# Foundation Models als Plattformmonopole: Über Marktstruktur, Feedbackschleifen und die Optionen des Mittelstands
Es gibt in der Geschichte der industriellen Moderne Momente, in denen sich die Architektur eines Marktes innerhalb weniger Monate neu ordnet, ohne dass die Mehrheit der Beobachter das Ausmass dieser Verschiebung zeitnah erkennt. Die Entstehung der Foundation Models gehört zu diesen Momenten. Zwischen dem Erscheinen von ChatGPT im November 2022 und dem Ende des Jahres 2023 hat sich eine Marktschicht konstituiert, deren ökonomische Konzentration jene der klassischen Plattformökonomie zu übertreffen droht. In meinem Buch ALGORITHMUS. Wer die KI kontrolliert, kontrolliert die Zukunft habe ich versucht, diese Schicht in ihrer Doppelnatur zu beschreiben: als technologische Infrastruktur und zugleich als neue Form der Herrschaft über Entscheidungssysteme. Der vorliegende Essay greift diesen Gedanken noch einmal auf und richtet ihn an jene, die im Mittelstand, in Banken und in institutionellen Entscheidungsrollen die nächsten Jahre gestalten werden.
## Die ökonomische Anatomie der Foundation Models
Foundation Models sind, ihrem Namen zum Trotz, keine Grundlage in einem neutralen Sinne. Sie sind Fundamente, die jemandem gehören. Wer sie baut, definiert die Parameter, innerhalb derer sich die darauf aufsetzenden Anwendungen bewegen können. Wer sie betreibt, bestimmt die Preise, die Zugangsbedingungen und die Abhängigkeiten. Und wer sie kontrolliert, verfügt über eine Hebelwirkung, die sich in ihrer strategischen Qualität mit den grossen Infrastruktursystemen des zwanzigsten Jahrhunderts vergleichen lässt, mit dem Unterschied, dass diese Infrastruktur nicht aus Stahl, sondern aus Gewichtsmatrizen und Trainingsdaten besteht.
Die Kostenschwelle, die zum Bau eines frontier-Modells überwunden werden muss, hat sich in den letzten Jahren in einer Weise verschoben, die den Kreis potenzieller Akteure dramatisch verengt. Ich habe im Buch die Grössenordnungen beschrieben: das Training von GPT-4 lag nach Schätzungen zwischen dreiundsechzig und hundert Millionen Dollar allein an Rechenzeit, das Training der nächsten Generation wird, folgt man den Prognosen von Epoch AI, eine Milliardeninvestition in einem einzigen Trainingslauf erfordern. Eine Milliarde Dollar, nicht für eine Produktlinie, nicht für eine Fabrik, sondern für einen einzigen Durchlauf eines Modells, dessen wirtschaftlicher Erfolg im Moment der Investitionsentscheidung nicht gesichert ist. Das ist keine normale Kapitalintensität. Das ist eine Eintrittsbarriere, die den Wettbewerb auf eine Handvoll Akteure reduziert.
## Feedbackschleifen, RLHF und die Logik des Winner-takes-most
Die eigentliche Konzentrationsdynamik der Foundation Models liegt jedoch nicht in den Trainingskosten allein. Sie liegt in der Kombination aus Kosten und Feedbackschleifen. Ein Modell, das mehr Nutzer hat, erhält mehr Rückmeldungen. Diese Rückmeldungen werden im Verfahren des Reinforcement Learning from Human Feedback in die nächste Iteration des Modells eingespeist. Das verbesserte Modell zieht mehr Nutzer an, die wiederum mehr Rückmeldungen produzieren. Parallel generieren die Einnahmen aus den bestehenden Nutzern jenes Kapital, das in die nächste Rechenrunde investiert werden kann. Die Schleife schliesst sich, und sie schliesst sich asymmetrisch zugunsten dessen, der bereits vorne liegt.
In der klassischen Plattformökonomie kennen wir solche Dynamiken aus den sozialen Netzwerken und den Suchmaschinen. Was die Foundation Models davon unterscheidet, ist die Überproportionalität der Verbesserungen mit zunehmender Skalierung. In normalen Märkten führt Grösse zu linearer Effizienz. In der Welt der Sprachmodelle führt Grösse zu qualitativ neuen Fähigkeiten, die bei kleineren Modellen schlicht nicht auftreten. Diese Schwelleneigenschaft, die in der Forschung unter dem Begriff der emergent capabilities diskutiert wird, macht den Abstand zwischen Marktführer und Verfolger schwerer überbrückbar, als ökonomische Modelle es für reine Skalenvorteile vorhersagen würden.
