Kapital für die Ära billiger Intelligenz.

Behauptung

AI senkt die Kosten kognitiver Arbeit. Damit verschiebt sich, wo Gewinne entstehen: Produkte werden zu Features, Teams zu Workflows, Dienstleistungen zu Software.

Mechanik

Joel Spolsky fasste die Regel 2002 in einen Satz: „Demand for a product increases when the price of its complements decreases.“ AI ist das Komplement, das gerade billig wird. Wert sammelt sich bei dem, was knapp bleibt: Distribution, proprietäre Daten, Vertrauen, Energie, Compute und regulatorische Rechte.

Gegensignal

Der Modellfortschritt plateauiert, oder Unternehmen bauen ihre Prozesse nicht um. Dann bleibt der Produktivitätsgewinn aus. Das zweite Signal: Die Gewinne fließen vollständig an die Kunden.

Behauptung

LLMs vervielfachen die Analysekapazität eines kleinen Teams. Screening, Gegenargumente, Risk Checks und Dokumentation laufen schneller und mit gleicher Sorgfalt.

Mechanik

Im September 2024 schrieb o1 erstmals ganze Python-Module, die liefen. Aus der Demo wurde ein Werkzeug, und solche Sprünge wiederholen sich. Weil jeder dieselben Modelle nutzen kann, entsteht der Vorsprung im System um sie herum: eigene Daten, Evals und klare Freigaberegeln.

Gegensignal

Zusätzliche Analyse erzeugt keine besseren Entscheidungen, oder die Kontrollkosten übersteigen den Zeitgewinn. Der härteste Test ist die Reproduzierbarkeit: Kippt ein stilles Modell-Update das Ergebnis, war der Vorsprung nur geliehen.

Behauptung

Wer Modell, Distribution, Chips und Cloud zugleich besitzt, verdient in jede Richtung, die AI nimmt.

Mechanik

Bleibt die Frontier knapp, hält das eigene Lab den Anschluss. Wird Inference zur Commodity, verdienen eigene Chips und Cloud an der Menge. Eigene Distribution macht aus jedem Modell Reichweite, eigene Agents greifen Software an, die nur Workflow-Kleber ist.

Gegensignal

Ein spezialisierter Anbieter gewinnt den Zugang zu kommerziellen Anfragen, oder der Capex wächst schneller als Umsatz und freier Cashflow. Dann wird Integration zur Last.

Behauptung

AI verbilligt Intelligenz. Liquidität bleibt teuer: Marktplätze, Payment-Netze und Vertrauenssysteme muss jeder Angreifer von null aufbauen.

Mechanik

Ein Netzwerk wird mit jedem Teilnehmer wertvoller. Agents senken die Kosten, ein Produkt nachzubauen. Die Kosten, Teilnehmer zu gewinnen, bleiben gleich. Je billiger das Produkt wird, desto mehr Wert liegt im Netzwerk.

Gegensignal

Ein AI-Agent wird zum Standard-Zugang für Käufer und macht Netzwerke zu austauschbaren Backends. Messbar wäre das an fallenden Take Rates.

Behauptung

Wo Software nur Oberfläche und Workflow-Kleber ist, verliert sie ihre Preissetzung. Agents bauen den Output auf Abruf nach.

Mechanik

Generische SaaS verkauft Arbeitsschritte, die ein Agent zu Grenzkosten erledigt. Software mit eigenen Daten, regulatorischer Verankerung oder tiefer Systemintegration bleibt schwer ersetzbar. Der Umbruch trifft deshalb einzelne Kategorien und verläuft langsamer, als Schlagzeilen versprechen.

Gegensignal

Generische Anbieter geben ihre AI-Kosten vollständig weiter und halten die Preise. Oder Enterprise-Kunden ziehen integrierte Suites dauerhaft spezialisierten Agents vor.

Behauptung

Standard-Inference verliert ihre Preissetzungsmacht. Viele Modelle lösen dieselben Aufgaben ausreichend gut, Routing zwischen ihnen wird einfach, der Token-Preis fällt gegen die Grenzkosten.

Mechanik

Der Verfall ist messbar: Epoch AI findet je nach Fähigkeitsschwelle Preisrückgänge um den Faktor 9 bis 900 pro Jahr. Wert sammelt sich an den Rändern: unten bei Chips, Energie und Compute, die den Fluss liefern, oben bei Daten, Kontext und Distribution, die billige Intelligenz veredeln. Der fungible Modell-Layer dazwischen trägt keine Marge.

Gegensignal

Ein Anbieter hält über mehrere Modellgenerationen einen wirtschaftlich relevanten Capability Gap, oder die Infrastruktur konsolidiert so weit, dass das Metering Preismacht gewinnt. Das klarste Signal wären steigende Preise für vergleichbare Workloads.

Behauptung

Je stärker ein AI-System wird, desto stärker kontrollieren Staaten den Zugang. An der Frontier entsteht ein doppelter Markt: Labs, Militär und strategische Partner nutzen die stärksten Systeme, die Öffentlichkeit ältere oder beschränkte Versionen.

Mechanik

Der Sommer 2026 zeigte das Muster. Am 12. Juni sperrte die US-Regierung laut Anthropic Claude Fable 5 und Mythos 5 für ausländische Staatsangehörige, am 26. Juni beschränkte OpenAI GPT-5.6 auf rund 20 geprüfte Partner. Beide Sperren fielen binnen drei Wochen. Ein Frontier-Release durchlief damit bei beiden führenden Labs einen staatlichen Freigabeschritt, ohne Gesetz.

Gegensignal

Open-Weight-Modelle schließen den Capability Gap schnell, und Routing fängt politische Ausfälle ab. Oder staatliche Eingriffe bleiben kurz und ohne Wirkung auf die Marktstruktur. Dann bleibt der Freigabeschritt Bürokratie.