Von der Expansion der KI-Rechenleistung bis zur Umsatzgenerierung auf der Anwendungsebene: Goldman Sachs beleuchtet die neue Phase der KI-Investitionen – wer kann Token in Cashflow verwandeln?

Die APP von Zhitong Caijing hat erfahren, dass auf der viel beachteten Communacopia+ Technology Conference von Goldman Sachs führende Manager aus der Softwarebranche im B2B- und B2C-AI-Anwendungsbereich gemeinsam aktuelle Prognosen über zukünftige Wachstumschancen abgegeben haben. Einer von Goldman Sachs veröffentlichten Zusammenfassung zufolge sagte der CEO von Databricks, Ali Ghodsi, einem Unternehmen für Big Data Analytics und KI-Projektengineering, dass sich der Wettbewerbsschwerpunkt im Bereich KI-Anwendungssoftware zunehmend auf die tatsächliche Implementierung in Unternehmen verschiebt. Softwareplattformen, die Modellleistungen effizient und präzise in verlässliche Geschäftsergebnisse umsetzen können, werden neue Wachstumsfelder erschließen.

Databricks nutzt Genie zur Erfüllung von Unternehmensanalyse-Anforderungen und Unity Catalog zur Vereinheitlichung von künstlicher Intelligenz und digitaler Unternehmensführung, Sicherheits- und Kostenmanagement und expandiert weiter in Richtung Kundendatenplattformen, Sicherheitsanalysen, Observability und Transaktionsdatenbanken. Goldman Sachs betont, dass zur Bewertung des Wachstumspotenzials von softwarebezogenen KI-Anwendungsunternehmen in den nächsten drei Jahren besonders das technologische geistige Eigentum, die Innovationsgeschwindigkeit und offene Architektur überprüft werden sollten. Goldman Sachs erklärt, dass aus Investitionssicht Softwareplattformen mit umfangreicher und exklusiver Datenbank sowie starker Workflow-Dominanz eine neue Marktbewertung erfahren könnten.

Goldman Sachs-Analysten stellen zudem fest, dass weltweit Kapital aus der ersten Phase KI-Investitionen, die mit KI-Rechenleistungs-Infrastruktur wie GPU/HBM/AI-Datacenter-Hardware verbunden ist, in die zweite Phase übergeht. Dabei werden Sieger fokussiert, die Token in stärkere Unternehmensproduktivität, Einnahmen und Cashflow verwandeln können. Die zukünftige Bewertungsdifferenzierung könnte noch deutlicher werden: Softwareunternehmen mit exklusiven Daten, komplexen Workflows für Unternehmens- und Endnutzer, Agent-Workflow-Closed-Loops und klarem ROI erfahren Neubewertungen, während traditionelle SaaS, die leicht durch Basis-Modell-Funktionalitäten kommodifiziert werden können, weiterhin unter Druck stehen.

KI beginnt effizient „Hausaufgaben zu erledigen“: Unternehmensdaten und Governance bestimmen Umsetzungskraft

Auf der Communacopia+ Technology Conference zeigte Genie den Ansatz von Databricks, das Unternehmens-KI-Gateway zu erschließen: Durch firmeneigene Datenindizierungstechnologien wie OntoRank und Geschäftsontologien werden Unternehmensdaten als Geschäftsinfos organisiert, die vom Modell verstanden, berechnet und genutzt werden können – das Produkt übernimmt die Rolle eines „KI-Analysten“.

Die Geschäftsleitung von Databricks erläuterte, dass Genie bereits breit im Vertrieb, Marketing und Finanzwesen des Unternehmens eingesetzt wird und die internen Abläufe in den letzten 6–12 Monaten deutlich verändert hat. Der technologische Nutzen liegt darin, dass Unternehmen beim Einsatz von Agents eine einheitliche Sicht auf Kunden, Bestellungen, Einnahmen etc. brauchen und Analyseergebnisse in Alltagsprozesse einbinden müssen; auch bei verbesserter Modellleistung entscheiden diese Daten-Grundlagen weiterhin über die Zielgenauigkeit. Die Unternehmensführung sieht zudem Kooperationspotenziale mit Palantir im Bereich komplexer Datenengineering-Projekte.

Unity Catalog bedient die Governance-Anforderungen, die durch die skalierte Agent-Implementierung entstehen. Das Analystenteam von Goldman Sachs merkt an, dass schnelle Modelliteration die Komplexität von Auswahl und Implementierung erhöht, steigender Token-Verbrauch die Prüfung von Kosten und ROI verstärkt und die Sichtbarkeit für spezifische Agent-Aktionen, Datenzugriff und Sicherheitsrisiken in Unternehmen noch immer mangelhaft ist. Daher müssen Daten-Governance, Zugriffsrechte, Sicherheit und Geschäftssemantik eng mit der KI-Umgebung verzahnt sein.

Goldman Sachs‘ aktuelles Urteil zur KI-Anwendungsebene lautet: Der kommerzielle Wert solcher Plattformen liegt darin, Unternehmen eine sorgenfreie Skalierung zu ermöglichen, da genau festgelegt werden kann, was Agents tun und wie Aufgaben kostenmäßig und ergebnisbezogen verfolgt werden. Die Kundenbindung beruht somit stärker auf der fortlaufenden Generierung von Geschäfts-Werten – das entspricht den von Goldman Sachs betonten Fähigkeiten, Innovationsgeschwindigkeit und offener Architektur.

