Wird OpenAI am Ende profitabel sein?

Kürzlich haben sowohl OpenAI als auch Anthropic ihre IPO-Pläne gestartet. Die jüngsten Marktbewertungen dieser beiden Anbieter von großen KI-Modellen nähern sich jeweils einer Billion US-Dollar, was die große Optimismus der Investoren hinsichtlich ihrer zukünftigen Gewinnerwartungen widerspiegelt. Angesichts der breiten Anwendungsperspektiven großer KI-Modelle und des enormen Umsatzwachstumspotenzials der Anbieter ist die optimistische Haltung der Investoren durchaus verständlich.

Dennoch führt Umsatzwachstum nicht zwangsläufig zu Gewinnwachstum und garantiert nicht einmal, dass ein Unternehmen profitabel wird. Bislang hat noch kein einziger Anbieter im Geschäft mit großen Modellen eigenständig Gewinne erzielt. Theoretisch hängt die Fähigkeit eines Anbieters, nachhaltig profitabel zu sein, davon ab, ob er über hohe Wettbewerbsbarrieren und eine stabile Preissetzungsmacht verfügt – was wiederum von der Marktstruktur und dem Wettbewerbsumfeld der Branche abhängt.

Studien zeigen, dass der aktuelle Markt für API-Aufrufe großer Modelle durch monopolistische Konkurrenz gekennzeichnet ist, mit einer großen Anzahl von Anbietern und einer sehr niedrigen Marktkonzentration. Obwohl die Marktnachfrage exponentiell wächst, expandiert die Angebotsseite großer Modelle aufgrund niedriger Eintrittsbarrieren ebenfalls schnell. Dies führt dazu, dass die Anbieter nicht mit der Expansion der Marktnachfrage profitabel werden, sondern sich einem zunehmend intensiven Wettbewerb gegenübersehen. In diesem Umfeld können einige Anbieter durch technische Vorteile oder Szenarioanpassung Produktdifferenzierung erreichen und so kurzfristige Übergewinne erzielen. Aufgrund begrenzter technischer Barrieren, hoher Preiselastizität der Nachfrage und geringer Nutzerbindung sind diese Übergewinne jedoch selbst dann nur schwer aufrechtzuerhalten.

Auf lange Sicht werden Anbieter mit dauerhaften Verlusten gezwungen sein, den Markt zu verlassen, was den Markt für große Modell-APIs von monopolistischer Konkurrenz zu oligopolistischem Wettbewerb entwickelt. Dennoch ist die Rentabilität der Anbieter im oligopolistischen Umfeld nach wie vor ungewiss und hängt davon ab, ob die Anbieter Preiswettbewerb oder Mengenwettbewerb betreiben. Ohne Koordinierung der Wettbewerbsstrategien oder Aufbau wirksamer Differenzierungsbarrieren können oligopolistische Anbieter nicht unbedingt nachhaltige Gewinne erzielen, und die enormen F&E-Investitionen der Vorphase lassen sich möglicherweise nicht zurückerhalten.

Zusammengefasst: Obwohl der technische Wert und das Nachfragewachstum großer Modelle unbestritten sind, sind Anbieter, die lediglich „Tokens verkaufen“, nicht unbedingt profitabel. Daher müssen Investoren die Bewertungen von Anbietern wie OpenAI rational prüfen, während die Anbieter ihr Geschäftsmodell und Nischenmärkte sorgfältig auswählen sollten. Unabhängig vom gewählten Geschäftsmodell können Anbieter, die in Bereichen wie Modellfähigkeiten, Branchenanpassung, Unternehmensworkflows oder Anwendungsökosystemen differenzierte Barrieren aufbauen, die Preisempfindlichkeit der Nutzer senken, Preissetzungsmacht in Nischenmärkten erlangen und nachhaltige Gewinne erzielen. Da das „KI+“-Modell KI-Funktionen in bestehende Produkte oder Dienstleistungen einbettet, um deren Wert für Nutzer zu steigern und bestehende Differenzierungsbarrieren sowie Kundenbindung zu stärken, stellt es möglicherweise ein Geschäftsmodell mit nachhaltiger Rentabilität dar.

