Risikokapitalgeber kehren zu Ridley zurück, weil die KI genau das tut, was er vorhergesagt hat
Es gibt ein Buch aus dem Jahr 2010, das derzeit in den aktivsten Risikokapitalfonds des Silicon Valley wieder kursiert. Es ist kein KI-Handbuch, keine Studie über Sprachmodelle, es enthält kein einziges Kapitel über GPUs oder Transformer-Architekturen. Es ist ein wirtschaftshistorisches Buch, verfasst von einem britischen Biologen, der mit Daten, die bis in die Steinzeit zurückreichen, argumentierte, dass menschlicher Wohlstand eine direkte Folge des Ideenaustauschs zwischen spezialisierten Menschen ist. Dass wenn Ideen im großen Maßstab miteinander kombiniert werden, das Ergebnis nichtlinear ist. Dass keine lineare Hochrechnung von Ressourcen oder Einschränkungen die Geschichte überlebt hat, weil die Technologie stets eine Substitution fand, die die Modelle nicht berechnet hatten.
Das Buch ist The Rational Optimist von Matt Ridley. Und die Tatsache, dass Investoren mit konzentrierten Positionen in KI-Infrastruktur es jetzt wieder lesen, ist keine bibliografische Anekdote. Es ist ein Signal dafür, wie sie die grundlegende These formulieren, die Kapital unter Bedingungen hoher Unsicherheit rechtfertigt.
Alexis Ohanian, Mitgründer von Reddit und Manager des Fonds Seven Seven Six, veröffentlichte kürzlich, dass er das Buch im Audiobuchformat mit doppelter Geschwindigkeit hörte und den Eindruck nicht abschütteln konnte, dass die Menschheit kurz vor einem Wendepunkt steht. Der Beitrag stieß bei anderen Investoren auf Zustimmung. Was als persönliche Leseempfehlung begann, wurde zu einem breiteren Gespräch über den intellektuellen Rahmen, der die Kapitalallokationsentscheidungen im aktuellen KI-Zyklus strukturiert.
Das Ridley-Argument als Investitionsarchitektur
Ridleys zentrale These ist nicht kompliziert, hat aber weitreichende Konsequenzen, wenn sie auf die Gegenwart angewendet wird. Sein Argument lautet, dass Wohlstand weder durch härtere Arbeit noch durch natürliche Ressourcen noch durch zentrale Planung entsteht. Er entsteht durch Austausch: Wenn eine Person, die sich auf etwas spezialisiert hat, mit einer anderen Person tauscht, die sich auf etwas anderes spezialisiert hat, sind beide besser dran, als wenn sie versucht hätten, alles alleine herzustellen. Wenn dieser Mechanismus in ausreichendem Maßstab funktioniert, verbinden sich Ideen auf Weisen, die keine der Parteien hätte vorhersehen können, und das Ergebnis ist eine Produktivitätskurve, die jede Zusammenbruchs- oder Stagnationsprognose systematisch widerlegt.
Ridley belegt dies mit Daten, die Jahrhunderte umspannen. Der Preis einer Stunde künstlichen Lichts sank von sechs Arbeitsstunden im Jahr 1800 auf einen Bruchteil einer Sekunde in der Gegenwart. Das globale Realeinkommen hat sich seit diesem Jahr verneunfacht, während sich die Bevölkerung nur versechsfacht hat. Jede malthusianische Prognose, dass das Bevölkerungswachstum die Produktionskapazität übersteigen würde, wurde durch eine Innovation widerlegt, die die Modelle nicht einbezogen hatten, weil sie noch nicht existierte, als die Modelle erstellt wurden.
Was die Investoren in dieser Geschichte lesen, ist ein erkennbares Muster. Große Sprachmodelle fügen reifen Branchen nicht einen weiteren Produktivitätspunkt hinzu. Sie fungieren als Verstärker des Mechanismus, den Ridley beschrieben hat: Sie geben jedem Wissensarbeiter in Echtzeit Zugang zu einer Synthese globaler Erfahrung, ohne institutionelle Vermittler. Wenn die Größe und Dichte des Ideennetzwerks das Innovationstempo bestimmt, dann sollte eine Technologie, die dieses Netzwerk massiv erweitert, in nahezu allen Sektoren gleichzeitig Renditen auf Fondsebene erzeugen. Das ist die strukturelle Wette. Es ist kein Optimismus aus Temperament. Es ist eine historische Lektüre mit Portfolio-Implikationen.
