
• Damit wird betont, dass auch Analysten gewaltige Fehlurteile fällen können und es gefährlich ist, den Erfolg eines AI-Geschäfts allein aufgrund von Marktoptimismus zu erwarten

Aber Amazon Web Services kostete Geld, Ed, und nun sollst du dein Ende finden!

• Auch AWS wuchs über lange Zeit unter Verlusten und unter der Last enormer Investitionen in Sachanlagen (Capex),
  und noch kurz vor dem Erreichen der Profitabilität im Jahr 2015 kamen viele Analysten, etwa Katy Huberty,
  zu pessimistischen Einschätzungen wie „AWS macht immer noch große Verluste“ und leiste nur einen geringen Gewinnbeitrag
• 2014 floss ein erheblicher Teil der gesamten Investitionen von Amazon in Höhe von 4,9 Milliarden US-Dollar in AWS,
  und mit kumulierten Investitionen von 67,6 Milliarden US-Dollar über zehn Jahre wuchs AWS letztlich
  zu einem gigantischen Infrastrukturgeschäft heran, das pro Quartal Milliarden Dollar Gewinn erzielt
• Zum Vergleich: 67,6 Milliarden US-Dollar liegen sogar unter den Amazon-AI-Investitionen in Sachanlagen für 2024 von 83 Milliarden US-Dollar
  und entsprechen nur 1/15 der gesamten Amazon-AI-Investitionen in Sachanlagen im Jahr 2025
• Das heißt, selbst die Kosten für das Wachstum von AWS machen nur einen winzigen Teil des Kapitals aus, das heute in den AI-Boom fließt
• Im Gegensatz dazu werden in die Generative-AI-Branche bereits innerhalb kurzer Zeit Dutzende bis Hunderte Milliarden Dollar gepumpt, ohne dass Profitabilität oder Marktfähigkeit real nachgewiesen wären
• Kurz gesagt: Zwischen dem früheren AWS und Generative AI bestehen grundlegende Unterschiede bei eingesetztem Kapital, Marktfähigkeit und der Klarheit des Wachstumspfads
• Umfang und Geschwindigkeit der heutigen AI-Investitionen sind mit der AWS-Zeit nicht vergleichbar

Generative AI and Large Language Models Do Not Resemble Amazon Web Services or The Greater Cloud Compute Boom, As Generative AI Is Not Infrastructure

• Viele Menschen setzen Generative AI und Large Language Models (LLMs) mit Cloud-Infrastrukturgeschäften wie AWS, Azure und Google Cloud gleich, doch tatsächlich unterscheiden sich beide Geschäftsmodelle grundlegend
• Cloud-Services wie AWS stellen mit Angeboten wie EC2 (gemietete Rechenleistung) und S3 (gemieteter Storage) reale IT-Infrastruktur flexibel bereit und erzielen im Enterprise-Markt bereits Umsätze in Höhe von Dutzenden bis Hunderten Milliarden Dollar
  Es handelt sich um ein Grundlagengeschäft mit klarer Nachfrage und hohem Nutzen für Unternehmen und Entwickler
• Das Wesen von Cloud-Infrastruktur besteht darin, Dienste günstig und zuverlässig von überall auf der Welt betreiben zu können, weil Kunden dadurch keine eigene Infrastruktur mehr aufbauen und betreiben müssen
• Das Wachstum von AWS entstand, indem bereits vorhandene Probleme und Nachfrage, etwa durch Online-Shopping und steigenden Webservice-Traffic, effektiv gelöst wurden
  • Das heißt, ein klarer geschäftlicher Bedarf und konkrete Marktnachfrage gingen voraus
• Im Gegensatz dazu fehlt es Generative-AI-/LLM-Geschäften jenseits des exzessiven Einsatzes von Kapital für Rechenzentren und GPUs an Vielfalt und Allgemeinverwendbarkeit als Infrastruktur sowie an klarer Marktnachfrage
  • Tatsächlich haben auch AI-Startups meist keine andere Wahl, als auf „echter“ Infrastruktur wie AWS oder Azure aufzusetzen
• Fazit: Generative AI ist nur eine einzelne Funktion eines Cloud-Angebots,
  aber nie als allgemeine Infrastruktur bewiesen worden, die wie die Cloud als Basis für verschiedenste Branchen und Produkte dienen kann
  Den AI-Boom mit Infrastrukturinnovation gleichzusetzen, ist ein logischer Fehlschluss

Companies Built On Top Of Large Language Models Don't Make Much Money (In Fact, They're Likely All Deeply Unprofitable)

• Unternehmen auf Basis von Generative AI (LLMs) schreiben fast alle Verluste. Als seltene Ausnahme behauptete Midjourney, 2022 profitabel gewesen zu sein, doch der aktuelle Stand ist unklar
• Abgesehen von OpenAI, Anthropic und Cursor (Anysphere) gibt es kein Unternehmen mit mehr als 500 Millionen US-Dollar Jahresumsatz
• Nur wenige wie Midjourney, Ironclad und Perplexity liegen bei 100 bis 200 Millionen US-Dollar Jahresumsatz, und weltweit gibt es nur 12 Generative-AI-Unternehmen mit mehr als 100 Millionen US-Dollar Umsatz
• Einige davon wurden bereits übernommen, und sieben liegen bei einem Jahresumsatz von lediglich mehr als 50 Millionen US-Dollar
• Verglichen mit dem SaaS-/Enterprise-Software-Markt sind diese Umsatzgrößen sehr gering (zum Beispiel Hubspot mit 2,6 Milliarden US-Dollar Jahresumsatz)
• Drei Jahre später schreiben selbst führende Unternehmen wie OpenAI und Anthropic noch Milliardenverluste, und auch Wachstumsunternehmen fehlt es sowohl an breiter Popularität als auch an Profitabilität
• Selbst das prominente Beispiel Cursor mit 500 Millionen US-Dollar Umsatz zeigt durch aggressive Preisgestaltung und Serviceeinschränkungen, dass es sich um ein nicht tragfähiges Geschäftsmodell handelt

Cursor's $500 Million "Annualized Revenue" Was Earned With A Product It No Longer Offers, And Anthropic/OpenAI Just Raised Their Prices, Increasing Cursor’s Costs Dramatically

