{"slug": "das-moderne-burggrabenmodell", "title": "Das moderne Burggrabenmodell", "summary": "Generative KI treibt die Grenzkosten der Softwareproduktion gegen null und zerstört damit den wirtschaftlichen Burggraben reiner Software, während Chinas industrielle Agglomeration bereits den Hardware-Burggraben aufgelöst hat, so die zentrale These eines neuen Berichts. Dauerhafter Profit verlagert sich laut dem Bericht in die enge Kopplung von kundenspezifischer Hardware, spezialisierter Software, gewachsenen Beziehungen und proprietären Daten, wobei mindestens drei von vier Faktoren integriert werden müssen, um ein verteidigungsfähiges Unternehmen aufzubauen.", "body_md": "# Das moderne Burggrabenmodell\n\n**Table of Contents**\n\n## TL;DR\n\nDer prägende wirtschaftliche Burggraben des 21. Jahrhunderts, reine Software, bricht rapide zusammen, da Generative KI die Kosten für Code gegen null treibt – und damit widerspiegelt, wie die chinesische industrielle Agglomeration bereits den reinen Hardware-Burggraben zerstört hat. Weil die schiere Schwierigkeit der Produktion ein Unternehmen in keinem der beiden Bereiche mehr schützt, hat sich dauerhafter Profit in die komplexen Nähte zwischen Bits und Atomen verlagert. Um heute ein verteidigungsfähiges Unternehmen aufzubauen, müssen Gründer das generische Software-Anbietermodell aufgeben und stattdessen als Principal handeln, der einen echten physischen Arbeitsablauf von Anfang bis Ende besitzt. Indem mindestens drei von vier Schlüsselfaktoren eng integriert werden (kundenspezifische Hardware, spezialisierte Software, gewachsene Beziehungen und proprietäre Daten), kann ein modernes Unternehmen ein garantiertes Ergebnis liefern und dabei stillschweigend die geschlossene Daten-Schleife abschöpfen, die zum eigentlichen Burggraben wird, denn ein Wettbewerber, der heute startet, jagt keinem festen Vorsprung hinterher, sondern einem, der sich jedes Mal verlängert, wenn ein Auftrag erledigt wird.\n\n## Vorwort & Zweck\n\nDieser Bericht ist eine Ausarbeitung der einen Behauptung, auf der alles andere in meiner Burggrabentheorie beruht: Reine Software ist kein verteidigungsfähiger Burggraben mehr, und reine Hardware hörte auf, einer zu sein, sobald China seine Fertigungshegemonie skalierte. Beides wird oft als Schlagwort herumgereicht. Ich will hier das Schlagwort entfernen und den Mechanismus einsetzen. Ich will auf der Ebene der tatsächlichen Ökonomie erklären, warum jeder Zusammenbruch geschah, welche konkreten Annahmen stillschweigend zerbrachen, wie sich die beiden Zusammenbrüche gegenseitig verstärken, und wo dauerhafter Profit noch eingefangen werden kann. Ich habe dies so geschrieben, dass es für sich allein steht, damit ein zukünftiger Leser oder ein zukünftiges Modell das gesamte Argument ohne die Konversation, die es hervorgebracht hat, verstehen kann.\n\nHier ist die These, einmal formuliert und so präzise wie möglich. Etwa dreißig Jahre lang ging die Technologiestrategie davon aus, dass die digitale Welt dauerhaften, margenstarken, verteidigungsfähigen Profit erzeugt, während die physische Welt dünne, undifferenzierte, margenarme Massenware hervorbringt. Die beiden Schocks kamen nicht zusammen. Chinas Fertigungsagglomeration brach zuerst die produktionsbasierte Hardware-Verteidigungsfähigkeit, vor allem in den 2000er- und 2010er-Jahren. Generative KI bricht die produktionsbasierte Software-Verteidigungsfähigkeit später, in den 2020er-Jahren. **Generative KI trieb die Grenzkosten der Softwareproduktion gegen null**, wodurch die Barrieren aufgelöst wurden, die Software verteidigungsfähig machten. **Die chinesische industrielle Agglomeration trieb die Kosten und die Latenz physischer Iteration auf das Niveau der Kosten und Latenz von Software**, wodurch die Barrieren aufgelöst wurden, die Hardware verteidigungsfähig machten. Weder Bits allein noch Atome allein können also ein Unternehmen noch abschirmen. Dauerhafter Vorteil verlagerte sich aus jeder einzelnen Dimension heraus und hinein in die enge Kopplung von beidem, plus Beziehungen und proprietäre Daten.\n\nDas Dokument ist in zwei Hälften gegliedert:\n\n**Die Analyse.** Was ein Burggraben tatsächlich ist, warum jeder Bereich früher verteidigungsfähig war, welche Reibungen jeder Schock auflöste und was übrig bleibt. Diese Hälfte ist ökonomische Analyse und sie endet dort, wo Analyse endet.**Der moderne Burggraben.** Woraus Verteidigungsfähigkeit tatsächlich besteht, jetzt da weder Bits noch Atome Sie für sich allein schützen, und wie ein darauf aufgebautes Unternehmen in der Praxis aussieht.\n\n# Die Analyse: Wie beide Burggräben zusammenbrachen\n\n## Teil Eins: Was ein Burggraben tatsächlich ist\n\nBevor ich erkläre, wie die Burggräben zusammenbrachen, muss ich genau sein, was ein Burggraben ist, denn der lockere Gebrauch des Wortes ist für den Großteil des schlechten strategischen Denkens verantwortlich, das ich gesehen habe. **Ein Burggraben ist kein gutes Produkt. Ein Burggraben ist kein vorübergehender Vorsprung. Ein Burggraben ist nicht, der Erste zu sein.** Ein Burggraben ist ein strukturelles Merkmal eines Marktes, das es einem Unternehmen erlaubt, über lange Zeit Erträge oberhalb seiner Kapitalkosten zu erwirtschaften, ohne dass diese Erträge wegkonkurriert werden. In der Sprache der Industrieökonomie ist ein Burggraben eine dauerhafte Quelle von [ökonomischer Rente](https://en.wikipedia.org/wiki/Economic_rent).\n\nÖkonomische Rente ist der Überschuss, den ein Unternehmen über das Minimum hinaus verdient, das es akzeptieren würde, um offen zu bleiben, und in einem wirklich wettbewerblichen Markt geht dieser Überschuss gegen null. Unter [vollständiger Konkurrenz](https://en.wikipedia.org/wiki/Perfect_competition) wird der Preis auf die Grenzkosten gedrückt, Unternehmen verdienen nur ihre Kapitalkosten, und kein Überschussprofit bleibt bestehen. Jedes Rahmenwerk über Verteidigungsfähigkeit ist im Grunde eine Theorie darüber, wie ein bestimmtes Unternehmen diesen Zug hin zu Grenzkostenpreisen und Nullprofit vermeidet.\n\nDie klassische Liste stammt von [Michael Porter](https://en.wikipedia.org/wiki/Porter%27s_five_forces_analysis), dessen Fünf-Kräfte-Rahmen seit 1979 das Standardwerkzeug dafür ist, später verfeinert durch die Value-Investing-Szene. Er benennt eine kleine Zahl echter, dauerhafter Rentenquellen:\n\n**Eintrittsbarrieren**, die neue Wettbewerber fernhalten** Hohe Wechselkosten**, die bestehende Kunden binden** Netzwerkeffekte**, bei denen das Produkt wertvoller wird, je mehr Menschen es nutzen** Skaleneffekte**, die es etablierten Anbietern erlauben, Neueinsteiger zu unterbieten** Proprietäres geistiges Eigentum oder regulatorischer Schutz**, der Nachahmer rechtlich ausschließt** Kontrolle eines knappen Inputs oder Vertriebskanals**, an den Rivalen nicht herankommen\n\n### Jede Rentenquelle ist eine Reibung\n\nHier liegt die Einsicht, auf der der Rest dieses Berichts beruht. Jede dieser Rentenquellen ist eine Reibung. Ein Burggraben ist im Grunde nur eine Form von Reibung, die Wettbewerber nicht billig überwinden können:\n\n- Hohe Wechselkosten sind Reibung beim\n**Ausstieg des Kunden**. - Eintrittsbarrieren sind Reibung beim\n**Erscheinen des Wettbewerbers**. - Netzwerkeffekte sind Reibung bei\n**der Koordination, die nötig ist, damit Nutzer gemeinsam woanders hingehen**. - Fertigungsskala ist Reibung beim\n**Kapital und der Zeit, die ein Neueinsteiger versenken muss**, bevor er wettbewerbsfähige Stückkosten erreicht.\n\nDiese Neuformulierung ist sehr wichtig, denn sie sagt Ihnen genau, was etwas wie generative KI oder etwas wie chinesische industrielle Dichte tatsächlich mit einem Markt macht. Diese Kräfte greifen nicht Produkte an. Sie greifen Reibungen an. Sie sind Reibung auflösende Technologien. Und eine Reibung auflösende Technologie ist per Definition eine Burggraben auflösende Technologie.\n\nDas gesamte Argument dieses Berichts verdichtet sich in einem Satz:\n\nSoftware- und Hardware-Burggräben brachen zusammen, weil die spezifischen Reibungen, die ihre Rente erzeugten, genau die Reibungen waren, die KI und chinesische Agglomeration zufällig besonders gut darin waren zu beseitigen.\n\n## Teil Zwei: Der historische Software-Burggraben und warum Bits Geld druckten\n\nUm den Zusammenbruch zu verstehen, muss man zuerst verstehen, warum Software historisch die beste Geschäftsstruktur war, die der Kapitalismus je gefunden hat, denn der Zusammenbruch ist nur die Umkehrung der Dinge, die sie großartig machten.\n\nSoftware hatte eine fast einzigartige Kostenstruktur. Sie kombinierte **hohe Fixkosten für die erste Kopie** mit **nahezu null Grenzkosten, um jede weitere Kopie zu reproduzieren und auszuliefern**. Die erste Version eines komplexen Programms zu schreiben, erforderte einen knappen, teuren, langsam auszubildenden Pool von Ingenieuren, die monatelang oder jahrelang arbeiteten. Aber sobald sie geschrieben war, kostete die millionste Kopie im Grunde nichts in der Herstellung und nichts in der Auslieferung. Diese Asymmetrie erzeugte enorme operative Hebelwirkung. Reife horizontale Software kann Bruttomargen im Bereich von achtzig Prozent erzielen, wie [Atlassian für Q2 des Geschäftsjahres 2025 prognostizierte](https://www.businesswire.com/news/home/20250130093810/en), weil der Umsatz mit den Nutzern skaliert, während die Herstellungskosten kaum steigen. Aber diese Aussage ist weniger universell als früher, da verbrauchsintensive Software wie [Snowflake im Geschäftsjahr 2025 näher an 67 Prozent Bruttomarge lag](https://www.snowflake.com/en/news/press-releases/snowflake-reports-financial-results-for-the-fourth-quarter-and-full-year-of-fiscal-2025/), teilweise weil Drittanbieter-Cloud-Infrastruktur in den Umsatzkosten steckt. In ökonomischer Hinsicht verhielt sich Software wie ein reines [Informationsgut](https://en.wikipedia.org/wiki/Information_good), und Informationsgüter durchbrechen das normale Verhältnis zwischen Produktion und Kosten, das für physische Waren gilt.\n\nAber niedrige Grenzkosten allein schaffen keinen Burggraben. Wenn jeder das Gut billig herstellen kann, dann führen niedrige Grenzkosten zu ruinösem Wettbewerb, nicht zu Rente. Software verdiente Rente, weil die hohen Fixkosten der ersten Kopie als Eintrittsbarriere wirkten, und weil mehrere andere Reibungen sich darauf stapelten:\n\n**Knappheit an Ingenieurstalenten.** Nichttriviale Software zu bauen brauchte Leute, die teuer, schwer einzustellen und schwer zu koordinieren waren, also konnten die meisten potenziellen Wettbewerber schlicht das Team nicht zusammenstellen, um einen glaubwürdigen Klon zu bauen.**Zeit.** Selbst ein gut finanzierter Wettbewerber brauchte viele Monate, um Rückentwicklung zu betreiben, zu spezifizieren, zu bauen, zu testen und ein Konkurrenzprodukt auszuliefern, und während dieser Monate hatte der etablierte Anbieter ein vorübergehendes Monopol, um Nutzer, Umsatz und mehr Produktvertiefung anzusammeln.**Wechselkosten.** Sobald ein Kunde seine Daten in ein System verschoben, seine Mitarbeiter auf diese Oberfläche geschult und das System über individuelle Integrationen mit allem anderen verbunden hatte, wurde das Verlassen unerschwinglich teuer, selbst wenn etwas Besseres und Billigeres auftauchte.**Die Build-vs.-Buy-Rechnung.** Weil der Bau individueller interner Software selbst teuer und riskant war, kauften Unternehmen rational Standardprodukte von der Stange, statt ihre eigene zu bauen, was den Anbietern verpackter Software einen großen Markt sicherte.**Netzwerkeffekte und sich ansammelnde proprietäre Daten**, in den besten Fällen obendrauf.\n\n### Die strukturelle Verwundbarkeit\n\nSchauen Sie sich an, woraus diese Liste besteht. Nur eine dieser fünf Reibungen, der Netzwerkeffekt, ist intrinsisch auf der **Nachfrageseite** des Produkts. Die anderen vier, Talentknappheit, Bauzeit, Wechselkosten und der Build-vs.-Buy-Nachteil, sind allesamt **Angebotsseite-Produktionsreibungen**. Sie sind Artefakte davon, wie schwer, langsam und teuer Software herzustellen und zu ersetzen war.\n\nDas ist die Verwundbarkeit. Ein Unternehmen, dessen Verteidigungsfähigkeit größtenteils darauf beruht, wie schwer das Ding herzustellen ist, ist nur so lange verteidigungsfähig, wie die Produktion schwer bleibt. In dem Moment, in dem die Kosten für die Herstellung und den Ersatz von Software zusammenbrechen, brechen vier der fünf Säulen mit ihr zusammen, und nur der nachfrageseitige Netzwerkeffekt bleibt stehen.\n\nGenau diesen Zusammenbruch hat generative KI ausgelöst.\n\n## Teil Drei: Der KI-Schock & die Auflösung des Software-Graben\n\nDer richtige Weg, zu modellieren, was generative KI mit der Softwareökonomie gemacht hat, besteht darin, sie als **einen Schock für die Produktionsfunktion von Software** zu behandeln. In der grundlegenden Ökonomie sind die Kosten der Produktion von irgendetwas eine Funktion der Kosten seiner Inputs. Bei Software war der dominante Input immer qualifizierte menschliche kognitive Arbeit, konkret die Arbeit, aus einer geschäftlichen Anforderung korrekten, getesteten, einsetzbaren Code zu machen. Diese Arbeit war der knappe, teure Input, der die Eintrittsbarriere schuf.