Buchrezension zu „Investieren in KI: Sechs Denkmodelle, um Burggräben von Fallen zu unterscheiden“ von Rob May

Ich habe mich darauf gefreut, Investieren in KI: Sechs Denkmodelle, um Burggräben von Fallen zu unterscheiden zu lesen – vor allem, weil ich Rob May schon seit Jahren über seinen Newsletter „Investieren in KI“ verfolge. Was Rob May meiner Ansicht nach von vielen anderen Investoren unterscheidet, ist seine Bereitschaft, Gruppendenken zu vermeiden und von Grundprinzipien aus zu denken. Er blickt über die vorherrschende Erzählung hinaus und fragt, wie ein Unternehmen tatsächlich funktioniert, woher seine Vorteile stammen und ob sie den nächsten technologischen Umbruch überstehen können.

Genau darin liegt die Stärke dieses Buches. Es ist das erste Buch, das mir begegnet ist und sich in dieser Weise mit KI-Investitionen befasst. Statt lediglich eine spannende Technologie oder einen wachsenden Markt zu identifizieren, fordert es die Leserinnen und Leser auf, ihre Analyse der Unternehmen, die rund um diese Technologie entstehen, grundlegend neu zu gestalten. Die Chancen sind enorm, doch eine vielversprechende KI-Fähigkeit zu erkennen und ein investierbares Unternehmen auszumachen, sind zwei sehr unterschiedliche Fähigkeiten.

Wenn die KI-Erzählung auf die Realität trifft

Rob May veranschaulicht seine Überlegungen anhand von Geschichten, die allen vertraut sein dürften, die das KI-Ökosystem verfolgt haben. Jasper avancierte zum Liebling der Medien und sammelte 125 Millionen US-Dollar bei einer Bewertung von 1,5 Milliarden US-Dollar ein. Dann brachte ChatGPT leistungsstarke Textgenerierung direkt zu den Verbraucherinnen und Verbrauchern und stellte damit den Wert eines Produkts infrage, das auf dem Zugang zu ähnlichen zugrunde liegenden Fähigkeiten beruhte. Anhand dieser Kehrtwende zeigt Rob May, wie schnell ein scheinbarer Vorteil zum Risiko werden kann.

Was mich an diesem Beispiel interessiert, ist die Frage, mit der es Investoren und Gründer konfrontiert: Was brauchen Kunden noch von Ihrem Unternehmen, wenn die zugrunde liegende Technologie allgemein zugänglich wird? Was unterscheidet ein Unternehmen mit einem verteidigungsfähigen Burggraben von einem weiteren KI-Wrapper? Ein früher Vorsprung kann Zeit verschaffen, beantwortet diese Frage aber nicht. Die Kontrolle über Arbeitsabläufe, der Vertrieb, spezialisiertes Wissen und Kundenbeziehungen gewinnen deutlich an Bedeutung, sobald der Zugang zum Modell zur Massenware wird.

DeepSeek veranschaulicht die andere Seite dieser Unsicherheit. Das Buch geht auf den Schock ein, den ein Modell der GPT-4-Klasse auslöste, dessen gemeldete Trainingskosten 5,576 Millionen US-Dollar betrugen. Die Lehre für Investoren ist bedeutsam: Die Annahme, wie viel es kostet, im Wettbewerb mitzuhalten, kann sich viel schneller ändern, als ein Bewertungsmodell erwarten lässt.

Warum das SaaS-Playbook überdacht werden muss

Rob May blickt auf die KI-Winter der Vergangenheit zurück und argumentiert, dass die heutige Breite des KI-Einsatzes das alte Muster aus vielversprechenden Vorführungen und anschließender weitverbreiteter Enttäuschung durchbrochen hat. Seiner Ansicht nach ist nützliche KI inzwischen in zu vielen realen Arbeitsabläufen verankert, als dass sie sich einfach wieder ins Labor zurückziehen könnte. Doch selbst bei anhaltender Verbreitung kann es schwierig bleiben, das nächste Einhorn zu identifizieren, das daraus Kapital schlagen kann.

Er nennt vier grundlegende Unterschiede, die diesen Wandel erklären: KI kann kognitive Arbeit leisten, aus Daten lernen, die Erwartungen ihrer Nutzer verändern und für eine Generation, die mit ihr aufwächst, zum selbstverständlichen Teil des Lebens werden. Der dritte Punkt – die Reflexivität – ist besonders interessant. Sobald Kunden eine Fähigkeit erlebt haben, erwarten sie sie auch anderswo. Der Markt, den ein Unternehmen bedient, verändert sich mit der Verbreitung der Technologie.

