Der Datenmarkt ist kaputt. Das kommt als Ersatz.
7 min read · 14 sources
- Geschäftsanwendungen in KI-exponierten Branchen stiegen von Q1 2024 bis Q1 2026 um 26,8 %, während arbeitgebertypische Anwendungen um 6,4 % fielen.
- OpenRouters neuer Auto-Code-Router erreicht die Leistung von Claude Opus 5.5 bei 74 % geringeren Kosten pro Aufgabe.
- LLM-zugeschriebener Traffic konvertiert etwa 6-mal besser als nicht-markengebundene Google-Suche, bei 24 % gegenüber 4 %.
- Das mediane SaaS-Unternehmen erwirtschaftet im Listing-Jahr nur 0,66 $ neue jährliche Einnahmen pro Vertriebs- und Marketing-Dollar, gegenüber 0,71 $ im Jahr zuvor.
- Stripe-Übernahme von Privy: Die Vermögenswerte des Zielunternehmens stiegen um etwa das 25-fache, der Umsatz um etwa das 9-fache seit dem Deal.
Der Datenmarkt ist unreif, und das wird bald zu Ihrem Problem. Es gibt keine Standardpreise, keine Standardeinheit, kein Qualitätsmaß - der Wert verschiebt sich die Kette hinauf, indem Daten transformiert werden und näher an den Kundennutzen rücken. Sobald Daten einen Preis bekommen, gelangen sie in die Kapitalstruktur, und die Entscheidung, was man kauft, behält und verkauft, wird zu einer zentralen CEO-Entscheidung, nicht zu einer Beschaffungsposition.
Dieser Wandel ist die größte Geschichte des Tages, weil er verändert, wie jedes KI-Produkt gebaut wird. Während Modelle zu Commodities werden, ist der knappe Input neuartige und private Daten. Ingenieure, die glauben, Token zu kaufen, kaufen in Wirklichkeit Zugang zu Trainingsmaterial, und der Markt spaltet sich in einen kommoditisierten „synthetischen Walmart der Token“ und einen knappen Markt für das echte Material. Der vollständige Essay argumentiert, dass der Markt bestehen bleiben wird, je mehr Modelle trainiert werden, aber nur für diejenigen, die den Unterschied verstehen.
Ein einziger gut formulierter Prompt kann jetzt einen 20-seitigen Bericht liefern, der die Qualität menschlicher Berater übertrifft.
KI tötet die Mitarbeiterzahl, nicht das Geschäft
Alex Willen betreibt 12 E-Commerce-Marken mit einem Jahresumsatz von 2,5 - 3 Millionen Dollar. Er hat keine Mitarbeiter. Kristin Ginns Beratung spielte in sieben Monaten 250.000 Dollar ein. Allein. Das CNBC-Profil dokumentiert einen strukturellen Wandel: Geschäftsanwendungen in KI-exponierten Branchen ohne frühe Einstellungssignale stiegen von Q1 2024 bis Q1 2026 um 26,8 %, während arbeitgebertypische Anwendungen um 6,4 % fielen.
Stanfords Erik Brynjolfsson merkt an, dass KI nun Aufgaben übernimmt, die zuvor ein ganzes Team erforderten. Für Ingenieure ist das keine Kuriosität - es ist die neue Wettbewerbsbasis. Ein Solo-Gründer mit dem richtigen Agenten-Stack hat jetzt die operative Hebelwirkung eines Zehn-Personen-Unternehmens, was bedeutet, dass die Software, die Sie bauen, für einen Kunden ausgelegt sein muss, der keine Ops-Mannschaft hat, um die rauen Kanten Ihres Produkts abzufedern.
85 % der AEO wird offsite gewonnen - verschwenden Sie Ihr Budget nicht
Source: knowledge.gtmstrategist.com ↗
Answer Engine Optimization ist kein Website-Problem. Das Playbook beziffert den Erfolgsanteil externer Quellen auf 85 %, nicht auf Inhalte der eigenen Domain. Der Grund ist einfach: 51 % der B2B-Käufer beginnen ihre Recherche jetzt mit KI, und die KI antwortet von überall dort, wo sie Autorität findet - das ist selten Ihr Marketing-Blog.
