„Der Zweck eines Unternehmens ist es, einen Kunden zu erschaffen.“ Auf diesen Satz von Peter Drucker läuft eine aktuelle Analyse der OpenAI-Strategie zu. Er ist dort keine Pflichtübung in Managementlehre. Die Autoren behaupten, genau darin liege der Vorsprung des Unternehmens – nicht in den besten Modellen, den fortschrittlichsten Chips oder der steilsten Kostenkurve.
Ihr Argument: Der Wettbewerb um Intelligenz als Dienstleistung ist nicht mehr die entscheidende Frage. Intelligenz ist überall verfügbar. Fast jeder könnte fast alles tun, nur tun es die meisten noch nicht. Der Text ist auf September 2026 datiert und argumentiert aus dieser Zukunft. Danach kommt es darauf an, neues Verhalten bei Menschen auszulösen und dieses Verhalten auch zu erreichen.
Man kann sich das wie ein Stromnetz vorstellen. Ein fertiges Produkt ist eine Glühbirne: Sie tut genau eine Sache, und man verkauft sie Stück für Stück. Ein Netz mit Steckdosen ist etwas anderes. Es entscheidet nicht, was angeschlossen wird – Kühlschrank, Werkbank, Serverfarm. Mit dem Netz wächst die Zahl der Dinge, die darin möglich sind. Wenn du einer KI-Firma beim Wachsen zusiehst, hilft diese Unterscheidung.
Vier Hebel, von denen zwei praktisch ausscheiden
Der Text nennt vier Hebel, an denen ein Unternehmen mit KI ein dauerhaftes Geschäft aufbauen kann: neues Verhalten erzeugen, an viele Nutzer verteilen, den Preis so setzen, dass ein Teil des Werts zurückkommt, und hohe Wechselkosten aufbauen. Zwei davon fallen dem Autor zufolge weitgehend weg. Wechselkosten sind im Modellgeschäft kaum zu halten, weil sich Modelle fast beliebig austauschen lassen, bis hinunter zur einzelnen Aufgabe.
Beim Preis ähnlich. Alle Anbieter wollen über Skaleneffekte, vertikale Integration und eigene Chips die Token-Kosten drücken. Wer am Ende das beste Preis-Leistungs-Verhältnis bietet, führt ohnehin schon bei der Skalierung. Also bleiben die ersten beiden Hebel. Bei denen liegt OpenAI der These zufolge vorn.
Ein Zufall namens ChatGPT – und warum man ihn nicht beiseiteschob
OpenAI wurde nach Darstellung des Textes nicht als Konsumentenunternehmen gegründet. Mit der Veröffentlichung von ChatGPT stolperte man eher hinein. Ein glücklicher Unfall, der sich als Wendepunkt erwies. Der Autor zitiert Sam Altman mit einer Anekdote aus den Wochen danach: Die Haltung im Haus sei gewesen, das sei nett, aber nun sollten alle wieder echte Produkte bauen. Ein Chatbot könne ja wohl nicht das Ergebnis sein.
Laut dieser Erzählung brachte Peter Thiel Altman davon ab: Nein, das ist es. Er habe gesagt, hier sei eine neue Art von Kunde entstanden, und nichts anderes sei so wichtig. Ohne diesen Moment, so das Gegenargument im Text, wären die Modelle weiter in Laboren und bei ausgewählten Kunden eingeschlossen geblieben. Sie würden langsamer besser werden, und wir lebten in einer Zeitlinie, in der KI standardmäßig geschlossen ist. Der Nutzen dieser Entscheidung ist also nicht nur kommerziell. Er verändert auch, wie die Technik sich entwickelt.
Das Muster: Durchbrüche, die im Rückblick offensichtlich wirken
Die Analyse beschränkt sich nicht auf ChatGPT. Der Entwickler Ben Hylak wird mit dem Satz zitiert, OpenAI sei darin kaum zu schlagen, das jeweils nächste Ding zu finden; immer viel einfacher, als man denke, und im Rückblick offensichtlich. Chat-Oberfläche, Reasoning, Tool Calling und Computer Use hätten der Technik eine klarere Richtung gegeben. Einzige große Ausnahme sei das Programmieren gewesen, wo OpenAI nicht geführt habe, aber schnell aufgeholt habe.
Als Ursache nennt der Text drei Zutaten. Erstens den Willen, eine Plattform zu sein, mit Nutzern, denen man zutraut, innerhalb klarer Grenzen eigene Entscheidungen zu treffen. Zweitens technische Tiefe: jede Schicht des eigenen Stapels zu besitzen oder zu kontrollieren. Drittens eine breite Konsumentenbasis, die das Unternehmen durch die Vielfalt der Anwendungsfälle und Lebenslagen führt.
Warum Breite kein Beiwerk ist, sondern Voraussetzung
Der wichtigste Teil der Argumentation betrifft diese Breite. Hylak merkt an, Computer Use sei eine allgemeine Fähigkeit. Um darin besser zu werden, müsse man Intelligenz insgesamt erhöhen, über viele Bereiche und Arbeitsabläufe hinweg. Diesen Sprung von der spezifischen zur allgemeinen Lösung unterschätzen die meisten. Das Einfache und Offensichtliche findet man meist erst, wenn man das Allgemeine ernsthaft verfolgt.
