Das Flugzeug, das niemand weiß zu landen
Bill Gurley ist seit fünfundzwanzig Jahren bei Benchmark tätig und hat den genauen Moment identifiziert, an dem Begeisterung von einem Vermögenswert zu einer Verbindlichkeit wird. 2017 tat er dies mit Uber, als er Druck ausübte, den Gründer abzusetzen, bevor die toxische Kultur und die unhaltbaren Zahlen alles mit sich rissen. In einem Interview mit CNBC am 16. März 2026 wiederholt er die Diagnose mit einem zehnmal größeren Maßstab: der Sektor der künstlichen Intelligenz verbrennt Kapital mit einer Geschwindigkeit, die kein Rentabilitätshorizont rechtfertigen kann.
Seine Worte sind präzise und ungeschönt: "Eines Tages stolpern wir einfach und bleiben ohne Geld." Er spricht nicht von einem technologischen Zusammenbruch. Das Modell funktioniert. Die Systeme lernen. Die Produkte existieren. Er spricht von etwas viel Prosaïscherm und tödlicherem: Zwischen dreißig und vierzig KI-Startups verlieren jährlich Milliarden und das Volumen an Kapital, das benötigt wird, um diese Verluste zu tragen, hat eine mathematische Grenze, die der Optimismus des Sektors entschieden ignoriert hat.
Das Bild, das Gurley verwendet, ist aufschlussreich: "Es ist schwieriger, das Flugzeug zu landen," wenn man so viel verbranntes Treibstoff hat, ohne die Reiseflughöhe erreicht zu haben. Unternehmen wie OpenAI und Anthropic haben zig Milliarden an Finanzierung gesammelt. Aber Kapital zu beschaffen, ist nicht dasselbe wie ein Geschäftsmodell aufzubauen. Im besten Fall kauft man sich Zeit.
Warum die null Grenzkosten denen nicht helfen, die es sich nicht leisten können
Hier ist die strukturelle Paradoxie, die keine Analyse des Sektors ausreichend klar benennt: Künstliche Intelligenz operiert nach einer Logik von sinkenden Grenzkosten. Einmal trainiert, sind die Kosten für die Generierung der millionsten Antwort marginal geringer als die für die erste. Die Technologie neigt, theoretisch gesehen, dazu, einen Zustand zu erreichen, in dem die Produktion mehrerer Einheiten fast nichts kostet. Das ist ihr tiefgreifendstes wirtschaftliches Versprechen.
Aber die Fehldiagnose des aktuellen Marktes ist, die Grenzkosten der Inferenz mit den Gesamtkosten für den Aufbau des Systems zu verwechseln. Ein Top-Modell zu trainieren, kostet Hunderte Millionen Dollar. Es aktuell zu halten, ebenso viel. Die Infrastruktur für den Betrieb im großen Maßstab aufzubauen, Milliarden. Gurley weist darauf hin, dass die sieben großen Technologieunternehmen — Apple, Amazon, Alphabet, Meta, Microsoft, Nvidia und Tesla — Hunderte Milliarden in Rechenzentren investieren, um diese Infrastruktur zu unterstützen. Diese Ausgaben sinken nicht geringfügig. Sie sind fix, massiv und summieren sich.
Das Resultat ist eine Kostenstruktur, die umgekehrt zur Einschätzung des Marktes ist: Die Einnahmen wachsen langsam, weil die Unternehmensadoption langsamer ist als der mediale Hype, während die Infrastrukturkosten nahezu exponentiell steigen, um das Wettrüsten um Parameter und Rechenkapazitäten zu unterstützen. Die Logik der null Grenzkosten gilt für die Zukunft des Sektors, nicht für seine finanzielle Gegenwart.
Dies hat direkte Konsequenzen für die Geschäftsmodelle. Ein Startup, das für den Zugriff auf sein Sprachmodell Gebühren erhebt, sieht sich einem brutalen Preisdruck gegenüber, weil seine Wettbewerber, die ebenfalls durch Risikokapital finanziert werden, bereit sind, unter den Kosten zu verkaufen, um Marktanteile zu gewinnen. Niemand baut Margen auf. Sie kaufen Nutzer mit Verlusten, die von Investoren subventioniert werden, die darauf wetten, die Letzten zu sein, wenn das Kapital knapper wird.
Die Blase platzt nicht wegen der Technologie, sondern wegen der Geduld des Kapitals
Gurley zieht einen Vergleich zur Dotcom-Ära, der kälter analysiert werden sollte als gewöhnlich. Der einfache Vergleich besteht darin, dass es damals auch Unternehmen ohne Einnahmen mit astronomischen Bewertungen gab. Aber der Zusammenbruch-Mechanismus ist anders und lehrreicher.
