Anthropic sammelt in Series-F-Runde rund 18 Billionen Won an Investitionen ein

• Anthropic hat in einer von ICONIQ geführten Series-F-Finanzierungsrunde 13 Milliarden US-Dollar ($13B, 18 Billionen Won) eingesammelt
• Durch diese Finanzierung wird Anthropic mit 183 Milliarden US-Dollar ($183B, 254 Billionen Won) bewertet
• Das Umsatzwachstum hat stark angezogen und erreichte im August 2025 auf Jahresbasis 5 Milliarden US-Dollar
• Verschiedene Produkte wie Claude Code und API expandieren im Unternehmens- und Entwicklermarkt schnell
• Das Kapital soll für die Bedienung der Nachfrage von Unternehmenskunden, den Ausbau der Sicherheitsforschung und die globale Expansion verwendet werden

---

Anthropic: Series-F-Finanzierung und Wachstumsentwicklung

Überblick über die Series-F-Finanzierung

• Anthropic hat über eine von ICONIQ geführte Series-F-Runde 13 Milliarden US-Dollar eingesammelt
• Durch diese Finanzierung wird die Post-Money-Bewertung von Anthropic auf 183 Milliarden US-Dollar geschätzt
• Neben ICONIQ führten auch Fidelity Management & Research Company und Lightspeed Venture Partners die Runde gemeinsam an
• Darüber hinaus beteiligten sich zahlreiche führende globale Investoren wie Altimeter, Baillie Gifford, mit BlackRock verbundene Fonds, Blackstone, Coatue, D1 Capital Partners, General Atlantic, General Catalyst, GIC, Goldman Sachs Alternatives, Insight Partners, Jane Street, Ontario Teachers' Pension Plan, Qatar Investment Authority, TPG, T. Rowe Price, WCM Investment Management und XN

Wachstum und Umsatzentwicklung von Anthropic

• CFO Krishna Rao betonte, dass Kunden von Fortune-500-Unternehmen bis hin zu AI-basierten Startups die Frontier-Modelle und die Plattform von Anthropic für wichtige Aufgaben einsetzen
• Über die gesamte Kundenbasis hinweg steigt die Nachfrage exponentiell
• Seit dem Start von Claude im März 2023 verzeichnet das Unternehmen ein sehr schnelles Umsatzwachstum
  • Anfang 2025 wurde ein Jahresumsatz von 1 Milliarde US-Dollar erreicht
  • Im August 2025 überschritt der Jahresumsatz 5 Milliarden US-Dollar, womit Anthropic als eines der am schnellsten wachsenden Technologieunternehmen der Geschichte gilt

Fokus auf technologische Stärke und Sicherheit

• Das Wachstum von Anthropic wird getragen von hervorragenden technischen Talenten, einem sicherheitsorientierten Ansatz und Frontier-Forschung (Alignment, Interpretierbarkeit usw.)
• Diese Elemente bilden die Grundlage für Leistung und Zuverlässigkeit der Modelle
• Derzeit werden mehr als 300.000 Unternehmenskunden bedient, und die Zahl großer Kunden mit Accounts über 100.000 US-Dollar Umsatz ist innerhalb eines Jahres um das Siebenfache gestiegen

Ausbau von Produkten und Kundenbasis

• Auf der gesamten Plattform wird in Unternehmens-, Entwickler- und Privatkundenmarkt ein hohes Wachstum verzeichnet
  • Für Unternehmenskunden werden API und branchenspezifische Produkte angeboten, um die Einführung leistungsfähiger AI ohne komplexe Integrationsprozesse zu unterstützen
  • Entwickler übernehmen Claude Code, das im Mai 2025 allgemein verfügbar wurde, als zentrales Werkzeug
  • Claude Code erreichte in nur drei Monaten einen annualisierten Umsatz von mehr als 500 Millionen US-Dollar, und die Nutzung stieg um mehr als das Zehnfache
  • Über die Tarife Pro und Max für Privatnutzer werden verbesserte AI-Funktionen für Alltag und professionelle Arbeit bereitgestellt