• Die annualisierten 500 Millionen US-Dollar Umsatz von Cursor stammen tatsächlich aus einem nicht tragfähigen Angebot, das inzwischen gar nicht mehr verkauft wird
• Im Juni 2025 führten Anthropic und OpenAI Preiserhöhungen bei ihren APIs sowie Strukturen wie Service-Tiers und Prioritätsverarbeitung ein, wodurch Cursors Betriebskosten sprunghaft anstiegen
• Daraufhin führte Cursor nacheinander für Nutzer nachteilige Maßnahmen wie Änderungen an Abomodellen, Nutzungslimits und Geschwindigkeitsbegrenzungen ein
• Hinter dem rasanten Umsatzwachstum von Cursor standen völlig unwirtschaftliche aggressive Preismodelle und Bedingungen für die Modellnutzung; da diese nun nicht mehr aufrechterhalten werden können, verschlechtern sich Servicequalität und Konditionen
• Tatsächlich fließt der Großteil des von Cursor eingesammelten Kapitals an LLM-Anbieter wie OpenAI und Anthropic
• Unter solchen Bedingungen ist es für kein AI-Startup leicht, ein dauerhaft tragfähiges Geschäftsmodell aufzubauen, und selbst das Beispiel des schnellen Wachstums von Cursor erweist sich letztlich als „falsches Wachstum“

> Nein, wirklich, wo sind die Consumer-AI-Startups?

• Das bekannte Consumer-AI-Startup Perplexity kommt nur auf einen annualisierten Umsatz von 150 Millionen US-Dollar,
  zahlte 2024 jedoch Kosten in Höhe von 167 % seines Umsatzes an Anthropic, OpenAI und Amazon und verbuchte dadurch einen Verlust von 68 Millionen US-Dollar
• Tatsächlich gibt es kaum Beispiele für Generative-AI-Dienste für Endverbraucher, die erfolgreich monetarisiert wurden
• Die meisten neuen AI-Services bleiben bei der Wiederholung bestehender SaaS-Funktionen wie Suche, Automatisierung und Chatbots und schaffen weder echte Innovation noch einen „neuen Markt“

The Generative AI Software As A Service Market Is Small, With Little Room For Growth And No Profits To Be Seen

• Der Markt für generative AI-SaaS ist insgesamt sehr klein, und es gibt keinerlei Unternehmen mit hohem Wachstum und Profitabilität
• Die Branche betont nicht die tatsächlichen Umsätze, sondern nur den „annualisierten Umsatz (Annualized Revenue)“; da der Monatsumsatz niedrig oder die Abwanderung von Abonnenten hoch sein kann, ist dies nur begrenzt geeignet, reales Wachstum und Nachhaltigkeit zu beurteilen
• Auf Monatsumsatzbasis liegen die meisten Unternehmen bei umgerechnet weniger als 10 Millionen US-Dollar; selbst verglichen mit dem AWS-Monatsumsatz von 2008 (15,75 Millionen US-Dollar) hinkt das Wachstumstempo deutlich hinterher
• Abgesehen von Cursor gibt es kein auffälliges SaaS-Unternehmen, und selbst Firmen, die mit „dem höchsten Wachstum“ werben, nutzen intransparente Preispolitik und irreführende Wachstumskennzahlen
• Selbst Glean, ein repräsentatives AI-Such-SaaS, zeigt nach aufeinanderfolgenden Finanzierungsrunden 2024–2025 und der Ankündigung, „100M ARR erreicht“ zu haben, stagnierende Monatsumsätze und reales Wachstum sowie plötzliche Preiserhöhungen; es fehlt also sowohl an echter Marktfähigkeit als auch an hohem Wachstum
• Insgesamt ist der Markt für generative AI-SaaS eng, bietet wenig Wachstumspotenzial, und kein Unternehmen hat bislang den Weg in die Profitabilität geschafft

There Are No Unique Generative AI Companies — And Building A Moat Based On Technology Is Near-Impossible

• Unternehmen im Bereich generativer AI bieten fast alle dieselben Funktionen an (Chatbots, Suche und Zusammenfassung, Text-/Bildgenerierung, Übersetzung, Coding-Unterstützung usw.), und eine technische Differenzierung ist extrem schwierig
• Letztlich sind die meisten Unternehmen auf dieselben LLM-APIs (OpenAI, Anthropic usw.) angewiesen, und auch das zentrale geistige Eigentum (IP) liegt bei den LLM-Anbietern
• Selbst Wachstumsbeispiele wie Cursor haben abgesehen von UI, Prompts und Preismodell keine nennenswerten Unterscheidungsmerkmale, während Wettbewerber (Amazon, ByteDance usw.) ähnliche Produkte problemlos auf den Markt bringen können
• Service-Design und Betrieb können keine technische Eintrittsbarriere (Moat) bilden, und Modellanbieter können jederzeit, wenn sie wollen, einen Klon-Service aufbauen
• Im Ergebnis gibt es kein originelles generatives AI-Startup und kein Beispiel für den erfolgreichen Aufbau eines echten „Moat“

Established Large Language Models Are A Crutch

• In früheren Technologiebooms entwickelten Unternehmen jeweils eigene Modelle und eigene Infrastruktur, doch im Zeitalter generativer AI sind fast alle Startups von wenigen großen LLMs (OpenAI, Anthropic usw.) abhängig
• Am Ende verkommt der Markt zu einer Struktur, in der sich alles um zwei oder drei Unternehmen dreht und der Rest nur noch wie Subunternehmer Funktionssoftware daraufsetzt

OpenAI And Anthropic Are Their Customers' Weak Point

• LLM-Anbieter wie OpenAI und Anthropic können Preise und Servicebedingungen jederzeit willkürlich ändern und bedrohen, wie der Fall Windsurf zeigt, das Geschäft ihrer Kunden direkt
• Die Kundenunternehmen sind den Richtlinienänderungen der LLM-Anbieter vollständig ausgeliefert

The Limited Use Cases Are Because Large Language Models Are All Really Similar

• Alle Large Language Models verwenden fast dieselben Daten und Architekturen (Transformer usw.), wodurch letztlich auch die funktionale Differenzierung und die Vielfalt der Einsatzfelder stark begrenzt sind

Generative AI Is Simply Too Expensive To Build A Sustainable Business On Top Of It

• Die Kostenstruktur ist durch Betriebskosten, API-Kosten usw. übermäßig hoch und schwer vorhersehbar
• Bei OpenAI, Anthropic, Perplexity usw. ist die Last der laufenden Kosten im Verhältnis zu den Erlösen so groß, dass ein nachhaltiges Geschäftsmodell nahezu unmöglich erscheint

