Die Schicht, die noch niemand kontrolliert, ist die, die alle brauchen werden
Es gibt ein Muster, das sich mit hinreichender Konsistenz wiederholt, um es ernst zu nehmen: Technologien konzentrieren sich nicht dort, wo sie sichtbar sind, sondern dort, wo sie getragen werden. Soziale Netzwerke konzentrierten sich auf die Distribution, nicht auf die Inhalte. Die Cloud konzentrierte sich auf Infrastruktur, nicht auf Anwendungen. Künstliche Intelligenz folgt derselben Geometrie, aber der Kontrollpunkt liegt eine Ebene tiefer als in jedem früheren Zyklus.
Im Mai 2026 veröffentlichten David und Daniil Liberman, Unternehmer mit vorheriger Erfahrung bei Snap, in Fortune ein Argument, das allein wegen seiner strukturellen Beschreibung Aufmerksamkeit verdient – nicht wegen der Personen, die es verfasst haben. Ihre These ist präzise: In der künstlichen Intelligenz kontrolliert, wer das Computing kontrolliert, den Zugang, und wer den Zugang kontrolliert, bestimmt, wer in dieser Wirtschaft überhaupt existieren kann. Das ist keine Metapher. Es ist eine operative Beschreibung davon, wie der Markt heute funktioniert.
Die Zahlen, die sie anführen, verleihen dem Argument Gewicht. NVIDIA hält 85 % des GPU-Marktes für Rechenzentren. Amazon, Microsoft und Google kontrollieren 63 % der globalen Cloud-Kapazität. Die Vereinigten Staaten verwalten rund 75 % der weltweiten Hochleistungsrechenkapazität für künstliche Intelligenz. China hält etwa 15 %. Der Rest der Welt teilt sich die verbleibenden 10 %.
Das beschreibt keinen wettbewerbsfähigen Markt. Es beschreibt eine geopolitische Infrastruktur mit dem Anschein eines Marktes.
Der Moment, in dem Snap verlor, ohne sein Produkt zu verlieren
Der Verweis auf den Snap-Vorfall von 2018 ist keine Nostalgie. Er ist der analytische Anker des Artikels. Die Autoren befanden sich in Santa Monica und überprüften die Kennzahlen der täglich aktiven Nutzer, als deutlich wurde, dass das Produkt – obwohl es in einigen Dimensionen technisch überlegen war – das Wachstum gegenüber Instagram nicht aufrechterhalten konnte. Meta gewann nicht, weil es ein besseres Design hatte. Meta gewann, weil es die Schicht unterhalb des Designs kontrollierte: den sozialen Graphen, die Distribution, das bereits geformte Publikum. Snap baute auf Sand, den Meta bereits zementiert hatte.
Dieser Vorfall ist als organisatorische Diagnose bedeutsam, weil er veranschaulicht, wann Kennzahlen aufhören zu messen, was man zu messen glaubt. Die Nutzerbindung war nicht das Problem von Snap. Der Zugang zur Distribution war das Problem. Aber wenn das Steuerungspanel nur die Bindung misst, kann das Führungsteam zu spät zur richtigen Einschätzung gelangen.
In der künstlichen Intelligenz ist das Äquivalent noch gravierender. Ein Team, das ein Sprachmodell entwickelt, kann eine bessere Architektur, bessere Daten und bessere Ingenieure haben. Wenn es jedoch keinen Zugang zu Hochleistungs-GPUs zu erschwinglichen Preisen hat, wenn es von Verträgen mit Hyperscalern abhängt, die Tarife oder Zugriffsrichtlinien ohne Vorankündigung ändern können, dann lässt sich der technische Vorteil nicht in einen Wettbewerbsvorteil umwandeln. Die Schicht, die man nicht kontrolliert, neutralisiert einen, bevor man sich beweisen kann.
Genau das beschreiben die Libermans, wenn sie darauf hinweisen, dass KI-Anbieter beliebte Modelle trotz des Widerstands der Nutzer zurückgezogen, den API-Zugang ohne Vorwarnung eingeschränkt und die Entwicklerfähigkeiten unter Richtlinien angepasst haben, die kein unabhängiges Gremium prüfen kann. Das ist keine moralische Kritik. Es ist eine Beschreibung davon, wie strukturelle Abhängigkeit funktioniert, wenn derjenige, der die Infrastruktur konzentriert, entscheidet, die Bedingungen zu ändern.
Warum diese Konzentration qualitativ anders ist
Als Meta Instagram 2012 für eine Milliarde Dollar kaufte, verstand der Markt, dass die soziale Distributionsschicht konsolidiert wurde. Als Amazon Web Services zur wichtigsten Gewinnquelle von Amazon aufstieg, verstand der Markt, dass die Cloud sich in wenigen Händen konzentrieren würde. In beiden Fällen war die Konzentration von der Anwendungsschicht aus sichtbar. Nutzer, Entwickler und Regulatoren konnten sie sehen, weil sie sie direkt spürten.
