SC Moatti, Gründungspartnerin und Managing Partner bei Mighty Capital sowie Vorstandsvorsitzende von Products That Count, sagt, dass die Aussage „Wir nutzen künstliche Intelligenz“ nicht mehr ausreicht, um Start-ups zu differenzieren. Da künstliche Intelligenz in 97 % der für die diesjährigen Products-That-Count-Auszeichnungen nominierten Produkte integriert ist, sei KI ihrer Ansicht nach eher zu einer verfügbaren Infrastruktur als zu einer Barriere geworden, die Wettbewerber daran hindert, zu einem Unternehmen aufzuschließen.
Moatti stützt diese Schlussfolgerung auf eine Analyse von Crunchbase-Daten zu 576 auf Unternehmen ausgerichteten KI-Unternehmen, die seit Anfang 2025 Finanzierungsrunden im Wert von 50 Millionen US-Dollar oder mehr abgeschlossen haben. Die Analyse verwendete den von Hamilton Helmer entwickelten Rahmen der „Seven Powers“ sowie Daten aus der Community der Produktverantwortlichen von Products That Count mit mehr als 600.000 Mitgliedern.
Der erste Vorteil: Gegenpositionierung
Moatti definiert „Gegenpositionierung“ als den Aufbau eines grundlegend anderen Geschäftsmodells, sodass ein etablierter Wettbewerber es nicht nachahmen kann, ohne seine bestehende Wirtschaftlichkeit zu beeinträchtigen. Sie verweist auf den bekannten Vergleich zwischen Netflix und Blockbuster: Blockbuster hätte ein Abonnementmodell übernehmen können, doch dies hätte die Einnahmen aus den Verspätungsgebühren untergraben, auf die sich seine Filialen stützten.
Den im Artikel genannten Daten zufolge nutzen nur 5 % der analysierten Unternehmen diese Art von Barriere. Sie erzielten jedoch einen Median des Unternehmenswerts von 5,3 US-Dollar je eingesammeltem Dollar – den höchsten Multiplikator unter den analysierten Kräften. Nach den genannten Beispielen zeigt sich dieses Konzept bei KI-gestützten Versicherungsunternehmen, die direkt an Arbeitgeber verkaufen, sowie bei ursprünglich auf künstlicher Intelligenz basierenden Systemen für das Ertragsmanagement.
Im ersten Fall könnte es für traditionelle Versicherungsmakler schwierig sein, das Modell nachzuahmen, ohne ihre Beziehungen und Zeichnungsmargen zu beeinträchtigen. Im zweiten Fall könnte der Übergang zu einem neuen Modell die margenstarken Beratungseinnahmen traditioneller Systemanbieter untergraben. Die Autorin ist der Ansicht, dass die Tatsache, dass ein etablierter Wettbewerber nicht handelt, weil dies seinem bestehenden Geschäft schaden würde, selbst die Barriere darstellt.
Der zweite Vorteil: Netzwerkeffekte
Bei einem Modell mit Netzwerkeffekten steigt der Wert eines Produkts, je mehr neue Nutzer hinzukommen. Moatti verweist auf LinkedIn: Eine größere Zahl von Personalverantwortlichen zieht Kandidaten an, anschließend weitere Fachkräfte, was wiederum noch mehr Personalverantwortliche anzieht.
Netzwerkeffekte treten nur bei 5 % der untersuchten Unternehmen auf, erzielten jedoch einen Multiplikator von 4,2. Damit sind sie der Analyse zufolge der kapitaleffizienteste Weg zu einem starken Bewertungsaufschlag. Die Autorin ist der Ansicht, dass ihre Anwendung im Geschäftskundenbereich das Netzwerk nicht auf einzelne Nutzer beschränkt: Es könne Marken und Fabriken, Werbetreibende und Publikum oder Plattformen und Partner miteinander verbinden.
Wenn sich über diese Interaktionen Preis-, Produktionszyklus- und Publikumsdaten ansammeln, wird es schwieriger, das Netzwerk nachzuahmen. Die praktische Herausforderung besteht jedoch weiterhin darin, beide Seiten eines zweiseitigen Marktes gleichzeitig zur Teilnahme zu bewegen. Moatti sagt, dass ein Unternehmen, das das Kaltstartproblem erfolgreich überwindet, bereits einen Vermögenswert besitzt, den ein gut finanziertes Unternehmen – selbst mit einem besseren Modell – nicht direkt kaufen kann.
Barrieren, die stark wirken, aber weniger beständig sind
Beschränkte Ressourcen wie proprietäre Daten, geistiges Eigentum und exklusiver Zugang nehmen hinsichtlich ihrer Verbreitung eine führende Position ein: Sie treten bei 44 % der untersuchten Unternehmen auf. Ihr Multiplikator war jedoch mit 2,6 am niedrigsten. Die Autorin erklärt dies damit, dass Basismodelle und synthetische Daten die Fähigkeit vieler proprietärer Datensätze geschwächt hätten, ein nur schwer kopierbarer Vorteil zu bleiben.
Wechselkosten treten bei 37 % der Unternehmen auf. Sie können Kunden tatsächlich daran hindern, das Unternehmen zu verlassen, doch ihr Aufbau erfordert häufig eine tiefe Integration in das Unternehmen, kostspielige Verkaufszyklen und das Risiko einer Neugestaltung von Systemen. Ihr Multiplikator liegt bei etwa 4 und damit nahe an den Netzwerkeffekten, doch das für ihren Aufbau erforderliche Kapital ist dem Artikel zufolge ungefähr zehnmal höher.
Moatti ist der Ansicht, dass Wechselkosten effizienter werden können, wenn ein Unternehmen auf produktgetriebenes Wachstum setzt oder einen Grund schafft, der Nutzer zur Zusammenarbeit innerhalb der Plattform bewegt, wodurch sich diese Barriere allmählich in einen Netzwerkeffekt verwandelt.
Was bedeutet das für Start-ups?
Der Artikel stellt auch infrage, ob Skaleneffekte für die meisten Gründer eine zugängliche Strategie darstellen. Der Medianmultiplikator dieser Kategorie sinkt von 6,1 auf 3,2, wenn OpenAI und Anthropic ausgeschlossen werden. Zudem vereinen die beiden Unternehmen 88 % des Kapitals in dieser Kategorie auf sich. Daher unterscheidet die Autorin zwischen einer Verbesserung der Stückkosten mit zunehmender Größe und dem tatsächlichen Besitz einer auf Größe beruhenden Barriere.
Die redaktionelle Einordnung von certi.news: Dieser Artikel liefert keinen Beleg dafür, dass Gegenpositionierung und Netzwerkeffekte in jedem Markt die einzig möglichen Barrieren sind, da er auf einer begrenzten Stichprobe und Bewertungsmultiplikatoren statt auf einem direkten Kausaltest beruht. Er wirft jedoch eine wichtige praktische Frage für KI-Unternehmen auf: Was bleibt vom Geschäft übrig, wenn ein heutiger Wettbewerber mit mehr Kapital und einem besseren Modell startet? Die Antwort muss dem vorgetragenen Argument zufolge in der Gestaltung des Geschäftsmodells oder der Netzwerkstruktur liegen – nicht allein in der Existenz künstlicher Intelligenz.