Dario Amodei: Die KI-Industrie hat ein 'Kegel der Ungewissheit'-Problem

Perspektive

Dies ist Dario Amodei in seiner transparentesten Form - der seltene Anblick eines KI-CEOs, der sich tatsächlich mit der Blasen-Frage auseinandersetzt, anstatt sie abzuwehren. Was dabei entsteht, ist ein nuanciertes Framework zum Nachdenken über KI-Ökonomie, das technologisches Vertrauen von wirtschaftlicher Ungewissheit trennt.

“Ich hatte interne Mitarbeiter bei Anthropic, die gesagt haben: ‘Ich schreibe keinen Code mehr. Ich öffne keinen Editor mehr. Ich lasse einfach Claude Code den ersten Entwurf schreiben und alles, was ich mache, ist editieren.’”

— Dario Amodei, CEO von Anthropic

“Wenn ich wirklich dumm bin und das Muster extrapoliere, 10 bis 100 Milliarden. Ich glaube das nicht.” Anthropics Umsatz ist drei Jahre lang jährlich um das 10-fache gestiegen ($0 → $100M → $1B → $8-10B prognostiziert für 2025), aber Amodei weigert sich explizit zu extrapolieren. Stattdessen beschreibt er einen “Kegel der Ungewissheit”, bei dem der Umsatz des nächsten Jahres irgendwo zwischen $20B und $50B landen könnte. Das mathematische Problem: Rechenzentren brauchen 2 Jahre zum Aufbau, also wettet man jetzt auf Umsatz Anfang 2027. Kauft man zu wenig Rechenleistung, verliert man Kunden an Konkurrenten. Kauft man zu viel, riskiert man den Bankrott.

Der “yoloing”-Vorwurf ist kaum verschleiert. Auf die Frage, wer unkluge Risiken eingeht, will Amodei keine Namen nennen, aber der Kontext macht es klar: verbraucherorientierte Konkurrenten mit schlechteren Margen, längeren Amortisationszeiten und Führungskräften, die “konstitutionell Dinge yoloen wollen oder einfach große Zahlen mögen.” Die Frage der zirkulären Finanzierung (Nvidia investiert in Unternehmen, die Nvidia-Chips kaufen) bekommt eine pragmatische Verteidigung - es ist Lieferantenfinanzierung, die bei bestimmten Größenordnungen Sinn macht, aber gefährlich wird, wenn sie “gestapelt” wird und $200B/Jahr Umsatz bis 2027 erfordert.

Enterprise-Fokus als Wettbewerbsvorteil. Während Google und OpenAI “Code Red”-Kämpfe um Verbraucher-KI austragen, baut Anthropic für Unternehmen. Die Modelle sind buchstäblich unterschiedlich: “überraschend, wie unterschiedlich die Persönlichkeit und Fähigkeiten der Modelle sind, wenn man für Unternehmen versus Verbraucher baut.” Weniger Fokus auf Engagement, mehr auf Coding und anspruchsvolle intellektuelle Aktivitäten. Die Bindung kommt von nachgelagerten Kunden, Prompting-Mustern und Modell-Persönlichkeiten, die einen Wechsel wirklich schwierig machen.

Zu AGI: “Es gibt keinen privilegierten Punkt.” Amodei lehnt diskrete AGI/ASI-Meilensteine ab - es ist einfach eine Exponentialfunktion, die in allem besser wird. Der Trommelschlag geht weiter, Modelle werden schlauer, Umsätze bekommen Nullen dazu.

Wichtigste Erkenntnisse

• “Kegel der Ungewissheit” - Umsatz könnte $20B oder $50B sein; Rechenzentrum-Entscheidungen jetzt dienen 2027-Kunden
• 10x Umsatzwachstum 3 Jahre in Folge - $0 → $100M → $1B → $8-10B (Anthropic behauptet beste Enterprise-Margen)
• Manche Spieler “yoloen” - Verbraucherorientierte Konkurrenten mit schlechteren Margen gehen unkluge Timing-Risiken ein
• Zirkuläre Finanzierung verteidigt - Lieferantenfinanzierung macht bei Größenordnung Sinn; gefährlich wenn zu hoch gestapelt
• Enterprise vs Consumer Divergenz - Modelle unterschiedlich optimiert; Enterprise-Fokus bedeutet “Code Red”-Kämpfe zu vermeiden
• Wechselkosten sind real - Selbst reines API-Geschäft ist klebrig; nachgelagerte Kunden, Prompting-Muster, Persönlichkeiten
• Kein AGI-Meilenstein - Nur exponentielle Verbesserung; interne Mitarbeiter “schreiben schon keinen Code mehr”
• China Chip-Ban Position unverändert - Trotz Nvidia-Partnerschaft: “ein Land voller Genies in einem Rechenzentrum” ist ein nationales Sicherheitsproblem
• Opus 4.5 Behauptung - “Zweifelsohne denken fast alle, das beste Modell für Coding”

Das große Ganze

Die KI-Industrie tätigt Billionen-Dollar-Wetten auf Infrastruktur, die erst in 2+ Jahren Umsatz generieren wird, während Modelle bereits gut genug sind, dass Ingenieure bei Frontier Labs keinen Code mehr schreiben. Ob das eine Blase ist oder die Geburt eines neuen Computing-Paradigmas, hängt vollständig davon ab, ob die Enterprise-Adoption schneller beschleunigt als die Ausgaben.