Do not dig for gold - sell shovels
Während das Jahr sich dem Ende neigt und viele Bereiche langsamer werden, bleibt die Welt der künstlichen Intelligenz in Bewegung – vor allem beim Fundraising, da geht das Rennen um die größte Wette des letzten Jahrtausend unvermindert weiter. Allein im letzten Monat sammelten die KI-Giganten xAI und Anthropic gemeinsam 9 Milliarden Dollar ein. Und das ist nur die Spitze des Eisbergs:
Auch in IT-Management, Robotik und anderen Branchen flossen immense Summen.
Vor allem bei unserer letzten Lernreise ins Silion Valley in den letzten Wochen haben wir eines wahrgenommen:
bei der Künstlichen Intelligenz geht es vielmehr um Dateninfrastruktur und Energieversorgung, dorthin gehen auch derzeit alle Investements. “Es ist Schaufel, nicht in den Schaufler” - wie schon beim Goldrush vor 100 Jahren. Und die Frage bleibt, wann sich all diese Investitionen in Produktivitätssteigerung niederschlagen?
Diese Fragen beleuchte ich in diesem Beitrag!
Was sind aktuell die größten Investementrunden?
Wenn man wissen will was in ein paar Jahren auf un zukommt, ist es immer interessant zu sehen, wohin aktuelle Investements gehen - dwenn man das macht,ist eines klar:
KI-Agenten, Roboter, Dateninfrastruktur wie Chips und vor allem in Energieversorung, dorthin fließt derzeit das ganze Geld, wer jetzt nicht dabei ist, wird seine wettbewerbsfähig auf das Spiel setzen.
Was sind nun die heißen Runden?
xAI – 5 Milliarden Dollar für generative KI
Das von Elon Musk gegründete Startup xAI sorgt weiter für Schlagzeilen. In seiner jüngsten Finanzierungsrunde konnte das Unternehmen beeindruckende 5 Milliarden Dollar einwerben und erreicht damit eine Bewertung von 50 Milliarden Dollar – doppelt so hoch wie noch im Mai. Investoren wie die Qatar Investment Authority, Andreessen Horowitz und Sequoia Capital zeigen:
Anthropic – 4 Milliarden Dollar von Amazon
Amazon investiert weitere 4 Milliarden Dollar in Anthropic, bekannt für seinen KI-Assistenten Claude. Damit beläuft sich Amazons Gesamtinvestment in das Startup auf 8 Milliarden Dollar. Die strategische Partnerschaft umfasst auch die Nutzung von Amazon Web Services (AWS) für Training und Bereitstellung von Modellen.
Gleicheitig stellt gerade ChatGPT wieder eine neues Model vor, man kann davon ausgehen: das Rennen geht weiter und vor allem die Technologiespünge nehmen weiter zu.
Halblieterindustrie und Künstliche Intelligenz
Vor 2010 wuchs der Rechenaufwand, der zum Training führender KI- Systeme erforderlich war, etwa parallel zum Mooreschen Gesetz – also alle 20 Monate.
Seitdem verdoppelt er sich alle sechs Monate (siehe Grafik ). Das bedeutet, dass die Nachfrage nach immer leistungsfähigeren Chips immer größer wird. Nvidia, ein amerikanisches Unternehmen, das sich auf Chips spezialisiert hat, die besonders gut auf die Anforderungen der in der KI dominierenden großen Sprachmodelle ( LLMs ) zugeschnitten sind, ist mittlerweile das drittwertvollste Unternehmen der Welt. Seit Ende 2023 hat der MSCI- Index der Chiphersteller seinen Index der Softwareunternehmen zum ersten Mal seit über einem Jahrzehnt deutlich übertroffen.
Ein weiteres Beispiel ist das Chip-Startup Tenstorrent, das unter der Leitung des renommierten Ingenieurs Jim Keller beeindruckende 693 Millionen Dollar in einer Serie-D-Finanzierungsrunde aufgebracht hat, angeführt von Samsung Securities und AFW Partners.
Mit einer Bewertung von 2,6 Milliarden Dollar nach der Runde positioniert sich Tenstorrent als ernstzunehmender Konkurrent von Nvidia. Ziel ist es, Open-Source-KI-Software-Stacks und Systeme für KI-Entwickler aufzubauen.
