„Wie viele Mitarbeiter kann ich feuern?“: Das wahre Geschäftsmodell der KI-Konzerne

London, ein nüchterner Besprechungsraum, ein paar Jahre vor dem großen KI-Boom. Connor Leahy, KI-Forscher und damals Chef eines Londoner KI-Unternehmens, präsentiert Geschäftsführern seine Sprachmodelle. Er zeigt, was die Technologie kann: Dokumente zusammenfassen, Anfragen beantworten, Abläufe beschleunigen. Und am Ende, so erzählt er es in einem aktuellen Interview, kommt fast immer dieselbe Frage: „Wie viele Arbeiter kann ich feuern, wenn ich dein Produkt kaufe?“

Diese Anekdote führt mitten hinein in das Geschäftsmodell der KI-Konzerne. Denn die Frage der CEOs ist exakt die Rechnung, mit der die großen KI-Labs heute ihre Bewertungen von mehreren hundert Milliarden Dollar rechtfertigen. Wer verstehen will, warum Investoren derart gigantische Summen in KI stecken, muss nur diese eine Frage ernst nehmen. Für Sie als Entscheider im Mittelstand steckt darin eine wichtige Lektion, aber eine andere, als viele Schlagzeilen nahelegen. Dieser Artikel ordnet die Warnung ein und zeigt, welche Strategie für Ihren Betrieb tatsächlich aufgeht.

Die eine Frage, die jeder CEO stellte

Connor Leahy ist einer der bekanntesten Mahner der KI-Szene: Mitgründer des Forschungskollektivs EleutherAI, Gründer der Londoner Sicherheitsfirma Conjecture und heute Direktor der Organisation Control AI. Bekannt wurde er, als er bereits 2019 als Student das damals zurückgehaltene Sprachmodell GPT-2 nachbaute. Er kennt die Branche also von innen, als Forscher wie als Unternehmer.

In einem aktuellen Interview berichtet Leahy von seiner Zeit als Anbieter: Egal wie elegant die Technologie war, Kunden interessierte am Ende vor allem die Frage nach den einsparbaren Stellen. Das sei keine böswillige Ausnahme gewesen, sondern der Normalfall. Seine Schlussfolgerung: Der Markt bewertet KI nicht nach dem, was sie kann, sondern nach der Arbeit, die sie ersetzt.

Diese Beobachtung sollte man weder überdramatisieren noch abtun. Sie erklärt nämlich präzise, wie die Finanzierungslogik der großen KI-Labs funktioniert. Und genau dort lohnt der zweite Blick.

Warum das Geschäftsmodell der KI-Konzerne nur mit ersetzter Arbeit aufgeht

Das Geschäftsmodell der KI-Konzerne beruht auf einer Wette: Die Bewertungen der großen Labs lassen sich nur rechtfertigen, wenn KI-Systeme künftig einen erheblichen Teil menschlicher Arbeit übernehmen. Die Zahlen machen das greifbar. Laut Forbes (2026) schloss OpenAI im März 2026 eine Finanzierungsrunde über 122 Milliarden Dollar ab, bei einer Bewertung von 852 Milliarden Dollar und einem Jahresumsatz 2025 von 13,1 Milliarden Dollar. Laut Anthropic (2026) sammelte der Claude-Entwickler im Mai 2026 sogar 65 Milliarden Dollar ein, bewertet mit 965 Milliarden Dollar bei einer Umsatz-Run-Rate von rund 47 Milliarden Dollar.

Bewertung und Umsatz: eine Lücke, die eine Geschichte braucht

Zwischen diesen Bewertungen und den heutigen Umsätzen klafft eine gewaltige Lücke. Sie lässt sich nur mit einer Wachstumsgeschichte schließen, die weit über Chatbot-Abos hinausgeht.

Zusammen kommen allein diese beiden Labs auf über 1,8 Billionen Dollar Bewertung. Welcher Markt ist groß genug, um solche Erwartungen zu tragen? Leahys Antwort im Interview: der Markt für menschliche Arbeit selbst. Investoren bekämen hinter verschlossenen Türen eine andere Geschichte erzählt als die Öffentlichkeit, sagt er. Öffentlich sei von Assistenz und Produktivität die Rede, intern rechne man mit dem Ersetzen von Arbeitsplätzen im großen Stil. Das ist seine Einschätzung, keine bestätigte Insider-Information. Die nüchternen Zahlen zeigen aber: Mit klassischen Software-Umsätzen allein ist diese Bewertungslücke schwer zu erklären.

