Die Macht hinter dem Modell
Die Labs bauen die Modelle. Die Hyperscaler kontrollieren große Teile von Cloud, Strom, Vertrieb und Unternehmenszugang dahinter. Kapitel 2 untersucht…
Das Modell ist der Star. Die Bühne gehört jemand anderem.
OpenAI, Anthropic und Google DeepMind prägen die öffentliche Vorstellung von künstlicher Intelligenz. Ihre Modelle schreiben, programmieren, analysieren und liefern die spektakulären Demonstrationen, an denen die Branche gemessen wird.
Doch ein Modell allein baut kein Rechenzentrum, reserviert keinen Stromanschluss, verkauft keinen mehrjährigen Unternehmensvertrag und erreicht nicht automatisch Milliarden Nutzer. Hinter der sichtbaren Intelligenz steht eine zweite Macht: Microsoft, Google und Amazon kontrollieren große Teile der Infrastruktur, des Vertriebs und der Kundenbeziehungen, über die AI wirtschaftlich skaliert.
Kapitel 2 folgt dieser Macht hinter dem Modell. Es zeigt, warum die langfristige Kontrolle über AI weniger von einem einzelnen Benchmark abhängen könnte als von Clouds, Chips, Betriebssystemen, Datenzugang und der Fähigkeit, gewaltige Investitionen über Jahre zu tragen.
Die sichtbare Intelligenz und der unsichtbare Stapel
Ein Nutzer erlebt AI als Chatfenster, Assistent oder Agent. Darunter liegt ein technischer und wirtschaftlicher Stapel:
Strom → Rechenzentrum → Beschleuniger und Speicher → Cloud → Modell → Sicherheits- und Datenebene → Anwendung → Vertrieb → Kunde
Je weiter man in dieser Kette nach unten geht, desto kapitalintensiver und langsamer austauschbar werden die Bestandteile. Ein Modell kann innerhalb weniger Monate an Attraktivität verlieren. Ein globales Rechenzentrumsnetz, ein Unternehmenskundenstamm oder ein Betriebssystem lässt sich nicht ebenso schnell ersetzen.
Genau hier entsteht die Macht der Hyperscaler. Sie besitzen nicht nur Rechenleistung. Sie kontrollieren Verträge, Identitäten, Datenbanken, Sicherheitsarchitekturen, Abrechnung und bestehende Arbeitsabläufe. Ein neues Modell kann technisch überzeugen; wirtschaftlich relevant wird es erst, wenn es in diese Systeme passt.
Das stärkste Modell zieht Aufmerksamkeit an. Das stärkste Gesamtpaket bindet den Kunden.
Microsoft: Distribution als Waffe
Microsofts größter Vorteil ist die Nähe zum täglichen Arbeitsablauf. Office, Teams, Windows, GitHub, Sicherheitsprodukte und Azure sitzen bereits dort, wo Unternehmen schreiben, kommunizieren, entwickeln und verwalten.
Damit kann Microsoft AI nicht nur als eigenständiges Produkt verkaufen. Der Konzern kann sie in bestehende Werkzeuge einbauen und über vertraute Verträge, Berechtigungen und Abrechnungssysteme ausrollen. Für viele Unternehmen ist das weniger riskant als die Einführung eines völlig neuen Anbieters.
Die Partnerschaft mit OpenAI verschaffte Microsoft früh Zugang zu führenden Modellen und gab OpenAI den notwendigen Kapital- und Cloud-Unterbau. Im April 2026 wurde die Beziehung flexibler: Microsoft blieb primärer Cloud-Partner, während OpenAI mehr Freiheit für andere Clouds erhielt und Microsofts Lizenz an OpenAI-Technologie nicht mehr exklusiv ausgestaltet wurde.
Diese Entwicklung zeigt die Spannung im Modell. Microsoft benötigt starke Modelle, möchte aber nicht von einem einzigen Labor abhängig werden. OpenAI benötigt gewaltige Infrastruktur, möchte zugleich vermeiden, zu einer bloßen Funktion innerhalb von Azure zu werden.
Microsofts Schutz liegt deshalb weniger in der Exklusivität eines einzelnen Modells als in der Fähigkeit, mehrere Modelle, eigene Produkte und Unternehmensdaten innerhalb einer gemeinsamen Plattform zu verbinden.
Google: der vollständigste vertikale Stapel
Google vereint Forschung, Modelle, eigene Beschleuniger, Cloud, Rechenzentren, Suche, Werbung, Android, Workspace und einen direkten Zugang zu Milliarden Nutzern. Diese Breite macht den Konzern zum vollständigsten vertikal integrierten AI-Anbieter.