Das Ergebnis ist eine Marktstruktur, die ich im Buch als Winner-takes-most beschrieben habe. Nicht Winner-takes-all, denn es wird spezialisierte Nischen geben, in denen kleinere Modelle überleben und gedeihen. Aber die allgemeine Schicht, jene universell einsetzbaren Foundation Models, die als Grundlage für die grosse Mehrheit der Anwendungsfälle dienen, wird von einer sehr begrenzten Zahl globaler Anbieter dominiert werden. OpenAI, Anthropic, Google DeepMind, Meta AI, sowie die chinesischen Äquivalente Baidu und die Modelle aus dem Umfeld von Alibaba und Huawei bilden den heute sichtbaren Rahmen dieses Oligopols.
## Die Abhängigkeitsfrage für Mittelstand und Banken
Für den europäischen Mittelstand und für die Bankenlandschaft stellt sich daraus eine Frage, die weit über die klassische IT-Beschaffungsentscheidung hinausreicht. Wer seine Kernprozesse auf einem Foundation Model aufbaut, das von einem amerikanischen Anbieter betrieben wird, übergibt einen Teil seiner operativen Souveränität an einen Akteur, der den Exportkontrollregimen, den politischen Zyklen und den strategischen Prioritäten eines anderen Rechtsraumes unterliegt. Das ist keine theoretische Sorge. Die Geschichte der amerikanischen Halbleiterexportkontrollen seit Oktober 2022, die ich im Buch als präzedenzlose technologiepolitische Maßnahme beschrieben habe, zeigt, wie schnell Zugangsbedingungen verändert werden können.
Banken stehen zusätzlich vor der regulatorischen Dimension. Der europäische AI Act definiert für den Einsatz von KI in Kreditentscheidungen, in der Personalauswahl und in weiteren Hochrisikobereichen Pflichten zur Dokumentation, zur Bias-Testung und zum Audit, deren Erfüllung deutlich schwieriger wird, wenn das zugrundeliegende Modell eine Black Box ist, deren Trainingsdaten und Gewichte dem Nutzer nicht offenliegen. Ein Bankhaus, das eine Kreditentscheidung trifft, muss im Streitfall begründen können, warum diese Entscheidung so und nicht anders ausgefallen ist. Ein Foundation Model eines externen Anbieters liefert diese Begründbarkeit nur in dem Masse, in dem der Anbieter bereit ist, sie zu liefern.
## Build, Buy oder Control: die drei strategischen Pfade
In meinem Buch habe ich drei Grundpfade skizziert, die institutionellen Entscheidern im Verhältnis zu Foundation Models offenstehen. Der erste Pfad ist Build, also die eigene Entwicklung. Für die allermeisten europäischen Unternehmen scheidet dieser Pfad auf der Ebene der allgemeinen Foundation Models aus, weil die Kapital- und Talentanforderungen jenseits des Leistbaren liegen. Auf der Ebene spezialisierter Domänenmodelle, die auf proprietäre Datenbestände aufsetzen, ist Build dagegen nicht nur möglich, sondern strategisch geboten. Ein Pharmaunternehmen mit dreissig Jahren klinischer Versuchsdaten, ein Maschinenbauer mit vierzig Jahren Sensordaten, eine Bank mit Jahrzehnten an Transaktionsdaten besitzt einen Rohstoff, den kein allgemeiner Anbieter replizieren kann.
Der zweite Pfad ist Buy, also der Bezug von Modellleistungen über Schnittstellen etablierter Anbieter. Dieser Pfad ist derzeit der meistbegangene und er wird für viele Anwendungsfälle auch der wirtschaftlich vernünftige bleiben. Seine Gefahr liegt jedoch in der Akkumulation stiller Abhängigkeiten. Wer Jahr für Jahr mehr Prozesse an eine externe Schnittstelle bindet, erhöht die Wechselkosten, die im Moment einer Preiserhöhung, einer Vertragsänderung oder einer geopolitischen Verschiebung zu tragen sein werden. Die Lektion der Halbleiterkrise der Jahre zweitausendzwanzig bis zweitausenddreiundzwanzig, die die Automobilindustrie über zweihundert Milliarden Dollar gekostet hat, bestand genau in der verspäteten Erkenntnis, dass eine vermeintliche Commodity eine strategisch kritische Ressource war.
