Beyond the AI Hype: Pip Klöckners OMR-Vortrag 2026 in 10 Minuten

Philipp „Pip" Klöckner hat auf der OMR 2026 wieder seinen jährlichen Lagebericht zur KI-Branche gehalten: „Beyond the AI Hype" — 148 Folien in knapp 56 Minuten, von Modell-Benchmarks über Data-Center-Milliarden bis zur Frage, ob KI wirklich die Junior-Jobs frisst. Der Vortrag ist eine der dichtesten Bestandsaufnahmen des Jahres, und weil man beim ersten Ansehen kaum mitschreiben kann, hier die wichtigsten Thesen sortiert und nachgerechnet.

Beyond the AI Hype: Wo wir wirklich stehen und was uns erwartet — Philipp Klöckner (OMR 2026) Klick lädt das Video von YouTube (youtube-nocookie.com)

Kein Tal, sondern Beschleunigung

Letztes Jahr stand die Frage im Raum, ob generative KI „gegen eine Wand fährt". Klöckners Antwort: Es gab kein Jahr, in dem sich KI so stark weiterentwickelt hat wie das vergangene. Die Benchmark-Kurven steigen stetig weiter, die neuen Bildmodelle machen die alten Fehler (kaputte Schrift, Artefakte) schlicht nicht mehr, und das Zeitfenster, in dem KI autonom arbeiten kann, ist von zwei, drei Minuten auf einen halben Tag gewachsen — mit etwa 50 Prozent Erfolgswahrscheinlichkeit arbeitet ein Agenten-Orchester über Nacht eine Aufgabe ab. Vom „letzten Examen der Menschheit" (2.500 Fragen, die Ende 2024 kein Modell lösen konnte) ist die Hälfte inzwischen geknackt.

Als Treiber nennt er drei Dinge: bessere Trainingsdaten, KI, die KI verbessert, und Reinforcement Learning aus dem Nutzerverhalten — jedes Daumen-hoch/Daumen-runter fließt zurück ins System.

Nutzung wird billiger, Training teurer

Wer sich mit der Leistung von vor einem Jahr zufriedengibt, bekommt sie heute um den Faktor 10 bis 100 günstiger. Klöckners Anschauungsbeispiel: „Krieg und Frieden" — sieben Jahre Schreibarbeit für Tolstoi — generiert ein Modell heute in einer Minute für 15 Cent. Die Kehrseite: Das Wettrennen um das beste Modell verlangt jedes Jahr rund fünfmal mehr Hardware, und die Spitzenposition hält nur Wochen bis Monate.

Das Ergebnis sind Investitionen, für die es kaum noch Vergleichsmaßstäbe gibt: 790 Milliarden Dollar sollen dieses Jahr in Data Center fließen — inflationsbereinigt mehr als Manhattan-Projekt (50 Mrd.), Marshall-Plan (190 Mrd.), Apollo-Programm (290 Mrd.) und Internationale Raumstation (155 Mrd.) zusammen. Das sind 2 Milliarden Dollar pro Werktag, oder rund 600 Dollar Umsatzerwartung für jeden der etwa 1,3 Milliarden KI-Nutzer weltweit. Big Tech verschuldet sich netto, um das zu stemmen; OpenAI wird nach Schätzungen 250 bis 500 Milliarden Dollar Verluste anhäufen, bevor der erste Dollar Gewinn steht.

Die IPO-Welle rollt auf die Indexfonds zu

OpenAI (~850 Mrd. Bewertung), Anthropic (~900 Mrd. in der nächsten Runde) und SpaceX (Ziel: ~2 Billionen) drängen dieses Jahr an die Börse — mit einem gemeinsamen Kapitalbedarf von rund 250 Milliarden Dollar, während alle IPOs der letzten vier Jahre zusammen nur 100 Milliarden eingesammelt haben. Nach der Aufnahme in die großen Indizes hätten die drei sofort etwa 6 Prozent im MSCI World, 8 Prozent im S&P 500 und über 13 Prozent im Nasdaq. Klöckners Zuspitzung: Wer einen ETF-Sparplan hat, wird an dem Tag zum Wagniskapitalgeber. Bemerkenswert dabei: Die Index-Hygieneregeln (Profitabilität, Free Float), die genau das verhindern sollten, werden gerade aufgeweicht.

