Heute Abend (19. November) wird Anthropic, ein Unternehmen, das vor weniger als sechs Jahren gegründet wurde, unter dem Tickersymbol ANT an der Nasdaq notiert. Seine Entwicklungsgeschwindigkeit und Größenordnung müssen als Wunder in der Geschichte der Technologie und Wirtschaft bezeichnet werden, und sie lassen auch erahnen, welche enormen Auswirkungen KI auf die zukünftige Wirtschaft und Gesellschaft haben wird.
Bei einem endgültigen Ausgabepreis von 83 US-Dollar pro Aktie beträgt seine vollständig verwässerte Bewertung etwa 1,5 Billionen US-Dollar. Nach aktuellen Erwartungen könnte seine Marktkapitalisierung nach der Notierung 2 Billionen US-Dollar übersteigen. Sieben vorgelagerte Unternehmen – Google, Nvidia, AMD, Broadcom, Micron, Microsoft und TSMC – haben gleichzeitig 26 Milliarden US-Dollar gezeichnet. Sein Emissionsvolumen übersteigt das Basis-Emissionsvolumen von SpaceX in Höhe von 75 Milliarden US-Dollar im Juni dieses Jahres und zählt damit zu den größten Börsengängen in der Geschichte des US-Aktienmarkts.
Was noch bemerkenswerter ist als die Bewertung, ist seine Wachstumskurve. Diese Art des kontinuierlichen 10-fachen Wachstums übertrifft bei Weitem das schnelle Wachstum der vergangenen Ära des mobilen Internets und zeigt der Welt eine erstaunliche KI-Beschleunigung.
Im ersten Quartal 2023 begann Claude mit der Kommerzialisierung, wobei der Umsatz bei null begann. Der Jahresumsatz betrug 41 Millionen US-Dollar im Jahr 2023, 386 Millionen US-Dollar im Jahr 2024 und 4,585 Milliarden US-Dollar im Jahr 2025. Bis zum dritten Quartal 2026 betrug der Quartalsumsatz 16,96 Milliarden US-Dollar, das 12,3-Fache des Vorjahreszeitraums. Der annualisierte Umsatz im Oktober dieses Jahres hat bereits etwa 81 Milliarden US-Dollar erreicht, und es wird prognostiziert, dass er bis zum Jahresende 100–120 Milliarden US-Dollar erreichen könnte.
Auf der zweiten Seite der Roadshow-Investorenmaterialien steht dieser Satz: Zum ersten Mal in der Geschichte der Menschheit ist Intelligenz zu etwas geworden, das Menschen bauen können; die kognitiven Fähigkeiten des Denkens, Analysierens, Synthetisierens, Entscheidens und Erschaffens können in großem Maßstab produziert und nach Bedarf bezogen werden. Ich habe diesen Satz mehrmals gelesen. Worüber er tatsächlich spricht, ist nicht ein Unternehmen, sondern ein Wendepunkt für eine Branche: Zum ersten Mal beginnt Intelligenz getrennt von den Menschen selbst zu existieren und wird zu einem industriellen Produkt, das massenhaft hergestellt, bepreist und geplant werden kann.
Insbesondere die folgende Grafik zeigt den Ehrgeiz von Anthropic. Die erwarteten Erträge gehen weit über die aktuellen Einnahmen aus Programmierung, Analyse, Büroarbeit und dergleichen hinaus und erstrecken sich auf Bereiche wie Arzneimittelforschung, Materialwissenschaft, fortgeschrittene Fertigung und Robotik sowie auf den 2 Billionen US-Dollar schweren Life-Sciences-Sektor und sogar auf den zukünftigen globalen Markt für Wissensarbeit in Höhe von 40 Billionen US-Dollar. Dies erinnert unweigerlich an ein umstrittenes Gerücht in der Branche: „In Zukunft wird vielleicht nur noch Anthropic als Unternehmen in der Welt übrig bleiben.“
Bildquelle: Anthropic Roadshow-Investorenmaterialien
In der vergangenen Woche haben wir gemeinsam den über 400 Seiten umfassenden Prospekt von Anthropic, die 15-seitigen Roadshow-Investorenmaterialien, das 41-minütige Roadshow-Video und einen offenen Brief, den sieben Gründer gemeinsam unterzeichnet haben, gelesen. Wie Einnahmen erzielt werden, wofür Rechenleistung ausgegeben wird, wie Modelle iteriert werden, wie die Organisation funktioniert und wie Risiken bepreist werden, wurde zum ersten Mal von einem Frontier-Modellunternehmen vollständig offengelegt. Wir können sechs Veränderungen erkennen, die sich in der Branche der großen Modelle vollziehen.
Trend 1: Das Scaling Law ist weiterhin wirksam, aber der Hauptmotor für F&E ist auf KI selbst umgestiegen
Zum Gründungsteam von Anthropic gehört der Hauptautor des Papiers „Scaling Laws for Neural Language Models“ aus dem Jahr 2020. Im Brief der Gründer heißt es, dass damals viele Menschen nicht glaubten, dass maschinelle Intelligenz so stark von Skalierung abhängen würde, aber Vorhersagen auf Basis von Scaling Laws wurden immer wieder als richtig erwiesen. Die Einschätzung im Prospekt ist ebenfalls klar: Die KI-Fähigkeiten werden sich weiter verbessern, und für die absehbare Zukunft wird die Nachfrage das Angebot weiterhin übersteigen, während das Angebot hauptsächlich durch Rechenleistung begrenzt wird.
Nach der Lektüre des gesamten Prospekts denke ich jedoch, dass bemerkenswerter als das Scaling Law selbst drei Veränderungen in der Art und Weise sind, wie F&E betrieben wird.