\n\nGenerative KI und autonome Programmieragenten greifen diesen Input direkt an. Sie erzeugen, refaktorisieren, debuggen, dokumentieren und stellen Code zu einem Bruchteil der historischen Kosten bei vielen Aufgaben bereit. [Ein kontrolliertes GitHub-Copilot-Experiment](https://arxiv.org/abs/2302.06590) ergab, dass Entwickler eine begrenzte Programmieraufgabe 55,8 Prozent schneller erledigten, und [eine Feldstudie mit 4.867 Entwicklern](https://mit-genai.pubpub.org/pub/v5iixksv) fand 26,08 Prozent mehr erledigte Aufgaben. Der Effekt ist real, aber ungleichmäßig, denn [eine randomisierte Studie von METR aus dem Jahr 2025](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) ergab, dass erfahrene Open-Source-Entwickler, die in vertrauten, ausgereiften Codebasen arbeiteten, mit frühen KI-Tools aus dem Jahr 2025 19 Prozent langsamer waren, obwohl sie glaubten, schneller zu sein. Die sichere Schlussfolgerung ist nicht, dass KI jeden Ingenieur in jeder Umgebung schneller macht. Sie ist, dass KI die Kosten der Codeerstellung komprimiert, besonders bei abgegrenzter, grüner und weniger senioriger Arbeit. **Der knappe Input wird reichlicher gemacht.** Wenn der Preis des kritischen knappen Inputs fällt, bricht die darauf gebaute Eintrittsbarriere mit ihm zusammen. Dieser eine Mechanismus pflanzt sich durch alle vier angebotsseitigen Säulen fort.\n\nDie Veränderung ist in den Werkzeugen sichtbar, die Entwickler tatsächlich verwenden. Zuerst kamen IDE-native Copiloten wie [Cursor](https://cursor.com/). Dann kamen terminal-native Coding-Agenten wie [Claude Code](https://code.claude.com/docs/en/cli-reference), [Codex CLI](https://learn.chatgpt.com/docs/codex/cli), [Kiro CLI](https://kiro.dev/cli/) und [OpenCode](https://opencode.ai/docs/cli/), bei denen das Modell das Repo liest, Dateien bearbeitet, Befehle ausführt und in derselben Umgebung iteriert wie der Ingenieur. Jetzt entsteht eine dritte Schicht rund um die Orchestrierung mehrerer Agenten, mit Werkzeugen wie [Conductor](https://www.conductor.build/), [Superset](https://superset.sh/) und [Hermes Agent](https://hermes-agent.nousresearch.com/), die mehrere Agenten über Projekte und Umgebungen hinweg koordinieren. Die Entwicklung ist klar. Sie hat sich von Autovervollständigung zu autonomen Agenten und dann zur Orchestrierung vieler Agenten parallel bewegt, und das wird sich nur beschleunigen. Digitale Arbeit wird jedes Jahr leichter zu automatisieren, und die Werkzeuge, die heute noch einen erfahrenen Operator erfordern, werden morgen immer weniger menschliches Eingreifen brauchen.\n\n### 1. Der Zusammenbruch der Eintrittsbarriere\n\nDie Einführung eines glaubwürdigen Softwareprodukts erforderte früher echtes Seed-Kapital, von dem der Großteil in die Einstellung der Ingenieure floss, die nötig waren, um ein MVP zu bauen. Diese Kapitalanforderung filterte den Markt. Nur Vorhaben, die Geld beschaffen und Talente rekrutieren konnten, lieferten überhaupt aus, und die daraus resultierende Knappheit an Wettbewerbern war selbst ein Teil des Schutzes des Platzhirsches.\n\nWenn ein Entwickler mit guter KI-Ausstattung eine polierte, funktionierende Anwendung in einem kleinen Bruchteil der früheren Zeit und Kosten entwerfen, bauen und veröffentlichen kann, verschwindet dieser Filter. Der Markt wird von Neueinsteigern überschwemmt. In wettbewerbsökonomischen Begriffen verschiebt sich die Angebotskurve von Softwarefunktionen massiv nach außen, und die grundlegende Preistheorie sagt ohne jede Unklarheit, was als Nächstes passiert. Wenn das Angebot eines substituierbaren Gutes stark expandiert, während die Nachfrage ungefähr fix bleibt, fällt der Preis in Richtung der Grenzkosten, und weil die Grenzkosten von Software nahe bei null liegen, wird auch der Preis in Richtung null gezogen. **Hyperabundanz des Softwareangebots ist mechanisch die Zerstörung der Preissetzungsmacht von Software.**\n\n### 2. Der Zusammenbruch des temporalen Vorteils\n\nDas war wahrscheinlich der wichtigste Software-Graben von allen. Die gesamte Logik des schnellen Auslieferns und Iterierens beruhte darauf, dass eine veröffentlichte Funktion ihrem Ersteller Monate exklusiven Vorsprungs verschaffte, bevor irgendjemand sie kopieren konnte. Diese Vorlaufzeit war das Zeitfenster, in dem Netzwerkeffekte, Marke und Kunden aufgebaut wurden.\n\nKI komprimiert den Imitationszyklus von Monaten auf Stunden. Ein Konkurrent kann die Oberfläche eines Produkts beobachten, sein Verhalten einem Coding-Agenten beschreiben und fast sofort einen funktionierenden Klon erhalten, ohne je den ursprünglichen Quellcode zu sehen, weil der Wert nie wirklich im spezifischen Code lag. Er lag in der Spezifikation, und Spezifikationen sind jetzt trivial billig umzusetzen.\n\nWenn die Imitationsverzögerung gegen null geht, verschwindet das temporäre Monopol, das schnelle Innovation gerechtfertigt hat. Innovation findet weiterhin statt, aber sie verdient keinen dauerhaften Aufschlag mehr, weil die Belohnung für Innovation sofort an Nachahmer weitergereicht wird. Das ist ein Lehrbuchfall dessen, was [David Teece](https://en.wikipedia.org/wiki/David_Teece) in seinem Papier von 1986 über die Verwertung technologischer Innovation den Appropriierbarkeits- bzw. Aneignungsproblem nannte. Innovation zahlt sich nur dann selbst, wenn der Innovator genug von dem Wert einfangen kann, den er schafft, bevor Imitation ihn wegkonkurriert. KI treibt die Aneignungsfähigkeit reiner Softwareinnovation gegen null.\n\n### 3. Die Auflösung der Wechselkosten\n\nDas war der stabilste der traditionellen Software-Gräben, weil er selbst dann funktionierte, wenn ein Konkurrenzprodukt klar besser war. Aber Wechselkosten bestanden selbst aus Reibungen: Daten von einem Schema in ein anderes migrieren, benutzerdefinierte Integrationen neu aufbauen und Mitarbeiter auf eine ungewohnte Oberfläche schulen. Genau das ist die Art von mühsamer, musterbasierter Übersetzungsarbeit, in der KI gut ist.\n\nKI-gestützte Datenzuordnung kann eine komplexe Datenbank schnell und billig aus der Struktur eines Systems in die eines anderen aufnehmen, normalisieren und migrieren. Natürliche Sprachschnittstellen senken die Schulungskosten, weil Nutzer zunehmend über Konversation statt durch das Auswendiglernen eines proprietären Menübaums interagieren, was bedeutet, dass die in der Oberfläche eines Anbieters gebundene angesammelte Fertigkeit nicht länger als Wechselstrafe funktioniert.\n\nWenn die Kosten des Verlassens sinken, sinkt mit ihnen der Lebenszeitwert eines gewonnenen Kunden, die Akquisekosten steigen relativ zu diesem schrumpfenden Lebenszeitwert, und die Stückökonomie des gesamten Abonnementmodells verschlechtert sich. **Ein Graben, der auf der Unfähigkeit des Kunden zu gehen basiert, löst sich auf, wenn Gehen billig wird.**\n\n### 4. Die Umkehrung von Selber bauen versus kaufen\n\nDas zerstört leise den adressierbaren Markt selbst. Unternehmen kauften Standardsoftware, weil der Aufbau maßgeschneiderter interner Werkzeuge zu teuer, zu langsam und zu riskant war, um ihn für irgendetwas außer ihren am stärksten differenzierten Bedürfnissen zu rechtfertigen. Genau dieser Aufschlag auf internes Bauen garantierte den Anbietern einen großen Markt.\n\nWenn KI-Agenten internen Teams, selbst nichttechnischen, erlauben, maßgeschneiderte Anwendungen zu erzeugen, die auf ihre eigenen Arbeitsabläufe zugeschnitten sind, verschwindet der Nachteil des Selberbauens, und die rationale Wahl verschiebt sich vom Kauf eines generischen Abonnements hin zur Erzeugung eines privaten Werkzeugs, das perfekt passt und keine wiederkehrende Lizenz kostet.\n\nDas macht nicht nur den Wettbewerb unter Anbietern intensiver. **Es verkleinert den gesamten adressierbaren Markt, um den die Anbieter konkurrieren**, weil ein wachsender Anteil der Softwarenachfrage intern befriedigt wird und den externen Markt überhaupt nie erreicht. Wert wandert von externen Softwareanbietern in interne operative Fähigkeit, das heißt, er hört auf, ein Markt zu sein, und wird zu interner Kosteneffizienz.\n\nDas ist dasselbe, was ich in meiner Schrift [The Barbell of Software Value](https://mehmetmhy.com/posts/barbell_theory/) **Interne Softwarehebelwirkung** genannt habe, nur von der Seite des Anbieters statt von der des Käufers aus betrachtet.\n\n### Das Ergebnis & Was *nicht* zusammenbricht\n\nFasst man diese vier Mechanismen zusammen, erhält man die Kommodifizierung reiner Software. Die Branche tritt in eine Software-Überabundanz ein, in der funktionale Anwendungen billig zu bauen, sofort klonbar und zunehmend intern auf Abruf erzeugt sind. Unter diesen Bedingungen hört der Code selbst auf, eine Quelle von Rente zu sein, genau wie jedes Gut keine Rente mehr erzielt, sobald es abundant und substituierbar wird. **Wert entkoppelt sich vom Code.**\n\nEhrlich zu sein erfordert, klar zu sagen, was nicht zusammenbricht, denn das zu übertreiben würde es falsch machen. Generative KI greift angebotsseitige Produktionsreibungen an. Für sich genommen greift sie nicht nachfrageseitige und systemische Reibungen an.\n\n**Netzwerkeffekte überleben**, weil KI die Software eines sozialen Netzwerks in einem Nachmittag klonen kann, aber nicht die Nutzer klonen kann, und die Nutzer sind der Vermögenswert.**Proprietäre Datengräben überleben und werden tatsächlich stärker**, weil KI Code billiger macht, während die seltenen Daten, die sie trainieren, wertvoller werden.** Vertrieb und Marke überleben**, weil Aufmerksamkeit und Vertrauen knapp bleiben, selbst wenn Funktionen kostenlos sind.** Regulatorische und Compliance-Barrieren überleben**, weil ein Coding-Agent keine Banklizenz, keine Medizinproduktezulassung und keine Luftfahrtzertifizierung erzeugen kann.**Tiefe Integration in physische oder regulierte operative Realität überlebt**, weil Code billig ist, aber Sensoren zu installieren, Vertrauen zu verdienen und unter regulatorischer Genehmigung zu arbeiten nicht billig sind.\n\nAlso lautet die präzise Behauptung nicht, dass alle Softwareunternehmen sterben. Sie lautet, dass der spezifische, einst dominante Burggraben reiner, eigenständiger, verpackter Software, verteidigt durch die Schwierigkeit, Code zu schreiben und zu ersetzen, zerstört worden ist. Was überlebt, ist Software, die an etwas gebunden ist, das KI nicht billig reproduzieren kann: ein Netzwerk, ein Datensatz, eine regulatorische Position, ein Vertriebskanal oder ein physischer Betrieb. **Software, die frei von all dem schwebt, ist jetzt eine Ware.**\n\n## Teil Vier: Der historische Hardware-Burggraben & warum Atome schwierig waren\n\nDas Hardware-Argument folgt derselben Disziplin. Zuerst wird dargelegt, warum Hardware früher verteidigungsfähig war, dann wird gezeigt, welche dieser Verteidigungen Chinas Produktionssystem aufgelöst hat.\n\nHardware war aus nahezu den entgegengesetzten Gründen verteidigungsfähig wie Software, und die Kapitalmärkte behandelten die beiden als Gegensätze. Während Software nahezu null Grenzkosten hatte, hatte Hardware hohe und zähe Grenzkosten, weil jede physische Einheit Materialien, Energie, Arbeit und Maschinenzeit verschlang. Während Software sofort und unbegrenzt ausgeliefert werden konnte, war Hardware an die Physik von Produktion und Logistik gebunden. Diese Eigenschaften machten Hardware am Rand zu einem schlechteren Geschäft, aber sie machten sie auch, seltsamerweise, auf eine bestimmte Weise verteidigungsfähig, weil die Schwierigkeit der physischen Produktion als Barriere wirkte, die ein gut geführtes Hardwareunternehmen vor beiläufiger Nachahmung schützte.\n\nDie spezifischen Reibungen, die Hardware schützten, waren diese:\n\n-\n**Werkzeugkapital.** Die Herstellung eines physischen Produkts in großem Maßstab erforderte spezialisiertes Werkzeug, vor allem die Spritzgussformen und Gussmatrizen, mit denen Kunststoff- und Metallteile geformt werden, und diese Werkzeuge kosteten Zehn- oder Hunderttausende von Dollar und erzwangen hohe Mindestbestellmengen. Das war eine harte Kapitalschranke, die die meisten Neueinsteiger nicht überwinden konnten, und sie schützte die etablierten Anbieter, die ihr Werkzeug bereits abgeschrieben hatten. -\n**Iterationslatenz.** Die Verfeinerung eines physischen Designs bedeutete, neues Werkzeug zu schneiden, Toleranzen anzupassen und physische Testserien laufen zu lassen, ein Kreislauf, der pro Durchgang Wochen oder Monate dauerte und jedes Mal teuer war, sodass physische Produkte sich langsam verbesserten und ein Konkurrent eine lange, kostspielige Kampagne brauchte, um aufzuholen. -\n**Lieferkettenmontage.** Ein physisches Produkt ist eine Stückliste, die von vielen spezialisierten Lieferanten bezogen wird, und diese Lieferanten waren früher über Firmen, Regionen und Länder verstreut, sodass der Aufbau einer funktionierenden Lieferkette das Verhandeln mit isolierten Anbietern, das Hinnehmen langer Vorlaufzeiten und das Bewältigen komplizierter Logistik bedeutete. -\n**Präzision und Prozesswissen.** Das angesammelte, oft implizite Know-how, das erforderlich ist, um ein Design tatsächlich mit akzeptablem Ertrag zu fertigen. Es überträgt sich nicht aus einer Zeichnung. Man muss es durch Tun lernen. -\n**Distribution.** Die Notwendigkeit, physische Produkte über Einzelhändler, Distributoren und Regalflächen, die selbst knapp und gatekeeped waren, zu den Käufern zu bringen.\n\nBetrachte die Zusammensetzung noch einmal, genau wie bei Software. Der Hardware-Burggraben bestand überwiegend aus einer Reihe von Produktions- und Logistikreibungen: Werkzeugkapital, Iterationslatenz, Lieferkettenmontage, Prozessausbeute und physische Distribution. Er wurde dadurch verteidigt, wie schwer, langsam und teuer es war, ein Design in ein ausgeliefertes physisches Objekt zu verwandeln. Und genau wie bei Software gilt: Eine Verteidigung, die auf der Schwierigkeit der Produktion beruht, ist nur so lange dauerhaft, wie die Produktion schwierig bleibt.