Das Investieren ist seit langem ein Gleichgewicht zwischen Kunst und Wissenschaft, zwischen Ehrgeiz und Vorsicht. Diese Dualität wird besonders deutlich, wenn man in das Ökosystem der künstlichen Intelligenz (KI) investiert, wo Milliarden von Dollar rasante Entwicklungen vorantreiben, die sowohl Optimismus als auch eine strenge Prüfung rechtfertigen.
Im ersten Teil dieser neuen Serie zeigt AI Alpha, wie vielversprechend KI ist; im zweiten Teil wird dieser Optimismus durch kritisches Hinterfragen gemildert. Die Schlüsselfragen lauten, ob die KI ihre finanziellen Versprechungen einhalten wird und wer diese Gewinne letztendlich einfahren wird - die Unternehmen oder die Verbraucher? Die Ergebnisse werden von Unternehmen zu Unternehmen unterschiedlich ausfallen, aber wir gehen davon aus, dass sich die heutigen milliardenschweren Investitionen im Laufe der Zeit in einen Wert von Billionen von Dollar verwandeln werden.
KI: Ein algorithmischer Paradigmenwechsel
Der Aufstieg der KI markiert den Beginn einer neuen Ära. Um sich in der Technologielandschaft von morgen zurechtzufinden, müssen Anleger die zugrunde liegende Natur verstehen und sich an die Faustregel erinnern, dass sich Hardware und Software ergänzen, anstatt sich auf oberflächliche Eindrücke zu verlassen.
Denken Sie daran, wie die frühen Pioniere der Halbleitertransistoren und des Internets, die einst als Nischeninstrumente für die akademische oder militärische Forschung abgetan wurden, eine tiefere Wahrheit erkannten: Als die Rechenleistung immer billiger wurde, konnten Informationen mit noch nie dagewesener Geschwindigkeit und Effizienz verarbeitet werden, und als die Kommunikationskosten drastisch sanken, erwachten die schlafenden Kanäle des globalen Diskurses zum Leben. Dies waren keine zufälligen Ereignisse, sondern unvermeidliche Folgen grundlegender Veränderungen in Physik und Wirtschaft. Mit einem Ansatz, der sich an den ersten Prinzipien orientiert, kann man den Verlauf von Innovationen erkennen und so langfristige Wachstumschancen statt flüchtiger Trends identifizieren.
Was ist es, was den Kern der KI ausmacht, der auf natürliche Weise transformative Ergebnisse hervorbringt? Obwohl dies in einem zukünftigen Blog im Detail untersucht werden wird, sollte man sich vergegenwärtigen, dass Software-Ingenieure seit der Geburt der modernen Computerindustrie im Format der von-Neumann-Architektur (1940er Jahre) Systeme entwickelt haben, in denen Algorithmen wie Meisterhandwerker Daten und Berechnungen zu einem präzisen, vorbestimmten Mechanismus orchestrieren.
Im aktuellen Paradigma jedoch haben transformatorbasierte Modelle auf Grafikprozessoren (GPUs) diesen Mechanismus auf den Kopf gestellt. Wenn die Algorithmen als Zahnräder einer Uhr dienen, dann sind das vom Internet angetriebene Datenwachstum und die von der Halbleitertechnologie angetriebene Rechenleistung nicht länger träge Komponenten, sondern die Hände, die die Zahnräder in Bewegung setzen.
Die Verschiebung der Rollen von Daten, Datenverarbeitung und Algorithmen ist mehr als nur eine semantische Verschiebung der Begriffe „Software“ und „KI“; sie ist ein Dreh- und Angelpunkt, um den sich die Technologielandschaft dreht, ein monumentaler Sprung, der das Potenzial hat, die Konturen des Fortschritts neu zu definieren. Traditionelle Software ist deterministisch und führt präzise Anweisungen aus. Im Gegensatz dazu verarbeitet KI um Größenordnungen mehr Daten in großem Maßstab und passt sich kontinuierlich an, um trotz der Komplexität und der Nuancen der Daten, auf die sie trifft, die wahrscheinlichsten Ergebnisse zu erzielen. Diese iterative Verfeinerung macht sie probabilistisch. KI ist also ein Modell, eine getreue Nachbildung unserer inhärent komplizierten realen Welt, die Muster aus riesigen Datenmengen erfasst und widerspiegelt, mit einer Komplexität und Intelligenz, die oft die Grenzen des menschlichen Verstandes übersteigt.