Erstens ist das Post-Training zu dem Bereich mit den größten Investitionen geworden. Der Prospekt stellt fest, dass sich das Post-Training von einem abschließenden Schritt zu einem der größten Forschungsinvestitionsbereiche des Unternehmens entwickelt hat, weil sich der Markt von konversationellen Assistenten hin zu autonomen Agenten verschiebt. Auch die Trainingsmethode hat sich verändert: Es werden vollständige, reale und komplexe Aufgaben verwendet, die der professionellen Arbeit nahekommen. Anthropic ist der Ansicht, dass die Breite und Realitätsnähe dieser Aufgabenmischung zu seinen dauerhaftesten wissenschaftlichen Vorteilen gehört und dass sie von außen schwer zu beobachten und daher schwer zu replizieren ist.
Zweitens werden Modellarchitektur und Inferenzinfrastruktur gemeinsam konzipiert. KI-Forscher und Inferenzingenieure teilen Planungszyklen, Berichtslinien und Leistungsziele, und Architekturentscheidungen berücksichtigen die Inferenzkosten vom ersten Tag an. Dies erklärt, warum jede Generation von Claude sowohl stärker als auch wirtschaftlicher sein kann.
Drittens, und am wichtigsten, hat die KI begonnen, am Aufbau von KI mitzuwirken, was auch die derzeit am meisten diskutierte RSI ist. Jede Generation von Claude wirkt am Aufbau der nächsten Generation mit, einschließlich der Durchführung von Experimenten, der Erzeugung und Verarbeitung von Trainingsdaten, der Automatisierung von Evaluierung und Sicherheitsaudits sowie dem Schreiben und Überprüfen von Code.
Einige Zahlen veranschaulichen dies gut. Im September 2026 wurden mehr als 90 % der Commits in der Codebasis von Anthropic von Claude geschrieben; im dritten Quartal war die Menge an Code, die pro Ingenieur und Tag beigesteuert wurde, mehr als 45-mal so hoch wie der Tagesdurchschnitt von 2024. Bei offenen technischen Problemen, die keine klaren Spezifikationen haben und zuvor stark auf das Urteilsvermögen erfahrener Ingenieure angewiesen waren, stieg die Erfolgsquote von Claude nach internen Benchmarks des Unternehmens innerhalb von neun Monaten um etwa 50 Prozentpunkte und erreichte etwa 90 %. Bei der Integration von AMD-Chips in diesem Jahr schloss Claude die Anpassung im Wesentlichen ohne menschliches Eingreifen innerhalb von drei Tagen ab und portierte oder schrieb fast alle Operatoren, was zuvor Dutzende von Ingenieuren und mehrere Monate erforderte.
Zu Listenpreisen wuchs der Wert der internen Nutzung von Claude bei Anthropic von Januar bis September dieses Jahres um mehr als das 250-Fache. Im April dieses Jahres übertraf dieser monatliche Wert erstmals die monatlichen Personalkosten des Unternehmens (ohne aktienbasierte Vergütung).
Bildquelle: Anthropic-Roadshow-Investorenmaterialien
Es gibt auch einen leicht zu übersehenden Kompromiss. Der Prospekt stellt klar fest, dass das Unternehmen derzeit trotz der kommerziellen Attraktivität von Video- und Bildgenerierungsmodellen nicht auf diese fokussiert ist und die entsprechende Rechenleistung auf Programmierung, Agenten und Sicherheitsforschung umgeleitet wird. Dafür gibt es drei Gründe: Programmierung hat eine große wirtschaftliche Wirkung; Sicherheitsprobleme werden hier zuerst auftreten; und die Ausgabe der Programmierung ist weitgehend verifizierbar.
Der Schlüssel zum Gewinnen im Wettbewerb der großen Modelle verschiebt sich auf die Geschwindigkeit der F&E-Schleife. Welches Unternehmen mit seinem Modell zuerst die eigene Arbeit gut erledigen kann, wird seine Modellgeneration der nächsten Generation früher vorlegen. Verifizierbare Domänen werden zuerst erobert und wirken auch zuerst auf die F&E zurück.
Natürlich hat diese Schleife auch eine andere Seite. Der Prospekt erwähnt ausdrücklich, dass die Nutzung von KI zur Beschleunigung von KI erhebliche Sicherheitsrisiken mit sich bringt und die verantwortungsvolle Skalierungspolitik des Unternehmens bereits Überwachungs- und Minderungspläne für die Annäherung an rekursive Selbstverbesserung enthält. Der Brief der Gründer drückt es direkter aus: Falls nötig, könnte das Unternehmen proaktiv langsamer werden.
Trend 2: Produkte bewegen sich von Chat-Boxen zu virtuellen Mitarbeitern und liefern Arbeit statt Antworten
Der Brief der Gründer enthält eine Einschätzung zu Produktgenerationen: KI-Chatbots wurden um 2022 nutzbar, KI-Coding-Agenten um 2025, und Agenten für allgemeine Wissensarbeit und wissenschaftliche Entdeckung werden 2026 allmählich nutzbar. Der Brief besagt auch, dass Anthropic weniger Aufwand in die Konsolidierung bestehender Produkte und mehr Aufwand in die Definition neuer Produkte stecken wird, weil jede neue Modellgeneration weiterhin Produktkategorien eröffnet, die noch wenige Monate zuvor nicht machbar waren.
Der Prospekt gibt dieser Produktgeneration einen Namen: virtuelle Mitarbeiter. Sie verfügen über von der Organisation erteilte Berechtigungen, Systemanbindungen und Kontext; sie können interne Tools nutzen; sie können Workflows ausführen, die sich über mehrere Schritte erstrecken und anhaltendes Schlussfolgern erfordern; und sie arbeiten Seite an Seite mit Mitarbeitern.
