Transformation im KI-Sektor: Von Umsatzwachstum zu nachhaltigen Geschäftsmodellen

Die Künstliche Intelligenz (KI) hat sich zu einem dominierenden Thema in der Technologiebranche entwickelt und zieht erhebliche Investitionen an. Doch während viele Investoren und Beobachter sich auf beeindruckende Umsatzwachstumszahlen konzentrieren, mehren sich kritische Stimmen, die eine differenziertere Betrachtung der Geschäftsmodelle und langfristigen Erfolgsaussichten fordern. Dieser Artikel analysiert die aktuelle Lage im KI-Sektor, beleuchtet die Bedeutung von Qualitätsmerkmalen gegenüber reinen Wachstumsmetriken und identifiziert strategische Pfade für Unternehmen in diesem dynamischen Umfeld.

Die "Price-to-Dream"-Ära: Hohe Bewertungen, ungewisse Erträge

Der KI-Markt befindet sich in einer Phase, die als "Price-to-Dream"-Ära beschrieben werden kann. Unternehmen erzielen oft exorbitante Bewertungen, die auf zukünftigen Potenzialen und nicht auf etablierten Gewinnen basieren. Ein Beispiel hierfür ist die Bewertung von Anthropic, die trotz eines rasanten Umsatzwachstums von 9 Milliarden auf 30 Milliarden US-Dollar jährlich im Jahr 2026 immer noch auf einem Vielfachen des Umsatzes liegt. Noch drastischer zeigen sich solche Diskrepanzen bei chinesischen KI-Labs wie MiniMax oder Zhipu, die trotz hoher Verluste Marktkapitalisierungen im zweistelligen Milliardenbereich aufweisen – ein Vielfaches ihres Umsatzes und ohne jegliche Gewinnmargen.

Diese Situation deutet darauf hin, dass der Markt derzeit eher Träume als reale Erträge bewertet. Die meisten KI-bezogenen Ausgaben fließen noch in den Aufbau von Infrastruktur, wie Chips und Rechenzentren, anstatt direkt in die Produktivität durch KI-Anwendungen. Die eigentliche Wertschöpfungsphase steht noch bevor, und viele dieser Unternehmen operieren mit einer hohen Burn-Rate, die sie innerhalb von 12 bis 18 Monaten erneut auf frisches Kapital angewiesen macht.

Jenseits des Wachstums: Die Bedeutung von Qualitätsmerkmalen

Während schnelles Umsatzwachstum in Präsentationen beeindruckt, ist es für den langfristigen Erfolg und die Nachhaltigkeit eines Unternehmens oft nicht das ausschlaggebende Kriterium. Experten weisen darauf hin, dass drei Qualitätssignale eine bessere Vorhersagekraft für die Wertentwicklung eines Unternehmens haben als reine Wachstumsmetriken:

• Net Revenue Retention (NRR): Diese Kennzahl misst, wie viel Umsatz ein Unternehmen aus seiner bestehenden Kundenbasis generiert, unter Berücksichtigung von Up- und Cross-Selling sowie Abwanderung. Ein NRR über 110 % (idealerweise 120-140 %) deutet darauf hin, dass ein Unternehmen ein Problem löst, das mit der Zeit an Bedeutung gewinnt und Kunden dazu anregt, ihre Nutzung zu erweitern.
• Bruttomargenentwicklung unter Wachstum: Qualitätsunternehmen verbessern ihre Unit Economics, während sie wachsen. Sinkende Bruttomargen in schnell wachsenden Segmenten können darauf hindeuten, dass das Wachstum durch Subventionierung erkauft wird.
• Organische Akquisitionsrate: Der Anteil neuer Kunden, die durch Empfehlungen, Mundpropaganda oder produktgesteuertes Wachstum gewonnen werden, zeigt, ob Kunden das Produkt so sehr schätzen, dass sie es weiterempfehlen. Ein hoher organischer Anteil (über 30 %, idealerweise über 50 %) signalisiert eine starke Produkt-Markt-Passung und einen nachhaltigen Wettbewerbsvorteil.

Diese Signale sind oft schon früh in der Unternehmensentwicklung erkennbar und können Aufschluss darüber geben, ob ein schnelles Wachstum nachhaltig ist oder ob ein Unternehmen Gefahr läuft, trotz hoher Umsätze zu scheitern.

