KI-Investitionswelle: Was Unternehmen jetzt prüfen sollten

Die aktuelle KI-Investitionswelle zeigt eine reale Lücke zwischen den Zahlungsversprechen einzelner Anbieter und ihren heutigen Einnahmen. Für Unternehmen, die KI produktiv einsetzen, ist das kein Grund zur Panik. Aber ein Grund, die eigene Abhängigkeit von einem einzelnen Anbieter aktiv zu prüfen, bevor ein Preiswechsel oder eine Störung einen produktiven Ablauf trifft.

Die Berichterstattung über eine mögliche KI-Blase konzentriert sich meist auf Börsenwerte und Investorenrisiken. Für Unternehmen, die KI im eigenen Betrieb produktiv einsetzen, stellt sich eine andere, konkretere Frage: Was passiert mit unseren Abläufen, wenn sich beim Anbieter etwas ändert — ein Preis steigt, ein Modell wird abgeschaltet, oder ein Anbieter gerät selbst in finanzielle Schwierigkeiten?

Warum diese Debatte für Unternehmen relevant ist, nicht nur für Investoren

Die Nachfrage nach KI ist real, sie wird bezahlt, und sie wächst schnell. Anthropic etwa ist von rund 9 Milliarden Dollar annualisiertem Umsatz Ende 2025 auf rund 65 Milliarden Dollar Ende Juli 2026 gewachsen.

Zur Einordnung: Anthropic weist Umsatz brutto aus, also inklusive Endkundenumsatz über Cloud-Partner. Die Zahl ist damit nicht eins zu eins mit anderen Anbietern vergleichbar. Das Wachstum ist trotzdem substantiell, die absolute Vergleichbarkeit mit OpenAI oder Google bleibt aber eingeschränkt.

Was nicht zusammenpasst, sind die Zahlungsversprechen der großen Anbieter und ihre heutigen Einnahmen. Für Unternehmen, die auf diesen Anbietern aufbauen, ist das keine abstrakte Finanzfrage, sondern ein konkretes Betriebsrisiko: Wenn ein Anbieter seine Preisstruktur ändern oder seinen Betrieb einschränken muss, wirkt sich das unmittelbar auf jeden produktiven Ablauf aus, der an diesem Anbieter hängt.

Was tatsächlich wackelt: zwei Bilanzen unter Beobachtung

Zwei Unternehmen stehen im Zentrum der aktuellen Debatte. OpenAI hat nach eigenen Angaben Zusagen über rund 1,4 Billionen Dollar für Rechenleistung, Rechenzentren und Chips gemacht, verteilt über die kommenden acht Jahre. Dem stehen Einnahmen von hochgerechnet etwa 40 Milliarden Dollar im Jahr gegenüber, bei weiterhin bestehendem Verlust.

Oracle, das für OpenAI einen erheblichen Teil der Rechenzentren baut, wurde von der Ratingagentur S&P am 9. Juli 2026 auf BBB− herabgestuft — die letzte Stufe, mit der eine Firma noch als sicherer Schuldner gilt. Als Grund nennt S&P unter anderem, dass rund die Hälfte des künftigen Auftragsbestands von Oracle, umgerechnet etwa 638 Milliarden Dollar, an einem einzigen Kunden hängt.

Diese Konzentration auf wenige, eng miteinander verflochtene Unternehmen ist der Kern des Risikos — nicht die Technologie selbst.

Ein reales Beispiel: die zweiwöchige Modellabschaltung im Juni 2026

Wie konkret sich ein Anbieterrisiko auswirken kann, zeigte sich im Juni 2026. Zwei KI-Spitzenmodelle wurden rund 72 Stunden nach ihrem Release auf behördliche Anweisung abgeschaltet, faktisch weltweit, für gut zwei Wochen. Unternehmen, die einen produktiven Ablauf an genau diesen Modellen hängen hatten, standen in dieser Zeit still.

Ein Ausfallrisiko entsteht also nicht nur durch eine Unternehmenspleite oder einen Preiskrieg. Regulatorische Eingriffe, technische Störungen oder eine Modellabschaltung genügen bereits, um einen wichtigen Ablauf unter Druck zu setzen — unabhängig davon, ob die KI-Investitionswelle insgesamt trägt oder kippt.

Warum die meisten KI-Projekte nicht an der Technik scheitern

Eine Befragung von 2.527 Entscheidern in zehn Ländern ergab, dass 74 Prozent einen produktiven KI-Agenten in der Kundenkommunikation nach dem Start wieder zurückgezogen haben. Bemerkenswert: Bei Organisationen mit den ausgereiftesten Guardrails lag die Quote sogar bei 81 Prozent.

Wichtige Einordnung zur Studie: Die 74-Prozent-Zahl gilt spezifisch für KI-Agenten in der Kundenkommunikation, der Auftraggeber ist ein Anbieter aus genau diesem Marktsegment. Beides gehört zur ehrlichen Lesart der Studie.

Die Ursache lag in den seltensten Fällen an der Modellqualität. Es fehlten Regeln, Protokollierung und ein klar definierter Übergabepunkt zum Menschen. Das deckt sich mit einem weiteren Befund: In einer kontrollierten Studie brauchten erfahrene Entwickler mit KI-Werkzeugen im Schnitt 19 Prozent länger für ihre Aufgaben, glaubten hinterher aber, 20 Prozent schneller gewesen zu sein. Der gefühlte und der gemessene Nutzen fallen häufiger auseinander, als es Erfolgsmeldungen vermuten lassen.

Fünf Fragen für die eigene KI-Strategie

Unabhängig davon, wie sich die KI-Investitionswelle weiterentwickelt, lässt sich die eigene Abhängigkeit von einem Anbieter schon heute prüfen. Fünf Fragen helfen dabei:

• Welche produktiven Abläufe hängen an genau einem Modell oder einem einzigen Anbieter? Benennen Sie den Ablauf und die konkreten Folgen für Kunden oder Mitarbeitende, falls er ausfällt.
• Wie lange dauert ein Wechsel auf ein zweites Modell tatsächlich — getestet statt geschätzt? Eine Alternative ist erst belastbar, wenn ein echter Vorgang darüber gelaufen ist.
• Liegt der Anbieterzugriff hinter einer eigenen Schicht, oder steckt er fest im Code der Fachanwendung? Eine austauschbare Architektur reduziert das Risiko strukturell.
• Wer übernimmt einen Ablauf vorübergehend, wenn ein Anbieter ausfällt — und ab wann startet diese Übergabe? Ohne klare Zuständigkeit verzögert sich jede Reaktion.
• Was kostet ein erfolgreich abgeschlossener Vorgang tatsächlich, inklusive Fehlversuchen und Nacharbeit — und wie verändert sich diese Rechnung auf dem Ersatzweg?

Das Risiko liegt nicht im Produkt, sondern im Preis, den man heute für diese Zukunft bezahlt — und in der Frage, wer einspringt, wenn der Anbieter kurz nicht kann.