Said Mia, Gründer und Managing Partner bei Stormbreaker Ventures – Interviewserie

Said Mia ist der Gründer und Managing Partner von Stormbreaker Ventures, einem Risikokapital-Unternehmen, das in der Frühphase in die Bereiche Konnektivitätsinfrastruktur, AI-RAN, Open RAN, Edge-Computing, Satelliten-Cellular-Konvergenz, IoT, vernetzte Mobilität und Modernisierung der US-amerikanischen Fertigung investiert. Seine Partner umfassen Wade Oosterman (Gründer von Clearnet Communications, das von Telus für 6,6 Milliarden Dollar übernommen wurde; ehemaliger Bell-Canada-C-Level-Manager, der den Marktwert um 50 Milliarden Dollar erhöhte), Derek Aberle (ehemaliger Präsident von Qualcomm (QCOM ) für fast ein Jahrzehnt) und Glenn Lurie (ehemaliger Präsident und CEO von AT&T (T ) Mobility und Consumer Operations). Said Mias Hintergrund liegt im Bereich Telekommunikations-Investmentbanking; er entwickelte die These von Stormbreaker und baute das Team auf.

Sie haben Jahre damit verbracht, große Telekommunikations-, Halbleiter- und Infrastruktur-Unternehmen bei Unternehmen wie Citi und PJT Partners (PJT ) zu beraten, bevor Sie Stormbreaker Ventures gründeten. Was hat Sie davon überzeugt, dass die größte Chance nicht länger darin besteht, etablierte Unternehmen zu beraten, sondern Start-ups zu unterstützen, die die Infrastruktur-Ebene für die Ära künstlicher Intelligenz aufbauen?

Die Beratungsarbeit gab mir einen Platz in der ersten Reihe für ein langsam voranschreitendes Problem. Ich arbeitete an Deals, an denen einige der folgenreichsten Infrastrukturen auf dem Planeten beteiligt waren – Spektrum, Netzwerkarchitektur, Halbleiter-Lieferketten – und ich stellte immer wieder dieselbe Dynamik fest: Die etablierten Unternehmen verstanden die Größe des Übergangs zu künstlicher Intelligenz intellektuell, aber ihre Kapitalzuweisung, Fusionszeitpläne und organisatorischen Anreize machten es ihnen strukturell schwierig, schnell genug zu handeln, um die Infrastruktur-Ebene zu besitzen, die künstliche Intelligenz tatsächlich erfordert. Sie optimierten für das bestehende Netzwerk, nicht für das nächste.

Je mehr ich diese Beobachtung über mehrere Engagements hinweg testete, desto klarer wurde, dass die tatsächliche Wertschöpfung nicht innerhalb dieser Organisationen entstehen würde. Sie würde von Gründern aufgebaut, die ohne die Einschränkungen von Altlasten operieren konnten – die Konnektivitäts-Struktur, die Edge-Computing-Architektur und die AI-nativen Netzwerk-Infrastrukturen aufbauen, die eine maschinengetriebene Wirtschaft wirklich erfordert. An einem bestimmten Punkt war das intellektuell ehrlichste, was ich tun konnte, aufzuhören, diesen Wandel zu beraten, und ihn stattdessen zu finanzieren.

Stormbreaker konzentriert sich stark auf die “Werkzeuge und Schaufeln”-Ebene der AI-Infrastruktur. Warum glauben Sie, dass Infrastruktur-Unternehmen letztendlich mehr dauerhaften langfristigen Wert als viele Start-ups auf der Anwendungsebene von künstlicher Intelligenz erfassen könnten?

Die Anwendungsebene ist aufregend, aber sie ist auch auf eine Weise strukturell zerbrechlich, die nicht vollständig in die Preise einbezogen ist. Wenn die zugrunde liegenden Modelle verkommodifiziert werden – und das werden sie – verflüchtigen sich viele Anwendungsebenen-Moats schnell. Die Unternehmen, die auf GPT-4 trainiert haben, müssen nun mit GPT-5, dann GPT-6 und den geringen Wechselkosten umgehen, einfach weil die Apps auf der Infrastruktur von jemand anderem aufbauen.

Die physische Ebene funktioniert nicht so. Spektrum-Assets, Funkzugangsnetze, Edge-Computing-Einsätze, Satelliten-zu-Cellular-Handoff-Infrastruktur – all diese Dinge sind teuer zu bauen, langsam zu replizieren und tief in die operative Struktur der Kunden, die sie bedienen, eingebettet. Die Netzwerkeffekte sind real und dauerhaft. Wenn ein industrieller Hersteller private 5G und Edge-AI in seine Produktionsfläche integriert, reißt er das nicht heraus, weil ein neues Modell veröffentlicht wurde. Die Infrastruktur wird tragfähig.

