Beyond the AI Hype: Pip Klöckners Lagebild zur KI 2026

Auf der OMR-Education-Bühne hat Tech-Analyst und Investor Philipp „Pip" Klöckner (Co-Host des Doppelgänger-Podcasts) in einem rund einstündigen Vortrag den Stand der KI-Branche sortiert; das anschließende Interview führt durch die Kernpunkte. Klöckner beschreibt seine Rolle selbst so: Er lese das Internet, damit andere es nicht müssten — und kondensiere die Informationsflut zum Thema KI auf das Wesentliche. Dieser Beitrag fasst das Gespräch zusammen. Alle Einschätzungen stammen von Klöckner; das Original-Video ist am Ende verlinkt.

Anthropic überholt OpenAI — und drei Marktsegmente

Die größte Verschiebung der jüngsten Zeit: Anthropic (das Unternehmen hinter dem Modell Claude) hat OpenAI dem Anschein nach nicht nur eingeholt, sondern überholt. Anthropic ist gegenüber dem Vorjahr um etwa den Faktor 10 gewachsen, OpenAI „nur" um den Faktor 3. Gemessen an der Run Rate — dem auf zwölf Monate hochgerechneten Monatsumsatz — liegt Anthropic bei geschätzt 44 bis 50 Milliarden Dollar, OpenAI eher bei 30 Milliarden. Anthropics Stärke liegt im B2B-Geschäft (Firmenkunden), OpenAI dominiert dagegen weiter bei den Endverbrauchern (rund 900 Millionen Nutzer), wird dort aber von Google Gemini und dessen günstigen bis kostenlosen Angeboten angegriffen. Grok spielt umsatzseitig kaum eine Rolle.

Klöckner warnt davor, „den einen Gewinner" zu suchen. Er sortiert den Markt in drei Segmente: Konsumenten (erwarten KI gratis), professionelle Anwender (zahlen ein Abo) und Enterprise-Kunden (zahlen verbrauchsabhängig pro Token über Programmierschnittstellen, sogenannte APIs). Heute liegt Anthropic im Enterprise vorne, ChatGPT bei den Konsumenten — aber das kostenlose Massengeschäft könne langfristig vor allem einer dauerhaft subventionieren: Google.

Googles Joker: Daten, Hardware, Distribution

Auf das beste Sprachmodell komme es langfristig gar nicht so sehr an, sagt Klöckner — die Spitzenmodelle ähneln sich stark, und selbst kostenlose Modelle kommen nah heran. Entscheidend seien drei andere Faktoren, und bei allen dreien halte Google die Trümpfe:

Daten: Suche, Maps, Gmail, Android, YouTube, dazu seit 2002 rund 25 Millionen gescannte Bücher und als Einzige ein Live-Index des Webs.
Hardware: Google baut seit etwa zwölf Jahren eigene Chips (TPUs, auf maschinelles Lernen spezialisierte Prozessoren) und ist damit unabhängiger und günstiger als die Konkurrenz; zunehmend wird auch der Zugang zu Energie zum Engpass.
Distribution: Google hat 13 Apps mit jeweils über einer Milliarde Nutzern (YouTube, Search, Android, Play Store, Chrome, Gmail, Fotos, Maps und mehr). Kundenzugang ist für Google kein Problem.

Dazu kommen das Spitzenlabor DeepMind und ein robuster Cashflow aus dem Werbegeschäft, mit dem sich kostenlose KI quersubventionieren lässt. Für die Modellwahl der breiten Masse tippt Klöckner deshalb auf Gemini — nicht, weil es das beste, sondern weil es das verfügbarste und kostengünstigste sei. Im Interview fällt dafür das Bild vom „Fernsehbier der LLMs": der Durchschnittsgeschmack, mit dem die meisten klarkommen.

