Ausgabe vom 25. April 2026

Wir berichteten am Montag in unserer Ausgabe vom 21. April ausführlich über Amazons 25-Milliarden-Dollar-Schub für Anthropic, die parallele Trainium-Partnerschaft und das Project-Rainier-Datacenter in Indiana. Drei Tage später meldet Bloomberg: Google legt seine eigene Karte auf den Tisch — und sie ist größer. Zehn Milliarden Dollar in bar fließen sofort, bei einer Bewertung von 350 Milliarden Dollar. Weitere 30 Milliarden Dollar sind an Performance-Targets gebunden und werden sukzessive freigegeben. Insgesamt: bis zu 40 Milliarden Dollar.

Damit verdoppelt Google seine bisherigen kumulierten Anthropic-Investitionen. Nach Bloombergs Recherche brachte der Suchriese seit 2022 rund drei Milliarden Dollar plus Cloud-Credits ein, gefolgt von einer 1,5-Milliarden-Tranche im November 2025. Das neue Paket übertrifft alles bisherige um Größenordnungen. Anthropic kommentiert die Vereinbarung als „Erweiterung einer langjährigen Partnerschaft“. Konkret heißt das: Google Cloud liefert über fünf Jahre fünf Gigawatt Rechenleistung — mit Option auf weitere Gigawatts. Die TPU-basierte Infrastruktur, die wir in unserer Ausgabe vom 23. April als Anthropics Trainings-Hebel beschrieben haben, wird damit explizit als das primäre Trainings-Compute-Cluster bestätigt — auch wenn Anthropic AWS weiterhin als „primary cloud“ ausweist.

Die Mehrfach-Bindung ist diplomatisch komplex. Anthropic ist heute gleichzeitig an Amazon (Trainium-Cluster, IPO-Vehikel, Bedrock-Integration), an Google (TPU-Compute, Gemini-Konkurrenz, Investment-Beteiligung) und an Microsoft (Azure-Distributionsschiene seit Anfang 2026) gebunden. Jede dieser Partnerschaften wäre für sich exklusiv-relevant; gemeinsam ergeben sie eine Hyperscaler-Diversifikation, die OpenAI mit seiner Microsoft-Bindung nicht hat. Der Effekt: Anthropic erhält Verhandlungsmacht gegenüber jedem einzelnen Partner und kann Preise und Kapazitäten gegenüberstellen.

Die ökonomische Plausibilität liegt in den Zahlen. Anthropic-CFO Krishna Rao bestätigte gegenüber Bloomberg: Annual Run-Rate-Umsatz hat im April 2026 die 30-Milliarden-Dollar-Marke überschritten — gegenüber etwa neun Milliarden zum Jahresende 2025. Das ist ein 3,3-faches Wachstum in vier Monaten, getrieben praktisch ausschließlich von Coding-Anwendungen (Claude Code, Cursor-OEM, Cognition/Devin) und Enterprise-API-Adoption. Die Burnrate dafür ist allerdings im selben Tempo gewachsen: Compute-Ausgaben dürften nach Branchenschätzungen 60 bis 70 Prozent dieses Umsatzes verschlingen. Die 40 Milliarden Dollar von Google sind weniger eine Wachstumsfinanzierung als eine Brücke zur Profitabilität in 2027/28.

Für die SaaS-Welt ist die Botschaft zweischneidig. Einerseits sichert das Geld Anthropics Roadmap und vermutlich aggressive Preisexperimente — etwa die Pro-Plan-Paywall-Tests, über die wir am 23. April schrieben. Andererseits verstärkt sich der Eindruck eines KI-Karussells, in dem Hyperscaler-Investitionen und Cloud-Bindungen so eng verknüpft sind, dass jede Risikobetrachtung schnell zur systemischen Frage wird. Wer heute auf Claude als zentrale KI-Komponente setzt, hat Vendor-Lock-in nicht nur gegenüber Anthropic, sondern indirekt gegenüber dem hinter ihm stehenden Compute-Konsortium.