Interessant auch seine Lesart der xAI-SpaceX-Fusion: kein Synergie-Deal, sondern ein Rettungsprogramm — xAI hatte von allen großen Laboren den geringsten Umsatz und hätte kaum neue Investoren gefunden.

Anthropic frisst den B2B-Markt

Nach Zahlungsdaten von Ramp (einem Firmenkreditkarten-Anbieter, der real sieht, wohin das Geld fließt) gehen inzwischen drei von vier Unternehmens-Dollars für KI an Anthropic — OpenAI stagniert im B2B-Geschäft. Semianalysis schätzt Anthropic mittlerweile auf 44 Milliarden Dollar Umsatz-Run-Rate, zwei Drittel davon allein dieses Jahr aufgebaut. Der durchschnittliche KI-Vertrag eines Unternehmens wuchs von 40.000 Dollar (2023) auf erwartete eine Million dieses Jahr — nicht weil größer unterschrieben wird, sondern weil die Nutzung nach dem Einstieg von selbst explodiert.

Klöckners Erklärung für den Erfolg: konsequenter B2B- und Software-Fokus. Code hat schnelle Feedback-Zyklen, hervorragende Trainingsdaten und strukturierten Output — und irgendwann beginnt die KI, die KI zu bauen. Seit dem Launch von Claude Code stagniert der Traffic der einstigen Highflyer Cursor, Lovable und Replit; jede neue Anthropic-Branchenlösung kostet etablierte Anbieter (Legal Tech, Beratung) zweistellige Kursverluste am Tag der Ankündigung.

Google gewinnt die Kostenlos-Welt — das offene Web zahlt die Rechnung

Google spielt als Einziger alle drei Trümpfe, die Klöckner seit Jahren für wichtiger hält als das beste Modell: eigene Chips (TPUs seit über einem Jahrzehnt), die meisten Daten und neun Apps mit je über einer Milliarde Nutzern. Nur Google kann KI dauerhaft kostenlos subventionieren — deshalb frisst Gemini gerade sichtbar Marktanteile von ChatGPT.

Der Preis: Die AI Overviews lassen kaum noch Klicks zum Rest des Webs durch, Googles Display-Geschäft (der Umsatz mit fremden Websites) schrumpft als einzige Sparte kontinuierlich. Und die Crawler-Ökonomie ist brutal geworden: Laut Cloudflare besucht der Claude-Bot eine Website 71.000-mal, bevor er ihr einen einzigen menschlichen Besucher schickt. Passend dazu: Seit letztem Jahr gibt es im Netz erstmals mehr KI-generierten Text als menschlichen — Klöckners Konsequenz ist ein „Biosiegel" für menschliche Inhalte (wie es Spotify für Artists eingeführt hat), statt aussichtsloser KI-Wasserzeichen.

Die Adoption ist viel kleiner, als der Hype vermuten lässt

99,7 Prozent der Menschen zahlen nicht für KI, nur einer von 2.500 hat je KI-gestütztes Programmieren ausprobiert — wer für KI bezahlt oder etwas damit gebaut hat, gehört damit zu den obersten drei Prozent der Weltbevölkerung. Zwei Drittel der Neu-Nutzer hören nach einem Monat wieder auf, drei Viertel führen keine zehn Konversationen pro Woche, und nur 18 Prozent der Angestellten bekommen vom Arbeitgeber überhaupt Zugang zu einem Chatbot. Gleichzeitig ist KI laut Gartner schon ein 2,5-Billionen-Markt (Prognose für 2027: 3,3 Billionen Dollar), und die B2B-Kundenbindung steigt: Hielten 2022 nur etwa die Hälfte der Firmen ihr KI-Abo ein Jahr durch, sind es inzwischen 80 bis 85 Prozent. Beides zusammen heißt: Das meiste Wachstum liegt noch vor uns.

