OpenAI versteht etwas Wichtiges und Seltenes

OpenAI hat etwas Besonderes und Seltenes verstanden, das sich direkt vor aller Augen verbirgt. Nämlich das, was Peter Drucker schon vor einem halben Jahrhundert formulierte: Der Zweck eines Unternehmens ist es, einen Kunden zu schaffen.

OpenAI wird nicht gewinnen, weil sie die besten Modelle, die fortschrittlichsten Chips, die beste Kosten-Leistungs-Kurve oder gar das beste Produkt haben – auch wenn wir glauben, dass all das auf sie zutrifft. Wir sind der Meinung, dass OpenAI gewinnen wird, weil sie so gut darin sind, völlig neue Arten von Kunden zu schaffen, und weil sie die nachhaltigste Vertriebsstrategie haben.

Während wir dies im September 2026 schreiben, sind die Produktrankings für „Intelligence-as-a-Service“ längst nicht mehr die wichtigste Frage. Intelligenz ist überall. Jeder kann nahezu alles tun; aber die meisten Menschen tun es noch nicht. Was zählt, ist: Kannst du dieses neue Verhalten wecken, und kannst du beim Vertrieb gewinnen?

Die These für OpenAI lässt sich auf folgendes Argument herunterbrechen: Um ein dauerhaftes Unternehmen an der KI-Frontier aufzubauen, gibt es vier Hebel, an denen du ansetzen kannst:

1. Neue Verhaltensweisen erschaffen
2. Eine große Zahl an Nutzern erreichen
3. Dein Produkt so bepreisen, dass es Wert schöpft
4. Hohe Wechselkosten etablieren

Punkt 4 fällt praktisch weg. Die KI-Frontier ist ein Wettlauf wie in „Alice hinter den Spiegeln“ – man muss rennen, nur um am selben Fleck zu bleiben –, zumindest auf der Modellebene. Es ist so einfach, zwischen Modellen zu wechseln, bis hin zum taskgenauen Umschalten, und alle werden ständig besser.

Punkt 3 ist das, was jeder erreichen will. Doch auch hier gilt: Der Markt ist extrem umkämpft, und OpenAI (sowie andere) sind fest entschlossen, bei den Kosten pro Recheneinheit führend zu sein. Sie verfolgen dies über Skaleneffekte, vertikale Integration und andere Strategien, um die Token-Kosten zu senken. Wer am Ende beim Preis-Leistungs-Verhältnis führt, wird ohnehin derjenige sein, der auch bei der Skalierung gewinnt.

Das bedeutet, es läuft auf Punkt 1 und 2 hinaus. Und wir glauben, OpenAI ist bei Punkt 1 eindeutig der Beste:

• Sie haben in der KI-Branche eine bewährte Erfolgsbilanz darin, jene einfachen, im Nachhinein offensichtlichen Durchbrüche zu finden, die völlig neue Formen des Konsumverhaltens ermöglichen.

Und auch bei Punkt 2 sind sie die Besten:

• Jedes KI-Labor versucht derzeit, den Vertrieb über seine eigenen Erstanbieter-Produkte hinaus im Eiltempo hochzuskalieren. Dafür gibt es zwei Wege: als Plattform oder über Partnerschaften. Der Weg als echte Plattform ist langfristig vorzuziehen: Die Umsätze fließen etwas langsamer, aber wenn sie kommen, sind sie viel nachhaltiger und wertvoller.

Es gibt einen tieferliegenden Grund, warum OpenAI bei 1 und 2 die Nase vorn hat: Sie verfügen über eine der breitesten und vielseitigsten Formen von allgemeiner Intelligenz – nicht nur in ihren Modellen, sondern auch in ihrem Unternehmen und ihrer Kundenbasis. Sie erreichen die breiteste Nutzerbasis (von Privatnutzern über Prosumer bis hin zu Unternehmen), sie haben den tiefgreifendsten, sich selbst verbessernden Tech-Stack (bis hinunter zu ihren proprietären Chips), und genau deshalb entdecken sie immer wieder die neuen Muster und Primitiven, die funktionieren. Sie denken langfristig darüber nach, wie man die siegreiche KI-Plattform baut – und dieser Plan geht auf.