Was Chatbots fürs Marketing bedeuten

Chatbots schicken bislang kaum direkten Traffic auf Händler-Websites. Klöckners Zahl: Bevor Anthropics Claude einen einzigen menschlichen Besucher auf eine Seite leitet, hat das System sie rund 70.000-mal angefragt, um sie zu verstehen. Bei ChatGPT liege das Verhältnis grob bei 1:15.000; Google schickt von allen noch am meisten Menschen weiter. Wenn ein Besucher über einen Chatbot kommt, ist er allerdings gut vorqualifiziert und konvertiert entsprechend hoch.

Die Wirkung der Chatbots liegt also weniger im messbaren Klick als in der Kaufvorbereitung: Marken müssen dem Modell überhaupt „bekannt" sein. Kurzfristig funktionieren noch quantitative Tricks (manipulierte Bestenlisten, „Listicles") — Klöckner nennt das offen Spam. Langfristig führe der Weg zurück zu Online-PR, Medienreichweite und glaubwürdigen Stimmen, weil die Modelle digitale Inhalte konsumieren. Sein Rat an Marketing-Teams: 5 bis 15 Prozent des Budgets explorativ in den KI-Kanal stecken, ansonsten eine „Fast Follower"-Haltung einnehmen — abschauen, was bei anderen schon funktioniert, statt teuer selbst Pionier zu sein. Als kommendes Schlachtfeld nennt er Googles auf der Entwicklerkonferenz I/O vorgestellten „Universal Shopping Cart", über den Händler künftig auf konkreten Kauf-Intent bieten könnten — konsumentenfreundlich, aber zulasten der Händlermarge.

Die größte Gefahr für die KI-Blase: China

Das in Klöckners Augen konkreteste Risiko für die hohen Bewertungen der Branche ist nicht, dass KI sich nicht durchsetzt — im Gegenteil. Es ist der Preis: Chinesische Open-Weights-Modelle (frei herunterladbare Modelle, deren trainierte Gewichte offenliegen) liefern für die meisten Standard-Anwendungen 95 bis 98 Prozent der Leistung zu etwa 10 Prozent des Preises. Für die absolute Spitze — etwa ein Orchester aus mehreren zusammenarbeitenden Claude-Agenten — reiche es noch nicht ganz, für Alltagsaufgaben aber sehr wohl.

Bislang destillieren chinesische Anbieter vor allem, das heißt, sie trainieren günstigere Modelle anhand der Ausgaben teurer US-Modelle nach. Die Gefahr: ein „Decoupling", bei dem China irgendwann durch einen eigenen technologischen Durchbruch, bessere Chips oder billigeren Strom überholt. Für europäische Anwender sei der Preisverfall zugleich eine Chance: Statt kommerziell von US-Konzernen abhängig zu werden, könne man chinesische Open-Source-Modelle souverän auf eigenen Rechenzentren betreiben — sie „funken" nicht nach Hause, sind aber, wie die US-Modelle auch, beim Training intransparent. Als europäischen Mitspieler sieht Klöckner am ehesten Mistral, das sich zunehmend auf souveräne KI für Behörden und Unternehmen fokussiert.

World Models: lernen durch Beobachten

Ein möglicher nächster Sprung sind World Models, an denen unter anderem der frühere Meta-KI-Chef Yann LeCun forscht. Statt aus Texten lernen solche Modelle eher durch Beobachtung und bauen ein Verständnis von Physik auf: Löst sich die Hand vom Glas, fällt es; trifft es auf, spritzt das Wasser. LeCun vergleicht das mit kleinen Kindern, die nach drei Hunden jeden Hund erkennen — während heutige Bilderkennung Millionen Beispiele braucht, um Hund von Muffin zu unterscheiden. Klöckner schränkt ein: Sollte der Ansatz funktionieren, wäre er kein Alleinstellungsmerkmal — OpenAI und DeepMind forschen parallel und könnten schnell nachziehen.