Es gibt auch eine zeitliche Dimension, die wichtig ist. Wir sind noch im ersten Kapitel des physischen Aufbaus von künstlicher Intelligenz. Die Lücke zwischen dem, was die Wirtschaft von künstlicher Intelligenz letztendlich von der Netzinfrastruktur verlangen wird, und dem, was heute existiert, ist enorm – und das Schließen dieser Lücke wird ein Jahrzehnt oder mehr anhaltender Kapital- und Innovationsanstrengungen erfordern. Das ist ein sehr anderes Risikoprofil als die Frage, welcher Chatbot den Markt für die Produktivität von Unternehmen in 18 Monaten gewinnt.

Es gibt zunehmend Aufmerksamkeit für künstliche Intelligenz-Radiogezugangsnetze (AI-RAN), Edge-Computing und Satelliten-Cellular-Konvergenz. Welcher dieser Trends bleibt Ihrer Meinung nach am meisten missverstanden von der breiteren Risikokapital-Gemeinschaft?

AI-RAN, ohne Frage. Die Risikokapital-Gemeinschaft hat es größtenteils als eine Telekommunikations-Geschichte verarbeitet – eine inkrementelle Verbesserung der bestehenden Funkzugangs-Infrastruktur – und die Tatsache übersehen, was es tatsächlich ist: Eine grundlegende architektonische Veränderung in der Verteilung von Intelligenz über ein Netzwerk.

Traditionelle RAN ist am Rand dumm. AI-RAN ändert das. Sie drängen Inferenz und Echtzeit-Entscheidungsfindung in die Funk-Ebene selbst, was erhebliche Auswirkungen auf Latenz, Energieeffizienz und die Ökonomie des Einsatzes von autonomer künstlicher Intelligenz im großen Maßstab hat. Dies ist die Infrastruktur-Primitive, die es einem Roboter auf einer Fabrikfläche, einem autonomen Fahrzeug auf einer Autobahn oder einer Drohne in einem Logistik-Korridor ermöglicht, mit millisekunden-schneller Reaktionsfähigkeit zu operieren, ohne dass jede Entscheidung durch eine Hyperscaler-Cloud geroutet werden muss.

Die meisten allgemeinen Risikokapital-Geber haben nicht die Telekommunikations-Tiefe, um diese Unterscheidung klar zu sehen. Sie verstehen künstliche Intelligenz auf der Anwendungs- und Daten-Ebene, aber das Funkzugangs-Netz war historisch gesehen eine Blackbox für Silicon Valley. Das ist genau die Lücke, die Stormbreaker schließen soll – wir haben Betreiber in unserem Partner-Team, die diese Netze im großen Maßstab betrieben haben, und wir verstehen sowohl die technische Architektur als auch die kommerziellen Dynamiken auf eine Weise, die allgemeine Investoren einfach nicht tun.

Sie haben argumentiert, dass Legacy-Netze für eine maschinengetriebene Wirtschaft nicht geeignet sind. Welche sind die größten Infrastruktur-Engpässe, die die heutigen Telekommunikations- und industriellen Systeme daran hindern, autonome künstliche Intelligenz im großen Maßstab zu unterstützen?

Es gibt drei Engpässe, über die ich ständig nachdenke.

Latenz-Architektur. Das Internet und die Mobilfunknetze wurden für menschliche Interaktionen konzipiert. Menschen bemerken 50 Millisekunden Latenz nicht. Autonome Systeme schon – und in vielen Fällen ist es der Unterschied zwischen einer sicheren Entscheidung und einer katastrophalen.

Die Intelligenz-Lücke am Rand. Die meisten industriellen Netze behandeln die Rand-Infrastruktur immer noch als passiven Transport – Rohre, die Daten zu einer zentralen Rechenumgebung für die Verarbeitung bewegen. Aber autonome künstliche Intelligenz im großen Maßstab erfordert lokale Intelligenz. Sie können nicht autonom eine Fabrik, einen Hafen oder ein Logistik-Zentrum betreiben, wenn jede Entscheidung das WAN durchqueren muss. Die Rechen-, Speicher- und Inferenz-Fähigkeit muss am oder in der Nähe des Handlungs-Punkts leben, und die meisten bestehenden Bereitstellungen sind nicht so konzipiert.

