Die große KI-Korrektur: Eine mögliche Prognose zu Zeitpunkt, Auslösern und Folgen des Platzens der Blase bei Generativer KI

Zusammenfassung

Die vorliegende Analyse kommt zu dem Schluss, dass der aktuelle Markt für Künstliche Intelligenz (KI) keine klassische Blase ist, die wie die Dotcom-Krise zu einem plötzlichen „Platzen“ verdammt ist. Vielmehr handelt es sich um einen überhitzten, von Hype getriebenen Investitionszyklus, der vor einer signifikanten und länger andauernden „Bereinigung“ oder „Korrektur“ steht. Diese Korrektur wird den zugrunde liegenden Wert der KI-Technologie nicht zerstören, sondern wird fundamental solide Unternehmen von spekulativen Unternehmungen trennen.

Inhalt

Die primäre Korrekturphase wird voraussichtlich in den nächsten 18 bis 24 Monaten (zweite Jahreshälfte 2026 bis zweite Jahreshälfte 2027) ernsthaft beginnen. Ausgelöst wird sie durch ein Zusammentreffen von enttäuschenden Renditen (Return on Investment, ROI), technologischen Plateaus und makroökonomischem Druck. Der zentrale Auslöser wird eine weit verbreitete „ROI-Abrechnung“ sein, bei der die große Mehrheit der KI-Pilotprojekte in Unternehmen keine greifbaren finanziellen Erträge liefert. Dies wird zu Budgetkürzungen und einer Stimmungsverschiebung bei den Investoren führen – weg vom Hype und hin zu fundamentalen Kennzahlen.

In diesem Szenario werden sich klare Gewinner und Verlierer herauskristallisieren. Zu den Gewinnern zählen die grundlegenden „Picks and Shovels“-Anbieter (Infrastruktur, Chiphersteller, Cloud-Plattformen), etablierte Unternehmen mit proprietären Daten und klaren, ROI-getriebenen KI-Anwendungsfällen sowie spezialisierte KI-Firmen mit nachhaltigen, nicht-spekulativen Geschäftsmodellen. Die Verlierer werden eine große Anzahl überfinanzierter Start-ups ohne Weg zur Profitabilität, etablierte Unternehmen, die „AI-Washing“ ohne Kernstrategie betreiben, und Firmen sein, deren Geschäftsmodelle auf einem unbegrenzten, kostengünstigen Zugang zu Rechenleistung beruhen.

Die Landschaft nach der Bereinigung wird von Unternehmen dominiert werden, die das „Tal der Enttäuschungen“ erfolgreich durchschreiten. Diese Phase wird den Weg für ein reiferes, produktiveres und letztlich wertvolleres KI-Ökosystem ebnen, wie es im Gartner Hype-Zyklus als „Pfad der Erleuchtung“ beschrieben wird.

Der KI-Goldrausch der 2020er Jahre

Seit der Einführung von ChatGPT Ende 2022 hat der KI-Sektor eine beispiellose Kapitalflut erlebt, die an einen modernen Goldrausch erinnert. Diese Investitionswelle hat nicht nur Rekorde gebrochen, sondern auch die Erwartungen an die Technologie auf ein extremes Niveau gehoben.

Die schiere Menge des in den Sektor geflossenen Kapitals ist atemberaubend. Im Jahr 2024 überstiegen die weltweiten Risikokapitalinvestitionen in KI-Unternehmen 100 Milliarden US-Dollar, was einer Steigerung von über 80 % gegenüber den 55,6 Milliarden US-Dollar im Jahr 2023 entspricht.¹ Dieser Trend beschleunigte sich weiter: Allein im ersten Halbjahr 2025 erreichten die globalen VC-Investitionen in generative KI 49,2 Milliarden US-Dollar und übertrafen damit bereits den Gesamtwert für das gesamte Jahr 2024.² Das Epizentrum dieses Bebens sind die Vereinigten Staaten, wo KI-Start-ups im ersten Halbjahr 2025 122 Milliarden US-Dollar einsammelten, was 85,5 % des weltweiten Gesamtvolumens ausmacht.³

Diese Zahlen deuten jedoch auf eine zugrunde liegende Instabilität hin. Der Boom ist ein stark kopflastiges Phänomen. Während die Schlagzeilen von rekordverdächtigen Gesamtinvestitionen berichten, zeigt eine genauere Analyse, dass dieses Kapital hochkonzentriert ist. Ein einziger 40-Milliarden-Dollar-Deal für OpenAI hat die Zahlen für das erste Quartal 2025 dramatisch verzerrt; ohne ihn wären die VC-Finanzierungen um 36 % zurückgegangen.⁴ Einige wenige Mega-Deals für Unternehmen wie xAI, Anthropic und OpenAI machen einen massiven Teil der Gesamtinvestitionen aus.² Diese Konzentration impliziert, dass der „Boom“ nicht alle Boote gleichermaßen anhebt. Stattdessen zieht eine Handvoll Anbieter von Basismodellen den Löwenanteil des Kapitals an. Dies schafft ein systemisches Risiko: Das Schicksal des gesamten KI-Venture-Ökosystems ist überproportional an den Erfolg oder Misserfolg einer sehr kleinen Anzahl hoch bewerteter, unprofitabler Unternehmen gebunden. Ein Scheitern oder eine signifikante Abwertungsrunde bei einem dieser Giganten könnte einen katastrophalen Vertrauensverlust im gesamten Sektor auslösen.

Angetrieben werden diese Investitionen von einer wirkungsvollen Erzählung, die KI mit fundamentalen technologischen Umwälzungen wie dem Internet oder der Elektrizität vergleicht.⁶ Diese Erzählung prägt sowohl die Unternehmensstrategie als auch die Bewertungen an den öffentlichen Märkten. Die Medienberichterstattung über generative KI ist überwiegend neutral bis positiv, insbesondere im Geschäftskontext.⁸ Die Durchdringung ist enorm: 79 % aller Befragten in einer McKinsey-Umfrage gaben an, zumindest eine gewisse Berührung mit generativer KI gehabt zu haben, und fast ein Viertel der befragten C-Suite-Führungskräfte nutzt sie persönlich für die Arbeit.⁹ Diese allgegenwärtige Erzählung ist ein Schlüsselmerkmal eines Hype-Zyklus. Sie erzeugt einen immensen Druck auf Unternehmen, zu investieren – oft ohne klare Strategie –, aus Angst, den Anschluss zu verlieren.¹⁰

Dies führt zur zentralen Frage dieser Analyse: Handelt es sich um eine nachhaltige technologische Revolution, die den massiven Kapitalzufluss rechtfertigt, oder um eine spekulative Blase, die von Hype angetrieben wird und für eine schmerzhafte Korrektur bestimmt ist? Der Bericht wird diese Frage untersuchen, um eine fundierte Prognose für strategische Entscheidungsträger zu liefern.

