KI-Branche: Wer an künstlicher Intelligenz tatsächlich verdient

Wer von der KI-Branche spricht, denkt meist an die Firmen hinter bekannten Chatbots. Sie stehen im Rampenlicht, sammeln große Summen bei Investoren ein und liefern sich ein Rennen um das beste Modell. Doch sie sind nur ein Glied in einer langen Kette.

Hinter jeder Antwort eines Sprachmodells stehen Chips, Rechenzentren, Stromleitungen, Datensammlungen und Software. Davor stehen Anwendungen, Berater und die Unternehmen, die KI in ihre Abläufe einbauen. An jeder Stelle wird Geld ausgegeben. Verdient wird es nicht überall gleich.

Ein Blick auf diese Kette hilft zu verstehen, warum die Investitionen so hoch sind und wo die Risiken liegen. Er zeigt auch, welche Rolle europäische Unternehmen spielen können.

Die Schichten der Branche

Grob lässt sich die KI-Branche in fünf Schichten gliedern:

• Hardware: Entwickler und Fertiger von Spezialchips, die die vielen Rechenoperationen beim Training und Betrieb von Modellen ausführen.
• Rechenzentren und Cloud: Betreiber, die Tausende dieser Chips zusammenschalten und Rechenleistung vermieten.
• Basismodelle: Labore und Firmen, die große Sprach-, Bild- oder Spezialmodelle trainieren.
• Werkzeuge und Daten: Anbieter von Datenaufbereitung, Entwicklungsumgebungen, Sicherheit und Überwachung für KI-Systeme.
• Anwendungen und Dienstleistungen: Software für bestimmte Branchen oder Aufgaben sowie Berater, die KI in Unternehmen bringen.

Die Grenzen sind fließend. Große Technologiekonzerne sind in mehreren Schichten zugleich aktiv. Sie entwerfen eigene Chips, betreiben Rechenzentren, trainieren Modelle und verkaufen Anwendungen.

Für Kunden hat diese Verflechtung Folgen. Wer Modell, Rechenzentrum und Anwendung vom selben Konzern bezieht, hat es bequem, bindet sich aber eng. Ein späterer Wechsel kann teuer werden, weil Daten, Schnittstellen und Gewohnheiten an einem einzigen Anbieter hängen.

Rechenleistung ist der Engpass

Das Training eines großen Modells verschlingt über Wochen oder Monate enorme Rechenleistung. Auch der laufende Betrieb kostet: Jede Anfrage beansprucht Chips, Strom und Kühlung. Weil die Nachfrage schneller wuchs als das Angebot, waren Spezialchips zeitweise knapp und teuer.

Davon profitieren vor allem die unteren Schichten. Wer Chips liefert oder Rechenzentren betreibt, verdient unabhängig davon, welches Modell am Ende vorne liegt. Diese Firmen verkaufen die Ausrüstung für den Boom, ganz gleich, wer ihn gewinnt.

Die Kehrseite sind gewaltige Investitionen. Neue Rechenzentren brauchen Grundstücke, Netzanschlüsse und viel Energie. Vielerorts wird der Stromanschluss zum begrenzenden Faktor. Ob sich alle Ausgaben am Ende auszahlen, ist offen und unter Fachleuten umstritten.

Hinzu kommt die Frage der Auslastung. Ein Rechenzentrum lohnt sich nur, wenn es über Jahre gut gebucht ist. Sinkt die Nachfrage oder wird die Technik effizienter, stehen teure Anlagen womöglich halb leer.

Modelle werden schnell billiger

Für die Entwickler von Basismodellen ist die Lage zwiespältig. Sie tragen die höchsten Entwicklungskosten. Gleichzeitig ist der Wettbewerb hart. Neue Modelle erreichen die Leistung ihrer Vorgänger oft mit weniger Aufwand. Die Preise für vergleichbare Leistung sind in den vergangenen Jahren deutlich gefallen.

Dazu tragen offene Modelle bei, deren Gewichte frei verfügbar sind. Gewichte sind die gelernten Parameter eines Modells. Unternehmen können solche Modelle auf eigener Hardware betreiben und anpassen, ohne für jede Anfrage zu bezahlen. Das erhöht den Druck auf Firmen, die allein über den Zugang zu ihrem Modell Geld verdienen.