Interoperabilität und Fragmentierung. Industrielle Umgebungen sind ein Flickwerk aus OT-Systemen, proprietären Protokollen und Legacy-Hardware, die Jahrzehnte vor modernen Konnektivitäts-Standards entstand. Es ist eine massive Integrations-Herausforderung, diese Systeme so zu machen, dass sie kohärent mit einer AI-Ebene sprechen – eine Herausforderung, die leicht zu unterschätzen ist, wenn man nicht tatsächlich in diesen Umgebungen bereitgestellt hat. Die Start-ups, die dieses Problem knacken, die als intelligente verbindende Gewebe zwischen der physischen operativen Welt und der AI-Ebene darüber dienen können, werden enorm wertvoll sein.

Unternehmen wie Qualcomm, Ericsson (ERIC ) und Nokia verfolgen zunehmend künstliche Intelligenz und Software-Akquisitionen. Sehen Sie dies als den Beginn eines anhaltenden Konsolidierungszyklus im Bereich Telekommunikation und Infrastruktur-Technologie?

Ja, und ich denke, wir sind noch in den Anfängen davon. Was Sie bei Qualcomm, Ericsson und Nokia sehen, ist nicht opportunistisches Deal-Making – es ist eine strategische Notwendigkeit. Diese Unternehmen verstehen, dass die Software- und AI-Intelligenz-Ebene der Ort ist, an dem die Ökonomie der Infrastruktur migriert, und keines von ihnen kann alles, was es benötigt, organisch im erforderlichen Tempo aufbauen.

Die tiefere Dynamik besteht darin, dass die KI-nativen Start-ups in diesem Bereich Fähigkeiten entwickeln, die etablierte Unternehmen intern tatsächlich nicht nachbilden können – nicht wegen mangelnder Talente oder fehlenden Kapitals, sondern wegen ihrer architektonischen Freiheit. Ohne eine alte Produktlinie und eine Kundenbeziehung im Wert von zehn Milliarden Dollar schützen zu müssen, lassen sich Systeme von Grund auf für das KI-Zeitalter entwerfen. Das führt zu einem strukturell anderen Ergebnis.

Aus Sicht von Stormbreaker ist dies ein wichtiger Teil der Exit-These für unsere Portfoliounternehmen. Wir bauen frühzeitig Beziehungen zu den wahrscheinlichen strategischen Käufern auf. Unser GP-Team arbeitet persönlich mit Entscheidungsträgern mehrerer dieser Organisationen zusammen und erhält dadurch Einblick in M&A-Roadmaps, den die meisten Frühphaseninvestoren nicht haben. Wenn Nokia Growth Partners oder Ericsson Ventures an einer Finanzierungsrunde teilnehmen, bestätigt das nicht nur das Kapital, sondern signalisiert auch, wohin sich das strategische Interesse bewegt.

Wie wichtig wird Edge-AI in den nächsten fünf Jahren, insbesondere in Branchen wie Fertigung, Logistik, Robotik und industrieller Automatisierung, in denen Latenz und Zuverlässigkeit entscheidend sind?

Es wird das definierende Infrastruktur-Thema der nächsten fünf Jahre in diesen Branchen sein, vollständig. Die Frage ist nicht, ob Edge-AI wichtig ist – es ist, ob die Unternehmen, die es bereitstellen, die zugrunde liegende Infrastruktur haben, um es zuverlässig zu unterstützen.

Die Fertigung ist wahrscheinlich am weitesten fortgeschritten auf dieser Kurve. Die Ökonomie von AI-getriebener Qualitätskontrolle, prädiktiver Wartung und autonomer Produktionslinien ist bereits überzeugend, und die großen Hersteller, die schnell vorankommen, tun dies, weil die ROI messbar und sofort einsetzbar ist. Die Einschränkung liegt nicht in den AI-Modellen – es ist die Netz- und Rechen-Infrastruktur, die Echtzeit-Inferenz auf der Fabrikfläche ermöglicht.

Logistik und vernetzte Mobilität stehen etwas früher auf dieser Kurve, werden sich aber schnell entwickeln. Die Stückkosten autonomer Fracht, intelligenter Hafenbetriebe und KI-gestützter Lieferketten sind enorm. Für Investoren ist entscheidend, dass Edge-KI keine einzelne Infrastrukturkategorie ist, sondern ein Stack: Rechenleistung, Konnektivität, Energiemanagement und Software-Orchestrierung müssen am Rand zusammenarbeiten. Dauerhaft werden vor allem Unternehmen sein, die integrierte Lösungen über diesen Stack hinweg statt einzelner Punktlösungen bauen.

