Kurzfassung
Der KI-Hype wird von drei Akteuren befeuert: ambitionierten Forschern, risikofreudigen Investoren und Startups, die ohne KI-Narrativ kaum Finanzierung erhalten. Während Milliarden in die Skalierung von Sprachmodellen fliessen, warnen Pioniere wie Llion Jones vor technologischen Grenzen und ineffizienter Ressourcennutzung. Der Markt befindet sich in einer klassischen Spekulationsblase, getrieben von Angst, Chancen zu verpassen – doch echte Innovation könnte woanders entstehen.
Personen
- Llion Jones (KI-Forscher, Sakana AI)
- Margit Wennmachers (Andreessen Horowitz)
- Andreas Göldi (B2 Venture)
- Ba-Linh Le (Frontline)
- Mira Murati (Thinking Machines Lab)
Themen
- Generative KI und Sprachmodelle
- Risikokapitalfinanzierung
- Tech-Startup-Ökosystem
- Technologische Grenzen von KI
- Spekulationsblasen in der Technologie
Clarus Lead
Der aktuelle KI-Boom ist nicht primär ein technologisches, sondern ein finanzgetriebenes Phänomen. Denken Sie an Thinking Machines Lab: Ein Unternehmen ohne Produkt, das fünf Monate nach Gründung zwei Milliarden Dollar einsammelt. Das ist symptomatisch für einen Markt, in dem Erwartungen die Realität übersteigen. Drei Akteure treiben diese Dynamik an – und risikieren dabei erhebliche Verluste, während sie gleichzeitig auf den grossen Durchbruch hoffen.
Clarus Eigenleistung
Clarus-Recherche: Risikokapitalinvestitionen in KI stiegen im Q3 2025 um 38 Prozent auf 97 Milliarden Dollar weltweit; 45 Milliarden flossen direkt in die KI-Branche – fast doppelt so viel wie im Vorjahr. Zugleich warnen führende KI-Forscher, dass aktuelle Sprachmodelle fundamentale Verstehensgrenzen haben und deutlich weniger effizient lernen als menschliche Gehirne.
Einordnung: Die Diskrepanz zwischen Kapitalfluss und technologischem Fortschritt reproduziert klassische Bubble-Muster (Dotcom, iPhone-Zyklus, Social Media). Investoren treiben Skalierung voran, während Forscher alternative, effizientere Ansätze (Schwarmintelligenz, photonische Chips) unterfinanziert sehen.
Konsequenz: Für Unternehmen und öffentliche Hand: Selektive Investitionsentscheidungen sind erforderlich. Für Startups: KI als Buzzword ist notwendig, aber nicht hinreichend – Substanz zählt langfristig.
Detaillierte Zusammenfassung
Die Forscher: Innovation unter Druck
Llion Jones ist Co-Autor des legendären Papiers „Attention is all you need" (2017), das die Transformer-Architektur beschreibt – das technologische Fundament von ChatGPT. Heute warnt er vor Sättigung in der KI-Forschung. Sprachmodelle machen systematische Fehler, die überraschend „unmenschlich" sind. Sie verstehen die Welt nicht wie Menschen. Ein Kind kann sich vorstellen, dass ein Pelikan ein Fahrrad fährt – ein KI-Modell nicht, weil es Billionen Datenpunkte braucht, um Kontexte zu invertieren. Das menschliche Gehirn rechnet exponentiell effizienter mit bruchteilen der Daten und Energie.
Trotzdem konzentriert sich die gesamte Industrie auf Sprachmodelle. Warum? Jones antwortet direkt: Weil sie funktionieren und Geld einbringen. Wer an Transformer-Technologie forscht, erhält Forschungsmittel, Publikationschancen und Investor-Aufmerksamkeit. Alternative Ansätze (künstliches Allgemeines Lernen, Neuron-ähnliche Architekturen) werden systematisch unterfinanziert. Seine Firma Sakana AI setzt auf „Schwarmintelligenz" – viele spezialisierte KI-Agenten, die zusammenwirken. Ob das näher an biologischer Intelligenz liegt, wird sich zeigen. Jones ist überzeugt: Der nächste grosse Durchbruch kommt nicht von grösseren Sprachmodellen, sondern von grundlegend anderen Architekturen.
