- Trotz der hohen Bewertungen von Generative-AI-Unternehmen rückt das Problem der fehlenden Profitabilität trotz massiver Investitionen immer stärker in den Vordergrund
- OpenAI und Anthropic verzeichneten zwar das schnellste Umsatzwachstum der Geschichte, doch durch die enormen Rechenkosten für Training und Betrieb der Modelle hält die Geldverbrennung an
- Big-Tech-Konzerne verfügen über eigene Chips und Cloud-Infrastruktur und haben damit Vorteile bei der Kosteneffizienz, was die Wettbewerbsfähigkeit unabhängiger AI-Labs unter Druck setzt
- Die von AI versprochenen Produktivitätssteigerungen bleiben bislang auf begrenzte Bereiche beschränkt, und durch den intensiveren Wettbewerb ist auch die langfristige Ertragsstabilität unsicher
- Investoren geben sich nicht mehr allein mit Wachstum zufrieden; die Branche tritt in eine Phase ein, in der von führenden AI-Unternehmen klare Geschäftsmodelle und Überlebensstrategien nach dem Börsengang verlangt werden
Massive Investitionen und die Diskrepanz zur Stimmung am privaten Markt
- Es wird darauf verwiesen, dass die Venture-Capital-Branche 2025 rund 150 Milliarden Dollar in große AI-Startups wie OpenAI und Anthropic investiert hat
- Damit floss deutlich mehr Kapital als in die Profiteure des VC-Booms von 2021, und der Optimismus an den privaten Märkten hält an
- Es wird spekuliert, dass OpenAI 2026 eine zusätzliche private Finanzierung von bis zu 100 Milliarden Dollar prüfen könnte
Schnelles Umsatzwachstum bei gleichzeitig steigender Geldverbrennung
- OpenAI und Anthropic gelten als zwei der Unternehmen mit dem schnellsten Umsatzwachstum der Geschichte
- Gleichzeitig führt der Aufwand für GPU- und Cloud-Infrastruktur für Training und Inferenz zu einer Geldverbrennung auf dem Niveau eines „Towering Inferno“
- Im Vorfeld eines möglichen Börsengangs 2026 oder später dürfte der Druck steigen, den Pfad zur Profitabilität klarer aufzuzeigen
Struktureller Wettbewerbsnachteil gegenüber Big Tech
- Big-Tech-Unternehmen wie Google verfügen über eine Struktur, mit der sie dank eigener Chips und Cloud-Infrastruktur Trainings- und Betriebskosten senken können
- Da das Gemini-Modell den Leistungsabstand weitgehend aufgeholt hat, schwindet die Differenzierung unabhängiger AI-Labs
- AI-Startups, die stark von externen Investoren abhängig sind, sind dadurch anfälliger für Schwankungen an den Kapitalmärkten
Produktivitätseffekte bleiben hinter den Erwartungen zurück
- Drei Jahre nach dem Start von ChatGPT ist die von AI versprochene breite Steigerung der Arbeitsproduktivität weiterhin nur begrenzt sichtbar
- Zwar gibt es in einigen Bereichen wie Coding und Kundensupport Erfolge, doch mit der stark wachsenden Zahl an Wettbewerbern wird der Markt zunehmend überfüllt
- Ein AI-Lab mit einem klaren nachhaltigen Wettbewerbsvorteil (Moat) ist bislang noch nicht entstanden
Mit wachsender Größe steigt auch die Kostenbasis
- Anders als klassische Software-Unternehmen haben AI-Firmen eine Struktur, bei der mit der Skalierung auch die Kosten steigen
- Nicht nur das Training von Frontier-Modellen ist teuer, auch die Inferenzkosten wiegen schwer, wenn der Anteil kostenloser Nutzer hoch ist
- Kürzere Antworten oder die Einführung von Werbung zur Kostensenkung bergen das Risiko, die User Experience zu verschlechtern
- Auch Preiserhöhungen werden als Option genannt, könnten jedoch das Adoptionstempo bremsen
Die Geduld der Investoren und OpenAIs Optionen
- Es wird betont, dass es zwar Beispiele wie Netflix und Uber gibt, die trotz langer Verlustphasen erfolgreich wurden, Investoren jedoch nicht unbegrenzt warten werden
- Laut durchgesickerten Zahlen könnte OpenAI bis 2030 mehr als 115 Milliarden Dollar verbrauchen
- Sam Altman sagte, er wolle mit einem Börsengang die Leerverkäufer auf die Probe stellen, was am Markt unterschiedlich bewertet wird
- Insgesamt dürfte die AI-Branche ab 2026 in eine Phase eintreten, in der realistische Geschäftsmodelle auf den Prüfstand kommen
Noch keine Kommentare.