Google warnt AI-Startups: Ohne eigenen Schutzgraben bleibt ihr nur ein Feature

Überschrift und Einstieg

Die goldene Zeit für „LLM-Wrapper“ geht zu Ende. Ein hochrangiger Google-Manager signalisiert offen, dass zwei derzeit weit verbreitete Geschäftsmodelle im KI‑Bereich – dünne LLM‑Hüllen und AI‑Aggregatorplattformen – kaum Überlebenschancen haben. Das ist mehr als eine Randnotiz aus Kalifornien: Für die stark regulierte und datenbewusste DACH‑Region ist es ein Weckruf. In diesem Beitrag ordnen wir ein, was Darren Mowry wirklich meint, warum gerade deutsche, österreichische und Schweizer Startups genau hinhören sollten – und wo sich in Europa noch lohnende, verteidigbare Chancen im KI‑Markt auftun.

Die Nachricht in Kürze

Wie TechCrunch berichtet, sieht Darren Mowry, Leiter der globalen Startup‑Organisation von Google (Cloud, DeepMind, Alphabet), zwei Arten von KI‑Startups akut gefährdet: einfache LLM‑Wrapper und AI‑Aggregator‑Layer.

LLM‑Wrapper sind Anwendungen, die im Kern nur ein existierendes Modell wie GPT, Claude oder Gemini verwenden und eine dünne UX‑ oder Workflow‑Schicht darüberlegen. AI‑Aggregator‑Startups bündeln mehrere Modelle hinter einer Oberfläche oder API und routen Anfragen automatisiert, häufig mit etwas Monitoring und Governance.

Mowry zufolge verlieren Investoren und Kunden die Geduld mit Startups, die fast alle Wertschöpfung an fremde Modelle auslagern und selbst kaum geistiges Eigentum oder Daten besitzen. Aggregatoren litten zusätzlich unter Margendruck, da Modellanbieter immer mehr Enterprise‑Funktionen direkt in ihre Plattformen einbauen. Zukunft sieht Mowry stattdessen in Entwicklerplattformen, Consumer‑Anwendungen und datenintensiven Feldern wie Biotech und Klimatechnologie.

Warum das wichtig ist

Diese Aussagen markieren einen Stimmungsumschwung. In den Jahren 2023/24 reichte es oft, „Copilot für X“ zu pitchen, ein LLM per API anzubinden und einen schicken Screenshot zu zeigen. Jetzt kommt die Realität zurück: Ohne Schutzgraben kein nachhaltiges Unternehmen.

Profiteure:

• Modell‑ und Cloud‑Anbieter wie Google, Microsoft, OpenAI, Anthropic oder Meta. Wenn dünne Zwischenlayer verschwinden, bleibt mehr Wertschöpfung direkt bei ihnen.
• Vertikal fokussierte Spezialisten, die KI mit proprietären Daten, Branchenwissen und tiefen Integrationen kombinieren – z.B. in Versicherungen, Maschinenbau, Logistik, Chemie oder öffentlicher Verwaltung.

Verlierer:

• UI‑Startups ohne Substanz, die sich faktisch nur auf einen Anbieter wie GPT oder Gemini stützen. Ihr Produkt lässt sich von Plattformen oder Open‑Source‑Projekten leicht kopieren.
• Reine Aggregatoren, deren Nutzen primär in bequemem Zugang zu vielen Modellen liegt. Dieses Argument trägt nicht mehr, wenn Hyperscaler selbst Orchestrierung, Monitoring und Governance liefern.

Für den DACH‑Markt mit seiner ausgeprägten Skepsis gegenüber „Black‑Box‑KI“ bedeutet das: Wer keine echte Kontrolle über Datenflüsse, Modelle und Prozesse hat, wird es schwer haben, das Vertrauen von Banken, Industrieunternehmen oder Behörden zu gewinnen.

Der größere Kontext: Die Plattform frisst den Zwischenhändler

Die Situation erinnert stark an die Frühphase des Cloud‑Computings. Ende der 2000er Jahre entstanden zahlreiche Firmen, die AWS „vereinfachen“ wollten – mit Reselling, Billing‑Bündelung und Dashboards. Als Amazon, Microsoft und Google diese Funktionen integrierten, blieb nur ein schmaler Restmarkt. Überlebt haben primär Anbieter, die sich klar differenziert haben: Security‑Spezialisten, DevOps‑Automatisierer, Migrations‑Partner.