Die "Great Divide": Zwei strategische Pfade für Softwareunternehmen

Die KI-Ära spaltet die Softwarebranche in zwei Lager, und ein Mittelweg wird zunehmend unhaltbar. Unternehmen müssen sich klar für einen der folgenden strategischen Pfade entscheiden, um langfristig erfolgreich zu sein:

Pfad Eins: Der KI-native Wachstumsmotor

Dieser Pfad erfordert eine Neugründung des Unternehmens, bei der KI nicht nur als Feature, sondern als integraler Bestandteil neuer Produkte und des Geschäftsmodells dient. Ziel ist es, das Umsatzwachstum innerhalb von 12 bis 18 Monaten um 10 oder mehr Prozentpunkte pro Jahr zu beschleunigen. Dies bedeutet:

• Fokus auf KI-native Produkte: Es geht darum, gänzlich neue Produkte zu entwickeln, die von Grund auf für die Agenten-Ära konzipiert sind.
• Organisatorische Neuausrichtung: Teams müssen um diese Produkte herum neu strukturiert werden, um schnell auf den Product-Market-Fit reagieren zu können.
• Verbrauchsbasierte Geschäftsmodelle: Die Abkehr von sitzbasierter Lizenzierung hin zu Token-basierten, verbrauchs- oder ergebnisorientierten Preismodellen ist entscheidend. Wenn ein KI-Agent ein Produkt nicht autonom nutzen und bezahlen kann, ist das Unternehmen nicht für diesen Pfad aufgestellt.

KI-native Startups erreichen laut Daten von Bessemer Venture Partners deutlich schneller hohe wiederkehrende Umsätze (ARR) als traditionelle SaaS-Unternehmen. Implementierungszeiten sind kürzer und Kosten in einigen Vertikalen um ein Vielfaches geringer. Dies deutet auf strukturelle Vorteile hin, die auf Daten-Flywheels und agilen Architekturen basieren.

Pfad Zwei: Die margenstarke Festung

Für Unternehmen, bei denen eine aggressive Umsatzbeschleunigung durch KI-native Produkte keine realistische Option ist, bietet dieser Pfad eine Alternative. Das Ziel ist hier, die wahren operativen Margen (inklusive aktienbasierter Vergütung) innerhalb von 12 bis 24 Monaten auf 40 bis 50 % und mehr zu steigern. Dies erfordert jedoch mehr als nur inkrementelle Kostensenkungen:

• Radikale Neugestaltung der Kostenstruktur: Ausgaben für Vertrieb und Marketing, Forschung und Entwicklung sowie allgemeine Verwaltung müssen drastisch reduziert werden.
• Output-Multiplikation durch KI: KI wird eingesetzt, um die Produktivität pro Mitarbeiter erheblich zu steigern, anstatt nur Kosten zu senken. Beispiele hierfür sind die Automatisierung von Marketingkampagnen oder die Optimierung von Vertriebsprozessen durch KI-Agenten.
• Schutz der Einnahmebasis: Die Kundenbindung ist entscheidend. KI kann hier eingesetzt werden, um Abwanderung frühzeitig zu erkennen und proaktiv gegenzusteuern.

Der "Private Equity"-Ansatz, der auf Kostendisziplin und Produktvereinfachung setzt, dient hier als Blaupause. KI ermöglicht es, die erforderlichen Output-pro-Mitarbeiter-Verhältnisse ohne substanzielle Aushöhlung des Geschäfts zu erreichen.

Das Risiko des Mittelwegs

Unternehmen, die versuchen, beide Pfade gleichzeitig zu beschreiten oder sich für eine verwässerte Version entscheiden, sind am stärksten gefährdet. Der Markt übt zunehmend Druck auf diese Unternehmen aus, was zu einer "Multiple Compression" führt. McKinsey-Studien zeigen, dass Unternehmen, die zwischen 2021 und 2023 Margen optimierten, aber investierbares Wachstum vernachlässigten, erheblichen Unternehmenswert einbüßten.

Wechselnde Moats und die Fragilität von KI-Umsätzen

Traditionelle Wettbewerbsvorteile ("Moats") in der Softwarebranche verändern sich in der KI-Ära. Daten allein sind oft keine ausreichende Verteidigung mehr, da Integrationen leichter zu reproduzieren sind und Workflow- sowie UI-Vorteile erodieren, wenn Agenten über verschiedene Systeme hinweg agieren können. Die Migration wird einfacher, nicht schwieriger.

