Nach der Veröffentlichung des Finanzberichts brach der Aktienkurs von Meta um 10 % ein. Wie lange wird Mark Zuckerberg noch für Wang Tao aufkommen müssen?

Meta erzielte im zweiten Quartal einen operativen Cashflow von 31,862 Milliarden US-Dollar, gab aber weitere 31,078 Milliarden US-Dollar für den Bau von Rechenzentren und den Kauf von Servern aus, sodass am Ende nur noch 784 Millionen US-Dollar an freiem Cashflow übrig blieben.

Man muss wissen, dass die Werbemaschine von Meta weiterhin mit hoher Geschwindigkeit Geld verdient.

Im zweiten Quartal belief sich der Umsatz von Meta auf 60,801 Milliarden US-Dollar, was einem Anstieg von 28 % gegenüber dem Vorjahr entspricht; davon betrugen die Werbeeinnahmen 59,363 Milliarden US-Dollar, ein Plus von 27 % im Jahresvergleich. Sowohl die Anzahl der angezeigten Werbeanzeigen als auch der durchschnittliche Preis stiegen gleichzeitig, und der Umsatz übertraf die Erwartungen der Wall Street.

Das von der Werbemaschine verdiente Geld wird fast vollständig von der KI aufgebraucht.

Das Unternehmen hat zudem die Untergrenze der Kapitalausgaben für 2026 von 125 Milliarden US-Dollar auf 130 Milliarden US-Dollar angehoben, wobei der Höchstbetrag weiterhin bis zu 145 Milliarden US-Dollar erreichen kann.

Ein Umsatzbericht, der die Erwartungen übertrifft, führte zu einem Kursrückgang von fast 8 %. Die Meta-Aktie schloss an diesem Tag bei 585,61 US-Dollar, und nach der Veröffentlichung des Berichts lag der Rückgang im nachbörslichen Handel zeitweise bei fast 9 %.

Auf der Telefonkonferenz stellte Justin Post, Analyst bei Bank of America Securities, die Frage direkt an Mark Zuckerberg: Meta hat vor einem Jahr die höhere Führungsebene des KI-Labors ausgetauscht. Wann wird die Wall Street eine deutliche Beschleunigung der Veröffentlichungsgeschwindigkeit von Produkten wie Modellen und Chips sehen?

Mark Zuckerberg antwortete, dass er mit dem aktuellen Fortschritt des Labors „ziemlich zufrieden“ sei. Muse Spark und Muse Spark 1.1 seien nur frühe Ergebnisse von Metas Aufstieg auf der Leiter der Modellfähigkeiten, und das Unternehmen trainiere derzeit größere und leistungsfähigere Modelle.

Er nannte keinen Veröffentlichungstermin für dieses Flaggschiffmodell und legte auch keine neuen Bewertungsergebnisse vor, sondern sagte nur, dass es bald weitere Neuigkeiten geben werde.

Vor einem Jahr, als die Leistung von Llama 4 hinter den Erwartungen zurückblieb, investierte Mark Zuckerberg 14,3 Milliarden US-Dollar in Scale AI, holte den 28-jährigen Wang Tao zu Meta und übertrug ihm die Befugnis, das KI-System neu aufzubauen.

Wang Tao und Mark Zuckerberg haben viele Gemeinsamkeiten – beide brachen um das 19. Lebensjahr herum das Studium ab, um ein Unternehmen zu gründen, wurden mit Anfang zwanzig zu Milliardären und glauben an die konzentrierte Macht und schnelle Ausführung im Gründerstil. Der 40-jährige Mark Zuckerberg scheint die Zukunft von Meta seinem jüngeren Ich anzuvertrauen.

Ein Jahr später hat Wang Tao das KI-Team von Meta umstrukturiert und die ersten Modelle und Produkte auf den Markt gebracht. Das Flaggschiffmodell Watermelon, das die Erwartungen an Metas Gegenangriff tragen soll, befindet sich jedoch noch im Training.

Die Wettbewerber beschleunigen ihre Iterationen weiter, während die Kosten für Meta, die auf dieses Ergebnis wartet, immer höher werden.