Haupttext

Kürzlich haben sowohl OpenAI als auch Anthropic ihre IPO-Pläne gestartet. Die jüngsten Marktbewertungen dieser beiden Anbieter von großen KI-Modellen nähern sich jeweils einer Billion US-Dollar, und ihre Umsatzmultiplikatoren (P/S Ratio) erreichen 34 bzw. 21, was die große Optimismus der Investoren hinsichtlich ihrer zukünftigen Gewinnerwartungen widerspiegelt. Angesichts der breiten Anwendungsperspektiven großer KI-Modelle und des enormen Umsatzwachstumspotenzials der Anbieter ist die optimistische Haltung der Investoren durchaus verständlich.

Dennoch ist allgemein bekannt, dass hohes Umsatzwachstum nicht zwangsläufig zu hohem Gewinnwachstum führt und nicht einmal garantiert, dass ein Unternehmen profitabel wird. Bislang hat noch kein einziger Anbieter im Geschäft mit großen Modellen eigenständige Gewinne (Nettogewinne) erzielt. Beispielsweise ist das annualisierte Umsatzvolumen von OpenAI von 2 Milliarden US-Dollar im Jahr 2023 auf über 20 Milliarden US-Dollar im Jahr 2025 gestiegen – eine Verzehnfachung innerhalb von drei Jahren – doch das Unternehmen ist nach wie vor nicht profitabel 1. Medienberichten zufolge gehen interne Dokumente von OpenAI davon aus, dass das Unternehmen im Jahr 2026 noch 14 Milliarden US-Dollar Verlust machen wird 2. Bei Anthropic wächst der Umsatz zwar in letzter Zeit exponentiell, und es wird erwartet, dass das Unternehmen im zweiten Quartal dieses Jahres einen operativen Gewinn von 560 Millionen US-Dollar erzielt 3. Berücksichtigt man jedoch die hohen Kosten für Aktienoptionsprogramme, könnte der Nettogewinn nach wie vor negativ sein. Angesichts des Drucks zur schnellen Iteration großer Modelle werden die zukünftigen Kosten für Modelltraining und verschiedene F&E-Ausgaben weiterhin hoch bleiben, sodass die Nachhaltigkeit des operativen Gewinns noch abzuwarten ist. Dies bedeutet, dass selbst bei den führenden Modellanbietern schnelles Umsatzwachstum keine Profitabilität garantiert.

Gemäß der mikroökonomischen Theorie hängt die Fähigkeit eines Anbieters, nachhaltig profitabel zu sein, nicht von der Größe der Nachfrage im Markt, an dem er teilnimmt, ab, sondern von der Marktstruktur und dem Wettbewerbsumfeld. In einem vollkommenen Wettbewerbsmarkt können Anbieter unabhängig von der Größe der Marktnachfrage im Gleichgewichtszustand nur Nullgewinn (hier wirtschaftlicher Gewinn, nicht buchhalterischer Gewinn) oder „Normalgewinn“ erzielen und keine Übergewinne erwirtschaften. Umgekehrt können Anbieter in einem Monopolmarkt selbst bei begrenzter Marktnachfrage Übergewinne erzielen. Um die langfristigen Gewinnerwartungen von Anbietern großer Modelle zu beurteilen, muss daher zunächst die Marktstruktur und das Wettbewerbsumfeld des Marktes für große Modelle analysiert werden. Diese Analyse hilft nicht nur Investoren zu beurteilen, ob die Kapitalmarktbewertungen der Anbieter angemessen sind, sondern auch den Anbietern, Geschäftsmodellen und Wettbewerbsstrategien mit langfristig nachhaltigen Gewinnerwartungen zu identifizieren und auszuwählen.

Hauptgeschäftsmodelle großer Modelle und Einführung in den Markt für API-Aufrufe

Derzeit erfolgt die Kommerzialisierung großer Modelle hauptsächlich über vier Modelle: Abonnementmodell (für Privatpersonen oder Unternehmen, monatliche oder jährliche Gebühren pro Sitzplatz), API-Aufrufmodell (für Entwickler und Unternehmen, Abrechnung nach Token-Nutzung), Vertragsmodell (für staatliche und unternehmerische Kunden, Bereitstellung von angepassten Anpassungen und Betriebsdiensten) sowie das „KI+“-Modell (Einbettung großer Modellfähigkeiten in bestehende Produkte oder Geschäftsprozesse). Diese vier Modelle unterscheiden sich in ihren Preismethoden und zielen auf unterschiedliche Kundengruppen ab (Abbildung 1), wodurch tatsächlich vier (oder mehr) verschiedene Nischenmärkte entstanden sind. Die Wahl verschiedener Geschäftsmodelle (einige Anbieter wählen mehrere Modelle) bedeutet auch, dass sie verschiedene Nischenmärkte ausgewählt haben.

