AI-First-Kultur und Investmentstrategien bei Bit Capital

Wie verändern Künstliche Intelligenzen die globalen Finanzmärkte? Diese Frage ist längst keine theoretische Übung mehr, sondern prägt die Investmentstrategien von heute. In der Welt des Geldes verschieben sich die Gewichte mit rasanter Geschwindigkeit: Während klassische Software-Unternehmen an Wert verlieren, erleben Anbieter von KI-Infrastruktur einen beispiellosen Boom. In dieser Episode des Podcasts Kollegin KI, produziert von Podstars by OMR, taucht Host Max Mundhenke tief in dieses Thema ein. Sein Gast ist Peter Wibbe, Geschäftsführer des Technologie-Investors Bit Capital, der einen exklusiven Einblick in die Denkweise eines modernen Asset Managers gibt. Gemeinsam analysieren sie, welche Geschäftsmodelle im KI-Zeitalter überleben, wie Bit Capital selbst KI zur Optimierung interner Prozesse nutzt und ob die aktuellen Bewertungen an den Börsen auf eine gefährliche Blase hindeuten oder den Beginn einer neuen Ära markieren.

Das Wichtigste auf einen Blick

• Paradigmenwechsel bei Investments: Der Fokus von Investoren verschiebt sich von reinen Software-Unternehmen hin zu Firmen, die physische KI-Infrastruktur bereitstellen. Energie, Rechenzentren und Speicher sind die neuen Goldgräber-Assets, da sie einen schwer kopierbaren Wettbewerbsvorteil (einen physischen Burggraben) bieten.
• Proprietäre Daten als Schlüssel zum Erfolg: Für KI-Startups ist der exklusive Zugang zu einzigartigen Daten entscheidend. Einfache Anwendungen, die auf großen Sprachmodellen aufbauen, laufen Gefahr, von den Tech-Giganten schnell kopiert und integriert zu werden. Ein nachhaltiger Vorteil entsteht erst durch einen Daten-Kreislauf, bei dem Nutzeraktivitäten das Modell stetig verbessern.
• Human x AI - der Mensch im Zentrum: Bit Capital setzt intern auf eine Symbiose aus Mensch und Maschine. KI-Tools wie der selbst entwickelte Chatbot Aon automatisieren die Datenanalyse und Berichterstellung, doch die finale Investmententscheidung trifft immer ein Mensch. Das Ziel ist nicht Ersatz, sondern Superpower für die Analysten.
• Deutschlands Infrastruktur-Dilemma: Während in den USA ein Rechenzentrum in ein bis drei Jahren am Netz ist, dauert allein der Netzanschluss in Deutschland bis zu sieben Jahre. Diese langen Genehmigungs- und Bauzeiten hemmen die Entwicklung einer wettbewerbsfähigen KI-Infrastruktur und stellen einen gravierenden Standortnachteil dar.
• Die Blasen-Debatte ist überzogen: Peter argumentiert, dass die hohen Bewertungen von Unternehmen wie NVIDIA keine klassische Blase sind. Sie spiegeln die fundamentale Nachfrage wider, die durch die breite Adaption von KI entsteht. Ohne massive Investitionen in Chips, Energie und Rechenzentren kann die KI-Revolution nicht stattfinden.