KI-Blase oder solide Wette? Beides kann gleichzeitig wahr sein

Ob die KI-Bewertungen eine Blase sind, entscheidet der Kapitalmarkt; für Ihre Investitionsentscheidung im Betrieb ist die Frage überraschend zweitrangig. Die Geschichte liefert dafür ein gutes Muster: Nach dem Platzen der Dotcom-Blase im Jahr 2000 verschwanden überzogene Bewertungen, nicht aber das Internet. Die Technologie wurde danach erst richtig produktiv.

Für KI zeichnet sich Ähnliches ab. Selbst wenn einzelne Bewertungen korrigieren, bleiben die Modelle, die Werkzeuge und die Produktivitätsgewinne im Alltag bestehen. Wer als Unternehmen auf ein Platzen der Blase wartet, um sich dann in Ruhe zu sortieren, verwechselt Finanzmarkt und Werkbank. Warum die Technologie selbst nicht stagniert, haben wir im Beitrag Ist KI am Limit? Warum der Plateau-Mythos KMU teuer zu stehen kommt ausführlich analysiert.

Das Superintelligenz-Rennen ist nicht Ihr Spielfeld

Das Wettrennen der Frontier-Labs um immer mächtigere Modelle und der produktive KI-Einsatz in Ihrem Betrieb sind zwei verschiedene Dinge. Interessanterweise trennt Leahy selbst diese Ebenen sehr deutlich: Anwendungs-KI nach dem Muster von ChatGPT hält er für nützlich und wirtschaftlich wichtig, sagt er im Interview. Seine Warnung gilt dem unkontrollierten Rennen um Superintelligenz, nicht dem KI-Werkzeug im Unternehmen.

Was deutsche Unternehmen tatsächlich mit KI machen

Ein Blick in die DACH-Praxis zeigt, wie weit der Alltag von der Superintelligenz-Debatte entfernt ist. Laut Bitkom (2025) nutzen 36 Prozent der deutschen Unternehmen KI, fast doppelt so viele wie im Vorjahr mit 20 Prozent. Laut ifo Institut (2025) setzen bereits 40,9 Prozent der Unternehmen KI in ihren Geschäftsprozessen ein, weitere 18,9 Prozent planen den Einstieg.

Diese Unternehmen bauen keine Superintelligenz. Sie beantworten Kundenanfragen schneller, sortieren Posteingänge, automatisieren Rechnungsprüfung und Telefonannahme. Das Rennen der Labs bestimmt die Schlagzeilen, die Produktivität entsteht im Maschinenraum. Wer das Tempo der Entwicklung im Blick behalten will, ohne täglich Schlagzeilen zu sortieren: Unser KI-Newsletter ordnet die wichtigsten Entwicklungen regelmäßig für Entscheider im Mittelstand ein.

Aufgaben ersetzen statt Menschen: die Rechnung, die für KMU aufgeht

Für den Mittelstand lohnt sich KI nicht als Entlassungsprogramm, sondern als Produktivitätshebel: Automatisieren Sie Aufgaben und lenken Sie die frei werdende Zeit auf Wachstum. Der Unterschied ist fundamental. Eine Stelle besteht aus Dutzenden Aufgaben; KI übernimmt zuerst die repetitiven darunter. Wer sie klug delegiert, gewinnt Kapazität für Vertrieb, Kundenbetreuung und neue Angebote, statt Know-how aus dem Haus zu drängen. Wie sich der Wert menschlicher Arbeit dabei verschiebt, zeigt unsere Analyse KI und Arbeitsplätze: Was menschliche Arbeit im KI-Zeitalter noch wert ist.

In unserer Praxis bei DigiRift sehen wir dieses Muster in fast jedem Projekt: Ein Großhändler lässt den Rechnungseingang automatisch vorkontieren, eine Praxis nimmt Anrufe per KI-Telefonassistent an, ein Dienstleister beantwortet Standardanfragen per Chatbot. Entlassen wurde in diesen Projekten niemand. Die Teams übernehmen stattdessen Aufgaben, die vorher liegen blieben. Welche Prozesse sich zuerst rechnen, haben wir im Leitfaden Prozessoptimierung mit KI: Zeit und Kosten sparen zusammengefasst.