Der Übergang von deterministischen Algorithmen zu ihren probabilistischen Gegenstücken spiegelt den intellektuellen Sprung von der Newtonschen Physik zu den probabilistischen Rahmenwerken der Quantenmechanik und der Komplexitätstheorie des 20. Jahrhunderts wider, in denen Unsicherheit und emergente Phänomene eine zentrale Rolle spielen. Diese Entwicklung spiegelt eine umfassendere intellektuelle Reise von einer strikt auf Ursache und Wirkung ausgerichteten Weltsicht zu einer Weltanschauung wider, die die inhärenten Mehrdeutigkeiten und Unvorhersehbarkeiten der natürlichen Welt anerkennt - ein Wandel, den Genies wie Ray Solomonoff in seiner Weisheit aus den 1950er Jahren als die wahre Bestimmung der Algorithmen erkannten. Jetzt, mit der Explosion der Datenmengen und der sprunghaften Zunahme der Rechenleistung, hat die Welt seine vorausschauende Vision endlich eingeholt.
Der probabilistische Pivot: Die Neudefinition von Arbeit, F&E und Software durch KI
Die heutige KI, die in ihrer grundlegenden probabilistischen Natur verwurzelt ist und doch weit darüber hinausgeht, ist ein anspruchsvoller Entscheidungsträger, der die reale Welt durch hochwertige Input-Output-Verarbeitung modelliert und Daten in einem noch nie dagewesenen Umfang verarbeitet. Gleichzeitig dient es als leistungsfähiges Werkzeug, das Experimente anregt und Versuch und Irrtum in einen Katalysator für revolutionäre Forschung und Entwicklung (F&E) verwandelt, indem es Zyklen von Versuch, Irrtum, Verfeinerung und schließlich Entdeckung beschleunigt. Mit ihren wachsenden Fähigkeiten und rasch sinkenden Kosten hat die KI das Potenzial, das menschliche Urteilsvermögen zu verbessern und zu ersetzen, die Forschung und Entwicklung zu verändern und Software neu zu definieren. Angesichts der enormen Summen, die bereits in Arbeit, F&E und Software geflossen sind, glaube ich, dass die Auswirkungen der KI potenziell in die Billionen gehen können.
Lassen Sie uns untersuchen, wie wir zu dieser Zahl kommen, indem wir die einzelnen Kategorien genauer betrachten.
Arbeit: Der Einzug der KI in die Arbeitswelt
Bisher hat der menschliche Verstand die komplexen Aufgaben erledigt, die die Wirtschaftstätigkeit vorantreiben. Heute jedoch entwickelt sich die KI zu einer neuen Kraft, die ebenfalls in der Lage ist, die Welt zu modellieren und Intelligenz zu zeigen, und die die „Winner-take-all“-Dynamik der wirtschaftlichen Arbeit umgestaltet.
KI zeichnet sich bei Routineaufgaben dadurch aus, dass sie sich auf induktives Denken stützt, um probabilistische Muster aus riesigen Datensätzen zu extrahieren, während der menschliche Verstand beim deduktiven Denken im Vorteil ist und neuartige Probleme durch logische Analyse zerlegt. Ersterer lebt von der Korrelation, letzterer von der Kausalität. Ein Aktienanalyst, der sich ausschließlich auf die Mustererkennung verlässt und Nachrichten, Podcasts und Forschungsberichte auswertet, läuft Gefahr, von der leistungsfähigeren KI übertroffen zu werden, während ein Analyst, der mentale Modelle anwendet, um Kausalzusammenhänge zu verstehen, neue Szenarien effektiver steuern kann, deren Komplexität für die KI schwer zu interpretieren ist. Diese klare Arbeitsteilung verdeutlicht, dass KI zwar Routineaufgaben nachbilden kann, menschliches Denken jedoch für die Bewältigung einzigartiger Herausforderungen unerlässlich bleibt.