Companies Are Using The Term "Agent" To Deceive Customers and Investors

• Der Begriff „AI-Agent“ kommt in der Praxis eher einem Marketingbetrug gleich, bei dem nicht autonome Chatbots oder Automatisierungsabläufe möglichst überzeugend verpackt werden
• Typische Beispiele sind Salesforce Agentforce, OpenAIs ChatGPT Agent, Glean, ServiceNow usw., die unter dem Namen „AI-Agent“ nur einfache Chatbots oder IF-THEN-basierte Automatisierungsfunktionen anbieten
• Tatsächlich liegt die Erfolgsquote bei Single-Step-Aufgaben nur bei 58 % und bei Multi-Step-Aufgaben nur bei 35 %; von echten Agenten, die Menschen ersetzen, kann keine Rede sein
• Selbst Coding-Agenten sind in der Praxis weiterhin bei Ausführung, Fehlerbehandlung und Qualitätskontrolle vollständig auf menschliche Aufsicht angewiesen
  • Forschungsergebnisse zeigen sogar, dass AI-Coding-Tools die Produktivität von Entwicklern um 19 % senken
• Der Begriff „AI-Agent“ selbst ist nicht mehr als eine überzogene symbolische Rhetorik, die Kunden und Investoren in die Irre führen soll, und auch die Medien wiederholen dies weitgehend unkritisch

But Really Though, Everybody Is Losing Money On Generative AI, And Nobody's Making A Profit

• Laut einem UBS-Bericht sind die AI-bezogenen Umsätze börsennotierter Unternehmen, die tatsächlich AI-Services betreiben, äußerst gering
• So beträgt beispielsweise ServiceNows AI-bezogener Annual Contract Value (ACV) nur 250 Millionen US-Dollar, wobei selbst dabei unklar ist, ob es sich wirklich um reinen „AI-only“-Umsatz handelt
• Gartner prognostiziert, dass bis 2027 mehr als 40 % der „AI-Agent“-Projekte vorzeitig eingestellt werden
• Adobe, Salesforce usw. werben ebenfalls stark mit generativer AI, doch der annualisierte Umsatz liegt bei rund 100 Millionen US-Dollar; unter Berücksichtigung der Kosten gibt es faktisch kaum Gewinn oder es geht in Richtung Verlust
• Solche Umsatzgrößenordnungen sind absurd klein, um eine Zukunftsindustrie anzuführen, und es fehlt sowohl an realer Profitabilität als auch an echter Marktfähigkeit

OpenAI and Anthropic Are The Generative AI Industry, Are Deeply Unstable and Unsustainable, and Are Critical To The AI Trade Continuing

• OpenAI und Anthropic stehen für mehr als die Hälfte des Umsatzes der generativen AI-Industrie, haben aber zugleich eine extrem instabile Struktur, in der sie jährlich Milliardenverluste schreiben
• OpenAI beschafft derzeit 40 Milliarden US-Dollar unter anderem von SoftBank; davon sind 30 Milliarden US-Dollar noch nicht gesichert
  • Ein erheblicher Teil des Kapitals soll in Rechenzentren (z. B. Stargate) fließen, doch auch die tatsächliche Finanzierbarkeit ist unsicher
  • Scheitert bis 2025 die Umwandlung in ein gewinnorientiertes Unternehmen, gehen von 20 Milliarden US-Dollar 20 Milliarden verloren; erfolgt die Umwandlung bis Oktober 2026 nicht, wird die gesamte Investition in Schulden umgewandelt
  • Auch die Verhandlungen mit wichtigen Investoren wie Microsoft stecken fest
• Anthropic macht bei einem Jahresumsatz von 4 Milliarden US-Dollar ebenfalls 3 Milliarden US-Dollar Verlust und wiederholt Preiserhöhungen sowie Serviceeinschränkungen gegenüber wichtigen Kunden wie Cursor
  • Eine instabile Geschäftsstruktur ohne Profitabilität und ohne Nachhaltigkeit
• Obwohl die beiden Unternehmen mehr als 50 % des gesamten Umsatzes mit generativer AI ausmachen, beruht das Ganze tatsächlich vollständig auf einer verlustträchtigen Struktur ohne Gewinn
• Ohne externe Finanzierung und den fortlaufenden Ausbau der Infrastruktur ist bereits das Weiterbestehen selbst als „Risikoindustrie“ unklar

There Is No Real AI Adoption, Nor Is There Any Significant Revenue

• Es gibt fast keine echte breite Adoption generativer AI-Services und keine nennenswerten Umsätze
• ChatGPT verweist zwar auf 500 Millionen wöchentliche Nutzer, hat aber tatsächlich nur 15,5 Millionen zahlende Abonnenten; viele davon nutzen es einmalig oder für Lernen und Hausaufgaben statt für geschäftliche Zwecke
• Auch Google Gemini bläht die Zahl der tatsächlichen Nutzer auf, indem etwa Google Assistant mit eingerechnet wird; die reale Marktdurchdringung ist also deutlich niedriger
• Obwohl Branche, Medien und Kapitalmarkt den AI-Hype seit drei Jahren antreiben, bleiben Umsatz, Abonnentenzahl und Ökosystem im Vergleich zu klassischem SaaS deutlich zurück
• Abgesehen von ChatGPT gibt es faktisch keinen generativen AI-Service mit nennenswertem Umsatz oder relevanter Nutzerbasis im Markt

Yes, Generative AI "Does Something," But AI Is Predominantly Marketed Based On Lies

• Dass generative AI ein gewisses Maß an Funktionalität bietet (Coding, Suche usw.), stimmt zwar, aber alle betroffenen Unternehmen schreiben rote Zahlen; solange es nicht einmal ein einziges profitables Unternehmen gibt, kann man schwerlich von einer echten Industrie sprechen
• Begriffe wie „Agenten“, „AGI“ und „Singularität“ werden inflationär verwendet, um zu übertreiben, als würden LLMs autonome und intelligente Innovation tatsächlich verwirklichen
• Auch die Behauptung, AI werde menschliche Arbeitsplätze ersetzen, ist letztlich nur eine absichtliche Übertreibung bzw. Verzerrung, um Unternehmensbewertungen und Aktienkurse zu steigern
• Tatsächlich blasen die meisten Medienberichte und Unternehmens-PR die Fähigkeiten von AI über die Realität hinaus auf und führen damit Investoren und die Öffentlichkeit in die Irre
• Selbst Verhaltensweisen wie Lügen oder Betrug von Modellen sind in Wirklichkeit das Ergebnis gezielt herbeigeführter Prompts, doch die Medien nutzen dies, um Autonomie und Gefährlichkeit zu dramatisieren
• Insgesamt ist der Markt für generative AI weitgehend ein Trugbild, das eine Branche mit realen Umsätzen von 50 Milliarden Dollar als Zukunftsindustrie im Billionen-Dollar-Maßstab verkauft; auch die Medien tragen zu dieser Blasenbildung bei