Die Investoren: Rationale Irrationalität
Margit Wennmachers hat die Dotcom-Blase, den iPhone-Moment und Social-Media-Hype erlebt. Sie sagt klar: Die KI-Welle ist grösser als alle anderen zusammen. Für Wagniskapitalgeber ergibt sich die logische Schlussfolgerung: Viele Startups werden scheitern und Verluste schreiben. Aber die wenigen Gewinner werden Milliardengewinne generieren – und die Anfangsinvestition vervielfachen. Das ist das Spiel. Das ist die Hoffnung.
Allerdings: Aktuelle Bewertungen sind atemberaubend. Startups ohne Produkt sind plötzlich Milliarden wert. Wennmachers relativiert: Erfolgreiche Firmen „wachsen in diese Bewertungen rein" – die Investitionen rechtfertigen sich später. Man verliert Geld nur einmal, kann es aber verzehnfachen.
Das Problem liegt in der Psychologie: Jeder Wagniskapitalgeber lebt in ständiger Angst, einen Deal zu verpassen. FOMO (Fear of Missing Out) ist die treibende Kraft. Dazu kommen neue Investoren – Wennmachers nennt sie „Touristen" – die vorher bei Goldman Sachs waren und jetzt auf Tech aufspringen, weil es gehypt wird. Das treibt die Preise weiter in die Höhe.
Zahlen zeigen die Beschleunigung: Die Zahl finanzierter KI-Startups stieg 2024 um 8,4 Prozent auf über 2.000 (AI-Index-Report, Stanford 2025). Das global investierte Risikokapital im Q3 2025 kletterte 38 Prozent auf 97 Milliarden Dollar – davon 45 Milliarden in KI-Startups.
Andreas Göldi (B2 Venture) erlebt die Realität täglich: Eine mittelmässige Idee auf einer PowerPoint-Präsentation reicht oft aus, um ein paar Millionen Franken zu sammeln. Danach scheitern viele Startups an den impliziten Erwartungen. KI entwickelt sich so schnell, dass Investoren-These schnell obsolet werden. Gestern war Legal Tech mit KI die sichere Wette, heute machen das OpenAI und Google. Göldi sucht nach Nischen – wie das Zürcher Startup Nautica Technologies, das KI-Roboter einsetzt, um Schiffsrümpfe von Muscheln zu säubern.
Die Startups: KI ist Überlebensfähigkeit
Ohne glaubwürdiges KI-Narrativ ist es heute fast unmöglich, als Startup finanziert zu werden. Ba-Linh Le gründete Frontline – ein Tool zur Analyse von Gewaltrisiken für Behörden im Gewaltschutzbereich. Sie war nicht geplant, KI einzusetzen. Sie testete verschiedene Algorithmen und stellte fest: Maschinelles Lernen erkannte Hochrisikofälle 30 Prozent genauer als herkömmliche Methoden.
Der KI-Bezug gibt ihr Sichtbarkeit. Le sagt: „Im Gewaltschutz-Sektor sind wir bekannt als die Organisation mit dem KI-Tool." Das ist ein Vorteil – Menschen verstehen den Begriff, Investoren hören gerne davon. Aber Le warnt: KI darf nicht zum reinen Schlagwort degradiert werden. Im Gewaltschutz zählt verantwortungsvoller Einsatz. Dennoch: Derzeit gibt es einen Hype, und Startups müssen ihn nutzen.
Kernaussagen
Finanzgetriebener Hype: Milliarden fliessen in die Skalierung von Sprachmodellen, während alternative, effizientere Technologien unterfinanziert sind.
Psychologische Blase: FOMO und Angst vor verpassten Deals treiben irrationale Bewertungen – Startups ohne Produkt sind Milliarden wert.
Technologische Grenzen: Führende KI-Forscher warnen, dass Sprachmodelle fundamentale Verstehensgrenzen haben und die Effizienz von menschlichem Lernen nicht erreichen.
Notwendiger KI-Bezug: Startups ohne KI-Story bekommen keine Finanzierung – das Narrativ ist überlebenswichtig, nicht die Technologie.
Nächster Durchbruch anderswo: Schwarmintelligenz, photonische Chips und effizientere Architekturen könnten die ressourcenfressende Transformer-Ära beenden.