Wer das Tesla-10-Q für Q1 2026 nicht Zeile für Zeile durcharbeitet, übersieht die Meldung. Auf Seite 27, hinter dem Finanzteil, hinter Management Discussion, hinter Legal Proceedings, steht ein einzelner Satz: Tesla habe im April 2026 eine Vereinbarung zur Übernahme einer KI-Hardware-Firma getroffen — Wert bis zu zwei Milliarden Dollar in Aktien. Davon werden 200 Millionen Dollar als Garantiebetrag bei Closing fällig; die übrigen 1,8 Milliarden sind an Service-Bedingungen und Performance-Meilensteine gebunden, die mit der erfolgreichen Bereitstellung der Technologie zusammenhängen. Der Name des Targets steht nirgends im Filing.

Das Ungewöhnliche ist die Form der Bekanntmachung. Tesla hat im selben Quartalsbericht zugleich seine Capital-Expenditure-Pläne für 2026 auf 25 Milliarden Dollar erhöht — mehr als das Dreifache des Vorjahres — und Elon Musk hat Investoren beim Earnings-Call mehrfach auf die KI- und Robotik-Strategie verwiesen. Dass eine konkrete Akquisition in dieser Größenordnung weder im Brief an Aktionäre noch im Call erwähnt wurde, ist insbesondere für SEC-erfahrene Beobachter auffällig. „Material event“-Schwellen sind in der Praxis flexibel; zwei Milliarden Dollar Aktienverwässerung wären für die meisten Unternehmen ein eigenständiger Pressetermin gewesen.

Die Spekulation richtet sich auf zwei Szenarien. Erstens: Es könnte sich um die strategisch wichtige Übernahme eines AI-ASIC-Designers handeln — ein eigener Chip-Entwickler, der die Dojo-Roadmap beschleunigt oder ersetzt. Tesla hat Dojo seit 2023 mehrfach in der Beschreibung gewechselt; nach der Bekanntmachung des „AI5“-Inferenz-Chips für Vehicle-Compute im Februar 2026 ist offen, wie viel Eigenentwicklung Tesla im Trainings-Stack langfristig hält. Zweitens: Es könnte um spezialisierte Sensor- oder Compute-Hardware für Optimus oder Robotaxi gehen. Beide Linien benötigen für die Skalierung in den nächsten 12 bis 18 Monaten substanzielle Hardware-Innovationen, die Tesla intern allein wohl nicht in der nötigen Geschwindigkeit liefern kann.

Die Performance-Meilenstein-Struktur weist auf ein typisches Earn-out-Modell hin, wie es bei Talent-zentrischen Akquisitionen üblich ist. 200 Millionen sofort, 1,8 Milliarden bei „erfolgreicher Bereitstellung der Technologie“ — das ist eine Klausel, die das Founding-Team über Jahre an Tesla bindet und gleichzeitig den Aktionärsverwässerungs-Druck verzögert. Vergleichbar war die Acqui-Hire-Logik bei Anthropics Übernahme von Inflections AI-Talenten oder bei Microsofts Inflection-Deal 2024. Der Unterschied: Hier ist das Target öffentlich noch unbekannt.

Für die Investoren-Community ist die größere Frage, wie Teslas KI-Strategie mittelfristig aussieht. Die Capex-Erhöhung auf 25 Milliarden Dollar — Bloomberg-Schätzung: dreimal soviel wie 2025 — bei gleichzeitig fallendem Auto-Geschäft (Q1-Auslieferungen unter Erwartungen, Aktie nach Earnings nur dank des Robotaxi-Launches stabil) verschiebt das Profil weiter Richtung KI-Pure-Play. Die zwei Milliarden Dollar AI-Hardware-Akquisition fügt sich in dieses Bild ein. Allerdings: Das Wertangebot eines Tesla-AI-Stacks bleibt nebulös, solange die wichtigsten Bausteine — Dojo-Cluster, FSD-Margenbeitrag, Optimus-Stückzahlen — nicht öffentlich validiert sind.

