Vier Unternehmen kassierten 60 % des globalen Risikokapitals – und das verändert die Spielregeln für alle anderen
Das erste Quartal 2026 lieferte eine Zahl, die in der Geschichte des Risikokapitals keine Entsprechung hat: 300 Milliarden Dollar, die in einem einzigen Quartal eingesetzt wurden. Mehr als doppelt so viel wie im Vorquartal. Rund 70 % aller Startup-Investitionen des Jahres 2025, zusammengepresst in neunzig Tage. Auf den ersten Blick scheint dies die Art von Zahl zu sein, die bestätigt, dass Kapital mit einer Energie fließt, wie man sie seit der Blase von 2021 nicht mehr gesehen hat. Die oberflächliche Lesart endet genau hier.
Hinter dieser Zahl verbirgt sich eine Struktur, die weitaus schwieriger zu verarbeiten ist: 188 Milliarden Dollar flossen an vier Unternehmen. OpenAI sammelte in einer einzigen Runde rund 122 Milliarden Dollar ein – die größte in der Geschichte. Anthropic erhielt etwa 30 Milliarden Dollar. xAI, das von Elon Musk gegründete Unternehmen, sammelte rund 20 Milliarden Dollar ein. Waymo, die autonome Fahrsparte von Alphabet, schloss eine Runde über rund 16 Milliarden Dollar ab. Vier Namen. Vier Runden. 65 % des gesamten globalen Risikokapitals in einem Quartal.
Was gerade geschieht, ist kein breit angelegter Investitionsboom. Es ist eine Kapitalkonzentration in historischem Ausmaß rund um eine Handvoll Wetten, die Investoren behandeln, als handelte es sich um wirtschaftliche Infrastruktur auf staatlicher Ebene. Diese Unterscheidung ist wichtig, weil sie die relevanten Fragen verändert. Die Frage ist nicht, ob Risikokapital gesund ist. Die Frage ist, was für alle anderen übrig bleibt – und unter welchen Bedingungen.
---
Was die Konzentration offenbart, wenn man sie als strukturelles Signal betrachtet
Eine Zahl, die parallel zu den 188 Milliarden läuft, ist ebenso aufschlussreich: Während das Gesamtinvestitionsvolumen in den Vereinigten Staaten im Jahresvergleich um 190 % wuchs, sank die Anzahl der Transaktionen um 26 %. Weniger Deals, größere Schecks, konzentrierteres Kapital. Das ist kein statistisches Rauschen. Es ist die Aufzeichnung eines Marktes, der seine Allokationslogik in Echtzeit neu ordnet.
Die San Francisco Bay Area absorbierte in diesem Zeitraum 82 % aller Risikokapitaldollar in den Vereinigten Staaten – der höchste geographische Konzentrationsgrad seit mindestens 2014. Diese Zahl allein würde wenig besagen, wäre sie nicht von einer weiteren begleitet: Künstliche Intelligenz erfasste im Quartal rund 80 % des globalen Risikokapitals, gegenüber 55 % im Vorjahreszeitraum. Die Geschwindigkeit der Verschiebung ist genauso bedeutsam wie ihr Ziel.
Was auf der Ebene der Giganten geschieht, operiert jedoch nicht im gleichen Kreislauf wie frühe Investitionen. Die Runden von OpenAI, Anthropic, xAI und Waymo konkurrieren nicht direkt um dasselbe Kapital, das ein Unternehmen in der Seed- oder Series-A-Phase sucht. Die verbleibenden 112 Milliarden Dollar des Quartals – jene, die nicht an diese vier Unternehmen gingen – verteilen sich in einem Umfeld, das weiterhin aktiv ist und das, laut in den Analysen des Zeitraums zitierten Stripe-Daten, bemerkenswerte Ergebnisse produziert: Die 100 leistungsstärksten nativ-KI-Unternehmen skalieren von 1 Million auf 30 Millionen Dollar jährlich wiederkehrender Einnahmen fünfmal schneller als frühere Software-Generationen.
