Im ersten Teil dieser neuen Serie enthüllt AI Alpha das Versprechen der KI; im zweiten Teil wird dieser Optimismus durch kritische Fragen gedämpft. Die entscheidenden Fragen lauten, ob KI ihre finanziellen Versprechen einhalten wird und wer letztendlich diese Renditen erzielen wird – die Unternehmen oder die Verbraucher? Die Ergebnisse werden je nach Unternehmen unterschiedlich ausfallen, aber wir gehen davon aus, dass sich die heutigen Investitionen in Höhe von mehreren Milliarden Dollar im Laufe der Zeit in einen Wert von mehreren Billionen Dollar verwandeln werden.

KI: Ein algorithmischer Paradigmenwechsel

Der Aufstieg der KI markiert den Beginn einer neuen Ära. Um sich in der Technologielandschaft von morgen zurechtzufinden, müssen Investoren deren zugrunde liegende Natur verstehen und sich der Binsenweisheit bewusst sein, dass Hardware und Software sich ergänzen, anstatt sich auf oberflächliche Eindrücke zu verlassen.

Denken Sie daran, wie die frühen Pioniere der Halbleitertransistoren und des Internets, die einst als Nischenwerkzeuge für die akademische oder militärische Forschung abgetan wurden, eine tiefere Wahrheit erkannten: Als Rechenleistung immer billiger wurde, konnten Informationen mit beispielloser Geschwindigkeit und Effizienz verarbeitet werden, und als die Kommunikationskosten sanken, erwachten die schlummernden Kanäle des globalen Diskurses zum Leben. Dies waren keine zufälligen Ereignisse, sondern unvermeidliche Folgen grundlegender Veränderungen in Physik und Wirtschaft. Durch die Anwendung eines auf ersten Prinzipien basierenden Ansatzes lässt sich die Innovationskurve erkennen und damit langfristige Wachstumschancen identifizieren, anstatt sich von kurzlebigen Trends leiten zu lassen.

Der Übergang von deterministischen Algorithmen zu ihren probabilistischen Entsprechungen spiegelt den intellektuellen Sprung von der Newtonschen Physik zu den probabilistischen Rahmenwerken der Quantenmechanik und Komplexitätstheorie des 20.

Was ist es an der Kernarchitektur der KI, das auf natürliche Weise transformative Ergebnisse hervorbringt? In einem zukünftigen Blogbeitrag werden wir darauf näher eingehen, aber bedenken Sie: Seit den Anfängen der modernen Computerindustrie mit der von-Neumann-Architektur (1940er Jahre) haben Softwareingenieure Systeme entwickelt, in denen Algorithmen wie Meisterhandwerker Daten und Rechenleistung zu einem präzisen, vorab festgelegten Mechanismus orchestrieren.

Im aktuellen Paradigma haben jedoch Transformer-basierte Modelle auf Grafikprozessoren (GPUs) diesen Mechanismus auf den Kopf gestellt. Wenn die Algorithmen als Zahnräder einer Uhr fungieren, dann sind das Wachstum der Daten, angetrieben durch das Internet, und die Rechenleistung, angetrieben durch die Halbleitertechnologie, nicht mehr träge Komponenten, sondern die Zeiger, die die Zahnräder in Bewegung setzen.

Die Umkehrung der Rollen von Daten, Rechenleistung und Algorithmen ist mehr als nur eine semantische Verschiebung von Algorithmen von „Software“ zu „KI“. Es ist ein Dreh- und Angelpunkt, um den sich die Technologielandschaft dreht, ein monumentaler Sprung, der das Potenzial hat, die Konturen des Fortschritts neu zu definieren. Herkömmliche Software ist deterministisch und führt präzise Anweisungen aus. Im Gegensatz dazu verarbeitet KI um ein Vielfaches mehr Daten in großem Maßstab und passt sich kontinuierlich an, um trotz der Komplexität und Nuancen der Daten, mit denen sie konfrontiert ist, die wahrscheinlichsten Ergebnisse zu liefern. Diese iterative Verfeinerung macht sie probabilistisch. KI ist somit ein Modell, eine originalgetreue Nachbildung unserer von Natur aus komplexen realen Welt, die Muster aus riesigen Datenmengen erfasst und widerspiegelt und dabei eine Komplexität und Intelligenz erreicht, die oft die Grenzen des menschlichen Verstandes übersteigt.