Bewertung durch Investoren und weitere Pläne

• ICONIQ-Partner Divesh Makan erklärte, Anthropic befinde sich dank Exzellenz in der Forschung und technologischer Führungsstärke sowie einer kundenorientierten Ausrichtung auf einem außergewöhnlichen Wachstumspfad
• Auch Enterprise-Leader bewerten die Zuverlässigkeit von Claude und die langfristige Vision sehr positiv
• Die Series-F-Mittel sollen für den Ausbau der Fähigkeit zur Bedienung der Unternehmensnachfrage, die Vertiefung der Sicherheitsforschung und die globale Expansion eingesetzt werden
• Ziel ist der Aufbau vertrauenswürdiger, interpretierbarer und steuerbarer AI-Systeme

[GN⁺]

Hacker-News-Kommentare

• Man spürt, wie extrem der Wettbewerb um Rechenleistung im AI-Bereich geworden ist; inzwischen scheint echte Konkurrenz kaum noch möglich zu sein, wenn man nicht Kapital, GPUs und Strominfrastruktur in der Größenordnung des BIP kleiner Staaten hat. TSMC und die Stromversorger halten eigentlich die Karten in der Hand. Talent allein reicht nicht, ohne 100.000 H100 und ein eigenes Kraftwerk ist man raus. Ein erheblicher Teil der 13 Milliarden Dollar könnte eher Vorauszahlung für Compute als tatsächliche Betriebskosten sein. Es wirkt fast so, als würde Infrastruktur auf Manhattan-Projekt-Niveau in private Hände übergehen. Früher konnte man GPT-4 noch für 100 Millionen Dollar trainieren, bald dürften daraus 1 oder 10 Milliarden werden. Vielleicht wirkt selbst das in Zukunft noch billig. Für etwas wie GPT-7 könnte man schon einen Staatsfonds brauchen.
  • Das LLM-Zeitalter ist unerquicklich, weil Innovation größtenteils von bestehenden Großkonzernen mit massivem Kapital vorangetrieben wird. Die Nutzung erfolgt als Abomodell, sodass Nutzer überhaupt keine Kontrolle haben. Der Hype ist so groß, dass C-Level-Manager die Einführung vorantreiben, ohne überhaupt zu wissen, ob es vor Ort wirklich hilft. Die Wahl der AI wird durch bestehende Anbieterbeziehungen bestimmt. Es fühlt sich an wie die Bündelung der schlimmsten Trends der Tech-Branche der letzten zehn Jahre.
  • Mit jedem neuen Modell scheint der Nutzen pro Dollar weiter abzunehmen. Im Vergleich zu älteren Modellen ist der Unterschied oft kaum noch klar erkennbar. Im Videobereich gibt es zwar schnelle Fortschritte, aber zugleich steigen die Compute-Kosten so stark, dass neue Sorgen entstehen.
  • Am erstaunlichsten ist derzeit, dass State-of-the-Art-Modelle schon nach etwa sechs Monaten veraltet sind. Ich halte es nicht für nachhaltig, in so kurzen Abständen immer wieder gewaltige Summen hineinzupumpen. Außer man glaubt wirklich, dass AGI schon in wenigen Generationen kommt, ist diese Struktur langfristig schwer aufrechtzuerhalten.
  • Unter Verweis auf Darios Aussagen bei Cheeky Pint wird erklärt: „Wenn man jedes Modell wie ein eigenes Unternehmen betrachtet, trainiert man 2023 ein Modell für 100 Millionen Dollar, erzielt 2024 damit 200 Millionen Dollar Umsatz, investiert im selben Jahr 1 Milliarde Dollar in das nächste Modell und erzielt im Folgejahr 2 Milliarden Umsatz. So gesehen ist jedes einzelne Modell profitabel, auch wenn die Anfangsverluste extrem sind. Gleichzeitig gründet man aber fortlaufend immer teurere Unternehmen, also wächst der Kapitalbedarf ständig. Wenn dieses System irgendwann ein Gleichgewichtsniveau erreicht, wird das Gesamtgeschäft langfristig entweder extrem profitabel, oder es kommt der Punkt, an dem sich die Modellleistung nicht weiter verbessert und dann könnte sich nach zu hohen Investitionen alles einfach wieder verlaufen.“ Unterm Strich weiß derzeit niemand, bei welcher Größenordnung sich ein Gleichgewicht einstellt und ob es vorher zu einem Overshoot kommt. Link: Cheeky Pint Podcast