Warum tun das nicht mehr Firmen? Weil es teuer ist und den üblichen Regeln einer fokussierten Produktorganisation widerspricht. Du musst Rückmeldungen aus einer großen Bandbreite von Kunden, Verhaltensweisen und Handlungen einsammeln und sie alles tun lassen, was sie tun wollen. Erst daraus entsteht allgemeines Wissen statt Fortschritt an einzelnen Produkten. Die Fähigkeit, solche Allgemeinheit ins Produkt zu bauen, hängt direkt an der Distributionsstrategie. Über diesen Zusammenhang werde, so betont der Text, zu wenig gesprochen.
Produkt, Partnerschaft oder Plattform: drei Wege zur Distribution
Für die Frage, wie man das, was jemand will, in großem Maßstab an alle liefert, kennt der Text drei Wege. Ein eigenständiges Produkt hat einen Vorteil: Das Produkt muss zulassen, dass Nutzer alles fragen und alles versuchen. Die Kundenerfahrung entsteht dann in der eigenen Hand, vom ersten Kontakt bis zur täglichen Nutzung. Vertrieb über Partnerschaften bringt dagegen schnell Reichweite und viele Anwendungsfälle.
Der Haken an Partnerschaften: Der Partner besitzt und lenkt den Wunsch des Nutzers, etwas Bestimmtes zu tun. Auf lange Sicht dürfte er deshalb die besseren Margen einnehmen und kontrollieren, was der Nutzer am Ende tun darf und was dabei gelernt wird. Häufig ahnt der Kunde nicht einmal, dass die Leistung von jemand anderem kommt. Beim eigentlichen Anbieter bleibt dann kein Vertrauen hängen.
Der Plattformweg ist der langsamste. Man baut alle Produkte selbst und von Grund auf, die alles stützen, was Nutzer wollen. Wenn er steht, entsteht daraus ein starker Lernkreislauf: Nutzer setzen die eigenen Bausteine und Muster ein und zeigen damit, was sie wirklich brauchen. Das ist nicht als Training auf Kundendaten gemeint, sondern als Landkarte, die dem Territorium Schritt für Schritt ähnlicher wird. Im Bild des Stromnetzes: Wer nur Glühbirnen verkauft, erfährt nichts über die Häuser, in denen sie hängen.
Was eine echte Plattform von einer Modellschnittstelle unterscheidet
Der Text bezieht sich dafür auf einen Aufsatz von Marc Andreessen von vor neunzehn Jahren, der bis heute brauchbar ist. Plattform heißt dort: ein System, das von außen programmiert und angepasst werden kann, sodass es viele Bedürfnisse und Nischen bedient, an die die ursprünglichen Entwickler nie gedacht hätten. Diese Anpassbarkeit lässt sich auf drei Arten bauen. Sie werden von Stufe zu Stufe schwieriger.
Typ eins ist das, was heute schlicht API heißt: Man gibt Zugriff auf etwas Nützliches, wie einst Flickr oder heute Stripe. Typ zwei arbeitet mit Erweiterungen, bei denen eine Kernleistung die ersten achtzig Prozent der Bedürfnisse deckt und Apps auf eigenen Servern den Rest, meist über einen Marktplatz verteilt, wie bei Facebook früher oder Shopify und HubSpot heute. Typ drei schließlich ist eine echte Laufzeitumgebung, die man programmieren kann, um daraus zu machen, was man will: iOS, AWS, Ethereum oder zuletzt Cloudflare.
Interessant daran ist, dass heute jedes Modellunternehmen und jeder Inferenzanbieter behaupten kann, an einer Plattform vom Typ drei zu arbeiten. Ein Modell ist eine Art Laufzeitumgebung, die man mit eigenen Anweisungen anspricht. Der Text hält das für zu wenig. Modelle allein lösen kein neues Verhalten aus und sind kaum zu verteidigen. Entscheidend ist der Überbau aus Grenzen und Bausteinen, also die Steckdosen samt Vorschriften, nicht der Strom allein.
Was die These für Unternehmen bedeutet, die eine KI-Plattform aufbauen
Die Analyse kommt zu einer unbequemen Reihenfolge. Wer eine dauerhafte KI-Plattform aufbauen will, kommt mit einem besseren Modell nicht weit, wenn die Distributionsstrategie nur aus Partnerschaften besteht. Kurzfristig ist das attraktiv: schnelle Reichweite, viele Anwendungsfälle, schnelles Wachstum. Langfristig bleibt das Lernen beim Partner und damit auch das Wissen darüber, welche Bedürfnisse zu bedienen sind.
Für die Kundenakquise heißt das: Neue Kunden durch KI zu gewinnen ist weniger ein Marketingproblem als eine Frage der Form. Ein Produkt, das Menschen alles fragen lässt, erzeugt andere Kunden als eine Funktion, die in ein fremdes Angebot eingebettet ist. Die ChatGPT-Geschichte ist in dieser Lesart kein Beweis für überlegene Technik, sondern für die Entscheidung, ein Massenprodukt zuzulassen, dessen Nutzen sich erst im Gebrauch zeigt. Man ließ den Zufall zu und machte ihn zur Strategie.
Ob sich diese These hält, entscheidet sich nicht an einer Rangliste, sondern daran, ob aus Nutzern Baumeister werden. Eine KI-Plattform für Unternehmen ist dann mehr als eine Sammlung von Endpunkten, wenn andere darauf eigene Lösungen bauen, die die ursprünglichen Entwickler nicht vorgesehen haben. Bleibt das aus, bleibt es bei einem sehr guten Produkt mit sehr vielen Nutzern. Die Frage nach der dauerhaften Plattform ist dann noch offen. Der Text lässt sie offen.
Quelle: a16z.news
