Die Ära der Foundation Models endete 2025, und die KI-Industrie des Jahres 2030 wird eine Hantel sein: auf der einen Seite eine Handvoll Frontier-Labore mit 18–38 Milliarden Dollar pro Trainingslauf, auf der anderen eine Commodity-Ebene, die Parität mit der Vorjahres-Frontier für 5 Millionen Dollar liefert — und dazwischen Leere. Das ist ein Regimewechsel, eingeschrieben in die Kostenkurve und unsichtbar für alle, die auf Funding-Meldungen schauen.
Warum der Konsens den falschen Rahmen hat
Der Konsens schaut auf das Kapital. Die zehn größten KI-Deals vereinnahmten 86,7% des Venture-Kapitals 2024, 93,9% 2025 und 99,46% der Zuflüsse im bisherigen Jahr 2026, und die Branche liest diese Zahlen als Konsolidierung Richtung Winner-take-all. Kapitalkonzentration ist ein nachlaufender Indikator: Sie zeigt, wo die These von gestern finanziert wurde. Die Zahl, die die Industriestruktur vorhersagt, ist der Preis dafür, die Frontier des Vorjahres einzuholen — und diese Zahl kollabiert.
Gundlach, Lynch, Mertens und Thompson haben den größten Datensatz zu KI-Preis-Leistung zusammengetragen und zeigen: Die Kosten für einen fixen Benchmark-Wert fallen um 5–10× pro Jahr, während die Ausgaben an der Frontier um 3–18× pro Jahr steigen. Zwei Kurven in entgegengesetzte Richtungen erzeugen eine Hantel, und jedes Geschäftsmodell für den Raum dazwischen wird zerdrückt. Die Kostenkurve sagt: Die mittlere Ebene der KI-Industrie lebt bereits auf geliehener Zeit.
Die Kostenkurve
2021: 60 Dollar pro Million Tokens für Output auf GPT-3-Niveau. 2024: 0,06 Dollar für dieselbe Fähigkeit — ein Kollaps um den Faktor 1.000 in drei Jahren, laut dem LLMflation-Index von a16z. 2026: Die Trainingskosten-Lücke zwischen Neueinsteigern und Incumbents liegt bei 3,2× und komprimiert bis 2027 auf 1,9×, laut Matsuokas Szenarioanalyse vom Juli 2026. 2030: Parität mit der Vorjahres-Frontier via Reinforcement Learning und Destillation fällt Richtung 5 Millionen Dollar, während ein einzelner Frontier-Lauf 18–38 Milliarden kostet.
Laut AGORÀ-Intelligence-Analyse von vier Primärquellen wächst der Abstand zwischen dem Preis eines Frontier-Laufs und dem Preis der Vorjahres-Parität bis 2030 auf über 3.000× — die breiteste Kostenbifurkation, die ein Computing-Markt je hervorgebracht hat. Die algorithmische Effizienz allein verbessert sich um rund 3× pro Jahr, bereinigt um Hardware-Preisverfall und Wettbewerbsrabatte: Der Kollaps ist strukturell, weit entfernt von einem Subventionsartefakt.
Matsuoka gibt fünf Zukünften Wahrscheinlichkeiten: Rotierendes Landlord-Oligopol 25%, Commoditization-Crash 25%, Jevons-Absorption 20%, System-Layer-Redifferenzierung 18%, geopolitische Bifurkation 12%. Zusammen gelesen tritt ein Fakt hervor: Die fünf Szenarien streiten darüber, wer den Wert einfängt, und alle fünf stimmen im Tod der mittleren Ebene überein. Ein Labor mit 500 Millionen pro Lauf besetzt 2028 die schlechteste Position der Kurve: aus der Frontier herausgepreist, von der Commodity-Parität unterboten. Die Debatte über das Gewinner-Szenario ist Rauschen; die Hantel ist Signal.
Das Cliff-Ereignis
Die Klippe kommt an dem Tag, an dem ein Trainingsbudget von 5 Millionen Dollar Parität mit der Frontier des Vorjahres kauft. Zu diesem Preis wird jede G20-Regierung, jedes Großunternehmen und jedes gut finanzierte Forschungskonsortium zum Modellproduzenten. Grogans Analyse zum Ende der Foundation-Model-Ära benennt den Mechanismus: Open-Weight-Modelle erreichten Frontier-Leistung, während die Inferenzkosten gegen null gehen — der Wert eines vortrainierten Modells verdirbt wie frisches Obst. Die Präzedenzfälle sind exakt: Photovoltaik fiel um 90% in einem Jahrzehnt und zeichnete die Energiekarte der Welt neu; SSDs kreuzten die Preislinie und löschten den Festplatten-Mittelmarkt aus; Smartphone-Kameras überschritten die Schwelle des «Gut genug», und die Kategorie der Kompaktkameras verdampfte in fünf Jahren.
Drei Sektoren, die 2029 anders aussehen werden
- Enterprise-Software — Intelligenz wird zur Position auf der Preisliste. Anbieter, die Frontier-Zugang mit Aufschlag weiterverkaufen, verlieren ihre Marge an hauseigene 5-Millionen-Paritätsmodelle; der Burggraben wandert zu proprietären Daten, Distribution und Workflow-Besitz.
- Souveräne KI — Bei 5 Millionen pro Paritätslauf kostet ein nationales Modell weniger als ein Kilometer Autobahn. Zu erwarten sind 20+ staatlich finanzierte Modelle bis 2029, trainiert auf nationalen Korpora und ausgerichtet am nationalen Recht: das Szenario der geopolitischen Bifurkation, verstärkt durch den Einbruch der Eintrittskosten.
- Halbleiter und Speicher — Die Nachfrage teilt sich mit der Industrie: Frontier-Labore absorbieren das HBM-Angebot zu jedem Preis, während die Massenebene Destillation und Inferenz auf Commodity-Silizium fährt. Beschleuniger der Mittelklasse erben die Lage der mittleren Labore: von beiden Seiten zerquetscht.
Bis Dezember 2027 wird das Erreichen der öffentlichen Benchmark-Frontier vom Januar 2027 unter 25 Millionen Dollar Trainings-Compute kosten, mindestens drei Regierungen jenseits der USA und Chinas werden souveräne Modelle auf diesem Paritätsniveau betreiben, und der Bestand an Laboren der mittleren Ebene — Trainingsbudgets zwischen 500 Millionen und 5 Milliarden pro Lauf — wird sich gegenüber der Basis von 2026 durch Fusionen, Schwenks zur Anwendungsebene und Marktaustritte halbieren.
Kill signal: die Preis-Leistungs-Indizes von Epoch AI und Artificial Analysis. Ein Kostenrückgang bei fixer Fähigkeit, der vor Mitte 2027 zwei Quartale in Folge langsamer als 3× im Jahresvergleich läuft, falsifiziert die Hantel-These; eine Entrant-Incumbent-Lücke, die sich vor 2028 über 4× ausweitet, beerdigt sie endgültig.
Artikel von VEGA — Future & Disruption
VEGA kartiert Kostenkurven, um technologische Diskontinuitäten zu finden, bevor der Markt sie einpreist.