Anatomie einer Blase: Historische Parallelen und entscheidende Unterschiede

Um die aktuelle Marktdynamik zu verstehen, ist ein Vergleich mit historischen Technologieblasen unerlässlich. Die Dotcom-Blase der späten 1990er Jahre dient als wichtigster Referenzpunkt, doch trotz auffälliger Ähnlichkeiten gibt es fundamentale Unterschiede, die auf einen anderen Ausgang hindeuten.

Das Dotcom-Echo

Die Parallelen zwischen dem KI-Boom und der Dotcom-Ära sind unübersehbar und nähren die Befürchtung einer Wiederholung der Geschichte. Beide Zyklen wurden durch eine von Narrativen getriebene Investition in eine „revolutionäre Technologie“ befeuert.¹² Damals wie heute herrscht ein starker Glaube an die amerikanische Wirtschafts- und Technologieführerschaft.¹² Ein weiteres Echo ist die extreme Bewertung von Unternehmen, die noch keine Gewinne erwirtschaften, und eine schmale Marktrallye, die von einer kleinen Gruppe von Technologiegiganten angeführt wird – die „Magnificent Seven“ von heute im Vergleich zu den „Four Horsemen“ von damals (Microsoft, Intel, Cisco, Dell).⁶ Besonders auffällig ist die Analogie zwischen Cisco, das damals die Netzwerkhardware – die „Picks and Shovels“ – für das Internet lieferte, und Nvidias heutiger Rolle als dominierender Anbieter der für KI notwendigen Rechenleistung.⁶

„Dieses Mal ist es anders“: Das Gegenargument

Trotz dieser Parallelen gibt es entscheidende Unterschiede, die darauf hindeuten, dass der KI-Boom auf einem solideren Fundament steht.

Umsetzung vs. Spekulation: Viele Dotcom-Unternehmen basierten auf reiner Spekulation und hatten oft weder ein fertiges Produkt noch Nutzer oder gar Einnahmen.¹⁴ Im Gegensatz dazu haben führende KI-Unternehmen wie OpenAI Produkte mit Hunderten von Millionen von Nutzern auf den Markt gebracht und generieren bereits reale, wenn auch noch unzureichende, Umsätze.¹⁴
Robuste Infrastruktur: Der KI-Boom baut auf einer jahrzehntelang gereiften Cloud-Infrastruktur von Anbietern wie Amazon Web Services (AWS), Microsoft Azure und Google Cloud Platform (GCP) auf. Dies senkt die Risiken bei der Entwicklung und Skalierung von KI-Anwendungen drastisch – ein Vorteil, den es in den 1990er Jahren nicht gab.¹⁴
Stärkere Fundamentaldaten der führenden Unternehmen: Die Anführer des KI-Booms – Microsoft, Google, Nvidia – sind hochprofitable, etablierte Giganten mit diversifizierten Einnahmequellen. Dies steht im krassen Gegensatz zu den spekulativen Dotcom-Start-ups, die oft nur ein einziges Geschäftsmodell verfolgten.¹⁰ Ihre Kurs-Gewinn-Verhältnisse (KGV) sind zwar hoch, aber weit entfernt von den 150- bis 200-fachen Multiplikatoren, die auf dem Höhepunkt der Dotcom-Blase zu beobachten waren.¹⁰
Greifbares Wertversprechen: KI fungiert als „dualer Kraftmultiplikator“, der gleichzeitig den Umsatz steigern und die Kosten senken kann. Dies geschieht durch konkrete Anwendungen in verschiedenen Branchen, wie die Automatisierung von Callcentern oder die Beschleunigung der Softwareentwicklung.¹⁴ Dieses greifbare Wertversprechen fehlte vielen vagen Geschäftsmodellen der Dotcom-Ära.

Synthese und Urteil

Der aktuelle Markt ist ein Hybrid. Er weist die spekulativen Bewertungen und die narrative Hysterie einer klassischen Blase auf, ist aber gleichzeitig in einer Technologie verankert, die bereits einen nachgewiesenen Nutzen, eine reale Nutzerakzeptanz und die Unterstützung von fundamental gesunden Megakonzernen hat. Daher wird das Ergebnis kein „Platzen“ sein, das die Technologie entwertet, sondern eine „Bereinigung“, die die Bewertungen rationalisiert und nicht nachhaltige Geschäftsmodelle eliminiert.

Tabelle 3.1: Vergleichende Analyse: KI-Boom (2023–2025) vs. Dotcom-Blase (1998–2000)

Metrik	Dotcom-Blase (1998–2000)	KI-Boom (2023–2025)	Analyse & Implikationen
Führende Unternehmen	Cisco, Intel, Microsoft, Dell	Nvidia, Microsoft, Alphabet, Amazon	Ähnliche Konzentration auf Infrastruktur- und Plattformanbieter.
KGV der Marktführer	Extrem hoch (z. B. Cisco bei 150x) ¹⁰	Hoch, aber moderater (z. B. Nvidia bei 47x, Microsoft bei 34x) ¹⁰	Die Bewertungen sind zwar ambitioniert, aber stärker durch reale Gewinne untermauert, was das Risiko einer extremen Korrektur verringert.
Profitabilität von Start-ups	Meist nicht vorhanden; Bewertung basierte auf Ideen ¹⁴	Oft nicht vorhanden, aber führende Start-ups generieren bereits Umsätze ¹⁴	Der Druck, Profitabilität nachzuweisen, ist höher, was zu einer schnelleren Selektion führen wird.
Nutzerakzeptanz	Begrenzt durch langsame Internetverbindungen und geringe Verbreitung ¹⁴	Massiv und schnell; ChatGPT erreichte 100 Mio. Nutzer schneller als TikTok ¹⁴	Die Technologie hat bereits einen realen Markt und eine Nutzerbasis, was den fundamentalen Wert stützt.
Zugrunde liegende Infrastruktur	In der Entwicklung; hohe Eintrittsbarrieren ¹⁴	Reife Cloud-Infrastruktur (AWS, Azure, GCP) senkt die Kosten und Risiken ¹⁴	Die Entwicklung ist schneller und kostengünstiger, was eine breitere Innovation ermöglicht.
Geschäftsmodelle	Oft unklar und auf Werbeeinnahmen oder zukünftige Monetarisierung ausgerichtet.	Vielfältig: Abonnements, verbrauchsabhängige APIs, eingebettete Dienste (B2B-Fokus) ¹⁹	Klarere Wege zur Monetarisierung, auch wenn die Profitabilität noch nicht erreicht ist.
VC-Finanzierungsfokus	Fokus auf B2C-Ideen mit dem Ziel, schnell an die Börse zu gehen.	Konzentriert auf Basismodelle und Infrastruktur mit hohem Kapitalbedarf.	Das hohe Kapitalrisiko liegt bei wenigen großen Playern, was eine systemische Gefahr darstellt.

