Unternehmen, die endlich KI einsetzen, stellen fest, dass ihre Geschäfte von Anbietern großer Sprachmodelle übernommen wurden

Am 1. Juli betrat Alex Karp, CEO von Palantir, das Studio von CNBC und warf fast unkontrolliert eine explosive Behauptung in den Raum.

Er erklärte, dass die KI-Branche „effing insane“ sei – völlig verrückt. Er sagte, die CEOs amerikanischer Unternehmen seien „livid“ – außer sich vor Wut – über OpenAI und Anthropic. Und er machte klar, dass Unternehmen gerade ein absurdes Spiel spielen: Sie zahlen wahnsinnig viel für Tokens und geben gleichzeitig ihre wichtigsten Betriebsdaten an Modelllieferanten weiter. Dabei ist der zurückerhaltene geschäftliche Wert kaum messbar.

Der Moderator fragte ihn, ob er damit nur die Verantwortung abwälze. Karp antwortete kurz: „Nein, ich stelle nur die Fakten dar.“

Die Aktie von Palantir stieg an diesem Tag um 9 %. Diese Zahl ist selbst eine Art Abstimmung – der Markt ist überzeugt, dass er das ausgesprochen hat, was viele Menschen denken, aber nie ausgesprochen haben.

Das ist nicht nur der emotionale Ausbruch einer einzelnen Person. Wenn der Leiter eines Unternehmens mit einem Marktwert von über 100 Milliarden Dollar in einer landesweiten Live-Sendung die gesamte Großmodell-Branche angreift – und der Markt dies mit echtem Geld positiv honoriert – bedeutet das, dass eine kollektive Stimmung einen kritischen Punkt erreicht hat.

In den letzten zwei Jahren sprachen alle davon, wie man Großmodelle anwenden kann. Jetzt taucht eine neue Frage auf – wird ein Unternehmen, das dem Großmodell zu nahe kommt, von ihm zerrissen?

01 Von der Euphorie zur Nüchternheit

Rückblickend auf Anfang 2024 lässt sich die Einstellung von Unternehmen zu Großmodellen in vier Wörtern zusammenfassen: „Einfach mal loslegen“.

Egal, ob der ROI stimmt, egal, wohin die Daten fließen – man durfte auf keinen Fall zurückbleiben. Die vorherrschende Erzählung damals lautete: „Die KI-Revolution ist da, wer sie nicht annimmt, wird überholt.“ CIOs und CTOs in allen Branchen standen unter enormem Druck und integrierten KI in jeden erdenklichen Geschäftsprozess. Das war eine typische Entscheidung, die von technologischer Angst getrieben wurde.

2025 wurde „breite Umsetzung“ zum Schlüsselwort. Unternehmen begannen ernsthaft, Großmodelle in ihre Kernprozesse einzubinden – nicht mehr nur mit Demos oder internen Hackathons. Von der Kundenbetreuung bis zur Code-Generierung, von der Marktanalyse bis zum Produktdesign drang KI in immer mehr Bereiche vor – und das in exponentiellem Tempo.

Doch seit 2026 findet eine subtile Stimmungsänderung statt.

Eine Umfrage von Salesforce zeigt, dass nur die Hälfte der IT-Leiter darauf vertraut, dass die Dateninfrastruktur ihres Unternehmens die erfolgreiche Umsetzung von KI unterstützen kann. Eine im Mai veröffentlichte Studie von NTT DATA spricht direkt von einer „Wand, gegen die man läuft“ – Unternehmens-KI stößt auf strukturelle Hindernisse, die durch Datenschutzanforderungen und Datenhoheit entstehen. Gartner prognostiziert, dass bis 2027 35 % aller Länder auf regionalisierte KI-Plattformen setzen werden – heute sind es nur 5 %.

Karp drückte diese Veränderung noch deutlicher aus. Er sagte, Unternehmen würden sich von dem gedankenlosen „Tokenmaxxing“ – dem wahllosen Verbrauch von Tokens – abwenden und nun ernsthaft nach dem Return on Investment fragen. „Die Kernaussage lautet: Verschwende keine Zeit mehr mit Tokens.“

Das ist keine Ablehnung von Großmodellen, sondern die gesamte Branche bewegt sich von der anfänglichen Euphorie zur Nüchternheit. Nach der Hype-Phase betrachten Unternehmen nun mit kühlem Blick eine grundlegende Frage: Rechnet sich die Bilanz zwischen dem, was sie hergeben, und dem, was sie dafür zurückerhalten?