Viele Aufgaben, die früher von Menschen erledigt wurden, sind zunehmend anfällig für Störungen, da die KI Aufgaben übernimmt, die früher eine umfangreiche manuelle Bearbeitung erforderten, zumal viele Menschen damit beschäftigt sind, die sich wiederholenden Abläufe der täglichen Wirtschaftsmaschinerie zu bewältigen, was ein weites Feld für die Anwendung induktiver KI darstellt. Selbst die vermeintlich schwer zugänglichen Bereiche werden in Frage gestellt. In so stark regulierten Branchen wie dem Gesundheitswesen und dem Versicherungswesen hat die KI bereits bewiesen, dass sie in der Lage ist, Prozesse, die 15 Wochen und 50 Experten erfordern, auf weniger als 10 Minuten und 3 Experten zu reduzieren1, und ein Viertel aller Arbeitsplätze in der Computerprogrammierung sind bereits verschwunden2.
Die KI spielt eine doppelte Rolle, denn sie kann die menschliche Arbeit entweder ergänzen, indem sie die Effizienz steigert, oder sie vollständig ersetzen, wenn es sich um Routineaufgaben handelt. Die unerbittliche Logik des Kapitalismus legt nahe, dass Unternehmen, die sich die Vorteile der KI zunutze machen - ihre Effizienz, Kosteneffizienz und Fähigkeit zur kontinuierlichen Verbesserung -, wahrscheinlich diejenigen ausstechen werden, die an veralteten Methoden festhalten, und damit einen Wandel der Arbeitsnachfrage herbeiführen. Ganz im Sinne von Joseph Schumpeters schöpferischer Zerstörung müssen Unternehmen ihre eigenen Arbeitspraktiken von innen heraus verändern, denn wenn sie das nicht tun, wird der Markt ihnen Veränderungen aufzwingen und Trägheit durch Innovation ersetzen.
Auf dem Weg zu den Billionen
Im Zuge der Globalisierung haben die Industrieländer immaterielle Dienstleistungen mit hohem Mehrwert im Inland behalten, während sie Aufgaben mit geringerem Wert, wie z. B. die Fertigung, ausgelagert haben, was heute zu einer Schwachstelle geworden ist.
Die weltweiten Arbeitskosten belaufen sich wahrscheinlich auf mehr als 50 Billionen Dollar pro Jahr.3 Allein in den Vereinigten Staaten werden 10 Billionen Dollar für Löhne und Gehälter ausgegeben, von denen 7 bis 8 Billionen Dollar in dienstleistungs- und wissensbasierte Tätigkeiten fließen - Forschung, Design, Marketing, Finanzen und Bildung -, also in Bereiche, die sich von Natur aus für die Datenverarbeitungs- und Mustererkennungsfähigkeiten der KI eignen. Dadurch kann die KI Aufgaben übernehmen und ergänzen, die früher ausschließlich von Menschen erledigt wurden.
In Sektoren wie dem Rechtswesen, den Finanzdienstleistungen und dem Gesundheitswesen beispielsweise machen es die geringeren Kosten und die bessere digitale Zugänglichkeit von KI für jedermann wesentlich einfacher, an rechtliche, finanzielle und gesundheitliche Informationen zu gelangen. Folglich müssen sich die Anbieter in diesen Bereichen anpassen, indem sie sich spezialisieren und Premiumdienste anbieten, oder sie werden von der KI verdrängt. Dies führt zu einem doppelten Wandel: Während die Arbeitskräfte umgestaltet werden, profitieren die Kunden von niedrigeren Kosten, die einen demokratisierten Zugang zu Informationen ermöglichen.