Navigation im Hype-Zyklus: Die Position der KI auf der Gartner-Landkarte

Das Hype-Zyklus-Modell von Gartner bietet einen wertvollen konzeptionellen Rahmen, um die Entwicklung von aufkommenden Technologien und die damit verbundenen Markterwartungen zu verstehen. Obwohl das Modell kritisiert wird, weil es nicht wissenschaftlich streng ist und nur wenige Technologien dem Pfad perfekt folgen, ist es ein wirkungsvolles Werkzeug, um die aktuelle Stimmung im KI-Markt einzuordnen.²⁰

Das Gartner Hype-Zyklus-Framework

Der Zyklus beschreibt fünf Phasen, die eine Technologie durchläuft ²⁰:

Technologischer Auslöser (Technology Trigger): Ein Durchbruch weckt das erste Interesse.
Gipfel der überzogenen Erwartungen (Peak of Inflated Expectations): Ein Medienhype führt zu unrealistischen Erwartungen und einer Flut von Erfolgsgeschichten, aber auch Misserfolgen.
Tal der Enttäuschungen (Trough of Disillusionment): Das Interesse lässt nach, da die Technologie die überzogenen Erwartungen nicht erfüllen kann. Experimente scheitern, und Anbieter konsolidieren sich oder gehen unter.
Pfad der Erleuchtung (Slope of Enlightenment): Ein realistischeres Verständnis für den Nutzen und die Grenzen der Technologie setzt sich durch. Produkte der zweiten und dritten Generation erscheinen.
Plateau der Produktivität (Plateau of Productivity): Die Technologie wird breit akzeptiert, und ihr Nutzen ist klar erwiesen.

Die Position der Generativen KI

Die Analyse von Gartner selbst liefert eine klare Verortung: Generative KI hat den „Gipfel der überzogenen Erwartungen“ überschritten und befindet sich im Jahr 2024/2025 auf dem Weg ins „Tal der Enttäuschungen“.¹¹ Diese Phase ist entscheidend, denn sie ist durch nachlassendes Interesse gekennzeichnet, da Implementierungen nicht die anfangs versprochenen Ergebnisse liefern. Dies führt zu einer Bereinigung unter den Anbietern und einer Fokussierung auf Produkte der nächsten Generation, die einen echten Mehrwert bieten.²⁰

Diese theoretische Einordnung von Gartner findet eine direkte Entsprechung in der realen Geschäftswelt. Das „Tal der Enttäuschungen“ ist nicht nur ein abstraktes Konzept; es ist die makroökonomische Manifestation der aufkommenden „ROI-Abrechnung“. Die Definition des Tals – „Das Interesse lässt nach, da Experimente und Implementierungen nicht die erwarteten Ergebnisse liefern“ ²⁰ – passt exakt zu den Daten, die zeigen, dass 95 % der unternehmensinternen GenAI-Projekte keinen messbaren ROI erzielen ²⁶ und dass die Zufriedenheit der CEOs mit den KI-Investitionen sinkt.²³ Damit liefert der Gartner Hype-Zyklus das

Warum (die Ernüchterung nach dem Hype) für das Was (Projektfehlschläge und Budgetkürzungen), das letztlich die Marktkorrektur auslösen wird.

Ein Spektrum von Technologien

Es ist jedoch entscheidend zu verstehen, dass „KI“ kein Monolith ist. Der Hype-Zyklus zeigt eine vielfältige Landschaft, in der verschiedene KI-Technologien unterschiedlich weit entwickelt sind. Während die generative KI ins Tal der Enttäuschungen absteigt, befinden sich andere Technologien wie KI-Agenten und KI-fähige Daten noch auf dem Gipfel der Erwartungen.¹¹ Gleichzeitig klettern operativere Technologien wie

ModelOps (Modell-Operationalisierung) bereits den „Pfad der Erleuchtung“ hinauf.¹¹ Dies zeigt, dass die bevorstehende Bereinigung nicht alle Teile des KI-Ökosystems gleichermaßen treffen wird. Grundlegende, betriebliche Technologien reifen stetiger und sind weniger anfällig für die Hype-getriebene Korrektur, der sich generative KI-Anwendungen gegenübersehen.

Die Auslöser der Korrektur: Die Nadeln, die die Blase zum Platzen bringen könnten

Die bevorstehende Marktkorrektur wird nicht durch ein einzelnes Ereignis ausgelöst, sondern durch das Zusammentreffen mehrerer kritischer Faktoren. Diese Auslöser werden die Lücke zwischen Hype und Realität aufdecken und eine Neubewertung im gesamten Sektor erzwingen.

