Was KI-Investoren über den nächsten Durchbruch denken

Rund 200 Milliarden US-Dollar fließen derzeit jährlich in KI-Startups weltweit — und trotzdem, sagen zwei der einflussreichsten Köpfe der Tech-Investorenwelt, stehen wir noch ganz am Anfang. Sarah Guo, Gründerin von Conviction Partners und ehemalige Partnerin bei Sequoia Capital, sowie Elad Gil, Serieninvestor mit frühen Beteiligungen an Unternehmen wie Airbnb, Stripe und Coinbase, diskutieren in ihrem Podcast „No Priors" regelmäßig, wohin die Reise geht — und ihre Einschätzungen sind selten deckungsgleich mit dem, was der Mainstream-Tech-Diskurs vermuten lässt.

Wer sind Guo und Gil — und warum hört die Branche hin?

Sarah Guo hat bei Sequoia Capital einige der bedeutendsten Enterprise-Software-Deals der vergangenen Dekade begleitet. Ihr aktueller Fonds Conviction Partners konzentriert sich ausschließlich auf KI-native Unternehmen — also Firmen, die nicht nachträglich KI in bestehende Produkte integrieren, sondern von Grund auf mit künstlicher Intelligenz gebaut werden. Elad Gil hingegen ist bekannt als einer der präzisesten frühen Erkenner von Skalierungspotenzial. Er investierte in Unternehmen, als diese noch kaum bekannt waren, und schrieb mit dem „High Growth Handbook" eines der meistzitierten Playbooks für Startup-Wachstum.

Gemeinsam moderieren sie „No Priors" — einen Podcast, der technische Tiefe mit Investorenperspektive verbindet. Die Zuhörerschaft besteht zu großen Teilen aus Gründerinnen und Gründern, anderen Investoren sowie KI-Forscherinnen und -Forschern. Was Guo und Gil sagen, bewegt Bewertungen und Budgets. Das macht ihre Thesen zu mehr als bloßer Meinungsäußerung.

Wer wissen möchte, wie andere prominente Tech-Investoren die KI-Entwicklung einschätzen, findet in der Debatte rund um die All-In Podcast-Perspektive auf KI und Silicon-Valley-Investoren einen aufschlussreichen Vergleichspunkt.

Die zentrale These: Agenten sind die nächste Plattformwelle

In zahlreichen Episoden von „No Priors" kehren Guo und Gil immer wieder zu einem Kerngedanken zurück: Die erste Welle generativer KI — Chatbots, Textzusammenfassung, Bildgenerierung — war lediglich die Einführungsphase. Die eigentliche wirtschaftliche Disruption kommt durch sogenannte KI-Agenten. Ein KI-Agent ist, vereinfacht gesagt, ein System, das nicht nur auf Anfragen antwortet, sondern selbstständig Aufgaben plant, Schritte ausführt, Fehler korrigiert und Ziele verfolgt — ohne dass ein Mensch jeden Einzelschritt überwacht.

Konkret bedeutet das: Ein KI-Agent kann eigenständig eine E-Mail-Inbox verwalten, Termine koordinieren, Daten aus verschiedenen Quellen zusammenführen, Code schreiben und testen oder Kundenanfragen vollständig bearbeiten — alles in einem einzigen, automatisierten Ablauf. Guo bezeichnet diesen Shift als „vom Werkzeug zum Mitarbeiter". Statt KI als Hilfsmittel zu nutzen, werde man KI-Systemen zunehmend echte Verantwortlichkeiten übertragen.

Gil ergänzt diesen Blickwinkel mit einer strukturellen Beobachtung: Agenten brauchen Infrastruktur. Wer die Plattformen baut, auf denen Agenten operieren — Speicher, Gedächtnis, Orchestrierung, Sicherheit —, sitzt in der Wertschöpfungskette weiter oben als die Agenten-Anwendungen selbst. Diese Infrastrukturschicht sei, so Gil, derzeit massiv unterbewertet.