\n\n**Chinas Beitrag zur Wirtschaftsgeschichte bestand jedoch darin, die physische Produktion über ein enormes Spektrum von Gütern hinweg nicht mehr schwierig zu machen.**\n\n## Teil Fünf: Der China-Schock, industrielle Agglomeration & das Ende des Hardware-Burggrabens\n\nDas häufigste Missverständnis der chinesischen Produktionsdominanz ist, dass es eine Geschichte über billige Arbeit sei. Das war in der ersten Phase teilweise wahr und ist heute größtenteils falsch, und es falsch zu verstehen führt direkt zu der gescheiterten Schlussfolgerung, dass Reshoring oder die Verlagerung der Produktion in das nächste Niedriglohnland die alte Ordnung wiederherstellen werde.\n\nDie eigentliche Erklärung ist, dass China in einer Dichte und einem Maßstab, den niemand zuvor gesehen hatte, das Phänomen aufgebaut hat, das [Alfred Marshall](https://en.wikipedia.org/wiki/Alfred_Marshall) vor über einem Jahrhundert als [industrielle Agglomeration](https://en.wikipedia.org/wiki/Economies_of_agglomeration) beschrieben hat. Diese Agglomeration, nicht Lohnarbitrage, ist es, die den Hardware-Burggraben auseinander genommen hat. Diese Unterscheidung ist der gesamte Punkt dieses Abschnitts, und ich bin nicht der Erste, der sie macht. Andrew „bunnie“ Huang hat die Shenzhen-Version davon seit über einem Jahrzehnt aus erster Hand in [The Hardware Hacker](https://someplace-else.neocities.org/books/The%20Hardware%20Hacker.pdf) dokumentiert.\n\n### Marshallsche externe Ökonomien\n\nIndustrielle Agglomeration ist die sich selbst verstärkende geografische Clusterbildung verbundener Industrien, Komponentenlieferanten, Hersteller von Teilbaugruppen, Rohstoffverarbeiter, Werkzeugmacher, Auftragsfertiger, Logistikanbieter und spezialisierter Fachkräfte, alles dicht gepackt in derselben Region. Marshall identifizierte, warum solche Cluster Vorteile erzeugen, die kein isoliertes Unternehmen erreichen kann:\n\n- Sie schaffen einen\n**tiefen gemeinsamen Arbeitskräftepool** spezialisierter Arbeiter. - Sie unterstützen\n**spezialisierte lokale Lieferanten**, die niemals überleben könnten, wenn sie nur einen entfernten Kunden bedienen, aber davon profitieren, einen dichten Cluster solcher Kunden zu bedienen. - Sie erzeugen\n**Wissensspillover**, bei denen Prozessverbesserungen sich schnell durch den Cluster verbreiten, weil die relevanten Personen physisch nahe beieinander sind und sich untereinander bewegen.\n\nDiese drei Kräfte sind die marshallischen externen Ökonomien, und sie bedeuten, dass ein Unternehmen innerhalb des Clusters niedrigere Kosten, schnellere Iteration und bessere Informationen erhält als ein identisches Unternehmen außerhalb davon, ganz gleich, wie effizient dieses externe Unternehmen für sich genommen ist.\n\n### Transaktionskosten brechen zusammen\n\nIm Perlflussdelta und insbesondere in Shenzhen erreichte die Agglomeration eine Dichte ohne historischen Präzedenzfall. Die praktische Folge lässt sich am einfachsten durch die Transaktionskostentheorie von Ronald Coase erkennen. Coase erklärte, dass die Grenze und Geschwindigkeit wirtschaftlicher Aktivität durch Transaktionskosten bestimmt werden, also durch die Kosten der Suche nach Lieferanten, des Aushandelns von Konditionen und der Koordination der Produktion zwischen Unternehmen. In einer weit verstreuten Lieferkette sind diese Kosten enorm, und sie sind der eigentliche Inhalt der dritten Reibung des Hardware-Burggrabens.\n\nIn einem hyperdichten Cluster brechen die Transaktionskosten fast auf null zusammen. Die gesamte Lieferkette für die meisten elektronischen und mechanischen Geräte befindet sich innerhalb eines kleinen Radius, sodass Suchen, Beschaffen, Verhandeln und Koordinieren, was früher über Kontinente hinweg Wochen dauerte, nun über einen Bezirk hinweg Stunden dauert. Ein Designer kann ein Gerät spezifizieren, noch am selben Tag alle Komponenten vor Ort beschaffen, über Nacht eine kundenspezifische Leiterplatte fertigen und bestücken lassen und am nächsten Morgen einen funktionierenden Prototypen in der Hand halten.\n\nDas ist nicht billigere Arbeit. Das ist die nahezu vollständige Eliminierung von Transaktionskosten und Iterationslatenz, und das ist etwas kategorisch anderes und weit mächtigeres.\n\nAus dieser Dichte heraus lösten vier Mechanismen den Hardware-Burggraben auf, in spiegelbildlicher Entsprechung zu den vier auf Software angewandten KI-Effekten.\n\n### 1. Der Zusammenbruch der Iterationslatenz\n\nDas ist die Hardware-Version davon, dass Software ihren zeitlichen Vorteil verliert. In der verstreuten westlichen Lieferkette dauerte ein physischer Design-Durchlauf Wochen und kostete viel, sodass sich Hardware langsam verbesserte und der Verfeinerungsvorsprung des etablierten Anbieters hielt. Innerhalb des Clusters nähert sich die physische Iteration der Geschwindigkeit der Software-Iteration an. Formen werden geändert, Leiterplattenlayouts angepasst und Testserien innerhalb von Tagen durchgeführt.\n\nDie strategische Folge ist brutal. Jedes Hardwaredesign, das im Westen entworfen wird, kann innerhalb des Clusters schneller beobachtet, rückentwickelt, auf Herstellbarkeit optimiert und in Massenproduktion gebracht werden, als das ursprünglich westliche Unternehmen seinen eigenen zweiten Prototypen fertigstellen kann. **Die Vorlaufzeit des Urhebers, die die Quelle seiner Rente war, ist negativ. Der Nachahmer liefert zuerst die verbesserte, billigere Version aus.**\n\n### 2. Der Zusammenbruch des Werkzeugkapitals\n\nDas ist die Hardware-Version davon, dass die Eintrittsbarriere bei Software fällt. Die Zehntausenden von Dollar und hohen Mindestbestellmengen, die früher die physische Produktion abschotteten, wurden innerhalb des Clusters durch schnelle computergeführte Bearbeitung, standardisierte modulare Formbasen, die umkonfiguriert statt neu geschnitten werden, und erbittert wettbewerbsintensive Werkzeugshops mit hohem Durchsatz wegoptimiert. Kleinserien- und hochgradig kundenspezifische Hardware kann jetzt zu einer Kostenstruktur hergestellt werden, die früher nur großen multinationalen Konzernen zur Verfügung stand. Die Kapitalschranke, die Hardware-Neueinsteiger herausfilterte, ist weitgehend gefallen, genau wie diejenige, die Software-Neueinsteiger herausfilterte, und der Markt wird von demselben vorhersehbaren Abwärtsdruck auf die Preise überschwemmt.\n\n### 3. Die Erfahrungskurve, verstärkt durch Automatisierung\n\nDieser Mechanismus ist es, der den Kostenvorsprung dauerhaft festschreibt, und er ist der Grund, warum der Vorteil nicht dadurch weg-arbitragiert werden kann, dass man irgendwo anders hingeht. [Wrights Gesetz](https://en.wikipedia.org/wiki/Experience_curve_effects), erstmals 1936 von Theodore Wright auf Grundlage von Daten aus der Flugzeugproduktion beschrieben und später von der Boston Consulting Group als Erfahrungskurve verallgemeinert, ist eine der zuverlässigsten empirischen Regelmäßigkeiten in der Industrieökonomie. Es besagt, dass bei vielen Produkten die Stückkosten um einen konstanten Prozentsatz sinken, jedes Mal wenn sich das kumulierte Produktionsvolumen verdoppelt, weil die Organisation durch angesammeltes Tun lernt, effizienter zu fertigen.\n\nWeil der Cluster einen überwältigenden Anteil des weltweiten kumulierten Volumens über zahllose Produktkategorien hinweg produziert, liegt er weit unten auf der Erfahrungskurve, während jeder neue Marktteilnehmer mit geringem kumuliertem Volumen ganz oben steht. Die moderne chinesische Fertigung verstärkt diesen Lernvorteil dann noch durch kapitalintensive Automatisierung, fortgeschrittene Robotik, Hochgeschwindigkeits-automatisierte optische Inspektion und vertikale Integration, die sich bis ganz zurück in die Rohstoffe erstreckt.\n\nDas ist genau der Punkt, an dem die Erklärung über Lohnkosten stirbt. Der moderne Vorteil sind nicht niedrige Löhne. Er ist **angesammeltes Lernen plus automatisierte Skalierung plus Lieferantendichte**, und ein Neuankömmling kann diese Kombination mit keiner kurzfristigen Maßnahme reproduzieren, ob mit hohen oder niedrigen Löhnen, weil man nicht einfach jahrzehntelange kumulierte Produktionserfahrung oder das dazugehörige Lieferanten-Ökosystem kaufen kann.\n\n### 4. Der Zusammenbruch der Distributionsreibung\n\nDies ist die Hardware-Version davon, wie KI die Notwendigkeit untergräbt, über etablierte Softwarekanäle zu gehen. Globale digitale Marktplätze und hyper-effiziente Paketlogistik erlauben es Herstellern innerhalb des Clusters, westliche Distributoren, Großhändler und Ladenflächen im Einzelhandel völlig zu umgehen, direkt auf globalen Plattformen zu listen und in wenigen Tagen an die Haustür eines Verbrauchers zu liefern. Die letzte Reibung, die eine etablierte Hardware-Marke schützt — ihre Kontrolle über Regale und Vertriebskanäle — wird umgangen. Ein funktional gleichwertiges Gerät erreicht denselben Kunden zu einem Bruchteil des Markenpreises, ohne jemals das Vertriebssystem des etablierten Anbieters zu berühren.\n\n### Die industrielle Gemeingutmasse & Warum Re-Industrialisierung so schwer ist\n\nDie wichtigste Konsequenz all dessen, und diejenige, die am häufigsten übersehen wird, betrifft das Reshoring, und hier ist die Idee der **industriellen Gemeingutmasse** von Bedeutung. Gary Pisano und Willy Shih prägten diesen Begriff in [Restoring American Competitiveness](https://hbr.org/2009/07/restoring-american-competitiveness) ([PDF](https://dailyreporter.com/files/2012/11/restoring-american-competitiveness.pdf)) im Jahr 2009. Ihre Beobachtung war, dass Fertigungskompetenz kein Merkmal einzelner Unternehmen ist. Sie ist ein Merkmal eines Ökosystems, einer gemeinsamen lokalen Basis aus Zulieferern, Werkzeugmachern, Prozessingenieuren und implizitem Know-how.\n\nWenn ein Land die Produktion auslagert, verliert es nicht einfach Fabriken. Mit der Zeit verliert es die umliegende Gemeingutmasse, weil die Zulieferer, Werkzeugmacher und qualifizierten Prozessingenieure verkümmern oder abwandern, sobald es keine lokale Nachfrage mehr gibt, die sie am Leben hält. Ist die Gemeingutmasse einmal weg, kann kein einzelnes Unternehmen und kein Subventionsprogramm sie schnell wieder aufbauen, weil eine einzelne zurückverlagerte Fabrik keine lokalen Zulieferer hat, keine lokalen Werkzeugmacher, keinen lokalen Pool erfahrener Prozessingenieure und damit keines der Marshall’schen externen Skalenvorteile, die den Cluster ursprünglich effizient gemacht haben.\n\nDeshalb ist das Reshoring einer standardisierten Hardware-Kategorie so schwer und so teuer. Der Vorteil, den der Reshoring-Akteur zu reproduzieren versucht, lag nie in der Fabrik selbst. Er lag im Ökosystem um die Fabrik herum, und dieses Ökosystem ist nicht mehr vor Ort. **Der Burggraben ist nicht nach China gewandert, weil chinesische Firmen einzeln besser wären. Er ist gewandert, weil die Gemeingutmasse gewandert ist, und eine Gemeingutmasse ist ein kollektives Gut, das sich durch individuelle Maßnahmen nicht wieder aufbauen lässt.**\n\nDie makroökonomische Schlussfolgerung für Hardware verläuft exakt parallel zu der für Software. In dem Moment, in dem die Spezifikationen eines physischen Produkts bekannt sind, kann das hyperdichte Fertigungs-Ökosystem es replizieren, für die Produktion optimieren und direkt zu einer Kostenstruktur vertreiben, die die Marge des Urhebers vernichtet. Standalone-Hardware, die nur durch die Schwierigkeit der physischen Produktion verteidigt wird, ist zur Ware geworden, weil diese Schwierigkeit für einen enormen Bereich von Gütern nicht mehr existiert.\n\n## Teil Sechs: Der sequentielle Zusammenbruch & seine strategischen Konsequenzen\n\nMenschen analysieren die beiden Zusammenbrüche normalerweise getrennt, und chronologisch sollte man das auch so tun. Der Hardware-Zusammenbruch kam zuerst. Chinesische Agglomeration machte die produktionsbasierte Verteidigungsfähigkeit von Hardware in der Unterhaltungselektronik und vielen Gütern mittlerer Komplexität schon Jahre vor der Relevanz generativer KI-Coding-Tools schwach. Der Software-Zusammenbruch kam später. Das eigentliche Ereignis für einen Gründer heute ist nicht, dass sie gleichzeitig begonnen haben. Es ist, dass beide Bedingungen nun auf dem Markt vorhanden sind.\n\nFrühere Epochen boten noch einen Ausweg. Wenn Software wettbewerbsintensiv wurde, konnte Kapital in verteidigungsfähige Hardware fließen. Wenn Hardware wettbewerbsintensiv wurde, konnte Kapital in verteidigungsfähige Software fließen. Die beiden Domänen waren abwechselnde Zufluchtsorte. Diese Rotation funktioniert nicht mehr. **Reine Atome haben ihren Produktions-Burggraben bereits verloren, und reine Bits verlieren ihren jetzt ebenfalls.** Es gibt keinen Zufluchtsort der reinen Bits mehr und keinen Zufluchtsort der reinen Atome mehr. Das ist die tiefere Bedeutung des [Barbells, über den ich letztes Jahr geschrieben habe](https://mehmetmhy.com/posts/barbell_theory/). Die Mitte, in der sich ein Unternehmen darauf verließ, dass eine Dimension schwierig sei, ist von beiden Seiten ausgehöhlt worden.