DeepMind-CEO Demis Hassabis hatte die Phase-1-Trials erstmals im Januar beim Weltwirtschaftsforum in Davos in Aussicht gestellt; im Februar stellte Isomorphic die „Isomorphic Labs Drug Design Engine“ (IsoDDE) als integrierte Plattform vor, die AlphaFold 3 in der Vorhersage von Protein-Ligand-Bindungsstrukturen um den Faktor zwei übertrifft. Am 24. April nun die operative Bestätigung: Die ersten KI-designten Moleküle treten in klinische Phase 1 ein. Schwerpunkt: Onkologie und Immunologie.

Was IsoDDE technisch leistet, lohnt eine Erläuterung. AlphaFold 2 (2020) und AlphaFold 3 (2024) sagten die dreidimensionale Struktur von Proteinen vorher — ein wissenschaftlicher Durchbruch, der mit dem Nobelpreis für Hassabis und John Jumper 2024 gewürdigt wurde. Wirkstoffentwicklung braucht jedoch mehr: Sie braucht Moleküle, die sich an exakt die richtigen Stellen eines Zielproteins anlagern, dabei sicher sind und sich pharmakokinetisch sinnvoll verhalten. IsoDDE deckt diesen erweiterten Workflow in einer integrierten Plattform ab — von der Zielidentifikation über die Generierung präklinischer Kandidaten bis hin zur Prüfung von ADMET-Eigenschaften (Absorption, Distribution, Metabolismus, Exkretion, Toxizität). Statt eines Modells für Strukturvorhersage und separater Tools für Bindungsoptimierung ist IsoDDE ein End-to-End-System.

Die Partnerschaftsstruktur dahinter ist seit Anfang 2024 öffentlich. Eli Lilly investierte 45 Millionen Dollar plus bis zu 1,7 Milliarden Dollar an Meilenstein-Zahlungen; Novartis legte 37,5 Millionen Dollar plus bis zu 1,2 Milliarden Dollar nach. Insgesamt rund drei Milliarden Dollar potenzielle Erlöse aus diesen beiden Deals — ohne die Royalties, die im Erfolgsfall on top kommen. Im April 2025 schloss Isomorphic eine 600-Millionen-Dollar-Finanzierungsrunde mit Thrive Capital und GV als Lead-Investoren ab. Hassabis ist gleichzeitig CEO von Isomorphic Labs und Google DeepMind — eine ungewöhnliche Doppelrolle, die die enge Bindung der Tochter an die Mutter unterstreicht.

Für die Pharmaindustrie ist der Phase-1-Eintritt ein kategorialer Schritt. Bisher waren KI-designte Wirkstoffe ein bewerbendes Versprechen — die meisten Veröffentlichungen lasen sich wie „diese Verbindung würde theoretisch binden“. Phase-1-Patienten sind reale Menschen, in denen reale Pharmakokinetik gemessen wird. Sollte einer der Onkologie-Kandidaten den Phase-1-Pfad erfolgreich durchlaufen (Erfolgsrate historisch: rund 60 Prozent für Phase 1, bezogen auf Sicherheit, nicht Wirksamkeit) und in Phase 2/3 eintreten, beträgt der Zeithorizont bis zur Marktzulassung weiterhin sechs bis zehn Jahre. Die Onkologie-Pipelines anderer KI-Pharma-Unternehmen — Recursion, Insilico Medicine, BenevolentAI — haben den Schritt teils schon vorher vollzogen, allerdings auf weniger anspruchsvollen Architekturen.

Die Implikation für SaaS-Entscheider liegt nicht in der direkten Anwendung, sondern in einem Mustererkennungssignal. Was Isomorphic in der Wirkstoffforschung tut — ein integriertes End-to-End-Modell für eine Branche, die früher eine Kette diskreter Tools nutzte — ist dieselbe Architekturentscheidung, die Salesforce mit Agentforce, Microsoft mit Copilot Studio und HubSpot mit Breeze gerade in vertikalen Software-Domänen treffen. Vertikale Foundation-Modelle, die nicht nur ein Problem lösen, sondern eine ganze Wertschöpfungskette koordinieren, sind das nächste Schlachtfeld der KI-Anwendung. Pharma ist hier nur das prominenteste Beispiel.