OpenAI ist verdammt gut darin, das nächste große Ding zu entdecken

OpenAI hatte nie vor, ein Consumer-Unternehmen zu werden. Mit der Veröffentlichung von ChatGPT sind sie gewissermaßen zufällig hineingestolpert. Ein glücklicher Zufall, denn dieser Moment ist einer der Wendepunkte der Technologiegeschichte. Hätten sie es nicht getan, sähe die Welt heute völlig anders aus. KI wäre wahrscheinlich immer noch streng gehütet in den Händen von Laboren und engen Geschäftskunden, sie würde sich bei Weitem nicht so rasant weiterentwickeln, und wir befänden uns in einer Zeitlinie mit „Closed by Default“ statt in der unendlich reicheren, die wir heute erleben.

Sam Altman erzählte kürzlich eine Geschichte über die Wochen nach dem Launch von ChatGPT, als die meisten bei OpenAI dachten: „War ganz nett, aber jetzt sollten wir wohl lieber echte Produkte bauen. Ein Chatbot kann es doch nicht gewesen sein, oder?“ Es war ausgerechnet Peter Thiel, der Sam ins Gewissen redete: Nein, genau das ist es. Du hast eine neue Art von Kunden geschaffen. Nichts anderes ist so wichtig wie das.

Und es geht nicht nur um ChatGPT: OpenAI verdient Anerkennung dafür, generell gut darin zu sein, die entscheidenden Durchbruchsmuster und Primitiven zu finden und neues Nutzerverhalten zu wecken. Ben Hylak hat es neulich treffend formuliert: „OpenAI ist der (meistens) ungeschlagene König darin, das ‚nächste große Ding‘ zu finden. Es ist immer viel simpler, als man denkt, und im Nachhinein absolut offensichtlich.“ Das GPT-Chat-Interface, Reasoning, Tool Calling und Computer Use waren allesamt große Durchbrüche, die die Richtung der Technologie vereinfacht und fokussiert – und sie damit nutzbar gemacht haben. Die einzige große Ausnahme, bei der OpenAI nicht der Vorreiter war, war das Programmieren, und diesen Rückstand haben sie mühelos aufgeholt.

Warum sind sie darin so gut? Vielleicht hatten sie in den Anfangsjahren einfach diese besondere Zutat; niemand kann die Gründungsenergie und Magie, die so etwas hervorbringt, exakt in Worte fassen. Aber im Laufe der Zeit ist daraus eindeutig eine Fähigkeit geworden, die sie kultiviert haben. Dabei spielen drei Faktoren eine entscheidende Rolle:

• Sie denken und handeln wie ein Unternehmen, das eine Plattform sein will. „Plattform“ ist ein vielschichtiger Begriff, auf den wir gleich im Detail eingehen, aber dies ist ein Unternehmen, das wirklich glaubt, dass seine Nutzer klug sind und eigene Entscheidungen treffen können – innerhalb sorgfältig definierter Grenzen.
• Sie setzen voll auf technische Tiefe, das heißt, sie versuchen, jede Schicht ihres Stacks bis ins Detail zu besitzen oder zu kontrollieren, und verfeinern kontinuierlich die Plattform-Primitiven, die ihre Nutzer als Bausteine brauchen.
• Und vielleicht am wichtigsten: Sie haben eine enorme Breite im Endkundenmarkt. Sie sind nach wie vor führend, was die schiere Vielfalt an Nutzertypen und Anwendungsfällen im privaten und beruflichen Alltag betrifft.

Diese Breite der Nutzerschaft ist der am meisten unterschätzte Faktor. Wie Hylak es simpel ausdrückt: „Computer Use“ [zum Beispiel] ist eine sehr generische, unspezifische Sache. Um darin besser zu werden, musst du deine Intelligenz auf allgemeine Weise steigern. Über viele Domänen hinweg, über viele Workflows hinweg.“ Menschen unterschätzen konsequent, wie schwer es ist, von einer spezifischen Lösung zu einer allgemeinen Lösung zu gelangen. Aber was einfach und offensichtlich (im Nachhinein) sowie gleichzeitig generisch und unspezifisch (als zu lösendes Problem) ist, entdeckst du meist nur, wenn du genau diese allgemeine Lösung anstrebst.