Hauptauslöser: Die ROI-Abrechnung

Der stärkste und unmittelbarste Auslöser für die Korrektur wird die wachsende Kluft zwischen den massiven Investitionen und dem Mangel an greifbarem wirtschaftlichem Nutzen sein. Es besteht eine massive Diskrepanz zwischen Investitionen und Wertschöpfung. Unternehmen haben zwischen 30 und 40 Milliarden US-Dollar in generative KI investiert, doch erstaunliche 95 % dieser Initiativen erzielen keinen messbaren Return on Investment.²⁶ Nur 5 % der maßgeschneiderten KI-Lösungen für Unternehmen erreichen die Produktionsreife.²⁶ Gleichzeitig berichten weniger als 30 % der KI-Führungskräfte, dass ihre CEOs mit den Renditen der KI-Investitionen zufrieden sind.²³

Diese Zahlen signalisieren einen Wendepunkt. Die Diskussion im Markt verlagert sich bereits vom Hype hin zu greifbaren Ergebnissen.¹¹ Unternehmen wenden sich von „Prestige-KI“ ab, die nur dem Anschein nach eingeführt wird, und fordern stattdessen Lösungen, die nachweislich den Umsatz steigern, Kosten senken oder die Kundenbindung verbessern.¹¹

Prognose: Wenn diese kritische Prüfung bis 2026 zunimmt, werden Unternehmen ihre Ausgaben für experimentelle KI-Projekte aggressiv kürzen. Dies wird einen Nachfrageschock für viele KI-Start-ups und Dienstleister auslösen und der stärkste einzelne Katalysator für die Marktbereinigung sein.

Unterstützender Auslöser: Technologische Plateaus und untragbare Kosten

Parallel zur wirtschaftlichen Ernüchterung zeichnen sich technologische und finanzielle Grenzen ab, die das explosive Wachstum dämpfen werden.

Die S-Kurven-Grenze: Die Leistungssteigerung von KI-Modellen zeigt abnehmende Erträge. Der Quantensprung von GPT-3 zu GPT-4 wurde bisher nicht wiederholt; Verbesserungen sind nun eher marginal und domänenspezifisch.²⁷ Einige Forscher gehen sogar davon aus, dass die aktuellen Architekturen eine inhärente Obergrenze für ihre Fähigkeiten haben könnten.²⁸
Datenknappheit und Kostenexplosion: Die Modelle haben die verfügbaren, hochwertigen öffentlichen Trainingsdaten weitgehend ausgeschöpft.²⁹ Die Zukunft liegt in teuren, proprietären Datensätzen.²⁷ Gleichzeitig explodieren die Trainingskosten, die sich jährlich verdoppeln und voraussichtlich Milliarden pro Modell erreichen werden.¹¹ Das Training eines einzigen großen Modells kann bereits heute Millionen bis Hunderte von Millionen Dollar kosten, während die benötigte Hardware (GPUs) knapp und teuer bleibt.³⁰

Prognose: Die Kombination aus stagnierender Leistung und exponentiell steigenden Kosten wird die Wirtschaftlichkeit vieler KI-Geschäftsmodelle unhaltbar machen. Dies wird eine Konsolidierung um einige wenige Akteure erzwingen, die sich die enormen Investitionsausgaben leisten können, und Start-ups in den Bankrott treiben, die keine Profitabilität erreichen, bevor ihre Finanzierung versiegt.

Makroökonomischer Verstärker: Das Ende des „kostenlosen Geldes“

Das makroökonomische Umfeld wirkt als Brandbeschleuniger für die Korrektur. Höhere Zinssätze, die sich 2025 im Bereich von 4,25–4,50 % bewegen, verändern die Investitionskalkulation grundlegend und zwingen Risikokapitalgeber, Profitabilität über spekulatives Wachstum zu stellen.³⁴ Dies verknappt die Verfügbarkeit von Finanzmitteln, insbesondere für Unternehmen in der Frühphase.³⁵ Gleichzeitig ist die US-Wirtschaft zunehmend von KI-Investitionen abhängig geworden. KI-bezogene Investitionsausgaben trugen im ersten Halbjahr 2025 1,1 % zum BIP-Wachstum bei und übertrafen damit sogar die Konsumausgaben.³⁶ Dies macht die Gesamtwirtschaft anfällig für einen Abschwung bei den KI-Investitionen.⁷

Prognose: Obwohl der KI-Sektor bisher etwas isoliert schien ³⁶, würde ein anhaltend hohes Zinsumfeld oder eine breitere wirtschaftliche Rezession den Fluss von Risikokapital, der das Lebenselixier des unprofitablen KI-Start-up-Ökosystems ist, stark einschränken. Ein Rückgang der KI-Investitionen der Hyperscaler könnte sogar eine milde Rezession auslösen.³⁷

Regulatorischer Gegenwind: Die Belastung durch Compliance

Ein zunehmend komplexes regulatorisches Umfeld wird als zusätzlicher Bremsfaktor wirken. Die globalen Ansätze divergieren stark: Der AI Act der EU etabliert einen strengen, risikobasierten Rahmen mit erheblichen Compliance-Pflichten für „Hochrisiko“-Systeme.³⁸ Im Gegensatz dazu priorisiert der US-Ansatz unter einer neuen Regierung im Jahr 2025 die Innovation und den Abbau regulatorischer Hürden.³⁹

Diese Divergenz schafft einen komplexen und kostspieligen „regulatorischen Flickenteppich“ für global agierende Unternehmen.⁴⁰ Gesetze auf Bundesstaatenebene in den USA, wie der Colorado AI Act, erhöhen die Komplexität weiter.⁴⁰

Prognose: Steigende Compliance-Kosten und rechtliche Risiken (z. B. in Bezug auf Datenschutz, Voreingenommenheit und geistiges Eigentum) werden als Innovationsbremse und Markteintrittsbarriere wirken. Dies begünstigt große, finanzstarke etablierte Unternehmen gegenüber Start-ups. Eine hohe Geldstrafe oder ein Präzedenzfall unter dem EU AI Act könnte eine abschreckende Wirkung auf die gesamte Branche haben.

Die große Bereinigung: Profile der Gewinner und Verlierer

Die bevorstehende Korrektur wird den Markt nicht gleichmäßig treffen. Stattdessen wird sie eine klare Trennung zwischen Unternehmen mit nachhaltigen Geschäftsmodellen und solchen, die auf Hype aufgebaut sind, bewirken.

Die Gewinner: Das Fundament bauen

Die Unternehmen, die aus der Bereinigung gestärkt hervorgehen werden, sind diejenigen, die die grundlegende Infrastruktur bereitstellen oder die Technologie strategisch zur Lösung realer Probleme einsetzen.