02 Wenn Partner zu Konkurrenten werden

Karps Kritik bezieht sich noch auf das Geschäftsmodell. Was wirklich beunruhigend ist, ist eine noch direktere Bedrohung – Ihr KI-Dienstleister nutzt möglicherweise genau die von Ihnen gelieferten Daten und das Verständnis für Ihre Anwendungsfälle, um Produkte zu entwickeln, die Sie ersetzen.

Was im April 2026 geschah, verwandelte diese Sorge von einer Theorie in eine Realität.

Im Februar dieses Jahres arbeiteten Figma und Anthropic noch gemeinsam an einer Funktion namens „Code to Canvas“, um von Claude generierten Code nahtlos in den Designprozess von Figma zu integrieren. Die beiden Unternehmen schienen enge Partner zu sein.

Am 14. April trat Mike Krieger, Chief Product Officer von Anthropic, stillschweigend aus dem Aufsichtsrat von Figma aus.

Drei Tage später veröffentlichte Anthropic Claude Design – ein KI-Designtool, das mit natürlicher Sprache direkt Interaktionsprototypen, Präsentationen und Marketingmaterialien erstellen kann und genau das Kerngeschäft von Figma abdeckt.

Die Aktie von Figma fiel an diesem Tag um fast 8 %.

Ein Detail in einem späteren Bericht von Fast Company ist besonders aufschlussreich: Figma, Adobe, Canva und andere Unternehmen hatten jahrelange Partnerschaften mit Anthropic – aber niemand wurde vor der Veröffentlichung von Claude Design informiert. Alle erkannten überrascht, dass ihr KI-Partner direkt vor ihren Augen zu einem Konkurrenten geworden war.

Diese Geschichte ist so bedenkenswert, weil sie in der Ära der Großmodelle ein strukturelles Problem offenlegt, das gefährlicher ist als je zuvor: Wenn Sie eng mit einem KI-Unternehmen zusammenarbeiten, geben Sie nicht nur Ihren Marktzugang preis, sondern auch Ihr tiefes Verständnis für Ihre Kernanwendungsfälle und Ihre Nutzerdaten.

Anthropic konnte Claude Design vor allem deshalb entwickeln, weil es durch die Zusammenarbeit mit Designtool-Unternehmen die Arbeitsabläufe und Probleme von Designern genau verstanden hat.

Aber wenn man weiter zurückblickt, ist das kein neues Muster in der Technologiegeschichte.

Amazon baute aus seiner E-Commerce-Plattform heraus eigene Marken, nutzte Plattformdaten, um die profitabelsten Kategorien zu identifizieren – und führte eigene Produkte ein, um Drittverkäufer zu verdrängen. Microsoft erweiterte sein Betriebssystem um Browser, Office-Software und Kommunikationstools: Netscape wurde verdrängt, Slack musste sich verkaufen. Google erweiterte seine Suchmaschine, um Nutzerfragen direkt auf der Ergebnisseite zu beantworten – und machte Yelp und viele vertikale Informationsanbieter irrelevant.

Das unumstößliche Gesetz der Technologiebranche hat sich nie geändert: Sobald eine Plattform genug Daten und Nutzerverständnis hat, dringt sie in die vorgelagerten Bereiche vor.

In der Ära der Großmodelle ist dieses Gesetz noch aggressiver. Während traditionelle Plattformen Zeit brauchten, um Verständnis aufzubauen, sind Großmodelle von Natur aus ein „Beschleuniger des Verstehens“. Jeder Ihrer API-Aufrufe und jede Eingabe Ihrer Geschäftsdaten hilft dem Modelllieferanten, Ihr Gebiet schneller und tiefer zu verstehen.

03 Die Roche-Grenze im KI-Zeitalter

In der Astronomie gibt es ein Konzept namens „Roche-Grenze“: Wenn ein Himmelskörper einem massereichen Stern zu nahe kommt, übersteigen die Gezeitenkräfte seine eigene Gravitation – und der Himmelskörper wird zerrissen.

Diese Metapher beschreibt die Beziehung zwischen Unternehmen und Großmodellen heute so genau, dass es beunruhigend ist.

Das Großmodell ist der massereiche Stern. Jedes Unternehmen möchte von seiner Gravitation profitieren, um Effizienz zu steigern, Kosten zu senken und Innovationen voranzutreiben. Aber das Problem ist: Wenn Sie ihm zu nahe kommen, beginnen Ihre „Massen“ abgetragen zu werden. Ihre Daten, Ihr Know-how und Ihr Verständnis für Nutzerbedürfnisse fließen im Laufe der Zusammenarbeit in Richtung Gravitationszentrum.