Der Übergang von deterministischen Algorithmen zu ihren probabilistischen Entsprechungen spiegelt den intellektuellen Sprung von der Newtonschen Physik zu den probabilistischen Rahmenwerken der Quantenmechanik und Komplexitätstheorie des 20. Jahrhunderts wider, in denen Unsicherheit und emergente Phänomene eine zentrale Rolle spielen. Diese Entwicklung spiegelt eine umfassendere intellektuelle Reise wider, weg von einer streng kausalen Weltanschauung hin zu einer Weltanschauung, die die inhärenten Mehrdeutigkeiten und Unvorhersehbarkeiten der natürlichen Welt akzeptiert – eine Transformation, die Genies wie Ray Solomonoff in seiner Weisheit der 1950er Jahre als das wahre Schicksal von Algorithmen erkannt haben. Mit der explosionsartigen Zunahme von Daten und den Sprüngen in der Rechenleistung hat die Welt nun endlich seine vorausschauende Vision eingeholt.

Der probabilistische Wandel: Die Neudefinition von Arbeit, Forschung und Entwicklung sowie Software durch KI

Die heutige KI, die in ihrer wesentlichen probabilistischen Natur verwurzelt ist, aber weit darüber hinausgeht, ist ein kluger Entscheidungsträger, der die reale Welt durch hochwertige Input-Output-Verarbeitung modelliert und Daten in einem beispiellosen Umfang verarbeitet. Gleichzeitig dient sie als leistungsstarkes Werkzeug, das Experimente vorantreibt, Versuch und Irrtum in einen Katalysator für revolutionäre Forschung und Entwicklung (F&E) verwandelt und die Zyklen von Versuch, Irrtum, Verfeinerung und letztendlich Entdeckung beschleunigt. Mit ihren wachsenden Fähigkeiten und rapide sinkenden Kosten hat KI das Potenzial, menschliches Urteilsvermögen zu verbessern und zu ersetzen, F&E zu transformieren und Software neu zu definieren. Angesichts der bereits enormen Summen, die in Arbeit, F&E und Software fließen, glaube ich, dass der Einfluss der KI potenziell in die Billionen Dollar gehen kann.

Lassen Sie uns anhand einer detaillierteren Betrachtung der einzelnen Kategorien untersuchen, wie wir zu dieser Zahl gelangen.

Arbeit: Der Einzug der KI in den Arbeitsplatz

Bislang war es der menschliche Verstand, der die komplexen Aufgaben koordinierte, die die Wirtschaft antrieben. Heute jedoch entsteht KI als neue Kraft, die ebenfalls in der Lage ist, die Welt zu modellieren und Intelligenz zu zeigen, und damit die Dynamik der Wirtschaft, in der der Gewinner alles bekommt, neu gestaltet.

KI ist hervorragend für Routineaufgaben geeignet, da sie sich auf induktives Denken stützt, um aus riesigen Datensätzen Wahrscheinlichkeitsmuster zu extrahieren, während der menschliche Verstand seine Überlegenheit im deduktiven Denken behält, indem er neue Probleme durch logische Analyse zerlegt. Ersteres lebt von Korrelationen, Letzteres von Kausalitäten. Ein Aktienanalyst, der sich ausschließlich auf Mustererkennung stützt – also Nachrichten, Podcasts und Forschungsberichte konsumiert –, läuft Gefahr, von einer leistungsfähigeren KI übertroffen zu werden. Wer hingegen mentale Modelle anwendet, um Kausalitäten zu verstehen, kann neuartige Szenarien, deren Komplexität für KI schwer zu interpretieren ist, effektiver bewältigen. Diese klare Arbeitsteilung macht deutlich, dass KI zwar Routineaufgaben gut replizieren kann, menschliches Denken jedoch nach wie vor unverzichtbar ist, um einzigartige Herausforderungen zu bewältigen.