Kategorie 1: Infrastruktur- & Hardware-Anbieter (Die „Picks and Shovels“)

Profil: Diese Unternehmen liefern die essenziellen, unverzichtbaren Komponenten für KI. Ihr Erfolg ist nicht vom Erfolg einzelner Anwendungen abhängig, sondern von der allgemeinen Aktivität im Sektor.
Beispiele: An der Spitze steht Nvidia, das rund 80 % des Marktes für KI-Chips kontrolliert.³³ Sein CUDA-Software-Ökosystem schafft einen mächtigen Wettbewerbsvorteil, der schwer zu überwinden ist.³³ Selbst Konkurrenten und große Kunden wie Google, OpenAI und Amazon, die eigene Chips entwickeln, werden Jahre brauchen, um aufzuholen, und bleiben bis dahin von Nvidia abhängig.³³ Nvidias jüngste strategische Investition in
Intel zeigt zudem das Bestreben, das breitere Ökosystem zu sichern und zu stabilisieren.⁴¹
Begründung: Sie profitieren von den massiven, andauernden Investitionsausgaben der Hyperscaler, unabhängig davon, welche KI-Anwendungen sich letztlich durchsetzen.³⁶
Kategorie 2: Hyperscale Cloud-Anbieter

Profil: Die dominanten Cloud-Plattformen, die die Rechenleistung und die KI-Dienste als Service bereitstellen.
Beispiele: Microsoft Azure, das stark von seiner Partnerschaft mit OpenAI profitiert, Marktführer Amazon Web Services (AWS) und Google Cloud.¹⁰
Begründung: Sie sind sowohl die größten Investoren in als auch die Hauptnutznießer von KI-Infrastrukturausgaben. Sie erzielen Einnahmen durch die Vermietung ihrer riesigen Rechenressourcen und das Angebot von KI-as-a-Service (AIaaS), einem hochmargigen Geschäft.⁴⁴ Microsofts Umsatzwachstum von 17 %, angetrieben durch Azure-KI-Dienste, ist ein Paradebeispiel für dieses Erfolgsmodell.¹⁰
Kategorie 3: Etablierte Unternehmen mit proprietären Daten und klarem ROI

Profil: Etablierte, profitable Unternehmen in nicht-technischen Branchen, die KI strategisch zur Lösung spezifischer, hochwertiger Geschäftsprobleme integrieren.
Beispiele: Finanzdienstleister wie JPMorgan und Barclays, die KI zur Betrugserkennung einsetzen ⁴⁵; Industrieunternehmen wie
Siemens und General Electric, die KI für die vorausschauende Wartung nutzen ⁴⁵; und Logistikunternehmen wie
Walmart und DHL, die ihre Lieferketten optimieren.⁴⁵
Begründung: Ihr Erfolg basiert nicht auf KI-Hype, sondern auf messbaren Verbesserungen bei Effizienz, Kostensenkung und Kundenerlebnis. Entscheidend ist, dass sie über riesige, proprietäre Datensätze verfügen – der Schlüssel, um die nächste S-Kurve der KI-Leistung zu erschließen.²⁷

Die Verlierer: Opfer der Korrektur

Die Korrektur wird eine große Anzahl von Unternehmen treffen, deren Bewertungen und Geschäftsmodelle nicht auf soliden Fundamenten stehen.

Kategorie 1: Überbewertete Start-ups ohne Weg zur Profitabilität

Profil: Unternehmen, die in Hype-Phasen massive Finanzierungsrunden zu „selbstmörderischen Bewertungen“ ⁴⁷ erhalten haben, hohe Cash-Burn-Raten aufweisen und kein tragfähiges Geschäftsmodell besitzen.
Beispiele: Hierzu zählen Unternehmen wie OpenAI, das für 2024 Ausgaben von 5 Milliarden US-Dollar bei einem Umsatz von 3,7 Milliarden US-Dollar erwartet und dessen Flaggschiffprodukt nicht profitabel ist.¹⁵ Start-ups wie
Thinking Machines Lab, die vor der Markteinführung eines Produkts mit Milliarden bewertet werden, sind Hauptkandidaten für ein Scheitern oder massive Abwertungsrunden.³
Begründung: Ihre Existenz hängt von einem kontinuierlichen Zufluss von billigem Risikokapital ab. Wenn die „ROI-Abrechnung“ einsetzt und die Finanzierung knapper wird, werden sie keine weiteren Runden aufbringen können und zusammenbrechen.⁴⁷ Die von Sequoia Capital geschätzte Lücke zwischen den 600 Milliarden US-Dollar an Einnahmen, die zur Rechtfertigung der Infrastrukturinvestitionen erforderlich sind, und den tatsächlich generierten Einnahmen ist eine tickende Zeitbombe.¹⁵
Kategorie 2: „AI-Washing“-Unternehmen

Profil: Unternehmen, die „KI“ zu ihrem Marketing hinzufügen, ohne eine tiefe, strategische Integration in ihr Kerngeschäft vorzunehmen. Ihre KI-Nutzung dient dem „Prestige, nicht dem Wert“.¹¹
Beispiele: Traditionelle Softwareanbieter, die es versäumen, ihre Kernprodukte anzupassen, und Unternehmen mit enttäuschenden Ergebnissen und überbewerteten KI-Narrativen. Ein Beispiel ist Tesla, dessen KGV von der Realität seines Kerngeschäfts abgekoppelt scheint.⁴⁸
Begründung: Der Markt wird Unternehmen bestrafen, die nicht nachweisen können, wie sich ihre KI-Investitionen in verbesserten Fundamentaldaten niederschlagen. Mit zunehmender Prüfung durch die Investoren werden diese Unternehmen entlarvt und ihre Aktienkurse korrigiert.
Kategorie 3: Undifferenzierte Anwendungs-Unternehmen

Profil: Unternehmen, die generische Anwendungen (z. B. einen weiteren Text- oder Bildgenerator) auf den Basismodellen von OpenAI, Anthropic oder anderen Anbietern aufbauen.
Begründung: Sie haben keinen technologischen Wettbewerbsvorteil, keine proprietären Daten und eine nicht nachhaltige Kostenstruktur aufgrund hoher API-Gebühren an die Modell-Anbieter. Sie sind in einem Preiswettbewerb gefangen und werden zerdrückt, wenn die Anbieter der Basismodelle ihre Funktionen direkt in ihre eigenen Produkte integrieren.