Die Ankündigung kam am Freitag aus Seattle: AWS und Meta unterzeichnen eine mehrjährige Partnerschaft, in der Meta Zehnermillionen Graviton-5-CPU-Kerne von Amazons hauseigener ARM-Chip-Familie für mindestens drei Jahre nutzt. Damit wird Meta zu einem der fünf größten Graviton-Kunden weltweit. Der Vertragsumfang wurde nicht offiziell beziffert; Branchenkenner schätzen den Wert auf einen mittleren einstelligen Milliardenbetrag. Bemerkenswert: Meta zog sich erst Anfang 2025 in Folge des Manus-China-Konflikts und Capex-Restrukturierung weiter aus AWS zurück, lief vornehmlich auf eigenen Datacentern. Der jetzige Schritt ist ein Strategiewechsel.

Der Hintergrund ist die Verschiebung der KI-Lastenstruktur. Klassische Inferenz von Sprachmodellen ist GPU-gebunden: Matrixmultiplikationen mit hoher Parallelität, hoher Bandbreitenbedarf, geringer CPU-Anteil. Agentische Workloads — also Systeme, die mehrere Modelle hintereinanderschalten, Tools aufrufen, Web-Daten verarbeiten, Datenbanken abfragen — verschieben einen substanziellen Teil der Last zur CPU. Tool-Calls, Datenformatierung, Routing zwischen Sub-Agents, RAG-Retrieval, Memory-Management: das sind alles Operationen, die GPU-Cluster nicht effizient erledigen können. Meta-Chef-Researcher Yann LeCun: „Agentische KI ist fast so eine große CPU-Story wie eine GPU-Story.“

Graviton-5 ist Amazons fünfte Generation eigener ARM-Chips, eingeführt im November 2025 als „purpose-built for agentic and AI-augmented workloads“. Die Architektur basiert auf Arm Neoverse V3 mit erweiterten SVE2-Instruktionen, 128 Cores pro Sockel, mit dedizierten Pfaden für KV-Cache-Operationen, BF16-Vektorarithmetik und Custom-Instruktionen für RAG-typische Vektor-Operationen. Im Vergleich zu Intel Xeon und AMD EPYC verspricht Amazon 30 bis 40 Prozent bessere Performance pro Watt und 25 bis 35 Prozent niedrigere Kosten pro Inferenz-Operation in agentischen Workloads. Diese Zahlen sind herstellerseitig — unabhängige Benchmarks von Phoronix bestätigen aber den groben Trend.

Für AWS ist der Deal ein strategisches Signal an Konkurrenten und Kunden: Graviton hat den hyperscaler-internen Status verlassen und wird zur ernsthaften Plattform für externe AI-Heavy-Loads. Vor Meta waren bekannte Großkunden u.a. Snap, Pinterest, Shopify und Lyft; Meta verändert das Profil durch schiere Größe. Für Meta ist es eine Mischung aus Kostenarbitrage und Resilienz — eigene Infrastruktur ergänzt durch AWS-Kapazität, die elastisch hochgefahren werden kann. Implizit wirkt der Deal auch wie eine Friedensgeste in den von Manus überschatteten US-China-Tech-Beziehungen, da Meta sich klar auf US-Hyperscaler-Partner stützt.

Die Lehre für SaaS-Architekten: Wer agentische Anwendungen plant, sollte CPU-Auslastung neu modellieren. Faustregel aus aktueller AWS-Dokumentation: Pro GPU-Stunde in der Inferenz fallen drei bis fünf Stunden CPU-Last für Tool-Orchestrierung, Memory und I/O an. Wer das nicht kostenseitig einplant, unterschätzt die echten Total-Cost-of-Ownership-Profile von Agent-Stacks systematisch. Der Marktanteil von ARM-Cloud-Compute in agentischen Architekturen wird nach Analyst-Prognosen von SemiAnalysis von rund 18 Prozent (2025) auf über 35 Prozent bis Ende 2027 steigen.