Ein Aktienanalyst, der sich ausschließlich auf Mustererkennung verlässt, läuft Gefahr, von der leistungsfähigeren KI übertroffen zu werden.

Viele Aufgaben, die einst von Menschen dominiert wurden, sind zunehmend anfällig für Disruption, da KI Aufgaben übernimmt, die früher umfangreiche manuelle Verarbeitung erforderten, insbesondere da viele Menschen damit beschäftigt sind, die sich wiederholenden Abläufe der täglichen Wirtschaftsmaschinerie zu verwalten, was einen riesigen Anwendungsbereich für induktive KI bietet. Selbst vermeintlich schwer erreichbare Bereiche werden in Frage gestellt. In stark regulierten Branchen wie dem Gesundheitswesen und dem Versicherungswesen hat KI bereits gezeigt, dass sie Prozesse, die 15 Wochen und 50 Experten erfordern, auf weniger als 10 Minuten und 3 Experten reduzieren kann[1], und ein Viertel aller Arbeitsplätze in der Computerprogrammierung sind bereits verschwunden.[2]

KI hat eine doppelte Rolle, da sie entweder die menschliche Arbeit durch Effizienzsteigerung ergänzen oder bei Routinetätigkeiten vollständig ersetzen kann. Die unerbittliche Logik des Kapitalismus legt nahe, dass Unternehmen, die die Vorteile der KI – ihre Effizienz, Kosteneffizienz und Fähigkeit zur kontinuierlichen Verbesserung – nutzen, diejenigen, die an veralteten Methoden festhalten, wahrscheinlich aus dem Wettbewerb verdrängen und damit einen Wandel der Arbeitsnachfrage vorantreiben werden. Im Sinne der kreativen Zerstörung von Joseph Schumpeter müssen Unternehmen ihre eigenen Arbeitspraktiken von innen heraus disruptieren, denn wenn sie dies nicht tun, wird der Markt ihnen Veränderungen aufzwingen und Trägheit durch Innovation ersetzen.

Auf dem Weg zu Billionen

Durch die Globalisierung haben die Industrieländer hochwertige, immaterielle Dienstleistungen im Inland behalten und weniger wertschöpfende Aufgaben wie die Fertigung ausgelagert, wodurch sie sich jedoch verwundbar gemacht haben.

Die weltweiten Arbeitsausgaben dürften jährlich 50 Billionen US-Dollar übersteigen.[3] Allein in den Vereinigten Staaten werden 10 Billionen US-Dollar für Löhne und Gehälter aufgewendet, davon 7 bis 8 Billionen US-Dollar für dienstleistungs- und wissensbasierte Tätigkeiten – Forschung, Design, Marketing, Finanzen und Bildung –, also Bereiche, die sich aufgrund ihrer Datenverarbeitungs- und Mustererkennungsfähigkeiten besonders für KI eignen. Dadurch kann KI Aufgaben übernehmen und erweitern, die bisher ausschließlich Menschen vorbehalten waren.

In Branchen wie dem Rechtswesen, den Finanzdienstleistungen und dem Gesundheitswesen beispielsweise erleichtern die geringeren Kosten und die verbesserte digitale Zugänglichkeit von KI allen Menschen den Zugang zu rechtlichen, finanziellen und gesundheitlichen Informationen erheblich. Daher müssen sich Anbieter in diesen Bereichen anpassen, indem sie sich spezialisieren und Premium-Dienstleistungen anbieten, oder sie werden durch KI verdrängt. Dies führt zu einer doppelten Transformation: Während die Arbeitskräfte umgeschult werden, profitieren die Kunden von niedrigeren Kosten und einem demokratisierten Zugang zu Informationen.