\n\n### Erste-Ordnung-Folge: Verallgemeinerter deflationärer Druck\n\nWenn die Grenzkosten von Software gegen null gehen und die effektiven Kosten der physischen Replikation auf den hyper-effizienten Boden des Clusters zusteuern, drückt der Wettbewerb die Preise in beiden Domänen in Richtung dieser Böden. Das ist für Verbraucher disinflationär und für Produzenten ohne Burggraben zerstörerisch, und es erklärt ein Rätsel, das viele Menschen bemerken: enorme technologische Fortschritte stehen direkt neben schrumpfenden Margen für die Firmen, die tatsächlich produzieren. **Der Fortschritt wird von den Konsumenten und von Nachahmern abgeschöpft statt von Innovatoren**, genau weil die Aneignbarkeit in beiden Domänen zusammengebrochen ist.\n\n### Zweite-Ordnung-Folge: Die Rente wandert entlang der Smile-Kurve\n\n[Stan Shih](https://en.wikipedia.org/wiki/Stan_Shih), der Gründer von Acer, schlug um 1992 die [Smile-Kurve](https://en.wikipedia.org/wiki/Smiling_curve) vor. Trägt man die Wertschöpfung gegen die Produktionsstufen in einer Fertigungs-Wertschöpfungskette auf, ergibt sich eine Form wie ein Lächeln. Ben Thompson hat sie [für das Verlagswesen angepasst](https://stratechery.com/2014/publishers-smiling-curve/), was lesenswert ist, weil es zeigt, dass die Kurve eigentlich gar nicht wirklich von der Fertigung handelt. Hier ist das Original:\n\nShihs Stufen sind diese:\n\n**Hohe Wertschöpfung stromaufwärts**, also Design, Branding und geistiges Eigentum** Ein tiefes Tal in der Mitte**, also physische Montage und Fertigung, die Stufe, die sich am leichtesten zur Ware macht** Hohe Wertschöpfung stromabwärts**, also Vertrieb, Service und die Kundenbeziehung\n\nChinas Aufstieg hat die Mitte dieser Kurve für Hardware abgeflacht und zur Ware gemacht. Generative KI macht nun das entsprechende Mittel für Software zur Ware, also den bloßen Akt des Programmierens. Die daraus folgende Anweisung ist in beiden Fällen identisch: **Verlasse die standardisierte Mitte und bewege dich zu den Enden des Lächelns.**\n\nAber die Enden sind genau die nachfrageseitigen und systemischen Vermögenswerte, die weder KI noch Fertigungsdichte billig replizieren können. Stromaufwärts bedeutet das proprietäre Daten, echte Forschung und wirkliche Design-Einsicht. Stromabwärts bedeutet Marke, Vertrauen, Vertrieb, regulatorische Stellung und die Kontrolle über die Kundenbeziehung und das operative Ergebnis.\n\n### Dritte-Ordnung-Folge: Die Rente wandert in die Nähte\n\nDies ist die Konsequenz, die die Analyse mit der Strategie verbindet. Dauerhafte Rente ist aus jeder einzelnen Dimension heraus und in die Kopplung zwischen den Dimensionen gewandert, sowie in Vermögenswerte, die ganz außerhalb der Produktion liegen. Wenn reiner Code kostenlos ist und reine Atome billig sind, dann sind die Reibungen, die noch immer Rente erzeugen, diejenigen, die in den Nähten leben:\n\n**Die enge Mitentwicklung von kundenspezifischer Hardware mit kundenspezifischer Software**, sodass weder das eine noch das andere für einen Nachahmer ohne das jeweils andere nützlich ist.** Die proprietären Daten, die beim Betrieb eines realen physischen oder regulierten Arbeitsablaufs entstehen**, die genau deshalb knapp sind, weil sie ein Nebenprodukt der Arbeit sind und nichts, was kopiert werden kann.** Die tiefen, langsam aufzubauenden Beziehungen und regulatorischen Akkreditierungen**in konservativen Branchen, in denen ein billigerer Klon disqualifiziert wird, bevor ihn überhaupt jemand bewertet.** Die Position des Prinzipals**, bei der ein Unternehmen kein commoditisierbares Werkzeug verkauft, sondern den Betrieb selbst besitzt, die Haftung übernimmt, das Ergebnis garantiert und sowohl den gesamten Gewinnpool als auch den exklusiven Datenabfluss abschöpft.\n\nDies sind die Reibungen, die KI und chinesische Agglomeration strukturell nicht auflösen können, weil sie überhaupt keine Produktionsreibungen sind. Sie sind Reibungen des Vertrauens, des physischen Zugangs, der Regulierung, der angesammelten Beobachtung der realen Welt und des operativen Eigentums.\n\n## Teil Sieben: Grenzen, Gegenargumente & ehrlich damit umgehen\n\nEine so weitreichende These muss an ihren stärksten Einwänden auf die Probe gestellt werden, weil eine Strategie, die auf einer übertriebenen Prämisse aufbaut, genau dort scheitert, wo die Prämisse zu stark war.\n\n### Einwand 1: KI-generierte Software ist noch nicht auf Frontier-Niveau\n\nDer erste Einwand lautet, dass KI-generierte Software für die komplexesten, zuverlässigsten oder wirklich neuartigen Systeme noch nicht gleichwertig mit von Experten entwickelter Software ist und dass es weiterhin eine echte Qualitätsgrenze gibt, die Massenware-Generierung von Frontier-Engineering trennt.\n\n**Das stimmt, und das ist wichtig.** Das Argument der Kommodifizierung greift am stärksten für den großen Bestand an konventioneller Anwendungssoftware, deren Logik längst ausgetretene Pfade folgt. An der eigentlichen Frontier, bei neuartigen Algorithmen, bei Systemen, die extreme Zuverlässigkeit oder Sicherheit verlangen, und bei Problemen ohne Vorbild in den Trainingsdaten, verlangt das Urteil erfahrener Menschen weiterhin eine Rendite. Die präzise Behauptung lautet also, dass KI den Burggraben für die kommodifizierbare Mehrheit der Software einreißt, nicht dass sie jeden Softwarewert abschafft.\n\nAber die Bewegungsrichtung ist strategisch entscheidend, denn die Frontier, die noch verteidigungsfähig bleibt, ist schmal, sie verschiebt sich ständig, und sie ist eine schlechte Grundlage für ein dauerhaftes Geschäft, sofern sie nicht an einen der oben genannten Nicht-Produktion-Burggräben gekoppelt ist.\n\n### Einwand 2: Chinesische Dominanz ist ungleichmäßig und politisch umkämpft\n\nDer zweite Einwand lautet, dass die chinesische Fertigungsdominanz über die Kategorien hinweg ungleichmäßig ist und inzwischen ernsthaften geopolitischen Gegenkräften ausgesetzt ist, darunter Zölle, Exportkontrollen, sicherheitspolitisch motiviertes Reshoring und gezieltes Friend-Shoring kritischer Lieferketten.\n\n**Auch das stimmt.** Das Argument der Kommodifizierung ist am stärksten bei Unterhaltungselektronik, mechanischen Gütern und Montagen mittlerer Komplexität und am schwächsten an der obersten Spitze des Technologiespektrums, am offensichtlichsten bei der fortgeschrittenen Halbleiterfertigung, wo extreme Kapitalintensität und eine Handvoll unersetzlicher Zulieferer ihre eigenen Burggräben schaffen. Politik kann zudem die von Agglomeration entfernten Reibungen künstlich wieder einführen, etwa durch Zölle, die die Landed Cost des Nachahmers erhöhen, oder durch Exportkontrollen, die ihm Inputs verweigern.\n\nAber genau diese Gegenkräfte **bestätigen** die zentrale Schlussfolgerung vielmehr, als dass sie sie untergraben, weil sowohl der verbleibende Halbleiter-Burggraben als auch der politisch getriebene Reshoring-Burggraben wiederum keine Burggräben aus reiner Hardware sind. Es sind Burggräben extremer Kapitalmaßstäblichkeit, einer unersetzlichen Lieferantenposition sowie regulatorischer und geopolitischer Beziehungen. Genau das sind die Nicht-Produktion-, Beziehungs- und Positionsreibungen, zu denen die Rente laut diesem Bericht gewandert ist.\n\n### Einwand 3: Warum sind die großen Incumbents dann immer noch so profitabel?\n\nDer dritte Einwand ist der subtile. Wenn sowohl Software als auch Hardware kommodifiziert sind, warum sind dann die größten Technologiekonzerne immer noch außerordentlich profitabel?\n\nDie Antwort lautet, dass **diese Incumbents nie tatsächlich durch reine Software oder reine Hardware verteidigt wurden.** Ihre wirklichen Burggräben sind Netzwerkeffekte, Kontrolle über Vertrieb und Aufmerksamkeit, proprietäre Daten in zivilisatorischem Maßstab, Ökosystem-Lock-in und in manchen Fällen regulatorische Verankerung. Der hier beschriebene Zusammenbruch bedroht nichts davon, und verstärkt es in mancher Hinsicht sogar, weil mit der Kommodifizierung der reinen Produktion der relative Wert der Nicht-Produktion-Assets steigt, die die Incumbents bereits besitzen.\n\nDas ist vollkommen konsistent mit der These. Die Kommodifizierung der Produktion glättet nicht alle Gewinne. Sie verlagert Gewinne weg von Firmen, deren einziger Vorteil darin bestand, dass Produktion schwer war, und hin zu Firmen, die die Reibungen besitzen, die Produktion nicht berühren kann. Die Incumbents überleben, weil sie nie Unternehmen mit nur einer Dimension waren. **Das ist die Lehre, nicht die Ausnahme.**\n\n## Teil Acht: Synthese und die Brücke zum modernen Burggraben\n\nDie beiden Zusammenbrüche in diesem Bericht sind im Kern derselbe Mechanismus, der sich in zwei Domänen wiederholt, nicht eine gemeinsame Zeitleiste. In beiden Fällen verdiente eine Klasse von Unternehmen dauerhafte Rente, weil Produktion schwer, langsam und teuer war. In beiden Fällen machte eine Reibung auflösende Kraft, generative KI im digitalen Bereich und hyperdichte industrielle Agglomeration im physischen, Produktion leicht, schnell und billig. In beiden Fällen verdampfte die durch die Schwierigkeit der Produktion verteidigte Rente in dem Moment, in dem Produktion aufhörte, schwierig zu sein.\n\nDie Symmetrie ist exakt, und sie zu erkennen ist mehr wert als jede Hälfte für sich allein, weil sie das allgemeine Gesetz unter beiden offenlegt:\n\nJeder Burggraben, der nur aus der Schwierigkeit besteht, etwas herzustellen, ist vorübergehend, und er hält genau so lange, bis jemand herausfindet, wie man dieses Etwas leicht herstellt.\n\nDie strategische Folgerung ergibt sich direkt. Da weder Bits allein noch Atome allein ein Geschäft schützen können, muss Verteidigungsfähigkeit aus den Reibungen zusammengesetzt werden, die beide Zusammenbrüche überlebt haben:\n\n**Die enge, geschlossene Schleifenintegration von kundenspezifischer Hardware und kundenspezifischer Software**, sodass das System nicht Stück für Stück auseinander genommen und kopiert werden kann.** Die proprietären, kontinuierlich erneuerten Daten, die als Nebenprodukt des Betriebs eines realen Workflows entstehen**, die nicht kopiert werden können, weil sie durch Betrieb verdient werden müssen.** Die tiefen Beziehungen, das Vertrauen und die regulatorische Stellung konservativer Branchen**, die weder ein Coding-Agent noch eine Vertragsfabrik erzeugen kann.** Die Entscheidung, als Principal statt als Vendor zu operieren**, also den Workflow und sein Ergebnis zu besitzen, sodass der gesamte Gewinnpool und der gesamte Datenabfluss erfasst bleiben, statt verkauft zu werden.\n\nEin modernes Unternehmen im Venture-Maßstab ist genau in dem Maße verteidigungsfähig, in dem es mehrere dieser überlebenden Reibungen zu einem gekoppelt arbeitenden Betriebssystem zusammensetzt, das mit der Zeit besser wird. Alles, was früher ein Burggraben war, weil es schwer zu bauen war, ist heute eine Ware, weil es leicht zu bauen ist. Verteidigungsfähig bleibt, was schwer zu erreichen ist, schwer Vertrauen gewinnt, schwer regulatorisch zu betreten ist und schwer zu beobachten ist, ohne die eigentliche Arbeit zu tun.\n\nDer Burggraben der Zukunft besteht nicht aus Bits und nicht aus Atomen. Er besteht aus den Nähten zwischen ihnen und aus den Beziehungen und verdienten Daten, die niemand reproduzieren kann, ohne dort zu stehen, wo du stehst.\n\n## Schlussfolgerung der Analyse\n\nDas Dreißig-Jahres-Paradigma, das Software als zuverlässigen Motor verteidigungsfähiger Gewinne und Hardware als margenarme Ware behandelte, hat sich nicht einfach verschoben. Seine beiden grundlegenden Annahmen wurden **nacheinander falsifiziert**. Die chinesische industrielle Agglomeration falsifizierte die Annahme, dass Hardware schwer zu iterieren und zu fertigen sei. Generative KI falsifiziert jetzt die Annahme, dass Software schwer herzustellen und zu ersetzen sei.\n\nWeil beide Burggräben größtenteils auf der Schwierigkeit der Produktion beruhten und weil genau diese Schwierigkeit das Ziel beider Reibung auflösender Kräfte war, brachen beide Burggräben zusammen. Die Rente, die früher an denjenigen ging, der die Bits bauen oder die Atome schmieden konnte, fließt nun zu Konsumenten und Nachahmern, sofern ein Unternehmen sich nicht an einer Reibung verankert hat, die der Produktionszusammenbruch nicht erreicht.\n\nDiese überlebenden Reibungen, Integration, proprietäre operative Daten, vertrauensvolle Beziehungen, regulatorische Position und der Principal-Besitz eines realen Workflows, sind der Ort, an den sich dauerhafter Wert verlagert hat. Ein verteidigungsfähiges Unternehmen in dieser Ära zu bauen bedeutet, sich zu weigern, von irgendeiner einzelnen Dimension abhängig zu sein, die schwer ist, **weil nichts, was nur schwer herzustellen ist, verteidigungsfähig bleibt, sobald die Herstellung leicht wird.**\n\n# Der moderne Burggraben\n\nAlles oben ist Diagnose. Es zeigt, wohin die Rente ging und warum, aber es bleibt auf der Ebene des Prinzips stehen, und ein Prinzip sagt dir nicht, wie ein darauf aufgebautes Unternehmen tatsächlich aussieht. Dieser Teil ist **die Antwort**. Er behandelt, woraus Verteidigungsfähigkeit heute besteht und wie sie zusammengesetzt in einem echten Geschäft aussieht.\n\n## Die Barbell\n\nVor den Konstruktionsregeln hilft es, die Barbell explizit zu machen, da die Analyse immer wieder darauf verwies, ohne ihre Enden aufzulisten. Ich habe das 2025 in [The Barbell of Software Value](https://mehmetmhy.com/posts/barbell_theory/) ausgearbeitet, wo ich meine Internal Software Leverage Theory mit der Abundance-These versöhnt habe. Die Schlussfolgerung war, dass sich Softwarewert in zwei Cluster polarisiert, während die Mitte zusammenbricht.