Solange Wang Tao das Flaggschiffmodell nicht ausliefert, wird es für Mark Zuckerberg schwierig zu beweisen, wofür all dieses Geld, diese Umstrukturierung und ein weiteres Jahr des Wartens eigentlich eingetauscht wurden. Ein Austausch von Personal oder eine Einschränkung der Aktivitäten zu diesem Zeitpunkt würde zudem bedeuten, anzuerkennen, dass die zuvor aufgewendeten Kosten kaum wieder hereingeholt werden können.

Wang Tao ist bereits zu den größten versunkenen Kosten von Mark Zuckerberg geworden.

Hat er den Retter falsch ausgewählt?

Natürlich ist Wang Tao nicht untätig gewesen.

Die Entscheidung von Mark Zuckerberg, Wang Tao auszuwählen, war an sich schon ein etwas riskanter Schritt. Scale AI liefert seit langem Daten und Bewertungsdienste für Unternehmen wie OpenAI, Google und Meta. Wang Tao weiß, was alle Labore trainieren und wo sie leicht auf Schwierigkeiten stoßen, aber er hatte zuvor keine Erfahrung in der Leitung der Entwicklung von Spitzenmodellen.

Wang Taos herausragendste Fähigkeit war schon immer das Management und die Ressourcenallokation.

Nachdem Scale AI Tausende von Mitarbeitern hatte, bestand er weiterhin darauf, neue Mitarbeiter persönlich zu genehmigen und die Daten vor der Auslieferung an Kunden selbst stichprobenartig zu prüfen. Er nannte diese Hartnäckigkeit „Qualität ist fraktal“: Wenn Manager keine Details beachten, werden die nachgeordneten Mitarbeiter dies bald ebenfalls lernen.

Genau diese Konzentration, Härte und Ausführungsgeschwindigkeit, die man in einem großen Unternehmen mit Zehntausenden von Mitarbeitern kaum finden kann, hat Mark Zuckerberg geschätzt. Die Financial Times nannte Wang Tao daher den „Kriegs-CEO“, den Meta braucht.

Nach seinem Eintritt bei Meta brachte Wang Tao diese Managementmethode im Gründerstil schnell in die KI-Abteilung ein. Meta gründete das TBD Lab, das direkt auf Spitzenmodelle abzielt, warb hochbezahlte Mitarbeiter von Unternehmen wie OpenAI und Google ab und komprimierte gleichzeitig die ursprünglichen Managementebenen, um die aufgeblähte KI-Abteilung in ein schneller handelndes „Kriegsteam“ umzuwandeln.

Die Kosten sind offensichtlich.

Etwa 600 Stellen im ursprünglichen KI-Team von Meta wurden gestrichen, und Yann LeCun verließ Meta nach 12 Jahren Arbeit, um ein eigenes Projekt zur Erforschung von Weltmodellen zu gründen. Es entstanden Risse zwischen dem hochbezahlten neuen Team und dem alten Forschungssystem.

Die Kosten dieser Umstrukturierung tauchen nun auch in den Finanzberichten von Meta auf.

Im zweiten Quartal beliefen sich die Forschungs- und Entwicklungskosten von Meta auf 21,656 Milliarden US-Dollar, was einem Anstieg von 67 % gegenüber dem Vorjahr entspricht. CFO Susan Lee erklärte auf der Telefonkonferenz, dass der Anstieg der Personalausgaben des Unternehmens hauptsächlich auf die in den letzten Jahr eingestellten technischen Mitarbeiter zurückzuführen sei, insbesondere auf die hochbezahlten KI-Talente.

Selbst nach Abzug von 2,4 Milliarden US-Dollar an Rechtskosten und 1,18 Milliarden US-Dollar an Kosten für Personalabbau stiegen die Gesamtkosten von Meta im zweiten Quartal im Jahresvergleich um etwa 42 %, was weit über dem Umsatzwachstum von 28 % liegt.

Was Wang Tao mitbrachte, war nicht nur eine neue Organisationsstruktur, sondern auch ein immer teureres KI-Team.