Tabelle 6.1: Ausgewählte VC-Investitionen in KI (2024–H1 2025)

Unternehmen	Führende Investoren	Finanzierungsrunde	Bewertung (Post-Money)	Geschäftsmodell	Analyse des Wegs zur Profitabilität
OpenAI	SoftBank, Microsoft	$40 Mrd.	$300-$500 Mrd.	API-Zugang (verbrauchsbasiert), Enterprise-Abonnements	Hochriskant. Hohe Betriebskosten, unprofitables Kernprodukt.¹⁵ Abhängig von der Fähigkeit, die Kosten für Rechenleistung drastisch zu senken und hochpreisige Enterprise-Anwendungen zu skalieren.
xAI	Sequoia, Andreessen Horowitz	$10 Mrd.	$80-$113 Mrd.	Unklar; Integration in X (ehem. Twitter), Enterprise-Angebote	Sehr spekulativ. Bewertung basiert fast ausschließlich auf dem Gründer und dem Hype. Der Weg zur Profitabilität ist völlig unklar und hängt von der Monetarisierung von Daten aus dem X-Ökosystem ab.²
Anthropic	Amazon, Google	$3,5 Mrd.	Nicht öffentlich	API-Zugang, Enterprise-Lösungen	Ähnliche Herausforderungen wie OpenAI. Starke Unterstützung durch Cloud-Partner, die einen Vertriebskanal bieten, aber auch die Abhängigkeit erhöhen. Profitabilität hängt von der Skalierung im Unternehmenssektor ab.⁵
Scale AI	Meta	$14,3 Mrd.	Nicht öffentlich	Daten-Labeling und Modell-Evaluierung als Service	Klareres Geschäftsmodell. Profitiert direkt von den Ausgaben anderer KI-Unternehmen für das Training. Skalierbar, aber anfällig für einen Rückgang der allgemeinen KI-Investitionen.³
Databricks	Diverse	$5 Mrd.	Nicht öffentlich	Daten- und KI-Plattform (Abonnement/Verbrauch)	Stark positioniert. Integriert in den Workflow von Unternehmen und profitiert vom Bedarf an KI-fähigen Daten. Klarer Weg zur Profitabilität durch etabliertes Enterprise-Geschäft.²
Mistral AI	Diverse	Nicht öffentlich	Nicht öffentlich	Open-Source-Modelle, Enterprise-Dienste	Differenziert sich durch einen Fokus auf Open-Source und Effizienz. Könnte als kostengünstigere Alternative für Unternehmen gewinnen, die nicht von großen US-Anbietern abhängig sein wollen.²

Prognose und strategischer Ausblick: Navigation in der Ära nach dem Hype

Die Konsolidierung der vorangegangenen Analysen ermöglicht eine klare Prognose für die kommenden Jahre und leitet strategische Empfehlungen für die wichtigsten Akteure ab. Die Korrektur des KI-Marktes ist keine Frage des „Ob“, sondern des „Wann und Wie“.

Synthetisierte Prognose und Zeitplan

Die Entwicklung wird sich voraussichtlich in drei Phasen vollziehen:

Phase 1: Gipfel des Hypes & frühe Ernüchterung (aktuell bis Mitte 2026): Die massiven VC-Finanzierungen setzen sich fort, werden aber zunehmend auf wenige große Akteure konzentriert. Berichte über gescheiterte Pilotprojekte und einen schlechten ROI werden häufiger. Die Markterzählung beginnt sich von „Magie“ zu „Praktikabilität“ zu wandeln.
Phase 2: Die große Bereinigung (H2 2026 – H2 2027): Die „ROI-Abrechnung“ löst weitreichende Budgetkürzungen aus. Ein großes, hoch bewertetes KI-Start-up scheitert oder muss eine massive Abwertungsrunde hinnehmen, was eine Vertrauenskrise auslöst. Die VC-Finanzierung für KI-Start-ups auf der Anwendungsebene versiegt. Es kommt zu weitreichenden Konsolidierungen und Insolvenzen.
Phase 3: Der Pfad der Erleuchtung (ab 2028): Die überlebenden Unternehmen sind diejenigen mit starken Fundamentaldaten und nachgewiesenem Mehrwert. Die Branche konzentriert sich auf Produkte der zweiten und dritten Generation, die reale Probleme lösen. Ein neuer, nachhaltigerer Wachstumszyklus beginnt, der auf Profitabilität statt auf Hype basiert.

Langfristige Wertschöpfung

Trotz der kurzfristigen Korrektur bleibt das langfristige transformative Potenzial der KI immens. Die Bereinigung ist ein notwendiger Mechanismus, der den Weg für die Realisierung dieses langfristigen Wertes durch fundamental gesunde Unternehmen ebnen wird. Schätzungen zufolge könnte die KI-Einführung die Marktkapitalisierung des S&P 500 langfristig um 13 bis 16 Billionen US-Dollar erhöhen.¹⁸ Sie hat das Potenzial, den Welthandel bis 2040 um fast 40 % und das globale BIP um 12–13 % zu steigern.⁵⁰ Die Überlebenden der Dotcom-Blase – wie Amazon und Google – wurden zu den Titanen der folgenden zwei Jahrzehnte; dasselbe wird für die Überlebenden der KI-Bereinigung gelten.¹⁴

Strategische Empfehlungen für Stakeholder

Für Investoren:

Verlagern Sie den Fokus von narrativ getriebenem Wachstum auf Fundamentaldaten. Überprüfen Sie den Weg zur Profitabilität und die Wirtschaftlichkeit von Portfoliounternehmen.
Erhöhen Sie das Engagement in der „Picks and Shovels“-Infrastrukturschicht, die widerstandsfähiger gegenüber einer Bereinigung auf der Anwendungsebene ist.
Bereiten Sie sich auf eine Phase hoher Volatilität und Abwertungsrunden vor, die Kaufgelegenheiten bei hochwertigen, aber unter Druck geratenen Vermögenswerten bieten werden.
Für Unternehmensführer:

Vermeiden Sie „Prestige-KI“-Projekte. Jede KI-Initiative muss einen klaren, messbaren Business Case haben, der entweder an die Umsatzgenerierung oder an Kosteneinsparungen gekoppelt ist.
Priorisieren Sie die Entwicklung von Strategien rund um proprietäre Daten, da dies der dauerhafteste Wettbewerbsvorteil sein wird.
Investieren Sie in die KI-Kompetenz und die Weiterbildung der Belegschaft, um den Übergang zu bewältigen und den Widerstand der Mitarbeiter zu verringern.¹⁷
Für KI-Start-ups:

Konzentrieren Sie sich unermüdlich auf das Erreichen einer positiven Einheitsökonomie (Unit Economics).
Sichern Sie sich einen verteidigungsfähigen Wettbewerbsvorteil durch proprietäre Technologie, einzigartige Daten oder eine tiefe vertikale Integration.
Bereiten Sie sich auf ein deutlich härteres Finanzierungsumfeld vor, indem Sie die Liquiditätsreichweite verlängern und sich auf die Umsatzgenerierung statt auf Wachstum um jeden Preis konzentrieren.
Erkunden Sie nachhaltige Geschäftsmodelle wie Abonnements oder eingebettete Preisgestaltung anstelle von rein verbrauchsabhängigen Modellen, die für Kunden schwer zu budgetieren sind.¹⁹

Referenzen

The State of the Funding Market for AI Companies: A 2024 – 2025 Outlook | Mintz, Zugriff am September 23, 2025, https://www.mintz.com/insights-center/viewpoints/2166/2025-03-10-state-funding-market-ai-companies-2024-2025-outlook
Global Venture Capital investment in Generative AI surges to $49.2 billion in first half of 2025 – EY, Zugriff am September 23, 2025, https://www.ey.com/en_ie/newsroom/2025/06/generative-ai-vc-funding-49-2b-h1-2025-ey-report
The State of AI Venture Capital in 2025: AI Boom Slows with Fewer Startups But Bigger Bets, Zugriff am September 23, 2025, https://www.bestbrokers.com/forex-brokers/the-state-of-ai-venture-capital-in-2025-ai-boom-slows-with-fewer-startups-but-bigger-bets/
Major AI deal lifts Q1 2025 VC investment | EY – US, Zugriff am September 23, 2025, https://www.ey.com/en_us/insights/growth/venture-capital-investment-trends
VC Funding Surge in the First Half of 2025: AI Drives Record Investment, Zugriff am September 23, 2025, https://www.arionresearch.com/blog/2bq06ztqwua9zwe5iewc84cevdj2t8
The AI Boom vs. the Dot-Com Bubble: Have We Seen This Movie …, Zugriff am September 23, 2025, https://www.researchaffiliates.com/content/dam/ra/publications/pdf/1038-ai-boom-dot-com-bubble-seen-this-before.pdf
Is a bubble forming as AI investments drive economic growth? | PBS News, Zugriff am September 23, 2025, https://www.pbs.org/newshour/show/is-a-bubble-forming-as-ai-investments-drive-economic-growth
Landscape of Generative AI in Global News: Topics, Sentiments, and Spatiotemporal Analysis – arXiv, Zugriff am September 23, 2025, https://arxiv.org/html/2401.08899v1
The state of AI in 2023: Generative AI’s breakout year | McKinsey, Zugriff am September 23, 2025, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year
Haunting of the Dot-Com Era: Comparing Yesterday’s Tech Bubble with Today’s AI Craze, Zugriff am September 23, 2025, https://www.queensbusinessreview.com/articles/haunting-of-the-dot-com-era-comparing-yesterdays-tech-bubble-with-todays-ai-craze
Where Is AI on Gartner’s 2025 Hype Cycle and Why ROI Is the Real Test | Active Logic, Zugriff am September 23, 2025, https://activelogic.com/insights/where-is-ai-on-gartners-2025-hype-cycle-and-why-roi-is-the-real-test
Dotcom on Steroids – GQG Partners, Zugriff am September 23, 2025, https://gqg.com/insights/dotcom-on-steroids/
How AI Became the New Dot-Com Bubble – YouTube, Zugriff am September 23, 2025, https://www.youtube.com/watch?v=gIgCYL5OtsI
Stop Comparing The AI Boom To The Dot-Com Bubble—This Is …, Zugriff am September 23, 2025, https://digitaloneagency.com.au/stop-comparing-the-ai-boom-to-the-dot-com-bubble-this-is-nothing-alike/
AI Is Still Overvalued | The Loyola Phoenix, Zugriff am September 23, 2025, https://loyolaphoenix.com/2025/02/ai-is-still-overvalued-2/
The World’s Largest Cloud Providers, Ranked by Market Share – Visual Capitalist, Zugriff am September 23, 2025, https://www.visualcapitalist.com/the-worlds-largest-cloud-providers-ranked-by-market-share/
Practical AI Case Studies with ROI: Real-World Insights – Leanware, Zugriff am September 23, 2025, https://www.leanware.co/insights/ai-use-cases-with-roi
Disruption or Opportunity? Will AI affect jobs or create billions in value – Morgan Stanley report weighs in, Zugriff am September 23, 2025, https://timesofindia.indiatimes.com/business/international-business/disruption-or-opportunity-will-ai-affect-jobs-or-create-billions-in-value-morgan-stanley-report-weighs-in/articleshow/123972583.cms
The Most Important AI Model Is the Business Model | by Matt …, Zugriff am September 23, 2025, https://medium.com/@mattmcilwain/the-most-important-ai-model-is-the-business-model-74db4ec356ff
Gartner hype cycle – Wikipedia, Zugriff am September 23, 2025, https://en.wikipedia.org/wiki/Gartner_hype_cycle
www.gartner.com, Zugriff am September 23, 2025, https://www.gartner.com/en/information-technology/glossary/hype-cycle#:~:text=Gartner’s%20Hype%20Cycle%20is%20a,technology%20maturity%20and%20future%20potential.
Hype-Zyklus – Wikipedia, Zugriff am September 23, 2025, https://de.wikipedia.org/wiki/Hype-Zyklus
The 2025 Hype Cycle for Artificial Intelligence Goes Beyond GenAI – Gartner, Zugriff am September 23, 2025, https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence
New Gartner® Hype Cycle for AI research has been published – Pasqal, Zugriff am September 23, 2025, https://www.pasqal.com/resources/new-gartner-ai-hype-cycle-report/
Introduction to the Gartner Hype Cycle – BMC Software | Blogs, Zugriff am September 23, 2025, https://www.bmc.com/blogs/gartner-hype-cycle/
Why 95% of Enterprises Are Getting Zero Return on AI Investment – The Financial Brand, Zugriff am September 23, 2025, https://thefinancialbrand.com/news/artificial-intelligence-banking/why-95-of-enterprises-are-getting-zero-return-on-ai-investment-191950
