Wir haben seit der Veröffentlichung von ChatGPT drei verschiedene Wellen von KI-Startups auf der Anwendungsebene gesehen, jede mit mehr Wettbewerb und Konsolidierung. Wir sind gerade in Welle #3 eingetreten und die Wettbewerbsdynamik verändert sich auf interessante Weise:

Welle 1️⃣ waren Wrapper und clevere Eingabeaufforderungen mit ausgefeilten UIs, die schnell überholt wurden, als sich die zugrunde liegenden Modelle verbesserten.

Welle 2️⃣ waren "AI-native" Startups, die maßgeschneiderte Datenpipelines und eingebettete Workflows entwickelten, aber viele wurden unter Druck gesetzt, als die Plattformen, von denen sie abhingen, konkurrierende Apps lancierten.

Jetzt sind wir in Welle 3️⃣, der agentischen Ära. Angetrieben von RL geht es in dieser Welle um Agenten, die lernen – Arbeitsabläufe im Laufe der Zeit zu optimieren, anstatt sich auf statische Eingabeaufforderungen zu verlassen. Modellanbieter liefern diese Agenten direkt an die Nutzer (OpenAIs Agent Mode, Anthropic's Claude Code), und die Anforderungen an "AI-native" steigen schnell.

Startups entwickeln RL-gesteuerte Agenten, die gesamte Prozesse beobachten. Ein Vertriebsagent könnte lernen, dass eine Nachverfolgung zwei Tage nach einer Demo besser funktioniert als eine am nächsten Tag, oder dass Fintech-Deals schneller abgeschlossen werden, wenn ein Vertriebsingenieur frühzeitig eingebunden wird. Diese Agenten lernen implizites Wissen, das nicht in traditionellen CRMs vorhanden ist.

Big Tech kontrolliert massive historische Datensätze (Google mit Suchdaten, Meta mit sozialen Daten). Was ihnen fehlt, ist die Sichtbarkeit in die gesamte Kette von Entscheidungen, Aktionen und Übergaben, die definieren, wie die tatsächliche Arbeit erledigt wird.

Bessere Basis-Modelle wie die Verbesserungen von OpenAI steigern nur die Fähigkeit dieser Agenten zu lernen, und der Strom von Interaktionsdaten, der von Nutzern und Agenten, die zusammenarbeiten, generiert wird, wird zum entscheidenden proprietären Vermögenswert in der KI.