Wird AI in Zukunft in zahlreichen Branchen Wohlstand schaffen – oder am Ende ein Nettoverlust sein?
(joincolossus.com)- Es gibt Fälle, in denen disruptive Technologien neuen Unternehmenswohlstand schaffen, und andere, in denen sie zwar zum gesellschaftlichen Wandel beitragen, Investoren aber nur geringe Erträge bringen
- Es wird die Frage aufgeworfen, zu welcher Kategorie generative AI gehört; aktuell wirkt sie eher wie eine Fortsetzung früherer ICT-Innovationen und entwickelt sich in Richtung einer oligopolistischen Struktur rund um Großkonzerne
- Anhand des Vergleichs zwischen Mikroprozessoren und Containertransport wird argumentiert, dass sich die Gewinne bei AI ebenfalls eher bei Verbrauchern und einigen großen Unternehmen als bei den Produzenten konzentrieren könnten
- Als Ansatz, mit AI Rendite zu erzielen, könnten Infrastrukturunternehmen oder Branchen aussichtsreich sein, die mithilfe von AI Kostensenkung und Produktivitätssteigerung in den Mittelpunkt stellen
- Für die meisten Investoren in neue AI-Unternehmen gibt es womöglich weniger große Chancen als erhofft; letztlich dürften Verbraucher und effiziente etablierte Unternehmen am stärksten profitieren
Disruptive Technologien und die Entstehung von Wohlstand
- Disruptive Technologien wie Eisenbahn, Elektrizität, Verbrennungsmotor und Mikroprozessoren haben neue Industriezeitalter hervorgebracht und Investoren sowie Unternehmern enormen Wohlstand und Einfluss verschafft
- Umgekehrt gibt es auch Beispiele wie den Containertransport, die gesellschaftlich einen tiefgreifenden Wandel auslösten, deren Effekt auf die Unternehmensbewertung jedoch begrenzt blieb
Der Investitionswert technologischer Innovation und die Frage „Wer profitiert?“
- Bei Investitionen in neue Technologien ist entscheidend, wie viel Wertschöpfung entsteht und wer sich diese Erträge aneignet
- ICT-Innovationen brachten jungen Unternehmen und Investoren Wohlstand, während sich beim Containertransport der geschaffene Wert verwässerte, sodass viele Investoren nicht profitierten
- Es bleibt unsicher, in welche dieser Kategorien AI, insbesondere generative AI, fällt
Vergleich der Beispiele Mikroprozessor und Containertransport
- Die Mikroprozessor-Revolution war anfangs schwer vorhersehbar, doch durch Experimente und Markteintritte entstand ein positiver Innovationskreislauf
- Ende der 1970er-Jahre sorgten das schrittweise Wachstum des PC-Marktes und entstehende Markteintrittsbarrieren für lebhafte Investitionen und trieben das Ökosystem voran
- Bestehende Großunternehmen wie IBM, HP und DEC standen der Einführung des PCs zunächst zurückhaltend gegenüber, während Nachzügler ins Zentrum der Innovation rückten
- Der Verlauf ICT-Blase → Platzen der Blase → stabiles Wachstum verdeutlicht die Rolle von Investoren und Unternehmern sowie die Wendepunkte des Marktes
Die Analogie zwischen AI und Containertransport
- Auch der Containertransport führte zu enormen sozialen und wirtschaftlichen Veränderungen, doch wegen geringer Eintrittsbarrieren und verschärften Wettbewerbs erzielte die Mehrheit der Investoren keine hohen Renditen
- Nur der SeaLand-Gründer McLean und einige wenige Investoren gewannen tatsächlich erheblichen Wohlstand durch diese Innovation
- Am meisten profitierten große Reedereien, Infrastrukturinvestoren und Unternehmen, die die Vorteile praktisch nutzten, etwa IKEA und Walmart
- Intensiver Wettbewerb, Überinvestitionen im Verhältnis zur Nachfrage und steigende Infrastrukturkosten führten zu einer Struktur, die die Anlagerenditen begrenzte
Der Innovationszyklus von AI und das Investitionsumfeld
- Nach der Theorie der Ökonomin Carlota Perez durchlaufen technologische Innovationen vier Phasen: Ausbruch, Manie, Synergie und Reife
- Besonders in den Phasen der Manie und der Synergie konzentrieren sich Renditechancen für Investoren
- Bei AI schreiten Oligopolisierung und Integration unter Führung großer ICT-Konzerne bereits voran