Warum streben nicht mehr Unternehmen nach „allgemeinen Lösungen“? Weil das tatsächlich ziemlich kostspielig ist und den meisten Best Practices einer fokussierten Produktorganisation widerspricht. Du musst Input aus einem riesigen Spektrum von Kunden, Verhaltensweisen und Aktionen sammeln und ihnen erlauben, im Grunde alles zu tun, was sie wollen, um in einer Domäne allgemeinen Fortschritt zu erzielen – statt nur spezifischen Fortschritt bei einem einzelnen Produkt.

Das bedeutet: Die Fähigkeit, „allgemeines Wissen“ in dein Produkt einzubauen, hängt tatsächlich von deiner Vertriebsstrategie ab. Das ist nicht offensichtlich, aber wichtig – und OpenAI hat es verstanden.

Wie lieferst du „genau das, was ich will“ (was oft etwas sehr Individuelles, Spezifisches und Anspruchsvolles ist) in massivem Maßstab an jeden aus?

Im Grunde gibt es drei Wege. Du kannst es als eigenständiges Produkt liefern, du kannst es über Partnerschaften vertreiben, oder du stellst es als Plattform bereit.

• Eigenständige Produkte haben einen vorteilhaften Zwang: Dein Produkt muss dem Nutzer inhärent erlauben, „zu tun, was er will“ (also ChatGPT alles zu fragen). Dadurch gestaltest du das Kundenerlebnis wirklich selbst – vom ersten Kontakt bis zur täglichen Nutzung.
• Der Vertrieb über Partnerschaften hat den Vorteil, dass Partner dir schnell enorme Reichweite für viele Anwendungsfälle verschaffen. Letztlich ist es aber der Partner, der den „Ich will alles“-Instinkt des Kunden besitzt und steuert. Langfristig werden sie also nicht nur die attraktiven Margen abschöpfen, sondern auch kontrollieren, was der Nutzer am Ende tun darf und was gelernt wird. Zudem wissen deine Kunden vielleicht gar nicht, dass du die Technologie dahinter bist, sodass du weder Vertrauen noch Sympathiepunkte sammelst.
• Der Vertrieb als Plattform bedeutet, dass andere darauf aufbauen, was immer sie wollen. Das dauert, weil du alle neuen Produkte, die „alles, was ich will“ unterstützen, von Grund auf neu ermöglichen musst. Aber sobald es steht, ist es extrem mächtig: Selbst wenn die Umsätze langsamer fließen oder die Take Rates geringer sind, hast du eine unglaublich starke Lernschleife über die Welt etabliert. Während Nutzer deine Primitiven und Muster verwenden, lernst du die Welt und die Wünsche der Menschen kennen. Nicht im Sinne von „Training mit Kundendaten“, sondern im Sinne von: „Die Primitiven werden zu einer besseren Landkarte des Territoriums.“

https://x.com/GavinSBaker/status/2100240010695827959

Über einen langen Zeitraum kommen und gehen Produkte, Partnerschaftsdynamiken verändern sich, und deren Wirtschaftlichkeit bleibt oft hinter den Erwartungen zurück. Aber OpenAI kommt immer wieder auf seinen Antrieb zurück, die dauerhafte Plattform zu bauen. Und was sie tun, funktioniert.

Echte Plattformen sind selten, aber die Mühe wert

Plattformen sind schwer zu bauen und schwer zu durchdenken. Sie sind sogar schwer zu definieren!

Im Allgemeinen haben wir ein breites, verschwommenes Konzept von Plattformen nach dem Motto: „Plattformen lassen Leute das bauen, was sie für ihren spezifischen Bedarf brauchen.“

In der Software gibt es mehrere Möglichkeiten, das umzusetzen. Vor neunzehn Jahren schrieb Marc einen Essay mit dem Titel „Three kinds of platforms you meet on the internet“, der bis heute nützlich ist. Marcs Definition lautet: „Eine ‚Plattform‘ ist ein System, das von externen Entwicklern – Nutzern – programmiert und somit angepasst werden kann, und auf diese Weise an unzählige Bedürfnisse und Nischen angepasst wird, die die ursprünglichen Entwickler der Plattform unmöglich vorhersehen konnten, geschweige denn Zeit gehabt hätten, sie zu bedienen.“

Die „drei Arten“ entsprechen drei verschiedenen Wegen, Computer so anzuordnen, dass ein Nutzer genau das individuelle Ergebnis bekommt, das er möchte. Sie werden zunehmend schwieriger zu bauen (je höher du von 1 zu 3 aufsteigst), entfalten aber eine geradezu magische Wirkung hinsichtlich der Verhaltensweisen und Entwicklungsmöglichkeiten, die sie freisetzen.

