Die KI-Roadmap für die nächsten 24 Monate

Die Landkarte entwerfen

Diese Woche präsentierte eine viel beachtete Synthese aus vier Essays eine einheitliche, vernetzte Sicht darauf, was die Entwicklung der KI in den nächsten 18 bis 24 Monaten bestimmen wird. Das Dokument betrachtet den kommenden Zeitraum als ein enges Zeitfenster für Bewährungsproben: Werden Unternehmen Pilotprojekte in skalierbare Wertschöpfung verwandeln? Werden Stromnetze und Lieferketten mit dem Rechenbedarf Schritt halten? Können Märkte und Regierungen sich an den exponentiellen Wandel anpassen?

Die Antwort fällt vorerst gemischt aus. Die Vielfalt des Technologie-Stacks explodiert – große Frontier-Modelle, freizügig lizenzierte Open Weights, kleine Modelle für Smartphones und Roboter –, während die physischen und institutionellen Systeme, die es Unternehmen und Ländern ermöglichen, KI im großen Stil einzusetzen, unter akutem Stress stehen. Diese Belastungen definieren die voraussichtlichen Gewinner und Verlierer des Jahres 2026.

Unternehmensweite Einführung und der Wendepunkt der Produktivität

Die Einführung ist bereits weit verbreitet: Umfragen zeigen, dass eine große Mehrheit der Organisationen KI in mindestens einem Funktionsbereich einsetzt. Doch nur eine Minderheit berichtet heute von einer klaren, messbaren Wertschöpfung. Das Muster ähnelt früheren Basistechnologien: Eine Handvoll früher Vorreiter – Banken, Softwareplattformen und einige Cloud-native Unternehmen – erzielen zuerst große Gewinne, während die Mehrheit Prozesse, Governance und Kompetenzen neu strukturiert.

Was die nächsten 12 bis 18 Monate entscheidend macht, ist die Form dieser Verbreitung. Mehrere Großunternehmen veröffentlichen nun konkrete Erträge aus mehrjährigen Programmen: Sie haben den Datenzugriff neu organisiert, interne Plattformen aufgebaut und die harte Integrationsarbeit geleistet, bevor sie Früchte ernten konnten. Wenn sich diese Fallstudien vervielfachen, könnte 2026 ein klassischer Wendepunkt bei der Einführung erreicht werden, der KI von der Pilotphase zu einem breiten Produktivitätswachstum führt.

Doch es gibt gegenläufige Dynamiken. Mitarbeiter greifen bereits auf privaten Geräten zu Consumer-KI; informelle Nutzung kann die Einführung beschleunigen, schafft aber auch Lücken in Governance und Sicherheit. Vorstände setzen massiv darauf – die meisten Firmen haben ihre KI-Budgets im vergangenen Jahr erhöht und planen weitere Steigerungen –, was bedeutet, dass die Erwartungen an einen sichtbaren ROI hoch und der politische Druck auf die CIOs intensiv sein wird.

Umsatz, Nutzung und die Token-Ökonomie

Die kommerziellen Umsätze mit generativer KI sind sprunghaft angestiegen. Schätzungen beziffern den Sektor auf zweistellige Milliardenbeträge mit Wachstumsraten, die mit der frühen Cloud-Einführung vergleichbar sind. API-gesteuerte Dienste sind das schnellste Segment: Unternehmen zahlen für Rechenleistung und Modellzugriff, und der Aufstieg agentischer, mehrstufiger Workflows hat den Token-Verbrauch pro Nutzer weit über einfache Chat-Interaktionen hinausgetrieben.

Diese Kombination – breitere Akzeptanz und höhere Arbeitslasten – kann die Umsätze steigern, selbst wenn die meisten Unternehmen erst am Anfang der Operationalisierung ihrer Fähigkeiten stehen. Unternehmen werden ihre Kosten zunehmend durch Model Routing und hybride Architekturen verwalten, aber Anbieter, die den Hochleistungs-Inferenzpfad kontrollieren, werden voraussichtlich den größten Teil des Wertes abschöpfen.