- Große Modellanbieter sowie Infrastruktur-, Chip- und Datenunternehmen besetzen wichtige Positionen in der Wertschöpfungskette
- Zwar entstehen laufend neue Application-Startups, doch die Wahrscheinlichkeit ist hoch, dass sie von großen Modellunternehmen geschluckt werden oder im Wettbewerb zurückfallen
Investitionschancen und Risiken in der AI-Branche
- Die Investitionschancen bei Modellunternehmen sind bereits begrenzt; auch bei domänenspezifischen Modellen dürften durch Konsolidierung und Übernahmen nur wenige Unternehmen herausragen
- Selbst bei Infrastrukturunternehmen (z. B. NVIDIA) sind bereits hohe Erwartungen eingepreist, sodass der Spielraum für zusätzliche Renditen begrenzt ist
- Die wahrscheinlich größten Gewinner sind Unternehmen in AI-anwendenden Branchen wie Professional Services, Gesundheitswesen, Bildung und Finanzen, die Kostensenkung und Produktivitätssteigerung strategisch nutzen
- Für neue Unternehmen und Startups ist es wegen zunehmenden Wettbewerbs und Wachstumsbarrieren schwer, große Finanzierungsrunden zu sichern; entscheidend sind Erfahrung und Umsetzungskraft
Die wirtschaftlichen Folgewirkungen von AI und die endgültigen Gewinner
- AI dürfte künftig Wertschöpfung in Höhe von 1 bis 7 % des globalen BIP erzeugen, doch ein Großteil der Erträge könnte Verbrauchern und produktiven etablierten Unternehmen zufallen
- Produktivitätssteigerungen im Dienstleistungssektor dürften die Konsumentenwohlfahrt erhöhen und den Zugang zu vielfältigen Dienstleistungen erweitern
- Ähnlich wie bei früherer Automatisierung in der Industrie können erst dann beachtenswerte Investitionschancen entstehen, wenn die durch AI verursachte Senkung gesellschaftlicher Kosten in Unternehmensstrategien eingebettet wird
Fazit – Investitionsstrategie im AI-Zeitalter
- Statt auf undifferenzierte Erwartungen in der Frühphase disruptiver Technologien zu setzen, ist ein differenzierter Investmentblick nötig, der darauf fokussiert, welche Märkte und Strategien durch höhere Produktivität von Wissensarbeitern entstehen
- Künftig wird der Erfolg weniger davon abhängen, allein auf die Technologie selbst zu wetten, sondern davon, zu verstehen, wie die Technologie neue Chancen und Märkte eröffnet
2 Kommentare
Wird das nicht besonders spürbar werden, wenn KI und Robotik in Bereichen wie Arbeit, Logistik, Sicherheit und Service ihre disruptive Wirkung entfalten?
Hacker-News-Meinungen
Das Interessante an AI ist, dass sie in sehr vielen Bereichen die Einstiegshürden deutlich zu senken scheint Ich habe bisher bei keinem Unternehmen einen wirklich überzeugenden Fall gesehen, der zeigt, dass sich das für sie tatsächlich stark ausgewirkt hat. Meist ist es eher PR, und spürbar war davon wenig. Aber ich habe viele Beispiele gesehen, wie Einzelpersonen sie nutzen, mich selbst eingeschlossen Ich habe schon immer gern als Hobby an der Entwicklung von Videospielen herumprobiert, aber die größten Hürden waren immer die Art-Assets. Ich kann nicht zeichnen und hatte kein Budget, also habe ich Asset-Packs auf Itch.io durchforstet, und oft wurde die Richtung dadurch bestimmt, was dort verfügbar war. Aber seit diesem Jahr hat sich alles stark verändert. Jetzt kann ich mit nur einer Stunde Einsatz eigene Grafiken erzeugen, sie überarbeiten und am Ende Assets bekommen, die genau zu mir passen. Dadurch kann ich die Assets passend zu dem Spiel zusammenstellen, das ich machen möchte Das ist allerdings nur eine Frage der Einstiegshürde. Die erzeugten Assets sind auf „Shovelware“-Niveau, und ich mache daraus kein Geschäft. Aber jetzt kann eine einzelne Person im Internet ihren Hobbys und ihrer Weiterentwicklung praktisch freien Lauf lassen. Irgendwann kommt vielleicht eine echte Hit-Idee, und dann kann ich immer noch einen echten Künstler beauftragen und Geld investieren Es fühlt sich ähnlich an wie damals, als GarageBand, iMovie und YouTube es Menschen ermöglichten, Musik und Videos zu produzieren, ohne komplexe Ausrüstung oder teure Adobe-Software zu brauchen