Bildquelle: Anthropic-Roadshow-Investorenmaterialien
Programmierung war die erste Kategorie, die die Schwelle überschritt. Claude Code wurde im Februar 2025 als Forschungsvorschau veröffentlicht. In etwa einem Jahr ging Claude davon, einzelne Codezeilen vorzuschlagen, dazu über, Cluster von Agenten zu betreiben, die autonom in Produktions-Codebasen arbeiten. Der Prospekt vergleicht die Auswirkung von Claude Code mit der der ersten weithin angenommenen konversationellen KI-Assistenten. Die Nutzung ist oft unerwartet; zum Beispiel nutzten NASA-Ingenieure es, um Navigationsbefehle für den Mars-Rover Perseverance zu planen und zu schreiben, und schlossen damit die erste von KI geplante Fahrt auf dem Mars ab.
Cybersicherheit könnte die zweite sein. Bei einem von Forschern der Carnegie Mellon University entwickelten Benchmark zur Ausnutzung von Schwachstellen stieg Claudes Punktzahl in etwa vier Monaten von 40 % auf 78 % und dann auf 91 %.
Wissensarbeit ist die dritte. Ein Satz im Prospekt hat bei mir einen tiefen Eindruck hinterlassen: Jede digitale Arbeit ist letztlich eine Form des Code-Ausdrucks. Aufgrund dieser Einschätzung übertrug Anthropic die Agentenarchitektur von Claude Code auf Wissensarbeiter und baute Cowork, das autonom Dateien liest, Anwendungen bedient und mehrstufige Workflows auf dem Desktop des Nutzers ausführt, wobei der zugrunde liegende Code verborgen bleibt. Cowork wurde im Januar 2026 als Forschungsvorschau veröffentlicht, und bis Ende September hatte seine Annahmerate bereits das Niveau von Claude Code zum gleichen Zeitpunkt übertroffen. Im September begann Cowork, mit Claude.ai zu verschmelzen, sodass Nutzer innerhalb derselben Konversation direkt von einer einfachen Frage zu einer komplexen mehrstufigen Aufgabe übergehen können.
Konversation und Agenten verschmelzen zu einem einzigen Produkt.
Kundenfälle bestätigen dies ebenfalls. Rakuten nutzte Claude Code, um mehr als 7 Stunden autonomer Programmierung zu erreichen, und verkürzte die Zeit bis zur Markteinführung neuer Funktionen von 24 Arbeitstagen auf 5; Salesforce schloss eine API-Migration, die ursprünglich 231 Tage erforderte, in 13 Tagen ab; Bristol Myers Squibb ermöglichte Claude für alle 30.000 Mitarbeiter und verkürzte die Antwortzeit auf eine epidemiologische Frage von ein oder zwei Monaten auf vier oder fünf Minuten.
Da sich die Produktform ändert, muss sich auch der Technologie-Stack mitändern. Im Prospekt steht ein sehr schlichter Satz: Ein Modell allein bildet keinen Agenten. Agenten müssen sich von Abstürzen erholen können, Systeme mit begrenzten und prüfbaren Anmeldeinformationen bedienen und unter variabler Last skalieren; all dies erfordert ein Laufzeit-Framework. Anthropic hat dasselbe Laufzeit-Framework, das Claude Code antreibt, als Agent SDK geöffnet und auch eine gehostete Version gestartet, Managed Agents; zusammen mit dem Skill-Paket Agent Skills, dem MCP-Protokoll, das Unternehmensdaten und -tools verbindet, und dem Modell-Hardware-Standard MHS, der Agenten Labor- und Fertigungsanlagen bedienen lässt, bilden diese die Middle-Platform-Schicht.
Alle drei Schichten zusammen zu betreiben – Modelle, Plattform und Anwendungen – zeigt bereits Vorteile in den Kundendaten. Zum Ende September dieses Jahres nutzte unter den Kunden, die jährlich mehr als 100.000 US-Dollar zahlen, mehr als die Hälfte sowohl die Plattform als auch mindestens eine Erstanbieter-Anwendung; im vierten Quartal des letzten Jahres lag dieser Anteil bei etwa 30 %.
Die Produkteinheit großer Modelle verschiebt sich von einer einzelnen Antwort hin zu einer Lieferung. Der Fokus des Wettbewerbs wird sich von Modell-Benchmarks auf Engineering-Fähigkeiten wie Laufzeit-Frameworks, Kontextmanagement, Berechtigungssysteme und Tool-Anbindungen verlagern – das, was man oft als Harness bezeichnet. Ein weiterer Ansatz, von dem es sich zu lernen lohnt, ist, dass Anthropic Produkte rund um die Fähigkeiten entwickelt, die Modelle haben werden, statt rund um aktuelle Fähigkeiten. So wurde Claude Code gebaut, sodass das Produkt, sobald die Fähigkeit vorhanden war, schnell skalieren konnte.
Trend 3: Für Intelligenz bezahlen, wobei Modelle wie Frischware ein Haltbarkeitsdatum haben
Anthropic nennt sein wichtigstes Erlösmodell pay-for-intelligence, also nutzungsbasierte Abrechnung, gemessen in Tokens und bepreist nach dem ausgewählten Modell. In den ersten drei Quartalen 2026 machte die nutzungsbasierte Abrechnung 79 % des Umsatzes aus und Abonnements 21 %; Umsätze über die Marktplätze der drei großen Cloud-Plattformen machten 44 % aus; Umsätze außerhalb der Vereinigten Staaten machten 29 % aus.
Drei Details veranschaulichen besonders die Merkmale dieses Modells.