The AI Trade Is Entirely About GPUs, And Is Incredibly Brittle As A Result

• Der Handel mit AI-Aktien läuft unabhängig von Gewinnen, Nutzerwachstum oder technologischer Innovation
• Die Aktienkurse steigen nicht, weil Unternehmen mit AI Geld verdienen, sondern wegen des Images und der Stimmung, die mit AI verbunden sind
• OpenAI und die darauf aufbauenden Unternehmen sind geschäftlich äußerst fragil; große Sprachmodelle sind im Betrieb zu teuer, und es ist grundsätzlich schwierig, daraus wirklich differenzierende Innovation zu schaffen
• Die gesamte aktuelle AI-Industrie ist strukturell vollständig vom Verkauf von GPUs abhängig
• CoreWeave, Oracle, Meta und andere kaufen große Mengen an GPUs von NVIDIA; auch Microsoft betreibt zur Unterstützung von OpenAI umfangreiche Azure-Infrastruktur auf Basis von NVIDIA-GPUs
• Microsoft, Meta, Google, Apple, Amazon und Tesla erzielen alle keine substanziellen Gewinne mit AI; auch ihr Aktienwachstum wird durch das mit AI verbundene Image getragen
• Am Ende hängt dieser gesamte Trend von NVIDIAs Fähigkeit ab, GPUs zu verkaufen; die AI-Produkte selbst schaffen real keinen nennenswerten geschäftlichen Wert. Selbst wenn Produkte teilweise angenommen werden, werden sie meist unter Inkaufnahme massiver Verluste betrieben

I'm Alarmed!

• Die AI-Industrie befindet sich derzeit eindeutig in einer Blase
• Es gibt Analysen, wonach die Überbewertung der zehn größten Unternehmen im S&P 500 heute noch gravierender ist als während der IT-Blase der 1990er
• Generative AI trägt kaum zu realen Geschäftsergebnissen, Nutzergewinnung, Arbeitsautomatisierung oder substanzieller Wertschöpfung bei. Die meisten Unternehmen erwirtschaften keine Gewinne, sondern vielmehr erhebliche Verluste
• Diese Blase ist nicht bloß ein Problem des Finanzkapitals, sondern eine symbolische Struktur, die allein auf dem fortlaufenden Verkauf von GPUs beruht. Tatsächlich sind sowohl Platz als auch Kapital begrenzt, um Rechenzentren mit weiteren GPUs zu füllen
• Trotz Behauptungen über sinkende Kosten oder den Einsatz von ASICs gibt es zu wenig belastbare Belege und erhebliche Schwierigkeiten bei Produktion und Einsatz. Bislang bleibt man weiterhin auf NVIDIA-GPUs angewiesen
• Medien und Marktstimmung treiben einen AI-Erfolgsmythos ohne reale Substanz an und blenden die Realität aus, in der es an echter Innovation und Gewinnen fehlt
• NVIDIA ist zugleich die treibende Kraft des Marktes und seine größte Schwachstelle. Alle stützen sich auf NVIDIA und kaufen in großem Stil GPUs, doch faktisch beginnen die Verluste bereits mit der Installation
• Produkte auf Basis großer Sprachmodelle ähneln sich alle, und trotz gewaltiger Kosten verursachen sie lediglich negative Renditen
• Die aktuelle Struktur der AI-Industrie unterscheidet sich auch von früheren Fällen wie Uber oder AWS; sie ist eine eigenartige Konstruktion, die aus Ideenerschöpfung in Tech und Industrie sowie aus übermäßiger Abhängigkeit von einem einzelnen Unternehmen entstanden ist
• Von AI-Skeptikern wurde stets verlangt, alles zu erklären, doch AI-Optimisten können keine substanziellen Belege vorlegen
• Wenn die Blase platzt, wird der grundlegende Trugschluss der AI-Industrie sichtbar werden

• Gegenargument zu „Die Inferenzkosten sinken doch?“

  • Fallende Tokenpreise bedeuten nicht automatisch sinkende Inferenzkosten. Je größer das Modell, desto höher in der Praxis oft sogar die tatsächlichen Kosten
  • Tatsächlich führen reasoning-lastige Modelle (z. B. Claude Opus 4) zu steigenden Betriebskosten

• Skepsis gegenüber „ASICs als Lösung?“

  • OpenAI, Broadcom und andere versuchen zwar, eigene ASICs zu entwickeln, doch zahlreiche Probleme wie Produktionsfähigkeit, reale Leistung und Kompatibilität mit Serverarchitekturen sind weiterhin ungelöst
  • Auch Microsoft hat tatsächlich bereits Fälle gehabt, in denen die Entwicklung verlässlicher ASICs gescheitert ist
  • Selbst wenn der Wechsel zu ASICs gelingt, würde ein Rückgang der NVIDIA-GPU-Verkäufe den gesamten AI-Trade ins Wanken bringen

• Das wesentliche Risiko der Blase

  • Die aktuelle AI-Industrie hält Aktienkurse und Bewertungen ohne echte Innovation oder infrastrukturellen Burggraben allein durch Medien und Marktpsychologie aufrecht
  • Historisch vergleichbare Fälle sind im Grunde nur die Dotcom-Blase und der Zusammenbruch von WeWork
  • Der Markt klammert sich ausschließlich an die fortgesetzten GPU-Verkäufe von NVIDIA. Eine Struktur, in der die Verluste mit der Installation beginnen
  • Letztlich funktionieren alle Produkte und Geschäftsmodelle auf ähnliche Weise und erzeugen einen Teufelskreis aus hohen Kosten und niedrigen Erträgen

• Innerhalb wie außerhalb der Branche herrscht substanzloser Optimismus, und der tatsächliche Nutzen sowie die Innovation von AI werden übertrieben
• Wenn die AI-Blase kollabiert, sollten diejenigen, die bislang ohne Grundlage Optimismus verbreitet haben, zur Verantwortung gezogen werden