\n\n**An einem Ende sitzen die massiven fundamentalen Primitiven,** Foundation Models, Recheninfrastruktur, Cloud-Plattformen, Chips und zentrale KI-Infrastruktur. Diese sind durch Kapitalintensität, Skaleneffekte und Forschungskonzentration auf einem Niveau verteidigt, das ein neues Venture im Grunde nicht erreichen kann. Sie sind nicht die Gelegenheit, die ich beschreibe. Sie sind die Umgebung, in der sie operiert.\n\n[Google](https://en.wikipedia.org/wiki/Google) ist der Deckenfall. Es kombiniert LLM-Modelle, [TPUs](https://cloud.google.com/tpu), Cloud-Infrastruktur, Search, Android, YouTube, Maps, Chrome, Standardverteilung und proprietäre Daten in einem Maßstab, den fast niemand erreichen kann. Das macht es nicht zu einem Startup-Muster. Es macht es zum voll entfalteten oberen Pol der Barbell. Man kann nicht dort anfangen. Was Google beweist, ist der Mechanismus: Wenn Produktion billig wird, wandert dauerhafter Wert in Rechenleistung, Distribution, Infrastruktur, Daten und Ökosystemposition, in die ein Neueinsteiger nicht beiläufig hineinkaufen kann. Beachte auch die Grenze. Google betreibt die Auktion. Es besitzt in der Regel nicht das Ergebnis des Werbetreibenden. Deshalb ist Waymo und nicht Search später das klarere Beispiel für die Principal-Position.\n\n**Am anderen Ende sitzt hochspezifische private Hebelwirkung.** Tiefe Workflow-Beherrschung, Automatisierung der physischen Welt, regulatorische Prozesse, Ersatz von Expertenarbeit, proprietäre operative Daten und Besitz von Ergebnissen. Dieses Ende ist erreichbar, und es wird genau durch die Nicht-Produktion-Reibungen verteidigt, die die Analyse als Überlebende identifiziert hat.\n\n**Das gefährliche Mittelfeld ist generische Software.** Das ist die Web-App, das Dashboard, das CRUD-Tool, der Workflow-Manager und die dünne Hülle um eine Modell-API. Es wird von oben von den Primitiven zusammengedrückt, die immer mehr allgemeine Fähigkeiten in sich aufnehmen, und von unten durch den Verfall der Kosten, überhaupt etwas Generisches zu bauen. Ein Produkt in der Mitte ist leicht zu bauen, leicht zu klonen, für einen etablierten Anbieter leicht als Funktion zu absorbieren, und es besitzt in der Regel zu wenig von der Wertschöpfungskette des Kunden, um einen Preis zu verteidigen.\n\n## Der Vier-Faktoren-Graben\n\nVerteidigungsfähigkeit kommt heute nicht von einer hohen Mauer. Sie entsteht durch das Ineinandergreifen mehrerer Vorteile. Vier unterschiedliche Säulen überleben den doppelten Zusammenbruch der Hardware- und Softwareproduktion. **Ein dauerhaftes modernes Unternehmen braucht einen glaubwürdigen Weg zu mindestens drei davon.** Nicht eine. Drei. Einzelne Dimensionen schützen heute niemanden mehr, und das werden sie auch künftig nicht tun.\n\n### Großartige Hardware\n\nGroßartige Hardware bedeutet nicht, exotische Geräte zu erfinden. Es bedeutet definitiv nicht, ein cleveres Gadget mit Marge zu verkaufen. Ein sichtbares, kopierbares, separat verkauftes Gerät ist genau das, was Fertigungscluster am schnellsten zerstören. Hardware verdient ihren Platz, wenn sie nicht das Produkt ist, sondern **das Instrument**. Sie verschafft dem Unternehmen privilegierten physischen Zugang zu einem Prozess, den kein Konkurrent von außen beobachten kann. Sie erfasst die physische Welt, sammelt proprietäre Daten, führt physische Handlungen aus und standardisiert den Workflow, wodurch die darüberliegende Software viel schwerer zu kopieren ist. **Der Test ist einfach.** Könnte man die Hardware herausnehmen und für sich allein verkaufen? Wenn ja, ist es ein Gadget und wird zur Ware. Wenn sie ohne die Software, die Daten und den Betrieb darum herum bedeutungslos ist, dann leistet sie Graben-Arbeit.\n\n### Großartige kundenspezifische Software\n\nGroßartige kundenspezifische Software ist kein generisches SaaS und keine hübschere Oberfläche. Sie arbeitet in einem bestimmten physischen oder regulatorischen Prozess, automatisiert Entscheidungen mit realem wirtschaftlichem Gewicht, koordiniert Arbeit oder Maschinen und erfasst Korrekturen und Randfälle, sobald sie auftreten. Beachten Sie, was sie verteidigungsfähig macht. **Nicht der Code**, der Analyse zufolge heute billig ist, sondern ihre Abhängigkeit von betrieblichem Zugang, proprietären Daten und tiefem Workflow-Wissen, das ein Konkurrent nicht durch das Klonen einer Oberfläche erhalten kann. Die Software ist schwer zu kopieren, weil die Dinge, in die sie eingebettet ist, schwer zu erreichen sind, nicht weil die Software schwer zu schreiben ist.\n\n### Großartige Beziehungen\n\nGroßartige Beziehungen gehören zu den dauerhaftesten Gräben in harten Industrien. Sie sind vollständig immun gegen sowohl die Hardware- als auch die Software-Kommodifizierung. Dazu gehören regulatorische Akkreditierung, Kundenvertrauen, Vertriebszugang zu konservativen Käufern und langfristige operative Partnerschaften. Das sieht man in Sektoren wie Verteidigung, Gesundheitswesen, Bauwesen und Infrastruktur. Käufer in diesen Märkten wählen nie einfach einen Anbieter, nur weil die Software ein wenig besser ist, und in vielen Fällen nicht einmal dann, wenn sie 10-mal besser ist. Sie kaufen auf Grundlage von Vertrauen und Erfolgsbilanz, Zuverlässigkeit, Haftung, Compliance und Nachweisen. **Ein billigerer Klon wird meist schon ausgeschlossen, bevor irgendjemand ihn bewertet.** Beziehungen brauchen Zeit, Reputation und eine Bilanz echter Ausführung. Weder KI-Agenten noch eine Montagehalle in Shenzhen können Vertrauen über Nacht herstellen.\n\n### Einzigartige Daten\n\nEinzigartige Daten sind die wichtigste der vier Säulen und die, die Menschen am häufigsten falsch einschätzen. Nicht alle Daten sind wertvoll, und generisch gescrapte Daten sind heute als Graben fast wertlos. Entscheidend sind private, implizite und auf Expertenniveau befindliche Daten, die physik- und workflow-spezifisch sind, aus echten Abläufen erzeugt werden und voller Randfälle, Korrekturen und Fehler sind, die nie in einem öffentlichen Korpus auftauchen. Man kann diese Art von Daten nicht kaufen, und man kann sie nicht scrapen. Sie entsteht ausschließlich als Nebenprodukt, wenn ein Live-Betrieb durch einen **geschlossenen Kreislauf aus vier Stufen** läuft:\n\n**Beobachtung****Entscheidung****Handlung****Ergebnis**\n\nIn dieser Schleife beginnen die vier Faktoren auch, einander zu verstärken. Hardware beobachtet und handelt, Software entscheidet und koordiniert, Beziehungen verschaffen Zugang zum Workflow, und einzigartige Daten kumulieren aus den Ergebnissen.\n\nDie meisten Unternehmen erfassen nur die erste Stufe dieses Datenflusses. Der Graben braucht alle vier, was bedeutet, dass man nicht nur weiß, was passiert ist, sondern welche Entscheidung als Reaktion getroffen wurde, welche Handlung tatsächlich ausgeführt wurde und ob das Ergebnis funktioniert hat. Diese vierte Stufe, das verifizierte Ergebnis, macht die Daten trainierbar und den Vorteil kumulativ. Jeder abgeschlossene Auftrag verbessert das System, das den nächsten Auftrag ausführt, und das ist die einzige Form von Vorteil in diesem gesamten Dokument, die **wächst**, statt zu erodieren.\n\n### Wann Schleifen sich verstärken & wann sie ins Stocken geraten\n\nDie geschlossene Schleife klingt abstrakt unausweichlich. In der Praxis scheitern die meisten Versuche, eine zu bauen. Die Schleife ist eine Behauptung, kein Gesetz, und sie hat spezifische Fehlermodi, die hilfreicher zu verstehen sind als der Erfolgsfall.\n\n-\n**Daten sättigen sich:** Der Wert angesammelter Daten folgt einer abnehmenden Ertragskurve. Im Deep Learning fanden[Sun et al. heraus, dass die Leistung bei Vision-Aufgaben logarithmisch mit dem Umfang der Trainingsdaten stieg](https://openaccess.thecvf.com/content_ICCV_2017/papers/Sun_Revisiting_Unreasonable_Effectiveness_ICCV_2017_paper.pdf), was bedeutet, dass jede Verdopplung des Datensatzes einen weiteren Zuwachs bringt, aber kein weiteres Wunder. Die ersten tausend Ausführungen lehren Sie am meisten. Die nächsten zehntausend lehren weniger. Die nächsten hunderttausend bringen fast nichts Neues. Ein später eintretender Konkurrent kann oft 90 Prozent Ihrer Leistung mit einem Bruchteil der historischen Daten erreichen und die Lücke schneller schließen, als die Rohzahlen vermuten lassen. -\n**Die Daten dürfen Ihnen möglicherweise nicht zur Nutzung gehören:** Sie erzeugen proprietäre Daten durch den Workflow, aber wenn Ihr Vertrag sagt, dass der Kunde sie besitzt und Sie sie nicht über Implementierungen hinweg bündeln dürfen, haben Sie fünfzig getrennte Datensilos, nicht ein Schwungrad. Auf Plattformebene sagen[OpenAI](https://openai.com/enterprise-privacy/),[Anthropic](https://www.anthropic.com/legal/commercial-terms),[Microsoft Azure OpenAI](https://learn.microsoft.com/en-us/azure/foundry/responsible-ai/openai/data-privacy),[AWS Bedrock](https://aws.amazon.com/bedrock/faqs/)und[Google Vertex AI](https://cloud.google.com/vertex-ai/generative-ai/docs/data-governance)Geschäftskunden alle, dass ihre Eingaben und Ausgaben standardmäßig nicht zum Trainieren von Foundation Models verwendet werden. Das ist gut für Kunden und eine Warnung für Anbieter. Lernen über Kunden hinweg kumuliert nur dann, wenn der Vertrag es zulässt. Datenschutzrecht fügt eine weitere Einschränkung hinzu, denn[die Zweckbindung der DSGVO](https://eur-lex.europa.eu/eli/reg/2016/679/2016-05-04/eng),[Löschrechte](https://eur-lex.europa.eu/eli/reg/2016/679/2016-05-04/eng),[HIPAA-Regeln zur De-Identifizierung](https://www.hhs.gov/hipaa/for-professionals/special-topics/de-identification/index.html)und[CCPA/CPRA-Regeln zur Weitergabe für kontextübergreifende verhaltensbasierte Werbung](https://leginfo.legislature.ca.gov/faces/codes_displaySection.xhtml?lawCode=CIV§ionNum=1798.140)erschweren die sekundäre Datennutzung erheblich. Das zerstört mehr echte KI-Gräben als Konkurrenz es tut. -\n**Der Workflow verändert sich schneller als das Modell sich verbessert:** In schnell driftenden operativen Domänen haben Daten eine messbare Halbwertszeit. Wie[Valavi et al. in einer Studie der Harvard Business School zeigten](https://www.hbs.edu/ris/Publication%20Files/21-016_d5cc4876-c029-4540-8092-16a23778d86f.pdf), schafft ein großer historischer Datenbestand eine überraschend schwache Eintrittsbarriere. Ein Neueinsteiger mit einem kleineren Strom frischer, aktueller Daten kann oft ein genaueres Modell bauen als ein etablierter Anbieter, der auf Jahren veralteter Daten sitzt, besonders wenn alte Daten die Genauigkeit aktiv verschlechtern. Eine[Studie zur klinischen Informatik](https://pubmed.ncbi.nlm.nih.gov/28495350/)zeigte dies direkt, wobei die Halbwertszeit der Daten zur Vorhersage stationärer Anordnungen etwa vier Monate betrug und ein Monat aktuelle Daten zwölf Monate älterer Daten übertraf. In der Fertigung bedeuten Sensordrift, Werkzeugverschleiß, Prozessumgestaltungen und Schemaänderungen, dass Modelle, die auf historischen Werksdaten trainiert wurden, über eine Anlage nachdenken, die nicht mehr existiert. Das ist nicht universell. Von Physik bestimmte Prozesse, versicherungsmathematische Tabellen, geologische Daten und andere langsam bewegte Domänen können alte Daten lange wertvoll halten. Wenn sich der Workflow schneller verändert, als sich das Modell verbessert, werden Ihre historischen Daten zu altem Ballast statt zu einem Vorteil. -\n**Die Kosten sind die Barriere, und die Barriere sind die Kosten:** Reale Arbeitsabläufe zu besitzen ist kapitalintensiv, arbeitsintensiv und margenärmer als reine Software.[Tesla meldete 2025 eine gesamte GAAP-Bruttomarge von etwa 18 Prozent](https://assets-ir.tesla.com/tesla-contents/IR/TSLA-Q4-2025-Update.pdf), trotz vertikaler Integration.[Intuitive Surgical meldete 2025 eine installierte da-Vinci-Basis von 11.106 Systemen und eine Non-GAAP-Bruttomarge von 67,6 Prozent](https://isrg.intuitive.com/news-releases/news-release-details/intuitive-announces-fourth-quarter-earnings-5/), nach Jahrzehnten von Kapital, Chirurgenausbildung und Prozedurvolumen. Die Kosten, die Konkurrenten fernhalten, halten auch die meisten Neueinsteiger davon ab, etwas aufzubauen, das es wert ist, verteidigt zu werden. Viele Versuche scheitern an den Stückkosten, lange bevor sich die Schleife verstärkt.\n\nWas die Schleifen, die sich tatsächlich verstärken, von denjenigen trennt, die falsche Gräben sind:\n\n- Die Daten sind ergebnisgebunden, das heißt, Sie wissen, ob das Ergebnis richtig oder falsch war, statt nur Signale zu sammeln.\n- Die Daten dürfen Ihnen vertraglich gehören, um sie über Bereitstellungen hinweg zu nutzen.\n- Der Arbeitsablauf ist stabil genug, dass historische Daten relevant bleiben.\n- Jede Ausführung erzeugt wirklich neue Grenzfälle, nicht nur mehr vom Gleichen.\n- Die Frequenz ist hoch genug, damit sich das Lernen verstärken kann, bevor sich der Arbeitsablauf verändert.\n\nDiese These ist falsch, wenn eine der folgenden Aussagen zutrifft:\n\n- Ein Wettbewerber kann gleichwertige Daten durch Scraping, synthetische Generierung, Transfer Learning oder einen einmaligen Kauf erwerben.\n- Der Kunde besitzt die Daten vertraglich, und Sie können sie nicht über Bereitstellungen hinweg bündeln.\n- Der Arbeitsablauf verändert sich schneller, als sich das Modell verbessert, sodass angesammelte Daten ein System beschreiben, das nicht mehr existiert.\n- Der Datenwert sättigt sich innerhalb der ersten N Ausführungen, was bedeutet, dass der Vorteil fest ist, nicht sich verstärkend.\n- Die Kosten für den Besitz des Arbeitsablaufs übersteigen den Wert der von ihm erzeugten Daten.