Industrielle Modernisierung und Rückverlagerung sind zu wichtigen politischen Prioritäten in den USA und Kanada geworden. Wie viel des aktuellen AI-Infrastruktur-Booms wird durch Geopolitik und nationale Sicherheits-Bedenken angetrieben und nicht rein durch kommerzielle Nachfrage?

Mehr, als die meisten Investoren in diesem Bereich öffentlich zugeben. Ich werde direkt darüber sprechen: Die nationale Sicherheits-Überlagerung ist ein reales und strukturelles Tailwind für die Infrastruktur-Ebene, nicht nur ein Gesprächsthema.

Die US-Regierung ist zu dem Schluss gekommen – und ich denke, korrekt – dass die Führung bei künstlicher Intelligenz nicht nur eine wirtschaftliche Frage ist. Es ist eine Souveränitäts-Frage. Wer kontrolliert die physische Infrastruktur, auf der künstliche Intelligenz läuft, wer produziert die Halbleiter, wer baut die privaten Netze innerhalb kritischer industrieller Einrichtungen – diese sind nationale Sicherheits-Entscheidungen ebenso wie kommerzielle. Der CHIPS-Act, Exekutiv-Maßnahmen zum Schutz kritischer Infrastruktur, die Investitions-Haltung des Verteidigungs-Ministeriums gegenüber Edge-AI und souveräner Rechenleistung – all dies sind keine vorübergehenden politischen Phänomene. Sie spiegeln einen dauerhaften bipartisanen Konsens über die strategische Bedeutung der inländischen Infrastruktur-Kapazität wider.

Für Stormbreaker entsteht dadurch eine besonders attraktive Unternehmenskategorie: Infrastrukturunternehmen, bei denen nationale Sicherheitsinteressen und kommerzielle Anwendungsfälle zusammenlaufen. Bundesbehörden, Verteidigungsunternehmen und Betreiber kritischer Infrastruktur verfügen oft über Budgetsicherheit und strategische Geduld, die rein kommerzielle Kunden nicht haben. Genau diese Kombination aus dauerhafter Nachfrage und geschäftskritischer Anwendung suchen wir bei einem jungen Infrastrukturunternehmen.

Ihr Betreiber-Netzwerk umfasst ehemalige Führungskräfte von Unternehmen wie AT&T Mobility, Bell Canada und Qualcomm. Welche operativen Erkenntnisse bringen erfahrene Telekommunikations-Führungskräfte, die traditionelle Silicon-Valley-Investoren oft übersehen?

Die ehrliche Antwort ist: Eine tiefe Wertschätzung für das, was es tatsächlich braucht, um im großen Maßstab in physischen Infrastruktur-Umgebungen zu bereitstellen und zu betreiben.

Die Investitions-Kultur von Silicon Valley wurde historisch für Software optimiert – hohe Margen, schnelle Iterations-Zyklen, relativ geringe Kapital-Intensität und Kunden-Akquise-Dynamiken, die sauber modelliert werden können. Infrastruktur funktioniert nicht so. Netz-Bereitstellungen haben Verkaufs-Zyklen von mehreren Jahren mit Unternehmens- und Carrier-Kunden. Die Integration in bestehende OT-Umgebungen ist komplex und langsam. Regulatorische Berührungspunkte sind real und können die Markteinführungs-Zeitpläne wesentlich beeinflussen. Die Betreiber-Beziehung – Carrier-Akzeptanz, Netz-Integration, Spektrum-Zugang – ist keine Formalität; es ist ein strategisches Vermögen, das Jahre braucht, um aufzubauen.

Mit Wade Oosterman, der Clearnet aufbaute und anschließend bei Bell Canada 50 Milliarden Dollar Marktkapitalisierung schuf, sowie Glenn Lurie, dem früheren Leiter von AT&T Mobility, können wir Gründer und Unternehmen nach einem Maßstab beurteilen, zu dem die meisten Frühphaseninvestoren keinen Zugang haben. Wenn ein Gründer seinen Markteintritt bei einem großen Carrier vorstellt, können wir nicht nur nach Produkt-Markt-Passung fragen, sondern auch danach, ob die kommerzielle Struktur angesichts realer Beschaffungsprozesse tragfähig ist. Unsere Portfoliounternehmen erhalten dadurch neben Kapital auch Kontakte zu Entscheidungsträgern, Hilfe bei langen Vertriebszyklen und Glaubwürdigkeit in wichtigen Gesprächen.