Biosiegel statt Wasserzeichen — und der Wert menschlicher Filter

Seit dem vergangenen Jahr entsteht im Netz mehr KI-generierter als von Menschen erstellter Inhalt, und der Anteil wächst weiter. Das alte Vorhaben, KI-Inhalte mit einem Wasserzeichen zu markieren, hält Klöckner für verloren — bei künftig 90 bis 99 Prozent KI-Content sei das Markieren der Mehrheit unsinnig, und Wasserzeichen ließen sich ohnehin entfernen. Schlauer sei der umgekehrte Weg: menschlichen Inhalt auszeichnen, etwa per Blockchain-Hinterlegung eines Hashwerts — einer der seltenen sinnvollen Blockchain-Anwendungsfälle. So ein „Biosiegel" für „Human Made" erwartet er bei Musik, Film, aber auch bei Texten und Bildern.

Daraus folgt ein zweiter Punkt: In der Flut — sowohl an minderwertigem „KI-Slop" als auch an hochwertigem Content — gewinnen persönliche Marken an Bedeutung, oder, wie Klöckner es nennt, „humane Filter". Genau das sei seine eigene Funktion. Die Aufgabe, die Welt einzuordnen, war lange Redaktionen und Journalisten vorbehalten; sie verschiebt sich nun zu Experten und Influencern. Klöckner sieht das ambivalent: Echter Journalismus mit seinen Standards (Konfrontation, Zwei-Quellen-Prinzip) habe weiter einen Mehrwert, den Podcaster wie er ausdrücklich nicht erfüllten. Für Marken liege die Chance darin, glaubwürdige Fürsprecher zu finden — echte Nutzer und Fans — statt eine Botschaft über reichweitenstarke, aber unpassende Gesichter zu drücken. Als gelungenes Beispiel nennt er einen Sonos-Mitarbeiter, der auf Reddit über das Lösen von App-Problemen Markenvertrauen aufbaute.

Wie viele Menschen KI wirklich nutzen

Beim Thema Adoption — also wie verbreitet und wie tief integriert KI tatsächlich ist — relativiert Klöckner das Bild der eigenen Blase deutlich:

Rund 85 Prozent der Weltbevölkerung haben noch nie KI genutzt.
Von den 1,2 bis 1,3 Milliarden, die es schon getan haben, zahlen nur 5 bis 7 Prozent für ein Abo — insgesamt also etwa 1 Prozent der Weltbevölkerung.
Von diesen Zahlenden hat wiederum nur ein Zehntel bis Fünftel je etwas damit gebaut (App, Website, Automatisierung). Die „KI-Elite" liegt bei etwa 0,3 Prozent.
Über 80 Prozent der Nutzer öffnen KI seltener als zehnmal pro Woche — sie spielen eher, als dass sie produktiv arbeiten; viele haben nie eine Antwort gesehen, die länger als eine Minute Rechenzeit brauchte.
Vier von fünf Beschäftigten haben keinen KI-Zugang über ihren Arbeitgeber.

Sein Fazit ist optimistisch gemeint: Wenn erst 0,3 Prozent professionell mit KI umgehen, sei es nicht zu spät — man könne jederzeit einsteigen und „einer der Besten" werden.

Warum KI in Unternehmen stockt

Bei Unternehmen ist das Bild anders: 80 bis 85 Prozent nutzen KI, die Bindungsrate steigt (rund 90 Prozent bleiben ihrem Anbieter über das Jahr treu). Aber etwa 60 Prozent stecken noch in der Pilot- oder Experimentierphase. Drei Hürden nennt Klöckner:

Datenqualität / der „Data Layer": Oft sind Daten schlecht strukturiert; große KI-Projekte beginnen deshalb meist damit, die Datenbasis aufzuräumen. Das sei mindestens die halbe Arbeit — und das Erfolgsrezept von Firmen wie Palantir, deren Teams vor allem Daten nutzbar machen.
Vertrauen in die Zuverlässigkeit: LLMs sind nicht deterministisch — gleicher Input, nicht zwingend gleiche Antwort. Diese Halluzinationen (statistisch falsche, aber plausibel klingende Ausgaben) lassen sich nicht völlig wegtrainieren, aber eindämmen: etwa durch Mehrheitsentscheid mehrerer Modelle oder durch Anbindung an verlässliche Datenbanken (Retrieval-Augmented Generation, RAG). In der Jura-Anwendung machen das Anbieter wie Legora und Harvey — sie schlagen Urteile in echten Gesetzestexten nach, statt das Modell raten zu lassen.
Beharrungskräfte der Organisation: Widerstand von Belegschaft und Betriebsrat aus Angst vor Jobverlust. Klöckners Vorschlag: ein glaubwürdiges Versprechen, für einen definierten Zeitraum niemanden „wegen KI" zu entlassen — und zugleich der Hinweis, dass der sicherste Weg zum Jobverlust sei, KI gar nicht zu nutzen und so den Anschluss zu verlieren.