Deutschland: keine Hardware, kein Modell — bleiben die Daten

Neun von zehn KI-Chips entstehen in Taiwan, ein eigenes Frontier-Modell hat Deutschland nicht (Aleph Alpha ist inzwischen nach Kanada verkauft), Distribution fehlt ebenso. Klöckners nüchternes Fazit: Das Hardware-Problem löst Deutschland nicht mehr; die einzige verbliebene Karte ist, die Wertschöpfung aus den eigenen Daten selbst zu heben. Open-Source-Modelle könnten die Modell-Lücke schließen — sie erreichen die kommerzielle Spitze mit wenigen Monaten Verzug —, kommen aber fast ausschließlich aus China: Die USA investieren zwar das 23-Fache in ihre Modelle, doch China erreicht durch Destillieren rund 90 Prozent der Leistung — vergleichbare Leistung für 10 Prozent der Kosten, die Leistung von gestern für 1 Prozent. Die strategische Frage, die er offen lässt: US-Plattformen bezahlen oder chinesische Gratis-Modelle nehmen? Immerhin: Was heute im größten Rechenzentrum läuft, läuft etwa sechs bis sieben Monate später auf einem Gaming-PC zu Hause.

Die Junior-Jobs-Panik hält der Statistik nicht stand

Der viral gegangene Chart, nach dem Firmen wegen KI keine Berufseinsteiger mehr einstellen, hat laut Klöckner gleich mehrere Probleme: Der Abwärtstrend beginnt vor ChatGPT, der „Corona-Hügel" (Überhiring 2021/22) verzerrt die Kurve, die Daten stammen nur von den drei Prozent Frühadopter-Firmen — und die Zinswende von 0,25 auf 4 Prozent erklärt den Einbruch deutlich besser. Die vielzitierte „Canaries in the Coal Mine"-Studie heißt in der überarbeiteten Fassung bezeichnenderweise „Canaries, Interest Rates and Timing". Dazu passt: Anwälte werden trotz höchster Automatisierungsprognosen so viel eingestellt wie nie, und das Entwickler-Hiring ist seit dem Claude-Code-Launch gestiegen.

Seine Erklärung für die Tech-Entlassungen ist trotzdem unbequem: Die Leute mussten nicht gehen, weil KI ihre Arbeit übernimmt — sondern weil ihr Gehalt in Data Center umgeleitet wird. Und sein Rat an Arbeitgeber ist eindeutig: Gerade jetzt junge, KI-affine Leute einstellen (Amazon holt 11.000 neue Praktikanten), denn wer die Generation nicht einstellt, die die Technologie versteht, wiederholt den Fehler der Digitalisierung.

Nur im Folien-Handout: der Gegenwind gegen Data Center

Ein ganzer Block hat es aus Zeitgründen nicht in den Vortrag geschafft, steht aber im Folien-Handout — und relativiert die Capex-Euphorie: Der Widerstand gegen Data Center in den USA ist laut DataCenterWatch.org um 125 Prozent gestiegen, Rechenzentrumsprojekte im Wert von 64 Milliarden Dollar sind bereits blockiert oder verzögert. Elf US-Bundesstaaten erwägen befristete Data-Center-Verbote oder Auflagen (Vermont bis Mitte 2030, Oklahoma bis Ende 2029) — noch ist keines in Kraft, aber die 790 Milliarden wollen auch irgendwo gebaut werden.

Ebenfalls nur im Handout: eine Folie mit dreizehn Themen, „für die keine Zeit mehr war" — darunter Robotik, Defense, Chips, Agents und ein angedeuteter Aleph-Alpha-Deal („Partnership for European AI Leadership"), zu dem Klöckner Updates im Doppelgänger-Podcast ankündigt. Und die Credits-Folie verrät augenzwinkernd den Token-Verbrauch der Präsentation selbst: rund 10 Millionen, verteilt auf Claude, ChatGPT, Gemini, Image-2 und Grok.

Was hängen bleibt

Der rote Faden des Vortrags: Die Technologie beschleunigt, die Nutzung ist absurd billig geworden — aber die Finanzierung des Ganzen (Data-Center-Capex, IPO-Kapitalbedarf, Verlustberge der Labore) wird zunehmend zur eigentlichen Story, und sie wandert über die Indizes direkt in private Depots. Wer die 56 Minuten Zeit hat: ansehen lohnt sich, das Tempo ist sportlich, aber jede Folie sitzt.

Quellen

• Beyond the AI Hype: Wo wir wirklich stehen und was uns erwartet — Philipp Klöckner, OMR 2026 (YouTube)
• Folien-Handout: pipnet.substack.com
• Im Vortrag zitierte Datenquellen (Auswahl): Artificial Intelligence Index, Gartner, McKinsey, Ramp, Similarweb, Cloudflare, Semianalysis, Goldman Sachs, DataCenterWatch.org, Robert Half.