Die globalen Risikokapitalinvestitionen in KI-Unternehmen erreichten 131 Milliarden US-Dollar im Jahr 2024, laut dem NVCA PitchBook Venture Monitor, was ungefähr 38 % aller weltweit eingesetzten Risikokapitalmittel entsprach. Der Vergleichspunkt, den optimistische Investoren verwenden, ist die Dotcom-Blase des Jahres 2000: Damals gab es ebenfalls eine Kapitalkonzentration, aber die zugrunde liegende Infrastruktur – von der Breitbandpenetration bis zur mobilen Hardware – brauchte fast ein Jahrzehnt, um die Investitionsthese einzuholen. Der Unterschied, den sie jetzt vorbringen, ist, dass die Infrastrukturlücke in Monaten geschlossen wird, nicht in Jahren. GPU-Cluster, API-Zugang und Edge-Deployment skalieren mit einer Geschwindigkeit, die in früheren Zyklen kein direktes Pendant hat.
Die Verlagerung von Arbeit als Dividende der Spezialisierung
Eines der häufigsten Argumente gegen den aktuellen KI-Optimismus ist die Verdrängung von Arbeitsplätzen. Schätzungen wie die von McKinsey, die prognostiziert, dass generative KI bis 2030 30 % der geleisteten Arbeitsstunden automatisieren könnte, kursieren als Warnung vor einem Massenvernichtungseffekt. Investoren, die Ridley lesen, kommen aus denselben Daten zu einem anderen Schluss.
Ridleys Rahmen zur Spezialisierung besagt, dass neue Werkzeuge Arbeit nicht eliminieren. Sie weisen sie auf höherwertige Aufgaben um, während sie die Kosten früherer Engpässe kollabieren lassen. Dieses Muster wiederholte sich bei der landwirtschaftlichen Mechanisierung, bei der Tabellenkalkulation, bei Suchmaschinen. In jedem Fall galten die anfänglichen Alarme den verschwindenden Arbeitsplätzen. Die Geschichte verzeichnete, dass das Folgende eine Neuausrichtung hin zu Tätigkeiten war, die das frühere System nicht bewältigen konnte, weil die Koordinationskosten zu hoch waren.
Auf die KI angewendet lautet das Argument, dass die Automatisierung von 30 % der aktuellen Arbeitsstunden nicht 30 % der Beschäftigung vernichtet. Sie setzt menschliche Kapazitäten für Aufgaben frei, die bisher unzugänglich waren, weil sie zu viel Zeit für Vorbereitung, Synthese oder Koordination erforderten. Ein Analyst, der zuvor die Hälfte seiner Woche damit verbrachte, Informationen zu konsolidieren, kann dieselbe Woche für Interpretation und Entscheidungsfindung nutzen. Ein Arzt, der stundenlang klinische Literatur durchsehen musste, kann diese Zeit der Interaktion mit dem Patienten widmen. Das Argument lautet nicht, dass der Wandel schmerzlos ist, sondern dass das historische Muster zeigt, dass die durch neue Werkzeuge ermöglichte Spezialisierung tendenziell mehr Wert schafft als sie verdrängt, gemessen an Einkommen, Wohlbefinden und der Komplexität der daraus resultierenden menschlichen Aktivitäten.
Was dieses Argument nicht löst – und hier muss die Analyse ehrlich sein – ist die zeitliche Verteilung der Anpassung. Die Geschichte gibt den Optimisten über Jahrzehnte recht. Verdrängte Arbeitnehmer operieren in Horizonten von Jahren. Diese Spannung verschwindet nicht, wenn man Ridley liest, und die Investoren, die seinen Rahmen auf Fondsebene anwenden, sind nicht unbedingt dafür ausgestattet, sie auf gesellschaftlicher Ebene zu lösen.
Die Bedingung, die der Optimismus braucht, um sich zu erfüllen
Ridley ist kein bedingungsloser Optimist. Sein Buch enthält ein zentrales Gegenbeispiel, das Investoren des aktuellen Zyklus mit der gleichen Häufigkeit zitieren wie seine Hauptthese: die Ming-Dynastie. China im 15. Jahrhundert hatte technologische Vorteile in der Navigation, der Metallurgie und der landwirtschaftlichen Produktion. Es hatte das damals größte Ideennetzwerk der Welt. Und dann demontierte es diesen Vorteil absichtlich, indem es den Seehandel einschränkte, die Grenzen für den Außenaustausch schloss und die zentrale Kontrolle über die Wissensproduktion konsolidierte. Das Ergebnis war, dass Europa, mit kleineren aber offeneren Austauschnetzen, das nächste Jahrhundert des Wachstums für sich verbuchen konnte.