Ich empfinde das ganz ähnlich Lange Zeit habe ich persönliche Projekte angefangen und bin dann an Kleinkram gescheitert, etwa wenn ein Server einen merkwürdigen Fehler auswarf, woraufhin ich genervt aufgegeben habe. Es war schließlich keine Arbeit, und für unbezahlte Aufgaben war meine Geduld begrenzt Mit ChatGPT kann ich einen Fehler einfach kopieren und einfügen und bekomme Vorschläge für Lösungsansätze. Manchmal trifft es gleich beim ersten Versuch, manchmal nicht, aber zumindest habe ich etwas, das ich ausprobieren kann, und sobald es ein Stück vorangeht, entsteht Momentum und ich tauche wieder ins Projekt ein Ich muss immer noch viel selbst leisten, aber AI ist bei den ersten Einstiegshürden ein gutes Werkzeug
Ich spüre dieses Phänomen ebenfalls Für Startups ist das ein großer Vorteil. Früher brauchte man Spezialisten für Logo-Design, Grafikdesign, Programmierung, Copywriting und Ähnliches, heute kann ein Founder vieles davon mit AI „gut genug“ selbst erledigen. In Bereichen wie Recht oder SaaS-Vendoren ersetzt sie menschliche Hilfe zwar nicht vollständig, aber AI kann dabei beraten, welche Services man nutzen sollte Ironischerweise wird es für Founder womöglich sogar schwerer, wenn jetzt alle leichter ein Startup gründen können, weil dadurch die Konkurrenz steigt. Es ist also unklar, ob Prosumer oder Founder am Ende wirklich die Gewinner sein werden Interessant ist auch, dass die gesamtwirtschaftliche Aktivität sogar schrumpfen könnte, wenn immer mehr Transaktionen, die bisher teuer von Menschen erledigt wurden, stattdessen an eine AI für 20 Dollar im Monat gehen
Früher kostete es beim Outsourcing von Game-Art mehrere Tausend Dollar und etwa einen Monat Zeit, und das schränkte den Spielraum dessen, was man bauen konnte, stark ein; jede Planänderung war mit großen Einschränkungen verbunden. Dank AI kann ich jetzt 2x, 5x oder 10x so viele Assets wie Art oder Audio praktisch ohne Zusatzkosten erzeugen, Ideen frei erkunden, sie wieder verwerfen und schnell in eine neue Richtung umschwenken
Ich stimme der Einordnung zu, dass das im selben Kontext steht wie GarageBand, iMovie und YouTube, die Musik und Video massentauglich und leicht zugänglich gemacht haben. Lesenswert ist William Deresiewicz’ Buch The Death of the Artist. Es lohnt sich, darüber nachzudenken, ob das Marketing, wonach jetzt alle Kunst, Spiele und Kreatives machen können, für diese Bereiche wirklich nur positive Effekte hat
Im Zusammenhang mit der Aussage „AI senkt die Einstiegshürden“ sollte man sich fragen, ob ich wirklich in den Bereich der visuellen Kunst eingestiegen bin, nur weil ich ein LLM bitte, ein Bild zu erzeugen, ob ich Musiker werde, weil ich Musik generieren lasse, oder ob ich Autor werde, weil ich Text ausgeben lasse
Innovationen wie diese haben gesellschaftlich große Auswirkungen, schaffen aber eher nicht neuen Wohlstand, sondern stärken bestehende Strukturen Auch die Containerisierung vor 15 Jahren hat die Pioniere der Branche nicht unbedingt reich gemacht, aber sie bildete die Grundlage für die Exportwirtschaft Ostasiens, Offshoring und Handelsmodelle wie Walmart und Amazon und schuf dadurch weiter downstream enorme Werte. Bei AI wird es vermutlich ähnlich sein: Mehr Chancen entstehen dort, wo durch AI strukturelle Veränderungen die Wertschöpfung neu verteilt wird, als bei den wenigen, die die eigentliche Infrastruktur besitzen Das ist wichtig, weil der Bau von Modellen, der Aufbau von Infrastruktur und der Betrieb von Rechenzentren extrem kapitalintensiv sind und in einem harten Wettbewerb stehen. Der echte Wohlstand wird sich bei denen konzentrieren, die Industrien auf Basis neuer Kostenstrukturen neu ordnen können
Der Kern dieses Beitrags ist also, in die Downstream-Bereiche von AI zu investieren
Es gibt bereits Anzeichen, dass AI genau dieses Muster zeigt. Der Infrastrukturwettbewerb ist zwar interessant, aber der greifbarste und nachhaltigste Wert wird sich danach, also downstream, aufbauen