Für Anwender ist das eine gute Nachricht. Was vor wenigen Jahren nur große Konzerne bezahlen konnten, steht heute auch kleinen Firmen zur Verfügung. Reine Modellanbieter müssen dagegen ständig vorne liegen oder zusätzliche Dienste bieten, um ihre Preise zu halten.

In der KI-Branche ist das beste Modell von heute oft die günstige Massenware von übermorgen.

Wo Anwendungsfirmen eine Chance haben

Viele junge Firmen bauen ihre Software auf fremden Modellen auf. Kritiker nennen manche davon spöttisch eine dünne Hülle: eine Oberfläche, die Anfragen an ein großes Modell weiterreicht. Verbessert der Modellanbieter sein eigenes Produkt, ist das Geschäft schnell weg.

Bessere Karten haben Anwendungen, die etwas mitbringen, das sich nicht einfach kopieren lässt. Dazu gehören eigene Daten aus einer Branche, tiefes Wissen über Abläufe und Vorschriften und ein fester Platz in der täglichen Arbeit ihrer Kunden. Eine Software, die in einer Steuerkanzlei Belege, Fristen und Mandantenpost verbindet, ist schwerer zu ersetzen als ein allgemeiner Textassistent.

Für Kunden ergibt sich daraus eine einfache Prüffrage. Was bleibt von einer Anwendung übrig, wenn man das zugrunde liegende Modell austauscht? Bleibt viel, steckt echte Arbeit darin. Bleibt wenig, zahlen Sie vor allem für eine Oberfläche.

Auch Beratung und Integration sind ein wachsendes Feld. Viele Unternehmen brauchen Hilfe, um KI an ihre Systeme anzuschließen, Daten aufzubereiten und Mitarbeitende zu schulen. Diese Arbeit ist weniger glanzvoll, aber oft gut planbar.

Regeln, Daten und Fachkräfte

Mit der Größe der Branche wachsen auch die Regeln. In der EU ist seit August 2024 die KI-Verordnung in Kraft, deren Pflichten stufenweise greifen. Sie teilt KI-Systeme nach ihrem Risiko ein. Für Anwendungen in sensiblen Bereichen verlangt sie etwa Dokumentation, Prüfung und menschliche Aufsicht. Auch Unternehmen, die KI nur einsetzen, haben Pflichten, etwa dafür zu sorgen, dass ihre Beschäftigten ausreichend geschult sind.

Offen sind zudem Fragen des Urheberrechts. Basismodelle lernen aus riesigen Mengen an Texten und Bildern. Ob und wann dafür eine Erlaubnis der Rechteinhaber nötig ist, beschäftigt in mehreren Ländern Gerichte und Gesetzgeber.

Ein dritter Engpass sind Menschen. Gesucht sind nicht nur Forscher, sondern vor allem Fachleute, die KI-Systeme sicher betreiben, Daten aufbereiten und Anwendungen in Unternehmen einführen. Hier konkurrieren Konzerne, junge Firmen und der Mittelstand um dieselben Köpfe.

Europas Platz in der Kette

Europa ist in der KI-Branche ungleich vertreten. Bei großen Rechenzentren und den bekanntesten Basismodellen dominieren Unternehmen aus den USA, zunehmend auch aus China. Europäische Modellentwickler gibt es, sie arbeiten aber meist mit deutlich weniger Kapital.

Stärken hat Europa an anderen Stellen. Die Forschung ist breit aufgestellt, und bei Maschinen für die Chipfertigung spielen europäische Firmen eine zentrale Rolle. Vor allem gibt es eine starke Industrie mit wertvollen Daten und Fachwissen, vom Maschinenbau bis zur Medizintechnik. Das passt zu der Schicht, in der Spezialwissen besonders zählt: den Anwendungen.

Ein Vorteil kann auch Vertrauen sein. Viele Kunden in Europa achten darauf, wo ihre Daten verarbeitet werden. Anbieter mit Rechenzentren in der EU und klaren Zusagen zum Datenschutz haben damit ein Argument, das nicht allein über den Preis entschieden wird.

Ob daraus ein eigener Platz in der Kette wird, hängt von nüchternen Dingen ab. Gebraucht werden bezahlbare Rechenleistung, Kapital für Wachstum und Regeln, die Klarheit schaffen, ohne kleine Anbieter zu überfordern. Den Wettlauf um das größte Modell muss Europa dafür nicht gewinnen.