Vom Software-Hype zur Infrastruktur-Realität: Der neue Investment-Fokus

Die Art und Weise, wie Investoren wie Bit Capital den Technologiemarkt bewerten, hat sich grundlegend gewandelt. Peter Wibbe erklärt, dass reine Software-Lösungen ihren einst unantastbaren Status als sicherer Wettbewerbsvorteil verlieren. Durch die Verfügbarkeit von KI-Tools wie Claude, die das Programmieren stark vereinfachen, können neue Anwendungen schnell entwickelt und bestehende Modelle leicht nachgebaut werden. Dies macht viele Software-as-a-Service (SaaS)-Geschäftsmodelle angreifbar. Stattdessen richtet sich der Blick nun auf Unternehmen mit einem physischen Burggraben. Das sind Firmen, die die grundlegende Infrastruktur für die KI-Revolution bereitstellen. Als Paradebeispiel nennt Peter das Unternehmen Iren (früher Iris Energy), das ursprünglich im Bereich des Krypto-Minings tätig war. Bit Capital erkannte früh, dass die vorhandene Infrastruktur - Zugang zu günstiger Energie und Expertise im Betrieb von GPU-Rechenzentren - perfekt auf die explodierende Nachfrage nach KI-Rechenleistung übertragbar war. Dieser strategische Schwenk weg von Software hin zu Energie, Rechenzentren und Speicheranbietern prägt das aktuelle Portfolio und hat sich als äußerst erfolgreich erwiesen.

Die Währung der Zukunft: Warum proprietäre Daten für Startups alles sind

Max stellt die entscheidende Frage für jeden KI-Gründer: In welchem Bereich sollte man heute tätig sein, um erfolgreich zu sein? Peters Antwort ist eindeutig: Der Schlüssel liegt in proprietären Daten. Viele Startups, die zu Beginn der ChatGPT-Ära entstanden sind und einfache Tools wie Präsentations-Generatoren anboten, wurden schnell von den großen Anbietern wie OpenAI oder Anthropic überholt, die ähnliche Funktionen direkt in ihre Modelle integrierten. Ein nachhaltiges Geschäftsmodell benötigt einen einzigartigen, schwer kopierbaren Vorteil. Dieser Vorteil, so Peter, sind exklusive Daten. Max' Beispiel seines eigenen Startups, das Plenardaten des Bundestags analysiert, illustriert diesen Punkt perfekt. Es geht darum, eine Nische zu finden, in der man Zugang zu Daten hat, die nicht öffentlich verfügbar sind, und diese durch KI nutzbar zu machen. Das Ideal ist ein Flywheel-Effekt: Je mehr Kunden das Produkt nutzen, desto mehr einzigartige Daten werden generiert, was wiederum das KI-Modell verbessert und den Wettbewerbsvorteil weiter ausbaut.

KI im eigenen Haus: Wie Bit Capital den Wandel vorlebt

Bit Capital predigt nicht nur den Wandel, sondern lebt ihn auch. Mit der Ausrufung einer AI-First-Strategie hat das Unternehmen begonnen, KI tief in die eigenen Abläufe zu integrieren. Anstatt ein zentrales KI-Team zu gründen, wählte man einen dezentralen Ansatz: In jedem Team gibt es einen AI-Champion, der dafür verantwortlich ist, Automatisierungspotenziale zu identifizieren und umzusetzen. Der Erfolg wird klar gemessen: Wie viele Stunden an repetitiver Arbeit konnten durch wie viele Stunden an Entwicklungsaufwand eingespart werden? Besonders eindrucksvoll ist der Einsatz von KI im Kern des Geschäfts - dem Investmentprozess. Der intern entwickelte Chatbot Aon hat Zugriff auf sämtliche Research-Daten des Unternehmens. Ein Analyst kann Aon bitten, einen Bericht über die Quartalszahlen eines Unternehmens zu verfassen. Das Tool analysiert die neuen Daten, vergleicht sie mit historischen Berichten und erstellt in Sekundenschnelle einen Entwurf. Der Analyst prüft, verfeinert und spart so mehrere Stunden Arbeit. Dies verkörpert die Philosophie Human x AI: Die KI liefert die Superpower, der Mensch trifft die strategische Entscheidung.