Die Produkt-Expansion der Plattform-KI-Anwendungsführer wie Databricks umfasst vier Bereiche: Bei Kundendatenplattformen unterstützt Infinite Campaigns den Übergang von gruppenbasierter zu individueller Marketingansprache, wobei Open-Source-Modelle die Kostenstruktur weiter verbessern dürften; im Bereich Sicherheitsinformationen und Eventmanagement (SIEM) schaffen von Agents generierte neue Daten sowie die Fusion der CIO/CISO-Funktionen Chancen für Sicherheitsanalysen; Observability dient ebenfalls als Expansionsgebiet, ein Produkt-Timetable ist aber noch nicht offengelegt. Lakebase wird von der Geschäftsleitung als potenziell größte neue Gelegenheit betrachtet: Nach der Senkung der Softwareentwicklungshürden durch KI benötigen neue Anwendungen unterstützende Transaktionsdatenbanken für Alltagsbetrieb und Datenzugriff, was Databricks aus dem Analysebereich in weitere Märkte ausdehnt.

Die Unternehmensleitung stellt sogar in Aussicht, dass in den kommenden acht Monaten mehr Software geschaffen werden könnte als bislang in der gesamten Firmengeschichte – dies sei allerdings laut Goldman Sachs eine aggressive Einschätzung des Nachfragepotenzials und kein bereits verifizierter Branchentrend.

Token in Cashflow verwandeln: Chancen diffundieren auf Anwendungsebene, Software-Aktien differenzieren schneller

OpenAI hat mit Astra eine bedeutende Lösung präsentiert, die die Effizienz von Computeroperationen, Programmierung und komplexer Aufgabenwahrnehmung als Proxy stark steigert und dabei mehr Unternehmens-Workflows automatisiert; gleichzeitig schreiten „Modellleistungswettbewerb“ und „Geschäftsergebniswettbewerb“ parallel voran. Die Gebührenmodelle differenzieren sich: Astra-API kalkuliert weiterhin nach Input- und Output-Token, Softwareanbieter im KI-Anwendungsbereich können hingegen nach Benutzer, Aktionen, Konversation oder Geschäftsergebnis abrechnen. So verlangt Intercom’s Fin pro definiertem Geschäftsergebnis ab 0,99 Dollar; Salesforce Agentforce bietet Abrechnung nach Aktion, Konversation und Nutzerlizenz.

Basis-Modell-Anbieter fokussieren vermutlich weiterhin auf API-Verkäufe von Rechenleistungen, während die KI-Anwendungsanbieter vermehrt den Wertnachweis für die Lieferung erbringen müssen. Erfolgsbasierte Vergütung passt die Preise besser an die Kundenvorteile an und verlangt vom Anbieter die Übernahme der Kosten für Inferenzen, Retries und manuelle Überprüfung; Aufgaben-Erfolgsrate und Margen werden so zu Qualitätsmerkmalen der Kommerzialisierung.

Die jüngste Aktienmarktentwicklung zeigt, dass der Markt bereit ist, realisierte KI-Einnahmen zu belohnen und potenzielle Substitutionen zu bestrafen. Am 3. September stieg die Aktie von Snowflake, einem Databricks-Konkurrenten, nach starken Quartalszahlen um etwa 17%; der Produktumsatz im zweiten Quartal erhöhte sich gegenüber dem Vorjahr um 37% auf 1,49 Milliarden Dollar, der Jahresausblick wurde von 5,84 auf 6,07 Milliarden Dollar angehoben – ein Beleg dafür, dass die Unternehmens-KI-Anwendungsebene den Verbrauch von Datenplattformen ausweitet. Am 8. September fielen die Aktien von Salesforce und Intuit jeweils um über 4%, ServiceNow um etwa 5%, der S&P 500 Software & Services Index sank um 1,4%, und Wall-Street-Analysten machten Astra und die daraus entstandenen Substitutionsängste durch große Modelle als Grund für den Verkaufsdruck verantwortlich.

Die Implementierung von Databricks zeigt, dass die KI-Einnahmen entlang der Wertschöpfungskette zunehmend beschleunigt werden – Agents übernehmen mehr Aufgaben und steigern den Verbrauch von Computing-, Storage- und Datendiensten; Plattformen mit Unternehmensdatenzugang, Governance-Fähigkeiten und Prozesserfahrung bemühen sich, diese Nutzung in Einnahmen und Cashflow umzuwandeln. Für Software-Aktien ist das ein struktureller Vorteil, aber Plattformexpansion kann auch das Marktvolumen unabhängiger Tools verringern. Profitable Unternehmen müssen gleichzeitig mit neuen KI-Umsätzen, steigenden Konsumausgaben und besserer Marge punkten, während Anbieter, die nur durch Oberfläche oder Funktionalität hervorstechen, intensiver konkurrieren müssen.

Das Bewertungsmodell der starken KI-Investitionen seit Ende 2022 verschiebt sich allmählich von „Investitionsvolumen“ zu „Kapitalrendite-Effizienz“ – und dieser Prozess beschleunigt sich: Die erste Phase der KI-Investitionswelle fokussierte auf „wer baut und profitiert vom weltweit größten GPU-Datenzentrum“, die aktuelle zweite Phase auf „wer kann Token in nachhaltigen Cashflow verwandeln“.

Der Super-Bullenmarkt rund um KI verschiebt sich von „Kauf von Chip-Aktien“ zu „Kauf von KI-Workflows“ – das bedeutet, der Markt bewertet den KI-Bullenmarkt neu, von „wer profitiert am meisten vom permanenten KI-Investitionsboom“ zu „wer wandelt Rechenleistung am schnellsten in ARR, Marge und freien Cashflow um“. Davon profitieren KI-Anwendungsplattformen mit hoher Integrationskraft in Unternehmen, hoher Erneuerungsrate, Datenmonopol und Agent-Kommerzialisierungsfähigkeit. Ob sich KI-fokussierte Softwareunternehmen künftig besser, günstiger und modellstärker anbinden können und dabei den eigenen unverzichtbaren Wert sichern, wird für ihre langfristige Preissetzung entscheidend sein.