Folge dem Portfolio

Zwei vielzitierte KI-Berichte aus dem Winter 2025/26 stammen von Investoren, die in den Märkten investiert sind, über die sie berichten. Was in den Daten dieser Berichte steht, wenn man die Überschriften weglässt: Kunden bleiben bei ihrem Modellanbieter. Beide Marktschichten wachsen gleichzeitig. Der auffälligste Marktanteilswechsel kam durch Modellqualität. Der Token wird billiger, die Aufgabe wird teurer.

Am 19. Februar 2026 veröffentlichte a16z einen Bericht über den Markt für generative Medien. Darin ein Satz: »OpenAI, Gemini, and Anthropic together command 89% of enterprise wallet share.«³⁰ Der Satz verweist auf eine eigene Erhebung, die a16z im Januar publiziert hatte.

Im Dezember 2025 veröffentlichte Menlo Ventures seinen jährlichen »State of Generative AI in the Enterprise«. 500 befragte Entscheider. Kernergebnis: Der Enterprise-KI-Markt erreichte 37 Milliarden Dollar.¹ Einen Monat später publizierte a16z seine dritte jährliche CIO-Befragung. 100 Führungskräfte aus Global-2000-Unternehmen.²

Menlo ist Investor in Anthropic und in Dutzende Application-Layer-Startups. Wenn der Application Layer den größeren Marktanteil auf sich zieht, ist das eine gute Nachricht für ihr Portfolio. a16z ist Investor in OpenAI. Wenn Incumbents ihre Positionen halten, ist das eine gute Nachricht für ihre Beteiligung. Beide legen das offen. Wer die Zahlen aus diesen Berichten zitiert oder für eigene Entscheidungen verwendet, sollte diesen Kontext mitlesen.

Upton Sinclair formulierte 1935: »It is difficult to get a man to understand something, when his salary depends upon his not understanding it.«³

Was die Berichte sagen#

Eine der verbreitetsten Aussagen des Jahres 2025: Modelle werden zur Massenware. Der Wert wandert in den Application Layer. Diese Aussage findet sich bei a16z, Menlo Ventures, Bessemer Venture Partners und Foundation Capital.⁴ Alle vier sind Risikokapitalgeber mit Portfolios im Application Layer. Wenn Modelle zur Massenware werden, steigt der Wert dieser Portfolios. Wenn Modelle differenzierend bleiben, hängt der Erfolg dieser Startups davon ab, wie viel Marge der Modellhersteller ihnen lässt.

Die zweite Aussage: Data Pipelines seien der wahre Burggraben. Quellen: Scale AI, Gretel, MOSTLY AI, LangChain, Databricks, Snowflake. Alle sind im Geschäft mit Datenpipelines.

Die dritte: Offene Protokolle wie MCP und A2A reduzieren Vendor Lock-in. Quellen: Anthropic (hat MCP entwickelt), Google (hat A2A entwickelt), die Linux Foundation. Wenn MCP zum Standard wird, profitiert Anthropic, weil das Protokoll um die Architektur von Claude herum entworfen wurde. Google steht mit A2A in derselben Position. Das Internet hat universelle offene Protokolle (HTTP, SMTP, DNS) und extreme Anbieterkonzentration (Google, Amazon, Meta). Offene Protokolle haben dort die Konzentration nicht verhindert.

Die vierte: Inferenzkosten fallen um den Faktor 100, also wird KI billiger. Quellen: a16z, Stanford HAI, Epoch AI. Die fünfte: Unternehmen kaufen KI-Anwendungen lieber als sie selbst zu bauen. Quelle: Menlo Ventures. Die sechste: Coding-Agenten erledigen mehrstündige Aufgaben autonom. Quellen: Cursor, GitHub, Anthropic, OpenAI. Die siebte: Plan-and-Execute ist die Architektur, auf die alle konvergieren. Quellen: LangChain, CrewAI, AutoGen, Googles Agent Development Kit. Die achte: Pretraining-Skalierungsgesetze flachen ab. Die neunte und zehnte: Foundation-Model-Unternehmen verlieren Marktanteile, Startups schlagen Incumbents. Beide von Menlo Ventures.