Abbildung 1: Vier Geschäftsmodelle großer Modelle

Unter den vier genannten Geschäftsmodellen kann das API-Aufrufmodell kurz als Geschäftsmodell des „Token-Verkaufs“ bezeichnet werden. Da für das Abonnementmodell, das Vertragsmodell und das „KI+“-Modell nur begrenzte öffentliche Daten vorliegen und diese oft komplexe Produktportfolios, angepasste Lösungen oder Ökosystemstrategien umfassen, sind genaue Vergleiche und quantitative Analysen schwierig. Das API-Aufrufmodell hingegen zeichnet sich durch offene Daten, transparente Preise, einheitliche Messstandards und messbare Marktanteile aus und eignet sich daher hervorragend für mikroökonomische Analysen. Aus diesem Grund wählen wir dieses Modell, um die Nachfragecharakteristika, Marktstruktur und Wettbewerbsumfeld des Marktes für große Modell-APIs zu analysieren und daraus die Rentabilität der Anbieter zu beurteilen.

In der Frühphase der Anwendung großer Modelle gab es im API-Markt nur wenige Anbieter wie OpenAI und Anthropic. Die Schnittstellen der einzelnen Anbieter waren voneinander unabhängig, Nutzer mussten sich jeweils separat verbinden und monatlich oder nach Token-Nutzung bezahlen, was die Vergleichs- und Wechselkosten zwischen Modellen hoch machte. Mit der zunehmenden Anzahl von Marktteilnehmern entstand das Modell-Aggregations-Gateway (AI Gateway).

Konkret handelt es sich beim Modell-Aggregations-Gateway um eine Zwischenplattform zwischen Nutzern und Anbietern großer Modelle. Diese Plattformen gehören zu den typischen zweiseitigen Netzwerkplattformen (Two-Sided Market Platforms), deren Initiatoren und Betreiber Einrichtungen wie OpenRouter, Lite LLM Proxy und Cloudflare sind. Auf der einen Seite der Plattform werden mehrere Modellanbieter eingebunden, auf der anderen Seite Nutzer angebunden. Sie bietet Nutzern eine einheitliche Schnittstelle für Modell-API-Aufrufe und berechnet Gebühren nach der Menge der Token-Aufrufe. Nachdem Nutzer Anfragen an die Gateway-Plattform gesendet haben, leitet die Plattform die Anfragen gemäß benutzerdefinierten Regeln oder voreingestellten Strategien an das Zielmodell weiter. Nachdem das Modell das Ergebnis zurückgegeben hat, leitet das Gateway es einheitlich an die Nutzer weiter (Abbildung 2). Mit anderen Worten: Nutzer benötigen nur eine Schnittstelle, um mehrere Modelle aufzurufen, ohne sich separat mit verschiedenen Anbietern verbinden zu müssen. Dadurch sinken Such-, Vergleichs- und Wechselkosten erheblich.

Abbildung 2: Verteilungsprozess des Modell-Aggregations-Gateways (AI Gateway)

Daten des Modell-Aggregations-Gateways zufolge hat sich das Aufrufvolumen im Markt für große Modell-APIs im vergangenen Jahr explosionsartig entwickelt. Beispielsweise ist das wöchentliche API-Nutzungsvolumen auf der Plattform von OpenRouter in weniger als eineinhalb Jahren um mehr als das 23-fache gestiegen (Abbildung 3). Dies ist einerseits auf die Transparenz und Bequemlichkeit zurückzuführen, die die Aggregations-Gateways bieten, und andererseits auf den jüngsten Aufstieg von KI-Agenten. Vor dem Aufstieg der Agenten entsprach eine Interaktion zwischen Nutzer und großem KI-Modell normalerweise einem einzelnen API-Aufruf. Agenten hingegen wandeln durch Aufgabenzerlegung, mehrstufige Planung und Aufrufe externer Tools eine einzelne Nutzerabsicht in mehrere API-Anfragen um, was den Token-Verbrauch und die Nachfrage nach API-Aufrufen erheblich steigert.

