Die Frage, ob KI eine Blase ist, wird meist so gestellt, als gäbe es nur zwei Antworten: Entweder ist alles Hype, oder die Technologie verändert alles und die aktuellen Bewertungen sind gerechtfertigt. Beides greift zu kurz.
„Die KI“ ist nichts, das als Ganzes platzen kann. Es gibt eine Technologie, Produkte, die darauf aufbauen, Unternehmen mit teils sehr hohen Bewertungen und eine Infrastruktur, in die viel Geld fließt. Für jede dieser Ebenen fällt die Antwort anders aus.
Dieser Artikel ist eine Einordnung, keine Prognose und keine Anlageberatung.
Was eine Blase ausmacht
Von einer Blase spricht man, wenn Preise deutlich stärker steigen, als sich durch die später erzielbaren Erträge rechtfertigen lässt, und wenn die Nachfrage vor allem von der Erwartung weiter steigender Preise getragen wird. Ob das der Fall war, zeigt sich meist erst im Nachhinein.
Eine Blase sagt nichts darüber, ob die zugrunde liegende Technologie nützlich ist. Ein bekanntes Beispiel ist die Dotcom-Blase um das Jahr 2000. Viele Internetunternehmen verschwanden, Bewertungen brachen ein, und trotzdem hat das Internet Handel, Kommunikation und Arbeit grundlegend verändert. Einige Unternehmen aus dieser Zeit wurden später sehr erfolgreich, viele andere gibt es nicht mehr.
Der Vergleich hilft, eine Denkfalle zu vermeiden: Aus einer Korrektur an der Börse folgt nicht, dass die Technologie wertlos war. Er bedeutet aber nicht, dass es bei KI genauso kommen muss. Technologie, Finanzierung und Marktstruktur sind heute andere.
Fünf Ebenen, die du trennen solltest
1. Die Technologie
Die erste Frage ist, ob die Technologie reale Aufgaben erledigt. Für viele Aufgaben ist das inzwischen der Fall: Sprachmodelle schreiben und überarbeiten Texte, fassen Dokumente zusammen, übersetzen, helfen beim Programmieren und ordnen unstrukturierte Informationen ein.
Gleichzeitig hat die Technologie bekannte Schwächen. Sprachmodelle erzeugen plausible Ergebnisse, die trotzdem falsch sein können, und liefern bei gleicher Eingabe nicht immer das gleiche Ergebnis. Für manche Aufgaben ist das unkritisch, für andere schließt es einen Einsatz ohne Kontrolle aus.
2. Der Produktnutzen
Dass eine Technologie funktioniert, heißt noch nicht, dass jemand dafür bezahlt. Entscheidend ist, ob Kunden für konkrete Anwendungen regelmäßig Geld ausgeben und ob für sie dabei ein wirtschaftlicher Nutzen entsteht: gesparte Zeit, weniger Fehler, mehr Umsatz oder geringere Kosten.
Hohe Nutzerzahlen beantworten das nicht. Viele Menschen nutzen kostenlose Versionen, und nicht jede Nutzung im Unternehmen spart messbar Zeit oder Geld. Wie viel Umsatz und Marge einzelne Anbieter mit KI-Produkten erzielen, ist von außen oft nur teilweise erkennbar.
Dazu kommt das sogenannte KI-Washing: Produkte werden als „KI-gestützt“ vermarktet, obwohl die KI-Funktion für den Kunden kaum eine Rolle spielt. Das erschwert es, echten Nutzen von Etiketten zu unterscheiden.
3. Die Unternehmensbewertungen
Die Bewertung eines Unternehmens spiegelt Erwartungen an künftige Gewinne. Bei vielen KI-Unternehmen sind diese Erwartungen hoch. Ob sie sich erfüllen, hängt davon ab, ob die Unternehmen dauerhaft zahlende Kunden gewinnen, ihre Kosten in den Griff bekommen und sich gegen Wettbewerber behaupten.
Auf dieser Ebene kann eine Blase am ehesten entstehen. Wenn viele Anbieter ähnliche Produkte auf Basis ähnlicher Modelle anbieten, geraten Preise unter Druck. Nicht jedes Unternehmen, das heute hoch bewertet ist, wird die Gewinne erreichen, die in seiner Bewertung stecken. Das gilt unabhängig davon, wie gut die Technologie insgesamt ist.
4. Die Investitionen in Infrastruktur
Große Technologiekonzerne und Cloud-Anbieter investieren viel Geld in Rechenzentren, Chips und Energieversorgung. Das zeigt, dass sie mit einer großen und dauerhaften Nachfrage rechnen.
Es beweist aber nicht, dass sich diese Investitionen rechnen. Auch gut informierte Unternehmen können sich in Tempo und Umfang der Nachfrage verschätzen, zumal im Wettbewerb niemand zurückfallen will. Ob die heutigen Preise für KI-Dienste die Kosten für Rechenleistung und Energie dauerhaft decken, lässt sich von außen oft nicht beurteilen. Investitionen sind ein Signal für Erwartungen, kein Nachweis für deren Rentabilität.