Die Logik dieser großen Wette von Mark Zuckerberg wird dadurch klar: Er glaubt, dass Wang Taos Fähigkeit, Organisationen neu aufzubauen und Ressourcen zu mobilisieren, letztendlich in die Fähigkeit umgewandelt werden kann, Spitzenmodelle zu trainieren. Ersteres ist bereits bewiesen, Letzteres hängt noch von der Leistung der Modelle ab.

Im April 2026 brachte Meta das erste Modell des Teams von Wang Tao, Muse Spark, auf den Markt. Meta betonte von Anfang an, dass es klein und schnell sei und nur das „Vormodell“ der Muse-Serie sei, während größere Modelle noch folgen würden.

Im Juli verbesserte Muse Spark 1.1 den umfassenden Index von Artificial Analysis von 43 auf 51 Punkte, wobei die Fortschritte hauptsächlich in der Programmierung, dem wissenschaftlichen Schlussfolgern und den Wissensfähigkeiten lagen. Für jede Million Eingabe- und Ausgabe-Token werden 1,25 US-Dollar bzw. 4,25 US-Dollar berechnet.

Dieses Modell entwickelt sich schnell, ist preiswert genug, weist aber immer noch deutliche Lücken in den umfassenden Fähigkeiten zu den modernsten Modellen auf. Es reicht noch nicht aus, um zu beweisen, dass die 14,3 Milliarden US-Dollar, die Meta investiert hat, und das hochbezahlte neue Team ihr Geld wert sind.

Das Modell, das diese Erwartungen wirklich tragen soll, ist das noch im Training befindliche Watermelon.

Laut einem Bericht von Business Insider unter Berufung auf zwei mit der Angelegenheit vertraute Personen sagte Wang Tao auf einer internen Sitzung von Meta, dass das noch im Training befindliche Watermelon eine um eine Größenordnung höhere Rechenleistung verwendet als Muse Spark und in einigen Benchmark-Bewertungen bereits GPT-5.5 eingeholt hat. Er nannte jedoch keine spezifischen Bewertungsprojekte, und Meta hat die entsprechenden Ergebnisse nicht veröffentlicht.

Auch die jüngste Finanzbericht-Telefonkonferenz lieferte keine weiteren Beweise für diese Aussage. Mark Zuckerberg bestätigte nur, dass Meta größere und leistungsfähigere Modelle trainiert, nannte den Namen Watermelon nicht und veröffentlichte auch keine Veröffentlichungstermine oder Bewertungsergebnisse.

Realistischer ist, dass OpenAI, Anthropic und Google nicht anhalten werden, um auf Watermelon zu warten, bevor es veröffentlicht wird.

Ein Jahr nach seinem Eintritt bei Meta ist Wang Tao noch kein „Retter“ geworden.

Zwei Jahre Verspätung

Das Ironischste ist, dass Meta nie ein Nachzügler im KI-Bereich war.

2013 gründete Facebook FAIR und ernannte Yann LeCun zum Leiter. In den folgenden zehn Jahren sammelte Meta tiefe Kenntnisse in Bereichen wie Computer Vision und selbstüberwachtes Lernen und brachte zudem PyTorch hervor; die Empfehlungs- und Werbesysteme von Facebook und Instagram verarbeiten bereits täglich Daten von Milliarden von Nutzern mithilfe von KI. Das 2023 veröffentlichte Llama verschaffte Meta schnell Einfluss im Bereich der offenen Modelle.

Nach dem Aufkommen von ChatGPT baute OpenAI Modelle, APIs und ein Entwicklerökosystem um einen verbraucherorientierten Zugang auf, während die KI-Ressourcen von Meta auf FAIR, das generative KI-Team, die Produktabteilung und die Infrastrukturabteilung verteilt waren.

Erst 2025 stufte Mark Zuckerberg KI als unternehmensweiten Krieg ein und plante, 60 bis 65 Milliarden US-Dollar in den Aufbau der Infrastruktur zu investieren, nur um festzustellen, dass die Leistung von Llama 4 hinter den Erwartungen zurückblieb.