Die Zahlen rechtfertigen die Verschiebung. LLM-zugeschriebener Traffic konvertiert etwa 6-mal besser als nicht-markengebundene Google-Suche - 24 % gegenüber 4 % - und wuchs laut dem VP of Growth von Webflow um etwa das 8-fache im Jahresvergleich. Der Artikel argumentiert, dass die meisten AEO-Budgets für Onsite-Inhalte verschwendet werden, und empfiehlt ein Offsite-Playbook, das auf Creator setzt. Für Ingenieure bedeutet das: Die technische SEO, die Sie kennen, wird durch ein Distributionsproblem ersetzt: Wer zitiert Sie, und wie findet eine LLM dieses Zitat?
Die unglamouröse Wahrheit über Distribution
Jeff Yan von Hyperliquid bewarb öffentlich Handelsmöglichkeiten. Brian Armstrong postete auf Hacker News von einem Wegwerf-Konto. Cursors Gründer schrieben Nutzern DMs und farmten Follower. Die Gründer von YouTube schalteten Craigslist-Anzeigen mit 20 $ für Video-Uploads, als die Plattform in fünf Tagen null Uploads hatte. Die Liste umfasst 21 Beispiele, und das Muster ist konsistent: Gründer, die bereit sind, klein auszusehen, um Traktion zu gewinnen.
Die Lektion für Ingenieure ist unbequem. Technische Produkte in der Frühphase scheitern nicht, weil der Code falsch ist; sie scheitern, weil niemand sie nutzt. Die Gründer, die gewinnen, behandeln Distribution als technisches Problem mit derselben Strenge wie das Produkt selbst. Wenn Ihnen Ihre frühen Akquisitions-Taktiken nicht peinlich sind, versuchen Sie es nicht hart genug.
Ihre KI-Bruttomarge ist ein Preisproblem
KI-Gründer haben ein Bruttomargenproblem, und die Lösung ist die Wahl einer Einheit, die Sie kontrollieren. Die Analyse eines Investors in über 700 Unternehmen ist deutlich: Berechnen Sie pro Token, und Kunden werden fragen, ob Sie viermal so gut sind wie das Modell, das Sie aufschlagen.
Die zwei Pole sind GitHub, das nach verbrauchten Tokens abrechnet, und Vanta, das Token-Kosten schluckt, um Adoption zu treiben. Gokul Rajarams Rat: Wählen Sie eine Einheit, die Ihr Produkt kontrolliert und so nah wie möglich am Kundennutzen liegt - eine personalisierte E-Mail von einem KI-SDR, nicht die Tokens dahinter. Messen Sie weiterhin die Token-Kosten pro Einheit, denn zwei Support-Lösungen können denselben Umsatz bringen und extrem unterschiedlich kosten. Das ist jetzt eine strategische Entscheidung, die direkt Umsatzwachstum und Profitabilität beeinflusst.
OpenRouters neue Router senken Kosten um 74 %
OpenRouter hat die nächste Generation seines Auto Router und einen neuen Auto Code Router auf neuer technischer Basis gestartet. Die neuen Router übertreffen die alten um bis zu 4-mal in Benchmarks, mit einem Routing-Schritt, der bei p90 3-mal schneller ist - 0,65 Sekunden gegenüber 1,96.
Die Router gewichten elf Faktoren pro Anfrage, darunter Live-Preise, Provider-Gesundheit und Cache-Status, und unterstützen Governance-Richtlinien wie Guardrails und BYOK-Keys. Die Schlagzahl: Auto Code erreicht die Leistung von Claude Opus 5.5 bei 74 % geringeren Kosten pro Aufgabe. Für Ingenieure, die LLM-Anwendungen betreiben, senkt das direkt die Betriebskosten bei gleichbleibender Qualität - die Art von Effizienzgewinn, der die Bruttomarge bewegt, ohne die Preise anzufassen.
GitHub Copilot und Stripe öffnen die Tore für Agenten
@GitHub in Slack und Teams ist allgemein verfügbar und ermöglicht es, Bugs zu untersuchen, Issues zu erstellen, Änderungen umzusetzen und Pull Requests aus dem Gespräch zu öffnen, in dem der Bug auftauchte. Neue Funktionen umfassen Canvas zur Überprüfung von Implementierungsplänen in Teams, schnelleres Onboarding durch automatische Repository-Erkennung und klarere Attribution. Jeder in einem Slack-Thread kann Kontext hinzufügen, aber nur Teammitglieder mit Schreibzugriff können den Agenten anweisen, Code zu ändern.
Stripe geht weiter. Jeder Kunde kann jetzt einen Agenten wie Claude oder Cursor über MCP oder die Queries- und Reports-APIs mit seinen Analysedaten verbinden. Agenten greifen auf ein modelliertes Schema von über 300 Tabellen zu, und Stripe zeigt das SQL hinter jeder Antwort, damit Sie die Mathematik überprüfen können, bevor sie in ein Investoren-Update fließt. Die Queries-API ist bis zum 31. Januar 2027 kostenlos, danach Pay-per-Credit; Reports bleibt kostenlos.
