Der Schwerpunkt von KI verschiebt sich und mit ihm das Geld

Stellen Sie sich ein KI-gestütztes Servicecenter eines der größten Automobilhersteller der Welt vor. Das System funktioniert perfekt. Im Moment, in dem ein Auto in die Werkstatt fährt, hat der KI-Mechatroniker bereits seine Hausaufgaben gemacht und durch riesige Mengen an Fahrzeugdaten gewühlt, um die genaue Servicekonfiguration zu ermitteln, die es benötigt.

Diese elegante Edge-Anwendung wurde von einem kleinen Heer von Ingenieuren in drei Jahren entwickelt. Sie lief an 10 Verkaufsstellen.

Als es darum ging, sie auf 12.000 Standorte zu skalieren, entdeckte das Team, was jedes Unternehmen, das Edge-KI einsetzt, letztendlich lernt: Die Entwicklung der Anwendung ist der einfache Teil. Die Skalierung auf Tausende von Standorten erfordert eine Infrastruktur, die die meisten Unternehmen in der Branche noch nicht verstehen.

Diese Lücke zwischen dem Bau von etwas Intelligenterem und der tatsächlichen Bereitstellung dort, wo Geschäfte gemacht werden, ist die definierende Herausforderung von KI im Moment. Und sie verändert, wo die nächste Welle von Technologieinvestitionen hingeht.

DER CLOUD-WETT IST IM WANDEL

Für etwa 20 Jahre war das Unternehmen-Software-Handbuch einfach: Alles in die Cloud verlagern. Daten und Anwendungen zentralisieren und kontrollieren. Es funktionierte hervorragend für die Verwaltung von Workflows, und Investoren belohnten es reichlich.

Die Wirtschaftlichkeit verändert sich jedoch. SaaS-Umsatzmultiplikator, die während der Pandemie bei etwa 18-20x lagen, sind auf Niveaus gesunken, die seit 2016 nicht mehr gesehen wurden. Der Median-Umsatzwachstum für öffentliche SaaS-Unternehmen sank auf etwa 12% im späten Jahr 2025. Investoren haben noch nicht das Interesse an Software verloren, aber sie haben begonnen, eine härtere Frage zu stellen: Wo generiert KI tatsächlich Erträge?

Immer öfter lautet die Antwort: Nicht in der Cloud.

DER INTELLIGENZ-FALLE

Die globale KI-Investition wird voraussichtlich bis Ende 2026 2,5 Billionen Dollar erreichen. Die vier größten US-Technologieunternehmen allein werden voraussichtlich etwa 725 Milliarden Dollar für Kapitalausgaben in diesem Jahr ausgeben, was einem Anstieg von 77% im Vergleich zum Vorjahr entspricht und der größte jemals verzeichnete Infrastrukturaufbau in der Technologiegeschichte ist. Dieses Geld fließt überwiegend in Cloud-Infrastruktur, um Rechenzentren, GPUs und Trainingscluster zu unterstützen.

Die meisten operativen Daten der Welt werden jedoch nicht in Rechenzentren generiert. Sie werden in Einzelhandelsstandorten, auf Fabrikflächen, an Ölbohrinseln, in Krankenhäusern, auf Schiffen und in Energieversorgungsnetzen generiert. In diesen Umgebungen müssen Entscheidungen in Millisekunden getroffen werden und das Senden von Daten an einen entfernten Server ist einfach nicht machbar.

Ich sehe dies ständig in meiner Arbeit mit Unternehmen. Ein Öl- und Gassunternehmen wird Monate damit verbringen, ein Vorhersagemodell für die Optimierung von Bohrungen zu entwickeln, es dann in eine riesige Datendatei verpacken, es an einen Remote-Standort senden und hoffen, dass es funktioniert. Ein Einzelhändler wird KI für das Lagermanagement entwickeln, nur um festzustellen, dass die Implementierung in Tausenden von Geschäften ein völlig anderes Problem darstellt als die Entwicklung des Modells selbst.

Intelligenz ist effektiv in der Cloud gefangen. Die physische Welt wartet nicht auf eine Rundreise.

WO DAS GELD TATSÄCHLICH HINGEHT

Jensen Huang bezeichnet es als “physische KI“. Qualcomm (QCOM ) bezeichnet es als KI am Rand, die unverzichtbar wird. Wenn die beiden Unternehmen, die KI-Hardware-Ökonomie besser verstehen als jeder andere, in die gleiche Richtung zeigen, lohnt es sich, darauf zu achten.

Diese Verschiebung findet bereits auf dem Boden statt. Unternehmen in den Bereichen Öl und Gas, Automotive, Einzelhandel und Industrie führen bereits KI-Workloads am Rand aus. Sie wissen, dass Edge-KI funktioniert, aber sie haben Schwierigkeiten, es zu skalieren. Das Management von Tausenden von Bereitstellungen auf diverser Hardware und in verschiedenen Umgebungen und das Aktualisieren von Modellen im Feld ohne Unterbrechung des Betriebs stellt eine enorme Herausforderung dar.