DeepMind entwickelt die Modelle. Googles TPUs liefern einen Teil der Rechenleistung. Google Cloud verkauft Infrastruktur und Agentenplattformen. Suche, YouTube, Android und Workspace bieten unmittelbare Distributionskanäle.
Der Vorteil ist strategisch: Google kann die Kosten und Leistungsmerkmale seiner Modelle gemeinsam mit Chips, Software und Rechenzentren optimieren. Ein Effizienzgewinn an einer Stelle wirkt über den gesamten Stapel. Zugleich kann Google AI dort monetarisieren, wo bereits Umsätze entstehen – in Werbung, Cloud, Unternehmenssoftware und Verbraucherprodukten.
Die Kehrseite ist der innere Konflikt. AI kann bestehende Produkte verbessern und gleichzeitig ihre Geschäftslogik verändern. Eine direkte Antwort ersetzt unter Umständen Suchklicks. Ein Agent kann Aufgaben übernehmen, die bisher mehrere Anwendungen beschäftigten. Google muss daher schneller innovieren, als die eigene Ertragsbasis erodiert.
Amazon: AI als Infrastrukturgeschäft
Amazon besitzt mit AWS eine andere Form von Macht. Der Konzern muss nicht in jedem Modellvergleich gewinnen, wenn Unternehmen ihre Daten, Anwendungen und Agenten weiterhin auf seiner Infrastruktur betreiben.
Bedrock bündelt Modelle verschiedener Anbieter. Kunden können Anthropic, Amazon-eigene Modelle und weitere Systeme über dieselbe Cloud- und Sicherheitsumgebung einsetzen. Diese Multi-Model-Strategie passt zu Amazons traditioneller Rolle: Der Konzern verkauft die Werkzeuge, mit denen andere Unternehmen ihre digitalen Systeme bauen.
Die strategische Zusammenarbeit mit Anthropic stärkt diese Position. Zugleich öffnete AWS seine Infrastruktur 2026 stärker für OpenAI. Damit wird Amazon zum Marktplatz und Versorger einer Branche, in der die führenden Modelle wechseln können.
Amazons Stärke liegt in der Neutralität des Infrastrukturverkäufers. Die Cloud verdient an Training, Inferenz, Datenhaltung, Agenten, Sicherheit und Netzverkehr. Selbst wenn ein Modell an Bedeutung verliert, kann die Arbeit auf AWS bleiben.
Im Goldrausch muss Amazon nicht jede Mine besitzen. Es genügt, wenn die Straßen, Werkzeuge und Lagerhäuser über AWS laufen.
Die Labs brauchen die Clouds – und die Clouds brauchen die Labs
Die Beziehung zwischen Frontier Labs und Hyperscalern ist gegenseitige Abhängigkeit. OpenAI und Anthropic benötigen Kapital, Chips, Rechenzentren und globale Auslieferung. Microsoft, Google und Amazon benötigen überzeugende Modelle, um Cloud-Nachfrage zu erzeugen, Unternehmenskunden zu binden und ihre Plattformen gegen neue Wettbewerber abzusichern.
Diese Verbindung erzeugt Partnerschaften, die zugleich Machtkämpfe sind. Das Lab möchte Rechenleistung von mehreren Anbietern beziehen, direkten Kundenzugang behalten und eine eigene Marke aufbauen. Der Hyperscaler möchte verhindern, dass das Lab die wertvollste Kundenschnittstelle kontrolliert.
Deshalb entstehen Multi-Cloud-Abkommen, nicht-exklusive Lizenzen, gemeinsame Produkte und konkurrierende Modellkataloge. Jeder Partner versucht, die Abhängigkeit des anderen zu nutzen, ohne selbst unersetzbar abhängig zu werden.
Für die Labs ist die Marke besonders wichtig. Wer vom Kunden als eigenständiger Assistent wahrgenommen wird, besitzt eine direkte Beziehung und kann später Infrastruktur austauschen. Wer nur als Modelloption in einer Cloud erscheint, riskiert, mit dem nächsten leistungsfähigen System ersetzt zu werden.
Wo die Marge hängen bleibt
Die entscheidende Kapitalmarktfrage lautet nicht, wer die intelligenteste Demo liefert. Entscheidend ist, welche Ebene des Stapels dauerhaft Preise setzen kann.
Frontier Labs können hohe Preise verlangen, solange ihre Modelle einen klaren Leistungsvorsprung besitzen. Dieser Vorsprung wird jedoch teuer erkauft: Training, Inferenz, Forschung und Sicherheit verschlingen Kapital. Sobald mehrere Modelle ähnliche Ergebnisse liefern, beginnen Kunden zu routen und Preise zu vergleichen.
Hyperscaler besitzen breitere Einnahmequellen. Sie können AI über Cloudverbrauch, Software-Abos, Werbung, Sicherheit, Datenbanken und Plattformbindung monetarisieren. Der direkte Modellpreis ist nur ein Teil der Rechnung.