Doch Tenstorrent ist nicht allein: Auch andere Unternehmen an der Schnittstelle von KI und Chips verzeichnen große Finanzierungsrunden. Hier eine Auswahl der Top-Deals:
Highlights der KI-Chip-Investitionen 2024
Lightmatter: 400 Millionen Dollar (Serie D) für photonische Chips, die KI-Berechnungen schneller und energieeffizienter machen, Bewertung: 4,4 Milliarden Dollar. Diese Technologie nutzt Licht (Photonen) anstelle von Elektrizität (Elektronen) für die Datenverarbeitung, was zu erheblichen Leistungssteigerungen und Energieeinsparungen führt.
Ein zentrales Produkt von Lightmatter ist der "Envise"-Chip, ein optischer KI-Beschleuniger. Dieser Chip kombiniert Siliziumtransistoren mit photonischen Prozessoren, um neuronale Netzwerke effizient auszuführen. In ersten Benchmark-Tests zeigte ein Envise-Blade mit 16 photonischen Prozessoren eine bis zu fünfmal höhere Geschwindigkeit und einen bis zu fünfmal geringeren Energieverbrauch im Vergleich zu aktuellen KI-Beschleunigern von Nvidia.
Etched.ai: 120 Millionen Dollar für photonische Lösungen, die KI-Prozesse beschleunigen. Ihr Sohu-Chip ist ein anwendungsspezifischer integrierter Schaltkreis (ASIC), der speziell für die Ausführung von Transformer-Modellen optimiert ist. Diese Modelle bilden die Grundlage vieler fortschrittlicher KI-Anwendungen, einschließlich OpenAIs ChatGPT und Googles Gemini. Durch die Fokussierung auf diese spezifische Architektur zielt Sohu darauf ab, eine höhere Effizienz und Leistung im Vergleich zu allgemeineren KI-Chips zu bieten.
Recogni: 102 Millionen Dollar (Serie C) für KI-Inferenzchips mit Fokus auf generative KI und Automobilanwendungen.
Die Investitionen zeigen, dass KI-Chips ein entscheidender Treiber der nächsten Innovationswelle sind.
It is all about Energy
Aber Künstliche Intelligenz und die Rechezentren verschlingen unfassbar viel an Rechenleistungen, die enorme Energieleistungen benötigen: Baron Fung vom Forschungsunternehmen Dell'Oro schätzt, dass die Umsätze bei Servern für generative KI- Aufgaben im Jahr 2025 im Vergleich zu 2024 um mehr als drei Viertel auf 147 Milliarden Dollar steigen werden.
Die Internationale Energieagentur ( IEA ) schätzt, dass sich der weltweite Stromverbrauch von Rechenzentren in den nächsten zwei Jahren gegenüber 2022 mehr als verdoppeln und bis 2026 1.000 Terawattstunden erreichen könnte – das entspricht dem Stromverbrauch Japans.
Wann rechnet sich Künstliche Intelligenz?
Künstliche Intelligenz (KI) wird oft als die transformative Technologie unserer Zeit gepriesen, doch viele ihrer Versprechen bleiben bislang unerfüllt. Ein Blick zurück in die frühen Jahre des Computerzeitalters könnte wertvolle Einsichten bieten.
1965 verkündete Herbert Simon, eine Koryphäe der Informatik: „Maschinen werden in 20 Jahren jede Arbeit verrichten können, die ein Mensch verrichten kann.“ Doch zwei Jahrzehnte später war die prophezeite Produktivitätsrevolution ausgeblieben. Der Nobelpreisträger Robert Solow brachte es 1987 mit einem humorvollen Seitenhieb auf den Punkt: „Man kann das Computerzeitalter überall sehen, nur nicht in den Produktivitätsstatistiken.“ Erst Ende der 1990er Jahre begann sich das Blatt zu wenden – Computersysteme veränderten Wirtschaft und Gesellschaft grundlegend, allerdings drei Jahrzehnte nach den anfänglichen Erwartungen.
Welche Lehren können wir aus dieser Geschichte für die KI-Revolution ziehen? Drei Schlüsselfaktoren waren ausschlaggebend für den späteren Boom des Computerzeitalters:
Massive IT-Investitionen
In den späten 1990er Jahren steigerten Unternehmen ihre Ausgaben für Hardware, Software und Netzwerke dramatisch – jährlich um bis zu 20 %. Heute hingegen bleiben Investitionen in KI-Technologien enttäuschend niedrig. Während immaterielle Werte wie Algorithmen und Daten schwer zu messen sind, bleibt auch das Wachstum bei Softwareinvestitionen hinter den Erwartungen zurück.Sinkende Preise für Technologie
Von 1995 bis 2000 sanken die Preise für Computerhardware und -software um ein Drittel, was deren Verbreitung massiv beschleunigte. Bei KI fehlen solche Preissenkungen bisher. Stattdessen treiben Zwischenhändler die Preise für KI-Produkte sogar nach oben, was deren breite Einführung erschwert.Transformation von Geschäftsmodellen
Der Schlüssel zur Produktivitätssteigerung war die Fähigkeit von Unternehmen, ihre Abläufe grundlegend zu verändern.