Erstens sind Preissenkungen ein Tausch von Preis gegen Volumen, kein Preiskrieg. Im November 2025 veröffentlichte Anthropic Opus 4.5, das leistungsfähiger war und einen niedrigeren Preis sowie niedrigere Kosten pro Aufgabe hatte. Danach sprang das quartalsweise Umsatzwachstum des Unternehmens von 48 % im vierten Quartal des Vorjahres auf 132 % im ersten Quartal dieses Jahres. Opus 5.5, veröffentlicht im September dieses Jahres, senkte die Kosten für Kunden, um dieselben Aufgaben zu erledigen, um etwa 40 %; Fable 5.1 senkte sie um etwa 25 % im Vergleich zur vorherigen Generation und konnte bei komplexer Programmierung und stark agentischen Aufgaben bis zu 45 % einsparen. Laut der Roadshow-Offenlegung wurden im dritten Quartal etwa 600 Millionen US-Dollar weniger eingenommen wegen Preissenkungen und Vertragsrabatten, aber dies wurde vollständig durch Nutzungswachstum ausgeglichen. Die Aussage des Managements ist, dass diese Preissenkung margenneutral war, weil die neuen Modelle selbst recheneffizienter sind.
Mit anderen Worten: Hinter dem Rückgang des Token-Stückpreises steht eine Effizienzdividende: Die Recheneffizienz muss zuerst steigen, bevor die Preise sinken können, und Preissenkungen setzen wiederum weitere Nachfrage frei.
Zweitens haben Modelle ein Haltbarkeitsdatum. Der Prospekt legt offen, dass im dritten Quartal mehr als 80 % des Umsatzes aus Modellversionen stammten, die in den vergangenen sechs Monaten veröffentlicht wurden. In den ersten drei Quartalen dieses Jahres brachte das Unternehmen insgesamt 250 neue Modellversionen, Plattformfunktionen und Anwendungen auf den Markt. In dieser Branche ist ein Modell keine Software, die einmal entwickelt und lange verkauft wird; es gleicht eher Frischware, die ständig nachgefüllt werden muss. Wer stehen bleibt, wird erleben, dass Kunden zum neuesten Modell eines anderen abwandern.
Drittens folgt der Umsatz dem Rhythmus der Arbeit der Menschen. Der Prospekt erwähnt, dass in den zwei Wochen bis zum 2. Januar dieses Jahres die Gesamtausgaben der Kunden im Vergleich zu den zwei Wochen davor um etwa 20 % sanken, weil viele Unternehmen während der Feiertage Code-Freezes ansetzten und Entwickler Code-Commits und Feature-Launches verlangsamten. Der Umsatz eines KI-Unternehmens beginnt, eine Saisonalität ähnlich der der menschlichen Dienstleistungsbranche zu zeigen. Dies zeigt indirekt, dass Claude tief in reale Produktionstätigkeiten eingebettet ist.
Eine weitere Verpflichtung ist erwähnenswert: Claude schaltet keine Werbung. Der Brief des Gründers sagt, dass Werbung wahrscheinlich eine substanzielle Einnahmequelle wäre, aber sobald Werbung in Umsatzziele eintritt, würde der Druck steigen, nach der von Nutzern verbrachten Zeit zu streben, und das Unternehmen möchte, dass Claudes einziger Anreiz darin besteht, Nutzern eine nützliche Antwort zu geben. Das Erlösmodell bestimmt die Anreizrichtung des Produkts, und dies gilt für alle Unternehmen, die Agenten bauen.
Die Preiseinheit für große Modelle verschiebt sich von Sitzen zu Tokens, und der nächste Schritt könnten Aufgaben und Ergebnisse werden. Wer die Kosten pro Aufgabe kontinuierlich senken kann, wird die Nachfrageelastizität erfassen können; und ob die Kosten pro Aufgabe gesenkt werden können, hängt von der unten erörterten Recheneffizienz ab.
Trend Vier: Unternehmen sind das Hauptschlachtfeld, Entwickler sind der Einstiegspunkt, und Lieferfähigkeit ist der neue Engpass
Anthropic hat sich von Anfang an auf Unternehmen konzentriert. Der Brief des Gründers argumentiert, dass der enorme Wert von KI hauptsächlich daraus entsteht, wie Unternehmen und Organisationen sie einsetzen.
Die Zahlen wachsen schnell. Kunden, die jährlich mehr als 100.000 US-Dollar zahlen, beliefen sich Ende 2023 auf etwa 20, Ende 2024 auf etwa 200, im September 2025 auf mehr als 950 und bis Ende September dieses Jahres auf mehr als 11.900 – eine Zwölffachsteigerung innerhalb eines Jahres. Davon zahlen mehr als 1.900 jährlich mehr als 1 Million US-Dollar und etwa 250 mehr als 10 Millionen US-Dollar. Die Netto-Umsatzbindungsrate liegt bei etwa 900 %, was bedeutet, dass Kunden, die bereits vor einem Jahr zahlten, in diesem Quartal etwa neunmal so viel ausgaben wie im gleichen Zeitraum des Vorjahres.
Auch die Kundenstruktur wird gesünder. Der Umsatz der fünf größten Kunden sank von 36 % im ersten Quartal dieses Jahres auf 21 % im dritten Quartal, wobei kein einzelner Kunde mehr als 10 % ausmacht.
Bemerkenswerter ist, dass es noch viel Spielraum gibt. Mehr als die Hälfte der Fortune-500-Unternehmen sind bereits Kunden, die jährlich mehr als 100.000 US-Dollar zahlen, doch die durchschnittlichen Ausgaben dieser Kunden für Claude betragen weniger als 0,1 % ihrer Gesamtausgaben; selbst die zehn größten Ausgeber liegen unter 1 %. Der Prospekt stellt wortwörtlich fest, dass die Kluft zwischen dem, was Claude leisten kann, und der Breite seiner Nutzung eine der größten Wachstumschancen des Unternehmens ist.
