KI-Unternehmen haben keine Moat – es sei denn, sie hören auf, Parteien zu wählen

Die unangenehme Wahrheit über KI-Produkte: Ihr Wettbewerbsvorteil hat eine Haltbarkeit, die in Wochen und nicht in Jahren gemessen wird.

Während grundlegende KI-Labore Milliarden in Modelle investieren, die Jahre brauchen, um entwickelt zu werden, entdecken Anwendungs-Unternehmen, dass Moats nicht im traditionellen Sinne existieren. Ihre Killer-Funktion? Bis Freitag repliziert. Ihr technischer Vorteil? Bis zum nächsten Quartal verschwunden. Die Vielfalt der Spieler, die Zugänglichkeit der grundlegenden Modelle und die Geschwindigkeit der Innovation haben einen Markt geschaffen, in dem es nicht mehr genügt, der Erste, der Beste oder der Andersartigste zu sein, um zu überleben.

Aber es gibt einen kontraintuitiven Weg heraus: Hören Sie auf, mit Technologie zu gewinnen, und beginnen Sie, die Fähigkeit aufzubauen, sie zu überleben. Der echte Moat liegt nicht in der KI, die Sie verwenden, sondern in Ihrer Fähigkeit, jede KI zu verwenden.

Die grundlegende Spaltung

Es gibt eine grundlegende Ebene – die großen Modelle wie ChatGPT, Grok und Gemini. Einige Dutzend Modelle, die unterschiedlich trainiert wurden, jedes mit seinen eigenen Vorteilen. Aber dies ist grundlegende, forschungsintensive Arbeit: Ingenieure, die jahrelang arbeiten, massive Ressourceninvestitionen erfordern. Jedes dieser Modelle besitzt einen eindeutigen Moat – andernfalls kann die Ressourceninvestition nicht gerechtfertigt werden. Dies ist genau der Grund, warum Versuche, Ingenieure von OpenAI abzuwerben, so stark beworben werden: Sie besitzen einzigartige Expertise, die nicht schnell zu einem beliebigen Preis kultiviert werden kann.

Aber auf der Anwendungsebene ist alles ganz anders. Wesentlich weniger Ressourcen sind erforderlich, aber ein bisschen mehr Kreativität ist erforderlich, um ein LLM fein zu justieren und ein Geschäftsproblem zu lösen. Jeder hat sein eigenes Spiel, seinen eigenen Ansatz, sein eigenes Produkt. Die Vielfalt der Spieler tötet jede Möglichkeit, einen eindeutigen Moat in einem Markt zu haben – Text, Audio oder Bild. Geschäftslösungen, die auf grundlegender KI basieren, entstehen täglich, Unternehmen erscheinen regelmäßig, und oft sind sie nicht von einander zu unterscheiden.

Mögliche Differenzierungen in der Sprachindustrie veranschaulichen diese Entwicklung: Anfangs versuchte jeder, Stimmen so menschlich wie möglich klingen zu lassen, dann wurde die Geschwindigkeit zur Frage und jeder begann, die gleiche Aufgabe schnell zu lösen. Jetzt sind wir in der Ära der emotionalen Tags. In der Spracherkennung hat sich der Hauptwert – das Wort/Fehler-Verhältnis – mit dem Auftauchen von LLMs, die kontextuelle Wortangemessenheit verstehen können, deutlich verbessert.

In Kürze ist das Fehlen eines Moats durch den Mangel an Tiefe in jedem Aspekt der Existenz eines anwendungsbezogenen Produkts erklärt: Es ist sowohl in der KI-Komponente als auch in seiner Geschäftsanwendung flach. Genau wie der Moat eines grundlegenden Produkts durch die Tiefe seiner Entwicklung erklärt wird.

Aber benötigen anwendungsbezogene Projekte einen Moat? Wenn Sie in einem relativ großen Markt arbeiten und weniger als 30 Wettbewerber haben, können Sie alles so lassen, wie es ist. Natürlich können Wettbewerber große wie OpenAI und Anthropic sein – aber hier müssen Sie auf ein subjektives Gefühl für die Marktgöße und -dynamik vertrauen, ob es genug Nahrung für alle gibt oder nicht. Aber wenn der Markt relativ klein ist und Wettbewerber wie Pilze sprießen, dann müssen Sie Ihren Wettbewerbsvorteil sehr klar positionieren. Es spielt keine Rolle, ob Wettbewerber ihn schnell übernehmen.

Die Verteilung als echter Moat

Ich vermute, dass dies in einem bestimmten Maße eine gültige Behauptung ist und der echte Moat in der Verteilungsdomäne liegt, nicht in der Technologie selbst. Was wichtiger ist, ist, wie schnell Sie Ihre Präsenz bei Kunden skalieren und ob der Wert des Produkts eine gute LTV garantiert. Ansonsten könnten Sie eine B2C-Anwendung für Benutzer erstellen, mit der sie spielen können, und sie könnten sie sogar viral verbreiten, aber dann einfach aufhören, sie zu verwenden, wenn die nächste neue App erscheint.