Was Agenten technisch bedeuten — und wo die Grenzen liegen

Agentische KI basiert auf großen Sprachmodellen (Large Language Models, kurz LLMs), die durch sogenannte Werkzeugnutzung erweitert werden. Das Modell kann nicht nur Text erzeugen, sondern auch externe Dienste aufrufen: eine Datenbank abfragen, eine API ansprechen, Code ausführen. Was früher mehrere spezialisierte Softwarebausteine erforderte, kann ein Agentensystem zunehmend aus eigener Logik heraus koordinieren.

Allerdings betonen sowohl Guo als auch Gil: Aktuelle Agentensysteme sind fehleranfällig. Sie scheitern bei komplexen, mehrstufigen Aufgaben häufig an Konsistenzproblemen — das Modell „vergisst" frühere Schritte, trifft widersprüchliche Entscheidungen oder handelt in einer Endlosschleife. Die Zuverlässigkeit, die für den produktiven Unternehmenseinsatz nötig wäre, sei noch nicht erreicht. Investitionen fließen daher stark in Systeme, die Agenten überwachen, ihre Fehler abfangen und bei kritischen Entscheidungen menschliches Eingreifen sicherstellen.

Dieser Bereich ist auch deshalb interessant, weil er mit anderen technologischen Entwicklungslinien konvergiert — etwa mit dem Fortschritt bei Hardware und Rechenkapazität, der durch Entwicklungen wie den Quantencomputer-Durchbruch bei IBM und Google langfristig eine neue Dimension erhalten könnte.

Sektorwetten: Wo Guo und Gil konkret investieren

„No Priors" ist kein theoretischer Salon. Beide Hosts legen Geld auf den Tisch — und ihre Portfolioentscheidungen zeigen, wo sie den konkreten Wert sehen.

Guo setzt stark auf vertikale KI-Lösungen: Software, die nicht für alle Branchen gleichzeitig gebaut wird, sondern tief in einen einzigen Sektor eindringt — Rechtswesen, Medizin, Finanzdienstleistungen. Der Vorteil: Fachdaten, regulatorisches Wissen und Prozessverständnis schaffen Burggräben, die generische Modelle wie GPT-4 oder Claude nicht ohne Weiteres überbrücken können. Wer einem Anwaltsbüro echten Mehrwert bietet, braucht kein globales Sprachmodell — sondern eines, das Vertragsklauseln in drei Jurisdiktionen kennt.

Gil hingegen blickt stärker auf Enabler: Unternehmen, die andere KI-Firmen erst produktionsfähig machen. Dazu zählen Monitoring-Tools (die überwachen, ob ein Modell korrekte Outputs liefert), Evaluierungsplattformen (die systematisch testen, wie gut ein Modell in einem bestimmten Aufgabenfeld ist) und Sicherheitslösungen für KI-Systeme in Unternehmensumgebungen.

Die Frage nach dem Modell-Monopol: Wer gewinnt das Rennen um die Basis-KI?

Ein wiederkehrendes Spannungsfeld in „No Priors" ist die Frage, ob es am Ende ein oder zwei dominierende Basismodelle geben wird — ähnlich wie Google und iOS das mobile Betriebssystem-Feld dominieren — oder ob die Modelllandschaft dauerhaft fragmentiert bleibt. Guo argumentiert für anhaltende Diversität: Unterschiedliche Aufgaben erfordern unterschiedlich spezialisierte Modelle, und der Rechenaufwand für kleinere, fokussierte Modelle ist deutlich geringer. Gil ist vorsichtiger: In der Geschichte der Technologie habe sich häufig gezeigt, dass Plattformen zu natürlichen Monopolen neigen, sobald Netzwerkeffekte und Switching-Kosten groß genug werden.

Diese Debatte hat praktische Konsequenzen für Unternehmensstrategien. Wer heute auf ein einziges Modell setzt, riskiert Abhängigkeit. Wer zu breit streut, verliert Integrationstiefe. Laut Gartner experimentieren derzeit über 60 Prozent der Großunternehmen mit mehr als einem KI-Anbieter gleichzeitig — ein Zeichen dafür, dass der Markt diese Unsicherheit noch nicht aufgelöst hat.