  • Ich bin optimistisch, dass dieser Boom am Ende vielleicht zu einem Überangebot an Kernkraftkapazität führt, wodurch Strom billiger wird und man damit CO2 aus der Atmosphäre abscheiden könnte. Mittelfristig könnte China dank überschüssiger Energie bei High-End-Modellen eine dominante Rolle einnehmen, während die USA damit beschäftigt sein dürften, ihr jahrzehntelang vernachlässigtes Stromnetz zu reparieren.
• Diese Finanzierung startete mit einem Ziel von 5 Milliarden Dollar und schwoll dann auf 13 Milliarden an. So etwas passiert meist, wenn man die Stimmung eines überhitzten Marktes ausnutzen will oder glaubt, dass spätere Finanzierungsrunden bei höherer Bewertung schwierig werden könnten. Die Signale aus dem Inneren wirken auf AI-Investoren eher negativ. Nachdem ich Hunderte Kommentare gelesen habe, hatte ich den Eindruck, dass es viel Verwirrung, Unsicherheit und Wunschdenken gibt, ähnlich wie in früheren Blasen. Die Trainingskosten steigen steil, während die Fortschritte neuer Modelle kleiner werden, was die Aussichten besorgniserregend macht. Wohlstand ist ein schwer definierbares Konzept, das vage durch Kooperation und Austausch entsteht. Am Ende müssen LLMs echten Wohlstand schaffen, damit diese Investitionen gerechtfertigt sind. Wenn sie nicht bald konkreten Wert zeigen, ist das Risiko eines plötzlichen Einbruchs hoch. Aus meiner Arbeit im Finanzsektor habe ich vor allem mitgenommen, dass Finanzleute keineswegs Genies sind. Wer 13 Milliarden Dollar bewegt, ist nicht automatisch brillant; oft sind es einfach Leute mit großem Interesse am Geld. Man sollte nicht glauben, dass sie deshalb zwangsläufig besondere Einsicht haben.
  • Wenn die Verwässerung 20 % betragen hätte, würde ich zustimmen. Wenn sie aber nur von 3 % auf 7 % erhöht wurde, sehe ich die starke Überzeichnung eher als positives Signal. Unternehmen in schlechter Verfassung haben oft schon Mühe, ihre Runde überhaupt vollzubekommen.
• Allein die Größe dieser Finanzierungsrunde löst ein Gefühl aus, dass bald etwas platzt. Um im Wettbewerb zu überleben, muss man enorme Mengen Cash verbrennen, also ist es ein Spiel geworden, das nur noch wenige spielen können. Und selbst dann hat noch niemand ein wirklich profitables Geschäft gezeigt. Weil die Modelle sich einander annähern, sind die technischen Eintrittsbarrieren minimal; im Grunde kann es jeder machen, solange genug Kapital da ist. Geschäftlich ist das eine sehr riskante Struktur. Die Technologie ist beeindruckend, aber wahrscheinlich wird sie für die meisten Investoren in Verlusten enden.
  • Das war lange auch meine Sicht, aber zuletzt habe ich meine Meinung etwas geändert. Der Unterschied in der Erfahrung ist erheblich, je nachdem ob man aktuelle Modelle direkt anpasst und intern nutzt oder nur per API verwendet. Wenn man Cursor mit Claude Code vergleicht, merkt man selbst beim gleichen Modell einen ganz anderen Qualitätsgrad, wenn es direkt eingebaut und genutzt wird. Wie bei Mac vs. Windows hat eine integrierte Struktur, bei der Modell und Tool gemeinsam entworfen und bereitgestellt werden, klare Vorteile.
  • Ganz sicher bin ich mir dabei aber noch nicht. Anthropic verlangt für Inference über die API ziemlich hohe Preise, und trotzdem sind Leute bereit, die Kosten weiter zu tragen.
