Die stille Macht der KI-Plattformen

Der KI-Markt wirkt vielfältig, konzentriert sich aber zunehmend auf wenige Plattformen, Infrastrukturen und Ökosysteme. Für Unternehmen ist deshalb nicht nur relevant, welches Modell heute leistungsfähig ist, sondern welche Abhängigkeiten durch Integration, Datenhaltung, Schnittstellen und tägliche Nutzung entstehen.

Ein Markt, der sich über Gewohnheit und Integration verfestigt

Bei allgemeinen KI-Assistenten entsteht Bindung nicht nur durch technische Qualität. Nutzer gewöhnen sich an Arbeitsweisen, Unternehmen bauen Prozesse auf bestimmte Schnittstellen, Mitarbeitende werden geschult und Datenflüsse auf konkrete Plattformen zugeschnitten. Damit steigen die Wechselkosten – selbst dann, wenn ein konkurrierendes Modell später technisch überlegen sein sollte.

Gewöhnung als Wettbewerbsvorteil

Diese Konzentration ist kein Zufall und kein vorübergehendes Phänomen. Sie folgt einer ökonomischen Logik, die sich seit den frühen Tagen des Internets immer wieder bestätigt hat. Generalistische Plattformen profitieren von Netzwerkeffekten, von Gewöhnung, von der Trägheit des Alltags. Je häufiger ein Werkzeug genutzt wird, desto weniger attraktiv erscheint der Wechsel. Künstliche Intelligenz ist dabei keine Ausnahme, sondern ein besonders prägnantes Beispiel. Denn anders als viele spezialisierte Anwendungen greift sie tief in Arbeits- und Denkprozesse ein. Wer sich an einen Assistenten gewöhnt hat, tauscht ihn nicht leichtfertig aus.

Die unsichtbare Macht der Infrastruktur

Hinzu kommt eine zweite, weniger sichtbare Ebene der Konzentration: die physische Infrastruktur. Rechenzentren, Energieversorgung, Hochleistungsprozessoren, Cloud-Verträge und langfristige Lieferbeziehungen bilden längst das eigentliche Rückgrat der KI-Ökonomie. Wer diese Ressourcen kontrolliert oder exklusiv sichern kann, verschiebt Marktgrenzen zu seinen Gunsten, noch bevor ein neues Produkt sichtbar wird. Die Konzentration vollzieht sich damit nicht nur in Interfaces und Marken, sondern in Beton, Kupfer, Stromverträgen und Lieferketten. Sie ist kapitalintensiv, strategisch träge und für neue Wettbewerber kaum aufzuholen

Vier Plattformstrategien

1. Das universelle Interface: Ein Anbieter bündelt möglichst viele Funktionen in einer Oberfläche – Text, Analyse, Medien, Agenten und Unternehmenskonnektoren. Der Vorteil liegt in Bequemlichkeit und Reichweite; das Risiko in wachsender Abhängigkeit von einem einzigen Ökosystem.

2. Das Ökosystem: KI wird über mehrere Anwendungen, Dienste und bestehende Plattformen verteilt. Diese Strategie kann sehr unterschiedliche Nutzungssituationen abdecken. Ihre Schwäche liegt in Komplexität: Je mehr Zugänge, Modelle und Produktnamen existieren, desto wichtiger werden Orientierung und klare Governance.

3. Die Spezialisierung: Andere Anbieter konzentrieren sich bewusst auf bestimmte professionelle Aufgaben – etwa Programmierung, Recherche, Wissensarbeit oder regulierte Anwendungen. Ihre Chance liegt in einem klaren Mehrwert; ihre Herausforderung darin, trotz Abhängigkeit von Cloud-, Modell- oder Distributionsinfrastrukturen eigenständig zu bleiben.

4. Die Distribution: Besonders mächtig ist KI dort, wo sie in bereits bestehende Kommunikations-, Produktivitäts- oder Betriebssysteme eingebettet wird. Reichweite entsteht dann nicht erst durch ein neues Produkt, sondern durch Voreinstellung und Integration. Genau hier kann sich Marktmacht besonders schnell verfestigen.