Der größte Umbruch betrifft die Geschwindigkeit der Skalierung. KI-Unternehmen können innerhalb von Zeiträumen beträchtliche Größenordnungen erreichen, die früher außergewöhnlichen Ausnahmen vorbehalten waren. Um sie zu bewerten, muss man jedoch weiterhin ihr Geschäftsmodell verstehen. Eine Abrechnung pro Aufgabe oder pro erzieltem Ergebnis schafft ein anderes Verhältnis zwischen Wert, Umsatz und Kosten als der Verkauf einer festen Zahl von Softwarelizenzen.

Einige Erkenntnisse aus der SaaS-Welt sind nach wie vor äußerst relevant. Fachwissen über die jeweilige Branche ist weiterhin wichtig. Vertikale Lösungen, die die tatsächlichen Probleme einer Branche verstehen, können erhebliche Vorteile aufbauen. Proprietäre Datenkreisläufe können sich selbst verstärken, und tiefe Integrationen können Wechselkosten schaffen. Die Herausforderung besteht darin, diese dauerhaften Stärken von Funktionen zu unterscheiden, die Kunden auch von Dutzenden anderen Anbietern erhalten könnten.

Sechs Denkmodelle, die zu besseren Fragen führen

Das Buch ordnet seine zentrale These anhand von sechs Denkmodellen: KI als eine Sammlung von Technologien verstehen; traditionelle SaaS-Annahmen hinterfragen; mit erheblichen Marktverwerfungen rechnen; Veränderungen der Märkte und Unternehmensstrategien erkennen; die schnellere Skalierung verstehen; und die Kosten der verkauften Waren im KI-Bereich sorgfältig bewerten.

Zusammengenommen funktionieren diese Modelle gut, denn jedes legt eine andere Schwachstelle einer oberflächlichen Investitionsthese offen. Ein Unternehmen als „KI-Unternehmen“ zu bezeichnen, sagt wenig über seine Wirtschaftlichkeit aus. Ein dramatischer Umsatzanstieg sagt wenig über die Nachhaltigkeit aus. Eine heute hohe Bruttomarge sagt wenig darüber aus, was passiert, wenn Kunden vom Produkt zunehmend anspruchsvollere Leistungen erwarten.

Am meisten schätze ich die Gewohnheit, eine zweite Frage zu stellen. Nachdem man gefragt hat, ob die Technologie funktioniert, sollte man fragen, ob sie zuverlässig genug für die tatsächlichen Arbeitsabläufe der Kunden ist. Nachdem man gefragt hat, ob Kunden dafür bezahlen, sollte man fragen, wofür sie bezahlen und ob diese Ausgaben voraussichtlich anhalten. Dadurch bleibt das Buch auch über den Zeitpunkt hinaus nützlich, zu dem seine Beispiele verfasst wurden.

Botkeeper und die Bedeutung der Kostenentwicklung

Eine der aufschlussreichsten Fallstudien betrifft Botkeeper, ein Unternehmen für die Automatisierung der Buchführung, in das Rob May investiert hat. Er beschreibt ein Unternehmen, das sich anfangs stark auf menschliche Buchhalter stützte und Bruttomargen von etwa 20 bis 25 Prozent erzielte. Das erschien Anlegern, die herkömmliche Softwaremargen erwarteten, wenig attraktiv. Doch die Arbeit dieser Beschäftigten erzeugte zugleich Daten, die zur Automatisierung des Prozesses beitragen konnten. Rob May berichtet, dass die Bruttomargen später auf über 70 Prozent stiegen, als zunehmend mehr Arbeit von Software übernommen wurde.

Die Lehre, die ich daraus ziehe, ist, genau hinzusehen, was durch den menschlichen Einsatz aufgebaut wird. Wenn jede erledigte Aufgabe dem System hilft, die nächste effizienter zu bewältigen, können die anfänglichen Kosten für Dienstleistungen den Aufbau eines besser skalierbaren Geschäfts finanzieren. Wenn dagegen jeder neue Kunde auf Dauer einen proportionalen Zuwachs an manueller Arbeit erfordert, sieht die wirtschaftliche Rechnung anders aus.

Rob May untersucht auch den entgegengesetzten Verlauf: Inferenzkosten, die mit zunehmender Nutzung stärker ins Gewicht fallen. Ein KI-System benötigt möglicherweise mehr Rechenleistung, wiederholte Versuche oder eine Prüfung durch Menschen, um schwierigere Aufgaben zu erledigen. Ein Produkt, das in einem kleinen Pilotprojekt attraktiv wirkt, kann teuer werden, wenn Kunden sich bei komplexen Aufgaben darauf verlassen. Deshalb ist die Entwicklung der Kosten ebenso wichtig wie die aktuelle Marge.