I Don't Like What's Happening : Mir gefällt nicht, was gerade passiert

• Die Tech-Industrie sollte Innovation, reale Gewinne und echtes Wachstum anstreben, doch die aktuelle generative AI zeigt eine Realität, in der Markt und Medien nur noch an der Illusion festhalten, menschliche Arbeit ersetzen zu können
• Wie es die These der Rot Economy beschreibt, sind LLMs und GPUs als Folge eines Wachstumsfetischs zu bloßen Mitteln geworden, Geld zu verbrennen, völlig losgelöst von realem Wert oder Produktqualität. Tatsächlich werden Produkte gebaut, die niemand wirklich mögen würde, während nur immer neue Rechenzentren und Chips gekauft werden
• Die heutige AI-Industrie ist eine äußerst fragile und riskante Struktur. Ob vier oder fünf Unternehmen weiter Chips kaufen, entscheidet darüber, ob der gesamte Markt wankt. GPUs, die ab der Installation Verluste verursachen, LLM-Produkte ohne echten Differenzierungsfaktor und dauerhafte Defizite sind die Kernprobleme
• Verherrlicher generativer AI sowie ein Teil der Medien und des Managements reagieren auf kritische Stimmen durchgehend herablassend und befeuern Illusionen, statt den tatsächlichen Nutzen oder echte Innovation zu erklären. Sie behaupten zwar, AI sei großartig, liefern aber kaum belastbare Belege
• LLMs können nicht zwischen richtig und falsch unterscheiden und vermitteln falsche Informationen mit autoritativem Ton. Führungskräfte und Manager tun mit AI so, als würden sie klüger, und nutzen sie als Mittel, echtes Lernen und Verantwortung zu vermeiden
• Die größte Täuschung der generativen AI ist die Illusion wirtschaftlicher Aktivität. Tatsächlich schafft sie keinen nennenswerten Wert, liefert aber die Rechtfertigung, riesige Summen in GPUs und Rechenzentren zu investieren und so nur die Blase weiter aufzublasen
• Diese Struktur unterscheidet sich völlig von Uber, AWS oder anderen Industriebeispielen der Vergangenheit. Der Hardwareverkauf eines einzelnen Unternehmens hängt von vier oder fünf anderen Unternehmen ab, und schon ein Wandel in der Wahrnehmung kann einen gewaltigen Dominoeffekt auslösen
• Die derzeitige Richtung führt zu unnötiger Verschwendung und Zerstörung. Die Altersvorsorge und Arbeitsplätze unzähliger Menschen sind verschwunden, und Großunternehmen geben astronomische Summen für Rechenzentren und GPUs aus, um ihre quartalsweisen Wachstumszahlen zu schönen
• Letztlich gibt es klare Verantwortliche für das Marktchaos, und die Schäden werden auf die gesamte Branche zurückfallen. Dabei ist es wichtiger, die tatsächlich Verantwortlichen klar zu erkennen, statt den Menschen nur Angst und Misstrauen einzuflößen
• Sam Altman, Dario Amodei, Satya Nadella, Sundar Pichai, Tim Cook, Elon Musk, Mark Zuckerberg und Andy Jassy tragen Verantwortung dafür, diese unnötige und zerstörerische Wirtschaftsstruktur vorangetrieben zu haben
  • Nach dem Platzen der Blase müssen sie unbedingt zur Verantwortung gezogen werden
• Auch normale Menschen können diese Struktur durchaus verstehen und sollten erkennen, dass Macht oder Kapital nicht automatisch Richtigkeit oder Weisheit bedeuten, um eine bessere Zukunft schaffen zu können

[dojanmail]

LLMs haben zwar nicht nur Vorteile, aber ich finde es schwer, der Aussage zuzustimmen, dass alle AI-Services nicht profitabel seien. Ich denke, dass innerhalb der nächsten fünf Jahre fast alle heutigen Plattform-Services größtenteils durch AI-Agenten ersetzt werden.

[ndrgrd]

Wenn LLMs wirklich brauchbar geworden sind und man sie trotzdem nicht einmal ausprobiert, sie abwertet und absichtlich meidet, dann liegt das Problem bei dieser Person,
die Qualität der heutigen Services auf Verbraucherniveau ist jedoch auf einem Niveau, das schwer nutzbar ist.

Ich habe kostenpflichtige Modelle bekannter Services wie Perplexity, GPT und Gemini ausprobiert, aber sie sind alle mehr oder weniger gleich.
Selbst wenn man die Materialien direkt heraussucht, Links anhängt und ihnen die nötigen Daten mundgerecht serviert, lesen sie sie nicht einmal richtig, erfinden Inhalte und wiederholen nur falsche Behauptungen.
Außerdem haben sie ausnahmslos eine merkwürdige Sturheit: Sobald sie einmal anfangen, etwas Falsches zu behaupten, kann man sie absolut nicht mehr korrigieren. Es ist einfach schneller, das ganze Gespräch zu verwerfen und neu anzufangen.

Ehrlich gesagt nervt es, sich mit so etwas herumzuschlagen. Sie verstehen einfach nicht, worum es geht.
In der Zeit ist es schlicht schneller, die Dokumentation selbst nachzuschlagen, es selbst herauszufinden und zu korrigieren.

Ich habe auch einige Copilot-artige Services ausprobiert, um mich für einen zu entscheiden, aber am Ende habe ich sie alle wieder verworfen.
Auf Snippet-Niveau funktionieren sie gut, aber darüber hinaus sollte man nicht viel erwarten. Wozu sollte man dann überhaupt Daten teilen, sich mit dem langsamen Internet verbinden und sie benutzen? Dann registriere ich lieber einfach noch ein paar weitere Snippets.

Ich weiß nicht, welche Services diejenigen, die von guten Erfahrungen berichten, für wie komplexe Aufgaben verwendet haben.

[3ae3ae]

Meiner Erfahrung mit Claude Code nach fühlt es sich weniger so an, als würde ein Agent die Entwicklung übernehmen, sondern eher so, als würde man genau den Teil des Entwicklungsprozesses auslagern, in dem man den Code direkt tippt.

Das Design muss in vielen Fällen weiterhin von Menschen gemacht werden, und die Anweisungen müssen so detailliert sein, dass sie unabhängig davon, wer sie erhält, unverändert befolgt werden können — das fühlte sich anders an, als ich es erwartet hatte.

Trotzdem nutze ich es zufrieden. Auch wenn es mir nicht sehr viel Arbeit abnimmt, hilft es beim Zeitsparen, weil ich während die AI arbeitet andere Aufgaben erledigen oder einer anderen AI Anweisungen geben kann.