Wie wird das Geld ausgegeben? Die Roadshow beschreibt den typischen Weg in vier Schritten: Ingenieure nutzen zunächst Claude Code, dann weiten sie es auf angrenzende Rollen aus, dann dringen sie in Geschäftsprozesse ein und schließlich betten sie es in externe Produkte ein. Der Prospekt liefert einen Vergleich: Im dritten Quartal gaben Unternehmensnutzer, die Claude Code nicht nutzten, durchschnittlich weniger als 75 US-Dollar pro Monat aus, während die obersten 5 % der Nutzer, die Claude Code verwendeten, etwa das Zwanzigfache dieses Betrags ausgaben. Entwickler sind sowohl die anspruchsvollsten frühen Nutzer als auch die überzeugendsten Förderer innerhalb von Unternehmen.
Doch Bottom-up allein reicht nicht aus. Der Prospekt gibt offen zu, dass ein Haupthindernis für die Einführung von Claude der natürliche Widerstand gegen Veränderungen innerhalb von Organisationen ist. Zu diesem Zweck hat Anthropic ein vollständiges Lieferungssystem aufgebaut: Direktvertriebsteams und angewandte KI-Teams, die nach Geografie und dann nach Branche organisiert sind und mit Kunden maßgeschneiderte Lösungen entwerfen und bereitstellen; gemeinsamer Vertrieb mit den drei großen Clouds AWS, Google Cloud und Azure, wobei Kunden direkt mit Anthropic abschließen und Anthropic die Cloud-Anbieter bezahlt; Systemintegratoren wie Accenture, Deloitte, KPMG und PwC haben dedizierte Claude-Geschäftsteams eingerichtet; das Partnernetzwerk hat 150.000 Praktiker aus mehr als 4.000 Organisationen zertifiziert; im Oktober wurden weitere 100 Millionen US-Dollar investiert, um eine Akademie zu gründen, die bis Ende 2027 10.000 FDE-Ingenieure nach dem Standard der eigenen Ingenieure ausbilden soll, die in der Lage sind, KI in Produktionsumgebungen voranzutreiben; außerdem wurde mit Private-Equity-Firmen eine KI-Dienstleistungsgesellschaft gegründet, die speziell mittelständische Unternehmen bedient.
Dennoch machten Vertriebs-, Marketing- und Partnerkosten im ersten Halbjahr dieses Jahres nur 19 % des Umsatzes aus.
Die Modellfähigkeiten sind der Absorptionsfähigkeit der Organisationen bereits vorausgeeilt. Der Engpass für Unternehmens-KI in der nächsten Phase ist nicht das Modell, sondern die Lieferung: FDE-Ingenieure, Anwendungsteams und Ökosystempartner, die Modelle in echte Geschäftsprozesse einbinden können, werden zu den knappsten Ressourcen. Dies ist dasselbe Phänomen wie unsere frühere Beobachtung, dass die Zahl der Stellen für Vor-Ort-Lieferingenieure innerhalb eines Jahres um das 15-Fache gestiegen ist.
Trend fünf: Rechenleistung ist der größte Kostenfaktor und zugleich ein intertemporaler Terminkontrakt
Betrachten wir zunächst die Effizienz. Vom ersten Quartal 2025 bis zum dritten Quartal 2026 weitete sich Anthropics Umsatz um das 45-Fache aus, während die Ausgaben für Rechenleistung und Infrastruktur nur um das 10,4-Fache stiegen. Der pro 1 US-Dollar Rechenleistungsausgaben erzielte Umsatz stieg von 0,40 US-Dollar auf 1,72 US-Dollar und erreichte im zweiten Quartal zeitweise 2,08 US-Dollar.
Bildquelle: Anthropic-Roadshow-Investorenmaterialien
Das Unternehmen nennt zwei Gründe. Erstens vervielfachen algorithmische Verbesserungen die Rechenleistung, sodass dasselbe Modell mit weniger Rechenleistung trainiert und betrieben werden kann. Zweitens die Multi-Chip-Architektur: Training und Inferenz gleichzeitig auf Amazon Trainium, Google TPU, Nvidia GPU und AMD GPU, wobei alle Rechenleistung als ein einziger austauschbarer Ressourcenpool behandelt und einheitlich disponiert wird, indem die Rechenleistung dorthin verlagert wird, wo der Grenzertrag am höchsten ist. Die erwähnte dreitägige Integration mit AMD ist das Ergebnis dieser Fähigkeit in Kombination mit dem geschlossenen Kreislauf.
Betrachten wir als Nächstes die Diskrepanz. Der Prospekt gibt an, dass das Unternehmen Rechenleistung in der Regel 12 bis 18 Monate im Voraus einkauft, und dieser Kostenanteil ist kurzfristig im Wesentlichen fixiert, während sich die Nachfrage von Quartal zu Quartal verdoppelt.
Das Ergebnis ist, dass die Gewinne stark mit den Nachfrageprognosen schwanken. Im zweiten Quartal übertraf der Umsatz die mehr als ein Jahr zuvor bestellte Rechenleistung, die Ausgaben für Rechenleistung machten nur 48 % des Umsatzes aus, und das Betriebsergebnis wurde unter den offengelegten Quartalen erstmals positiv, mit einer Betriebsmarge von 8 %. Im dritten Quartal stieg die Nachfrage weiter stark an, und das Unternehmen kaufte kurzfristige Rechenleistung im Wert von 5 Milliarden Dollar zu hohen Preisen, wobei die Stückpreise deutlich über denen mehrjähriger Verträge lagen und etwa die Hälfte der Rechenleistungsausgaben dieses Quartals ausmachten; der Anteil der Rechenleistung stieg wieder auf 58 %, und die Betriebsmarge drehte auf minus 3 %.