• Typ 1 ist das, was wir heute „Headless“ nennen würden: Man gibt Nutzern über eine API Zugang zu etwas Nützlichem (wie damals Flickr, oder selbst so wertvolle Unternehmen wie Stripe fallen in diese Kategorie).
• Typ 2 nutzt sogenannte „Plugins“: wie die alte Facebook-Plattform oder die meisten Shopify- bzw. HubSpot-Apps heute. Du hast einen Kernservice, der die ersten 80 % der Nutzerbedürfnisse abdeckt, und dann benutzerdefinierte Apps, die auf einem eigenen Server laufen und meist über eine Art App Store verwaltet werden, um den Nutzern die gewünschten individuellen Erfahrungen zu bieten.
• Typ 3 ist der entscheidende: eine echte Laufzeitumgebung, die Menschen programmieren können, um zu erschaffen, was immer sie wollen. Diese sind wirklich, wirklich schwer zu bauen, aber wenn sie funktionieren, sind sie pure Magie. iOS, AWS, Ethereum und seit Kurzem Cloudflare sind einige Beispiele.

Das Interessante an der heutigen KI ist, dass alle Modellunternehmen und Inference-Anbieter in gewissem Sinne beanspruchen können, Arbeit an einer „Typ-3-Plattform“ zu leisten. (Modelle sind eine Art Laufzeitumgebung, die mit individuellen Anweisungen gesteuert wird!) Aber Modelle allein erschließen kein neues Verhalten, und sie sind auch nicht besonders gut verteidigbar. Wie wir beim Programmieren gesehen haben, wo das Framework genauso wichtig ist, ist es hier die Überstruktur aus Einschränkungen und Primitiven, die wirklich zählt. Dafür gibt es einen theoretischen und einen praktischen Grund.

Der theoretische Grund: Wenn du die im Nachhinein offensichtlichen Muster und Primitiven entdecken willst, die wirklich zählen, brauchst du Zugang zu einem möglichst breiten Spektrum an Nutzung, implizitem Wissen und Trial-and-Error deiner Nutzer. Nur so kannst du dich von einem spezifischen Produkt (einem lokalen Durchbruch) zu einem allgemeinen Produkt (einem globalen Durchbruch) entwickeln. Und der reinste Weg dorthin ist, sie beliebige Anweisungen schreiben zu lassen (also Code) für das, was sie tun wollen. Sicherheit, Zugriffe, Datenstrukturen und Einschränkungen richtig hinzubekommen, ist ein Mammutprojekt, das „produktorientierte“ Unternehmen nur schwer priorisieren können; nur die wirklich Entschlossenen werden das gelobte Land erreichen.

Der praktische Grund für die heutige KI lautet: Damit Agents nützlich sind, müssen sie Code schreiben. Das ist vielleicht nicht offensichtlich, aber etwas, das wir im vergangenen Jahr gelernt haben. So erstaunlich KI-Modelle im Schreiben von Code sind, so überraschend schlecht sind sie darin, Tools aufzurufen und Anweisungen im alltäglichen Wissensmanagement auszuführen – es sei denn, du drehst den Spieß um und sagst: „Schreibe ein Programm, das diese Aufgaben erledigt“, dann sind sie großartig darin. Eine offene Frage bei der KI-Einführung in Unternehmen ist derzeit: „Wie werden Menschen und Organisationen das sicher unterstützen?“ – und du solltest wohl auf diejenigen setzen, die plattformorientiert denken.

