Top-VCs über KI-Wandel der Investmentlogik: „Mittelfeld-Falle“ und Schwungradeffekt

Mehrere Partner von a16z sind überzeugt, dass KI die traditionelle Investmentlogik auf den Kopf stellt: Kapital wird direkt in Rechenleistung umgewandelt, und ist das Schwungrad der Stärkeren erst einmal in Gang gesetzt, lässt es sich kaum noch aufhalten. Von 3.000 VC-Firmen erzielten nur 20 nachhaltig das Dreifache an Rendite – das „Mittelfeld“ stirbt aus. KI erreichte in vier Jahren einen Umsatz von 100 Milliarden Dollar, SaaS brauchte dafür 15 Jahre. Die Bewertungen traditioneller SaaS-Assets, die 2021–2022 zu 25–32x EBITDA übernommen wurden, haben sich halbiert, und Unternehmen, die sich nicht KI-nativ transformieren können, werden aussortiert. Der eigentliche Engpass liegt nicht bei der Nachfrage, sondern beim Angebot an Energie und Rechenzentren.

KI treibt die „Potenzgesetz-Verteilung“ bei Tech-Investments auf die Spitze: Erstmals kann Kapital direkt in Rechenleistung umgewandelt werden und so den absoluten Burggraben eines Unternehmens verstärken. Traditionelle SaaS-Assets, die nicht KI-nativ werden können, laufen dagegen Gefahr, von der Zeit überholt zu werden.

Die führende Silicon-Valley-Venture-Capital-Firma Andreessen Horowitz (a16z) veröffentlichte am 10. September eine ausführliche Podcast-Folge. a16z-Partnerin Jen Kha, Partner des Growth-Fonds David George und der langjährige LP sowie Partner von Accolade Partners, Aram Verdiyan, führten ein selten tiefgehendes Gespräch über die Investmentlogik im KI-Zeitalter. Ihre Kernaussagen stimmen weitgehend überein: KI verwandelt den „Potenzgesetz-Effekt“ von einem Merkmal der Venture-Capital-Branche in eine systemische Gesetzmäßigkeit des gesamten Kapitalmarkts. Rahmenwerke für die Kapitalallokation, die Struktur von Fonds und sogar die Grenzen zwischen Anlageklassen werden derzeit neu geschrieben.

Das Potenzgesetz beschreibt eine bestimmte funktionale Beziehung zwischen zwei Variablen: Die Änderung einer Variablen ist ein Vielfaches einer Potenz der anderen. Sein Kernmerkmal: „Eine extrem kleine Zahl von Individuen vereint den überwiegenden Teil der Ressourcen oder Anteile auf sich“ – auch bekannt als „Long-Tail-Effekt“ oder „80/20-Regel“.

Einige Kerndaten aus dem Gespräch sind ernüchternd: Von 3.000 US-VC-Firmen erzielten in den vergangenen zwanzig Jahren nur 20 nachhaltig das Dreifache an Nettorendite – weniger als 1 Prozent. KI erreichte einen Umsatz von 100 Milliarden Dollar in nur vier Jahren, während SaaS für denselben Weg 15 Jahre benötigte. Derzeit geben US-Unternehmen im Durchschnitt nur 12 Dollar pro Mitarbeiter und Monat für KI aus, während die oberen 1 Prozent der Unternehmen auf 7.000 Dollar kommen – das zeigt, dass die KI-Durchdringung noch in einem sehr frühen Stadium steckt.

„Kapital gleich Rechenleistung“: Das „extreme Schwungrad“ verändert die Branchengräben

David George stellte im Gespräch eine der disruptivsten Thesen dieser KI-Welle auf:

„Heute kann man Kapital in ein Unternehmen stecken, und es verstärkt dessen Vorteile direkt und mit Zinseszinseffekt. Das erlebe ich zum ersten Mal in meiner Karriere.“

Er erklärte, dass es im traditionellen Software-Zeitalter eine Katastrophe war, zu viel Geld in ein Startup zu pumpen – tausend Mitarbeiter einzustellen, Koordinationschaos zu erzeugen und überlappende Prioritäten zu schaffen, führte eher dazu, dass das Unternehmen „es vermasselte“. Im KI-Zeitalter ist das anders: „Man kann Geld in Rechenleistung stecken, und Rechenleistung verbessert direkt Produkt und Geschäft.“

Das bedeutet, dass Skaleneffekte im KI-Markt real sind und sich weiter verstärken. Die drei führenden Frontier-Model-Unternehmen – SpaceX, OpenAI und Anthropic – kommen zusammen auf einen potenziellen Unternehmenswert von 3,5 bis 5 Billionen Dollar. Jen Kha wies darauf hin, dass es erstaunlich sei, dass die meisten institutionellen Investoren vor dem Börsengang von SpaceX praktisch kein Engagement in dem Unternehmen hatten.