Es gibt eine weitere Zahlenreihe, die einen Vergleich wert ist. Nach der Roadshow-Grundlage betrug die Bruttomarge in den ersten drei Quartalen dieses Jahres 85 %, aber wenn alle Ausgaben für Rechenleistung einschließlich des Modelltrainings abgezogen werden, beträgt die Marge nur 43 %. Die Bruttomarge zählt nur den Teil der Rechenleistung, der Kunden dient; Rechenleistung für das Training der nächsten Modellgeneration ist nicht enthalten. Für Unternehmen mit großen Modellen liegt die tatsächlich größte Kostenposition genau außerhalb der Bruttomarge.
Betrachten wir schließlich den Maßstab. Zum Ende September und danach belaufen sich die von Anthropic unterzeichneten Verpflichtungen für Rechenleistung und Infrastruktur auf insgesamt etwa 900 Milliarden Dollar, wovon etwa 451,6 Milliarden Dollar vor Ende 2030 anfallen und der Rest hauptsächlich zwischen 2031 und 2045. Etwa 70,7 Milliarden Dollar werden in den nächsten 12 Monaten fällig, was unter dem aktuellen annualisierten Umsatz von etwa 81 Milliarden Dollar liegt; aber der Anteil vor Ende 2030 beträgt bereits das 5,6-Fache des aktuellen annualisierten Umsatzes.
Um in diesem intertemporalen Spiel mehr Handlungsspielraum zu gewinnen, verlagert Anthropic mehr Rechenleistung auf sein selbst gebautes System Anthropic Direct: Chips selbst mieten und sie in dedizierte Rechenzentren bringen, die nach eigenen Spezifikationen gebaut werden. Das Clevere daran ist die Trennung zweier Dinge: Der Bau von Rechenzentren dauert lange, macht aber nur einen kleinen Teil der Gesamtkosten aus, sodass er zuerst festgelegt werden kann; die Chipinvestitionen sind betragsmäßig groß, sodass das Unternehmen warten kann, bis die Nachfrage klarer ist, bevor es entscheidet, wie viel es kauft. Das langfristige Ziel des Managements ist es, die Ausgaben für Rechenleistung auf 45 % bis 50 % des Umsatzes zu senken, mit einer bereinigten Betriebsmarge von über 35 %.
Der Brief des Gründers ist diesbezüglich sehr offen: Das Unternehmen tätigt oft vorausschauende Investitionen, die auf den ersten Blick unverantwortlich groß erscheinen, insbesondere in Rechenleistung. Der Brief verwendet die Pharmaindustrie als Analogie: Die frühen F&E-Investitionen sind enorm, und die Rechnung geht erst auf, wenn ein erfolgreiches Medikament entsteht, außer dass dieser Prozess für KI schneller und größer im Maßstab ist. Gleichzeitig ist das Unternehmen bereit, einen Teil des Aufwärtspotenzials aufzugeben, um sich gegen Abwärtsrisiken abzusichern, etwa durch den Weiterverkauf überschüssiger Rechenleistung bei Überschätzung der Nachfrage, die kontinuierliche Verbesserung der Effizienz zur Erhöhung der Toleranz gegenüber Fehleinschätzungen und die vorzeitige Beschaffung von Finanzmitteln, wenn nötig. In den Worten des Briefes: kühn, aber klar im Kopf.
Die zentralen operativen Fähigkeiten von Unternehmen mit großen Modellen haben begonnen, Nachfrageprognose und Rechenleistungsdisposition zu werden. Um ein stark investiertes KI-Unternehmen zu beurteilen, betrachtet man zuerst seine Output-Kurve pro Einheit Rechenleistung und dann, ob die Laufzeit seiner Rechenleistungsverträge mit seiner Nachfragewachstumsrate übereinstimmt. Ersteres bestimmt, ob es Geld verdienen kann; Letzteres bestimmt, ob es in irgendeinem Quartal von den Kosten für Rechenleistung erdrückt wird.
Trend Sechs: Sicherheit und Governance – vom Kostenfaktor zum Teil des Produkts
Im April dieses Jahres trainierte Anthropic Mythos, das damals leistungsfähigste Modell, und kam zu dem Schluss, dass seine Fähigkeit, Netzwerkschwachstellen zu entdecken, zu stark sei, und öffnete es daher nicht vollständig und direkt. Stattdessen stellte das Unternehmen über ein Programm namens Project Glasswing nur einigen Institutionen eine eingeschränkte Forschungsvorschau für die Cybersicherheitsverteidigung zur Verfügung und gewährte den Verteidigern etwa 100 Millionen US-Dollar an Nutzungsguthaben. Erst nachdem zusätzliche Sicherheitsvorkehrungen eingeführt worden waren, öffnete das Unternehmen es im Juni unter dem Namen Fable 5 vollständig. Im Gründerbrief wurde eingeräumt, dass diese Verzögerung bedeutete, erhebliche Einnahmen aufzugeben und auch einen Teil der Wettbewerbsposition abzutreten.
Ist das kommerziell lohnenswert? Die Antwort des Prospekts lautet: Strenge Sicherheitsvorkehrungen, vorhersehbares Modellverhalten und nachweisbare Rechenschaftsmechanismen sind zu entscheidenden Kriterien für Unternehmen geworden, die KI-Partner für geschäftskritische Aufgaben auswählen. Gut ausgerichtete Modelle befolgen Anweisungen besser, ergreifen nicht voreilig zerstörerische Maßnahmen, bevor die Absicht des Nutzers geklärt ist, und sind widerstandsfähiger gegen Prompt-Injection-Angriffe. Wenn Modelle als Agenten beginnen, sich mit kritischen Geschäftssystemen zu verbinden, ist Sicherheit Zuverlässigkeit, und Zuverlässigkeit entscheidet darüber, ob sich das Produkt verkaufen lässt.