Bloomberg meldete am Donnerstag, dass die National Development and Reform Commission (NDRC) — Chinas mächtigste Wirtschaftsplanungsbehörde — und mehrere weitere Agenturen private Tech-Firmen in den letzten Wochen explizit angewiesen haben, US-Kapital in Finanzierungsrunden ohne ausdrückliche Genehmigung abzulehnen. Namentlich genannte Empfänger dieser Anweisung sind unter anderem Moonshot AI (Hersteller des Kimi-Modells, das im April mit Kimi K2.6 zu den führenden Open-Source-Modellen aufgeschlossen hat) und StepFun. Beide bereiten Börsengänge bzw. größere Finanzierungsrunden vor.

Der Hintergrund ist der Manus-Komplex. Manus, ein 2024 in Singapur registriertes KI-Agent-Startup mit chinesischen Gründern (Xiao Hong und Ji Yichao), entwickelte einen autonomen Agent, der mit Browser-Automatisierung Aufgaben in produktionsfähiger Qualität erledigt. Im Januar 2026 kaufte Meta die Firma für rund zwei Milliarden Dollar — ohne dass die chinesische Provenienz in der ersten Pressemitteilung explizit erwähnt wurde. Die Washington Post deckte den Vorgang zwei Wochen später auf, was eine Welle politischer Reaktionen auslöste: Die chinesischen Gründer wurden Ende März bei einer Reise nach Peking an der Ausreise gehindert, das Handelsministerium leitete eine nationale Sicherheitsprüfung ein, und das Ganze gipfelte am 23. April im offiziellen Erlass: „Singapore Washing“ — also die Umgehung chinesischer Tech-Export-Kontrollen durch eine simple Sitzverlagerung — wird nicht mehr toleriert.

Die parallele Maßnahme aus Washington ist ebenfalls aktiv. Das House Foreign Affairs Committee verabschiedete am 22. April eine Reihe parteiübergreifender Export-Kontroll-Gesetze, die KI-Technologie-Flüsse Richtung China weiter einschränken sollen. Der Trump-II-Administration wird vorgeworfen, in dieser Frage zu zaghaft zu agieren — entsprechend setzt der Kongress eigene Akzente. Die parallelen Restriktionen aus Peking und Washington bedeuten, dass KI-Investoren in beiden Ländern ihre Cross-Border-Strategien grundlegend überdenken müssen.

Für die globale KI-Finanzierungslandschaft sind die Konsequenzen substanziell. Bisher floss US-Risikokapital — Sequoia, a16z, Lightspeed, Khosla — in chinesische KI-Startups häufig über Singapore- oder Cayman-Strukturen. Diese Vehikel werden jetzt schwieriger, langsamer und politisch riskanter. Das hat zwei mögliche Effekte: Erstens dürften chinesische KI-Champions vermehrt auf inländisches Kapital, Hong-Kong-IPOs und staatlich geförderte Fonds setzen — was die enge Verbindung zur chinesischen Regierungspolitik verstärkt. Zweitens steigen die Hürden für US-Hyperscaler, sich an chinesischer KI-Innovation zu beteiligen, was bestehende Partnerschaften (etwa AMD-Aliyun, Microsoft-iFlytek) strategisch riskanter macht.

Für deutsche und europäische SaaS-Unternehmen ergeben sich aus der Polarisierung zwei pragmatische Folgen. Erstens: Der Markt für „neutrale“ KI-Modelle wird größer. Open-Source-Modelle aus China — DeepSeek, Qwen, GLM, Kimi — sind unter MIT- oder Apache-Lizenz frei nutzbar, ohne dass deutsche Kunden sich politisch positionieren müssen. Zweitens: Die Lieferkettenrisiken bei KI-Hardware (TSMC-Produktion, Nvidia-Exportlizenzen, ARM-Designhilfen) werden volatiler; wer auf Compute-intensive Workloads setzt, sollte Backup-Stacks auf alternative Hyperscaler einplanen.

