Zurück zur Übersicht
OpenAI holt bei Geschäftskunden gegenüber Anthropic auf: Neue Daten deuten auf hohe Wechselbereitschaft im Enterprise-Sektor hin
BranchennachrichtenOpenAIAnthropicEnterprise AI

OpenAI holt bei Geschäftskunden gegenüber Anthropic auf: Neue Daten deuten auf hohe Wechselbereitschaft im Enterprise-Sektor hin

Aktuelle Marktdaten deuten darauf hin, dass OpenAI im Wettbewerb um Unternehmenskunden zunehmend Boden gegenüber Anthropic gutmacht. Ein zentraler Aspekt dieser Entwicklung ist jedoch die ausgeprägte Volatilität im Markt: Unternehmen neigen dazu, flexibel zwischen den Anbietern zu wechseln, sobald neue, leistungsfähigere KI-Modelle veröffentlicht werden. Diese Tendenz stellt die langfristige Kundenbindung („Stickiness“) im Bereich der künstlichen Intelligenz massiv infrage. Für Investoren beider Unternehmen ergibt sich daraus eine wichtige Erkenntnis: Die Ausgaben für Enterprise-KI sind weniger stabil als bisher angenommen, da die technologische Überlegenheit des jeweils neuesten Modells die Wahl des Anbieters maßgeblich bestimmt. Der Bericht beleuchtet die Dynamik des Marktes und die daraus resultierenden Unsicherheiten für die führenden KI-Labore.

TechCrunch AI

Die wichtigsten Punkte

  • Marktdynamik: OpenAI verzeichnet signifikante Zuwächse bei Geschäftsanwendern und nähert sich der Marktposition von Anthropic an.
  • Wechselbereitschaft: Unternehmenskunden zeigen eine hohe Volatilität und wechseln zwischen den Anbietern, sobald neue Modelle erscheinen.
  • Mangelnde Kundenbindung: Die sogenannte „Stickiness“ von Enterprise-KI-Ausgaben erweist sich als geringer als von vielen Investoren erhofft.
  • Investorenrisiko: Die Unbeständigkeit der Kundenentscheidungen sollte Investoren dazu veranlassen, die Stabilität der KI-Umsätze kritisch zu hinterfragen.

Analyse

Der Wettbewerb der KI-Labore und das „Flop-Back-and-Forth“-Phänomen

Die neuesten Daten signalisieren eine Verschiebung im Marktgefüge zwischen den führenden KI-Entwicklern OpenAI und Anthropic. Während Anthropic in der Vergangenheit spezifische Segmente des Business-Marktes für sich beanspruchen konnte, deuten aktuelle Indikatoren darauf hin, dass OpenAI massiv aufholt. Dieser Wettbewerb wird jedoch nicht primär durch langfristige Verträge oder Markenloyalität entschieden, sondern durch einen ständigen Wechsel der Nutzerbasis.

Unternehmen agieren in diesem Umfeld äußerst opportunistisch. Das beobachtete Verhalten wird als „Flop back and forth“ beschrieben: Sobald ein Labor ein neues, leistungsfähigeres Modell veröffentlicht, wandern Geschäftskunden zum jeweiligen Technologieführer ab. Diese Dynamik zeigt, dass der technologische Vorsprung im Bereich der Large Language Models (LLMs) oft nur von kurzer Dauer ist und Kunden bereit sind, ihre Infrastruktur schnell an das jeweils beste verfügbare Werkzeug anzupassen.

Die Fragwürdigkeit der „Stickiness“ im Enterprise-Sektor

Ein entscheidender Punkt der Analyse betrifft die Nachhaltigkeit der Ausgaben für künstliche Intelligenz in Unternehmen. In der Softwarebranche ist „Stickiness“ – also die Eigenschaft eines Produkts, Kunden langfristig zu binden – ein zentraler Indikator für den Unternehmenswert. Die aktuellen Daten legen jedoch nahe, dass diese Bindung im KI-Sektor derzeit kaum existiert.

Für die Anbieter bedeutet dies eine ständige Unsicherheit. Da Unternehmen bereitwillig zwischen den Plattformen hin- und herwechseln, können sich weder OpenAI noch Anthropic auf einer stabilen Basis an wiederkehrenden Umsätzen ausruhen. Jede neue Modellveröffentlichung eines Konkurrenten stellt eine unmittelbare Bedrohung für den aktuellen Kundenstamm dar. Diese Volatilität ist ein Warnsignal für die Bewertung der Labore, da sie zeigt, dass Marktanteile in der KI-Branche extrem fragil sind.

Bedeutung für die KI-Branche

Die geringe Kundenbindung hat weitreichende Folgen für die gesamte KI-Branche. Sie verdeutlicht, dass technologische Exzellenz zum Zeitpunkt der Veröffentlichung das einzige wirkliche Verkaufsargument ist, während klassische Faktoren der Kundenbindung wie Ökosystem-Lock-in oder Markenvertrauen in den Hintergrund treten.

Für Investoren ist diese Erkenntnis von strategischer Bedeutung. Die hohen Bewertungen von KI-Startups basieren oft auf der Annahme, dass einmal gewonnene Unternehmenskunden dauerhafte Einnahmequellen darstellen. Wenn die Ausgaben jedoch so volatil bleiben und von jedem neuen Release eines Konkurrenten abhängen, müssen die Wachstums- und Stabilitätsprognosen für den Sektor möglicherweise nach unten korrigiert werden. Die Branche befindet sich in einem permanenten Wettrüsten, bei dem Stillstand den sofortigen Verlust von Marktanteilen bedeutet.