KI-Infrastruktur wird immer energie- und kapitalintensiver und stärker von Lieferketten abhängig. Was unterscheidet Start-ups, die in diesem Umfeld bestehen können, von solchen, die trotz starker Technologie scheitern könnten?

Überleben werden die Unternehmen, die ihre Kapitalintensität zu einem Vorteil machen, statt sie als Belastung für das Geschäft zu behandeln.

Markteinführungsarchitektur. Kapitalintensive Infrastrukturunternehmen, die ausschließlich auf direkten Unternehmensvertrieb setzen, skalieren langsam und bleiben anfällig. Wer Vertrieb über Carrier-Partner, Systemintegratoren oder staatliche Beschaffungskanäle entwickelt, kann schneller ausrollen und wiederkehrende Umsätze schaffen, die den Kapitalbedarf tragen. Das Geschäftsmodell muss für dieses Umfeld gebaut sein.

Kundenprofil und Vertragsstruktur. Wer energieintensive Edge-Rechen- oder Netzwerkinfrastruktur baut, braucht Kunden, deren Kaufverhalten zum eigenen Kapitalzyklus passt. Langfristige Verträge, Ankerprojekte und strategische Partner, die sich an der Infrastruktur beteiligen, sind keine Extras, sondern Überlebensvoraussetzungen.

Operative Tiefe im Team, nicht nur technische Kompetenz. Technisch brillante Infrastruktur-Start-ups scheitern, wenn sie komplexe Lieferketten nicht steuern, keine geeigneten Lieferantenbeziehungen aushandeln oder große Bereitstellungen nicht ohne Kapitalverbrennung umsetzen können. Gründer, die bereits physische Infrastruktur in großem Maßstab ausgerollt haben, besitzen einen enormen Vorteil gegenüber Erstgründern mit ausschließlich starken technischen Qualifikationen.

Wie sieht die Infrastruktur-Schicht, die die Wirtschaft von künstlicher Intelligenz antreibt, in fünf bis zehn Jahren aus? Stellen Sie sich eine Zukunft vor, die von zentralisierten Hyperscalern dominiert wird, oder etwas, das verteilter ist, mit Edge-Netzwerken, souveräner Rechenleistung und industrieller künstlicher Intelligenz?

Verteilt – aber nicht gleichmäßig verteilt und nicht ohne die Hyperscaler eine Rolle zu spielen. Das ehrliche Bild ist eine gestufte Architektur, die komplexer und interessanter ist als die “Hyperscaler gewinnen alles”-Erzählung oder die “Edge ersetzt Cloud”-Gegen-Erzählung.

Die Hyperscaler werden die Schulung und die großen Inferenz-Workloads weiterhin besitzen. Das ist ein Kapital-Spiel, das der Konsolidierung zugunsten der Hyperscaler nützt. Die Inferenz am Handlungs-Ort – auf der Fabrikfläche, innerhalb des autonomen Fahrzeugs, am Fuß des Funkturms, innerhalb des souveränen Regierungs-Rechenzentrums – wird jedoch weitgehend verteilt sein. Die Physik der Latenz, die Ökonomie der Bandbreite und die Politik der Daten-Souveränität drängen alle in die gleiche Richtung: Intelligenz muss näher an dem Ort leben, an dem sie handelt.

Was ich am zehn-Jahres-Bild am meisten faszinierend finde, ist das Auftauchen einer neuen Infrastruktur-Kategorie, die in der vorherigen Generation der Rechen-Technologie keine saubere Analogie hat: souveräne und industrielle Rechen-Netzwerke, die privat, zweckgebunden und tief in die physische operative Umgebung integriert sind, die sie bedienen. Diese sind Netzwerke, die eine Hafenbehörde, ein Verteidigungs-Unternehmen, ein großer Hersteller oder eine nationale Regierung baut und kontrolliert – nicht, weil die Hyperscaler-Option nicht existiert, sondern weil die Daten-Sensibilität, die Latenz-Anforderungen und die strategische Bedeutung der Workloads eine solche Infrastruktur erfordern. Das ist die Infrastruktur-Ebene, auf die wir bei Stormbreaker hinarbeiten. Die Unternehmen, die als grundlegend für diese verteilte, souveräne, AI-nativen Infrastruktur-Schicht entstehen, werden zu den folgenreichsten Infrastruktur-Unternehmen gehören, die in diesem Jahrzehnt aufgebaut werden – und die meisten von ihnen sind noch nicht gegründet worden.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Stormbreaker Ventures besuchen.