Wenn Sie Claude Code verwenden, empfehle ich, im Prompt vorab festgelegte Schlussfolgerungs-Anweisungswörter wie think deeply oder ultrathink einzubauen und mit Shift+Tab in den Plan Mode zu wechseln, um damit zu arbeiten.

[argo9]

Als VisiCalc, Lotus 1-2-3 und so etwas aufkamen, gab es immer noch Leute, die lieber auf dem Abakus oder mit dem Taschenrechner herumtippten … Zwischen solchen Entwicklungen und dem Zeitpunkt, an dem normale Menschen sie wirklich spüren, liegt oft ein größerer zeitlicher Abstand, als man denkt.

[GN⁺]

Hacker-News-Kommentare

• Im Juli 2023 habe ich einem Freund einmal Folgendes gesagt: „Ehrlich gesagt bin ich ein AI-Skeptiker. AI und LLMs sind zwar ein bisschen interessant, aber wie selbstfahrende Autos vor fünf Jahren befinden sie sich auf dem Höhepunkt eines von Venture Capital erzeugten übertriebenen Hypes, und ich glaube, dass die Blase bald platzen wird. Mich interessiert Technologie dann, wenn Innovationen für echte Menschen tatsächlich nützlich werden, aber in diesem Stadium kann ich mir keinen nützlichen Einsatz vorstellen, der über kleine Verbesserungen beim Konsum von Inhalten hinausgeht. Was sie am besten können, ist plausibel wirkende Inhalte zu erzeugen, aber praktisch jedes generierte Ergebnis muss von Fachleuten sorgfältig auf Fehler, Irrtümer und ‚Halluzinationen‘ überprüft werden. Wenn eine Fabrik Ausschuss wie ChatGPT produzieren würde, wäre sie sofort geschlossen. Das Internet hat schon jetzt ein Problem mit minderwertigen und sogar täuschenden Inhalten, und davon automatisiert noch mehr zu erzeugen, klingt wie ein Albtraum. Außerdem ist es sehr wahrscheinlich, dass die üblichen Trainingsdatensätze Texte zahlloser Urheber ohne deren Erlaubnis enthalten, und diese Systeme speien letztlich gut verpackte Lügen aus, die auf der Arbeit dieser Urheber beruhen, ohne Vergütung oder Kennzeichnung. Das fühlt sich einfach falsch an!“ Ich frage mich, wie schnell diese „spektakuläre Deflation“ der Blase kommen wird. Ich habe in meinem bisherigen Leben etwa drei große Tech-Blasen erlebt, und mein Bauchgefühl sagt mir, dass es nicht mehr lange dauert

  • die Anmerkung, dass ein nützlicher Einsatz nicht über kleine Verbesserungen beim Konsum von Inhalten hinausgehen könne<p>AlphaFold hat einen großen Einfluss auf die medizinische Forschung. AI ist nicht nur ein Chatbot<p>Wie AlphaFold 3 in der Medikamentenentwicklung eingesetzt wird, zeigt dieser Artikel. Meine Schwester hat ALS, deshalb interessiert mich das auch persönlich sehr. Ich hoffe, dass nur ein In-silico-Durchbruch meine Schwester retten kann

  • die Anmerkung, dass jedes generierte Ergebnis von Fachleuten sorgfältig überprüft werden müsse<p>Nein, man stellt es einfach online. Wenn Leute auf Fehler hinweisen, zählt der Algorithmus diese Kommentare ebenfalls als positives Engagement. Für Menschen, denen das wirklich wichtig ist, ist das leider die Realität

• Ich bin ebenfalls zutiefst skeptisch gegenüber der gegenwärtigen wirtschaftlichen Allokation, aber so etwas gibt es an jeder Frontier immer<p>Im AI-Bereich übersehen die Leute, dass die Transformer-Architektur im Kern ein extraktiver Prozess ist, der semantische Beziehungen in großen Datensätzen identifiziert und abbaut<p>Menschliche Kulturdaten enthalten gewaltige Mengen an impliziter analogischer Information, weshalb viele kluge Menschen dies mit einem generativen Mechanismus verwechseln<p>Deshalb nennt das ganze Feld sich „generative“ AI, obwohl sie in Wirklichkeit überhaupt nicht generativ ist. Sie extrahiert nur verborgene Bedeutung und extrapoliert sie aus einem Seed-Wert<p>Für solche Mechanismen gibt es viele nützliche Anwendungsfälle. Es gibt sehr viele Arten von Arbeit, bei denen keine neue Bedeutung oder Geschichte geschaffen werden muss<p>Man kann bestehende semantische Muster auf Daten anwenden, um manuelle Arbeit zu automatisieren, ohne dabei den zur Zielerreichung nötigen Algorithmus vollständig spezifizieren zu müssen<p>Ein Universalalgorithmus, fast wie ein Sonic Screwdriver: Wenn man nur genug Probleme und Lösungsbeispiele liefert, saugt das Modell den verborgenen Algorithmus in seine Parameter auf und kann jede vollständig gelöste Problemfamilie bearbeiten<p>Allerdings funktioniert das gut vor allem bei Problemklassen, die bereits hinreichend gelöst sind. Auch ungelöste Probleme lassen sich eventuell mit diesem Werkzeug angehen, wenn man sie in einem Generate-and-Verify-Framework bearbeitet

  • Unterschiedliche Algorithmen erfüllen unterschiedliche Rollen. „Generative“ AI kann tatsächlich neue Geschichten oder Bilder erzeugen, und auch nicht vollständig gelöste Probleme (z. B. Proteinfaltung) lassen sich mit bestimmten Algorithmen angehen

• Ich halte diese Blase für eine „gute“ Blase wie die Eisenbahnblase des 19. Jahrhunderts oder die erste Dotcom-Blase, bei der am Ende Infrastrukturinvestitionen entstehen, die enorme Werte schaffen

  • Wenn „gute“ Blase bedeutet, dass in großem Stil gekaufte Hardware in ein paar Jahren weggeworfen wird, frage ich mich aber, wie man das als positive Infrastrukturinvestition sehen kann

  • Ich hoffe auf eine breite Verfügbarkeit verlässlicher Speicherbandbreite in Consumer-Geräten. Viele Hardware-Anbieter vernachlässigen das leider

  • Ich sage in meinem Umfeld oft: „Wenn ihr eine wirklich nützliche Idee für den großskaligen Einsatz billiger GPUs habt, dann macht euch bereit.“ Aber mir ist bisher noch keine wirklich gute Geschäftsidee eingefallen