Aram Verdiyan urteilte aus einer eher makroökonomischen Perspektive:

„KI greift jeden Winkel des BIP an – Verkehr, Arbeit, Dienstleistungen, Kapital, Koordination. In der Geschichte gab es noch nie ein Technologieparadigma, das gleichzeitig ein BIP von 30 Billionen Dollar traf.“

Zudem vertrat er eine disruptive These zum TAM (Total Addressable Market) von KI: Die Gesundheits-IT-Branche gibt jährlich etwa 60 bis 100 Milliarden Dollar aus, aber KI greift tatsächlich die Arbeitskräfte im Gesundheitswesen selbst an – Abrechnungsmanagement, Verwaltungsprozesse – eine Branche im Billionen-Dollar-Bereich. „Der TAM von KI könnte mehr als das Zehnfache von traditionellem SaaS oder Gesundheits-IT betragen.“

David George untermauerte dies mit Arbeitsmarktdaten: In der US-Wirtschaft beträgt das Verhältnis von Arbeitsausgaben zu Softwareausgaben etwa 40 zu 1. „Das heißt nicht, dass Arbeitskräfte verschwinden, sondern dass Arbeit neu erfunden wird. KI mit ‚Software der nächsten Generation‘ gleichzusetzen, unterschätzt sie bei Weitem.“

„Tod der Mitte“: Strukturelle Neuordnung der VC-Landschaft

Im Gespräch fiel immer wieder ein Begriff: „death of the middle“ (Tod der Mitte).

Aram Verdiyan teilte eine Kerndaten: Von 3.000 US-Venture-Capital-Firmen erzielten in den vergangenen zwanzig Jahren nur 20 nachhaltig das Dreifache an Nettorendite – weniger als 1 Prozent. Er betonte, dass „nachhaltig“ das Schlüsselwort sei – man brauche nicht sieben oder acht Fonds, aber habe man innerhalb eines 20-Jahres-Zeitraums drei bis vier Fonds mit einem Netto-TVPI von 3x? In den gesamten USA fanden sich nur 20 Firmen, die diese Bedingung erfüllten.

Zum Vergleich: Laut Daten von Cambridge Associates lag die durchschnittliche Rendite von Venture Capital in den vergangenen zehn Jahren nur beim Ein- bis Zweifachen der Nettorendite – nicht nur schlechter als Private Equity, sondern sogar schlechter als der öffentliche Markt, und das bei einer Kapitalbindung von zehn Jahren.

Vor diesem Hintergrund polarisiert sich die VC-Branche: Auf der einen Seite stehen echte „kleine, aber feine“ Spezialisten – fokussiert auf Nischenmärkte oder mit Einstieg in früheren Phasen als große Institutionen, wodurch sie diese ergänzen. Auf der anderen Seite stehen große Institutionen, die den gesamten Lebenszyklus abdecken – von der Seed-Phase bis zum Börsengang, mit 700 Mitarbeitern und starken operativen Ressourcen.

Jen Kha beschrieb die Schwungrad-Logik von a16z ausdrücklich:

„Unser Geschäft ist ein Schwungrad. Es beginnt damit, ob wir Fachexperten sind und Gründer überzeugen können. Wenn wir Deals gewinnen und Unternehmen zu besseren Ergebnissen verhelfen, entsteht ein Markeneffekt: Neue Gründer wollen mit Gewinnern zusammenarbeiten, und Gründer von Gewinnern empfehlen andere Gründer – so funktioniert das Schwungrad.“

David George ergänzte: Der Erfolg von Growth-Fonds hänge grundlegend vom Early-Stage-Geschäft ab – „Ich sage immer: Unser Geschäft beginnt in der Frühphase und endet in der Frühphase.“

Für Institutionen, die durch „nur Late-Stage“ oder „Überspringen der Frühphase“ an KI partizipieren wollen, fand Aram Verdiyan klare Worte: „Hinter den stärksten Late-Stage-Geschäften steht immer ein riesiges Early-Stage-Geschäft. Wenn man ein völlig neuer Late-Stage-Fonds ist und einen Scheck über 500 Millionen Dollar ausstellen will, ist das wirklich schwer.“ David George stimmte zu: „Ich habe diese Welt erlebt, es ist tatsächlich sehr schwer.“

Wie erkennt man echte KI-Zugkraft? „Der Begriff ARR wird gerade neu definiert“

Da KI-Blase und echte Nachfrage nebeneinander existieren, ist die Unterscheidung echter Zugkraft eine der schwierigsten Fragen.