Ich erwarte, dass sich AI ähnlich wie die Fabrikautomatisierung entwickeln wird Millionen von Fabriken werden profitieren, während nur vergleichsweise wenige Unternehmen die Automatisierungskomponenten liefern werden, etwa Förderbänder, Vision-/Handling-Systeme oder Industrieroboter. Wenn der Wettbewerb hart bleibt, werden die Technologieanbieter aber nicht zwangsläufig extrem reich werden Frühe Anwender werden mehr bezahlen, aber LLMs werden zunehmend zur Commodity, und die Kosten der Inferenz werden zum entscheidenden Wettbewerbsfaktor. Derzeit bringen Großunternehmen mit gewaltigen Investitionen die fortschrittlichsten Produkte heraus, aber Open Source und kostenlose Modelle holen schnell auf Der Bereich mit der derzeit schnellsten Entwicklung sind nicht die LLMs selbst, sondern Agenten-, Reasoning- und Research-Systeme, die LLMs nutzen. Dort ist Engineering-Kompetenz wichtiger als riesige Trainingscluster Wir stehen noch ganz am Anfang der ersten Runde von AI, also des LLM-Zeitalters. Dieses Zeitalter wird nicht ewig dauern; neue Architekturen und Algorithmen für inkrementelles Lernen in Richtung AGI werden folgen. Es wird noch einige Generationen von Fortschritt brauchen, aber künftig werden komplexere Strukturen wichtig, in denen LLMs nur ein Baustein sind, ähnlich dem, was DeepMind in den nächsten 5 bis 10 Jahren plant, und die Systeme rund um das LLM werden die Grundlage für die Fähigkeiten der nächsten Stufe bilden
Die eigentliche Herausforderung ist nicht, ob AI Menschen „ersetzt“, sondern wie wir Räume erhalten, in denen Fähigkeiten überhaupt aufgebaut und geschärft werden können Praktika, Junior-Projekte und Einstiegsjobs existierten nicht nur für Effizienz, sondern um Lernumgebungen und Wachstumskurven zu ermöglichen. Wenn AI diese Gelegenheiten zu schnell ersetzt, besteht die Gefahr, dass die Leiter zur Ausbildung der nächsten Generation fähiger Ingenieure und Kreativer wegbricht Die eigentliche Frage ist also weniger „Nimmt AI Jobs weg?“, sondern „Wie gestalten wir Trainingsfelder, in denen AI Routinearbeit übernimmt und Menschen trotzdem lernen können?“
Was mich am AI-Boom verwirrt und frustriert, ist das Gefühl, dass wir laufen lernen, bevor wir überhaupt gehen können Es gibt zum Beispiel im Web viele Seiten, die alles Mögliche als fotorealistisches Bild erzeugen, aber kein Tool, das auf eine wirklich einfache und konkrete Anfrage wie „16x16 PNG Apfel-Icon“ exakt reagiert Der Grund ist, dass neuronale Netze zwar stark bei organischen Daten fester Größe sind, in der Praxis aber gerade bei solchen scheinbar banalen Dingen schwächeln. Deshalb bauen AI-Website-Generatoren heute Assets per Code ein, zum Beispiel Web-Audio-Synths, selbst dort, wo normale Menschen einfach Bild- oder Sounddateien verwenden würden Ich hoffe, dass sich der AI-Boom künftig verlangsamt und sich alle mehr auf praktische, alltägliche Dinge statt auf bloße „Wow“-Effekte konzentrieren. Wobei die Welt sich schon seit Langem eher vor langweiligen, aber nützlichen Dingen zu drücken scheint
Ich habe ChatGPT-5 nach einem „16x16 PNG Apfel-Icon“ gefragt, und es hat genau das erzeugt LLMs haben eindeutig grundsätzliche Grenzen, aber sie decken auch viele Edge Cases ab, solange diese im Trainingsdatensatz vorkamen
Wenn die Fähigkeit von AI, auf Anfrage etwas „Plausibles“ zu erzeugen, das „Gehen“ ist, dann ist das perfekte Befolgen detaillierter Anweisungen das „Laufen“ Im Moment fühlt es sich nur so an, als sei die Reihenfolge wegen der Richtung der technologischen Entwicklung vertauscht worden
Wenn AI nur einer einzigen Person gehört hätte, hätte diese womöglich unvorstellbar reich werden können Wir sollten Google wirklich dankbar sein, dass sie „Attention is All You Need“ nicht als eigenes Geheimnis behalten haben
Ich denke, man sollte die These des OP noch weiter ausbauen