Selbst in traditionellen Bereichen wie dem verarbeitenden Gewerbe, das zwar nur 10 bis 11 % des Bruttoinlandsprodukts (BIP) der USA ausmacht[4], entfällt ein erheblicher Teil der Aktivitäten auf hochwertige Innovationen. Das Land wendet rund 3,5 % des BIP für Forschung und Entwicklung auf[5], und etwa 70 % aller privaten Forschungs- und Entwicklungsausgaben werden von Unternehmen des verarbeitenden Gewerbes getätigt. Dies bedeutet, dass ein erheblicher Teil der Produktion nicht nur aus Fließbandarbeit stammt, sondern auch aus Forschung, Entwicklung und Design – höherwertigen Aufgaben, die von KI beeinflusst werden.

F&E: Experimente im industriellen Maßstab

KI fungiert als digitales Modell der realen Welt, das physische Vermögenswerte und Prozesse repliziert und als virtuelles Labor dient, in dem die Komplexität der realen Welt widergespiegelt wird und Experimente und schnelle Prototypenentwicklung möglich und effizient sind. Diese Konfiguration ermöglicht kontrollierte Versuche und Irrtümer, wobei die probabilistische Berechnung auf verschiedene Datenquellen zurückgreift – Text, Bilder, Videos, chemische Moleküle, Gene, Code, Sensordaten, Datenbanken und vieles mehr –, um Ergebnisse zu simulieren und zu verfeinern und so Innovationen in verschiedenen Branchen zu beschleunigen.

Diese Experimentierfähigkeit wird bereits in verschiedenen Bereichen eingesetzt. Beispielsweise wird KI verwendet, um innovative Batteriekomponenten zu entwerfen, neue Polymere zu entwickeln und neuartige Szenarien für autonomes Fahren zu bewältigen. Ein Beispiel dafür, wie KI zur Bewältigung gewaltiger Herausforderungen wie der globalen Erwärmung beitragen kann, sind KI-Modelle, die sich hervorragend dafür eignen, Milliarden von Möglichkeiten unter metallorganischen Gerüsten – komplexen Strukturen aus Metallionen, die durch Kohlenstoffverbindungen verbunden sind und auf bestimmte Klimabedingungen wie feuchte Meereshöhen oder trockene Höhenlagen zugeschnitten sind – zu durchforsten, um das optimale CO₂-absorbierende Material zu identifizieren, eine Aufgabe, die menschliche Chemiker überfordern würde.[6]

Branchen wie Halbleiterchipdesign, Arzneimittelforschung, Softwareentwicklung und Content-Erstellung setzen KI in raschem Tempo ein, um Effizienz und Innovation zu steigern.

Obwohl die inhärente Flexibilität der probabilistischen Ergebnisse von KI die Einführung in Bereichen, die exakte Präzision erfordern, wie dem Gesundheitswesen oder dem Finanzwesen, verlangsamen kann, ist die Welt von Natur aus ungenau. Wir suchen nicht nach der perfekten Version eines Films, Podcasts, Blogs oder Artikels, sondern nach einer, die „gut genug“ ist, um unsere Bedürfnisse zu erfüllen – sei es zur Unterhaltung, zur Erläuterung der Arbeitsweise eines Unternehmens, zur Erledigung einer Aufgabe oder zur Entdeckung eines Moleküls, das Krankheiten lindert. In dieser vorherrschenden Ungenauigkeit, in der Genauigkeit die Ausnahme ist, findet KI ein riesiges Experimentierfeld, das uns zu immer raffinierteren und effektiveren Lösungen führt.

Auf dem Weg zu Billionen

Jeder sich wiederholende Prozess, der Daten liefert, die sich für die Mustererkennung eignen, eignet sich natürlich für systematische KI-gesteuerte Experimente. Heute setzen Branchen wie Halbleiterchipdesign, Arzneimittelforschung, Softwareentwicklung und Content-Erstellung KI in rasantem Tempo ein, um ihre Effizienz und Innovationskraft zu steigern. Unternehmen in diesen Sektoren investieren massiv in Forschung und Entwicklung, wobei die weltweiten F&E-Ausgaben jährlich etwa 2,75 Billionen US-Dollar erreichen[7] – ein Anteil am globalen BIP, der weiter wächst.[8]

Da KI die Kosten für Experimente senkt und deren Geschwindigkeit erhöht, ist davon auszugehen, dass die gesamten F&E-Ausgaben weiter steigen werden, während der Anteil der KI-getriebenen Ausgaben ebenfalls deutlich zunehmen wird. Mit der Zeit könnte KI-gestützte Forschung die F&E-Landschaft dominieren und einen immer größeren Teil dieser Investitionen in Höhe von mehreren Billionen Dollar für sich beanspruchen.