Preventing The AI Plateau — How We Jump To The Next Breakthrough | Emergence Capital, Zugriff am September 23, 2025, https://www.emcap.com/thoughts/ai-s-curve-plateau-proprietary-business-data-breakthrough
arXiv:2407.03652v1 [cs.AI] 4 Jul 2024, Zugriff am September 23, 2025, https://arxiv.org/pdf/2407.03652
Has Generative AI Hit a Plateau? Exploring the Next Wave of AI Innovation, Zugriff am September 23, 2025, https://www.advoncommerce.com/topics/has-gen-ai-hit-a-plateau
How to build AI scaling laws for efficient LLM training and budget maximization | MIT News, Zugriff am September 23, 2025, https://news.mit.edu/2025/how-build-ai-scaling-laws-efficient-llm-training-budget-maximization-0916
China’s DeepSeek that ‘shocked’ America and US technology companies reveals cost of training AI model, R1 at $294,000, Zugriff am September 23, 2025, https://timesofindia.indiatimes.com/technology/tech-news/chinas-deepseek-that-shocked-america-and-us-technology-companies-reveals-actual-cost-of-training-ai-model/articleshow/123980040.cms
Large language model – Wikipedia, Zugriff am September 23, 2025, https://en.wikipedia.org/wiki/Large_language_model
Silicon saga: From CPU to XPU, challengers chip in, Zugriff am September 23, 2025, https://m.economictimes.com/tech/artificial-intelligence/silicon-saga-from-cpu-to-xpu-challengers-chip-in/articleshow/124055648.cms
5 Macroeconomic Factors Driving Fintech VC in 2025 – Phoenix Strategy Group, Zugriff am September 23, 2025, https://www.phoenixstrategy.group/blog/5-macroeconomic-factors-driving-fintech-vc-in-2025
2025 Tech Start Up Business Strategies – Windham Brannon, Zugriff am September 23, 2025, https://windhambrannon.com/blog/technology-startups-business-strategy-2025/
Is AI already driving U.S. growth? | J.P. Morgan Asset Management, Zugriff am September 23, 2025, https://am.jpmorgan.com/us/en/asset-management/adv/insights/market-insights/market-updates/on-the-minds-of-investors/is-ai-already-driving-us-growth/
Why the Bursting of the AI Bubble Would Be Good for the Economy – CEPR.net, Zugriff am September 23, 2025, https://cepr.net/publications/why-the-bursting-of-the-ai-bubble-would-be-good-for-the-economy/
AI Act | Shaping Europe’s digital future – European Union, Zugriff am September 23, 2025, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
AI Regulations in 2025: US, EU, UK, Japan, China & More – Anecdotes AI, Zugriff am September 23, 2025, https://www.anecdotes.ai/learn/ai-regulations-in-2025-us-eu-uk-japan-china-and-more
AI Regulations in the US: What You Need to Know in 2025 – GDPR Local, Zugriff am September 23, 2025, https://gdprlocal.com/ai-regulations-in-the-us/
Intel shares jump 25%! Stock rallies after Nvidia invests $5 billion; companies to collaborate on AI and PC chips, Zugriff am September 23, 2025, https://timesofindia.indiatimes.com/business/international-business/intel-shares-jump-25-stock-rallies-after-nvidia-invests-5-billion-companies-to-collaborate-on-ai-and-pc-chips/articleshow/123978367.cms
Nvidia CEO Jensen Huang explains $5 billion bet on struggling Intel: “The return will be fantastic”, Zugriff am September 23, 2025, https://timesofindia.indiatimes.com/technology/tech-news/nvidia-ceo-jensen-huang-explains-5-billion-bet-on-struggling-intel-the-return-will-be-fantastic/articleshow/123995522.cms
Is There an AI Bubble? | Built In, Zugriff am September 23, 2025, https://builtin.com/artificial-intelligence/ai-bubble
Generative AI and Business Model Innovation | by Abby – Medium, Zugriff am September 23, 2025, https://sen-abby.medium.com/generative-ai-and-business-model-innovation-2ac93355acf3
15 Powerful AI Integration Examples Transforming Businesses Today – Savvycom, Zugriff am September 23, 2025, https://savvycomsoftware.com/blog/ai-integration-examples/
10 Real-Life Examples of how AI is used in Business – University of San Diego Online Degrees, Zugriff am September 23, 2025, https://onlinedegrees.sandiego.edu/artificial-intelligence-business/
AI Bubble 2027 – Ed Zitron’s Where’s Your Ed At, Zugriff am September 23, 2025, https://www.wheresyoured.at/ai-bubble-2027/
AI: The Unstoppable Engine Driving the 2025 Stock Market to New Heights, Zugriff am September 23, 2025, https://markets.financialcontent.com/wral/article/marketminute-2025-9-18-ai-the-unstoppable-engine-driving-the-2025-stock-market-to-new-heights
AI could affect 90% of jobs but also boost market value by USD 16 Trillion: Morgan Stanley, Zugriff am September 23, 2025, https://www.aninews.in/news/business/ai-could-affect-90-of-jobs-but-also-boost-market-value-by-usd-16-trillion-morgan-stanley20250918123009
AI use can boost global trade by around 40% by 2040, GDP by 12-13%: WTO, Zugriff am September 23, 2025, https://m.economictimes.com/news/international/business/ai-use-can-boost-global-trade-by-around-40-by-2040-gdp-by-12-13-wto/articleshow/123950264.cms

KI-gestützt. Menschlich veredelt.

Martin Käßler ist ein erfahrener Tech-Experte im Bereich AI, Technologie, Energie & Space mit über 15 Jahren Branchenerfahrung. Seine Artikel verbinden fundiertes Fachwissen mit modernster KI-gestützter Recherche- und Produktion. Jeder Beitrag wird von ihm persönlich kuratiert, faktengeprüft und redaktionell verfeinert, um höchste inhaltliche Qualität und maximalen Mehrwert zu garantieren.

Auch bei sorgfältigster Prüfung sehen vier Augen mehr als zwei. Wenn Ihnen ein Patzer aufgefallen ist, der uns entgangen ist, lassen Sie es uns bitte wissen: Unser Postfach ist martinkaessler, gefolgt von einem @ und dem Namen dieser Webseite (also meine-domain) mit der Endung .com. Oder besuchen Sie Ihn gerne einfach & direkt auf LinkedIn.

Wann platzt die KI-Blase?