  • Wie bei Eisenbahn oder Dotcom frage ich mich, welche Infrastruktur nach dem Platzen der AI-Blase übrig bleibt und wiederverwendet werden kann

• Ich finde, der Autor ist zu pessimistisch. Ich stimme zu, dass AI-Firmen derzeit Geld verbrennen und so nicht nachhaltig sind, aber zu behaupten, AI werde niemals profitabel sein, geht mir zu weit. Die gesamte Branche entwickelt sich mit atemberaubender Geschwindigkeit weiter, und die Modellqualität verbessert sich jeden Monat. Auch die Kosten sinken schnell. Wir haben noch nicht einmal alle Nutzungsmöglichkeiten von AI gefunden Wenn man nach dieser Blase zu dem Schluss kommt, dass niemand mit AI jemals Wert schaffen und Geld verdienen kann, wäre das überheblich

  • Es heißt zwar, „die Kosten sinken schnell“, aber die Investitionsausgaben sind weiterhin hoch. Ist es nicht unausweichlich, dass am Ende Geld verlangt werden muss?

  • Es geht nicht nur um Profitabilität. Langfristig muss es für die Gesellschaft insgesamt einen positiven Nettonutzen geben Nach heutigem Standard ist Profitabilität leicht zu erreichen: Nutzer einsammeln, Abhängigkeit erhöhen, Preise anheben, AI zur Pflicht machen, und so weiter

  • Was ist noone? In dieses Wort wird hier etwas zu viel Vertrauen gesetzt

  • Seit gpt4 stagniert die Leistung der Foundation-Modelle fast. Der Wettbewerb findet heute hauptsächlich bei Tools und Integration statt, und weil das Ziel AGI ist, wird jedes Produkt nach der Geschwindigkeit seines Fortschritts bewertet. Es kommen ständig „neueste“ Modelle heraus, was die Nutzerbindung erschwert, und die Nutzer interessieren sich im Grunde nur für die Modellleistung. openai, ich schaue euch an...<p>„Sie nannten mich bubble boy ...“ – irgendwer bei der Deutschen Bank

• Die Analyse ist sehr detailliert, aber ich habe den Eindruck, dass der Autor so sehr in seine eigenen Gefühle eingetaucht ist, dass er nur noch Schlussfolgerungen zieht, die diese Gefühle rechtfertigen. Dass es eine Blase ist und viele Firmen scheitern werden, sehe ich auch so, aber ich glaube nicht, dass Google oder Anthropic untergehen werden (es sei denn, Google baut ein deutlich besseres oder deutlich billigeres Modell mit vergleichbarer Leistung). Claude produziert in datenreichen Sprachen wie Python und Typescript so guten Code, dass es keinen Grund gibt, nicht Hunderte oder sogar Tausende Dollar pro Monat auszugeben (mit Zuschuss durch die Firma). Momentan läuft ein Wettlauf darum, die stärksten Agenten und Modelle zu besitzen. Am Ende wird der Flaschenhals darin liegen, wie gut Menschen Anforderungen und Kontext präzisieren können, und danach wird die Senkung der Modellkosten zum wichtigsten Wettbewerbsfaktor. So weit sind wir noch nicht (aber schon jetzt gilt: Je besser man Anforderungen und Kontext übermitteln kann, desto produktiver kann man Modelle nutzen). Wenn Kostensenkung zum eigentlichen Ziel wird, glaube ich, dass Google dank seiner Hardware-Kapazitäten gewinnt

  • Claude ist Hunderte bis Tausende Dollar wert<p>Die tatsächlichen Inferenzkosten liegen bei Tausenden Dollar oder mehr. Außerdem gibt es keinen überzeugenden Beleg dafür, dass die Produktivität eines Engineers proportional steigt, wenn er zusätzlich Tausende Dollar pro Monat kostet. Modelle helfen stark bei Greenfield-Projekten, also neu geschriebenem Code, aber echte Engineering-Arbeit besteht oft aus Wiederholung und Wartung bestehenden Codes. Entscheidend ist also der Unterschied zwischen der Zeit, die man fürs Schreiben neuer Feature-Codes braucht, und der Zeit, die man spart, indem man der AI gute Prompts gibt und sich Code für neue Features erzeugen lässt. Selbst wenn das 10 % ausmacht, spart man mit AI bei einer 40-Stunden-Woche vier Stunden. Diese vier Stunden fließen nicht vollständig in echte Codeentwicklung zurück, also liegt der reale Output-Zuwachs vielleicht bei 5 %. Rechnet man so, dann würde eine Firma bei 5 % Produktivitätsgewinn und 10.000 Dollar Monatsgehalt nicht mehr als 500 Dollar pro Monat für AI zahlen. Wenn Anthropic aber für einen einzelnen Nutzer Inferenzkosten von über 10.000 Dollar pro Woche trägt, passt das nicht zusammen. Die Kosten müssen massiv sinken, damit das wirklich Sinn ergibt. Ein sinnvolles Szenario in zehn Jahren wäre eher, dass Engineers Laptops mit integrierter GPU bekommen und darauf sehr schnelle AI-Codevervollständigung nutzen; dann zahlt die Firma einmalig 3.000 bis 5.000 Dollar für das Gerät. Künftig wird AI-Coding nicht von „Agenten“ dominiert werden, und auch nicht von Prompt Engineering. Modelle werden sich gegenüber heute nicht dramatisch verbessern, sondern eher einfach, standardisiert, brauchbar, aber nicht außergewöhnlich sein. Dass sich das irgendwann „langweilig“ anfühlt, wäre letztlich die gesunde Zukunft

  • Im Grunde sehe ich keinen Markt, der über IDE-Plugins hinausgeht und die Bewertungen solcher Firmen rechtfertigen könnte

  • Ob Claude tatsächlich profitabel werden kann, ist unklar. Es ist fraglich, ob es genug Menschen gibt, die die Subventionierung real mittragen wollen, und noch fraglicher wird es, wenn die Kosten einen großen Teil des Gehalts zusätzlicher Mitarbeiter ausmachen

  • OpenAI hatte einmal einen „erdrückenden Vorsprung“, aber die Konkurrenz hat innerhalb eines Jahres aufgeholt. Das zeigt, dass solche Abstände keine besonders dicken Mauern sind. Es ist ein Markt, in dem man wie im Fall Anthropic schon durch das Abwandern einiger Schlüsselkräfte aufholen kann