Die Analogie muss nicht viel Arbeit aufwenden, um zeitgenössisch zu werden. Die regulatorische Fragmentierung der KI zwischen der Europäischen Union und den Vereinigten Staaten, nationale Mandate zur Beschaffung von KI-Technologie, geschlossene Modell-Ökosysteme, die als proprietäre Silos operieren – all das sind Mechanismen, die die effektive Größe des Ideennetzwerks genau in dem Moment reduzieren, in dem es sich eigentlich ausweiten sollte.
Für Investoren, die Ridleys Rahmen verwenden, ist dies das schwerwiegendste systemische Risiko – nicht die Bewertungsblase, nicht der Wettbewerb zwischen Modellen. Die grundlegende Wette auf KI-Renditen hängt davon ab, dass der Austausch hinreichend offen bleibt. Wenn die Regulierung die Märkte fragmentiert oder wenn dominante Modelle zu geschlossener Infrastruktur mit eingeschränktem Zugang werden, verschlechtert sich die Mechanik, die den Optimismus rechtfertigt. Nicht aus Gründen des Konjunkturzyklus, sondern durch eine strukturelle Verdichtung der Netzwerkdichte, die Ridley als die entscheidende Variable identifiziert hat.
Diese Schwelle – der Punkt, an dem die Regulierungspolitik beginnt, auf die Architektur des Ideenaustauschs einzuwirken, so wie der Ming-Hof auf sein Handelsnetz einwirkte – ist dort, wo die optimistische These ihren ernsthaftesten Bruchpunkt hat. Und es ist auch die Schwelle, über die es noch nicht genügend Belege gibt, um zu wissen, wie sie sich auflösen wird.
Was rationaler Optimismus für Gründer nicht leisten kann
Für Gründer, die den Moment durch dieselben Investoren lesen, die Ridley empfehlen, gibt es einen strategisch nützlichen Datenpunkt und einen, der in die Irre führen kann.
Der nützliche ist folgender: Investoren, die auf dieser Lesart basieren, suchen nach Unternehmen, die die Kombination von Ideen zwischen Domänen beschleunigen, die bisher in Silos operierten. Sie suchen nicht nach Produkten, die eine einzelne Aufgabe effizienter automatisieren. Sie suchen nach Unternehmen, die als Knotenpunkte der Netzwerkverdichtung fungieren: Biologie und Computing, Logistik und Sprachmodelle, Finanzanalyse und autonome Agenten. Die Marktgrößenfrage, die diese Investoren anwenden, lautet nicht, was ein bestimmtes Produkt erfassen kann, sondern welcher Anteil des der KI zurechenbaren BIP-Wachstumspotenzials innerhalb eines Fondhorizonts realisierbar ist. Goldman Sachs prognostizierte 2023, dass generative KI das globale BIP um 13 Billionen US-Dollar steigern könnte. Investoren, die Ridleys historischen Bogen überzeugend finden, antworten implizit, dass diese Zahl – oder etwas in dieser Größenordnung – erreichbar ist.
Der Datenpunkt, der in die Irre führen kann, ist die Verwechslung des intellektuellen Rahmens mit der operativen Umsetzung. Ridley dokumentiert, dass der Wohlstandsmechanismus in langen historischen Horizonten real und robust ist. Das sagt nichts darüber aus, welche spezifischen Unternehmen Wert abschöpfen, in welchem Zeitraum, unter welcher Margenstruktur oder ob die aktuelle KI-Infrastruktur die nötige Stückkostenökonomie hat, um die aktuellen Bewertungen zu stützen. Die optimistische Erzählung ist mit kurzfristigen Kapitalvernichtungszyklen vereinbar. Die großen Technologiewellen, die Ridley zitiert, verliefen für die Investoren, die in Echtzeit darin involviert waren, nicht linear.
Was das Muster jedoch aufzeigt, ist, dass Unternehmen, die Austauschinfrastruktur aufgebaut haben – nicht jene, die Inhalte über dieser Infrastruktur aufgebaut haben –, den größten Teil des Wertes in jedem früheren Zyklus abgeschöpft haben. Wenn diese Analogie Bestand hat, ist die Kapitalkonzentration in Basismodellen und Agentenplattformen strukturell kohärenter als Wetten auf vertikale Anwendungen ohne Netzwerkdifferenzierung.
Die Verschiebung, die dieser Moment offenbart, ist nicht die eines Sektors, der einen anderen ersetzt. Es ist die eines Mechanismus zur Kombination von Ideen, der mit einer Geschwindigkeit operiert, für die keine bestehende institutionelle Struktur ausgelegt wurde, um sie zu absorbieren – mit Investoren, die ein wirtschaftshistorisches Buch nutzen, um zu rechtfertigen, warum dies Wohlstand erzeugen sollte, und mit einer Offenheitsbedingung, die kein einzelner Fonds alleine garantieren kann.
