Transparenz und Realität in der Bewertung von KI-Metriken

Transparenz in der KI-Ära: Eine Analyse der Kennzahlen großer Technologieunternehmen

Die rapide Entwicklung der Künstlichen Intelligenz (KI) hat in den letzten Jahren zu einem beispiellosen Hype in der Technologiebranche geführt. Unternehmen wie OpenAI, Google und andere Giganten präsentieren regelmäßig beeindruckende Wachstumszahlen und Nutzerstatistiken, die das Potenzial der KI unterstreichen sollen. Doch bei genauerer Betrachtung dieser Kennzahlen stellt sich die Frage nach ihrer tatsächlichen Aussagekraft und ob sie möglicherweise ein verzerrtes Bild der wirtschaftlichen Realität zeichnen. Insbesondere in einem B2B-Umfeld, in dem Investitionsentscheidungen auf belastbaren Fakten basieren sollten, ist eine präzise Analyse unerlässlich.

Die Herausforderung der Bewertung in einem dynamischen Markt

Der KI-Sektor ist von enormen Investitionen und einem intensiven Wettbewerb geprägt. Unternehmen müssen kontinuierlich Finanzierungen sichern und Investoren von ihrem Erfolg überzeugen. In diesem Kontext gewinnen bestimmte Metriken, die oft als "weiche Kennzahlen" bezeichnet werden, an Bedeutung. Sie sollen das Wachstum und die Akzeptanz von KI-Produkten und -Dienstleistungen belegen, sind jedoch nicht immer direkt mit traditionellen, harten Finanzkennzahlen vergleichbar. Dies führt zu einer Komplexität in der Bewertung, die für Entscheidungsträger eine Herausforderung darstellt.

Annual Recurring Revenue (ARR) und Annualized Run Rate (ARR): Mehr als nur ein Akronym

Die Abkürzung ARR wird in der Tech-Branche häufig im Zusammenhang mit "Annual Recurring Revenue" oder "Annualized Run Rate" verwendet. Ersteres beschreibt den Betrag, den ein Unternehmen voraussichtlich aus bestehenden Verträgen innerhalb eines Jahres generieren wird. Letzteres ist eine Hochrechnung, bei der der Umsatz aus dem aktuell besten Monat auf ein ganzes Jahr extrapoliert wird. Historisch entstand dieses Konzept mit dem Aufkommen von Software-as-a-Service (SaaS), wo wiederkehrende Abo-Modelle mit festen Kündigungsfristen eine verlässliche Prognose der Einnahmen ermöglichten.

Im Kontext der KI-Branche erweist sich diese Metrik jedoch oft als weniger robust. Eine Umfrage von IBM aus dem Jahr 2025 unter 2.000 CEOs zeigte beispielsweise, dass rund 60 Prozent der KI-Initiativen sich noch in der Pilotphase befinden. Dies impliziert, dass die Fortführung von Verträgen nach einer Testphase keineswegs garantiert ist. Experten weisen darauf hin, dass Gründer dazu neigen könnten, Pilotprojekte oder noch nicht aktivierte Verträge als wiederkehrende Einnahmen zu verbuchen. Die Annualized Run Rate, die auf einer Momentaufnahme des besten Monats basiert, kann ebenfalls zu einer Überschätzung des tatsächlichen Jahresumsatzes führen. Diese Art der Darstellung kann für Investoren und Kunden irreführend sein und ist ein Beispiel für "kreative Buchhaltung", die im Bestreben, mit dem schnellen Tempo des KI-Marktes Schritt zu halten und weitere Finanzierungen zu sichern, angewendet wird.

Der Token-Verbrauch: Eine Metrik ohne Kontext?

Der "Token-Verbrauch" ist eine weitere Kennzahl, die in der KI-Welt häufig genannt wird. Sam Altman von OpenAI präsentierte beispielsweise auf den OpenAI Dev Days Zahlen, die einen enormen Token-Verbrauch durch Großkunden wie Duolingo oder Shopify belegten. Ein Token stellt dabei die kleinste Einheit im Sprachmodell-Kontext dar, vergleichbar mit einer Silbe oder einem Wortbestandteil. Auch Google kommuniziert den Milliardenverbrauch von Tokens über seine Gemini-Schnittstelle. Auf den ersten Blick scheint dies ein Indikator für die intensive Nutzung von KI-Diensten zu sein.

Jedoch mangelt es dieser Metrik oft an Transparenz, da der Kontext fehlt. Die Lukrativität des Token-Verbrauchs für das anbietende Unternehmen hängt stark von verschiedenen Faktoren ab. Die Preisgestaltung für den Zugriff auf APIs variiert erheblich je nach verwendetem Modell und unterscheidet sich zudem stark zwischen Input- und Output-Tokens. Beispielsweise können die Kosten für eine Million Output-Tokens je nach Modell zwischen wenigen und über hundert Dollar liegen. Dies bedeutet, dass ein hoher Token-Verbrauch nicht zwangsläufig mit hohen Einnahmen korreliert, insbesondere wenn potenzielle Preisnachlässe für Batch-Berechnungen berücksichtigt werden. Ohne detaillierte Informationen über die tatsächliche Preisgestaltung und die Modelle, die von den Nutzern in Anspruch genommen werden, bleibt der Token-Verbrauch eine schwer interpretierbare Kennzahl.