Was der Artikel über künstliche Intelligenz beschreibt, ist in einem spezifischen Sinne anders: Die Konzentration findet in einer Schicht statt, die die meisten Marktteilnehmer nicht mit Nachdruck überwachen. Modelle sind sichtbar. Chatbots sind sichtbar. Die KI-Produkte, die Nutzer konsumieren, sind sichtbar. Aber die GPUs, die Rechenzentren, die Lieferverträge für Hochleistungschips und die bevorzugten Rechenvereinbarungen sind die Infrastruktur hinter dem Sichtbaren, und genau dort bildet sich die eigentliche Konzentration.
Die Analogie, die die Autoren mit Bitcoin und Ethereum ziehen, ist aus einem anderen Winkel interessant als dem, den sie betonen. Es geht nicht nur darum, dass dezentralisierte Protokolle eine neue Schicht unter dem Bankwesen geschaffen haben. Es geht darum, dass sie dies taten, weil die bestehende Finanzarchitektur Reibungspunkte und Kontrollpunkte hatte, die von innen nicht entfernt werden konnten. Die relevante Frage für die KI-Infrastruktur ist nicht, ob Gonka oder irgendein anderes dezentralisiertes Projekt AWS oder Azure verdrängen kann. Die Frage ist, ob die Anreizstruktur des Marktes ausreicht, um tragfähige Alternativen zu schaffen, bevor die Konzentration unumkehrbar wird.
Die historischen Belege auf Infrastrukturmärkten deuten darauf hin, dass dieses Zeitfenster eng ist. Sobald Hyperscaler bestimmte Schwellenwerte bei der installierten Kapazität erreichen, sorgen Skaleneffekte und Wechselkosten dafür, dass sich die Struktur selbst perpetuiert. Nicht weil ein Wechsel illegal wäre, sondern weil die operativen Kosten eines solchen Wechsels den Nutzen für die meisten Akteure übersteigen.
Was dies darüber verrät, wie langfristige Wetten gestaltet werden – oder auch nicht
Es gibt eine Dimension des Arguments, die der Artikel nicht vollständig ausarbeitet, die aber analytisch fruchtbar ist: Das Problem der Konzentration im Computing ist nicht nur ein Problem der öffentlichen Politik oder der Marktmacht. Es ist auch ein Problem davon, wie Organisationen ihre Aufmerksamkeit zwischen dem, was heute funktioniert, und dem, was sie morgen bedrohen könnte, verteilen.
Unternehmen, die in den letzten fünf Jahren tiefe Abhängigkeiten von Hyperscalern aufgebaut haben, taten dies nach einer vernünftigen Logik: Die Grenzkosten der Skalierung in der Cloud waren geringer als die Kosten für den Aufbau eigener Infrastruktur, und die Geschwindigkeit des Marktzugangs rechtfertigte diese Abhängigkeit. Das ist die Logik, das Funktionierende auszuschöpfen. Das Problem ist, dass dieselbe Logik, ohne Gegengewicht angewendet, Organisationen hervorbringt, die den Blockierungspunkt erreichen, ohne ihn vorhergesehen zu haben.
Das Muster, das die Libermans auf dem Computing-Markt identifizieren, ist genau dasselbe, das bei Organisationen auftaucht, die ihr Kernmodell übermäßig ausgereizt haben und zu spät erkannten, dass sich der Boden unter ihnen verschoben hatte. Snap verlor in ihrer Erzählung nicht, weil es aufgehört hatte, am Produkt zu innovieren. Es verlor, weil es keine strukturelle Antwort auf die Abhängigkeit in der Distributionsschicht hatte. Das relevante organisatorische Lernen besteht darin, dass Abhängigkeiten, die nicht strategisch gemanagt werden, mit der Zeit zu Verwundbarkeiten werden, die man nicht mehr verhandeln kann, wenn der Anbieter beschließt, die Bedingungen zu ändern.
Das gilt für KI-Startups, die heute auf APIs von Drittanbieter-Modellen operieren. Es gilt für mittelständische Unternehmen – also KMU –, die ihre Datenschicht auf der Infrastruktur eines einzigen Cloud-Anbieters aufbauen. Es gilt für Länder, die keine eigene Computing-Politik haben und davon ausgehen, dass die Verfügbarkeit amerikanischer Infrastruktur ein dauerhaftes Merkmal des Umfelds ist.