Der dritte Pfad ist Control, und er ist in der Diskussion bisher am wenigsten ausgeleuchtet. Control meint weder die vollständige Eigenentwicklung noch den reinen Bezug, sondern die strategische Beteiligung an der Governance jener Modelle, auf denen man arbeitet. Das kann über konsortiale Modelle geschehen, über europäische Verbundprojekte, über Lizenzmodelle mit Zugriffsrechten auf Modellgewichte, über die Nutzung von Open-Source-Foundations mit domänenspezifischer Nachtrainierung. Für Banken, für den industriellen Mittelstand und für die öffentliche Hand ist Control der einzige Pfad, der Souveränität mit wirtschaftlicher Vernunft verbindet.
## Europa zwischen Regulierung und Gestaltung
Europa hat sich in der Debatte um Foundation Models bisher überwiegend als Regulator positioniert und zu wenig als Gestalter. Das ist, wie ich im Buch ausgeführt habe, Ausdruck einer strukturellen Schwäche, aber auch einer möglichen Stärke. Die Schwäche liegt darin, dass die Regulierung einer Infrastruktur, die man nicht besitzt, den eigenen Handlungsspielraum nicht erweitert. Sie legt Grenzen fest, innerhalb derer andere bauen. Die Stärke liegt darin, dass regulatorische Klarheit, wenn sie mit industriepolitischer Investition verbunden wird, einen Raum schaffen kann, in dem Anbieter entstehen, die genau jene Eigenschaften von Begründbarkeit, Auditierbarkeit und Datenschutzkonformität mitbringen, die im globalen Wettbewerb zunehmend nachgefragt werden.
Die entscheidende Frage ist nicht, ob Europa ein eigenes OpenAI hervorbringt. Diese Frage ist in der Rahmung falsch gestellt. Die entscheidende Frage ist, ob europäische Institutionen in der Lage sind, eine zweite Schicht zu bauen, die zwischen den globalen Foundation Models und der konkreten Anwendung im Unternehmen liegt. Diese mittlere Schicht, bestehend aus Domänenmodellen, Governance-Architekturen, Auditwerkzeugen und souveränen Cloud-Infrastrukturen, ist der Raum, in dem europäische Wertschöpfung möglich bleibt, auch wenn die unterste Schicht in amerikanischer oder chinesischer Hand ist.
Wer die Diskussion um Foundation Models auf die Frage reduziert, welches Modell im aktuellen Benchmark die besten Werte liefert, verkennt die Natur dessen, was hier geschieht. Es geht nicht um ein Produkt. Es geht um eine Infrastrukturschicht, deren Besitzverhältnisse die Wettbewerbsbedingungen ganzer Branchen und die operative Souveränität ganzer Volkswirtschaften für die kommenden Jahrzehnte mitbestimmen werden. Ich habe in ALGORITHMUS geschrieben, dass der Algorithmus jemandem gehört und dass die Frage, wem, die wichtigste Machtfrage des einundzwanzigsten Jahrhunderts ist. Für Foundation Models gilt das in einer besonders zugespitzten Form, weil hier die Frage nach dem Eigentum und die Frage nach der Abhängigkeit in einer einzigen technologischen Schicht zusammenfallen. Mittelständische Unternehmer, Bankvorstände und institutionelle Entscheider, die diese Frage an die IT-Abteilung delegieren, delegieren eine strategische Grundentscheidung, deren Konsequenzen auf der Ebene der Geschäftsstrategie, der regulatorischen Verantwortung und der langfristigen Souveränität anfallen. Die Analyse, die ich hier und im Buch skizziert habe, ist kein Plädoyer gegen die Nutzung amerikanischer oder anderer globaler Modelle. Sie ist ein Plädoyer dafür, die Nutzung als das zu verstehen, was sie ist: eine strategische Entscheidung mit langfristigen Folgen, die eine bewusste Gestaltung der eigenen Position erfordert. Build, Buy oder Control sind keine technischen Varianten. Sie sind Grundhaltungen. Dr. Raphael Nagel (LL.M.) vertritt in diesem Essay und in seinem Buch die Auffassung, dass nur jene Institutionen, die sich diese Grundhaltung bewusst erarbeiten, in der nächsten Dekade handlungsfähig bleiben werden. Die anderen werden die Bedingungen akzeptieren, die ihnen gesetzt werden. Beides ist eine Entscheidung. Nur eine davon ist eine souveräne.
Für wöchentliche Analysen zu Kapital, Führung und Geopolitik: Dr. Raphael Nagel (LL.M.) auf LinkedIn folgen →