Energie und die physische Grenze der Skalierung

Zu den am deutlichsten hervorgehobenen Engpässen gehört die Energie. Der Bau eines Rechenzentrums geht schnell im Vergleich zu den Vorlaufzeiten von mehr als einem Jahrzehnt, die viele Netz- und Kopplungsprojekte benötigen. In mehreren wichtigen Märkten ziehen sich die Warteschlangen für Netzanschlüsse über Jahre hinweg, was Erbauer von Rechenzentren dazu zwingt, Eigenerzeugung vor Ort, dedizierte Wasserstoff- oder Gaskraftwerke für Spitzenlasten oder neue Solar-Plus-Speicher-Projekte in Betracht zu ziehen.

Die praktische Folge ist, dass die Rechenkapazität zunehmend verfügbarer und resilienter Energie folgen wird, statt lediglich einer niedrigen Latenz für Kunden. Regionen, die ihre Kapazitäten schnell ausbauen können – etwa durch ungenutzte oder schnell installierbare erneuerbare Energien –, werden große Cluster anziehen. Regionen mit langsamen Netzreformen riskieren, den Anschluss zu verlieren. Das Ergebnis ist eher eine physische Geografie des Computings als ein abstrakter Markt: Die Verfügbarkeit von Energie wird bestimmen, wo die größten KI-Installationen entstehen.

Hardware-Kriege und die GPU-Frage

Die Geschichte der Chip-Versorgung spielt wieder eine Rolle. Der Wettbewerb zwischen etablierten Akteuren und Herausforderern bei KI-Beschleunigern verschärft sich: Neue GPU-Familien und zweckgebundene Beschleuniger stehen im Zentrum von Cloud-Angeboten und nationalen Strategien. Ein großer Wettbewerber hat neue Beschleuniger ausgeliefert, die den Marktführer bei Preis und Leistung unter Druck setzen, und große Cloud-Kunden setzen bereits Wetten auf verschiedene Anbieter ab.

Das ist wichtig, weil der Abschreibungs- und Austauschzyklus für Beschleuniger die Kapitalintensität und das strategische Timing bestimmt. Wenn High-End-Beschleuniger über viele Jahre hinweg produktiv nutzbar sind, erleichtert das die Austauschzyklen. Wenn die Nachfrage nach Training und Inferenz das Angebot übersteigt, verschieben sich Preise und Margen, und kleinere Akteure werden verdrängt. Servergehäuse, Kühlung und Lieferketten-Integrationen – kürzlich durch Übernahmen konsolidiert – sind nun Teil des Plattformwettbewerbs und nicht mehr nur Teil der Halbleiter-Roadmaps.

Modellvielfalt: Offen, klein und national

Das Angebot an Modellen ist kein Spiel zwischen zwei Akteuren mehr. Im Jahr 2025 wurden mehrere Frontier-Modelle zusammen mit einem florierenden Open-Weight-Ökosystem und einer reifenden Klasse kleiner On-Device-Modelle eingeführt. Das praktische Ergebnis ist Auswahlfreiheit: Organisationen können zwischen geschlossenen, in der Cloud gehosteten Frontier-Modellen, lokal gehosteten Open Weights oder leichtgewichtigen Modellen wählen, die auf Latenz, Datenschutz und Offline-Betrieb optimiert sind.

Diese Diversifizierung hat drei unmittelbare Auswirkungen. Erstens senkt sie die Eintrittsbarrieren für Unternehmen, die On-Prem- oder private Inferenz benötigen. Zweitens dezentralisiert sie Innovationen und ermöglicht es akademischen Laboren und kleineren Anbietern, Durchbrüche ohne massive Trainingsbudgets beizusteuern. Drittens verkompliziert sie die Governance: Verschiedene Modelle bringen unterschiedliche Fehlermodi, Lizenzbedingungen und geopolitische Assoziationen mit sich.