\n\nWenn diese Bedingungen erfüllt sind, ist die Schleife kein Burggraben. Sie ist ein teures Ingenieursprojekt mit einem vorübergehenden Vorsprung. Wie [a16z 2019 argumentierte](https://a16z.com/the-empty-promise-of-data-moats/), sind die meisten Datenvorteile Skaleneffekte mit abnehmenden Erträgen, keine magischen Netzwerkeffekte. Das galt schon vor der aktuellen KI-Welle. Es gilt auch jetzt noch.\n\n## Geschäftsmodelle, die auf dem modernen Burggraben aufbauen\n\nDie vier Faktoren beschreiben, woraus der Burggraben besteht. Die nächste Frage ist, welche Art von Geschäftsmodell ihn tatsächlich erfassen kann. In der Praxis weist die Antwort weg vom Verkauf von Tools und hin zum Besitz des Arbeitsablaufs selbst.\n\n### Prinzipal, nicht Anbieter\n\nDie einzelne Entscheidung mit dem größten Hebel im gesamten Rahmenwerk ist die Weigerung, die Anbieterposition einzunehmen.\n\nEin Anbieter-Play bedeutet, ein Tool an die Organisation zu verkaufen, die den Arbeitsablauf bereits besitzt. Es wirkt attraktiv, weil es theoretisch kapitalarm und skalierbar ist, aber es gibt jede Quelle von Hebelwirkung an den Kunden ab. **Der Betreiber behält die Kundenbeziehung, den physischen Prozess, die operativen Daten, das Budget, die Haftung und das Endergebnis.** Der Anbieter behält eine Softwareschicht, die über all dem sitzt. Das Startup erfasst nur einen kleinen Teil des von ihm geschaffenen Werts, der Kunde verlangt kundenspezifische Integrationen, bis das Produkt in Richtung Dienstleistungen abdriftet, der Betreiber kann zusehen, wie das Tool arbeitet, und es dann durch einen internen Aufbau ersetzen, der jetzt dramatisch günstiger herzustellen ist, und weil der Betreiber die besten Daten besitzt, verstärkt sich das Modell des Anbieters nie. Die Margen bleiben gedeckelt. Das ist besonders gefährlich in physischen Branchen, in denen Softwareanbieter zuverlässig zu glorifizierten Beratern verkommen.\n\nDie stärkere Position ist es, **der Prinzipal** zu werden, also den Betrieb, die Verantwortung, die Akkreditierung, den Arbeitsablauf oder die Haftung selbst zu besitzen. Statt Software an denjenigen zu verkaufen, der die Arbeit verrichtet, verrichtet das Unternehmen die Arbeit oder garantiert ihr Ergebnis. Das kehrt jeden der Nachteile oben um. Das Unternehmen erfasst die volle Marge statt eines Lizenzanteils, besitzt das Kundenergebnis und damit die Beziehung, und besitzt die Daten, weil seine eigenen Operationen sie erzeugen. Es kann nicht durch den Betreiber ausgeschaltet werden, weil es *der* Betreiber ist, und es baut echte operative Expertise statt mittelbarer Kenntnis auf.\n\nDas Prinzip verdichtet sich zu einer Anweisung:\n\nVerkaufen Sie nicht das Tool. Verkaufen Sie das fertige Ergebnis.\n\nIn der Praxis zeigt sich das als konsequente Umdeutung jeder Anbieteridee in ihre Prinzipalversion:\n\n| Anbieter-Position | Prinzipal-Position |\n|---|---|\n| Inspektionssoftware verkaufen | Werden Sie die Inspektionsagentur |\n| Labor-Workflow-Software verkaufen | Besitzen Sie den Test-Workflow |\n| Ein Compliance-Dashboard verkaufen | Liefern Sie zertifizierte Compliance |\n| Schätzwerkzeuge verkaufen | Liefern Sie die Schätzung |\n| Predictive-Maintenance-Analytik verkaufen | Verhindern Sie die Ausfallzeit, oder besitzen Sie das Wartungsergebnis |\n\nDiese Entscheidung ist wichtiger als jede andere im Rahmenwerk, weil sie entscheidet, wem die Daten gehören, und der Datenbesitz entscheidet, ob sich der Vorteil verstärkt oder verfällt.\n\n### Dienstleistung als Dienstleistung\n\nDie Prinzipalposition impliziert ein Liefermodell, das anders aussieht als herkömmliche Software, und es lohnt sich, es zu benennen, weil es zunächst für jeden, der auf SaaS-Margen trainiert ist, wie ein *schlechteres* Geschäft aussieht.\n\nDieses Modell hat einige Namen im Umlauf. [YC](https://www.ycombinator.com/), a16z und andere haben es Service-as-Software genannt, und die durch KI ermöglichte Roll-up-These ist ein naher Verwandter. Ich bevorzuge „Dienstleistung als Dienstleistung“, weil dadurch der Schwerpunkt auf dem bleibt, was der Kunde tatsächlich erhält.\n\n**Der Kunde sollte die Software nicht benutzen müssen, um die Aufgabe erledigt zu bekommen.** Das Unternehmen sollte Software, KI, menschliche Arbeit, Hardware und Betrieb zusammen einsetzen, um die fertige Arbeit zu liefern. Die Software ist ein interner Hebel, nicht das Produkt.\n\nDie Abfolge ist absichtlich gewählt. Beginnen Sie damit, die Arbeit manuell oder mit Menschen in der Schleife zu erledigen. Nutzen Sie Software, um diese menschliche Arbeit schneller, konsistenter und messbarer zu machen. Erfassen Sie jeden Input, jede Entscheidung, jede Korrektur, jeden Grenzfall und jedes Ergebnis. Nutzen Sie dann die angesammelten Daten, um immer mehr des Arbeitsablaufs zu automatisieren und sich einem automatisierten Dienstleister mit Margen und Verteidigungsfähigkeit anzunähern, die herkömmliche Software nicht erreichen kann.\n\n**Das unterscheidet sich in einem entscheidenden Punkt von Beratung.** Beratung verkauft kundenspezifische Arbeit an jeden Kunden für immer, und jede Zusammenarbeit hinterlässt nichts Wiederverwendbares. Dienstleistung als Dienstleistung nutzt frühe menschliche Arbeit bewusst als *Instrument zum Aufbau des Automatisierungssystems*, und jede Zusammenarbeit hinterlässt Daten, die die nächste billiger machen.\n\nAber man muss vorsichtig sein und auf eine Falle bei dieser Art von Modell achten. Wenn jeder neue Kunde kundenspezifische Integrationen, kundenspezifische Datenbereinigung, kundenspezifisches Workflow-Mapping und kundenspezifisches Modell-Tuning erfordert, ist das Unternehmen eine Beratung, die es noch nicht zugegeben hat. Die Phase mit Menschen in der Schleife ist in Ordnung und oft notwendig, aber nur unter der Bedingung, dass sie proprietäre Daten erzeugt und sich auf skalierbare Automatisierung zubewegt. Wenn die Menschen nach fünfzig Aufträgen immer noch dieselbe Arbeit zu denselben Kosten pro Einheit erledigen, ist das Modell gescheitert.\n\n### Das Stargate für Daten\n\n**KI bewegt sich von einem Rechenengpass zu einem Datenengpass.** Die wertvollsten KI-Unternehmen der kommenden Zeit werden nicht diejenigen mit den generischsten Daten sein, die im Überfluss vorhanden sind und daher, genau nach der Logik der ersten Hälfte, keine Rente abschöpfen. Es werden diejenigen sein, die seltene, private, hochwertige operative Daten besitzen, die auf keine andere Weise als durch die Arbeit selbst erlangt werden können.\n\nDer Ausdruck *Stargate für Daten* ist von [OpenAIs Stargate](https://openai.com/index/announcing-the-stargate-project/) entlehnt, dem angekündigten Compute-Ausbau im Umfang von mehreren hundert Milliarden Dollar, und gerade die Übernahme ist der Punkt. Wenn die knappe Ressource des letzten Zyklus Infrastruktur in dieser Größenordnung rechtfertigte, verdient die nächste die gleiche Behandlung. Das Ziel ist nicht, einen Datensatz anzusammeln. Es ist, **eine Maschine zu bauen, die fortlaufend proprietäre Daten als Nebenprodukt der Erbringung einer Dienstleistung erzeugt.**\n\n**Der hier entscheidende Unterschied** ist, dass das Ziel nicht darin besteht, Daten um ihrer selbst willen zu sammeln, was teure Seen unbrauchbaren Materials erzeugt. Das Ziel ist, die operative Schleife zu besitzen, die genau die Daten erzeugt, die nötig sind, um diese Schleife zu automatisieren.\n\n### Der Atome-Computer\n\nDie vier Faktoren beschreiben eine Struktur. Der Atome-Computer beschreibt, wofür diese Struktur *da ist*, und es ist die langfristige Vision, die das gesamte Vorhaben lohnend macht.\n\nDiese Idee habe ich nicht selbst entwickelt, und das möchte ich gleich zu Beginn klarstellen. Die Formulierung stammt von [Travis Kalanick](https://en.wikipedia.org/wiki/Travis_Kalanick). Nachdem er 2017 bei [Uber](https://en.wikipedia.org/wiki/Uber) verdrängt worden war, verbrachte er acht Jahre damit, [City Storage Systems](https://en.wikipedia.org/wiki/CloudKitchens) im Stealth-Modus aufzubauen, und im März 2026 benannte er es in **Atoms** um und veröffentlichte [einen Vision Letter](https://atoms.co/vision), der das Ganze darlegt. Seine Formulierung besagt, dass man Probleme der physischen Welt so angeht, wie man Softwareprobleme angehen würde, und dass die Kernrechenressourcen physische Entsprechungen haben, bei denen die CPU die Fertigung ist, Speicher die Immobilien und das Netzwerk der Transport. Bei einem [a16z-Launch-Event](https://www.youtube.com/watch?v=r8qKNFeBPXE) definierte Kalanick das Unternehmen rund um **Industrial AI** und nutzt Software, Sensoren, Robotik und KI, um Abläufe in ganzen Industriesektoren zu automatisieren, beginnend mit Nahrung, Bergbau und Transport. Lesen Sie seinen Brief. Er ist besser als meine Zusammenfassung davon, und einige seiner Schlussfolgerungen kommen demselben Punkt nahe, den dieses Dokument aus einer anderen Richtung erreicht.\n\nJe leistungsfähiger KI wird, desto mehr verschiebt sich ihre bindende Einschränkung. Die Grenze ist nicht mehr nur die Qualität des Schlussfolgerns. **Es ist die Interaktion mit der physischen Realität.** Ein Modell kann Texte, Code, Bilder und Pläne von bemerkenswerter Qualität erzeugen und dennoch nicht in der Lage sein, in einer unordentlichen, unstrukturierten, folgenreichen realen Umgebung zuverlässig irgendetwas zu tun. Herkömmliche Computer gaben der Intelligenz ein Substrat zur Manipulation von Bits. Die Gelegenheit besteht jetzt darin, das entsprechende Substrat für Atome zu bauen und Systeme zu schaffen, die die physische Welt wahrnehmen, unordentliche reale Bedingungen interpretieren, entscheiden, handeln, Ergebnisse verifizieren und aus Feedback lernen, und das alles unter realen physischen, regulatorischen und wirtschaftlichen Beschränkungen. Dieser letzte Zusatz ist der schwierige Teil, und deshalb ist dies eine Geschäftsmöglichkeit statt eines Forschungsprojekts. Unter regulatorischen und wirtschaftlichen Beschränkungen zu arbeiten, ist genau das, was nicht kopiert werden kann, und genau das erzeugt die geschlossene Daten-Schleife, die der vierte Faktor braucht.\n\nIn einem Punkt sind Kalanick und ich uns völlig einig, und er sagt es besser als ich es getan habe. Sein Begriff ist **gewinnbringend beschäftigte Roboter**, also spezialisierte Maschinen mit einer bestimmten produktiven Aufgabe, im Gegensatz zu Humanoiden, die gebaut wurden, um uns nachzuahmen. Sein Beispiel ist, dass, wenn man pro Stunde tausend Pfannkuchen machen muss, ein humanoider Roboter, der sie unbeholfen wendet, das schlechteste nur denkbare Design ist und eine speziell dafür gebaute Maschine die offensichtliche Wahl ist. Der richtige Ansatz ist also **nicht**, einen Roboter für allgemeine Zwecke zu bauen. Es geht darum, einen schmalen Keil zu finden, in dem die Schleife aus Wahrnehmen, Entscheiden und Handeln in einen echten Arbeitsablauf mit klarem, unmittelbarem wirtschaftlichem Wert eingesetzt werden kann, und diese Schleife von Anfang bis Ende zum Laufen zu bringen, bevor man sie verbreitert.\n\nDas Unternehmen der nahen Zukunft sollte so eng sein, dass es unambitioniert wirkt. Die Obergrenze auf lange Sicht ist der Grund, diese Enge zu akzeptieren.\n\n## Ein ausgearbeitetes Beispiel\n\nDer Rahmen ist abstrakt, daher hilft es, eine Idee Schritt für Schritt hindurchzuführen. Das hier ist nur eine Veranschaulichung der Kriterien in der Anwendung, nicht die eine Schlussfolgerung, zu der der Rahmen zwingt.\n\nNehmen wir die Sonderprüfung im Bauwesen und Werkstoffprüfungen. Die Anbieter-Version verkauft Software an die Agenturen und Labore, die den Arbeitsablauf bereits besitzen. Die Principal-Version wird zur Agentur und zum Labor. Sie hält die Akkreditierung, führt die Inspektionen durch und trägt die regulatorische Verantwortung. Intern verwendet sie Software, Hardware und KI, um zertifizierte Ergebnisse schneller, günstiger und zuverlässiger zu liefern als die etablierten Anbieter.\n\nDiese Form erfüllt alle vier Faktoren. Sie ist physisch, weil sie sich mit Baustellen, Proben, Instrumenten und Messungen aus der realen Welt befasst. Sie besitzt Beziehungs- und Regulierungsschutzgräben, weil Käufer Ergebnisse brauchen, die von den zuständigen Behörden anerkannt werden, nicht ein hübscheres Dashboard. Sie besitzt das Ergebnis, weil sie zertifizierte Ergebnisse statt Werkzeuge verkauft. Und sie erzeugt als Nebenprodukt der Arbeit proprietäre Betriebsdaten, einschließlich Testergebnissen, Ausfallarten, Materialeigenschaften, Expertenkorrekturen und den Verknüpfungen zwischen physischen Bedingungen und Endergebnissen.\n\nSie beginnt auch eng, was der klassischen Startup-Logik folgt, die [Paul Graham](https://paulgraham.com/ds.html) und [YC](https://www.ycombinator.com/) seit Jahren vertreten. Beginne mit einem scharfen Keil, aber stelle sicher, dass der Keil zu einem großen und schmerzhaften Problem gehört. Es ist nicht nötig, die Bauinspektion als Branche am ersten Tag zu automatisieren. Der Einstiegspunkt kann eine Inspektionsart, ein Werkstofftest, eine Region oder ein Compliance-Workflow sein. Von dort aus standardisiert Software die Arbeit, Menschen erzeugen die ersten Daten, und die Automatisierung breitet sich nur dort aus, wo die Schleife tatsächlich zusammengesetzte Effekte erzeugt.\n\nDie Risiken sind genau die, die der Rahmen vorhersagt. Akkreditierungsfristen blockieren Umsätze, der Betrieb ist schwerfällig, bevor die Automatisierung ausgereift ist, und die Dienstleistungsfalle ist real, wenn sich jedes Projekt als maßgeschneidert herausstellt. Genau darum geht es bei dem Rahmen. Er macht das Geschäft nicht leicht. Er sagt dir, wo die harten Teile liegen sollten.