  • Die Aussage „Jeder weiß, wie man ein Modell baut, man braucht nur Geld“ ignoriert Faktoren wie differenzierte Qualität, Effizienz, Partnerschaften und mehr.
  • Im Witzton der Hinweis: Trotz all der Aussagen, dass so etwas auf Dauer nicht funktioniert, ist auch Herbalife noch immer börsennotiert.
  • Bei Summen dieser Größenordnung würde ein Platzen der Blase und die Erkenntnis, dass vieles substanzlos war, dem gesamten Markt einen enormen Schock versetzen.
• Es gibt hier zu viele negative Kommentare. Wenn der führende Akteur in einem neuen Markt mit großem Wachstumspotenzial erfolgreich 13 Milliarden Dollar zu einer Bewertung vom 20-Fachen des Umsatzes einwirbt, muss das nicht automatisch ein Blasensignal sein. Diese Investoren sind vermutlich weder irrational noch dumm. Die Möglichkeit einer Blase bleibt, aber vorschnelle Urteile sind fehl am Platz.
  • Auf den Einwand, dass eine Bewertung zum 20-Fachen des Umsatzes doch sehr wohl ein Blasensignal sei, kommt die Gegenfrage, ob das nicht gerade die Definition einer Blase sei.
  • Das erinnert an SoftBank und WeWork.
  • Die Aussage „Diese Investoren sind keine Idioten“ habe man auch vor früheren Blasen kurz vor dem Platzen immer wieder gehört.
  • Es wird daran erinnert, dass genau diese Investoren auch auf SBF hereingefallen sind; selbst SBF hatte nicht einmal eine ordentliche Tabelle, mit der er seine Finanzzahlen erklären konnte, und bekam trotzdem Geld.
• Es wird daran erinnert, dass viele den YouTube-Kauf 2006 für 1,65 Milliarden Dollar ebenfalls für verrückt hielten. Das unterstreicht, wie unzuverlässig persönliche Intuition im Vergleich zu Marktinformationen sein kann. Wenn man glaubt, mehr zu wissen als der Markt, liegt man meist eher falsch. Gefährlich ist auch die Haltung, nur nach Bestätigung für die eigene Überzeugung zu suchen. Selbst wenn das Investitionsniveau irrational ist, ist es extrem schwer konkret vorherzusagen, wie stark, warum und auf welche Weise sich das künftig entfalten wird.
  • Der Einwand lautet, dass es etwas selbstwidersprüchlich sei, ausgerechnet YouTube als persönliches Beispiel anzuführen.
  • Manche sehen darin Survivorship Bias, also die Hervorhebung nur der Erfolgsgeschichten; es gab schließlich auch Fehlschläge wie Googles Motorola-Kauf oder Microsofts Nokia-Übernahme. Auch WeWork nahm 12 Milliarden Dollar auf und ging trotzdem pleite.
  • Die Logik, dass eine Bewertung von 183 Milliarden Dollar plausibel sei, weil YouTube vor 20 Jahren 1,65 Milliarden gekostet habe, überzeugt nicht wirklich.
• Bei erwarteten 9 Milliarden Dollar Umsatz (ARR hochgerechnet) und 60 % Bruttomarge, beziehungsweise 30 % bei Zusammenarbeit mit Cloud-Anbietern, hält sich das auf Bruttomargenebene trotz des hohen Wachstums recht gut. Selbst ein 20x-Multiple wirkt angesichts des Wachstums nicht völlig absurd. Entscheidend ist, ob diese Zahlen bis Jahresende tatsächlich erreicht werden. Im Mai lag man bei 3 Milliarden, im Juli bei 5 Milliarden, also wächst der Umsatz pro Monat um 200 bis 400 Millionen.
  • Ich frage mich, worauf Investoren bei so etwas eigentlich setzen. Sicher nicht auf Dividenden oder laufende Gewinne. Letztlich ist es vollständig eine Wette auf steigende Bewertungen. Offenbar glaubt der Markt wirklich, dass hier Wert geschaffen wird, und dass dieses Konstrukt weiter funktioniert.