Häufig gestellte Fragen

Warum wechseln Unternehmen so häufig zwischen OpenAI und Anthropic?

Unternehmen orientieren sich primär an der Leistungsfähigkeit und den Funktionen der neuesten KI-Modelle. Da die technologische Entwicklung extrem schnell voranschreitet, bietet oft das jeweils neueste Release eines Labors signifikante Vorteile, die einen Wechsel rechtfertigen.

Was bedeutet die geringe „Stickiness“ für Investoren?

Eine geringe „Stickiness“ bedeutet, dass Umsätze weniger planbar sind. Investoren müssen berücksichtigen, dass Kunden nicht zwangsläufig bei einem Anbieter bleiben, was das Risiko für langfristige Investitionen in einzelne KI-Labore erhöht.

Ist OpenAI nun Marktführer bei Geschäftskunden?

Die Daten deuten darauf hin, dass OpenAI gegenüber Anthropic aufholt, aber die hohe Wechselbereitschaft der Kunden macht eine dauerhafte Marktführerschaft schwer feststellbar, da sich die Präferenzen mit jedem neuen Modell-Release wieder verschieben können.

Ähnliche Nachrichten

Branchennachrichten

Parallel halbiert Recherchezeit und Kosten für Arbeitsmarktdaten durch den Einsatz von GPT-6 Astra im Praxiseinsatz

Laut einer Veröffentlichung im OpenAI Blog konnte das Unternehmen Parallel durch den Einsatz des Modells GPT-6 Astra signifikante Effizienzsteigerungen erzielen. Die KI-Agenten von Parallel nutzen das neue Modell für die Recherche und Synthese von Arbeitsmarktdaten. Im direkten Vergleich zu zuvor eingesetzten Vorgängermodellen gelang es, sowohl den zeitlichen Aufwand für diese Recherche- und Syntheseprozesse als auch die anfallenden Kosten um jeweils die Hälfte zu reduzieren. Dieser Praxiseinsatz verdeutlicht, wie moderne KI-Modelle wie GPT-6 Astra in automatisierten Agentenumgebungen eingesetzt werden, um datenintensive Aufgaben wirtschaftlicher und schneller abzuwickeln. Der Bericht von OpenAI hebt hervor, dass die agentenbasierte Verarbeitung von komplexen Marktinformationen durch GPT-6 Astra eine Verdopplung der Geschwindigkeit bei gleichzeitiger Halbierung des Kostenaufwands ermöglicht hat, ohne dass im Originalbericht zusätzliche technische Spezifikationen oder abweichende Kennzahlen genannt wurden.

Branchennachrichten

OpenAI definiert Prioritäten und Prinzipien für unabhängige Sicherheitsbewertungen von Frontier-KI-Modellen durch Dritte

OpenAI hat einen umfassenden Leitfaden mit Prioritäten und Prinzipien für die unabhängige Sicherheitsüberprüfung von fortschrittlichen KI-Modellen und Schutzmechanismen vorgestellt. Angesichts der wachsenden Fähigkeiten von Frontier-Modellen betont das Unternehmen die Notwendigkeit externer Kontrollen, um Risiken frühzeitig aufzudecken und Sicherheitsversprechen wissenschaftlich fundiert zu validieren. Die Initiative konzentriert sich auf vier zentrale Schwerpunktbereiche: die Prüfung sogenannter Safety Cases, die Evaluierung kritischer Schutzmaßnahmen über Entwicklungs- und Einsatzphasen hinweg, die Überprüfung von Fähigkeitstests in Risikofeldern sowie unabhängige Untersuchungen kritischer Misalignment-Vorfälle. Gleichzeitig formuliert OpenAI klare Anforderungen an Prüforganisationen in Bezug auf Unabhängigkeit, technische Expertise, Vertraulichkeit und verantwortungsvolle Veröffentlichung. Ziel ist es, gemeinsame internationale Sicherheitsstandards zu etablieren und das Zusammenspiel zwischen Spitzenforschung, Rechenschaftspflicht und Schutz sensibler Informationen verlässlich zu strukturieren.

MTFM von Meituan: Neues einheitliches Empfehlungs-Basismodell für mehrere zentrale Geschäftsbereiche im Bereich der Essenslieferung vorgestellt
Branchennachrichten

MTFM von Meituan: Neues einheitliches Empfehlungs-Basismodell für mehrere zentrale Geschäftsbereiche im Bereich der Essenslieferung vorgestellt

Das Technikteam des Plattformbetreibers Meituan hat das neuartige Empfehlungs-Basismodell MTFM vorgestellt. Das System baut direkt auf den technologischen Grundlagen des bisherigen Frameworks MTGR auf und stellt einen wesentlichen Meilenstein für die Weiterentwicklung industrieller Empfehlungssysteme dar. Mit MTFM gelingt es Meituan zum ersten Mal in der Praxis, ein einheitliches Fein-Ranking-Modell für mehrere zentrale Geschäftsbereiche und Szenarien innerhalb seines Lieferservices bereitzustellen. Früher kamen in unterschiedlichen Geschäftszweigen oft getrennte Architekturen und Bewertungsverfahren zum Einsatz. MTFM bündelt diese verschiedenen Anforderungen nun in einem konsistenten Basismodell. Der Fachbeitrag des Meituan-Technikteams verdeutlicht die erfolgreiche Umsetzung von Foundation Models für anspruchsvolle Lieferszenarien und zeigt, wie spezialisierte Ranking-Modelle zu ganzheitlichen Großmodellen weiterentwickelt werden können.