Das bedeutet nicht, dass das Umfeld einfach ist. Es bedeutet, dass das Umfeld etwas sehr Spezifisches belohnt – und dass sich dieses Etwas in den vergangenen zwölf Monaten in beschleunigtem Tempo verändert hat.
---
Warum der Burggraben mehr zählt als das Produkt
Jahrelang drehte sich das Gespräch über Verteidigungsfähigkeit bei Startups um relativ abstrakte Fragen zur Kundenbindung, Skalierbarkeit oder Markendifferenzierung. Diese Fragen sind nicht verschwunden, aber der Rahmen, in dem sie beantwortet werden, hat sich vollständig neu geordnet.
Wenn die leistungsstärksten Sprachmodelle der Welt Dutzende von Milliarden frischer Dollar hinter sich haben, um Fähigkeiten auszubauen, Preise zu senken und mehr Anwendungsfälle abzudecken, wird die Frage danach, was ein kleines Unternehmen schützt, sehr viel konkreter. Investoren prüfen jedes Startup mit einem Blickwinkel, der sich so zusammenfassen lässt: Wenn das Modell in den nächsten achtzehn Monaten gut genug wird – welcher Teil dieses Geschäfts überlebt mit vernünftigen Margen, und welcher Teil wird zu einer Funktion des Betriebssystems eines anderen?
Die Antworten, die in diesem Zyklus an Glaubwürdigkeit gewinnen, haben einen gemeinsamen Nenner: Vermögenswerte, die Intelligenz allein nicht replizieren kann. Proprietäre Daten mit schwierigem Zugang. Spezialisierte Hardware, die Jahre der Entwicklung erfordert. Physische Infrastruktur, die Integration mit der realen Welt verlangt. Regulierung, die als Markteintrittsbarriere wirkt. Langfristige institutionelle Beziehungen. Wissenschaftliches Wissen, das in keinem öffentlichen Trainingskorpus zu finden ist.
Dies erklärt, warum die Sektoren, die jenseits der Frontier-Labore die meiste Investorenaufmerksamkeit erhalten, Robotik, Verteidigung, Photonik, Computertechnik der nächsten Generation und Biotechnologie sind. Nicht weil sie im Trend liegen, sondern weil sie ein strukturelles Merkmal teilen: Computerintelligenz ist in diesen Bereichen ein nützlicher Rohstoff, aber nicht ausreichend, um zu replizieren, was ein etabliertes Unternehmen in ihnen über Jahre aufgebaut hat.
Das Risiko für Startups, die als dünne Schichten über Modellen Dritter operieren, ist unmittelbarer. Es geht nicht darum, dass die Frontier-Labore dieses Segment aktiv zerstören wollen. Es geht darum, dass der anhaltende Rückgang der Inferenzkosten, kombiniert mit der Expansion der nativen Fähigkeiten der Modelle, die Margen gleichzeitig von unten und von oben komprimiert. Ein Unternehmen, das nicht klar beantworten kann, was ihm gehört, wenn das Modell nativ dasselbe tut wie es selbst, hat ein Problem mit seiner Geschäftsarchitektur – nicht mit Marketing oder Vertrieb.
---
Die Debatte über das Ende der Unternehmenssoftware und warum sie noch keine saubere Antwort hat
Als Anthropic im Jahr 2026 Claude Cowork lancierte, fielen die Bewertungen mehrerer bedeutender Softwareunternehmen innerhalb von Stunden. Der Vorfall erzeugte eine Erzählung, die sich rasch festigte: KI-Agenten würden die Unternehmenssoftware auffressen. Die entgegengesetzte Reaktion ließ ebenfalls nicht lange auf sich warten: diejenigen, die argumentierten, die Angst sei völlig unverhältnismäßig und Management-Software werde nicht verschwinden, weil Organisationen sich nicht so schnell verändern.
Mitte 2026 hält keine der beiden Positionen dem Gewicht der Daten stand. Ja, theoretisch könnten Unternehmen einen Großteil ihrer eigenen Software mit Code-Generierungswerkzeugen bauen. In der Praxis tun dies nur sehr wenige in großem Maßstab. Die institutionellen Adoptionszyklen sind langsam, die Toleranz gegenüber operativem Risiko ist gering, und die Wechselkosten bei kritischen Systemen sind nach wie vor hoch. Aber das bedeutet nicht, dass Unternehmenssoftware auf unbestimmte Zeit sicher ist. Es bedeutet, dass der Druckvektor auf einer anderen Zeitskala operiert, als die anfängliche Panikstimmung suggerierte.
