Die wirtschaftlichen Perspektiven der KI-Branche und die Risiken einer möglichen Blase

Der Hype um künstliche Intelligenz: Eine Analyse wirtschaftlicher Kennzahlen und potenzieller Risiken

Die rapide Entwicklung der künstlichen Intelligenz (KI) hat in den letzten Jahren zu einem beispiellosen Investitionsboom geführt. Unternehmen wie OpenAI, der Entwickler von ChatGPT, stehen im Zentrum dieses globalen Interesses und werden mit Milliarden bewertet. Doch hinter den glänzenden Schlagzeilen und beeindruckenden Zahlen verbergen sich komplexe wirtschaftliche Realitäten und Fragen nach der Nachhaltigkeit dieses Wachstums. Diese Analyse beleuchtet die Rolle spezifischer Kennzahlen, die von Tech-Firmen zur Darstellung ihres Erfolgs verwendet werden, und untersucht die dahinterliegenden Mechanismen sowie potenzielle Risiken einer sogenannten „KI-Blase“.

Die Sprache der KI-Firmen: Weiche Metriken im Fokus

In der KI-Branche wird zunehmend auf Kennzahlen gesetzt, die sich von traditionellen, harten Finanzdaten unterscheiden. Insbesondere der Annual Recurring Revenue (ARR), der Token-Verbrauch und die Anzahl der Monthly Active Users (MAU), Daily Active Users (DAU) oder Weekly Active Users (WAU) prägen die Kommunikation von Tech-Unternehmen. Diese Metriken sollen das Wachstum und die Akzeptanz von KI-Produkten verdeutlichen, bergen jedoch auch Interpretationsspielräume.

Annual Recurring Revenue (ARR): Eine Kennzahl mit Vorbehalten

Der ARR, oder jährlich wiederkehrende Umsatz, ist eine Kennzahl, die ursprünglich aus dem Software-as-a-Service (SaaS)-Modell stammt. Er repräsentiert den Betrag, den ein Unternehmen voraussichtlich aus bestehenden Abonnements und Verträgen innerhalb eines Jahres generieren wird. Im Kontext der KI-Branche wird diese Metrik jedoch als "watteweich" beschrieben. Viele KI-Projekte befinden sich noch in Pilotphasen, und die langfristige Bindung von Unternehmenskunden an KI-Tools ist noch nicht fest etabliert. Kritiker bemängeln, dass Gründer oft Pilotprojekte oder nicht aktivierte Verträge als wiederkehrende Einnahmen verbuchen. Zudem kann der ARR eine Hochrechnung sein, basierend auf den besten monatlichen Einnahmen, multipliziert mit zwölf, was eine verzerrte Darstellung des tatsächlichen Jahresumsatzes ermöglichen kann. Für Investoren und Kunden kann dies irreführend sein und den Druck auf Unternehmen erhöhen, vermeintlich positive Zahlen zu präsentieren, um weitere Finanzierungen zu sichern.

Token-Verbrauch: Transparenzdefizite trotz großer Zahlen

Der Token-Verbrauch ist eine weitere Kennzahl, die in der KI-Welt häufig genannt wird. Tokens sind die Grundeinheit, in die Sprachmodelle wie ChatGPT Eingaben zerlegen und Ausgaben generieren. Wenn ein großer Kunde von OpenAI beispielsweise eine Billion Tokens verbraucht, klingt dies beeindruckend und suggeriert eine intensive Nutzung. Auch große Cloud-Anbieter wie Google kommunizieren den Token-Verbrauch ihrer KI-Schnittstellen in Milliardenhöhe. Allerdings fehlt hier oft der Kontext. Die Lukrativität des Token-Verbrauchs hängt von zahlreichen Faktoren ab, wie der Art des verwendeten Modells und den unterschiedlichen Kosten für Input- und Output-Tokens. Die Preisgestaltung für den Zugriff auf APIs variiert erheblich, wodurch eine Billion Tokens je nach Modell und Konditionen einen mehrfachen Millionenbetrag an Kosten verursachen kann. Ohne detaillierte Informationen über die zugrundeliegenden Modelle und Preisstrukturen ist diese Metrik nur begrenzt aussagekräftig.