Deutschlands Standortnachteil: Bürokratie bremst die KI-Infrastruktur

Ein kritischer Punkt der Diskussion ist die Rolle Deutschlands und Europas im globalen KI-Wettlauf. Während Frankreich mit Atomstrom um den Bau von Rechenzentren wirbt, kämpft Deutschland mit massiven bürokratischen Hürden. Max verweist auf eine alarmierende Zahl der German Data Center Association (GDA): Während der Bau eines Rechenzentrums zwei bis drei Jahre dauert, kann der Anschluss an das Stromnetz bis zu sieben Jahre in Anspruch nehmen. Im Vergleich dazu benötigen die USA für den gesamten Prozess oft nur ein bis drei Jahre. Peter sieht darin eine Folge von übermäßiger Regulatorik und mangelnder Geschwindigkeit. Dieser Flaschenhals bei der Energieversorgung und den Genehmigungsverfahren droht, Deutschland bei der essenziellen KI-Infrastruktur weiter ins Hintertreffen geraten zu lassen. Eine Chance für Europa sieht Peter jedoch auf der Anwendungsebene: Der starke deutsche Mittelstand könnte KI nutzen, um dem Fachkräftemangel entgegenzuwirken und Produktionsprozesse zu optimieren. Doch diese Chance muss aktiv ergriffen werden.

Blase oder begründeter Boom? Warum die KI-Investitionen real sind

Am Ende des Gesprächs steht die unvermeidliche Frage: Erleben wir eine gefährliche KI-Blase? Kritiker verweisen auf komplexe Dreiecksgeschäfte, bei denen sich Tech-Giganten gegenseitig Geld zuschieben - NVIDIA investiert in OpenAI, OpenAI kauft Rechenleistung bei Oracle, und Oracle kauft im Gegenzug GPUs von NVIDIA. Peter Wibbe hält diese Sorge für überzogen. Er argumentiert, dass der immense Kapitalbedarf fundamental gerechtfertigt ist. Die weitverbreitete Nutzung von KI-Anwendungen, von einfachen Chatbots bis hin zu komplexen Programmier-Assistenten, erzeugt eine reale und massive Nachfrage nach Rechenleistung. Dieser Token-Crunch, wie er es nennt, erfordert zwangsläufig riesige Investitionen in die Infrastruktur. Die starken Quartalsergebnisse der Infrastruktur-Anbieter zeigen, dass die Fundamentaldaten nachziehen. Man kann nicht gleichzeitig an eine Zukunft glauben, in der jeder KI nutzt, und die dafür notwendigen Investitionen als spekulative Blase abtun. Der Boom, so seine Schlussfolgerung, basiert auf einem echten technologischen Wandel und einem realen Bedarf.

Praktische Schritte zur KI-Integration nach dem Vorbild von Bit Capital

Die von Peter beschriebene Vorgehensweise bei Bit Capital lässt sich in konkrete Handlungsempfehlungen für jedes Unternehmen übersetzen, das KI erfolgreich einführen möchte:

1. Eine klare Strategie definieren: Beginne mit der bewussten Entscheidung, eine AI-First-Organisation werden zu wollen. Diese Vision muss von der Führungsebene getragen und klar kommuniziert werden.
2. Wissen dezentral aufbauen: Anstatt auf ein isoliertes Expertenteam zu setzen, benenne in jeder Abteilung AI-Champions. Diese Mitarbeiter treiben die Anwendung von KI in ihrem jeweiligen Fachbereich voran und sorgen für eine breite Verankerung im Unternehmen.
3. Aufgaben identifizieren und priorisieren: Erstelle eine Liste aller repetitiven und zeitaufwändigen Aufgaben in den Teams. Analysiere, welche davon sich am besten für eine Automatisierung durch KI eignen und den größten Mehrwert versprechen.
4. Den Return on Invest messen: Verfolge systematisch, wie viel Arbeitszeit in die Entwicklung von KI-Lösungen investiert wird und wie viele Arbeitsstunden dadurch im operativen Geschäft eingespart werden. Dies schafft Transparenz über den Nutzen und hilft bei der Priorisierung zukünftiger Projekte.
5. Mitarbeiter befähigen, nicht ersetzen: Nutze KI als Werkzeug, um die Fähigkeiten deiner Mitarbeiter zu erweitern. Das Ziel sollte sein, ihnen Superkräfte zu verleihen, damit sie sich auf kreative und strategische Aufgaben konzentrieren können, anstatt sie durch Automatisierung überflüssig zu machen.