• Sind wir so tief in einer Blase, dass dadurch ein großer Teil der Wirtschaft vernichtet werden könnte? Ich denke, fast sicher ja. Das heißt aber nicht, dass AI selbst ein Betrug ist. Auch die Dotcom-Blase ist geplatzt, aber das Internet ist nicht verschwunden, und fast alles, was Dotcom damals versprach, wurde irgendwann Realität

  • Dass das Internet am Ende fast alles möglich gemacht hat, heißt nicht automatisch, dass GPU-beschleunigte LLMs den Großteil menschlicher Arbeit ersetzen werden

  • Auch im Text selbst wird anerkannt, dass es reale Fälle gibt, in denen Nutzer AI als nützlich empfinden. Die Bezeichnung „Betrug“ meint auch nicht, dass es keinen echten Nutzen gibt, sondern dass VC, Medien und Investitionsgelder den Wert weit stärker aufblasen als die tatsächliche Nützlichkeit. Eine Blase zu nennen bedeutet nicht, dass alles vollständig verschwindet und nie wiederkommt, sondern dass die Realität sich am Ende durchsetzt, viele Firmen scheitern, Bewertungen abstürzen und Kettenreaktionen entstehen

  • Das Problem bei Vorhersagen ist, dass gerade der Zeitpunkt selbst schon die eigentliche Vorhersage darstellt. Niemand weiß, was noch kommt. Als ich GPT-3 zum ersten Mal sah, fand ich es ehrlich gesagt ziemlich schwach und habe ihm keine große Aufmerksamkeit geschenkt. Deshalb ist die Unsicherheit über die Zukunft für mich heute viel größer<p>Auch das Internet hat „eine Version des ursprünglich Versprochenen“ erst nach langer Zeit und mit damals noch nicht existierenden neuen Technologien verwirklicht. „Die Richtung stimmte“ ist in Wirklichkeit fast ein Synonym für „es war falsch“

  • Bei der Behauptung, dass fast alles aus der Dotcom-Zeit eingelöst wurde: Wie steht es dann mit der Blockchain-Blase? Wird Blockchain heute groß genutzt? Hat sie real irgendetwas verändert?

• Die Blase wird irgendwann platzen. Die Web-Blase ist auch geplatzt, und der Prozess wird schmerzhaft sein. Aber die AI-Technologie bleibt und wird tatsächlich Veränderungen vorantreiben. Wie das Web wird sie sowohl in gute als auch in schlechte Richtungen wirken

  • Ich finde es immer lustig, dass Debatten über AI am Ende fast ununterscheidbar von Krypto-Debatten werden<p>(wobei LLMs tatsächlich einen realen Nutzen haben)

  • Während der Dotcom-Blase lag das Nasdaq-KGV über 200, heute liegt der Gesamtmarkt bei 40 und Nvidia bei 49. Alle wollen auch diesmal von einer Blase sprechen, aber auf Basis realer „Kunden“ oder „Umsätze“ ist das überhaupt keine Blase. ChatGPT erreichte 100 Millionen MAU schneller als jedes andere Produkt der Geschichte und soll nach Besucherzahlen zu den Top 5 im Internet gehören. Cursor knackte 500 Millionen Dollar Umsatz schneller als jedes andere Unternehmen zuvor. Midjourney ist zwar nicht mehr so sehr Gesprächsthema, macht aber weiterhin über 200 Millionen Dollar Jahresumsatz und ist profitabel. Nüchtern betrachtet sind eher die Vorstellungen der Hacker-News-Leute selbst „blasenartig“. Natürlich gibt es viele überbewertete Firmen und es wird Auf und Ab geben, aber angesichts solcher harten Kennzahlen kann ich wirklich nicht nachvollziehen, wie man sagen kann, „das ist genau wie Krypto“. Laut einer aktuellen Umfrage haben 48 % ChatGPT schon für psychologische Beratung verwendet (Link zur Umfrage). Eine so explosionsartige Verbreitung hat es in der Menschheitsgeschichte noch nie gegeben. Die Server kommen der Nachfrage inzwischen kaum hinterher, sodass die Dienste fast wöchentlich ausfallen. Das ist seinem Wesen nach etwas anderes als eine Blase

• Der Kern der Argumentation ist sinnvoll, aber mit weniger Ballast wäre sie noch stärker und prägnanter

• Ironischerweise hatte ich ChatGPT um eine französische Zusammenfassung gebeten. Aber ich bin von der AI-Blase einfach müde, und es nervt mich, dass die Hälfte meiner Twitter-Timeline mit AI-News und Threads zugespammt ist

  • Reddit und LinkedIn sind zu Brutstätten automatisch erzeugter Inhalte geworden. Wenn man die Muster einmal kennt, kann man sie aber relativ leicht herausfiltern und blockieren

  • Für Zusammenfassungen und Übersetzungen ist AI ziemlich brauchbar<p>Ich ordne AI-Ergebnisse nach dem Verhältnis von Prompt+Input-Informationsmenge zur Output-Informationsmenge ein<p>Zusammenfassung: Output < Input. Für solche risikoarmen Aufgaben ist sie ordentlich<p>Übersetzung: Output ≈ Input (nur Format/Sprache ist anders). Hier braucht es etwas mehr Prüfung<p>Generative Erweiterung: Output > Input. Hier liegen die Risiken. Wenn man AI zum Beispiel bittet, die Bestandteile eines Cheeseburgers aufzulisten, und sie dann „Sesambrötchen“ „hinzufügen will“, schließt sie nur vom Durchschnitt ihrer internen Daten. Das kann in Ordnung sein, aber bei einer Sesamallergie könnte es tödlich sein. Bei allem, was über den Input hinausgeht, ist immer Vorsicht nötig. Im Kern können Ergebnisse, die über den Input hinaus erzeugt werden, nur „durchschnittlich“ sein. Deshalb wirken AI-Generierungen oft wie durchschnittlicher Einheitsbrei

• Dieser Beitrag fühlt sich erfrischend an. Ich gehöre eher zum Lager der „Optimisten“, finde aber insgesamt, dass es zu wenig Skepsis gibt. Menschen mit konservativerer Sicht oder kritischer Haltung werden eher merkwürdig angesehen. Anders als bei früheren Trends gibt es in der AI-Branche wirklich viele Scharlatane, und man kann praktisch alles als „AI-gestützt“ vermarkten, solange man nur einen Wrapper oder einen Chatbot darumlegt