Warum der Partner über Erfolg oder Abbruch entscheidet

Die ernüchternde Kehrseite des Hypes: Laut MIT-Report, zitiert nach Fortune (2025) liefern rund 95 Prozent der GenAI-Piloten in Unternehmen keinen messbaren Ertrag. Dieselbe Untersuchung zeigt aber auch den Ausweg: Projekte mit spezialisierten Partnern gelingen in rund 67 Prozent der Fälle, interne Eigenbauten nur ein Drittel so oft. KI scheitert selten an der Technologie, meist an fehlender Integration in echte Abläufe. Genau deshalb übernimmt DigiRift als Full-Service-Partner den kompletten Weg: Wir planen, entwickeln, integrieren und betreiben die Lösung, mit Mensch-im-Loop, klaren Grenzen und messbaren Zielen. Sie müssen weder Modelle vergleichen noch Prompts pflegen.

Vom Interview-Schock zur eigenen Strategie: So starten Sie kontrolliert

Der beste Schutz gegen Hype und Panik ist eine eigene Produktivitätsstrategie mit klaren Regeln. Drei Schritte haben sich in unseren Projekten bewährt. Erstens: Aufgaben inventarisieren, nicht Stellen. Wo verbringt Ihr Team wiederkehrend Stunden mit Routinearbeit? Zweitens: mit einem Prozess starten, der messbar ist, etwa Telefonannahme, Angebotsnachverfolgung oder Rechnungseingang. Drittens: Verantwortung und Kontrolle von Anfang an festlegen. Jede Automatisierung bekommt einen menschlichen Eigentümer, definierte Eskalationswege und ein Reporting.

Ehrlich gesagt gehört auch dazu: Nicht jeder Prozess eignet sich. Aufgaben mit hoher Haftungsrelevanz, individueller Beratung oder unklarer Datenlage bleiben beim Menschen. Diese Grenzen sauber zu ziehen ist Teil der Arbeit, nicht ihr Scheitern. Wie ein realistischer Fahrplan aussieht, zeigt unsere 90-Tage-Roadmap für die KI-Einführung im Unternehmen. Und welche Prozesse in Ihrem Betrieb das größte Potenzial haben, klären wir am schnellsten im direkten Gespräch mit unseren KI-Beratern.

Fazit: Das Geschäftsmodell der KI-Konzerne ist nicht Ihre Strategie

Connor Leahys Anekdote von der Feuern-Frage trifft einen wahren Kern: Das Geschäftsmodell der KI-Konzerne ist auf das Ersetzen menschlicher Arbeit ausgelegt, anders sind Bewertungen von zusammen über 1,8 Billionen Dollar kaum zu erklären. Doch was für Investoren in San Francisco die Story ist, taugt für Ihren Betrieb nicht als Plan. Die klügere Rechnung für KMU lautet: Aufgaben automatisieren, Menschen weiterentwickeln, frei werdende Kapazität in Wachstum investieren. Die Zahlen von Bitkom und ifo zeigen, dass Ihre Wettbewerber genau damit begonnen haben.

Der nächste Schritt kostet Sie 30 Minuten: In einem Analysegespräch gehen wir Ihre Abläufe durch, und Sie wissen danach, welche drei Aufgabenpakete in Ihrem Betrieb am schnellsten Zeit freispielen, was die Umsetzung realistisch kostet und in welchem Zeitraum sie sich rechnet. Vereinbaren Sie Ihr Analysegespräch mit DigiRift und machen Sie aus der Schlagzeilen-Debatte eine belastbare Entscheidung für Ihr Unternehmen.

Quellen

1. Forbes (2026): OpenAI Valuation Reaches 852 Billion Dollar After Massive Funding Round, forbes.com
2. Anthropic (2026): Series H bei 965 Milliarden Dollar Post-Money-Bewertung, anthropic.com/news/series-h
3. Bitkom (2025): Durchbruch bei Künstlicher Intelligenz, bitkom.org
4. ifo Institut (2025): Companies in Germany Increasingly Relying on Artificial Intelligence, ifo.de
5. Fortune (2025): MIT report: 95 Prozent of generative AI pilots at companies are failing, fortune.com
6. Wikipedia: Connor Leahy, en.wikipedia.org/wiki/Connor_Leahy