MAU, DAU, WAU: Aktive Nutzer als Interpretationssache

Die Metriken der aktiven Nutzer (Monthly Active Users – MAU, Daily Active Users – DAU, Weekly Active Users – WAU) sind seit dem Aufstieg von Social-Media-Plattformen weit verbreitet. Sie sollen die Beliebtheit und Reichweite eines Dienstes messen. Doch auch hier ist die Definition von "Aktivität" oft unklar und liegt im Ermessen der jeweiligen Plattform. Ob ein Nutzer, der nur kurz eine Seite aufruft oder einen Klick tätigt, bereits als "aktiv" zählt, ist nicht standardisiert. Dies führt dazu, dass Unternehmen wie OpenAI, die keiner strengen Berichtspflicht unterliegen, ihre Nutzerzahlen nach eigenem Ermessen definieren können. Die Meldung von 800 Millionen wöchentlichen Nutzern für OpenAI wird daher als "Nebelkerze" kritisiert, da die tatsächliche Engagement-Tiefe unklar bleibt. Diese mangelnde Standardisierung erschwert Vergleiche zwischen verschiedenen Diensten und kann ein verzerrtes Bild der tatsächlichen Nutzerbasis vermitteln.

OpenAI und der Kostenfaktor: Milliardeninvestitionen und Token-Verbrennung

OpenAI, das Unternehmen hinter ChatGPT, verzeichnet trotz hoher Bewertungen weiterhin erhebliche Verluste. Schätzungen zufolge soll OpenAI im Jahr 2024 einen Verlust von rund 5 Milliarden US-Dollar bei einem Umsatz von 3,7 Milliarden US-Dollar gemacht haben. Für 2025 wird zwar ein Umsatzsprung auf 11,6 Milliarden US-Dollar erwartet, doch die Kosten für den Betrieb der Dienste, die Gehälter der Mitarbeiter und die Mieten für Büroflächen sind ebenfalls enorm. Besonders ins Gewicht fallen die Ausgaben für Rechenkapazitäten. Sam Altman, CEO von OpenAI, plant, in den kommenden Jahren bis zu 1,4 Billionen US-Dollar für die Infrastruktur aufzubringen. Diese Summe soll unter anderem durch milliardenschwere Deals mit Partnern wie Nvidia und Oracle finanziert werden.

Ein bemerkenswerter Aspekt der Kostenstruktur ist der Energieverbrauch. Selbst vermeintlich kleine Interaktionen wie das Verwenden von "Bitte" und "Danke" in ChatGPT-Anfragen können sich zu beträchtlichen Summen addieren. Es wird geschätzt, dass eine einzelne KI-generierte Antwort bis zu 0,14 Kilowattstunden (kWh) Energie verbrauchen kann. Bei Milliarden von Interaktionen weltweit kumulieren sich diese Mikro-Verbräuche zu zweistelligen Millionenkosten für OpenAI. Altmans Kommentar, diese Millionen seien "well spent", deutet darauf hin, dass das Unternehmen diesen Aufwand als Investition in die Qualität der KI-Interaktion und möglicherweise in die zukünftige Mensch-Maschine-Beziehung betrachtet.

Die Debatte um eine KI-Blase: Parallelen zur Dotcom-Ära?

Die massiven Investitionen und hohen Bewertungen in der KI-Branche, oft ohne sofortige oder nachweisbare Rentabilität, haben die Diskussion um eine mögliche "KI-Blase" entfacht. Experten ziehen Parallelen zur Dotcom-Blase der späten 1990er Jahre, als ebenfalls enorme Summen in Technologieunternehmen flossen, die später scheiterten.

Zirkuläre Investitionen und Klumpenrisiken

Ein Merkmal der aktuellen KI-Landschaft sind die komplexen Verflechtungen und zirkulären Investitionen zwischen den Akteuren. Chip-Hersteller wie Nvidia investieren in KI-Softwareunternehmen wie OpenAI, die wiederum Rechenleistung von Cloud-Providern beziehen, in die ebenfalls Nvidia oder OpenAI investiert haben. Diese Verflechtungen können dazu führen, dass die Nachfrage nach KI-Modellen und Chips künstlich angetrieben wird und Unternehmen größer erscheinen, als sie tatsächlich sind. Das Risiko eines Klumpenrisikos für die gesamte Branche wächst, da ein Wackeln bei einem zentralen Akteur das gesamte System destabilisieren könnte.