All diese Entwicklungen verweisen auf eine tiefere Verschiebung. Der eigentliche Wettbewerb entscheidet sich nicht mehr primär auf der Ebene der Modelle. Viele Nutzer wissen nicht, welches Modell sie verwenden, und es interessiert sie auch nicht. Entscheidend ist, ob das Werkzeug zuverlässig funktioniert, in bestehende Routinen passt und Reibung reduziert. KI wird dort mächtig, wo sie unscheinbar wird.

Diese Logik gilt im Unternehmensumfeld noch stärker als im Consumer-Markt. Hier entstehen Bindungen nicht durch Gewohnheit, sondern durch Prozesse, Schulungen, Compliance-Vorgaben und Systemintegration. Wer KI in Geschäftsabläufe einbettet, entscheidet nicht für ein Tool, sondern für eine Architektur. Der Wechsel wird teuer, organisatorisch aufwendig und politisch sensibel. Die eigentliche Marktkonzentration verfestigt sich damit weniger im Alltag der Nutzer als in den Organigrammen der Unternehmen.

Damit rücken wirtschaftspolitische und strategische Fragen in den Vordergrund. Je stärker sich KI-Plattformen verfestigen, desto wichtiger werden Interoperabilität, Datenportabilität, offene Schnittstellen und realistische Wechselmöglichkeiten. Regulierung und Beschaffung können dazu beitragen, Wahlmöglichkeiten zu erhalten – sie ersetzen aber keine eigene Architektur- und Governance-Entscheidung im Unternehmen.

Open-Source-Modelle können Abhängigkeiten reduzieren, insbesondere auf Modell- und Anwendungsebene. Sie lösen jedoch nicht automatisch die Konzentration bei Rechenleistung, Cloud-Infrastruktur, Chips oder Distribution. Auch hier ist deshalb entscheidend, welche Teile der Wertschöpfung tatsächlich austauschbar bleiben.

Für Start-ups ergibt sich daraus ein paradoxes Bild. Nie waren die technischen Grundlagen so zugänglich, nie war die Abhängigkeit von wenigen Plattformen so groß. Erfolg haben jene, die eine klar definierte Funktion besser lösen als die Generalisten – und dabei hoffen dürfen, nicht absorbiert oder verdrängt zu werden.

Die eigentliche Managementfrage: Wie reversibel ist die Entscheidung?

Für Unternehmen ist nicht entscheidend, heute den vermeintlich besten KI-Anbieter zu wählen. Entscheidend ist, wie leicht sich eine Architektur später verändern lässt. Je stärker Prozesse, Datenflüsse, Berechtigungen, Wissensbestände und Automatisierungen auf eine Plattform zugeschnitten werden, desto höher werden die Wechselkosten.

Management-Check: KI-Plattformabhängigkeit

1. Datenportabilität: Können Daten, Prompts, Wissensbestände und Ergebnisse in verwertbarer Form exportiert werden?
2. Schnittstellen: Sind zentrale Prozesse über offene oder austauschbare APIs angebunden?
3. Modellwechsel: Können einzelne Anwendungsfälle auf andere Modelle oder Anbieter umgestellt werden, ohne den Gesamtprozess neu zu bauen?
4. Infrastruktur: Welche Abhängigkeiten bestehen von Cloud, Rechenleistung, Identitätsmanagement und proprietären Diensten?
5. Governance: Ist dokumentiert, wo KI Entscheidungen vorbereitet, Daten verarbeitet und Verantwortlichkeiten beeinflusst?
6. Exit-Fähigkeit: Gibt es für geschäftskritische Anwendungen einen realistischen Wechsel- oder Rückfallpfad?

Fazit: Digitale Souveränität bedeutet nicht, jede Technologie selbst zu entwickeln. Sie bedeutet, strategische Wahlmöglichkeiten zu erhalten. Genau deshalb sollte KI-Architektur nicht nur nach Leistung und Preis, sondern auch nach Reversibilität bewertet werden.

Weiterführend bei INFPRO: KI & Technologie, Adaptive Governance und der Executive Workspace.