Bei jeder der zehn Aussagen profitiert die Quelle finanziell, wenn die Aussage stimmt.

Was die Daten sagen#

Beide Schichten wachsen gleichzeitig. Laut Menlo entfielen 19 Milliarden Dollar auf den Application Layer und 18 Milliarden auf den Infrastructure Layer.⁶

Kunden bleiben bei ihrem Modellanbieter. a16z schreibt: »Switching costs are rising, reinforcing the advantage of early enterprise footholds.«² Menlo schreibt: »Once an enterprise chooses a vendor, they tend to stay. Even when switching costs are low, most just upgrade to the latest model from their preferred provider.«⁷ 75 Prozent der Anthropic-Kunden hatten laut a16z bereits Sonnet 4.5 oder Opus 4.5 in Produktion.² OpenAI-Kunden bleiben bei älteren Modellgenerationen, weil sie »work well enough«.²

Der auffälligste Marktanteilswechsel kam durch Modellqualität. Menlo dokumentiert Anthropics Aufstieg als »remarkably durable dominance in the coding market«, beginnend mit Claude Sonnet 3.5.⁷

Der Token wird billiger, die Aufgabe wird teurer. Stanford dokumentiert einen Rückgang der Tokenkosten um den Faktor 280 für GPT-3.5-Niveau-Leistung.¹⁰ Aber OpenAIs gesamte Inferenzkosten sollen laut The Information von 8,4 Milliarden Dollar (2025) auf 14,1 Milliarden (2026) steigen.¹¹ Reasoning-Modelle verbrauchen 10- bis 100-mal mehr Tokens pro Aufgabe. Cursor, ein schnell wachsendes KI-Coding-Tool, lag laut The Information bei minus 30 Prozent Bruttomarge, weil es Anthropic 650 Millionen Dollar für API-Kosten zahlte, während es selbst 500 Millionen einnahm.¹²

Dazu kommen Gegenproben aus unabhängigen Quellen. Eine randomisierte kontrollierte Studie von METR ergab, dass erfahrene Open-Source-Entwickler mit KI-Werkzeugen 19 Prozent langsamer wurden. Die Entwickler glaubten dennoch, sie seien 20 Prozent schneller geworden.¹⁴ Gartner prognostiziert, dass über 40 Prozent aller Agentic-KI-Projekte bis Ende 2027 eingestellt werden¹⁵ und schätzt, dass nur rund 130 von Tausenden sogenannter Agentic-AI-Anbieter über echte Fähigkeiten verfügen.¹⁶ NextBigFuture bezeichnete Googles Gemini 3 als »stärksten Beweis seit o1, dass Pretraining-Skalierungsgesetze noch gelten«.¹⁸ Sardana et al. zeigen, dass der Pretraining-Verlust »keinerlei Anzeichen einer Abflachung« zeigt.¹⁹

OpenAI wird mit über 500 Milliarden Dollar bewertet, Anthropic schloss im Februar 2026 eine Series G bei 380 Milliarden ab. Anthropics annualisierter Umsatz stieg laut mehreren Quellen von 9 Milliarden im Dezember 2025 auf 14 Milliarden im Februar 2026. Claude Code allein erreichte 2,5 Milliarden in annualisierten Einnahmen.⁵ OpenAIs Bruttomarge stieg laut The Information von rund 35 auf 70 Prozent. 80 Milliarden Dollar flossen 2025 allein in Foundation-Model-Unternehmen, 40 Prozent aller KI-Investitionen weltweit.⁵ Menlo schätzt, dass drei Anbieter rund 88 Prozent des Enterprise-LLM-Spends auf sich vereinen.⁶