Zu diesem Zweck entwickelte Anthropic mit mehr als 100 Kunden aus den Bereichen Finanzen, Gesundheitswesen und öffentlicher Sektor unternehmensgerechte Frontier-Sicherheitsvorkehrungen: Überwachungsdaten werden im eigenen Cloud-Konto des Kunden gespeichert, mit den Schlüsseln des Kunden verschlüsselt und Missbrauchswarnungen direkt an das Sicherheitsteam des Kunden gesendet, ohne dass Anthropic-Mitarbeiter sie bearbeiten.
In Bezug auf Governance ist Anthropic eine Delaware Public Benefit Corporation, und ihr Vorstand muss die Interessen der Aktionäre gegen ihre Gemeinwohlmission abwägen. Die Macht ist unter drei Parteien aufgeteilt: Die sieben Mitgründer halten über eine Klasse-F-Aktie eine feste Stimmrechtsmacht von 50,1 % und wählen 3 Direktoren; ein langfristiger Gemeinwohltrust ohne finanzielles Interesse am Unternehmen wählt 4 der 7 Direktoren, wobei die Ernennung und Abberufung eines von ihnen einem Schutzmechanismus unterliegt, und wenn Unternehmen und Trust uneinig sind, stimmen die Mitarbeiter ab. Die besonderen Stimmrechte der Gründer sind nicht dauerhaft; wenn weniger als 3 Gründer in der Stimmrechtsgesellschaft verbleiben, fallen sie an gewöhnliche Aktionäre zurück.
Die Gemeinwohlregelung ist auch in die Eigenkapitalstruktur eingeschrieben: Vor dem Börsengang wurden 5 % des Eigenkapitals zurückgelegt, um einen Gemeinwohlfonds zu errichten, und danach kann der Vorstand für jeden nachhaltigen Anstieg des Aktienkurses um 50 % weitere 2 % zurücklegen. Alle sieben Mitgründer haben sich verpflichtet, 80 % ihres persönlich gehaltenen Eigenkapitals zu spenden, und mehr als die Hälfte der Mitarbeiter hat sich ebenfalls verpflichtet, einen Teil ihres Eigenkapitals zu spenden.
Im Gründerbrief gibt es eine Passage, die ich für den nüchternsten Teil des gesamten Börsendokuments halte. Sie sagten, dass sie vor der Einleitung des Börsengangs viele Unternehmer konsultiert hätten, die Börsengänge durchgemacht hatten, und mehrere gaben einen ähnlichen Rat: Lass niemals zu, dass dein Unternehmen auch nur einen Dollar mehr wert ist als sein tatsächlicher Wert. Denn es ist sehr gefährlich, wenn Menschen Aktien aufgrund von Erwartungen kaufen, die du nicht erfüllen kannst, oder falsch einschätzen, wie du handeln wirst. Daher legt dieser Brief ausdrücklich zwei Arten von Entscheidungen dar, bei denen das Unternehmen von den Erwartungen der Investoren abweichen kann: zum einen geschäftliche Wetten, die aus der exponentiellen KI-Entwicklung entstehen und für sich genommen etwas ungewöhnlich erscheinen, und zum anderen Entscheidungen, die um der Balance des öffentlichen Interesses willen von der Gewinnmaximierung abweichen.
Sicherheit ist auch der Kitt, der Anthropic hilft, Talente anzuziehen. Alle sieben Mitgründer sind noch im Unternehmen, die unerwartete Fluktuationsrate liegt bei etwa 1 %, und von den Mitarbeitern, die das Unternehmen halten wollte, die aber gingen, kehrten 19 % später zurück; mehr als drei Viertel der ersten 100 Mitarbeiter sind noch im Unternehmen.
Wenn Modelle von der Beantwortung von Fragen zum Handeln im Namen von Menschen übergehen, wird Vertrauen zum Produktmerkmal selbst. Sicherheitsinvestitionen sind nicht länger nur Compliance-Kosten, sondern zahlen für den Zugang zu den kritischen Geschäftsprozessen von Unternehmenskunden.
Vier Unsicherheiten im Prospekt verdienen ebenfalls Aufmerksamkeit
Erstens wird das Wachstum zwangsläufig nachlassen. Das sequenzielle Wachstum im dritten Quartal betrug 47 %, deutlich niedriger als 144 % im zweiten Quartal. Der Prospekt selbst stellt klar fest, dass das Umsatzwachstum im Laufe der Zeit zurückgehen wird und der Rückgang größer und früher als erwartet ausfallen könnte; wenn das Wachstum nachlässt, werden saisonale Schwankungen ausgeprägter und die Leistung schwerer vorherzusagen sein.
Zweitens die Umsatzqualität. Der Prospekt legt offen, dass etwa 5 % bis 7 % des Umsatzes in den ersten neun Monaten dieses Jahres von Kunden stammten, bei denen später festgestellt wurde, dass sie gegen Nutzungsrichtlinien oder Geschäftsbedingungen verstoßen hatten. Das Unternehmen hat im August und September die Erkennung und Durchsetzung verstärkt, und dieser Umsatzanteil wird allmählich zurückgehen, aber wie groß die Auswirkungen auf das Wachstum sein werden und wann sie sich zeigen werden, ist derzeit ungewiss.