MAU, DAU, WAU: Die Flexibilität aktiver Nutzerdefinitionen

Die Metriken der "aktiven Nutzer" – Monthly Active Users (MAU), Daily Active Users (DAU) und Weekly Active Users (WAU) – sind aus der Welt der sozialen Medien bekannt und werden zunehmend auch im KI-Sektor verwendet. Sie sollen die Beliebtheit und Reichweite eines Dienstes aufzeigen. Meta beispielsweise definiert "daily active people" (DAP) basierend auf der Aktivität von Nutzern, die mindestens eines ihrer Produkte (Facebook, Instagram, Messenger, WhatsApp) besucht haben. Die Definition von "Aktivität" ist hier jedoch dehnbar und nicht standardisiert.

Wenn OpenAI von 900 Millionen wöchentlichen Nutzern spricht, ist dies ohne eine klare Definition dessen, was "aktiv" bedeutet, schwer einzuordnen. Es könnte bereits das kurzzeitige Aufrufen einer Seite als Aktivität gewertet werden, selbst wenn der Nutzer den Dienst nach wenigen Sekunden wieder verlässt. Diese fehlende Standardisierung erschwert den Vergleich zwischen verschiedenen Plattformen und Unternehmen erheblich. Solange keine einheitlichen Messmethoden etabliert sind, bleibt die Aussagekraft dieser Kennzahlen begrenzt und bietet Raum für Interpretationen.

Die potenzielle KI-Blase und das Vertrauen der Investoren

Das vermehrte Anwenden "weicher Kennzahlen" in der KI-Branche, wo handfeste, auditierte Berichte über den Return on Investment oder verifizierbare Nutzungsstatistiken fehlen, nährt die Diskussion über eine mögliche "KI-Blase". Das Platzen einer solchen Blase hängt maßgeblich vom Vertrauen der Investoren ab. Berichten zufolge verzeichnen KI-Startups wie OpenAI und Anthropic konstant hohe Verluste. Gleichzeitig tätigen Cloud-Anbieter wie Google und Amazon massive Investitionen in neue Rechenzentren, obwohl die zukünftige Nachfrage und Rentabilität dieser Infrastruktur noch unsicher sind.

Sollten messbare wirtschaftliche Erfolge zu lange ausbleiben, könnten die Finanzierungsströme, insbesondere für kleinere Startups, schnell versiegen. Die Bedrohung einer platzenden Blase bleibt somit akut, solange sich die KI nicht als klarer Effektivitäts- und Profitabilitätsbooster in den Jahresbilanzen niederschlägt. Rekordergebnisse bei Token-Verbrauch, MAU oder ARR können diese grundlegende wirtschaftliche Herausforderung nicht ersetzen.

Ausblick für die B2B-Zielgruppe

Für Unternehmen im B2B-Bereich, die KI-Technologien implementieren oder in diese investieren möchten, ist es entscheidend, über die kommunizierten "weichen Kennzahlen" hinauszublicken. Eine kritische Analyse der Geschäftsmodelle, der tatsächlichen Kostenstrukturen und der langfristigen Monetarisierungsstrategien der KI-Anbieter ist unerlässlich. Die Frage nach dem realen Wertbeitrag und dem Return on Investment muss im Vordergrund stehen. Nur so können fundierte Entscheidungen getroffen und potenzielle Risiken in einem sich schnell entwickelnden Markt minimiert werden. Die Expertise von spezialisierten Partnern wie Mindverse, die komplexe KI-Themen in klare, handlungsrelevante Erkenntnisse übersetzen, kann hierbei von großem Wert sein.

Bibliographie

• Zandt, Florian. "OpenAI, Google & Co.: Wie Tech-Riesen ihre KI-Erfolge mit weichen Kennzahlen schönrechnen." t3n, 06.11.2025.
• The Information. "OpenAI Tops $25 Billion Annualized Revenue, Anthropic Narrows Gap." (Bericht vom 05.03.2026).
• Garfinkle, Allie. "How Is ARR Calculated: Startups, Venture." Fortune, 28.09.2025.
• IBM. "IBM Global AI Adoption Index 2025." (Umfrage veröffentlicht Anfang 2025).
• OpenAI. "OpenAI Dev Days Keynote." (Video der Keynote, veröffentlicht im Jahr 2025).
• Google. "Alphabet Earnings Q3 2025." (Kommentare zu den Ergebnissen, veröffentlicht im Jahr 2025).
• OpenAI. "API Pricing." (Preisgestaltung der OpenAI API, Stand 2025).
• Meta. "Annual Report 2024." (Jahresbericht von Meta, veröffentlicht im Jahr 2025).
• OpenAI. "Scaling AI for Everyone." (Meldung über Nutzerzahlen, veröffentlicht im Jahr 2025).
• Handelsblatt. "OpenAI-COO: „Jeder Dollar für Rechenleistung bringt uns drei Dollar Umsatz“." 29.01.2026.
• Börse am Sonntag. "OpenAIs Geldverbrennung wird 2026 zu einer der großen Blasenfragen." 06.01.2026.
• techupdate.io. "OpenAI und das Billionen-Dollar-Loch: Wenn Skalierung zum Risiko wird." 26.01.2026.
• finanzmarktwelt.de. "KI-Blase droht: Nvidia, OpenAI und ein getarntes Ponzi-Schema." 26.10.2025.
• business-punk.com. "Eine Milliarde Nutzer, kein Business: OpenAIs Geldproblem eskaliert." 23.01.2026.
• ad-hoc-news.de. "OpenAI startet Werbung und günstiges Abo nach Milliardendefizit." 18.01.2026.
• xpert.digital. "„Strukturell bankrott“? Verlustgeschäft ChatGPT: Die erschreckende Wahrheit über OpenAIs Geschäftsmodell." 08.01.2026.
• wiwo.de. "Hype um Künstliche Intelligenz: Darum wird die KI-Blase platzen." (Veröffentlichung vor 2026).