Kürzlich durfte ich am «Food for Thought»-Anlass der Schweizerischen Gesellschaft für Finanzmarktforschung (SGF) über künstliche Intelligenz diskutieren. Eine Frage hat mich dabei besonders beschäftigt: Wie wird die KI-Industrie in fünf Jahren aussehen?
Als Ökonom müsste ich jetzt natürlich eine Prognose abgeben. Allerdings haben wir Ökonomen bekanntlich schon Mühe, die Gegenwart richtig einzuschätzen. Deshalb habe ich die Frage meinem LinkedIn-Netzwerk gestellt.
Das Ergebnis:
- 46 Prozent: Grosse Plattformen und spezialisierte Anbieter werden nebeneinander bestehen.
- 25 Prozent: Wenige grosse Unternehmen werden den Markt dominieren.
- 3 Prozent: Viele Spezialisten werden sich durchsetzen.
- 25 Prozent: Die Entwicklung ist noch völlig offen.
Die Umfrage ist selbstverständlich nicht repräsentativ (und gerundet). Aber sie zeigt etwas Interessantes: Fast niemand erwartet eine KI-Welt, die ausschliesslich von kleinen Spezialisten geprägt ist. Und knapp die Hälfte rechnet mit einer Kombination aus grossen Plattformen und spezialisierten Anbietern.
Ist das auch aus ökonomischer Sicht plausibel?
WARUM GRÖSSE BEI KI SO WICHTIG IST
Wer heute eines der leistungsfähigsten KI-Basismodelle entwickeln will, braucht vor allem drei Dinge: Rechenleistung, Daten und Kapital. Und davon möglichst viel.
Der Stanford AI Index 2025 schätzte beispielsweise die Trainingskosten von GPT-4 auf rund 79 Millionen Dollar, jene von Llama 3.1-405B auf rund 170 Millionen Dollar. Dabei handelt es sich nur um das Training einzelner Modelle, nicht um die gesamte Entwicklung und Infrastruktur.
Die Kosten sind zu einem erheblichen Teil Fixkosten. Ist ein Modell einmal entwickelt, kann es von sehr vielen Kunden genutzt werden. Je grösser die Nutzerbasis, desto besser lassen sich die Entwicklungskosten verteilen.
Das sind klassische Skaleneffekte.
Die Ökonomen Anton Korinek und Jai Vipra untersuchen diese Zusammenhänge in ihrer Studie Concentrating Intelligence: Scaling and Market Structure in Artificial Intelligence. Sie zeigen, wie Skaleneffekte, der Zugang zu knappen Ressourcen und die vertikale Integration eine Konzentration des KI-Marktes begünstigen können.
Hinzu kommt ein weiterer Mechanismus: Wer bereits über Cloud-Infrastruktur, Kundenbeziehungen und Vertriebskanäle verfügt, kann neue KI-Produkte einfacher auf den Markt bringen. Die grossen Technologieunternehmen starten also nicht bei null.
Es gibt deshalb gute Gründe, warum sich bei den Basismodellen nur eine beschränkte Zahl von Anbietern dauerhaft behaupten dürfte.
Allerdings bedeutet das nicht zwingend, dass am Ende nur einer übrig bleibt.
WARUM DER WETTBEWERB TROTZDEM FUNKTIONIERT
Gerade bei KI lohnt es sich, nicht nur auf die absoluten Entwicklungskosten zu schauen, sondern auch auf die Kosten der Nutzung.
Hier zeigt sich ein ganz anderes Bild.
Gemäss dem Stanford AI Index 2025 sind die Kosten für die Nutzung eines Sprachmodells auf dem Leistungsniveau von GPT-3.5 zwischen November 2022 und Oktober 2024 um mehr als 99 Prozent gesunken.
Noch bemerkenswerter: Technologische Führungspositionen wechseln rasch. Korinek und Vipra weisen darauf hin, dass bereits ein Jahr nach der Lancierung von GPT-4 rund 14 Unternehmen Modelle entwickelt hatten, die das ursprüngliche GPT-4 übertrafen. Ein Vorsprung, der Hunderte Millionen gekostet hat, kann also innert Monaten aufgeholt werden.
Die grossen Anbieter investieren also Milliarden, ohne sicher sein zu können, dass sie ihren technologischen Vorsprung behalten.