Bereiche wie Games sind bereits in so ein Red-Queen-Rennen eingetreten. Wenn GenAI die Spieleentwicklung erleichtert, sinkt paradoxerweise die Erfolgswahrscheinlichkeit. Der Markt ist schon mit hochwertigen Spielen gesättigt, und für Neueinsteiger wird es noch schwieriger, sich zu etablieren
Man kann sich auch ein Szenario vorstellen, in dem in den Bereichen Web, Daten, Games und OS die Arbeit der letzten 20 bis 30 Jahre per Netz komplett abgeschöpft wird und diejenigen ausgeschlossen werden, die diese Arbeit ursprünglich geleistet haben. Wenn dadurch der Fortschritt in diesen Bereichen zum Stillstand kommt, würde das dann bedeuten, dass „es vorbei ist“? LLM-AI ist auf Input angewiesen und hat daher klare Grenzen, und auch RLHF versucht diese Lücken nur mit begrenztem Feedback zu schließen; Sekundärprodukte werden noch schlechter in der Qualität sein. Am Ende senkt das nur die Eintrittsbarrieren für bestehende Produkte, während die Menschen in diesen Branchen von neuer Konkurrenz überrollt werden
Ich kann der Vorstellung nicht zustimmen, dass Kostenoptimierung bei Unternehmen zu niedrigeren Produktpreisen führt In der Praxis verlangen Unternehmen einfach den höchstmöglichen Preis und liefern nur die Mindestqualität, die nötig ist. Der Effekt der Optimierung landet vollständig im Gewinn
Realistisch betrachtet könnte der Einfluss von AI noch größer oder auch kleiner sein, als wir denken Einerseits gibt es Prognosen, wonach AI in vielen Bereichen Berufe ersetzen oder Belegschaften stark verkleinern wird. Gefährdet sind etwa Junior-Webentwickler, Softwareingenieure, Copywriter, Designer, Artwork-Verantwortliche oder Research Assistants, also Rollen mit repetitiven und standardisierten Aufgaben. Wenn es reicht, dass das erzeugte Ergebnis einfach „irgendetwas“ ist, dann müssen sich die Beschäftigten in diesen Bereichen Sorgen machen. Auch das Zusammenstellen bereits vorhandener Materialien kann AI übernehmen Andererseits ist es unwahrscheinlich, dass AI so allmächtig wird, wie manche Unternehmen glauben. AI hilft bei weit verbreiteten Aufgaben wie Boilerplate-Code für Softwareingenieure, aber bei neuen Aufgaben oder weniger bearbeiteten Bereichen fällt die Qualität stark ab. Besonders in Berufen wie Anwalt oder Arzt, in denen die Korrektheit des Ergebnisses direkt mit Überleben oder rechtlicher Haftung zusammenhängt, kann AI den Menschen nicht vollständig ersetzen Zusammengefasst ist AI hervorragend bei repetitiven Aufgaben, bei denen die Perfektion des Ergebnisses nicht entscheidend ist. Für Bereiche, in denen Feedback zwingend nötig ist oder Fehler wegen mangelnder Fachkenntnis schwerwiegende Folgen haben, ist sie dagegen ungeeignet
Schon die Dichotomie im Titel, ob das ein Nullsummenspiel oder ein Nettogewinn sei, ist falsch Wenn Wohlstand nicht konzentriert, sondern verteilt wird, profitiert die Gesellschaft insgesamt. Wenn Nutzer selbst mit AI Wert aufbauen und AI-Unternehmen dafür nur kleine Beträge wie 20 Dollar im Monat verlangen, können wertvolle Arbeiten zu niedrigen Kosten erledigt werden, was der Gesellschaft insgesamt einen Nettogewinn bringt Das ist gewissermaßen der umgekehrte Effekt des Broken-Window-Fallacy
Manche behaupten, die Entwicklung von AI sei vorhersehbar, aber ich empfinde sie nicht als so berechenbar Die einen sagen, AI sei auf LLMs begrenzt und werde bald nutzlos werden (Ed Zitron), andere sagen, AGI und Superintelligenz stünden kurz bevor (Musk/Altman). Wenn echte Superintelligenz kommt, lässt sich kaum vorhersagen, wie sich ihre Auswirkungen entfalten werden John von Neumann sagte schon 1958, dass sich technologischer Fortschritt und die Veränderungen des menschlichen Lebens so beschleunigen, dass sie sich einer wesentlichen Singularität annähern, und dieser Begriff hat die heutige Debatte über die AI-Singularität mit angestoßen. Selbst verglichen mit den fünf großen Innovationen der Vergangenheit wie Elektrizität, Automobil oder IT ist AI ein deutlich weniger vorhersehbarer Bereich