Die Ausgabe vom 23. April berichtete über die offiziellen Meta-Layoffs — 8.000 Stellen, zehn Prozent der Belegschaft. Was wie eine Sparmaßnahme aussah, ist tatsächlich Teil einer aggressiven Umbau-Strategie unter dem neuen Chief AI Officer Alexandr Wang (von Meta für 14,3 Milliarden Dollar via Scale-AI-Übernahme akquiriert). Wer geht, wird durch teures Spitzentalent ersetzt. Am Donnerstag berichtete The Next Web gestützt auf Informationen mehrerer Beteiligter: Meta hat fünf Gründungsmitglieder von Mira Muratis Thinking Machines Lab abgeworben.

Der prominenteste Wechsel: Andrew Tulloch, einer der ursprünglichen Co-Founder und ehemaliger Anthropic-Senior-Engineer. Sein Paket: 1,5 Milliarden Dollar über sechs Jahre, eine Mischung aus Cash, Aktien und Performance-Multiplikatoren. Falls bestätigt, wäre das das größte je dokumentierte Tech-Talent-Paket — über das hinaus, was selbst die ursprünglichen OpenAI-zu-Anthropic-Bewegungen 2023/24 erreichten. Daneben gehen drei weitere Founding Engineers und ein Senior Researcher zu Meta Superintelligence Labs. Hintergrund: Murati hatte ein 1-Milliarden-Dollar-Übernahmeangebot von Meta abgelehnt; Meta antwortete, indem es das Team aus dem Startup herauskaufte.

Das Ergebnis ist dramatisch. Thinking Machines Lab, gegründet im Frühjahr 2025 von Murati und einem rund 30-köpfigen Team aus ehemaligen OpenAI- und Anthropic-Veteranen, schloss im Juli 2025 eine 2-Milliarden-Dollar-Seed-Runde unter der Führung von Andreessen Horowitz bei einer Bewertung von 12 Milliarden Dollar ab — die größte Seed-Runde aller Zeiten. Im November 2025 liefen Gespräche über eine Series A bei 50 Milliarden Dollar Bewertung. Inzwischen hat das Unternehmen den Großteil seines Gründungsteams verloren: Im Januar 2026 gingen Barret Zoph und Luke Metz zurück zu OpenAI (nach Vorwürfen von „unethischem Verhalten“ — Details unklar). Im März verließ Devendra Chaplot das Unternehmen Richtung xAI. Joshua Gross, Erbauer der Tinker-API (das einzige produktbar veröffentlichte Asset des Startups), ging im selben Monat zu Meta Superintelligence Labs.

Murati selbst bleibt CEO. Soumith Chintala (Erfinder von PyTorch, ex-Meta FAIR) ist CTO; John Schulman (ex-OpenAI) Chief Scientist. Das aktuelle Team ist jedoch deutlich schmaler als ursprünglich vorgesehen — und die strategischen Optionen sind eingeschränkt. Die Series A bei 50 Milliarden Dollar dürfte unter dem Eindruck der Abwanderungen schwieriger zu schließen sein. Was im Sommer 2025 als plausibles Counter-Frontier-Lab gestartet war (mit angekündigter Mission „Building unbiased, controllable AI for individuals and societies“), erscheint heute eher als kompliziertes Salvage-Projekt.

Was die Episode zeigt, ist die brutale Pareto-Verteilung im KI-Talentmarkt. 2024 wurde die These „Compute ist King“ vorgetragen; 2025 dann „Daten sind das neue Gold“; 2026 ist offensichtlich: Spitzentalente sind der eigentliche Engpass, und große Tech-Firmen sind bereit, einzelne Personen mit Beträgen zu verpflichten, die früher Series-A-Bewertungen ganzer Startups entsprachen. Für SaaS-Unternehmen mit eigenen KI-Initiativen ist das eine Mahnung: Der Wettbewerb um Senior-Researcher- und Senior-Engineer-Talente ist durch die Hyperscaler-Eskalation in eine Liga vorgerückt, in der traditionelle Comp-Strukturen nicht mehr mithalten können. Wer Frontier-AI-Produkte plant, muss entweder Top-Talent als Co-Founder gewinnen (Equity-Hebel) oder mit Top-Frontier-Modellen via API arbeiten (statt eigene Trainingstiefe aufzubauen).