Beispielsweise investiert Nvidia bis zu 100 Milliarden US-Dollar in OpenAI und erhält dafür Anteile. Im Gegenzug verpflichtet sich OpenAI, Nvidia-Chips in großem Umfang abzunehmen. Diese Art der wechselseitigen Abhängigkeit und Subventionierung wirft Fragen nach der tatsächlichen Marktbewertung auf.

Fear of Missing Out (FOMO) als treibende Kraft

Die "Fear of Missing Out" (FOMO) scheint ein wesentlicher Faktor für die anhaltend hohen Investitionen zu sein. Führungskräfte großer Tech-Unternehmen äußern zwar Bedenken hinsichtlich einer Blase, betonen aber gleichzeitig das höhere Risiko, im KI-Rennen den Anschluss zu verlieren. Die Annahme, dass Rechenleistung der limitierende Faktor für die KI-Entwicklung ist, führt zu einem Wettlauf um den Aufbau gigantischer Infrastrukturen und Rechenzentren. Diese Investitionsstrategie, auch wenn sie hohe Risiken birgt, wird als notwendig erachtet, um wettbewerbsfähig zu bleiben.

Herausforderungen und Ausblick

Neben den finanziellen Aspekten stellen sich auch Fragen nach dem tatsächlichen Nutzen und der Skalierbarkeit der KI-Technologien. Studien deuten darauf hin, dass ein Großteil der KI-Projekte in Unternehmen bisher keine messbare Rendite liefert. Das sogenannte Skalierungsgesetz, welches besagt, dass KI-Modelle mit mehr Rechenleistung und Daten automatisch besser werden, stößt an seine Grenzen. Die Entwicklung von Modellen wie GPT-5 zeigte, dass ein entscheidender Leistungssprung noch aussteht, um eine allgemeine künstliche Intelligenz (AGI) zu erreichen.

Ein weiteres Problem ist der wachsende Energieverbrauch der Rechenzentren, der die Stromnetze belastet und ökologische Bedenken aufwirft. Gleichzeitig wächst der Wettbewerbsdruck aus Ländern wie China, wo kostengünstige und leistungsfähige KI-Modelle entwickelt werden, die westliche Anbieter preislich unterbieten könnten.

Trotz dieser Herausforderungen bleibt die Überzeugung, dass KI langfristig transformative Auswirkungen auf die Wirtschaft haben wird. Die aktuelle Phase könnte als eine Art "industrielle Blase" betrachtet werden, ähnlich dem Biotech-Hype der 1990er Jahre, aus der jedoch robuste und innovative Unternehmen hervorgehen können. Ob die aktuelle Euphorie in eine Korrektur mündet oder sich langfristig als eine notwendige Investitionsphase in eine zukunftsweisende Technologie erweist, bleibt abzuwarten.

Bibliography

- "Die Sprache der KI-Firmen: Wie ARR, Token und DAU die Blase befeuern", Florian Zandt, t3n.de, 06.11.2025. - "Meta, OpenAI, Google: Die große Angst vor der KI-Blase", Maximilian Sachse, FAZ.net, 02.11.2025. - "OpenAI: Milliardendeals von ChatGPT-Entwickler schüren Angst vor KI-Blase", Ines Zöttl, DER SPIEGEL, 21.10.2025. - "Ist das eine KI-Blase? Die Geldströme zwischen Open AI, Nvidia ...", Malin Hunziker, nzz.ch, 13.10.2025. - "KI-Blase oder Dotcom 2.0? OpenAI und der neue Tech-Rausch", Stefan Jäger, finanzmarktwelt.de, 08.10.2025. - "Wächst die KI-Blase weiter? OpenAI-Bewertung steigt auf 500 Milliarden US-Dollar", Axel Kannenberg, heise.de, 02.10.2025. - "Was passiert, wenn die KI-Blase platzt? - Der KI-Podcast", Bayerischer Rundfunk, br.de, 14.10.2025. - "OpenAI verbrennt weiterhin Geld", Tristan Fincken, computerwoche.de, 02.10.2024. - ""Bitte" und "Danke" kostet OpenAI Millionen - Onlineportal von IT Management", Lars Becker, it-daily.net, 22.04.2025. - "ChatGPT und Co.: "Danke" und "Bitte" verbrennen Millionen von Dollar - aus gutem Grund?", Philip Wohlfarth, buffed.de, 22.04.2025.