Drittens die Rechenleistungs-Diskrepanz. Verpflichtungen von etwa 900 Milliarden US-Dollar müssen im Allgemeinen unabhängig von Umsatz und Auslastung erfüllt werden. Ein Teil des Rechenleistungsausbaus stützt sich zudem auf Finanzierungs- oder Kreditunterstützung von Cloud-Anbietern und Chip-Partnern. Amazon und Google sind beide Großaktionäre mit Anteilen von mehr als 5 % und zugleich Kunden, Vertriebskanäle und Wettbewerber; diese Mehrfachbeziehung ist selbst eine Quelle der Unsicherheit.
Viertens die buchhalterischen Verluste. Der Nettoverlust im dritten Quartal betrug 23,3 Milliarden US-Dollar, davon entfielen 21,9 Milliarden US-Dollar auf Fair-Value-Änderungen bei Wandelanleihen, Derivativverbindlichkeiten und SAFEs, die durch Bewertungssteigerungen entstanden sind und unbare Posten darstellen; doch die nach dem Börsengang sukzessive erfassten Aufwendungen für Eigenkapitalvergütung werden die Gewinn- und Verlustrechnung weiterhin belasten. Beim Wettbewerb befinden sich OpenAI, Google und zunehmend leistungsfähigere Open-Weight-Modelle alle auf derselben Spur.
Aus Sicht der Emissionspreisgestaltung macht der Markt diese Rechnung tatsächlich bereits.
Fünf Erkenntnisse für die Branche der großen Modelle
Fasst man die sechs Trends zusammen, ergeben sich fünf Erkenntnisse für die Branche.
Erstens: In der F&E der erste Nutzer des eigenen Modells werden. Der geschlossene Kreislauf von Anthropic zeigt, dass die Tiefe der internen Nutzung die Iterationsgeschwindigkeit stärker bestimmt als Platzierungen auf externen Ranglisten. Beginne mit Bereichen, in denen Ergebnisse überprüfbar sind, etwa Code, lasse das Modell zuerst den eigenen F&E-Prozess transformieren und übertrage diese Fähigkeit dann auf Kunden.
Zweitens: Im Produkt vom Gespräch zur Lieferung wechseln. Modelle, Laufzeit-Frameworks, Verbindungsprotokolle und Skill-Pakete müssen gemeinsam aufgebaut werden, und Produkte sollten um Lieferegebnisse herum gestaltet werden statt um Antwortqualität; zugleich sollten Produkte um die Fähigkeiten des Modells in sechs Monaten herum geplant werden, statt sich nur auf aktuelle Fähigkeiten zu konzentrieren.
Drittens: Kommerziell den Output pro Rechenleistungseinheit als erste Betriebskennzahl behandeln. Das Modell der nutzungsbasierten Abrechnung plus kontinuierlicher Preissenkungen setzt einen kontinuierlichen Rückgang der Kosten pro Aufgabe voraus. Preissenkungen ohne Effizienzgewinne sind nur Subventionen; Preissenkungen, die durch Effizienzgewinne gestützt werden, können Nachfrageelastizität bringen.
Viertens: Im Markt hängen Unternehmensdienstleistungen vom Liefersystem ab. Bottom-up-Durchdringung durch Entwickler, tiefe Lieferung durch Applied-AI-Teams, Ökosystemabdeckung durch Cloud-Plattformen und Integratoren, FDE-Ingenieur-Zertifizierung und -Schulung sowie Serviceformen für mittelständische Unternehmen – nichts davon darf fehlen. Wenn die Modellfähigkeiten im Überfluss vorhanden sind, kann derjenige Umsatz erzielen, der Fähigkeiten in Kundenprozessen in Ergebnisse verwandeln kann.
Fünftens: Bei der Rechenleistung sind heterogenes Rechenleistungs-Pooling und eine Mischung aus lang- und kurzfristigen Verträgen Grundfertigkeiten. Ob ein Modellunternehmen effizient auf mehreren Chips trainieren und inferieren kann, ob es KI nutzen kann, um die Migration von Operatoren automatisch abzuschließen, und ob es Rechenzentren und Chips separat sichern und langfristige Verträge mit kurzfristigen paaren kann, bestimmt direkt seine Gewinnelastizität bei Nachfrageschwankungen. Für Unternehmen, die Modelle gleichzeitig auf mehreren Chips betreiben müssen, ist dies besonders lehrreich.
Und schließlich zurück zu jenem Satz: Lass niemals zu, dass dein Unternehmen einen Dollar mehr wert ist als sein tatsächlicher Wert.
Die Bedeutung des Börsengangs von Anthropic liegt nicht darin, dass es ein weiteres Billionen-Dollar-Unternehmen gibt, sondern darin, dass die Branche der großen Modelle erstmals eine vierteljährliche Abrechnung durch den öffentlichen Markt akzeptieren muss. Nachdem die Intelligenz in die Massenproduktion gegangen ist, ist es schwieriger, als intelligentere Modelle zu bauen, kontinuierlich zu beweisen, dass jemand bereit ist, pro Nutzung für die aus jeder Rechenleistungseinheit gewonnene Intelligenz zu zahlen.
Diese Prüfung beginnt mit der Markteröffnung heute Abend, am 19. November.
(Dieser Artikel basiert auf dem öffentlich offengelegten Prospekt von Anthropic, Roadshow-Investorenmaterialien, Roadshow-Videos und dem Brief der Gründer. Die vom Unternehmen selbst berichteten Betriebsdaten und die Aussagen des Managements in der Roadshow wurden nicht unabhängig überprüft; Emissionspreis und -volumen unterliegen der endgültigen Preisgestaltung und stellen keine Anlageberatung dar.)
Wang Qiang, Direktor des Forschungszentrums für Spitzentechnologie am Tencent Research Institute
Dieser Artikel stammt aus dem WeChat-öffentlichen Account „Tencent Research Institute“ (ID: cyberlawrc), Autor: Wang Qiang



