• Die derzeitige Methode, immer mehr Geld und Rechenleistung auf AI zu werfen, wirkt wie eine kurzfristige Lösung. Das menschliche Gehirn lernt schließlich auch ohne Energieverbrauch auf Kraftwerksniveau. Langfristig dürfte Effizienz der eigentliche Innovationshebel sein. Ob dieser Zeitpunkt morgen oder erst in fünf Jahren kommt, ist unklar, aber bis dahin werden AI-Unternehmen wohl all-in gehen müssen.
  • Ich bin nicht sicher, ob Quantencomputing die Lösung ist, aber es scheint ein völlig neues Rechenparadigma nötig zu sein, das deutlich effizienter und leistungsfähiger ist, etwa Quantencomputing.
  • Wenn Energiekosten hoch bleiben, ist die AI-Wette letztlich auch eine Wette darauf, dass die Kosten der Energieerzeugung sinken. Wenn Strom billiger wird, fallen auch die Eintrittsbarrieren bei der Rechenleistung. Falls der Effizienzsprung kommt, dürfte er eher im Modell selbst als bei den Halbleitern liegen. Aber selbst dann verschwinden die Wettbewerbsvorteile erneut, wenn sich diese Innovation nicht intern abschotten lässt.
  • Der Grund, warum das menschliche Gehirn keine Kernkraft nutzt, ist, dass Evolution auf diese Weise extrem komplex und schwierig gewesen wäre. Wenn wir gelernt haben, Kernkraft zu nutzen, könnte auch viel höhere Intelligenz möglich sein. Es gibt kein Gesetz, das besagt, dass mehr Intelligenz nicht mit Kernkraft vereinbar wäre.
• LLM-Inference-Dienste brauchen nicht immer Cloud-Data-Center-Niveau mit 99,999 % Verfügbarkeit. Deshalb könnten kleinere Investoren GPUs in Lagerhallen stellen, Open-Source-LLMs betreiben und Kundenanfragen weiterleiten; wenn der Dienst einen Tag ausfällt, verliert man nicht das Geschäft, sondern nur den Tagesumsatz. Das könnte sogar als einfache passive Anlageform ähnlich wie Waschsalons oder Lagerhallen attraktiv werden.
  • Ich selbst erledige 80 % meiner AI-Arbeit im OpenAI batch mode und bin dadurch deutlich entspannter. Beim Sofortreaktionsmodus steht man ständig unter Spannung. Wenn der Copilot-Hype nachlässt, dürfte sich die Erkenntnis durchsetzen, dass LLMs zwar hervorragende Werkzeuge bauen, aber als Werkzeug selbst schwächer sind. Dann werden wohl sowohl Nutzung als auch Dringlichkeit sinken.
• Iconiq, die Familiengesellschaft von Mark Zuckerberg, war einer der Lead-Investoren dieser Runde.
• Als Ontario Teachers' Pension Plan unter den Investoren auftauchte, kam die Frage auf, ob damit die kanadische staatliche Rentenkasse in Anthropic investiert habe.
  • Ontario Teachers' ist bei Venture- und Growth-Finanzierungen sehr aktiv und ein prominenter LP in vielen Fonds. Dieser Bereich macht im Gesamtportfolio allerdings nur einen sehr kleinen Anteil aus. Referenzlinks: Crunchbase / OTPP offiziell
  • Für Investitionen dieser Größenordnung braucht es meist Institutionen wie Pensionsfonds, die große Kapitalmengen bewegen können. Wenn SoftBank und andere solche großen Tickets schreiben, gibt es praktisch keine besseren Alternativen.
  • „Öffentliche Pensionen“ – also Altersgelder für Beamte und Beschäftigte öffentlicher Einrichtungen – sind klar von „öffentlichen Geldern“ wie Staatshaushalten zu unterscheiden. Natürlich könnte der Staat im Fall großer Verluste am Ende doch einspringen müssen, also ist die Trennung nicht völlig bedeutungslos. Aber es wird nicht so viel Gewicht auf eine einzelne Beteiligung gelegt, dass ein einzelnes Investment den Fonds zu Fall bringen könnte.
  • Dieser Pensionsfonds war in der VC-Branche ein sehr bedeutender Investor, und ich selbst habe dank dieses Kapitals einige Jahre lang mein Gehalt beziehen können.