Die im Artikel erwähnten Exportkontrollen für fortschrittliche Chips sind kein hypothetisches Beispiel dafür, wie Computing als geopolitisches Instrument eingesetzt werden kann. Sie sind ein Beweis dafür, dass es bereits so eingesetzt wird. Wenn eine Macht entscheiden kann, welche Länder Zugang zu einem bestimmten Niveau an Rechenkapazität haben, und diese Entscheidung direkt beeinflusst, welche KI-Anwendungen in diesen Territorien entwickelt werden können, dann ist das Gespräch seit Langem nicht mehr über Marktwettbewerb. Zwei Länder legen die Zugangsbedingungen für 191 fest. Das ist das aktuelle Design des Systems.
Die sprachliche Asymmetrie, auf die die Autoren hinweisen, fügt eine weitere Ebene hinzu, die in Analysen zur Marktkonzentration normalerweise nicht auftaucht. Sprachmodelle, die überwiegend auf Englisch trainiert wurden, begünstigen nicht nur englischsprachige Nutzer hinsichtlich der Ergebnisqualität. Sie machen sie finanziell effizienter: Prompts in anderen Sprachen verbrauchen mehr Token, um denselben Output zu erzeugen, was zu höheren Kosten und restriktiveren Kontextlimits für Nutzer führt, die nicht auf Englisch operieren. Ein einheitlicher Tarif ist kein gleicher Preis. Es ist ein Tarif, der per Sprache diskriminiert, wobei die technische Struktur als Mechanismus dient.
Computing als Voraussetzung, nicht als Vorteil
Es gibt eine Unterscheidung, die der Artikel präzise trifft und die es verdient, unterstrichen zu werden, weil sie die Natur der strategischen Analyse verändert. In sozialen Netzwerken konnte man eine alternative Plattform aufbauen. TikTok bewies, dass es möglich war. Das soziale Kapital war nicht physisch konzentriert; es war in den Aufmerksamkeitsgewohnheiten der Nutzer verteilt, und diese Gewohnheiten konnten umgelenkt werden.
In der künstlichen Intelligenz ist Computing kein Wettbewerbsvorteil. Es ist die Teilnahmebedingung. Ohne Zugang zu Hochleistungs-GPUs kann man kein wettbewerbsfähiges Modell trainieren. Ohne Cloud-Verträge kann man keine Inferenz in großem Maßstab betreiben. Ohne fortschrittliche Chips ist ein ganzes Land von bestimmten Fähigkeiten ausgeschlossen. Die Konzentration in dieser Schicht erzeugt keinen Wettbewerbsnachteil: Sie erzeugt direkte Ausgrenzung.
Das macht die organisatorischen Implikationen dringlicher als in früheren Zyklen. Ein Unternehmen, das auf Facebook zur Distribution angewiesen war, konnte mit Aufwand und Ressourcen versuchen, auf anderen Wegen ein Publikum aufzubauen. Ein Unternehmen, das auf Computing-Infrastruktur angewiesen ist, die bei drei Akteuren konzentriert ist, hat heute keine strukturell gleichwertige Alternative, auf die es zurückgreifen kann, wenn diese Akteure die Bedingungen ändern.
Das Versprechen von Projekten wie Gonka, dem dezentralisierten Protokoll, das die Autoren selbst entwickeln, besteht darin, diese Alternative zu schaffen, bevor sich das Zeitfenster schließt. Sie müssen nicht besser sein als AWS unter den Bedingungen von AWS. Sie müssen funktional genug sein, damit die Abhängigkeit aufhört, total zu sein. Das ist eine bescheidenere und realistischere Schwelle, als den Hyperscalern Marktanteile abzujagen.
Was der Markt noch nicht gelöst hat, ist, ob diese Schwelle mit ausreichender Geschwindigkeit erreicht werden kann, sodass sie eine Wirkung entfaltet, bevor sich die Konzentration an einem Punkt festigt, von dem aus sie keinen Veränderungsdruck mehr erzeugt. Die früheren Zyklen deuten darauf hin, dass Infrastruktur, die zu spät kommt, selten die Marktstruktur verändert. Infrastruktur, die vor dem Schließungszeitpunkt eintrifft, kann die Regeln des nächsten Spiels festlegen.
---
Der Artikel der Libermans beschreibt präzise eine strukturelle Dynamik, die bereits im Gange ist. Aber das Problem, auf das sie hinweisen, ist nicht nur ein Markt- oder Regulierungsproblem: Es ist ein Problem des Designs von Abhängigkeiten, die die meisten Organisationen heute aufbauen, ohne sie als strategisches Risiko zu managen. Wenn Computing zur Teilnahmevoraussetzung wird und diese Voraussetzung in den Händen von drei Akteuren liegt, die ihre Bedingungen einseitig ändern können, dann delegieren Unternehmen ohne eine explizite Politik gegenüber dieser Abhängigkeit keine technische Entscheidung. Sie geben eine Position ab, die sich danach nicht mit Geschwindigkeit zurückgewinnen lässt.