\n\n## Unternehmen, die bereits so aussehen\n\nDem Rahmen zu vertrauen fällt leichter, wenn er Dinge beschreibt, die bereits existieren, statt nur Dinge, die ich mir wünschen würde.\n\n** Anduril** ist vier von vier. Maßgeschneiderte Hardware für Drohnen, Sensortürme, Abfangsysteme und Unterwasserfahrzeuge. Maßgeschneiderte Software in\n\n[Lattice](https://www.anduril.com/news/anduril-s-lattice-a-trusted-dual-use-commercial-and-military-platform-for-public-safety-security), auf der jedes einzelne dieser Hardwareteile läuft. Beziehungen und regulatorische Stellung, die kein Coding-Agent erzeugen kann, da der Kunde die US-Regierung und ihre Verbündeten sind. Betriebsdaten aus eingesetzten Systemen, die zurück in die Software fließen. Zwei Details sind wichtiger als die Produktliste. Es finanziert seine F&E selbst und baut das Produkt, bevor es in eine bereits bestehende Budgetzeile verkauft, und kehrt damit das Kosten-plus-Modell um, auf dem traditionelle Prime Contractor basieren. Anduril ist privat und veröffentlicht keine geprüften Margen, aber\n\n[Schätzungen aus Sekundärquellen setzen seine Bruttomarge bei rund 40 bis 45 Prozent an](https://www.sacra.com/c/anduril/). Das ist für Verteidigungshardware ungewöhnlich hoch, wo\n\n[Luft- und Raumfahrt- sowie Verteidigungsunternehmen in den NYU-Stern-Sektordaten durchschnittlich etwa 17,5 Prozent Bruttomarge erreichen](https://pages.stern.nyu.edu/~adamodar/New_Home_Page/datafile/margin.html). Die genaue Zahl ist weniger wichtig als die Struktur. Ein vertikal integriertes, Festpreis-, softwaredefiniertes Modell scheint bessere wirtschaftliche Ergebnisse zu erzielen als die traditionelle Kosten-plus-Plattformintegration.\n\n** Intuitive Surgical** ist die ältere, ruhigere Version derselben Struktur. Das\n\n[da-Vinci-System](https://www.intuitive.com/en-us/products-and-services/da-vinci)kombiniert Hardware, die ohne ihre Software wertlos ist,\n\n[FDA](https://www.fda.gov/)-Zulassungen, die kein Wettbewerber abkürzen kann, zwei Jahrzehnte Krankenhausbeziehungen und\n\n[Verfahrensdaten aus Millionen von Operationen](https://www.intuitive.com/en-us/-/media/ISI/Intuitive/Pdf/2025-Intuitive-Corporate-Impact-Report.pdf). Es erreicht vier von vier, wächst fortlaufend und setzt dieses Playbook seit seiner\n\n[ersten Zulassung im Jahr 2000](https://www.intuitive.com/en-us/about-us/company/history)um, lange bevor irgendjemand es physische KI nannte.\n\n** Kraken Robotics** ist der Fall, den ich am aufschlussreichsten finde, zum Teil, weil ihn außerhalb der Meerestechnik nur wenige kennen. Es baut Synthetic-Aperture-Sonar, die\n\n[KATFISH-Schleppplattform](https://www.krakenrobotics.com/products/katfish/), Unterwasserbatterien und Unterwasser-\n\n[LiDAR](https://en.wikipedia.org/wiki/Lidar). Keine dieser Hardware ist ohne die proprietäre Bildverarbeitungssoftware, die darum herumgelegt ist, nützlich. Zu seinen Kunden gehören\n\n[NATO](https://en.wikipedia.org/wiki/NATO)-verbündete Marinen. Das ist Vertrauen und Regulierung auf höchster Ebene, denn eine Marine wechselt Sonarlieferanten nicht wegen einer billigeren Kopie. Entscheidend ist, dass Kraken nicht einfach nur Ausrüstung verkauft. Es führt Vermessungen als Dienstleistung durch, was bedeutet, dass jeder Auftrag eine Intelligenz über den Meeresboden erzeugt, die sonst niemand besitzt. Diese letzte Entscheidung ist der gesamte Rahmen im Kleinen. Ein Hardwareunternehmen bemerkte, dass die Daten mehr wert waren als die Kiste, und wechselte in die Principal-Position, um sie zu behalten.\n\n** SpaceX & Waymo** sind reine Principal-Play. SpaceX verkauft keine Raketen. Es verkauft gelieferte Nutzlasten. Waymo lizenziert keine Autonomie-Software an Autohersteller. Es verkauft abgeschlossene Fahrten. In beiden Fällen lehnte das Unternehmen die Anbieterposition ab, übernahm die operative Haftung und behielt die Daten. Waymo trägt außerdem einen regulatorischen Schutzgraben, der\n\n[eine Zuständigkeit nach der anderen erreicht](https://tesorb.com/robotaxi-regulatory-map-2026/). Diese Expansion ist langsam, und genau deshalb ist sie verteidigungsfähig.\n\n** Carbon Robotics** ist der nützliche Teilfall. Sein\n\n[LaserWeeder](https://carbonrobotics.com/laserweeder)vernichtet Unkraut mithilfe von Computer Vision und Hochleistungslasern. Im Februar 2026\n\n[erklärte das Unternehmen, dass sein Large Plant Model mit mehr als 150 Millionen gelabelten Pflanzen trainiert worden sei](https://www.businesswire.com/news/home/20260202630325/en/), gesammelt auf ungefähr hundert Farmen in fünfzehn Ländern. Das ist die Datenmaschine, wie beschrieben, als betrieblicher Nebenprodukt erzeugt und nicht als separates Vorhaben. Aber ich würde auch die Verwundbarkeit dieses Aufbaus erwähnen. Carbon verkauft Ausrüstung an Landwirte und bleibt damit ein Anbieter statt eines Principals. Es ist erfolgreich, weil die Daten dennoch zurück in sein zentrales Modell fließen, wodurch die Anbieterposition überlebensfähig ist. Würden die Erzeuger jemals diese Flottendaten besitzen, wäre der Burggraben weg.\n\n** Nokia** ist sowohl die historische Warnung als auch ein entstehender Testfall. 2007 kontrollierte es\n\n[nahezu 50 Prozent des globalen Smartphone-Marktes](https://www.bbc.com/news/technology-23947212)mit der besten Hardware, der besten Fertigungsgröße und der besten Lieferkette in Mobiltelefonen. Es lieferte auf einer einzigen Dimension besser ab als jeder andere Lebende, und es brach zusammen, weil ihm eine Softwareplattform fehlte. Das heutige Nokia versucht genau das hier beschriebene Multi-Faktor-Playbook. Wie\n\n[Michael Sikand](https://www.linkedin.com/in/michaelsikand)\n\n[in dieser Videoanalyse](https://www.youtube.com/watch?v=1v-yx_HVeZU)darlegt, hat das Unternehmen über ein Jahrzehnt damit verbracht, sich von Consumer-Gadgets wegzupivotieren, um vertikal integriertes optisches Silizium, eingespielte Carrier- und Verteidigungsbeziehungen sowie KI-gestütztes Edge-Computing zu bündeln. Das alte Nokia bewies, dass isolierte Hardware ein vorübergehender Vorsprung ist. Nun versucht das neue Nokia zu beweisen, dass Hardware in Verbindung mit institutionellem Vertrauen und Softwareinfrastruktur einen dauerhaften Burggraben schafft.\n\nKeines dieser Unternehmen sieht an der Oberfläche gleich aus, aber sie weisen alle auf dieselbe Lehre hin. Die widerstandsfähigsten Unternehmen haben sich etwas Langsames verdient, wie eine Akkreditierung, eine eingesetzte Sensorflotte, Vertrauen von Chirurgen, maritimes Vertrauen, regulatorische Zulassung oder ein Jahrzehnt Betriebsdaten. Keines von ihnen kam nur dadurch dahin, dass es besseren Code schrieb, und keines von ihnen kann von jemandem eingeholt werden, der das tut.\n\n## Enge ist die Eintrittsbedingung\n\nSie begannen auch alle klein. Die Unternehmen, die gewinnen, fangen nicht damit an, zu versuchen, die gesamte Schleife zu besitzen, und es zu versuchen ist der häufigste Fehler. Die Schleife verstärkt sich nur, wenn du in einem Workflow tief genug drin bist, um ergebnisverknüpfte Daten zu erzeugen, die Wettbewerber auf keine andere Weise erwerben können. Oberflächliche Exponierung über viele Workflows erzeugt oberflächliche Daten, die schnell gesättigt sind.\n\nDas Muster gilt bei den oben genannten Betreibern und darüber hinaus. Anduril begann mit Schutzsystemen für Streitkräfte und Drohnenabwehrsystemen, bevor die Produktion und angrenzende Fähigkeiten skaliert wurden. Intuitive Surgical begann mit spezifischen laparoskopischen Eingriffen und baute über Jahrzehnte die Chirurgenausbildung und das Eingriffsvolumen aus, bevor es sich über Fachgebiete hinweg erweiterte. SpaceX begann mit einem wiederverwendbaren Trägerraketenfahrzeug, bevor es in [Starlink](https://en.wikipedia.org/wiki/Starlink) expandierte. [Tesla](https://en.wikipedia.org/wiki/Tesla,_Inc.) begann mit einem engen Premium-EV-Wedge (dem Sportwagen [Roadster](https://en.wikipedia.org/wiki/Tesla_Roadster_(first_generation))) und nutzte die Flotte für Daten- und Fertigungslernen, bevor es sich in Volumenmodelle, Energie und Autonomie vorarbeitete. [Palantir](https://en.wikipedia.org/wiki/Palantir) begann mit spezifischen Geheimdienst-Workflows für spezifische Behörden, bevor es in den kommerziellen Bereich expandierte. In jedem Fall war der enge Einstieg kein Kompromiss. Er war der Mechanismus, der die Schleife verstärken ließ.\n\nDer Einstiegspunkt ist absichtlich schmal. Ein Workflow, ein Kundentyp, ein Datenstrom, der schwer zu replizieren ist. Du baust die Schleife um diesen Workflow herum auf, bis sich die Daten verstärken und die Beziehung sich vertieft, dann expandierst du in angrenzende Workflows, in denen dieselben Daten, dieselben Beziehungen und dieselbe operative Disziplin dir einen Vorteil verschaffen, den ein neuer Marktteilnehmer nicht erreichen kann. Breit zu beginnen ist der Weg, wie man am Ende mit einem Haufen Daten dasteht, der sich nicht verstärkt. Ein Wettbewerber, der heute startet, jagt keinem festen Vorsprung hinterher. Er jagt einem hinterher, der sich jedes Mal ausdehnt, wenn ein Auftrag erledigt wird, aber nur, wenn der Auftrag schmal genug, tief genug und oft genug wiederholt ist, dass die Daten tatsächlich etwas bedeuten.\n\n# Schlussfolgerung\n\nDie erste Hälfte dieses Dokuments stellte ein allgemeines Gesetz auf. **Jeder Burggraben, der nur aus der Schwierigkeit besteht, etwas herzustellen, ist vorübergehend, und er hält genau so lange, bis jemand dieses Etwas leicht herstellbar macht.** Die chinesische industrielle Agglomeration tat dies mit Hardware, indem sie die Transaktionskosten und die Iterationslatenz innerhalb eines hyperdichten Clusters zusammenzog. Generative KI tut dies mit Software, indem sie die Kosten ihres knappen Inputs zusammenzieht. Hardware kollabierte zuerst und Software folgte später, aber für einen Gründer, der heute baut, ist keiner der beiden Schutzräume verlässlich.\n\nDie zweite Hälfte hat dieses Gesetz in eine Antwort übersetzt. Wenn Produktionsschwierigkeit nichts mehr verteidigt, dann muss Verteidigungsfähigkeit aus den Reibungen zusammengesetzt werden, die der Produktionskollaps nicht erreichen kann. Dazu gehören **physischer Zugang, operative Daten mit geschlossenem Kreislauf, regulatorische Stellung, verdientem Vertrauen und dem Besitz des Ergebnisses selbst.** Deshalb fordern die vier Faktoren drei von vier statt eines, deshalb ist die Hauptposition wichtiger als jede andere einzelne Entscheidung, und deshalb müssen die Daten ein operatives Nebenprodukt und kein gesammelter Vermögenswert sein.\n\nEs verdichtet sich in einem Kernsatz.\n\nIm KI-Zeitalter werden die besten Unternehmen keine generischen Software-Tools oder kopierbaren Hardware-Produkte sein. Sie werden\n\nschmale, ergebnisgetriebene Hauptgeschäftsmodellesein, die Software, physische Workflows, vertrauensvolle Beziehungen und proprietäre operative Daten kombinieren, um hochwertige reale Arbeit zu automatisieren.\n\nFür einen Gründer lautet die Frage nicht mehr „welche Software kann ich bauen?“, sondern **welches wertvolle reale Ergebnis kann ich besitzen, ausführen, messen und automatisieren?**\n\nDie stärksten Chancen liegen dort, wo Software auf Atome, Vertrauen, Regulierung und proprietäre Daten trifft. Sie beginnen mit einem einzigen engen, schmerzhaften Workflow und setzen dabei Menschen ein, wo es nötig ist. Sie erfassen operative Daten als Nebenprodukt der Arbeit, automatisieren Schritt für Schritt und verstärken sich zu Systemen, die schwer zu verdrängen sind. Der Vorteil ist gerade deshalb dauerhaft, weil er durch den physischen Betrieb verdient wurde statt in Code geschrieben zu sein.\n\nDas Endziel ist nicht, ein Produkt zu bauen. Es ist, ein operatives Unternehmen mit softwareähnlicher Skalierbarkeit, Verteidigungsfähigkeit in der physischen Welt und proprietären Daten zu bauen, die mit jedem erledigten Auftrag besser werden.\n\nAlles, was früher ein Burggraben war, weil es schwer zu bauen war, wird zur Ware. Etwas zu bauen ist leichter denn je, und mit dem Fortschritt von KI und globalen Lieferketten wird es nur noch leichter werden. Was verteidigungsfähig bleibt, ist das, worauf der Zugang schwer ist, worauf Vertrauen schwer zu verdienen ist, worin man regulatorisch schwer hineinzukommen ist und was schwer zu beobachten ist, ohne die eigentliche Arbeit zu tun.\n\n# Zitate & Quellen\n\nIch möchte ausdrücklich darlegen, woher die übernommenen Teile stammen, weil viel von diesem Dokument eher daraus besteht, dass ich die Arbeit anderer Menschen verbinde, als dass ich irgendetwas erfinde. Die Dinge, die ich tatsächlich als meine eigenen beanspruchen würde, sind die Vier-Faktor-Regel, der Drei-von-vier-Standard und das spezifische Argument, dass die beiden Zusammenbrüche denselben zugrunde liegenden Mechanismus teilen, obwohl sie nacheinander geschahen. Zahlen verschieben sich, also prüfe sie, bevor du mich zitierst.\n\n**Von mir, aus früheren Texten**\n\n[Die Hantel der Software-Werte](https://mehmetmhy.com/posts/barbell_theory/)(2025), in der ich erstmals die zusammenbrechende Mitte und die Theorie des internen Software-Leverage dargelegt habe. Die zweite Hälfte hier ist die operative Version dieses Beitrags.