Effizienz ist nicht automatisch ein Wettbewerbsvorteil

Ein weiteres hilfreiches Modell ist Rob Mays Dreiklang des KI-Nutzens: standardisierte KI, Kern-KI und Erweiterungs-KI. Grob gesagt geht es dabei um Fähigkeiten, die Wettbewerber leicht übernehmen können, um Fähigkeiten, die den bestehenden Wettbewerbsvorteil eines Unternehmens stärken, und um Fähigkeiten, die neue Geschäftsmöglichkeiten eröffnen.

Sein hypothetisches Beispiel einer Fluggesellschaft veranschaulicht die erste Kategorie. Eine Fluggesellschaft führt einen KI-Supportagenten ein und arbeitet dadurch effizienter. Anschließend setzen Wettbewerber ähnliche Tools ein. Was kurzzeitig wie ein Unterscheidungsmerkmal wirkte, wird zur Branchenerwartung, und ein Teil des wirtschaftlichen Nutzens könnte durch den Wettbewerb verloren gehen.

Das ist ein hilfreiches Gegenmittel dazu, jede KI-Ankündigung als Beleg für ein stärkeres Unternehmen zu betrachten. Ich möchte wissen, was unverwechselbar bleibt, wenn Wettbewerber Zugang zu vergleichbaren Tools haben. Ein Unternehmen, das KI mit eigenen Feedbackdaten, fundiertem betrieblichem Wissen oder einem schwer nachzuahmenden Arbeitsablauf für Kunden verbindet, hat eine überzeugendere Antwort als eines, das dieselbe Automatisierung ankündigt, die alle anderen kaufen können.

Achten Sie auf Führungskräfte, die KI produktiv einsetzen können

Das Buch steckt voller praxisnaher Beobachtungen. Dazu gehört, wie wichtig es ist, auf Führungskräfte zu setzen, die KI tatsächlich in ihre Arbeit integrieren können. Ein konkreter Plan zur Veränderung von Arbeitsabläufen und Zuständigkeiten überzeugt weit mehr als eine Präsentation, die den Einsatz von KI im gesamten Unternehmen verspricht.

Rob Mays Ausführungen zur Qualität der Umsätze unterstreichen diesen Punkt. Bezahlte Pilotprojekte und Machbarkeitsnachweise können anfangs beeindruckende Zahlen hervorbringen, sollten aber von Umsätzen aus laufender produktiver Arbeit getrennt betrachtet werden. Die entscheidende Frage lautet: Wie viel vom Geschäft bliebe bestehen, wenn die Kunden morgen aufhörten, zu experimentieren?

Ich halte das besonders für Gründer für wertvoll. Ein Pilotprojekt zu gewinnen, ist ein Fortschritt. Ein Produkt zu entwickeln, das Teil der Arbeitsweise eines Kunden wird, ist jedoch eine ganz andere Leistung. Wer diesen Unterschied früh versteht, kann dadurch Produktprioritäten, Einstellungen und die Erfolgsmessung des Unternehmens prägen.

Fazit

Meine wichtigste Erkenntnis ist, dass dieses Buch nicht ausschließlich Anlegern vorbehalten sein sollte. Auch Unternehmer können viel daraus mitnehmen: Sie erfahren, was ein KI-Unternehmen für Investoren attraktiv macht, wie dauerhafte Wettbewerbsvorteile entstehen und welche typischen Fallstricke bei Start-ups sich vermeiden lassen, bevor sie teuer werden.

Am besten versteht man das Buch als Denkrahmen für fundierte Urteile und nicht als Liste kaufenswerter Aktien. Sein größter Beitrag besteht darin, Leserinnen und Lesern zu helfen, genauer zu begründen, warum sie an ein Unternehmen glauben. Die Beispiele werden zwangsläufig altern, während sich die Branche weiterentwickelt. Was dem Buch dauerhaften Wert verleiht, ist die Disziplin, Annahmen zu hinterfragen.

Investieren in KI: Sechs Denkmodelle, um Burggräben von Fallen zu unterscheiden vermittelt das Denken ausgehend von Grundprinzipien, das mich ursprünglich dazu gebracht hat, Rob Mays Newsletter zu lesen. Für Anleger, die ein verteidigungsfähiges Geschäftsmodell von einer überzeugenden Geschichte unterscheiden wollen, und Unternehmer, die ein solches Geschäftsmodell aufbauen möchten, ist es eine durchdachte und lohnende Lektüre.