Abbildung 3: Nutzungsvolumen großer Modell-APIs auf der Plattform von OpenRouter, Datenquelle: OpenRouter

Der Markt für große Modell-APIs weist Merkmale eines monopolistischen Wettbewerbs auf

Wie bereits erwähnt, führt Nachfragewachstum nicht zwangsläufig zu Gewinnwachstum und garantiert nicht einmal, dass ein Unternehmen profitabel wird. Die Rentabilität eines Unternehmens hängt von der Marktstruktur und dem Wettbewerbsumfeld des betreffenden Produkts ab.

Da die Entwicklung großer Modelle hohe Kosten und hohe Vorabinvestitionen erfordert, hohe technische und personelle Hürden aufweist und potenziell Skaleneffekte und Flywheel-Effekte birgt, sollte der Markt für große Modelle theoretisch sehr hohe Eintrittsbarrieren aufweisen und leicht zu einem Monopol (Monopoly) oder Oligopol (Duopol oder Oligopol) führen. In einem monopolistischen oder oligopolistischen Markt verfügen Anbieter über starke oder relativ starke Preissetzungsmacht und können daher Monopolgewinne erzielen.

Daten des Modell-Aggregations-Gateways OpenRouter zeigen jedoch, dass der Markt für große Modell-APIs zahlreiche Teilnehmer aufweist, der Preiswettbewerb intensiv ist und frühe Anbieter oder führende Modelle keine nachhaltigen technischen Vorteile oder Vorteile bei Marktanteilen haben. Offensichtlich sind die Eintrittsbarrieren in diesem Markt nicht so hoch wie angenommen, und die Anbieter verfügen nicht über starke Preissetzungsmacht. All dies entspricht nicht den Merkmalen eines Monopols oder Oligopols, sondern eher dem monopolistischen Wettbewerb (Monopolistic Competition).

Im Allgemeinen weist ein Markt mit monopolistischem Wettbewerb folgende Merkmale auf: (1) Es gibt eine relativ große Anzahl von Anbietern auf dem Markt. (2) Die Marktanteile der Anbieter sind relativ verteilt, und die Marktkonzentration ist niedrig. (3) Die Preiselastizität der Marktnachfrage ist hoch, sodass die Preissetzungsmacht der Anbieter eingeschränkt ist. Aufgrund gewisser Produktdifferenzierung verfügen die Anbieter jedoch in Nischenmärkten über begrenzte Preissetzungsmacht. (4) Der Markt weist gewisse Eintrittsbarrieren auf, die aber nicht unüberwindbar sind. Aus den Daten von OpenRouter geht hervor, dass der Markt für große Modell-APIs im Wesentlichen diese Merkmale erfüllt:

(1) Zahlreiche Anbieter. Nach unvollständigen Statistiken beteiligten sich bis Ende Mai 2026 weltweit über 500 Einrichtungen an der Entwicklung großer Modelle und veröffentlichten mehr als 3700 Modelle. Allein auf der Plattform von OpenRouter sind über 400 große Modelle von mehr als 70 Einrichtungen eingebunden. Offensichtlich entspricht dieser Markt nicht den Merkmalen eines Monopols oder Oligopols (wenige Anbieter).

(2) Marktanteile sind verteilt, die Konzentration ist niedrig, und die Rangfolge der führenden Modelle ändert sich häufig, sodass die Vorteile führender Modelle bei Marktanteilen nur schwer aufrechterhalten werden können. Daten von OpenRouter zeigen, dass zwischen März 2025 und Mai 2026 die längste Zeit, in der ein einzelnes Modell den „Meisterstatus“ (höchster Marktanteil) behielt, nur 12 Wochen betrug. Der höchste Marktanteil, den ein „Meister“ jemals erreichte (historischer Spitzenwert), lag bei nur 27 %. Der Herfindahl-Hirschman-Index (HHI), der die Marktkonzentration misst, zeigt einen stetigen Abwärtstrend (Abbildung 4). Nach Berechnung der Modellanteile liegt der HHI auf OpenRouter langfristig unter 0,1 und beträgt derzeit nur 0,03. Selbst nach Berechnung der Anbieterante