Aram Verdiyan beschrieb ein typisches Szenario: „Ein Unternehmen kommt aus einem Accelerator und behauptet, seinen ARR (Annual Recurring Revenue) innerhalb eines Monats von null auf 5 Millionen gesteigert zu haben. Aber es gibt überhaupt keinen Verlängerungszyklus – sie verkaufen aneinander und multiplizieren Monatszahlen mit 12, um einen ARR zu errechnen.“ Er wurde deutlich: „Von neun solchen Unternehmen hat vielleicht eines wirklich einen ARR von einigen Millionen und ist das nächste Cursor.“

Jen Kha kommentierte schmunzelnd: „Ich liebe es, wenn jemand dabei hilft, ‚die Bedeutung von ARR neu zu definieren‘ – wie eine sehr hilfreiche Ankündigung.“

David George gab seinen eigenen Beurteilungsrahmen:

„Ob der Markt aktiv nach deinem Produkt verlangt, ist immer die Kernfrage. Finanzanalysen können dir die Antwort nicht geben – du musst die Kunden wirklich verstehen und mit ihnen sprechen.“

Als Beispiel nannte er Harvey (KI-Tool für Anwälte): In der Anfangsphase gewann Harvey einige Verträge bei führenden Kanzleien, aber die tatsächliche Nutzung war durchschnittlich, und die Retentionsdaten waren im Vergleich zu anderen KI-Softwareunternehmen nicht herausragend. Mit der Einführung von Reasoning-Modellen drehte sich das Bild jedoch komplett – der Wert, den Anwälte aus dem Produkt zogen, stieg erheblich, Nutzung und Engagement schnellten in die Höhe. Entscheidend war, dass Kunden nicht mehr das Halluzinationsrisiko fürchteten, sondern aktiv von ihren Kanzleien verlangten, das Produkt einzusetzen. „Das ist das Marktsignal, nach dem wir suchen.“

Das Dilemma traditioneller SaaS und die „KI-Falle“ für Private Equity

Im Vergleich zu traditioneller Software-as-a-Service (SaaS) explodieren Durchdringungsgeschwindigkeit und potenzieller adressierbarer Markt (TAM) von KI exponentiell.

„Heute hat der KI-Bereich bereits einen Umsatz von 100 Milliarden Dollar erreicht. SaaS brauchte 15 Jahre, um dasselbe Niveau zu erreichen, KI nur 4 Jahre.“ Aram Verdiyan nannte eine äußerst eindrucksvolle Zahl. Er wies darauf hin, dass KI jede Ebene des BIP angreift – Verkehr, Arbeit, Dienstleistungen und Kapitalkoordination. „Noch nie zuvor konnte ein Technologieparadigma gleichzeitig ein BIP von 30 Billionen Dollar berühren.“

Doch während KI triumphiert, sitzen die Software-Assets der alten Ära und die Private-Equity-Fonds (PE), die stark in sie investiert haben, auf glühenden Kohlen. In den Jahren 2021 bis 2022 wurden zahlreiche traditionelle Softwareunternehmen von PE im Rahmen von Leveraged Buyouts (LBO) zu hohen Bewertungen des 25- bis 32-Fachen des EBITDA übernommen. Diese Assets ohne „KI-native“ Fähigkeiten stehen heute vor Bewertungsverfall und austrocknender Liquidität.

Aram Verdiyan brachte es auf den Punkt: „Software-Assets, die man vor 2021 zum 25- bis 32-Fachen des EBITDA gekauft hat, sind heute vielleicht nur noch die Hälfte wert.“ Er zitierte Daten: In den Jahren 2021 bis 2022 beliefen sich LBO-Softwaretransaktionen auf etwa 200 bis 300 Milliarden Dollar und zogen Schulden von über 200 Milliarden Dollar nach sich. Heute sind die Bewertungen dieser Unternehmen stark geschrumpft, und die Verschuldungsquoten sind drastisch gestiegen. Die Rücknahmewelle im Private-Credit-Markt ist ein direktes Abbild dieser Logik.