Gleichzeitig gibt es Gegenargumente. Laut Ramp-Daten nutzen 79 Prozent der zahlenden OpenAI-Kunden auch Anthropic. Apple wechselte für die nächste Siri-Generation von OpenAI zu Google. Anthropic, Google und OpenAI haben ihre Preise 2025 um 60 bis 80 Prozent gesenkt. Asymco beschreibt das als klassisches Commodity-Verhalten. Die CIOs in der a16z-Befragung selbst erwarten, dass OpenAIs Marktanteil bis Ende 2026 von 56 auf 53 Prozent fällt.²

Offene Fragen#

Bei der Recherche bin ich auf Fragen gestoßen, die über das Verhältnis von Aussage und Portfolio hinausgehen.

Die erste betrifft das Geld selbst. Ein erheblicher Teil der KI-Umsätze fließt zwischen den gleichen Unternehmen hin und her: Microsoft investiert in OpenAI, OpenAI kauft Azure-Kapazität, Nvidia liefert die Hardware an beide und investiert seinerseits in KI-Startups, die wiederum Cloud-Kapazität bei den Hyperscalern kaufen. Bloomberg hat im Januar 2026 eine ausführliche Untersuchung dieser Kreisläufe veröffentlicht.²⁰ Die IEEE ComSoc dokumentierte Parallelen zu Enron-Strukturen.²¹ Das Institute for New Economic Thinking stellte die Frage, welcher Anteil des Umsatzwachstums aus organischer Nachfrage stammt und welcher aus zirkulären Kapitalflüssen.²²

Die zweite betrifft die Werkzeuge. Die MIT Technology Review begleitete die Debatte um KI-Produktivität, einschließlich einer unabhängigen Replikation durch den Entwickler Mike Judge, der über sechs Wochen eine 21-prozentige Verlangsamung bei sich selbst maß.²³ Stack Overflow dokumentierte 2025 einen Rückgang des Vertrauens in KI-Tools: nur 3 Prozent der 49.000 befragten Entwickler vertrauen dem Output »stark«.²⁴

Die dritte betrifft die Kosten. Ikangai beschrieb den Mechanismus im August 2025 ausführlich.²⁶ Das Swiss Institute of Artificial Intelligence erweiterte die Analyse auf Bildungsbudgets und Startup-Kostenstrukturen.²⁷ Was bisher fehlt, sind veröffentlichte Erfahrungsberichte von Enterprise-CFOs über tatsächliche Budgetverläufe.

Die vierte betrifft die Protokolle. Data Science Dojo veröffentlichte einen ausführlichen öffentlichen CVE-Katalog zu MCP.⁹ Dark Reading dokumentierte eine Exploit-Kette in Anthropics eigener Git-MCP-Referenzimplementierung.²⁵ Für regulierte Branchen ist mir keine veröffentlichte Analyse bekannt, die den Sicherheitsstatus von MCP gegen aufsichtsrechtliche Anforderungen wie BaFin, Solvency II oder HIPAA prüft.

Zur Einordnung: Goldman Sachs projiziert kumulierte Hyperscaler-Ausgaben von 1,15 Billionen Dollar für 2025 bis 2027.²⁸ Die Futurum Group aggregiert die aktuellsten Einzelzahlen: 660 bis 690 Milliarden für 2026, mit Amazon, Alphabet, Meta und Microsoft jeweils über 100 Milliarden.²⁹