\n\n**Der Atome-Computer**\n\n- Travis Kalanick,\n[Vision](https://atoms.co/vision),[Unfinished Business](https://atoms.co/unfinished-business)und[How AI Will Transform the Physical World](https://www.youtube.com/watch?v=r8qKNFeBPXE), Atoms und a16z, 2026. Das Framing des atombasierten Computers, die Abbildung von CPU/Speicher/Netzwerk auf Fertigung/Immobilien/Transport, die Schleife aus Verstehen-Vorhersagen-Steuern, industrielle KI und gewinnbringend beschäftigte Roboter stammen alle von ihm. Dieser Abschnitt ist meine Zusammenfassung seiner Idee, nicht meine Idee. - Ben Horowitz und Alex Danco,\n[Travis is Back](https://a16z.com/travis-is-back/), a16z, 2026.\n\n**Die Ökonomie**\n\n- Atlassian,\n[Q2 FY2025 results](https://www.businesswire.com/news/home/20250130093810/en), für die Bruttomargen ausgereifter horizontaler SaaS im niedrigen Achtzigerbereich. - Snowflake,\n[FY2025 results](https://www.snowflake.com/en/news/press-releases/snowflake-reports-financial-results-for-the-fourth-quarter-and-full-year-of-fiscal-2025/), als Gegenbeispiel dafür, dass verbrauchsintensive Software deutlich unter den klassischen SaaS-Bruttomargen laufen kann. - Michael Porter,\n[five forces](https://en.wikipedia.org/wiki/Porter%27s_five_forces_analysis), 1979, für die Taxonomie der Rentenquellen in Teil Eins. - David Teece,\n, 1986, für das Aneignungsproblem in Teil Drei.*Profiting from Technological Innovation* - Alfred Marshall,\n*Principles of Economics*, 1890, für[externe Ökonomien und Agglomeration](https://en.wikipedia.org/wiki/Economies_of_agglomeration)in Teil Fünf. - Ronald Coase,\n, 1937, für Transaktionskosten in Teil Fünf.*The Nature of the Firm* - Theodore Wright, 1936, und die Boston Consulting Group, für die\n[Erfahrungskurve](https://en.wikipedia.org/wiki/Experience_curve_effects)in Teil Fünf. - Stan Shih,\n[die lächelnde Kurve](https://en.wikipedia.org/wiki/Smiling_curve), um 1992. Sein[ursprüngliches Diagramm](https://commons.wikimedia.org/wiki/File:Smiling_Curve.svg)ist auf Wikimedia Commons, und Ben Thompsons[Publishers and the Smiling Curve](https://stratechery.com/2014/publishers-smiling-curve/)ist die beste Erweiterung davon, die ich gelesen habe. - Gary Pisano und Willy Shih,\n[Restoring American Competitiveness](https://hbr.org/2009/07/restoring-american-competitiveness), Harvard Business Review, 2009, für die industrielle Commons und warum Reshoring schwer ist. - Andrew „bunnie“ Huang,\n[The Hardware Hacker](https://someplace-else.neocities.org/books/The%20Hardware%20Hacker.pdf), für den Augenzeugenbericht darüber, wie sich die Dichte in Shenzhen tatsächlich anfühlt, wenn man darin arbeitet. - WTO,\n[Accessions: China](https://www.wto.org/english/thewto_e/acc_e/a1_chine_e.htm), für den Hintergrund zur Integration Chinas in das globale Handelssystem. - World Bank,\n[manufacturing value added](https://data.worldbank.org/indicator/NV.IND.MANF.CD?locations=CN-US), für den Hintergrund zur Größe der chinesischen Fertigung im Verhältnis zu den Vereinigten Staaten.\n\n**Die Startup-Mechanik**\n\n- Paul Graham,\n[Do Things That Don’t Scale](https://paulgraham.com/ds.html)und[How to Get Startup Ideas](https://paulgraham.com/startupideas.html), für den schmalen Wedge. - Tesla,\n[The Secret Tesla Motors Master Plan](https://www.tesla.com/blog/secret-tesla-motors-master-plan-just-between-you-and-me), 2006, für die Logik vom Roadster zum bezahlbaren Auto als Wedge. - Palantir,\n[S-1 registration statement](https://www.sec.gov/Archives/edgar/data/1321655/000119312520230013/d904406ds1.htm), 2020, für das Muster von der Regierung zur kommerziellen Expansion. - Die Unternehmensgeschichte von SpaceX und die Starlink-Offenlegungen über\n[SpaceX](https://www.spacex.com/)und[Starlink](https://www.starlink.com/), für den Start als anfänglicher Wedge vor breiterer Weltrauminfrastruktur.\n\n**KI-Coding und Softwareproduktion**\n\n- GitHub,\n[Einführung von GitHub Copilot](https://github.blog/news-insights/product-news/introducing-github-copilot-ai-pair-programmer/), 2021, und[allgemeine Verfügbarkeit von GitHub Copilot](https://github.blog/news-insights/product-news/github-copilot-is-generally-available-to-all-developers/), 2022, für den praktischen Beginn kommerzieller KI-gestützter Programmierunterstützung. - OpenAI,\n[Technischer Bericht zu GPT-4](https://arxiv.org/abs/2303.08774), 2023, und Anthropic,[Claude 3.5 Sonnet](https://www.anthropic.com/news/claude-3-5-sonnet), 2024, als Hintergrund zur Beschleunigung der Modellfähigkeiten. - Peng et al.,\n[Die Auswirkung von KI auf die Entwicklerproduktivität](https://arxiv.org/abs/2302.06590), 2023, für das kontrollierte GitHub-Copilot-Ergebnis, bei dem Entwickler eine begrenzte Programmieraufgabe 55,8 Prozent schneller abschlossen. - Cui et al.,\n[Die Auswirkungen generativer KI auf hochqualifizierte Arbeit](https://mit-genai.pubpub.org/pub/v5iixksv), 2025, für das Feldstudienergebnis über 4.867 Entwickler, das 26,08 Prozent mehr abgeschlossene Aufgaben zeigte. - METR,\n[Messung der Auswirkungen von KI Anfang 2025 auf die Produktivität erfahrener Open-Source-Entwickler](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/), 2025, für das Gegenbeispiel, bei dem erfahrene Entwickler mit KI-Tools in ausgereiften Repositories 19 Prozent langsamer waren. [Cursor](https://cursor.com/),[Claude Code](https://code.claude.com/docs/en/cli-reference),[OpenAI Codex CLI](https://learn.chatgpt.com/docs/codex/cli),[Kiro CLI](https://kiro.dev/cli/), und[OpenCode](https://opencode.ai/docs/cli/), für den Wandel von Autovervollständigung zu agentischem Repo- und Terminalzugriff.[Conductor](https://www.conductor.build/),[Superset](https://superset.sh/), und[Hermes Agent](https://hermes-agent.nousresearch.com/), für die Orchestrierungsschicht über einzelnen Agenten-Programmierwerkzeugen.\n\n**Die Ausfallmodi des Datenmoats**\n\n- Sun et al.,\n[Erneute Betrachtung der unangemessenen Wirksamkeit von Daten im Deep-Learning-Zeitalter](https://openaccess.thecvf.com/content_ICCV_2017/papers/Sun_Revisiting_Unreasonable_Effectiveness_ICCV_2017_paper.pdf), ICCV 2017, für die empirische Erkenntnis, dass sich die Leistung bei Bildverarbeitungsaufgaben logarithmisch mit dem Volumen der Trainingsdaten verbessert. - Martin Casado und Peter Lauten,\n[Das leere Versprechen von Datenmoats](https://a16z.com/the-empty-promise-of-data-moats/), a16z, 2019, für das Argument, dass Skaleneffekte von Daten meist erodieren statt sich zu verstärken. - Valavi et al.,\n[Zeit und der Wert von Daten](https://www.hbs.edu/ris/Publication%20Files/21-016_d5cc4876-c029-4540-8092-16a23778d86f.pdf), Working Paper 21-016 der Harvard Business School, 2021, für die Unterscheidung zwischen Datenbestand und Datenfluss sowie die Erkenntnis, dass veraltete Daten die Modellgenauigkeit beeinträchtigen können. - Chen et al.,\n[Abnehmende Relevanz klinischer Daten für zukünftige Entscheidungen in datengesteuerten klinischen Anordnungssets für stationäre Patienten](https://pubmed.ncbi.nlm.nih.gov/28495350/), International Journal of Medical Informatics, 2017, für die ungefähr viermonatige Halbwertszeit klinischer Vorhersagedaten. - OpenAI\n[Unternehmensdatenschutz](https://openai.com/enterprise-privacy/), Anthropic[kommerzielle Bedingungen](https://www.anthropic.com/legal/commercial-terms), Microsoft Azure OpenAI[Datenschutz](https://learn.microsoft.com/en-us/azure/foundry/responsible-ai/openai/data-privacy), AWS Bedrock[FAQ](https://aws.amazon.com/bedrock/faqs/), und Google Vertex AI[Datenverwaltung](https://cloud.google.com/vertex-ai/generative-ai/docs/data-governance), für Standardverpflichtungen, Geschäftskundeneingaben und -ausgaben nicht zum Training zu verwenden. - Europäischer Datenschutzausschuss,\n[Stellungnahme 28/2024 zu KI-Modellen](https://www.edpb.europa.eu/system/files/2024-12/edpb_opinion_202428_ai-models_en.pdf),[DSGVO Artikel 5 und Artikel 17](https://eur-lex.europa.eu/eli/reg/2016/679/2016-05-04/eng),[HIPAA-Regeln zur De-Identifizierung](https://www.hhs.gov/hipaa/for-professionals/special-topics/de-identification/index.html), und[CCPA/CPRA-Regeln](https://leginfo.legislature.ca.gov/faces/codes_displaySection.xhtml?lawCode=CIV§ionNum=1798.140), für datenschutzrechtliche Beschränkungen der sekundären Datennutzung, Löschung, De-Identifizierung und Weitergabe. - Lathrop GPM,\n[Navigieren von KI-Eigentum in kommerziellen und IP-Lizenzvereinbarungen](https://www.lathropgpm.com/insights/navigating-ai-ownership-in-commercial-and-ip-license-agreements-key-considerations-for-tech-providers-and-customers/), 2026, für die vertragliche Spannung zwischen Zusagen, nicht zum Training zu verwenden, und vorbehaltenen Nutzungsrechten an aggregierten oder de-identifizierten Daten.\n\n**Bilder**\n\n- Stan Shihs lächelnde Kurve,\n[Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Smiling_Curve.svg), CC BY-SA. - Huaqiangbei an der Shennan-Kreuzung, Foto von Charlie fong,\n[Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Huaqiangbei%26Shennan_Cross2021.jpg), CC BY-SA. - Spritzgussform, Foto von Wizard191,\n[Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Injection_molding_die_side_A.JPG), CC BY-SA 3.0. - Preise von Solar-PV-Modulen im Vergleich zur kumulativ installierten Kapazität,\n[Our World in Data](https://ourworldindata.org/grapher/solar-pv-prices-vs-cumulative-capacity), CC BY 4.0. Diagramm lokal aus dem veröffentlichten Datensatz neu erstellt.\n\n**Die Unternehmensbeispiele**\n\n- Anduril-Gewinnmargenschätzung über\n[Sacra](https://www.sacra.com/c/anduril/). Anduril ist privat und veröffentlicht keine geprüften Margen, daher wird dies als Schätzung und nicht als gemeldete Zahl behandelt. Branchenbenchmark für Bruttomargen in Luft- und Raumfahrt sowie Verteidigung (etwa 17,5 Prozent) aus[Aswath Damodarans NYU-Stern-Margendatensatz](https://pages.stern.nyu.edu/~adamodar/New_Home_Page/datafile/margin.html). - Hintergrund zu Alphabet und Google über\n[Alphabets Form 10-K für das Geschäftsjahr 2025](https://www.sec.gov/Archives/edgar/data/1652044/000165204426000018/goog-20251231.htm), kombiniert mit[United States v. Google LLC](https://www.justice.gov/atr/case/us-and-plaintiff-states-v-google-llc)für Vereinbarungen zur Standardverteilung der Suche, Vorteile der Suchskalierung und den kartellrechtlichen Kontext. - Carbon Robotics Large Plant Model und 150 Millionen markierte Pflanzen über die\n[Business-Wire-Ankündigung des Unternehmens vom Februar 2026](https://www.businesswire.com/news/home/20260202630325/en/), mit[TechCrunch](https://techcrunch.com/2026/02/02/carbon-robotics-built-an-ai-model-that-detects-and-identifies-plants/)als Bestätigung. - Historie von Intuitive Surgical und FDA-Zulassung von 2000 über\n[Intuitive Unternehmensgeschichte](https://www.intuitive.com/en-us/about-us/company/history). Verfahrensvolumen über[Intuitives Corporate-Impact-Bericht 2025](https://www.intuitive.com/en-us/-/media/ISI/Intuitive/Pdf/2025-Intuitive-Corporate-Impact-Report.pdf), und installierte Basis-/Margenangaben über die[Ergebnisbekanntgabe für Q4 2025](https://isrg.intuitive.com/news-releases/news-release-details/intuitive-announces-fourth-quarter-earnings-5/). - Tesla-Margenangaben über das\n[Update für Q4 und das Geschäftsjahr 2025](https://assets-ir.tesla.com/tesla-contents/IR/TSLA-Q4-2025-Update.pdf). - Muster der regulatorischen Expansion von Waymo über\n[Tesorbs 2026 Robotaxi Regulatory Map](https://tesorb.com/robotaxi-regulatory-map-2026/)und[Electreks Berichterstattung über die Genehmigung der CPUC-Ausweitung](https://electrek.co/2026/08/14/waymo-cpuc-approval-california-expansion-18-counties/). - Nokias Höchststand 2007 und die Abstiegstimeline über\n[BBC News](https://www.bbc.com/news/technology-23947212)und[Wikipedia](https://en.wikipedia.org/wiki/The_Decline_and_Fall_of_Nokia), mit Vuoris und Huys[Studie in Administrative Science Quarterly / INSEAD](https://journals.sagepub.com/doi/10.1177/0001839215606951)für die organisatorischen Dynamiken hinter dem Zusammenbruch sowie[Michael Sikands](https://www.linkedin.com/in/michaelsikand)[Videoanalyse](https://www.youtube.com/watch?v=1v-yx_HVeZU)für den modernen Infrastrukturschwenk. - OpenAI Stargate-Details über\n[OpenAIs ursprüngliche Ankündigung](https://openai.com/index/announcing-the-stargate-project/)und[Ankündigung zur Standorterweiterung](https://openai.com/index/five-new-stargate-sites/). Dies sind angekündigte Zusagen und Pläne, keine vollständig eingesetzte Kapazität. - Kraken Robotics, abgeleitet aus den eigenen\n[Produkt- und Vertragsangaben](https://www.krakenrobotics.com/).\n\n**Dieser Essay wurde von mir konzipiert und geschrieben. Ich habe ChatGPT, Claude, Grok, Manus AI und OpenCode verwendet, um bei Hintergrundrecherche, Schreibbereinigung und Struktur zu helfen. Das Vorschaubild und das Balkendiagramm wurden zunächst von KI erzeugt und dann von Hand bearbeitet. Alle anderen Bilder habe ich selbst beschafft, und ich habe jede Quelle und jede Tatsache unabhängig überprüft. Ich übernehme die volle Verantwortung für den endgültigen Text.**\n\n__Offenlegung:__", "url": "https://wpnews.pro/news/das-moderne-burggrabenmodell", "canonical_source": "https://mehmetmhy.com/langs/de/modern_moat/", "published_at": "2026-08-14 00:00:00+00:00", "updated_at": "2026-08-23 02:43:17.887405+00:00", "lang": "en", "topics": ["generative-ai", "ai-products", "ai-startups"], "entities": [], "alternates": {"html": "https://wpnews.pro/news/das-moderne-burggrabenmodell", "markdown": "https://wpnews.pro/news/das-moderne-burggrabenmodell.md", "text": "https://wpnews.pro/news/das-moderne-burggrabenmodell.txt", "jsonld": "https://wpnews.pro/news/das-moderne-burggrabenmodell.jsonld"}}