Selbst in traditionellen Bereichen wie dem verarbeitenden Gewerbe, das zwar nur 10% bis 11% des US-Bruttoinlandsprodukts (BIP) ausmacht,4 handelt es sich bei einem erheblichen Teil der Aktivitäten um hochwertige Innovationen. Das Land wendet etwa 3,5% des BIP für Forschung und Entwicklung auf,5 und die Unternehmen des verarbeitenden Gewerbes führen etwa 70% der gesamten privaten Forschung und Entwicklung durch. Dies bedeutet, dass ein erheblicher Teil der Produktion des verarbeitenden Gewerbes nicht nur aus Fließbandarbeit stammt, sondern auch aus Forschung, Technik und Design - höherwertige Aufgaben, die von der KI betroffen sein werden.
F&E: Experimentieren im industriellen Maßstab
KI fungiert als digitales Modell der realen Welt, das physische Anlagen und Prozesse nachbildet und als virtuelles Labor dient, in dem sich die Komplexität der realen Welt widerspiegelt und in dem Experimente und Rapid Prototyping sowohl möglich als auch effizient sind. Dieser Aufbau ermöglicht kontrolliertes Ausprobieren, wobei die probabilistische Berechnung auf verschiedene Datenquellen - Texte, Bilder, Videos, chemische Moleküle, Gene, Codes, Sensordaten, Datenbanken und vieles mehr - zurückgreift, um Ergebnisse zu simulieren und zu verfeinern und so die Innovation in verschiedenen Branchen zu beschleunigen.
Diese Fähigkeit zum Experimentieren wird bereits in zahlreichen Bereichen eingesetzt. So wird KI beispielsweise eingesetzt, um innovative Batteriekomponenten zu entwerfen, neue Polymere zu entwickeln und sich mit neuartigen Szenarien für das autonome Fahren auseinanderzusetzen. Ein Beispiel dafür, wie KI dabei helfen kann, monumentale Herausforderungen wie den Klimawandel zu bewältigen: KI-Modelle sind hervorragend in der Lage, Milliarden von Möglichkeiten für metallorganische Strukturen zu durchforsten - komplexe Strukturen aus Metall-Ionen, die durch Kohlenstoffverbindungen verknüpft sind, die auf bestimmte Klimabedingungen zugeschnitten sind, wie z. B. feuchte Bedingungen auf Meereshöhe und trockene Bedingungen in großen Höhen -, um das optimale CO2-absorbierende Material zu finden, eine Aufgabe, die menschliche Chemiker überfordern würde6.
Obwohl die inhärente Flexibilität der probabilistischen Ergebnisse der KI die Akzeptanz in Bereichen, die exakte Präzision erfordern, wie z. B. im Gesundheits- oder Finanzwesen, bremsen könnte, ist die Welt von Natur aus ungenau. Wir suchen nicht nach der perfekten Version eines Films, Podcasts, Blogs oder Artikels, sondern nach einer, die „gut genug“ ist, um unsere Bedürfnisse zu erfüllen - sei es, um zu unterhalten, die Arbeitsweise eines Unternehmens zu beleuchten, eine Aufgabe zu erledigen oder ein Molekül zu entdecken, das Krankheiten lindert. In dieser vorherrschenden Ungenauigkeit - in der Exaktheit die Ausnahme ist - findet die künstliche Intelligenz ein weites Feld für Experimente, die uns zu immer raffinierteren und effektiveren Lösungen führen.
Der Weg zu den Billionen
Jeder sich wiederholende Prozess, der Daten liefert, die sich zur Musterextraktion eignen, bietet sich für systematische KI-gestützte Experimente an. In Branchen wie dem Halbleiterchipdesign, der Arzneimittelforschung, der Softwareentwicklung und der Erstellung von Inhalten wird KI heute rasch eingesetzt, um Effizienz und Innovation zu steigern. Unternehmen in diesen Sektoren investieren in großem Umfang in Forschung und Entwicklung, wobei die weltweiten F&E-Ausgaben jährlich etwa 2,75 Billionen Dollar erreichen7 - eine Zahl, die als Prozentsatz des globalen BIP weiter wächst.8
Da KI die Kosten senkt und die Geschwindigkeit von Experimenten erhöht, ist zu erwarten, dass die gesamten F&E-Ausgaben weiter steigen werden, während der Anteil der KI ebenfalls deutlich zunimmt. Mit der Zeit könnte die KI-gestützte Forschung die F&E-Landschaft dominieren und einen immer größeren Teil dieser Multitrillionen-Dollar-Investitionen für sich beanspruchen.
