Ist KI eine Blase? Investiere in Logik, nicht in den Hype

S&P hat gerade etwas getan, das in der Geschichte der Kreditratingagenturen kaum Präzedenz hat: Der Konzern stufte Oracle von BBB auf BBB− herab – eine Stufe über Ramsch – und nannte als Hauptgrund ein privates Unternehmen, das noch nie einen Gewinn erwirtschaftet hat. OpenAI. Ein Unternehmen ohne Rating, ohne Profitabilität, aber mit Ausgabenverpflichtungen von über einer Billion Dollar, steht jetzt als Kreditrisiko in der Akte eines börsennotierten Konzerns, der in Pensionsfonds weltweit gehalten wird.

Das ist kein Randphänomen. Das ist das Symptom einer Branche, die sich in einem kollektiven Rausch befindet.

Die Zahlen sind ernüchternd. OpenAI verbrennt Kapital in einem Tempo, das selbst optimistische Analysten nervös macht: 5 Milliarden Dollar Nettoverlust allein 2024, ein projizierter Cash-Burn von 115 Milliarden Dollar bis 2029, und eine Finanzierungslücke von 207 Milliarden Dollar bis 2030, die HSBC-Analysten identifiziert haben. Oracle wiederum hat Datencenter-Leasingverpflichtungen von 248 Milliarden Dollar mit Laufzeiten von 15 bis 19 Jahren unterschrieben – um 5-Jahres-Versprechen eines Kunden zu bedienen, der noch nie profitabel war. NVIDIA erzielt 85 Prozent seines Quartalsumsatzes mit sechs Kunden. Microsoft hält 27 Prozent an OpenAI. CoreWeave trägt 7,5 Milliarden Dollar Schulden, besichert mit GPUs.

Das Netz dieser gegenseitigen Abhängigkeiten ist so eng geknüpft, dass ein einziger Ausfall kaskadierende Effekte auslösen würde, die kein Regulator heute vollständig modellieren kann.

Und dennoch: KI ist nicht die Dotcom-Blase. Wer das behauptet, irrt. Die Technologie funktioniert. Die Produktivitätsgewinne sind real. Unternehmen, die KI ernsthaft in ihre Prozesse integrieren, berichten von messbaren Effizienzsprüngen. Die Frage ist nicht, ob KI bleibt. Die Frage ist, welche der hochverschuldeten Plattformen die aktuelle Konsolidierungsphase überleben werden – und was mit den Investitionen der Unternehmen passiert, die ihre gesamte KI-Strategie auf einen einzigen Anbieter gebaut haben.

Hier liegt das eigentliche unternehmerische Risiko. Wer heute seine Geschäftsprozesse, sein Unternehmenswissen und seine Automatisierungslogik tief in die proprietären Systeme einzelner LLM-Anbieter einbaut, geht eine Wette ein – nicht auf die Technologie, sondern auf die Zahlungsfähigkeit eines Unternehmens, das noch nie profitabel war. Wechselt der Anbieter sein Preismodell, stellt ein Modell ein oder gerät in finanzielle Schieflage, ist die investierte Geschäftslogik gefangen. Vendor Lock-in war noch nie so teuer wie heute. Thema: "Token-Trap“.

Aber es gibt ein zweites, noch grundlegenderes Problem – und es wird in der öffentlichen Debatte fast vollständig ignoriert: "KI ohne Kontext ist doof!“ - nutzlos. Die leistungsfähigsten Sprachmodelle der Welt liefern generische, fehleranfällige oder schlicht irrelevante Antworten, wenn sie nicht wissen, wer das Unternehmen ist, wie es arbeitet, welche Regeln gelten und welche Daten tatsächlich relevant sind. Ein Modell, das nicht weiß, dass ein Vertrag nach internem Regelwerk geprüft werden muss, dass ein Kunde seit drei Jahren Sonderkonditionen hat, oder dass eine Produktlinie gerade diskontinuiert wurde, ist kein Assistent – es ist ein gut formulierter Zufallsgenerator.

Genau das ist der Grund, warum die überwiegende Mehrheit der KI-Pilotprojekte in Unternehmen scheitert oder im Pilotmodus stecken bleibt: nicht, weil das Modell zu schwach ist, sondern weil es kontextlos operiert. Es kennt weder die CRM-Daten noch die ERP-Logik, weder die SharePoint-Dokumente noch die internen Richtlinien. Es antwortet auf Basis von Trainingsdaten aus dem Internet – nicht auf Basis der Realität des Unternehmens, das es einsetzen will.

Kontext ist kein Nice-to-have. Kontext ist die Voraussetzung für Wertschöpfung. Und Kontext entsteht nur durch tiefe Integration in die bestehende IT-Systemlandschaft: in die Dokumentenmanagementsysteme, in die Wissensdatenbanken, in die Prozesslogik, in die Datenquellen, die ein Unternehmen täglich nutzt. Wer KI als isoliertes Chat-Interface deployt, das neben dem ERP-System läuft statt mit ihm, hat das Grundprinzip missverstanden. Die Wertschöpfung liegt nicht im Modell. Sie liegt in der Verbindung zwischen Modell und Unternehmensrealität.

Die Antwort darauf ist keine Abstinenz, sondern Architektur. Unternehmen, die KI nachhaltig einsetzen wollen, brauchen keine direkte Abhängigkeit von einzelnen Modellanbietern – sie brauchen eine Orchestrierungsschicht, die Modelle austauschbar macht, Kontext strukturiert bereitstellt und die eigentliche Wertschöpfung dort verankert, wo sie hingehört: in den eigenen Daten, Prozessen und der eigenen Geschäftslogik.

Genau das ist der Ansatz von Plattformen wie dem neuland.ai-HUB: eine DSGVO-konforme, in europäischen Rechenzentren betriebene Umgebung, die mehrere Sprachmodelle – von GPT-5.1 über Gemini bis künftig Anthropic Claude und Mistral – orchestriert, ohne dass sensible Unternehmensdaten unkontrolliert das Haus verlassen. Entscheidend dabei ist nicht die Modellauswahl, sondern die Kontextarchitektur: Unternehmenswissen wird in strukturierten Knowledge-Bases aufgebaut, SharePoint-Systeme direkt angebunden, Assistenten mit unternehmenseigenen Richtlinien und Datenquellen konfiguriert. Das Modell wechselt – der Kontext bleibt. Genau darin liegt der Unterschied zwischen einem Pilotprojekt, das nach drei Monaten eingestellt wird, und einer KI-Investition, die dauerhaft Wert schafft.

Die KI-Blase wird platzen – zumindest für einige ihrer überbewerteten Protagonisten. Welche Anbieter die Konsolidierung überstehen, weiß heute niemand. Was Unternehmen jedoch kontrollieren können, ist die Frage, wo sie ihre strategische Abhängigkeit verankern – und ob ihre KI-Investition an das Modell gebunden ist oder an den eigenen Kontext. Die Antwort sollte nicht „OpenAI" oder „Oracle" lauten. Sie sollte lauten: in den eigenen Daten, in der eigenen Infrastruktur, in einer Plattform, die Souveränität vor Bequemlichkeit und Kontext vor Hype stellt.

Wer das jetzt versteht, wird die Konsolidierung nicht als Krise erleben – sondern als Bestätigung einer klugen Entscheidung.

Bild generiert mit dem neuland.ai HUB.