Warum sollten die Labs es nicht tun? Sie tun es bereits
Die alte Frage war „Warum sollte Google es nicht tun?“ Die neue ist warum sollten die Labs es nicht tun? Google bedrohte nur Unternehmen, die von der Suche abhängig waren. OpenAI und Anthropic sitzen auf einer Achse, die den Großteil der Wissensarbeit abdeckt, und ihr Kernprodukt ist die Wissensarbeit selbst. Anthropics S-1 nennt Robotik und physische Arbeit als Zielmärkte.
Die Implikation für Gründer ist strategisch: Bauen Sie off-axis. Physische Abläufe, regulierte Workflows und proprietäre Daten bieten haltbarere Positionen gegen Lab-Konkurrenz. Wenn Ihr Produkt ein dünner Wrapper um ein Frontier-Modell ist, sind Sie kein Unternehmen; Sie sind ein Feature.
SaaS S&M skaliert nicht - und die Zahlen beweisen es
Source: blossomstreetventures.medium.com ↗
Der Mythos, dass jeder Vertriebs- und Marketing-Dollar mit dem Wachstum mehr Umsatz bringt, ist tot. Eine VC-Firma prüfte 158 SaaS-Börsengänge und fand, dass der Median von 0,71 $ neuer jährlicher Einnahmen pro S&M-Dollar im Jahr vor dem Listing auf 0,66 $ im Listing-Jahr fiel. Die 20 jüngsten Börsengänge hatten fast den doppelten Umsatz beim Listing und landeten trotzdem bei 0,66 $.
Die Firma behandelt jetzt 0,50 bis 0,70 $ als normalen Bereich für ein Unternehmen, das an die Börse geht. Einige der stärksten lagen deutlich darunter - Palantir bei 0,33 $, Snowflake bei 0,57 $. Die Erkenntnis für Gründer: Bauen Sie kein Wachstumsmodell, das eine Effizienz annimmt, die Sie nie bekommen werden.
Die Ein-Personen-Institution und die Token-Diät
Die meisten Angestellten im Büro nutzen KI falsch, indem sie sie eng auf einzelne Content-Aufgaben anwenden. Das Argument lautet, dass sie Systeme und Werkzeuge für die Massenproduktion von Wissen bauen sollten und Schreibprobleme als Ingenieurprobleme behandeln sollten. Ein einziger gut formulierter Prompt kann jetzt einen 20-seitigen Bericht liefern, der die Qualität menschlicher Berater übertrifft.
Der praktische Weg ist die dreistufige KI-Transformation: Werfen Sie aus Angst eine LLM auf alles, dann benchmarken Sie die Effizienz und machen rückgängig, was nicht funktioniert, dann gehen Sie auf Token-Diät. Die Diät bedeutet, günstigere Modelle wie 3.8 Flash statt Frontier-Modelle in Betracht zu ziehen. Das erfordert kundenspezifische Evals und ist zeitaufwendig, bringt aber erhebliche Kosteneinsparungen bei geringem Qualitätsverlust. Nur etwa 20 % der Consumer-App-Unternehmen haben diese Sequenz begonnen, und etwa 10 % davon sind über Stufe eins hinausgekommen. Das Arbitrage-Fenster ist jetzt offen.
Das könnte Sie auch interessieren
KI-Kosten fallen um das Zehnfache, Stripe führt Treasury für Agenten ein und Marketing wechselt zu GitHub
Die Preise für KI-Inferenz sind innerhalb eines Jahres um das 11‑fache gesunken, sodass Modelle wie DeepSeek V4 Flash nur 18 ¢ pro Million Token kosten. …
KI-Token-Kosten brechen ein, Compute-Engpass droht und Agenten erhalten sichere Anmeldedaten
Laut OpenRouter stieg das wöchentlich verarbeitete KI-Token-Volumen von 0,5 Billionen im Januar 2025 auf 164 Billionen bis September 2026, während die Preise …
Das Ende der Seat-Preise, Schulden der Neoclouds und die Mathematik hinter Web-Checkouts
Das SaaS-Packaging bricht auf: Software-Käufer lehnen Lizenzen pro Nutzer für KI-Agenten ab; 91 Prozent halten sie für unfair, und 57 Prozent fordern …