Ein weiteres Problem ist die "verborgene Fragilität" von KI-Umsätzen. Viele KI-Startups, insbesondere im Bereich der Videoerzeugung, kreativen Tools und konsumentenorientierten Apps, verzeichnen zwar explosionsartiges Wachstum, sind aber anfällig für schnellen Verfall. Dies liegt daran, dass:

• Kommodifizierung der Kernfunktionen: Überlegene Open-Source-Modelle oder Frontier-Modelle kommodifizieren schnell Kernfähigkeiten.
• Geringe Wechselkosten: Da die zugrunde liegenden Fähigkeiten schnell kommodifiziert werden, sind die Wechselkosten für Kunden oft gering.
• Schwächere Margenqualität: Im Gegensatz zu klassischem SaaS mit hohen Bruttomargen weisen viele GenAI-Unternehmen niedrige oder sogar negative Bruttomargen auf, da die Kosten für Inferenz und Modellhosting erheblich sind.

Diese Dynamik erfordert von Investoren und Unternehmen eine sorgfältige Bewertung, ob ein schnelles Wachstum auf nachhaltigen Fundamenten oder auf "gemieteter Nachfrage" basiert, die leicht verloren gehen kann.

Die Rolle der Hyperscaler und die Zukunft der KI-Labs

Die großen Hyperscaler wie Microsoft, Google, Amazon und Meta spielen eine entscheidende Rolle in der KI-Landschaft. Sie sind nicht nur Infrastrukturanbieter, sondern auch die Distributionsschicht, das Compute-Substrat und zunehmend die Monetarisierungsmaschine für KI-Fähigkeiten. Ihre vertikale Integration und Fähigkeit, KI-Entwicklung mit angrenzenden Geschäftsbereichen zu finanzieren, verschafft ihnen einen strukturellen Vorteil. Unabhängige KI-Labs können diese Verluste nicht in gleichem Maße tragen.

Für unabhängige Labs ist die Monetarisierung über API-Verkäufe oft der Standard, führt aber zu einem "Race to the Bottom" bei den Preisen. Die Zukunft könnte in der Entwicklung von KI-Agenten liegen, die multi-step Aufgaben autonom über längere Zeiträume ausführen können. Diese Agenten sind schwerer zu kommodifizieren und bieten eine potenziell verteidigungsfähigere Oberfläche.

Eine Konsolidierung im KI-Sektor scheint unausweichlich. Labs ohne Anbindung an Hyperscaler werden es schwer haben, Spitzenforschung allein mit API-Umsätzen zu finanzieren. Strategische Allianzen zwischen Modellherstellern und Hyperscalern könnten das Modell für die Branche werden.

Fazit

Der KI-Sektor durchläuft eine Phase tiefgreifender Transformation. Der Fokus auf reines Umsatzwachstum weicht zunehmend einer differenzierteren Betrachtung von Qualität, Wettbewerbsvorteilen und nachhaltigen Geschäftsmodellen. Unternehmen, die in diesem Umfeld erfolgreich sein wollen, müssen sich klar positionieren: entweder als aggressive, KI-native Wachstumsmotoren oder als margenstarke Festungen. Ein tiefes Verständnis der sich wandelnden Marktmechanismen und eine präzise Umsetzung der gewählten Strategie sind entscheidend, um den Herausforderungen der "Price-to-Dream"-Ära zu begegnen und langfristigen Wert zu schaffen.

Bibliographie

- The Price-to-Dream Ratio - Nicholas Mitsakos - Burry's Short Play: Palantir's AI Moat Under Fire as Anthropic's ARR Surge Forces Valuation - The three quality signals that predict compounding better than growth metrics, Ruben van Putten - The Great Divide: How AI Is Splitting Software Into Winners and the Walking Wounded - The hidden fragility of AI-era revenue, Augustin Sayer - The AI quality divide: Why most AI startups will fail the behavioral test, Ruben van Putten - Qubit: Faster Rounds, Thinner Margins, Larger Bets, Marcelino Pantoja - The AI Value Creation Divide: How Software Companies Choose Between Growth and Margin, Valere - If Growth Isn't Accelerating, You're Not an AI Company. And 9 Other Hard Truths for B2B in 2026., Jason M. Lemkin - Magic Tricks, Moats, and the Three-Body Problem of AI Networks, Casey Winters