5. Der Hype
Hype ist die Kommunikation rund um die Technologie: überzogene Versprechen, die Angst, etwas zu verpassen, und Ankündigungen, die mehr Aufmerksamkeit erzeugen als Nutzen. Hype kann Investitionen und Bewertungen antreiben, die sich später nicht halten lassen.
Er existiert aber neben echter Substanz. Dass über KI viel übertrieben wird, macht die Anwendungen, die heute funktionieren, nicht weniger brauchbar.
Eine genauere Antwort auf die Blasen-Frage
Statt „Blase oder nicht“ lässt sich die Lage genauer beschreiben: Eine Technologie kann langfristig relevant sein, und trotzdem können einzelne Unternehmen, Geschäftsmodelle oder Bewertungen überzogen sein.
Meine Einschätzung: Die Technologie hat Substanz, und viele Anwendungen werden bleiben. Bei Bewertungen und einzelnen Geschäftsmodellen halte ich Korrekturen für plausibel. Wann, wo und in welchem Ausmaß, kann niemand verlässlich vorhersagen.
Was das für dein Unternehmen bedeutet
Für den Einsatz von KI im eigenen Unternehmen ist die Börsenfrage weniger wichtig, als die Schlagzeilen vermuten lassen. Ob eine Anwendung sinnvoll ist, hängt nicht davon ab, wie ein KI-Anbieter bewertet wird, sondern davon, was sie in deinem Ablauf leistet. Diese Fragen helfen bei der Einschätzung:
- Welches konkrete Problem löst der Einsatz? „Wir sollten etwas mit KI machen“ ist kein Problem. „Anfragen bleiben liegen, weil niemand Zeit hat, sie zu sortieren“ ist eines.
- Wie zuverlässig funktioniert es? Teste mit eigenen, auch schwierigen Beispielen, nicht nur mit der Demo des Anbieters.
- Welche Kosten entstehen? Lizenzen oder Nutzungskosten, Einrichtung, Pflege und die Zeit für Prüfung und Korrektur.
- Welche Alternative gibt es? Oft löst eine feste Regel, ein besseres Formular oder eine klare Zuständigkeit dasselbe Problem robuster und günstiger.
- Bleibt der Prozess kontrollierbar? Wer prüft die Ergebnisse, was passiert bei Fehlern, und welche Daten gehen an welchen Anbieter?
- Welcher Nutzen entsteht messbar? Vergleiche Bearbeitungszeit, Fehlerquote oder Durchlaufzeit vorher und nachher.
Wie sich ein KI-Schritt in einen bestehenden Ablauf einbauen, absichern und messen lässt, beschreibt der Artikel KI-Marketing-Automation.
Hilfreich ist außerdem, dich nicht von einem einzelnen Anbieter abhängig zu machen. Modelle, Preise und Konditionen ändern sich schnell. Ein Ablauf, in dem sich das Modell austauschen lässt, ist gegen solche Veränderungen besser geschützt, auch gegen die Folgen einer Bereinigung unter den Anbietern.
Häufige Fragen
Wann platzt die KI-Bubble?
Das lässt sich nicht seriös vorhersagen. Selbst im Nachhinein ist oft umstritten, wann eine Blase begann und wann sie endete. Für Unternehmen ist die Frage hilfreicher, welche Anwendungen unabhängig von Börsenkursen einen Nutzen haben.
Was passiert mit KI-Tools, wenn Anbieter scheitern?
Einzelne Tools können eingestellt, übernommen oder deutlich teurer werden. Wenn du ein KI-Tool in wichtige Abläufe einbaust, solltest du wissen, wie sich deine Daten exportieren lassen und welche Alternative es gibt. Das gilt unabhängig davon, ob es am Markt zu einer Korrektur kommt.
Sollte ich mit der KI-Einführung warten, bis sich der Markt beruhigt?
Die Marktentwicklung ist dafür kein guter Maßstab. Wenn es in deinem Unternehmen eine Aufgabe gibt, bei der KI nachweislich Zeit spart und die Risiken beherrschbar sind, spricht wenig dagegen, sie zu testen. Gibt es diese Aufgabe nicht, sind auch Schlagzeilen kein Grund.
Wird mein Job durch KI ersetzt?
Das hängt stark von der Tätigkeit ab. In vielen Berufen verändern sich eher einzelne Aufgaben als der ganze Job: Entwürfe, Recherche oder Auswertungen gehen schneller, Prüfen, Entscheiden und Verantworten bleiben. Wie sich einzelne Berufe insgesamt entwickeln, lässt sich heute nicht verlässlich sagen.
Weiterlesen
- KI-Marketing-Automation: wann ein KI-Schritt sinnvoll ist und wie du Ergebnisse prüfst
- Marketing-Automatisierung erklärt: wie Abläufe mit Triggern, Regeln und Workflows funktionieren
- Vibe Coding: wann KI-generierter Code produktionsreif ist