Souveräne Stacks und geopolitische Fragmentierung

Politik und Kapital ordnen den globalen Stack neu. Nationen und Blöcke betrachten Rechen- und Modellkapazitäten zunehmend als strategische Infrastruktur, die verwaltet und nicht nur reguliert werden muss. Große Staaten und wohlhabende subnationale Investoren finanzieren regionale Cluster, und es bilden sich Allianzen um bevorzugte Hardware- und Softwarelieferanten.

Das wahrscheinliche Zwischenergebnis ist eine zersplitterte Landschaft aus US-orientierten, China-orientierten und blockfreien Stacks. Mittelgroße Nationen stehen vor einer schwierigen Wahl: einen ausländischen Stack übernehmen und Abhängigkeiten akzeptieren oder teure inländische Kapazitäten aufbauen und riskieren, bei der wirtschaftlichen Einführung zurückzufallen. Multinationale Poolbildung und minilaterale Konsortien sind eine denkbare Abhilfe, aber politische Reibungen und kommerzielle Anreize werden die Koordination erschweren.

Vertrauen, Nutzen und der gesellschaftliche Kompromiss

Es gibt eine wachsende gesellschaftliche Spannung: Die Nutzung und Vertrautheit nehmen sprunghaft zu, während das öffentliche Vertrauen schwindet. Große Teile der Bevölkerung äußern Sorge über die Auswirkungen der KI, auch wenn sie bei der Programmierung, beim Schreiben und bei der Entscheidungsfindung auf KI-Tools angewiesen sind. Dies schafft einen fragilen gesellschaftlichen Kompromiss – Nutzen heute gegen die Aussetzung gegenüber unbekannten Risiken morgen.

Wie Institutionen, Plattformen und Regulierungsbehörden mit diesem Kompromiss umgehen, wird die Akzeptanz beeinflussen. Transparenz, überprüfbare Leitplanken und eine realistische Kommunikation über Fähigkeiten und Grenzen werden entscheiden, ob Regulierung ermöglichend oder verhindernd wirkt. Ohne glaubwürdige Governance könnten Fragmentierung und öffentlicher Widerstand die Verbreitung verlangsamen und den Wert bei denjenigen konzentrieren, die mit den geringsten Einschränkungen agieren können.

Was in den nächsten 24 Monaten zu beobachten ist

Mehrere konkrete Marker werden entscheiden, ob der Zeitraum zu einem Wendepunkt oder zu einer Pause wird. Erstens: ROI-Signale aus Unternehmen – veröffentlicht ein bedeutender Anteil von Großunternehmen messbare Produktivitätsgewinne jenseits isolierter Fallstudien? Zweitens: Energie- und Netzreformen – können Netzbetreiber und Genehmigungsverfahren die Vorlaufzeiten dort verkürzen, wo Cluster geplant sind? Drittens: Hardware-Versorgung – bleiben Beschleuniger knapp oder skaliert die Produktion? Viertens: die Verbreitung von Open Weights und lokal einsetzbaren Modellen – verdrängen sie die Cloud-Abhängigkeit bei regulierten und datenschutzsensiblen Arbeitslasten merklich?

Schließlich spielen geopolitische Schritte eine Rolle: Neue multilaterale Rechenprojekte, souveräne Investitionen und Exportkontrollen könnten neu bestimmen, wer praktischen Zugang zu Frontier-Kapazitäten hat. Das Zusammenspiel von Wirtschaft, Physik und Politik wird entscheiden, ob die nächsten zwei Jahre einige wenige dominante Plattformen festigen oder das technologische Gemeingut erweitern.

Kurz gesagt, die kommenden 18 bis 24 Monate sind nicht bloß ein weiterer Produktzyklus: Sie sind ein Test dafür, ob Organisationen, Stromnetze und Regierungen sich an die Druckpunkte anpassen können, die der rasante KI-Fortschritt bereits offengelegt hat. Beobachter und Entscheidungsträger sollten die drei miteinander verknüpften Systeme – Technologie, Infrastruktur und Institutionen – im Auge behalten, da der Erfolg erfordert, dass alle drei gemeinsam skalieren.