KI ist zu teuer: Hyperscaler benötigen 3 Billionen Dollar, um die Gewinnschwelle zu erreichen

Ed Zitron argumentiert, dass KI in ihrem aktuellen Zustand für niemanden außer Hardware-Anbietern wie NVIDIA wirtschaftlich tragfähig ist. Hyperscaler (Microsoft, Meta, Amazon, Google) haben in den letzten drei Jahren gemeinsam über 800 Milliarden Dollar in KI-Investitionen gesteckt, mit Plänen, 2026 weitere 700 Milliarden und 2027 eine Billion Dollar hinzuzufügen. Das bedeutet, dass sie allein zur Kostendeckung mindestens 3 Billionen Dollar an KI-spezifischen Einnahmen erzielen müssen – und für eine lohnende Rendite sogar 6 Billionen Dollar.
Allein Microsoft hat laut Aussage eines Managers im Musk-OpenAI-Prozess etwa 100 Milliarden Dollar für seine OpenAI-Partnerschaft ausgegeben (einschließlich Investitionen, Infrastruktur und Hosting-Kosten). Dies entspricht etwa 30 % der gesamten Investitionen von Microsoft seit dem Geschäftsjahr 2023 (293,8 Milliarden Dollar). Die gesamten KI-Einnahmen von Microsoft für das Geschäftsjahr 2025 werden auf etwa 17,9 Milliarden Dollar geschätzt – weniger als ein Fünftel seiner Investitionen. Selbst seine besten gemeldeten Zahlen (z. B. eine jährliche KI-Einnahmenrate von 37 Milliarden Dollar) sind Momentaufnahmen eines einzigen Monats, keine Jahresprognosen.
Der Artikel stellt fest, dass Microsofts 20 Millionen Microsoft 365 Copilot-Abonnenten höchstens 7,2 Milliarden Dollar Umsatz generieren (angenommen 30 Dollar pro Monat pro Nutzer, aber Rabatte sind üblich). Eine realistischere Zahl aus dem Geschäftsjahr 2025 liegt bei etwa 7,5 Milliarden Dollar aus OpenAI-Inferenzausgaben plus 761 Millionen Dollar Umsatzbeteiligung.
Fazit: Die aktuellen KI-Einnahmequellen werden von den Infrastrukturausgaben in den Schatten gestellt. Solange die Kosten nicht sinken oder sich die Nutzungsökonomie drastisch ändert, ist der KI-Ausbau ein finanzielles Glücksspiel, keine sichere Sache.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Claude Opus 4.7 leidet unter erhöhten Fehlerraten — Status-Update
Ein automatischer Status-Update meldet erhöhte Fehler bei Claude Opus 4.7. Verfolgen Sie den Fortschritt auf der Incident-Seite und im Community-Megathread.

Multi-Agenten-Systeme: Engineering-Workflows vs. emergente Intelligenz
Eine Analyse eines Entwicklers argumentiert, dass aktuelle Multi-Agenten-Systeme wie LangGraph und AutoGen-Workflows eher wie Microservices mit LLM-Wrappern funktionieren, die Aufgabenzerlegung, Parallelisierung und Modularität bieten, anstatt echter emergenter Intelligenz.

Vollzeit KI-Ingenieur: Kein Code mehr anfassen
Max Heyer beschreibt einen Workflow, bei dem Agenten den gesamten Code schreiben, er nur Diffs liest, Spezifikationen schreibt und reviewt. Die entscheidende Fähigkeit ist Geschmack – Code zu bewerten ist schwieriger als ihn zu produzieren.

Die KI-Ping-Pong: Wenn jede Antwort ein ChatGPT-Screenshot ist
Entwickler berichten, dass sie mit KI-generierten Antworten überschwemmt werden – von Kollegen, Chefs und sogar GitHub-Kommentatoren – die den Kontext ignorieren und Zeit verschwenden. Die HN-Diskussion zeigt eine wachsende Frustration.