Software: Code wird kognitiv
Die gleichen wirtschaftlichen Kräfte, die Arbeit ergänzen und ersetzen, verändern auch die Software. Die Moneyball-Revolution hat einst den Baseball auf den Kopf gestellt, indem sie die Bewertung von Spielern und Teamstrategien durch Software neu definierte; heute tritt KI nicht nur in diese Fußstapfen, sondern katapultiert den Sport in eine neue Ära.9 Die Auswirkungen von KI gehen natürlich weit über Baseball hinaus. So steuert sie beispielsweise Meta bei der Anpassung von Inhalten und Werbung für mehr als drei Milliarden Nutzer, die einen Umsatz von 165 Milliarden Dollar erzielen. In einem dramatischen Wandel ging Tesla bei seiner Mission des autonomen Fahrens von jahrelangen Investitionen in Full Self-Driving (FSD) v1 bis v11 - Systeme, die auf fest kodierten Regeln für Leistung und Sicherheit basieren - zu FSD v12 über, das iterative, effiziente Modelle einsetzt, die den C++-Code und menschliche Eingriffe um das Hundertfache reduzieren und gleichzeitig die Leistung und Sicherheit deutlich verbessern.
Doch nicht jedes Unternehmen kann sich einer visionären Führung rühmen. Während Tech-Giganten sich schnell auf diese Innovationen eingestellt haben, verharren viele Unternehmen in veralteten Praktiken. Im digitalen Zeitalter wird jedes Unternehmen in unterschiedlichem Maße von der KI betroffen sein - einige passen sich schnell an, andere werden durch die unerbittliche Logik des Kapitalismus, in dem die kreative Zerstörung niemanden verschont, zu Veränderungen gezwungen.
Auf dem Weg zu den Billionen
Der Übergang von herkömmlicher Software zu KI ist in vollem Gange, wobei KI bereits in diesem frühen Stadium ihrer Entwicklung herkömmliche Software-as-a-Service (SaaS) übertrifft.
Als Teil des finanziellen Ökosystems, das diesen Wandel vorantreibt, bietet der Jahresbericht 2024 von Stripe wertvolle Einblicke und verweist auf „eine große Anzahl von Unternehmen mit schnell wachsenden Geschäften, darunter OpenAI, Anthropic, Suno, Perplexity, Midjourney, Cognition, ElevanLabs, LangChain, Pinecone, Mistral, Cohere, Sierra, Decagon, Invideo und zahllose andere, die noch keine bekannten Namen sind (es aber jeden Moment werden können).“10
Diese aufstrebenden Unternehmen geben nur einen kleinen Einblick in die Zukunft, die auf der Grundlage der KI aufgebaut wird. Man bedenke, dass „Cursor, der KI-gestützte Programmierassistent, in nur drei Jahren über 100 Millionen Dollar an wiederkehrenden Umsätzen erzielt hat“11 Es einfach als „Programmierassistent“ zu bezeichnen, würde seine wirtschaftliche Bedeutung schmälern. Er hat das eingeführt, was manche heute als „Vibe Coding“ bezeichnen, indem er die Erstellung von Spielen in nur wenigen Stunden ermöglicht - eine Aufgabe, die früher jahrelange Anstrengungen erforderte und heute eine aufgeblähte Spieleentwicklungsindustrie hervorgebracht hat. An diesem Beispiel wird deutlich, dass die KI nicht einfach nur ein Werkzeug ist, sondern eine Kraft, die unsere Wirtschafts- und Softwareparadigmen umschreibt.