Der Investitionsfall ist einfach: Wenn KI autonom arbeiten muss – Produkte auf einer Fertigungslinie überprüfen, Energieausstoß auf einem Windpark verwalten, autonome Systeme in einem Logistiknetzwerk koordinieren – muss es dort laufen, wo die Aktion ist.

VON ANWENDUNGEN ZU AGENTEN

Es gibt eine weitere Verschiebung unter der Infrastruktur-Geschichte, und sie könnte sich als noch wichtiger erweisen.

Agenten verändern die traditionelle Starrheit von Unternehmensanwendungen. Ein Agent ist kein statischer Code, der eine Sache tut. Es ist ein System, das reasonieren, unstrukturierte Daten interpretieren und handeln kann, ohne explizit für jeden Szenario programmiert zu werden. Anstatt eine maßgeschneiderte Anwendung zum Überwachen der Qualität auf einer Fertigungslinie zu erstellen, setzen Sie einen Agenten ein, der Video-Feeds interpretiert, Fehler identifiziert und Probleme markiert, während er sich an veränderte Bedingungen anpasst. Anstatt ein Vorhersagemodell für die Wartung von jedem Gerätetyp von Grund auf zu kodieren, setzen Sie ein reasonierendes Modell ein, das Sensordaten verarbeitet und in Echtzeit Entscheidungen trifft.

Wo es früher Jahre und Teams von Entwicklern brauchte, um Edge-Anwendungen zu erstellen, können Agenten diese Zeitspanne dramatisch verkürzen.

WARUM DAS NICHT EINFACH IST

Aber wie in den meisten Fällen steckt der Teufel im Detail. Wenn ein persönlicher KI-Agent einen Fehler macht, sendet er eine unangenehme E-Mail. Wenn ein industrieller Agent einen Fehler macht, kann er eine Produktionslinie stilllegen oder ein Sicherheitsrisiko verursachen. Die gleiche Eigenschaft, die KI-Agenten flexibel und leistungsfähig macht, ist genau das, was Unternehmen vorsichtig macht, sie in sicherheitskritischen Umgebungen einzusetzen.

Die IP-Sensibilität allein ist atemberaubend. Ein Energie-Dienstleistungsunternehmen, das ein Jahrzehnt damit verbracht hat, operative Daten zu sammeln, um ein autonomes Bohroptimierungssystem zu entwickeln, hat etwas Unersetzliches geschaffen. Wenn dieser Agent kompromittiert wird, kann ein Wettbewerber effektiv Jahrzehnte an institutionellem Wissen über Nacht erwerben. Die EU-Richtlinie Cyber Resilience Act und die sich entwickelnden NIST-Rahmenwerke zielen darauf ab, diese Risiken zu mindern, aber die technologische Infrastruktur, um Sicherheitsvorkehrungen am Rand zu gewährleisten, wird noch aufgebaut.

Sicherheit und Governance sind keine Funktionen für die Edge-KI-Ära. Sie sind die Grundlage.

DER NÄCHSTE INFRASTRUKTURAUFBAU

Jede große Ära der Rechnertechnologie wurde durch einen Infrastrukturaufbau definiert. Die Ära des Personal Computers baute lokale Netzwerke und Desktops. Die Cloud-Ära baute Rechenzentren und SaaS-Plattformen. Die KI-Ära baut die Infrastruktur, um Intelligenz in der physischen Welt zu betreiben.

Die Unternehmen und Investoren, die diese Verschiebung frühzeitig erkennen, werden für das nächste Jahrzehnt positioniert. Das bedeutet nicht nur, in KI-Fähigkeiten zu investieren, sondern auch in die Orchestrierung, Sicherheit und Bereitstellungs-Infrastruktur, die ein leistungsfähiges Modell in ein zuverlässiges industrielles System verwandelt.

Der Wert liegt nicht im nächsten Chatbot oder im nächsten cloud-gestützten Modell. Er liegt in der Infrastruktur, die KI auf skalierter Ebene in der Fabrik, auf dem Ölfeld, im Einzelhandelsnetz und überall dort, wo die physische Welt Daten generiert, die nicht warten können.

Irgendwo gerade jetzt steht ein anderes Unternehmen dort, wo dieser Automobilhersteller stand, mit einer brillanten Anwendung, die an einer Handvoll Standorte läuft, und starrt in die Kluft zwischen Pilot und Skalierung. Diejenigen, die diese Lücke überbrücken, werden die Wettbewerbsvorteile des nächsten Jahrzehnts aufbauen.