Im Jahr 2000 trocknete das Kapital aus, als die öffentlichen Märkte das Tor zu den IPOs schlossen und die Kleinanleger ihr Interesse verloren. Heute hat das Privatkapital viel tiefere Reserven, was die Laufzeit künstlich verlängert. Aber das bedeutet auch, dass, wenn die Anpassung kommt, sie abrupt kommt, nicht allmählich. Michael Burry hat vor gefährlichen Überinvestitionsniveaus gewarnt. Jeremy Grantham von GMO hat systematisch dokumentiert, wie technologische Blasen genau dann platzen, wenn die zugrunde liegende Technologie beginnt, ihren Nutzen zu zeigen, aber nicht vorher.
Das Muster, das Gurley als "Interlopers" identifiziert – Akteure, die von dem Momentum angezogen werden, ohne rigorose Investment-These – ist der verlässlichste Indikator dafür, dass eine Blase ihre Ausbildungsphase überschritten hat und sich in der terminalen Phase befindet. Wenn jede VC-Firma erklärt, dass sie nur KI-Möglichkeiten betrachtet und wenn die Gründer von Fitness-Apps und Sprachlernprogrammen ihre Pitches als KI-Unternehmen neu formulieren, hört das Kapital auf, dort zu fließen, wo es den meisten Wert schafft, und beginnt dort zu fließen, wo es die beste Narrative gibt.
Was Gurley in diesem Zusammenhang den Investoren empfiehlt, ist operationell einfach: Identifizieren Sie Softwareunternehmen mit bewährten Abonnementmodellen, warten Sie auf die Korrektur der Bewertungen, die der Reset hervorrufen wird, und kaufen Sie diszipliniert ein. Wetten Sie nicht auf private KI-Startups, die, in seinen Worten, "enorm riskant" sind. Die Informationsasymmetrie in diesen Investitionen ist zu hoch und der Weg zur Rentabilität zu unsicher.
Block, das Mutterunternehmen von Square unter der Leitung von Jack Dorsey, hat fast die Hälfte seines Personals in einem absichtlichen Schritt zur Adaption von KI entlassen. Das ist keine marginale Optimierung. Es ist ein Zeichen dafür, dass selbst Unternehmen mit etablierten Geschäftsmodellen ihre operative Architektur neu schreiben, unter der Prämisse, dass menschliches Kapital teilweise ersetzt werden kann. Wenn rentable Unternehmen das tun, sich vorzustellen, dass solche, die noch keine Einnahmen generieren, diesem Druck entfliehen werden, ist ein Akt der Verleugnung.
Der Reset ordnet die Hierarchie neu, eliminiert aber nicht die Technologie
Die falsche Lesart der Warnung von Gurley wäre zu folgern, dass künstliche Intelligenz eine Illusion ist. Das ist sie nicht. Die Werkzeuge haben in den letzten zwei oder drei Jahren nachweislich Nutzen in der Personalisierung, der Informationssynthese und der Automatisierung repetitiver Aufgaben gezeigt. Das Problem ist nicht die Technologie. Das Problem ist die Diskrepanz zwischen dem Wert, den die Technologie heute generiert, und dem Wert, den der Kapitalmarkt für morgen erwartet.
Wenn der Reset eintritt — und die finanzielle Logik zeigt, dass er eintreten wird, nicht als Möglichkeit, sondern als arithmetische Konsequenz des kumulierten Burn Rates — wird die künstliche Intelligenz nicht verschwinden. Dutzende Unternehmen, die kein nachhaltiges einheitliches Wirtschaften aufgebaut haben, die Wachstum der Nutzer über Margen priorisiert haben, und die davon ausgegangen sind, dass Kapital unendlich verfügbar sein würde, weil das Narrativ groß genug war, werden verschwinden.
Was überleben wird, sind die Modelle, bei denen die Kundenakquisitionskosten in einem angemessenen Verhältnis zu den Werten stehen, die dieser Kunde im Laufe der Zeit generiert, wo die Infrastruktur keinen dauerhaften Zuschuss benötigt, um zu funktionieren, und wo die Differenzierung nicht ausschließlich davon abhängt, das größte Modell zu haben, sondern ein spezifisches Problem besser zu lösen als jede andere Alternative.
Die Führungskräfte, die verstehen, dass der Wert in diesem Sektor auf einem einheitlichen Wirtschaften basiert, nicht auf Finanzierungsrundenbewertungen, sind die, die in der Lage sein werden, Vermögenswerte und Talente zu rationalen Preisen zu erwerben, wenn das Kapital knapper wird. Der Reset ist nicht das Ende des Zyklus der künstlichen Intelligenz. Es ist der Moment, in dem die Technologie nicht mehr den Geschichtenerzählern gehört, sondern den Bauherren.