Software: Code wird kognitiv

Die gleichen wirtschaftlichen Kräfte, die Arbeit ergänzen und ersetzen, verändern auch die Software. Die „Moneyball“-Revolution hat einst den Baseball auf den Kopf gestellt, indem sie die Bewertung von Spielern und die Teamstrategie mithilfe von Software neu definiert hat. Heute tritt KI nicht nur in diese Fußstapfen, sondern katapultiert den Sport in eine neue Ära.[9] Der Einfluss von KI reicht natürlich weit über den Baseball hinaus. So steuert KI beispielsweise Meta dabei, Inhalte und Werbung für mehr als drei Milliarden Nutzer maßzuschneidern, was einem Umsatz von 165 Milliarden US-Dollar entspricht. In einer dramatischen Wende hat Tesla seine Mission des autonomen Fahrens von jahrelangen Investitionen in die vollständige Selbstfahrtechnologie (FSD) v1 bis v11 – Systeme, die auf fest programmierten Regeln für Leistung und Sicherheit basieren – auf FSD v12 umgestellt, das iterative, effiziente Modelle verwendet, die den C++-Code und menschliche Eingriffe um das Hundertfache reduzieren und gleichzeitig die Leistung und Sicherheit erheblich verbessern.

Doch nicht jedes Unternehmen verfügt über eine visionäre Führung. Während die Technologiegiganten schnell auf diese Innovationen umgestellt haben, halten viele Unternehmen weiterhin an veralteten Praktiken fest. Im digitalen Zeitalter wird jedes Unternehmen in unterschiedlichem Maße von KI betroffen sein – einige werden sich schnell anpassen, andere werden durch die unerbittliche Logik des Kapitalismus, in dem kreative Zerstörung niemanden verschont, zu Veränderungen gezwungen sein.

Auf dem Weg zu Billionen

Der Übergang von traditioneller Software zu KI ist in vollem Gange, wobei KI bereits in dieser frühen Phase ihrer Entwicklung herkömmliche Software-as-a-Service-Lösungen (SaaS) überholt hat.

Als Teil des Finanzökosystems, das diesen Wandel vorantreibt, liefert der Jahresbericht 2024 von Stripe wertvolle Einblicke und verweist auf „eine große Anzahl von Unternehmen mit schnell wachsenden Geschäften, darunter OpenAI, Anthropic, Suno, Perplexity, Midjourney, Cognition, ElevanLabs, LangChain, Pinecone, Mistral, Cohere, Sierra, Decagon, Invideo und unzählige andere, die noch nicht bekannt sind (aber jederzeit bekannt werden könnten)."[10]

Diese aufstrebenden Unternehmen sind nur ein kleiner Ausschnitt der Zukunft, die auf der Grundlage von KI entsteht. Bedenken Sie, dass ‚Cursor, der KI-gestützte Programmierassistent, in nur drei Jahren einen wiederkehrenden Umsatz von über 100 Millionen US-Dollar erzielt hat.‘[11] Ihn einfach als ‚Programmierassistent‘ zu bezeichnen, würde seine wirtschaftliche Bedeutung schmälern. Er hat das eingeführt, was manche heute als „Vibe Coding“ bezeichnen, und ermöglicht die Erstellung von Spielen in nur wenigen Stunden – eine Aufgabe, die früher Jahre der Arbeit erforderte und zu einer aufgeblähten Spieleentwicklungsindustrie geführt hat. An diesem einzigartigen Beispiel sehen wir, wie KI nicht nur als Werkzeug, sondern als Kraft auftritt, die unsere Wirtschafts- und Softwareparadigmen neu schreibt.