Die von Wang Tao vorangetriebene zentralisierte Reform war eigentlich eine Reform, die Meta bereits 2023 hätte durchführen sollen. Als es mit der Umstrukturierung begann, hatten OpenAI, Anthropic und Google bereits Vorteile bei Modellen, Talenten und Produkten aufgebaut – Meta war ganze zwei Jahre zu spät dran.

Wang Tao ist eher wie eine Rechnung, die Mark Zuckerberg für sein Zögern in den vorherigen zwei Jahren erhalten hat.

Anfang 2025 plante Mark Zuckerberg, 60 bis 65 Milliarden US-Dollar in den Aufbau der Infrastruktur zu investieren. Bis 2026 werden die Kapitalausgaben voraussichtlich 130 bis 145 Milliarden US-Dollar erreichen, wobei der Höchstwert das Doppelte des ursprünglichen Plans übersteigt.

Allerdings hat Meta nicht all dieses Geld für ein noch nicht veröffentlichtes Flaggschiffmodell verbrannt. Im zweiten Quartal stieg die Nutzungsdauer von Instagram um zweistellige Prozentsätze, und die Videowiedergabezeit auf Facebook wuchs um 9 %. Meta gab an, dass das neue Werbemodell die Klickrate von Facebook-Werbung um 8,3 % und die Konversionsrate um 15,7 % verbessert hat; mehr als 9 Millionen kleine Unternehmen nutzen bereits KI, um Werbematerialien zu erstellen.

Diese Ergebnisse beweisen, dass KI Metas Werbemaschine bereits dabei helfen kann, mehr Geld zu verdienen, aber sie können nicht direkt als Ergebnis von Wang Taos Arbeit gezählt werden.

Die von Meta offengelegten Verbesserungen stammen hauptsächlich aus Empfehlungssystemen, Werbe-Ranking und Inhaltsverständnis, ohne zu erläutern, welchen Anteil die Spitzenmodelle von Watermelon oder dem Team von Wang Tao daran haben. Werbung und Empfehlungen sind seit über zehn Jahren die Stärken von Meta.

Mit anderen Worten: Meta kann warten, bis Wang Taos Flaggschiffmodell fertig ist, und gleichzeitig die vorhandene KI-Technologie nutzen, um die Werbung weiter zu verbessern. Das starke Werbegeschäft gibt Mark Zuckerberg das Selbstvertrauen, weiter zu warten, und lässt diese große Wette vorerst ohne festen Endpunkt laufen.

Für die zusätzliche riesige Rechenleistung hat Meta weitere Einsatzmöglichkeiten vorgesehen. Mark Zuckerberg nannte auf der Telefonkonferenz Bereiche wie persönliche intelligente Agenten, unternehmensbezogene intelligente Agenten, Modell-APIs und den direkten Verkauf von Rechenleistung.

Meta Business Agents werden bereits wöchentlich von mehr als 1 Million Unternehmen genutzt, und das Unternehmen hat zahlreiche Angebote für den Kauf von Rechenleistung erhalten, die laut Angaben deutlich über den Kosten liegen, die Meta für den Erwerb dieser Rechenleistung aufwendet.

Brian Nowak, Analyst bei Morgan Stanley, fragte nach, welches dieser Geschäfte am ehesten als erstes skaliert werden kann, um den Investoren berechenbare Renditen zu bringen. Mark Zuckerberg nannte keine eindeutige Antwort, sondern sagte nur, dass er für alle diese Bereiche optimistisch sei und bald weitere Neuigkeiten veröffentlichen werde.

CFO Susan Lee drückte es deutlicher aus: Selbst wenn Metas Modelle nicht zu den modernsten gehören, ist das Unternehmen zuversichtlich, diese Rechenleistung nutzen zu können, um vorhandene Produkte zu verbessern. Wenn die Kapazität nicht vollständig genutzt wird, kann sie auch direkt an andere Unternehmen verkauft werden.

Das bedeutet, dass es mehrere Ausweichmöglichkeiten für die riesigen Investitionen gibt, aber es