Das erinnert mich an einen wichtigen Unterschied zwischen Grösse und Marktmacht. Ein Unternehmen kann enorme Skalenvorteile haben und trotzdem unter intensivem Wettbewerbsdruck stehen.
Auch offene Modelle spielen dabei eine Rolle. Sie ermöglichen es anderen Unternehmen, auf bestehenden Technologien aufzubauen, statt jedes Mal selbst ein Basismodell entwickeln zu müssen.
Für den Wettbewerb ist das entscheidend. Denn wenn die Basistechnologie günstiger und leichter zugänglich wird, sinken die Eintrittshürden für neue Anwendungen.
DIE CHANCE DER SPEZIALISTEN
Ein leistungsfähiges Sprachmodell ist noch keine fertige Lösung für eine Bank, ein Industrieunternehmen oder ein Spital.
Dafür braucht es zusätzliche Daten, Branchenwissen, die Integration in bestehende Prozesse und nicht zuletzt Vertrauen.
Gerade in der Finanzbranche ist das offensichtlich. Eine Bank benötigt nicht einfach ein Modell, das gut formulieren kann. Sie braucht Anwendungen, die mit vertraulichen Daten umgehen, regulatorische Anforderungen erfüllen, nachvollziehbare Ergebnisse liefern und sich in bestehende Systeme integrieren lassen.
Hier können spezialisierte Anbieter einen Wettbewerbsvorteil haben.
Die OECD zeigt in ihrer Studie Artificial Intelligence and Competitive Dynamics in Downstream Markets, dass KI Markteintrittshürden senken, Innovation erleichtern und Produktdifferenzierung fördern kann. Allerdings hängt dies stark vom jeweiligen Markt und vom Zugang zu Daten und Technologien ab.
Damit entsteht ein interessantes Spannungsfeld: Dieselbe Technologie, die bei ihrer Entwicklung enorme Skaleneffekte erzeugt, kann bei ihrer Anwendung neue Chancen für kleinere Unternehmen schaffen.
Die entscheidende Frage lautet deshalb nicht nur, wer die besten Modelle entwickelt. Sondern auch, wer daraus für seine Kunden den grössten Nutzen schafft.
DIE EISENBAHN, DAS INTERNET UND DIE KI
Und was tun Ökonomen noch lieber als Umfragen zu tätigen, wenn sie prognostizieren müssten: Zurückschauen.
Doch, ein Blick zurück hilft wohl tatsächlich weiter.
Die Eisenbahn war im 19. Jahrhundert eine revolutionäre Technologie. Sie verkürzte Transportzeiten, erschloss neue Märkte und veränderte die Standortwahl von Unternehmen. Dafür musste zunächst enorm viel Kapital in Schienen, Bahnhöfe und Lokomotiven investiert werden. Es entstanden grosse Eisenbahngesellschaften, und vielerorts wurde mehr gebaut, als sich wirtschaftlich rechnete. Zahlreiche Investoren verloren Geld.
Für die Volkswirtschaft war die Eisenbahn trotzdem ein gewaltiger Gewinn. Besonders profitierten auch jene Unternehmen, die dank der neuen Infrastruktur günstiger transportieren, grössere Märkte bedienen und ihre Produktion neu organisieren konnten.
Wie gross der Unterschied zwischen privatem und gesellschaftlichem Nutzen sein kann, zeigen Richard Hornbeck und Martin Rotemberg in ihrer Studie Growth Off the Rails. Für die USA schätzen sie für 1890 eine jährliche gesellschaftliche Rendite von rund 48 Prozent auf die damals investierten 8 Milliarden Dollar Eisenbahnkapital. Die Eisenbahngesellschaften selbst konnten davon nur rund 7 Prozent vereinnahmen. Der allergrösste Teil des Nutzens floss an andere.
Beim Internet wiederholte sich ein Teil dieser Geschichte. In den 1990er-Jahren investierten Unternehmen Milliarden in Glasfasernetze und andere Infrastruktur. Die Dotcom-Blase platzte, viele Anbieter verschwanden. Das Internet hingegen blieb und wurde immer wichtiger.
Die grössten Gewinner waren nicht zwingend jene, die zuerst die Infrastruktur bauten. Es entstanden neue Geschäftsmodelle, Plattformen und spezialisierte Anbieter. Gleichzeitig entwickelte sich mit den grossen Technologiekonzernen eine neue Marktkonzentration.
Und nun die künstliche Intelligenz?