Ähnliche Plattformfragen stellen sich übrigens auch in anderen technologischen Domänen. Dass einzelne Infrastrukturentscheidungen ganze Industrien neu ordnen können, zeigt etwa die Entwicklung im Mobilfunkmarkt: Die Abschaltung des 2G-Standards durch A1 Telekom Austria markiert das Ende einer Ära — und zwingt Unternehmen und Verbraucher gleichermaßen zur Neuorientierung. Auch im KI-Bereich werden viele heute etablierte Infrastrukturentscheidungen in wenigen Jahren als überholt gelten.

Was fehlt: Kritik an der Investoren-Perspektive

Es wäre journalistisch unvollständig, Guo und Gils Thesen unkritisch zu referieren. Beide haben erhebliche finanzielle Interessen daran, dass KI als Wachstumsmarkt wahrgenommen wird — und dass Bewertungen hoch bleiben. „No Priors" ist ein Podcast mit klarer Senderperspektive: Kapitalgeber reden über eine Branche, in der sie selbst investiert sind.

Das erzeugt strukturelle blinde Flecken. So werden in der Show Fragen zur gesellschaftlichen Wirkung von KI — Arbeitsplatzverluste, Machtkonzentration bei wenigen Plattformen, Umweltkosten des Trainings großer Modelle — deutlich seltener behandelt als die nächste Produktankündigung oder Bewertungsrunde. Laut einer Erhebung des Weltwirtschaftsforums könnte generative KI bis zum Ende des Jahrzehnts über 80 Millionen Stellen weltweit verändern — ein Ausmaß, das politische und regulatorische Antworten erfordert, die weit über das hinausgehen, was Venture-Capital-Fonds leisten können oder wollen.

Auch die Frage, ob aktuelle KI-Bewertungen fundamental gerechtfertigt sind oder eine Blase darstellen, bleibt in „No Priors" regelmäßig unterbelichtet. Andere prominente Stimmen in der Technologiebranche — darunter erfahrene Halbleiter- und Softwareinvestoren — warnen ausdrücklich vor einer Überhitzung, die der Dotcom-Blase der frühen 2000er-Jahre ähneln könnte.

Nicht zuletzt lohnt ein Blick auf Branchen, die scheinbar wenig mit KI zu tun haben, aber ebenfalls durch Plattformkonsolidierung geprägt sind: Die Übernahme von Three durch Vodafone für fünf Milliarden Euro zeigt, wie Infrastrukturmärkte unter Druck zur Konsolidierung neigen — ein Muster, das Beobachter auch für den KI-Infrastrukturmarkt nicht ausschließen.

Was Verbraucher und Unternehmen konkret ableiten können

Für Unternehmen jenseits der Tech-Sphäre liefern Guo und Gils Einschätzungen trotz der genannten Einschränkungen nützliche Orientierung. Die zentrale Botschaft: Wer KI nur als Produktivitätswerkzeug für einzelne Mitarbeitende einsetzt, denkt zu kurz. Die strategisch relevante Frage ist, welche Kernprozesse im Unternehmen durch agentische Systeme grundlegend neu gestaltet werden können — und welche regulatorischen, ethischen und organisatorischen Voraussetzungen dafür geschaffen werden müssen.

Für Verbraucherinnen und Verbraucher gilt: KI-Agenten werden in näherer Zukunft in Alltagsanwendungen auftauchen — in Smartphones, E-Mail-Programmen, Finanz-Apps. Die Fähigkeit, solche Systeme zu verstehen, zu steuern und zu hinterfragen, wird zur digitalen Grundkompetenz werden. Wie KI bereits heute reale Nutzererlebnisse verändert, lässt sich unter anderem im Bereich der Unterhaltung beobachten: Die KI-Revolution bei Spielfiguren in der Gaming-Industrie zeigt, dass intelligente, reaktionsfähige Systeme längst aus dem Labor in den Massenmarkt vorgedrungen sind.

Was Guo und Gil letztlich verkörpern, ist eine spezifische Wissensform: Sie sehen früher als die meisten, welche technischen Möglichkeiten kapitalfähig werden. Ob diese Möglichkeiten gesellschaftlich wünschenswert sind, ist eine andere Frage — eine, die Politikerinnen und Politiker, Regulierungsbehörden und die Öffentlichkeit beantworten müssen. Der Podcast liefert Inputs für diese Debatte, aber keine Antworten.