Die Nach­richt klingt nach Auf­bruch: Über 2.000 ame­ri­ka­ni­sche Start­ups ste­hen kurz vor dem Uni­corn-Sta­tus, also einer Bewer­tung von einer Mil­li­ar­de Dol­lar oder mehr. Als „Soo­ni­corns” bezeich­net sie Ilya Stre­bu­laev, Stan­ford-Pro­fes­sor für Finan­ce und Ven­ture Capi­tal, der den Begriff zwar nicht erfun­den hat, ihn aber maß­geb­lich geprägt und in die öffent­li­che Debat­te ein­ge­bracht hat. Die Bot­schaft ist klar: Künst­li­che Intel­li­genz hat den Weg zu astro­no­mi­schen Bewer­tun­gen dra­ma­tisch ver­kürzt. Brauch­ten Start­ups frü­her durch­schnitt­lich 6,5 Jah­re für den Uni­corn-Sprung, sol­len es heu­te nur noch 3,5 Jah­re sein. Das klingt nach Inno­va­ti­on. Es ist in Wirk­lich­keit ein Warnsignal.


Sur­vi­vor­ship Bias als Geschäftsmodell

Tim O’Reil­ly hat in sei­nem viel dis­ku­tier­ten Essay The fun­da­men­tal pro­blem with Sili­con Valley’s favo­ri­te growth stra­tegy für Quartz (2019) den ent­schei­den­den Begriff geprägt: „sur­vi­vor­ship bias mas­que­ra­ding as stra­tegy.” Wer Blitzsca­ling – also das Prin­zip des kapi­tal­ge­feu­er­ten Hyper­wachs­tums zur Markt­be­herr­schung, popu­la­ri­siert durch Reid Hoff­mans gleich­na­mi­ges Buch – als uni­ver­sel­le Erfolgs­for­mel ver­steht, liest die Geschich­te der Tech­bran­che selek­tiv. Ama­zon, Goog­le, Face­book: Die spek­ta­ku­lä­ren Gewin­ner­ge­schich­ten wer­den als Beweis für das Modell gele­sen, wäh­rend die Tau­sen­den geschei­ter­ten Nach­ah­mungs­ver­su­che dis­kret im Ver­ges­sen ver­schwin­den. Das VC-Öko­sys­tem hat ein struk­tu­rel­les Inter­es­se dar­an, genau die­se Selek­ti­on aufrechtzuerhalten.

Das Soo­ni­corn-Phä­no­men ist die kon­se­quen­te Wei­ter­füh­rung die­ser Logik unter KI-Bedin­gun­gen[1]Will 2026 Be the Year of the ‘Soo­ni­corn’?. Die Grün­dungs­schwel­le sinkt, weil KI-Tools Pro­zes­se auto­ma­ti­sie­ren, die frü­her erheb­li­che Per­so­nal­kos­ten ver­ur­sacht hät­ten. Die Bewer­tun­gen stei­gen, weil Inves­to­ren in der Anti­zi­pa­ti­on einer KI-indu­zier­ten Pro­duk­ti­vi­täts­re­vo­lu­ti­on bereit­ste­hen. Was dabei sys­te­ma­tisch aus­ge­blen­det wird: Die Fra­ge, ob der Markt die­se Pro­duk­te über­haupt auf­neh­men kann.

Die ver­schwie­ge­ne Kernfrage

Die eigent­li­che öko­no­mi­sche Grund­fra­ge lau­tet nicht: Wie schnell lässt sich ein Start­up ska­lie­ren? Sie lau­tet: Für wen? Wel­ches kon­kre­te, zah­lungs­wil­lig unter­leg­te Pro­blem wird gelöst? Wie groß ist der adres­sier­ba­re Markt wirk­lich, wenn man ihn von der Kapi­tal­nach­fra­ge­sei­te her denkt und nicht von der Angebotsseite?

KI erhöht nicht die Zahl der lös­ba­ren Pro­ble­me in der Wirt­schaft. Sie erhöht die Zahl der Start­ups, die behaup­ten, ein Pro­blem zu lösen. Das Ergeb­nis ist ein struk­tu­rel­ler Ange­bots­über­hang: Hun­der­te von KI-Anwen­dun­gen kon­kur­rie­ren um den­sel­ben schma­len Strei­fen an Unter­neh­mens­kun­den, die bereits unter Inte­gra­ti­ons­mü­dig­keit, Daten­schutz­be­den­ken und über­sät­tig­ten IT-Bud­gets lei­den. Wer die Absorp­ti­ons­fä­hig­keit des Mark­tes ernst nimmt, kommt zu einem ernüch­tern­den Befund: Die Nach­fra­ge­sei­te kann das Ange­bot nicht auffangen.

O’Reil­ly hat die­sen Mecha­nis­mus am Bei­spiel des Ride-Hai­ling-Mark­tes prä­zi­se beschrie­ben. Inves­to­ren, über­schwemmt mit…