Weltweit übersteigen die Ausgaben für traditionelle Software mittlerweile 700 Milliarden US-Dollar12 und sollen Prognosen zufolge bis zum Ende dieses Jahrzehnts auf eine Billion US-Dollar ansteigen13. Über Jahrzehnte hinweg basierte das Informationszeitalter auf dem soliden Fundament von Algorithmen, die in traditionelle Software eingebettet sind – diese wiederum wurden zunehmend tief in das Gefüge der Gesellschaft integriert. Nun steht die Künstliche Intelligenz bereit, die Rolle von Algorithmen als Treiber wirtschaftlicher Aktivität nochmals erheblich zu beschleunigen.
Bereits in diesem frühen Entwicklungsstadium hat KI gezeigt, dass sie – wenn sie die Komplexität der realen Welt mittels Daten modelliert – so optimiert werden kann, dass sie Einsparungen in Milliardenhöhe ermöglicht. So reduzierte Shells PortXChange die Liegezeiten von Schiffen um 20%, Fortescues KI-gesteuerte Energienutzung und Bergbauoperationen senkten die Stromkapazitätskosten um nahezu 500 Millionen US-Dollar, und durch KI-gestützte Routenoptimierung konnte UPS seine Treibstoffkosten um mehrere hundert Millionen US-Dollar verringern14.
Satya Nadella, CEO von Microsoft, warnte davor, dass klassische Geschäftsanwendungen – im Wesentlichen Datenbanken mit eingebetteter Geschäftslogik – kurz vor dem Zusammenbruch stehen könnten, da KI-Agenten in der Lage sind, komplexe Logiken zu erlernen und auszuführen, was konventionelle Systeme grundlegend infrage stellen könnte15. Die Kritik von Chamath Palihapitiya am fünf Billionen US-Dollar schweren „Software Industrial Complex“ (SIC), der seiner Ansicht nach jährlich um 10 bis 15% wächst und nach über 30 Jahren nicht mehr tragfähig ist, wird durch CIOs untermauert, die hunderte Millionen für überdimensionierte Lösungen ausgeben, die die Margen belasten16. In dieser kritischen Phase ist jedes SaaS-Modell gefährdet, das lediglich kontextarme menschliche Aufgaben nachahmt, ohne tiefgreifendes Fachwissen oder menschliche Komponente einzubeziehen – es könnte durch KI ersetzt werden.
In einer Weltwirtschaft mit einem Volumen von 100 Billionen US-Dollar wird KI meines Erachtens einen stetig wachsenden Anteil an Geschäfts- und Verbraucheranwendungen übernehmen und ihren ökonomischen Einfluss auf Billionenhöhe ausweiten.
Fazit
Vieles steht noch bevor. Ich bin überzeugt, dass KI als Basistechnologie nicht nur andere technologische Durchbrüche ergänzen, sondern deren Wirkung noch verstärken und wirtschaftlichen Wert in Billionenhöhe schaffen wird. Dieses gewaltige Potenzial führt jedoch nicht zwangsläufig zu außergewöhnlichen Anlageerträgen – ein Thema, das im zweiten Teil dieser Serie ausführlich behandelt wird.
Wenn Sie mehr darüber erfahren möchten, wie wir über den Einsatz von KI in unseren Portfolios denken, wenden Sie sich bitte an unsere Vertriebskontakte.
Gurvir Grewal ist Spezialist für den US-Markt im Global-Equity-Team von William Blair.
1 Source: The Information,
2 Source: 13D Research & Strategy, WILTW, as of April 10, 2025,
3 Source: Our World in Data,
4 Source: U.S. Department of Defense,
5 Source: U.S. Department of Defense,
6 Source: The Economist,
7 Source: World Intellectual Property Organization (WIPO),
8 Source: World Bank,
9 Source: The Economist,
10 Source: Stripe,
11 Source: Stripe,
12 Source: Statista,
13 Source: Precedence Research,
14 The Economist,
15 Source: Bg2 Pod,
16 Source: All-In Podcast.
