Ein Höhepunkt von 4 Milliarden und ein Rückgang, der alles erklärt
Blend trat 2021 als eines der am häufigsten zitierten Namen im amerikanischen Fintech-Sektor für Hypotheken an die öffentlichen Märkte. Ihre Automatisierungsplattform für Banken und Kreditgeber bearbeitete Kreditanträge, reduzierte die Hürden während des Onboardings und versprach, eine der langsamsten Branchen des Finanzsystems zu modernisieren. Der Markt glaubte daran: Das Unternehmen erreichte an seinem Börsenhöhepunkt eine Bewertung von nahezu 4 Milliarden Dollar.
Was danach geschah, bedarf keiner großen Interpretation. Die Federal Reserve erhöhte zwischen 2022 und 2023 aggressiv die Zinssätze, das Volumen der Hypothekenneugeschäfte in den USA brach ein und Blend, dessen Geschäftsmodell direkt an die Transaktionsaktivität seiner Bankkunden gebunden war, spürte den unmittelbaren und proportionalen Einfluss. Wenn der Markt, der dein Einnahmenmotor ist, sich halbiert, absorbiert kein Softwareprogramm, so effizient es auch sein mag, diesen Schlag, ohne Spuren in der Gewinn- und Verlustrechnung zu hinterlassen.
Jetzt, berichtet Fortune, lenkt CEO Nima Ghamsari das Unternehmen in Richtung einer auf künstlicher Intelligenz (KI) basierenden Automatisierung als Weg zur Erholung. Die Theorie klingt vielversprechend: Wenn KI die Kosten für die Bearbeitung jeder Transaktion senken kann und die Reichweite der Plattform über Hypothekendarlehen hinaus erweitern kann, könnte Blend seine Einkommensbasis auf einer Struktur neu aufbauen, die weniger anfällig für Zinszyklen ist. Das Problem ist, dass diese Theorie nur dann gültig ist, wenn eine Art von organisatorischem Management vorhanden ist, die Unternehmen im Überlebensmodus selten an den Tag legen.
Der Fehler, den niemand beim Namen nennt
Blend baute sein Geschäftsmodell auf einer stillschweigenden Annahme auf: dass der Hypothekenmarkt lange genug stabil bleibt, um eine nahezu vollständige Abhängigkeit von diesem Segment zu rechtfertigen. Das ist keine Kritik an der Intelligenz des Gründerteams; es ist eine Beschreibung, wie die Logik des Hyperwachstums in einem Umfeld mit billigem Kapital funktioniert. Wenn das Geld reichlich vorhanden ist und Investoren Wachstum um jeden Preis belohnen, macht es finanziell absolut Sinn, Ressourcen in den Bereich mit der höchsten Dynamik zu konzentrieren.
Das strukturelle Problem ist jedoch, dass diese Konzentration das Unternehmen ohne Puffer zurücklässt. Ein gut gestaltetes Geschäftsporfolio hängt nicht von einer einzigen Einnahmequelle ab, um eine negative Phase zu überstehen. Blend hatte zu seinem höchsten Bewertungszeitpunkt nicht den Eindruck, ausreichende parallele Geschäftsfelder mit genügend finanzieller Autonomie zu inkubieren, um zu einem zweiten Motor zu werden, wenn der erste ausging. Die Automatisierung von Hypotheken war alles: das Produkt, die Kunden, das Argument gegenüber Investoren und der Maßstab, mit dem jede interne Initiative gemessen wurde.
Diese Homogenität des Portfolios ist genau die Art von Fragilität, die in IPO-Präsentationen nicht erkennbar ist, aber die wirtschaftlichen Zyklen immer wieder ans Licht bringen. Und wenn sie erscheint, ist die häufigste Unternehmensreaktion — die wir hier sehen —, eine aufkommende Technologie als Lösung zu präsentieren. KI hat in diesem Kontext das Risiko, ein narratives Argument zu werden, bevor sie zu einem überprüfbaren operativen Motor werden kann.
Automatisierung ist nicht gleich Erkundung
Hier wird die Analyse technisch anspruchsvoller. Ghamsari setzt auf KI, um die Betriebskosten zu senken und die Margen im bestehenden Geschäft zu verbessern. Das ist per Definition eine Effizienzinitiative innerhalb des aktuellen Portfolios, keine Erkundung neuer Einkommensmodelle. Der Unterschied ist von Bedeutung, da er direkte Folgen dafür hat, wie diese Wette verwaltet, finanziert und gemessen werden sollte.