Weltweit übersteigen die Ausgaben für traditionelle Software mittlerweile 700 Milliarden US-Dollar[12] und werden voraussichtlich bis zum Ende des Jahrzehnts 1 Billion US-Dollar erreichen[13]. Seit Jahrzehnten basiert das Informationszeitalter auf dem soliden Fundament von Algorithmen, die in traditioneller Software eingebettet sind und immer tiefer in die Gesellschaft verwoben werden. Nun wird KI die Rolle von Algorithmen als Motor der Wirtschaftstätigkeit weiter beschleunigen.

Selbst in diesem frühen Stadium hat KI gezeigt, dass sie durch die Modellierung der Komplexität der realen Welt anhand von Daten optimiert werden kann, um Einsparungen in Milliardenhöhe zu erzielen. Shells PortXChange reduzierte die Leerlaufzeiten von Schiffen um 20 %, Fortescues KI-gesteuerte Energieverwendung und Bergbauoperationen senkten die Stromkosten um fast 500 Millionen US-Dollar, und UPS konnte durch die Neukalibrierung seiner Lieferrouten mit KI die Kraftstoffkosten um Hunderte Millionen Dollar senken.[14]

Satya Nadella, CEO von Microsoft, hat davor gewarnt, dass Geschäftsanwendungen – im Wesentlichen Datenbanken mit eingebetteter Geschäftslogik – kurz vor dem Zusammenbruch stehen könnten und durch KI-Agenten ersetzt werden könnten, die in der Lage sind, komplexe Logik zu lernen und auszuführen, was herkömmliche Systeme auf den Kopf stellen könnte.[15] Chamath Palihapitiyas Kritik am 5 Billionen Dollar schweren Software Industrial Complex (SIC), der seiner Meinung nach jährlich um 10 bis 15 % wächst und seit über 30 Jahren nicht mehr nachhaltig ist, wird durch CIOs untermauert, die Hunderte Millionen für aufgeblähte Lösungen ausgeben, die die Margen schmälern[16]. In dieser kritischen Phase läuft jedes SaaS-Modell, das lediglich kontextarme menschliche Aufgaben repliziert, ohne tiefgreifendes, differenziertes Fachwissen oder eine menschliche Komponente einzubeziehen, Gefahr, durch KI ersetzt zu werden.

In einer globalen Wirtschaft mit einem Wert von 100 Billionen US-Dollar wird KI meiner Meinung nach einen immer größeren Anteil der Arbeitslast von Unternehmen und Verbrauchern übernehmen und ihren wirtschaftlichen Einfluss in den Bereich der Billionen steigern.

Fazit

Es bleibt noch viel zu tun. Ich glaube, dass KI als allgemeine Technologie nicht nur andere technologische Durchbrüche verstärken, sondern auch deren Auswirkungen vergrößern und den wirtschaftlichen Wert in den Bereich von Billionen Dollar steigern wird. Dieses enorme Potenzial führt jedoch nicht automatisch zu überdurchschnittlichen Anlageerträgen, ein Thema, das in Teil 2 dieser Serie ausführlich behandelt wird.

Wenn Sie weitere Informationen darüber wünschen, wie wir KI in unseren Portfolios berücksichtigen, wenden Sie sich bitte an unsere Vertriebskontakte.

Gurvir Grewal ist US-Spezialist im globalen Aktienteam von William Blair.

[1] Quelle: The Information, [2] Quelle: 13D Research & Strategy, WILTW, Stand: 10. April 2025, [3] Quelle: Our World in Data, [4] Quelle: US-Verteidigungsministerium, [5] Quelle: US-Verteidigungsministerium, [6] Quelle: The Economist, [7] Quelle: Weltorganisation für geistiges Eigentum (WIPO), [8] Quelle: Weltbank, [9] Quelle: The Economist, [10] Quelle: Stripe, [11] Quelle: Stripe, [12] Quelle: Statista, [13] Quelle: Precedence Research, [14] The Economist, [15] Quelle: Bg2 Pod, [16] Quelle: All-In Podcast.