Quellen#

1. Menlo Ventures: 2025: The State of Generative AI in the Enterprise¹, Dezember 2025
2. a16z: Leaders, gainers and unexpected winners in the Enterprise AI arms race², Januar 2026
3. Upton Sinclair: I, Candidate for Governor: And How I Got Licked, 1935
4. Foundation Capital: Where AI is headed in 2026³, Januar 2026; a16z LLMflation-Analyse; Bessemer Venture Partners: State of the Cloud 2025
5. OpenAI-Bewertung: Bloomberg, WSJ, Reuters, Dezember 2025 bis Februar 2026; OpenAI-Bruttomargen: The Information; CB Insights: State of AI Q2 2025 ($80 Milliarden in Foundation Models); Anthropic Series G ($380 Mrd. Bewertung, $14 Mrd. annualisierter Umsatz): diverse Quellen, Februar 2026
6. Menlo Ventures (Quelle 1): Menlo schätzt (»We estimate«) Anthropic bei 40 %, OpenAI bei 27 %, Google bei 21 % = 88 % Konzentration auf Basis ihrer Befragung von ca. 500 Enterprise-Entscheidern. Enterprise AI insgesamt: $19 Mrd. Applications, $18 Mrd. Infrastructure
7. Menlo Ventures (Quelle 1): Anthropics 18-monatige Coding-Dominanz seit Claude Sonnet 3.5. Zitat: »Once an enterprise chooses a vendor, they tend to stay«
8. a16z (Quelle 2): »Switching costs are rising, reinforcing the advantage of early enterprise footholds«
9. Data Science Dojo: The State of MCP Security in 2025⁴, Januar 2026
10. Stanford HAI: AI Index 2025 (280x Kostenrückgang für GPT-3.5-Niveau); Epoch AI: Training Compute and Inference Cost Tracking (9x bis 900x jährliche Rückgangsraten)
11. OpenAI Inferenzkosten: Berichterstattung durch The Information und The Verge, projiziert $8,4 Mrd. (2025) auf $14,1 Mrd. (2026)
12. Cursor API-Kosten und Bruttomarge: The Information, November 2025
13. a16z (Quelle 2): »65% of enterprises noted they preferred to go with incumbent solutions when available, citing trust, integration with existing systems, and procurement simplicity«
14. METR: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity⁵, Juli 2025; arXiv: 2507.09089⁶
15. Gartner: Agentic AI Prognose, 40 % Projektabbruchrate bis Ende 2027
16. Gartner: Schätzung von nur ca. 130 echten Agentic-AI-Anbietern unter Tausenden von Anbietern, die den Begriff verwenden
17. Enterprise-Fallstudie: Hybrid Query Routing reduzierte LLM-Nutzung um 37 bis 46 % und Kosten um 39 %
18. NextBigFuture, November 2025: Einordnung von Gemini 3 als Beweis für weiterhin gültige Pretraining-Skalierungsgesetze
19. Sardana et al.: Pretraining-Verlust zeigt »no sign of flattening«; Stanford/Harvard: Compute-Progress-Paper, Februar 2026
20. Bloomberg: AI Circular Deals: How Microsoft, OpenAI and Nvidia Keep Paying Each Other bloomberg.com ↗, Januar 2026
21. IEEE ComSoc: AI spending boom accelerates⁷, November 2025
22. Institute for New Economic Thinking: The U.S. Is Betting the Economy on ‚Scaling‘ AI ineteconomics.org ↗
23. MIT Technology Review: AI coding is now everywhere. But not everyone is convinced.⁸, Dezember 2025
24. Stack Overflow: 2025 Developer Survey⁹, Dezember 2025
25. Dark Reading: Microsoft & Anthropic MCP Servers at Risk of RCE, Cloud Takeovers darkreading.com ↗, Januar 2026
26. Ikangai: The LLM Cost Paradox¹⁰, August 2025
27. Swiss Institute of Artificial Intelligence: The LLM Pricing War Is Hurting Education and Startups siai.org ↗, Oktober 2025
28. Goldman Sachs: Why AI Companies May Invest More than $500 Billion in 2026 goldmansachs.com ↗, Dezember 2025
29. Futurum Group: AI Capex 2026: The $690B Infrastructure Sprint futurumgroup.com ↗, Februar 2026
30. a16z: The State of Generative Media 2026 a16z.com ↗, 19. Februar 2026