Wichtig sei, dort anzufangen, wo die Trefferquote schon hoch ist — Softwareentwicklung, Automatisierung, Customer Service. KI sei nicht für jede Aufgabe das richtige Werkzeug; exaktes Rechnen oder die 1:1-Wiedergabe von Daten gehörten nicht zu ihren Stärken.

Das falsche Narrativ der Job-Apokalypse

Klöckner plädiert für eine differenzierte Sicht zwischen „in drei Jahren sind alle arbeitslos" und „alle Jobs sind sicher". Die viel zitierten ersten Studien hält er für fehlerhaft. Beispiel ist die „Canary in the Coal Mine"-Studie, wonach seit ChatGPT weniger Einstiegs- und Junior-Stellen ausgeschrieben werden. Seine Einwände:

Die Spreizung zwischen Junior- und Senior-Jobs begann schon fünf bis sechs Jahre vor ChatGPT — das Modell kann den Trend also nicht erklären.
Eine Corona-Anomalie lässt den Effekt drastischer erscheinen, als er ist.
Betrachtet wurden teils nur die 3 bis 4 Prozent der Unternehmen, die überhaupt KI-Stellen ausschreiben — über die übrigen 96 Prozent sagt die Studie nichts.

Die plausiblere Erklärung sei der sprunghafte Zinsanstieg in den USA (von nahe 0 auf rund 4 Prozent in etwa drei Quartalen), der Tech-Arbeitsplätze und Start-ups besonders trifft. Eine Studie von 2010 nach der Finanzkrise zeige zudem: Für Uniabsolventen war der Berufseinstieg in jeder Krise schwierig. Und wenn Konzerne Entlassungen „mit KI" begründen, sei das oft der bequemste Sündenbock für ohnehin geplante Sparmaßnahmen — vom Markt fälschlich als Stärke gelesen. Klöckners Gegenprognose: Firmen, die jetzt fünfstellig entlassen, werden in zwei Jahren netto vermutlich mehr Mitarbeiter haben — auch, weil sie sich verjüngen müssen, da die jüngsten Beschäftigten als „AI Natives" am natürlichsten mit den Werkzeugen umgehen.

Die wichtigste Fähigkeit: Probleme definieren

Auf die Abschlussfrage, welche Skills man brauche, antwortet Klöckner: KI sei die barrierefreiste Technologie seit Langem. Man könne sich etwa einen „virtuellen Beirat" aus historischen oder unerreichbaren Personen zusammenstellen und jedes Vorhaben mit einer einzigen Anfrage beginnen. Man müsse nicht programmieren, keine Statistik beherrschen, keine Daten aufbereiten können — sondern Probleme erkennen und definieren und neugierig sein. In Zukunft werde es mehr Lösungen als Probleme geben; die Fähigkeit, das richtige Problem zu benennen, sei das Wertvollste. Sein Appell: den Stolz ablegen, schon etwas können zu müssen, und die Werkzeuge schlicht fragen — sie nähmen einen geduldig an die Hand.

Quellen

Dieser Beitrag ist eine zusammenfassende Einordnung eines von OMR Education veröffentlichten Gesprächs mit Philipp „Pip" Klöckner. Die Zahlen und Einschätzungen stammen aus dem Video; für die genauen Formulierungen lohnt das Original.

Video: So radikal verändert KI im Jahr 2026 das Internet mit Philipp 'Pip' Klöckner (OMR Education)
Mehr von Pip Klöckner: Doppelgänger-Podcast