Eine der großen offenen Fragen ist momentan, welche Netzwerkeffekte, Wechselkosten und anderen Burggräben auf den verschiedenen Ebenen des KI-Stacks entstehen werden. Bislang bleibt die Modellebene erschreckend austauschbar. Es herrscht die allgemeine Einschätzung, dass ein „Multiplayer-Modus“ (z. B. Zusammenarbeit an Projekten, Agents, denen die Agents von Freunden vertrauen) gute Zutaten für die Verteidigbarkeit eines Geschäftsmodells liefert, aber es hat den allgemeinen Kampf um „mehr Nutzung, weniger Kosten“, den wir bei den Token-Ausgaben sehen, noch nicht wirklich beeinflusst. Die entscheidende Frage lautet nicht „Ist dein Modell klebrig?“, sondern „Schaffst du neues Verhalten?“ Wie Steve Hou es treffend formulierte: „Die Elastizität, die zählt, ist nicht die Substitutionselastizität zwischen Modellen, sondern die Elastizität der Gesamtnachfrage nach KI.“

Mustererkennung ist nie perfekt, aber wenn die letzten vier Jahre KI ein Indikator sind, werden die nächsten großen Durchbrüche bei der verteidigbaren Multiplayer-Nutzbarkeit von KI durch normale Menschen aus Aha-Momenten entstehen. Momente, in denen wir die optimale Schichtung aus intelligenten Modellen, Rechenprimitiven und Verhaltensmustern finden und etwas Einfaches, Offensichtliches entsteht. Das könnte von Startups kommen, die auf den Modellunternehmen als Plattformen aufbauen; oder von den Modellunternehmen selbst. So oder so will OpenAI natürlich die treibende Kraft dahinter sein und es den Nutzern bringen.

In einer Welt des Überflusses dreht sich die Kausalität um

Alte Gewohnheiten sterben langsam. Wenn du ein KI-Frontier-Labor auf herkömmliche Weise als Unternehmen analysierst, schaust du dir vielleicht alle möglichen offensichtlichen Dinge an, um Wettbewerbsvorteile zu bewerten: Wer hat die besten Modelle? Wer hat die besten Chips? Wer hat das beste Kosten-Leistungs-Verhältnis? Wer hat die besten Produkte?

Natürlich spielt das alles weiterhin eine Rolle. Aber in einer Welt mit überall und jederzeit verfügbarem Überfluss an Intelligenz drehen wir die Kausalität wahrscheinlich um, wenn wir glauben, dass der Besitz all dieser Dinge automatisch den Sieg bedeutet. Wir glauben, dass OpenAI in Zukunft die besten Modelle, Chips und Produkte haben wird, weil sie den besten Vertrieb haben – und nicht umgekehrt. Bisher haben sie hervorragende Entscheidungen getroffen, um ausreichend Rechenleistung zu sichern, Modelle äußerst effektiv zu trainieren, Jalapeno als optimierten Chip zu entwickeln, und andere praktische Dinge, die im Wettbewerb der KI-Optionen den Unterschied machen können. Aber in Zukunft werden sie unserer Meinung nach weiter gewinnen, weil sie an der Spitze dessen bleiben werden, Informationen über die Welt zu sammeln – von ihren eigenen, neu erwachten Nutzern – und sich von dort aus selbst verbessern.

Neue Produkt- und Modellangebote können für ein oder zwei Wochen alle Aufmerksamkeit auf sich ziehen, aber langfristig sehen wir nicht, dass OpenAI seine Führungsposition in den wirklich wichtigen Bereichen aufgibt:

• Sie haben die dominante Verbrauchermarke und eine breite Nutzerbasis behalten.
• Sie haben neue Arten von Nutzerverhalten geweckt, die im Nachhinein offensichtlich sind und die Spielregeln des Machbaren verändern.
• Sie haben die Grenze der „besten Modelle zum besten Preis“ in ihrem Angebot immer weiter verschoben.
• Ihr „Schwungrad“ stoppt nie, und alles verbessert sich gemeinsam.

Sam beschreibt den zukünftigen Produktzustand von OpenAI so, dass es nur noch zwei Angebote gibt: Entweder du kannst alles erschaffen, was du willst, oder du unterhältst dich einfach mit ChatGPT. So sieht echter Überfluss in einem Produkt aus. Du kannst entweder exakt beschreiben, was dir hilft, und es bekommen, oder du fällst zurück auf: „Oder ich rede einfach mit diesem Textfeld und finde heraus, wo die Reise hingeht.“

Dieser Überfluss ist bereits allgemein verfügbar. Heute. Es gibt eine recht kleine Gruppe von Menschen, die KI hemmungslos für alles in ihrem Leben nutzt; und es gibt eine etwas größere, breitere Gruppe, die ChatGPT regelmäßig verwendet. Als Kunden wurden sie noch nicht geweckt. Wer wird das tun?

Wir glauben, OpenAI weiß, wie es geht.