Noch gravierender ist die Umkehrung der Wachstumslogik: Aram Verdiyan wies darauf hin, dass „am Aktienmarkt ein Prozentpunkt mehr Wachstum drei Prozentpunkten mehr EBITDA entspricht“. Das bedeutet, dass Unternehmen, die kein KI-beschleunigtes Wachstum nachweisen können, mit brutalen Bewertungsabschlägen rechnen müssen – „viele von Private Equity gehaltene Beteiligungen haben weder ausreichend schnelles Wachstum noch ein Managementteam, das das Geschäft neu erfinden kann“.

Aram wurde unmissverständlich:

„Schauen Sie sich den heutigen öffentlichen Markt an: Dieses Asset (traditionelles SaaS) wird derzeit mit einem Kurs-Umsatz-Verhältnis von 2 gehandelt. Das ist nicht nur eine Bewertungsfrage – schwerwiegender ist, dass diese Unternehmen möglicherweise überhaupt keinen Käufer finden. Denn wenn man heute ein Softwareunternehmen betrachtet, fragt man sich zuerst: Was ist sein ultimativer Wert? Kann es dem KI-Angriff standhalten?“

Jen Kha warnte vor der Illusion, man könne alte Unternehmen einfach durch einen KI-Aufsatz retten:

„Nur weil man Sears auf eine Website stellt, wird daraus noch lange kein Amazon. Wir sehen Unternehmen, die als Erstes einen KI-Kundenservice einführen – wenn man aber nicht die Workflow-Ebene von Grund auf neu aufbaut, beschleunigt sich die Kundenabwanderung sogar. Jeder Rückgang des NPS schlägt direkt auf den Umsatz durch, und zusammen mit der Verschuldung entsteht eine Abwärtsspirale.“

Auch Aram dämpfte Versuche, alte Geschäfte durch einfaches Hinzufügen von KI zu retten: „Man kann nicht einfach einen Operating-Partner in ein Unternehmen schicken und sagen: ‚Lasst uns ein bisschen KI obendrauf packen‘ – das funktioniert schlicht nicht.“ David George ergänzte, dass selbst ein einfacher KI-Kundenservice-Ersatz ohne tiefgreifende Workflow-Neugestaltung zu Kundenabwanderung, sinkendem Net Promoter Score (NPS) und einer Abwärtsspirale der Umsätze führt.

Der eigentliche KI-Engpass: nicht Nachfrage, sondern Angebot

Am Ende des Gesprächs wandte sich das Thema einem vom Markt unterschätzten Aspekt zu – wo liegt der eigentliche Engpass der KI?

Aram Verdiyan stellte fest: „Der Engpass der KI liegt heute nicht auf der Nachfrageseite, sondern auf der Angebotsseite.“ Die Lieferkette verläuft von links nach rechts: Energie → Stromnetz → Rechenzentren → Chips → Frontier-Modelle → Anwendungen. Die USA sind bei Chips und allem rechts davon äußerst stark, und das VC-Ökosystem unterstützt dies kräftig. Doch auf der Ebene von Energie- und Netzinfrastruktur liegt das Problem nicht in unzureichender Stromerzeugung, sondern in der „Geschwindigkeit der Strombereitstellung“ – Genehmigungen, Übertragung, Regulierung. Andere Länder bauen jährlich zehnmal so viel neue erneuerbare Energiekapazität auf wie die USA.

„Das bedeutet, dass Rechenzentren grundlegend neu gedacht werden müssen. Die Dichte alter Rechenzentren kann neue KI-Anlagen nicht mehr tragen. Hier geht es nicht um Chancen von 5 oder 10 Milliarden, sondern um Chancen im Bereich von Hunderten Milliarden Dollar.“

David George nannte Bereiche, die in den nächsten zehn Jahren am wahrscheinlichsten enormen Wert schaffen werden: Robotik, autonomes Fahren (in den USA sind weniger als zehntausend Waymo-Fahrzeuge unterwegs), Gesundheitswesen (18 Prozent des BIP, von KI bisher kaum berührt), Energie, Fertigung und Verteidigung.

„Es fühlt sich an, als hätten wir bei KI schon viel erreicht. Aber wenn wir in zehn Jahren zurückblicken, werden diese anderen großen Bereiche gerade erst begonnen haben, Wert zu schaffen. Das nächste SpaceX oder OpenAI wird mit hoher Wahrscheinlichkeit in diesen Bereichen entstehen.“