Was beobachtbar geschieht, ist eine Bifurkation. Softwareunternehmen, die proprietäre Daten tief in ihre Arbeitsabläufe integriert haben, die Kundennetzwerke mit realen Ausstiegskosten aufgebaut haben und die Probleme lösen, bei denen sektorspezifische Präzision wichtiger ist als die allgemeine Leistungsfähigkeit des Modells, gehen gestärkt aus diesem Zyklus hervor. Jene, die ihren Wert hauptsächlich auf dem Zugang zu KI-Kapazitäten Dritter und auf Benutzererfahrungen aufgebaut haben, die Modelle nativ replizieren können, werden mit niedrigeren Multiplikatoren und längeren Fundraising-Zeiträumen neu bewertet.
Der Satz, der unter Investoren als reflexartige, fast automatische Einwand-Formulierung die Runde zu machen begann, lautet: „Und was, wenn OpenAI oder Anthropic das morgen machen?" In vielen Fällen ersetzt diese Frage die Analyse, anstatt sie zu öffnen. Unkritisch angewandt, blockiert sie legitime Gespräche über Unternehmen, die solide Grundlagen haben. Aber wenn sie mit Daten hinterlegt auftaucht, weist sie genau auf das Problem hin, das viele Startups noch nicht gelöst haben: den Unterschied zwischen dem Aufbau eines Produkts und dem Aufbau eines Vorteils, der sich mit der Zeit akkumuliert.
---
Die abundante Intelligenz und was knapp wird, wenn das geschieht
Das Rahmenwerk, das in diesem Zyklus die Investitionsentscheidungen am besten zu ordnen beginnt, geht von einer Hypothese aus, die bereits ausreichend Evidenz hat, um ernst genommen zu werden: Computerintelligenz wird zu einem abundanten und billigen Rohstoff, mit der gleichen Logik, der Rechenleistung, Speicher und Bandbreite in früheren Zyklen gefolgt sind. Wenn eine Ressource sich mit dieser Geschwindigkeit verbilligt, wird das knapp und wertvoll, was diese Ressource allein nicht produzieren kann.
Im vorangegangenen Fall, als Rechenleistung billiger wurde, wurde Distribution knapp, ebenso Nutzerverhaltensdaten und Netzwerkeffekte, die bestimmte Produkte aufgebaut hatten. Die Unternehmen, die den Zyklus gewannen, waren nicht jene mit dem besten Server, sondern jene, die verstanden, was außerhalb der Reichweite billigerer Hardware lag.
Die Logik wiederholt sich. Wenn Intelligenz billiger wird, wird das knapp, was Intelligenz nicht synthetisieren kann: Daten, die in keinem öffentlichen Repository zu finden sind, institutionelle Beziehungen, deren Aufbau Jahre dauert, physische Infrastruktur, die Kapital und Zeit für den Einsatz benötigt, regulatorisches Wissen, das nur in Organisationen existiert, die ein Jahrzehnt damit verbracht haben, sich in einem bestimmten Sektor zu bewegen.
Das konzentrierteste Quartal in der Geschichte des Risikokapitals ist kein Signal dafür, dass sich der Markt für alle anderen schließt. Es ist ein Signal dafür, dass der Markt mit mehr Klarheit als je zuvor neu schreibt, welche Art von Vermögenswerten er für verteidigungsfähig hält, wenn vier Unternehmen die Ressourcen haben, die Parameter des Spiels zu verschieben. Startups, die auf Vermögenswerten aufbauen, die die Abundanz von Intelligenz nicht replizieren kann, haben eine solidere Position, als die Panik des Augenblicks vermuten lässt. Jene, die das nicht tun, haben ein Problem, das der nächste Zyklus leistungsfähigerer Modelle sichtbarer machen wird – nicht weniger.