Wo liegt die Grenze, an der ein Unternehmen „mit der KI tanzen“ kann, ohne letztendlich von ihr verschlungen zu werden?

Diese Frage wird in den USA bereits offen diskutiert. Aber wenn Sie denken, sie sei für chinesische Unternehmen noch weit entfernt, irren Sie sich möglicherweise.

Die Unternehmen in den USA und China unterscheiden sich im Tempo der KI-Anwendung: Amerikanische Unternehmen sind in die Phase groß angelegter, tief in Geschäftsprozesse integrierter KI-Einsätze eingetreten, während chinesische Unternehmen insgesamt noch von Pilotprojekten zur Skalierung übergehen. Eine Umfrage, die Lenovo gemeinsam mit IDC im März dieses Jahres veröffentlicht hat, zeigt, dass 72 % der chinesischen Unternehmen KI-Piloten abgeschlossen und in den regulären Betrieb überführt haben – durchschnittlich in 3,5 Anwendungsfällen. Doch die Herausforderung hat sich von „fehlender Rechenleistung und fehlenden Daten“ hin zu „unerwarteten Anwendungsergebnissen“ und „unklarem ROI“ verschoben.

Mit anderen Worten: Chinesische Unternehmen treten in eine ähnliche „nüchterne Phase“ der KI ein wie amerikanische Unternehmen.

Bei jüngsten Gesprächen mit Gründern und Unternehmen mit traditionellen Geschäftsmodellen entdeckte Geeker Park ein interessantes Phänomen: Die Überlegungen zu diesen Fragen stammen oft nicht aus dem direkten Gefühl, dass „Modellunternehmen mir mein Geschäft wegnehmen“. Sondern nachdem sie KI wirklich in ihre Prozesse integriert haben, beginnen sie ganz natürlich, neu zu definieren: Was ist eigentlich mein Kernwert im KI-Zeitalter?

Diese Neudefinition läuft letztendlich auf zwei entscheidende Fähigkeiten hinaus.

04 Wer kontrolliert die „Grundlage der KI“?

Die erste und praktischste Fähigkeit stimmt genau mit dem überein, was Karp sagt: Auf wessen Grundlage laufen eigentlich Ihre Daten und Ihre Geschäftsprozesse?

Das ist die Kernaussage, die Karp bei CNBC immer wieder betont. Die sensibelsten Betriebsdaten eines Unternehmens sollten nicht in die Blackbox eines externen Modelllieferanten gelangen. Er positioniert Palantir als Anbieter von anwendungsorientierter „souveräner KI“: Man kann Modelle von anderen nutzen – aber die Daten müssen im eigenen geschützten Bereich bleiben, und die Bereitstellung muss auf einer Infrastruktur erfolgen, die man selbst kontrolliert.

Das ist keine Paranoia – chinesische Unternehmen empfinden das genauso. Huang Weijie, Leiter für Produkt und Entwicklung bei Kingsoft Office WPS 365, sagte kürzlich sehr treffend: „Was Unternehmen heute fehlt, sind nicht Hardware und Modelle – sondern eine sichere KI-Anwendungsebene.“

Auch Zahlen von IDC bestätigen diesen Trend: Bei der Bereitstellung von KI-Rechenleistung in Unternehmen sinkt der Anteil öffentlicher Clouds. Der Gesamtanteil von privaten Clouds und lokalen Bereitstellungen stieg von 54 % auf 69 %. „Daten bleiben im eigenen Bereich“ wandelt sich von einer Compliance-Floskel zu dem ersten Auswahlkriterium, das CTOs bei der Entscheidung anwenden.

Karp nennt das „Commodity Cognition“ – standardisierte kognitive Fähigkeiten. Seine Einschätzung lautet: Die Qualität der Modelle selbst nähert sich an. Der echte differenzierende Wert liegt nicht auf der Modellebene, sondern auf der Anwendungsebene, die Modellfähigkeiten mit spezifischen Anwendungsfällen des Unternehmens verbindet. Der „Souveräne KI-Engine“, die Palantir gemeinsam mit NVIDIA auf den Markt gebracht hat, ist die Produktumsetzung dieses Prinzips: Mit Open-Source-Modellen, ergänzt um Palantirs eigene Ontologie-Ebene und Governance-Rahmenwerke, lässt KI in einer vollständig kontrollierten Umgebung laufen – kein einziges Byte an Daten verlässt das Unternehmen. Der Umsatz von Palantir im ersten Quartal 2026 lag bei 1,63 Milliarden Dollar – ein Anstieg von 85 % im Vergleich zum Vorjahr. Das ist zu einem gewissen Grad die Abstimmung des Marktes für diesen Weg.