Wenn KI als Effizienzschicht über das bestehende Hypothekengeschäft gelegt wird, verschwindet das zugrundeliegende Risiko nicht: Es wird einfach günstiger zu betreiben. Ein negativer Zinszyklus wird das Transaktionsvolumen weiterhin komprimieren, und die Kostensenkungen durch Automatisierung verbessern nur den Break-even-Punkt, diversifizieren jedoch nicht die Einnahmequelle. Damit die Wette auf KI tatsächlich transformativ in Bezug auf das Portfolio ist, müsste Blend sie verwenden, um angrenzende Kategorien zu eröffnen — andere Kreditprodukte, andere Arten von Bankkunden, andere geografische Märkte — mit einer ernsthaften Logik der Erkundung, nicht der Optimierung der Gegenwart.
Die klassische organisatorische Gefahr bei solchen Wendepunkten ist es, die KI-Initiativen mit denselben Rentabilitätskennzahlen zu bewerten, die für das etablierte Hypothekengeschäft gefordert werden. Wenn die Geschäftsführung ein intelligentes Automatisierungsprojekt finanziert, aber verlangt, dass es sein Budget mit kurzfristigen Einnahmekennzahlen rechtfertigt, erhält sie nicht ein internes Startup, das neue Märkte erkundet, sondern eine glorifizierte IT-Initiative mit einem precären Budget. Eine solche Art der Verwaltung führt nicht zur Portfolioerweiterung; sie produziert Berichte.
Was Blend braucht — und was unklar ist, ob es implementiert wird — ist eine finanziell und operationale Trennung zwischen dem, was das heutige Geschäft am Leben erhält, und dem, was die Wetten für morgen finanziert. Das erfordert den operativen Kern zu schützen, Lernkennzahlen für explorative Projekte zu definieren und ihnen genügend Autonomie zu verleihen, damit sie Markt-Hypothesen validieren können, ohne jedes Quartal wie reife Geschäfte bewertet zu werden.
Das organisatorische Design entscheidet, ob KI ein Hebel oder ein Argument ist
Die Geschichte von Unternehmen, die nach einer Krisen im Geschäftsmodell auf emergente Technologien setzen, folgt einem erkennbaren Muster. Diejenigen, die es gut gemacht haben, waren klar in der Trennung des Überlebensbudgets des aktuellen Geschäfts und des Budgets für die Erkundung neuer Linien. Diejenigen, die gescheitert sind, haben versucht, die neue Technologie einzusetzen, um das Bestehende effizienter zu machen, ohne die organisatorischen Fähigkeiten zu schaffen, um etwas anderes zu entdecken.
Blend befindet sich an einem Punkt, an dem beide Drücke gleichzeitig bestehen: es muss kurzfristig die Margen verbessern, um das Vertrauen des öffentlichen Marktes aufrechtzuerhalten, und gleichzeitig eine Einnahmenbasis schaffen, die weniger anfällig für die Hypothekenzyklen ist. Beide Bedürfnisse haben gegensätzliche Managementlogiken. Die erste verlangt Kontrolle, Effizienz und Vorhersagbarkeit. Die zweite erfordert Toleranz für Experimente, lange Validierungszyklen und Kennzahlen, die nicht die des vierteljährlichen Abschlusses sind.
Aufgrund der vorliegenden Informationen scheint Ghamsaris Wette in Richtung des ersten Vektors zu gehen: die KI einzusetzen, um das, was bereits existiert, rentabler zu machen. Das ist rational nachvollziehbar, angesichts des Kontexts, löst jedoch nicht das strukturelle Problem, das Blend so anfällig gemacht hat, als der Hypothekenmarkt einbrach. Ein Portfolio, das von einem einzigen Sektor abhängt, um Einkommen zu generieren, obwohl dieser Sektor mit höherer technologischer Effizienz operiert, bleibt ein einsektorales Portfolio.
Die Tragfähigkeit des Reset von Blend hängt davon ab, ob es der Geschäftsführung gelingt, parallel zur aktuellen operativen Effizienz die Fähigkeit zur Erkundung mit geschütztem Budget und eigenen Kennzahlen aufzubauen. Ohne diese Trennung wird die KI eine Margenverbesserung sein, nicht eine Portfolioerweiterung, und der nächste negative Zyklus wird das Unternehmen in derselben strukturellen Position finden, die es hier zurückgelassen hat.