Die zwei Arten von Vorteil – Und warum nur eine überlebt

Es gibt zwei Arten von Wettbewerbsvorteilen. Der erste ermöglicht es Ihnen, hier und jetzt mit einem klaren Vorteil zu gewinnen – dank einzigartiger Know-how oder einer Killer-Funktion, die Wettbewerber einfach nicht haben. Der zweite ermöglicht es Ihnen, langfristig nicht zu verlieren, weil Sie Nachhaltigkeit aufbauen.

Bei KI-Produkten zeigt die reale Praxis bereits, dass der erste Vorteil extrem schnell gelöscht wird: Wettbewerber schließen die Lücke mit atemberaubender Geschwindigkeit.

Das ist, warum es sinnvoll ist, sich auf den zweiten Vorteil zu konzentrieren: maximale Produkt-Haltbarkeit. Dies wird erreicht, indem ein Produkt erstellt wird, das mit jedem LLM-Anbieter arbeiten und zwischen ihnen instantan wechseln kann – sobald das aktuelle Modell, auf dem Ihr Geschäft aufbaut, offensichtlich hinter dem nächsten besten Modell zurückfällt.

Angesichts dessen wird die Unabhängigkeit von den unterliegenden LLM-Schichten zu einem stärkeren Moat als Marketing- oder technische Anstrengungen allein. Anbieterunabhängigkeit ist nicht nur schön zu haben – es ist die einzige verteidigbare Position, wenn der Boden unter Ihnen monatlich wechselt.

Die versteckte Komplexität der Multi-Modell-Strategie

Während Anbieterunabhängigkeit langfristigen Schutz bietet, zeigt die Umsetzung erhebliche Herausforderungen. Wie Alexey Aylarov erklärt, “ist es nicht leicht, da alle Modelle ihre eigenen Besonderheiten und Probleme haben.”

Das Kernproblem: LLMs sind nicht austauschbar. Die Ausgabe variiert bei der gleichen Eingabe – sogar innerhalb des gleichen LLM, aber viel dramatischer, wenn zwischen Anbietern gewechselt wird. Jedes Modell reagiert auf Prompts und Anweisungen unterschiedlich: Einige folgen Richtlinien besser, andere schlechter; die Leistung kann sprachspezifisch oder zielorientiert sein.

Ein konkreter Beispiel: Betrachten Sie Bild- oder Video-Generierungsdienste wie Sora oder Veo. Geben Sie ihnen die gleiche Eingabe und Sie erhalten völlig unterschiedliche Ergebnisse. Diese Varianz gilt für alle LLM-Anwendungen.

Die Abstimmungsherausforderung: Um Multi-Modell-Kompatibilität zu erhalten, müssen Sie:

• Getrennte Prompts/Anweisungen für jeden LLM erstellen, die Ihr gewünschtes Ergebnis produzieren
• Wissen, wie sich jedes LLM unterscheidet und Eingaben entsprechend anpassen
• Sich mit Arbeit befassen, die oft kreativ ist und nicht Routine
• Akzeptieren, dass dieser Prozess “in den meisten Fällen relativ schwer zu automatisieren ist”

Es erfordert erhebliche Abstimmungsbemühungen für jedes Modell. Die vorherige Investition ist erheblich: Sie müssen Prompts für alle LLMs entwickeln, bevor Sie frei zwischen ihnen wechseln können. Darüber hinaus deckt diese Vorbereitung nur bestehende Modelle ab – wenn neue LLMs entstehen, beginnt der Abstimmungsprozess erneut.

Der Moat entsteht durch die Investition in die Testinfrastruktur, die Prompt-Engineering-Expertise und die operative Disziplin, um tatsächlich die Kompatibilität über mehrere LLMs zu erhalten – und diesen Prozess zu wiederholen, wenn sich die Landschaft entwickelt. Diese Fähigkeit wird zu einer Form von technischer Tiefe, die Wettbewerber nicht leicht replizieren können, auch wenn sie die Strategie verstehen.

Das Paradoxon: Ihr Moat ist in dem, was Sie nicht haben

Hier liegt die Macht der Anbieterunabhängigkeit: Es ist der einzige Wettbewerbsvorteil, der stärker wird, wenn der Markt chaotischer wird.

Wenn Ihr Wettbewerber sein ganzes Produkt auf GPT-4 aufbaut und ein besseres Modell erscheint, steht er vor einer existenziellen Neukonstruktion. Wenn Sie die Infrastruktur aufgebaut haben, um Modelle zu wechseln, stehen Sie vor einem Dienstag. Die Unternehmen, die überleben, werden nicht diejenigen sein, die das richtige Modell gewählt haben – sie werden diejenigen sein, die nie wählen mussten.

Ja, der Aufbau für mehrere LLMs ist teuer im Voraus. Ja, es erfordert kreative Ingenieursarbeit, die schwer zu automatisieren ist. Ja, Sie müssen parallelle Prompt-Strategien für jeden Anbieter aufrechterhalten. Aber genau das schafft die Barriere zum Eintritt. Der Moat liegt nicht in der Technologie selbst – er liegt in der operativen Muskelgedächtnis, die technologischen Veränderungen zu managen.

Die meisten KI-Unternehmen optimieren für den Sieg heute. Die agnostischen Unternehmen optimieren für das Überleben morgen. In einem Markt, in dem die gestrige Durchbruch die heutige Basislinie ist, ist diese Unterscheidung alles.