Die Einführung von KI beschränkt sich heute noch weitgehend auf enge Anwendungen innerhalb bestehender Betriebsabläufe, wie etwa ein Finanzdienstleistungsunternehmen, das eine KI -App zur Betrugserkennung einsetzt oder Buchhaltungsprogramme oder vielen anderen Prozessen.
Wenn man mit KI Start-ups spricht, was wir bei unseren Learning ´Journey’s immer wieder tun, dann kommt als erste Frage: wie kommen wir zu Ihren Daten?
Die meisten Unternehmen verfügen aber nicht über die erforderliche Dateninfrastruktur, um kundenspezifische, unternehmensspezifische Modelle zu trainieren. Um das volle Potenzial von KI auszuschöpfen , sind grundlegendere Änderungen erforderlich, müssen unstrukturierte in strukurierte Daten verändert werden oder die Datenlandschaft angepasst werden.
Damit eine Technologie Produktivitätssteigerungen bringt, müssen Unternehmen ihre Betriebsabläufe und Geschäftsmodelle umstellen, um sie zu integrieren.
Nehmen wir das Beispiel Walmart.
In den 1990er Jahren steigerte der Einzelhändler seine Produktivität, indem er ein neues Softwaresystem – Retail Link – in seine Betriebsabläufe einbettete, das Lieferanten Echtzeitzugriff auf Verkaufs- und Bestandsdaten gewährte.
Dann kommenn noch die Überlegungen von In und Output dazu, wann rechnet sich eine Investition, auf welches “Pferd” soll ich setzen oder welche Ressourcen brauche ich. Was vor allem das Thema der Kosten betrifft, können wir davon ausgehen, dass die Preise weiter nach unten gehen werden.
Ausblick:
Derzeit reden zwar alle von Künstlicher Intelligenz, doch bei genauerer Betrachtung wird klar, dass es vor allem um die Infrastruktur wie Rechenzentren und die damit verbundene Energieversorgung geht.
Nur wenn diese gesichert ist, können wir die Vorteile der Künstlichen Intelligenz tatsächlich nutzen. Gleichzeitig müssen wir uns bewusst sein, dass es noch einige Zeit dauern wird, bis unsere Wirtschaft grundlegend transformiert ist.
Denn neben der Energie- und Infrastrukturfrage müssen wir auch unsere Dateninfrastruktur anpassen. Nur wenn wir die Daten im Griff haben und genau wissen, wie wir sie nutzen können, werden wir das volle Potenzial der Künstlichen Intelligenz ausschöpfen können.
Die Geschichte zeigt, dass technologische Durchbrüche oft länger brauchen, um ihre volle Wirkung zu entfalten, als zunächst angenommen. Der Ökonom Rudi Dornbusch bemerkte treffend:
„In der Wirtschaft passieren die Dinge langsamer, als man denkt – und dann schneller, als man es für möglich hält.“
Die KI-Revolution mag letztlich eine vergleichbare Transformation bewirken wie die Computerrevolution – aber wir stehen noch ganz am Anfang. Vielleicht ähneln die aktuellen Entwicklungen eher den 1970er Jahren, als bahnbrechende Technologien wie der Mikrochip bereits existierten, aber ihr Potenzial erst Jahrzehnte später voll ausgeschöpft wurde.
KI hat das Potenzial, eine zweite Revolution herbeizuführen. Doch wie die Geschichte zeigt, braucht es Geduld, Investitionen und mutige Veränderungen, um das Versprechen einzulösen. Aber wer zu späte kommt, den bestraft das Leben!
Aber dass dies kommen wird, daran gibt es keinen Zweifel, wir sollten uns besser darauf vorbereiten.
Autor: Werner Sattlegger, Founder der Art of Life
Events:
Executive Silicon Valley Learning Journey, 02. Juni - 06.Juni, 2025
Autor: Werner Sattlegger
Founder & CEO Art of Life
Experte für digitale Entwicklungsprozesse, wo er europäische mittelständische Familien- und Industrie-unternehmen von der Komfort- in die Lernzone bringt. Leidenschaftlich gerne verbindet er Menschen und Unternehmen, liebt die Unsicherheit und das Unbekannte, vor allem bewegt ihn die Lust am Gestalten und an Entwicklung.