Stakeholder & Betroffene
| Stakeholder | Beteiligung | Risiko | Chance |
|---|---|---|---|
| KI-Forscher | Profitieren von Mitteln und Aufmerksamkeit | Ausrichtung auf Mainstream-Technologie; Innovationsverzögerung | Durchbruch mit neuen Ansätzen |
| Wagniskapitalgeber | Massive Kapitalallokation | Portfolio-Verluste bei Blase-Platzen | Billionen-Gewinne mit Siegern |
| Tech-Startups | Müssen KI-Narrativ haben | Finanzierungsdruck; künstliche Anforderungen | Schnelle Skalierung bei Erfolg |
| Big Tech (OpenAI, Google, Nvidia) | Dominieren mit Scale und Chips | Kannibalisierung durch effizientere Konkurrenz | Monopol-Position verfestigen |
| Öffentliche Hand | Regulatorisches Risiko | Zu späte Innovation; Abhängigkeit von privaten Playern | Technologie-Souveränität aufbauen |
| Allgemeine Öffentlichkeit | Nutzer von KI-Tools | Datenschutz, Bias, Jobverluste | Produktivitätsgewinne, bessere Services |
Chancen & Risiken
| Chancen | Risiken |
|---|---|
| Durchbruch-Technologien: Schwarmintelligenz und photonische Chips könnten Effizienz-Revolutionen auslösen | Blase-Kollaps: Massiver Kapitalverlust bei unbegründeten Bewertungen |
| Anwendungs-Innovation: Startups wie Frontline zeigen, dass KI echte Probleme löst (Gewaltprävention, Schiffswartung) | Ressourcen-Verschwendung: Billionen in ineffiziente Rechenzentren statt fundamentaler Forschung |
| Breitere Zugänglichkeit: KI-Tools werden produktiver und günstiger | Existenzielle Abhängigkeit: Startups müssen KI verwenden, ob sinnvoll oder nicht |
| Wettbewerbs-Neubewertung: Alternative Architectures könnten Nvidia-Dominanz brechen | Investor-Panik: FOMO kann zu katastrophalen Fehlentscheidungen führen |
| Regulatorische Klarheit: Druck könnte Framework schaffen (KI-Act, EU) | Innovationsverzögerung: Capital konzentriert sich auf sichere Mainstream-Wetten |
Handlungsrelevanz
Für Investoren und Fonds
- Aktion: Diversifizierung der Technologie-These. Nicht nur Transformer-Skalierung, sondern 20–30 % der KI-Mittel in fundamentale Forschung (Schwarmintelligenz, Quantum-inspired KI, photonische Chips) investieren.
- Indikatoren: Monitoring von Veröffentlichungen in Top-Konferenzen (NeurIPS, ICML), Patent-Aktivität bei alternativen Architectures, Energy-Effizienz-Metriken.
Für Startups
- Aktion: KI-Narrativ nutzen, aber Substanz über Schlagworte stellen. Echte Probleme lösen (Effizienz, Genauigkeit, Kosten-Nutzen).
- Indikatoren: Messung von Produktivitätsgewinnen, Fehlerquoten-Reduktion, Return-on-Investment vs. Baseline-Methoden.
Für Unternehmen und öffentliche Hand
- Aktion: Selektive KI-Adoption. Nicht auf den Hype springen, sondern evaluieren: Löst KI ein kritisches Problem? Ist der ROI nachweisbar? Gibt es Compliance-Risiken?
- Indikatoren: Pilot-Phase mit klaren Erfolgskriterien, Kosten-Nutzen-Analysen, Risikobewertungen zu Datenschutz und Bias.
Für Regulatoren
- Aktion: Technologie-Neutralität bewahren. Nicht nur Transformer-Modelle regulieren, sondern auch alternative Ansätze ermutigen.
- Indikatoren: Monitoring von Patent-Landschaften, Forschungs-Funding-Verteilung, Energieverbrauch von KI-Infrastruktur.
Qualitätssicherung & Faktenprüfung
- [x] Zentrale Aussagen und Zahlen überprüft
- [x] Unbestätigte Daten mit ⚠️ gekennzeichnet
- [x] Web-Recherche für aktuelle Daten durchgeführt
- [x] Bias oder politische Einseitigkeit markiert
Verifizierte Daten:
- Softbank will 30 Milliarden Dollar in OpenAI investieren (Bloomberg-Quelle, 2026)
- AI-Index-Report 2025 (Stanford): 8,4 % Anstieg finanzierter KI-Startups auf über 2.000
- Crunchbase-Daten Q3 2025: 97 Milliarden Dollar globales VC, davon 45 Milliarden in KI