Hier gibt es ein bemerkenswertes Signal: Zukünftig werden Unternehmen und Lösungen, die anderen dabei helfen, KI „auf der eigenen Grundlage“ zu betreiben, noch gefragter sein. In China ist die „private KI-Zentrale“ bereits zu einem echten Marktbereich geworden – viele Startups entwickeln Produkte in diese Richtung. Das ist keine technische Übertreibung, sondern eine rationale Entscheidung von Unternehmen, die sich die Sache gründlich überlegt haben.

05 Machen Sie Ihre Organisation nicht zu einem „Wiederholer“

Die zweite Fähigkeit ist schwerer zu messen – aber in Gesprächen mit Unternehmen spürt Geeker Park sie immer deutlicher: Wenn KI immer mehr Ausführungsschritte übernimmt, welche Art von „Menschen“ braucht eine Organisation dann noch?

Einige Unternehmen, die schon weit voranschreiten, sind bereits in diese Falle getappt.

Wenn KI in bestimmten Bereichen deutlich effizienter ist als Menschen, liegt der Gedanke nahe: „Wir entlassen die Mitarbeiter.“ Aber nachdem die Organisation schlanker geworden ist, taucht ein verborgenes Problem auf: Das, was die KI ausführt, ist im Grunde die „beste Praxis“, die Menschen in der Vergangenheit unter alten Rahmenbedingungen entwickelt haben. Wenn sich die Rahmenbedingungen, der Markt und die Nutzer ändern, führt die KI noch treu diese alte Logik aus – aber in der Organisation gibt es nicht mehr genug Menschen, um diese Veränderungen zu erkennen und die Geschäftsprozesse weiterzuentwickeln.

Einfach gesagt: Eine Organisation, die mit KI gefüllt, aber von Menschen entleert ist, wiederholt möglicherweise nur effizient die Vergangenheit.

Das heißt nicht, dass man KI nicht zur Ausführung nutzen soll. Im Gegenteil: Wenn KI immer mehr Ausführungsschritte übernimmt, braucht ein Unternehmen umso mehr eine andere Art von Mitarbeitern – nicht diejenigen, die traditionell einzelne Aufgaben erledigen, sondern diejenigen, die KI „steuern“ können. Diese Rolle erfordert das Verständnis für den gesamten Geschäftsprozess, die Fähigkeit zu beurteilen, ob die Ergebnisse der KI noch der sich wandelnden Realität entsprechen – und das Gespür, um über die „optimale Lösung“ der KI hinaus neue Möglichkeiten zu entdecken.

Einige fortschrittliche Unternehmen denken bereits ernsthaft über diese Frage nach. Sie erkennen: Mit KI ist der echte Wettbewerbsvorteil nicht, „wie viele Mitarbeiter wir durch KI ersetzt haben“ – sondern ob Ihre Mitarbeiter die KI beherrschen, um Dinge zu tun, die früher unmöglich waren. Wenn Sie die KI nur dazu bringen, historische Daten endlos zu automatisieren und zu wiederholen, sind Sie im Grunde in einem Schnappschuss der Vergangenheit gefangen.

Die Bedeutung dieser Umdenkung ist möglicherweise vergleichbar mit der Datenhoheit. Wenn KI technologische Barrieren nivelliert, werden „menschliches Urteilsvermögen“ und „die Fähigkeit der Organisation zur Weiterentwicklung“ zu den Dingen, die am schwersten zu kopieren sind. Einige Unternehmen haben das bereits erkannt – andere noch nicht. Aber diese Trennlinie wird in den nächsten ein bis zwei Jahren sehr deutlich sichtbar werden.

06 Die Branche braucht „neue KI-Unternehmen“

In den letzten zwei Jahren bestimmte eine implizite Annahme die gesamte Branche: Der Wert im KI-Zeitalter wird letztendlich bei den Modellunternehmen konzentriert sein. Je näher man am Modell ist, desto höher der Wert.

Diese Annahme gerät ins Wanken.

Karp hat bei CNBC im Grunde etwas offengelegt: Die Modelle selbst werden zur standardisierten kognitiven Ware. Wenn die Fähigkeiten der verschiedenen Großmodelle immer