Auch hier werden Milliarden in die Infrastruktur investiert. Auch hier könnten sich einige Investitionen als überdimensioniert erweisen. Und auch hier dürfte der volkswirtschaftliche Nutzen weit über jene Unternehmen hinausgehen, welche die Basistechnologie entwickeln.
Allerdings gibt es einen wichtigen Unterschied: Die grossen Technologiekonzerne haben aus der Internetgeschichte gelernt. Sie kontrollieren bereits heute wichtige Teile der Infrastruktur, die Vertriebskanäle und die Kundenbeziehungen. Sie könnten deshalb einen grösseren Teil der zusätzlichen Wertschöpfung selbst abschöpfen.
Die Geschichte liefert also keine eindeutige Prognose. Aber eine wichtige Lektion: Die Erfinder und Betreiber einer neuen Technologie müssen nicht dieselben sein, die langfristig am meisten von ihr profitieren.
WAS DAS FÜR DIE SCHWEIZ BEDEUTET
Die Schweiz wird kaum mit den amerikanischen und chinesischen Technologiekonzernen bei der Entwicklung der grössten Basismodelle konkurrieren. Ihre Stärken liegen anderswo: in der Spezialisierung, im Branchenwissen und in der Verbindung von Technologie mit konkreten Anwendungen.
Interessant ist dabei eine Parallele zur Schweizer Wirtschaftsstruktur. Mein Kollege Michael Grass erklärt in einem aktuellen SRF-Beitrag über die Schweizer Wirtschaftscluster, wie grosse internationale Konzerne als Anker für ganze Ökosysteme wirken (Link). Wissensintensive Funktionen suchen die Nähe zu Talenten und zueinander. Davon können auch spezialisierte kleinere Unternehmen im Umfeld profitieren.
Könnte sich in der KI-Industrie eine ähnliche Arbeitsteilung entwickeln? Wenige grosse Anbieter stellen die Basistechnologie bereit, während zahlreiche Spezialisten daraus konkrete Anwendungen entwickeln.
Wie bereits im BAK-Blog über KI und Arbeitsplätze diskutiert, kommt es nicht nur darauf an, welche einzelnen Aufgaben KI übernehmen kann. Entscheidend ist, wie Unternehmen ihre Arbeit organisieren und die neuen Möglichkeiten nutzen.
Das erleben wir auch bei BAK: Unsere Data Engineers und Programmierer entwickeln gemeinsam mit unseren Ökonomen KI-Anwendungen und Agenten. Die Basismodelle stammen von anderen. Die Verbindung mit unseren Daten, Methoden und unserem Fachwissen schafft den eigentlichen Mehrwert.
Für die Schweiz könnte deshalb weniger entscheidend sein, wer die besten KI-Modelle entwickelt, sondern wer am meisten daraus macht.
FAZIT: WER INVESTIERT, MUSS NICHT ZWINGEND GEWINNEN
Zurück zu meiner LinkedIn-Umfrage.
Die 46 Prozent, die auf grosse Plattformen und spezialisierte Anbieter setzen, haben aus meiner Sicht gute ökonomische Argumente auf ihrer Seite.
Ich würde sogar noch einen Schritt weitergehen: Die Konzentration bei den Basismodellen könnte gerade eine Voraussetzung dafür sein, dass ein vielfältiger Markt spezialisierter Anwendungen entsteht.
Denn je leistungsfähiger und günstiger die Basistechnologie wird, desto mehr Unternehmen können darauf aufbauen.
Allerdings ist das kein Automatismus. Wenn grosse Plattformen den Zugang zu Modellen, Daten oder Kunden kontrollieren, können sie den Wettbewerb auf den nachgelagerten Märkten auch einschränken.
Die Eisenbahn und das Internet haben gezeigt, dass die volkswirtschaftlichen Gewinner einer technologischen Revolution nicht zwingend jene sind, die am meisten in die Infrastruktur investieren.
Das könnte bei der KI ähnlich sein.
Damit bleibt eine für Ökonomen besonders spannende Frage: Wer schafft künftig den grössten Wert, und wer kann ihn abschöpfen?
Die Entwickler der Basismodelle? Die Betreiber der Plattformen? Oder jene Unternehmen, die KI so einsetzen, dass sie für ihre Kunden einen konkreten Nutzen schafft?
Die Antwort des Ökonomen: «Es kommt darauf an». Leider nicht konkret, aber dafür ehrlich. Sonst wäre ich ein reicher Investor.