Chip- und Speicheranbieter profitieren von physischer Knappheit, bleiben aber zyklisch. Rechenzentren und Stromanschlüsse gewinnen an Wert, wenn Kapazität tatsächlich verfügbar ist. Anwendungen können die höchste Marge erzielen, wenn sie AI in einen konkreten Arbeitsablauf übersetzen und einen messbaren Nutzen schaffen.
Der Wert wandert damit entlang des Stapels. Das beste Modell erhält Aufmerksamkeit. Die robusteste Rendite kann bei dem Unternehmen landen, das Zugang, Infrastruktur oder den produktiven Anwendungsfall kontrolliert.
Der gefährliche Moment für die Frontier Labs
Frontier Labs geraten unter Druck, wenn drei Entwicklungen zusammenkommen: Modelle nähern sich qualitativ an, die Kosten pro Aufgabe sinken und Unternehmenskunden verteilen ihre Workloads auf mehrere Anbieter.
In diesem Umfeld steigt die Nutzung von AI weiter, während die Preissetzungsmacht der einzelnen Labore nachlässt. Mehr Tokens bedeuten dann nicht automatisch mehr Gewinn. Das Lab muss seine Forschung finanzieren, obwohl ein wachsender Teil der Aufgaben an billigere Modelle, lokale Systeme oder Cloud-eigene Alternativen wandert.
Die mögliche Antwort ist der Ausbau zur Plattform: eigene Anwendungen, Agenten, Speicher, Unternehmensfunktionen und direkte Kundenbeziehungen. Damit betreten die Labs jedoch das Terrain ihrer Kapitalgeber und Cloud-Partner.
Aus Kooperation wird schrittweise Konkurrenz. Das Modell möchte zur Plattform werden. Die Plattform möchte das Modell austauschbar halten.
Was die Machtverhältnisse verändern kann
Die heutige Stellung der Hyperscaler ist stark, aber nicht unveränderlich. Vier Entwicklungen könnten das Kräfteverhältnis verschieben:
- Offene und lokal betreibbare Modelle: Sie reduzieren die Abhängigkeit von zentralen Clouds und stärken Unternehmen mit eigener Infrastruktur.
- Neue Rechenanbieter: Spezialisierte AI-Clouds, souveräne Rechenzentren und alternative Beschleuniger können die Auswahl vergrößern.
- Direkte Kundenplattformen der Labs: Erfolgreiche Assistenten und Agenten schaffen eine Beziehung, die nicht vollständig vom Cloud-Vertrag abhängt.
- Regulierung und Datensouveränität: Regionale Vorgaben können lokale Clouds, portable Daten und Multi-Model-Architekturen erzwingen.
Gleichzeitig kann Regulierung die bestehenden Konzerne stärken, wenn Sicherheitsprüfungen, Dokumentation und Haftung vor allem von kapitalkräftigen Unternehmen bewältigt werden können. Der gleiche Regelrahmen kann Wettbewerb öffnen oder schließen.
Die Gridizer-Research-Watchlist
Für die weitere Entwicklung dieser Machtstruktur sind folgende Signale besonders wichtig:
- Anteil der AI-Umsätze, der bei Modellanbietern, Clouds und Anwendungen verbleibt;
- neue Exklusivitäts-, Lizenz- und Multi-Cloud-Abkommen;
- Hyperscaler-Capex im Verhältnis zu AI-Umsatz, Free Cashflow und Abschreibungen;
- Nutzung eigener Chips wie TPUs, Trainium oder Maia gegenüber Nvidia-Hardware;
- Zahl der Unternehmen, die mehrere Modelle produktiv routen;
- Portabilität von Agenten, Erinnerungen, Daten und Evaluationssystemen;
- Verfügbarkeit von Strom, Rechenzentren und langfristigen Kapazitätsverträgen;
- Entwicklung direkter Kundenplattformen von OpenAI, Anthropic und anderen Labs.
Die Macht sitzt hinter dem Chatfenster
Die bekanntesten AI-Unternehmen bauen die Modelle, die das Publikum sieht. Die dauerhaft stärkere Position kann bei den Unternehmen liegen, die Rechenleistung bereitstellen, Unternehmenskunden verwalten, Daten integrieren und die Rechnung stellen.
Microsoft setzt auf Distribution, Google auf vertikale Integration, Amazon auf die Infrastruktur vieler Modelle. OpenAI und Anthropic versuchen, aus technologischer Führung eine eigenständige Plattformmacht zu formen.
Der kommende AI-Kampf wird deshalb nicht allein durch Intelligenz entschieden. Er wird durch die Kontrolle über den gesamten Weg vom Elektron bis zum Kunden entschieden.