Im KI‑Ökosystem sehen wir ähnliche Dynamiken:

• API‑Zugang ist kein Geschäftsmodell mehr. Der qualitative Abstand zwischen Modellen schrumpft in vielen Standardfällen, Preise sinken, Open Source wird stärker. Ein „besserer Gateway“ reicht nicht.
• Plattformen wandern die Wertschöpfungskette nach oben. OpenAI, Google, Anthropic und Co. liefern zunehmend Agent‑Frameworks, Workflow‑Tools, Evaluationssuiten und Compliance‑Module – also genau das, was viele Aggregatoren anbieten wollten.
• Distribution ist König. Ein KI‑Feature, das direkt in Microsoft 365, Google Workspace oder SAP landet, hat sofort Millionen Nutzer. Ein Startup mit fast identischer Funktion muss Vertrieb, Vertrauen und Integrationen mühsam aufbauen.

Historisch ist das Muster klar: In jeder neuen Plattform‑Welle boomt zunächst ein Zoo an Spezialtools. Nach einigen Jahren bleiben wenige eigenständige Gewinner übrig – der Rest wird eingeschmolzen. KI befindet sich jetzt sichtbar in dieser Konsolidierungsphase.

Mowry sendet damit auch eine Botschaft an VCs: Die Zeit, in der man massenhaft „AI‑Features in Unternehmensverkleidung“ finanzieren konnte, ist vorbei. Gesucht sind Firmen, die reale, teure Probleme lösen – und sich nicht von einer Preiserhöhung des Modellanbieters ausknipsen lassen.

Europäische und DACH-Perspektive: Regulatorik als Waffe nutzen

Europa – und besonders Deutschland – ist in zweierlei Hinsicht speziell:

1. Strenge Regulierung: GDPR, der Digital Services Act und die kommende EU‑AI‑Verordnung erzwingen saubere Governance, Dokumentation und Risikomanagement. Ein Startup, das nur eine bunte Maske über ein US‑Modell legt, kann diese Anforderungen kaum erfüllen, ohne tief in die Technik und Datenflüsse eingreifen zu können.
2. Kultur des Datenschutzes: Nutzer und Unternehmen in Deutschland, Österreich und der Schweiz sind traditionell misstrauisch gegenüber Black‑Box‑Systemen. „Wir schicken das einfach an einen US‑Dienst“ ist selten ein akzeptabler Satz in einem Bankvorstand oder Betriebsrat.

Das klingt wie ein Nachteil, ist aber auch eine Chance:

• Vertikale KI‑Lösungen in Bereichen wie Maschinenbau, Automotive, Pharma, Energie oder Verwaltung, die by design AI‑Act‑ und GDPR‑konform sind, haben Exportpotenzial weit über Europa hinaus.
• Akteure wie Aleph Alpha, deutsche Forschungsinstitute oder Schweizer Labs zeigen, dass in Europa kompetitive Basismodelle entstehen können – häufig mit stärkerem Fokus auf Nachvollziehbarkeit und Datensouveränität.

Für Gründer in Berlin, München, Zürich oder Wien – ebenso wie in kleineren Hubs wie Graz oder Leipzig – heißt das: Der Shortcut über einen simplen GPT‑Wrapper mag 2023 attraktiv gewirkt haben, ist 2026 aber eine Sackgasse. Wer Regulierung und Datenschutz nicht nur als Hürde, sondern als Differenzierungsmerkmal begreift, kann robuste „europäische“ KI‑Produkte bauen.

Blick nach vorn: Was in den nächsten zwei Jahren zu erwarten ist

Wie könnte sich der Markt weiterentwickeln?

1. Leises Sterben vieler Wrapper‑Startups. Viele „Copilot‑für‑X“‑Firmen werden nicht krachend scheitern, sondern langsam auslaufen: sinkende Nutzung, ausbleibende Folgenfinanzierung, schlussendlich Übernahme durch Kunden oder Pivot in Dienstleistung.
2. Aggregation wird zur Branchen‑Infrastruktur. Die Aggregatoren, die überleben, werden tief spezialisierte Infrastruktur für bestimmte Sektoren sein – inklusive Domänen‑Eval‑Suites, Audit‑Trails und Integrationen mit Legacy‑Systemen.
3. Modell‑Provider greifen gezielt Branchen an. Große Players werden immer mehr „Out‑of‑the‑box“-Lösungen für Callcenter, Wissensmanagement, Dokumentenverarbeitung oder Softwareentwicklung anbieten – und damit vielen Jungfirmen direkt Konkurrenz machen.
4. Datensouveränität wird zum Verkaufsargument. Unternehmen in der DACH‑Region werden verstärkt Lösungen bevorzugen, bei denen klar ist, wo Daten liegen, wie Modelle trainiert wurden und welche Rechte an Ergebnissen bestehen.

Gründer und Investoren sollten sich ein paar einfache Fragen stellen:

• Können wir unseren USP erklären, ohne den Namen eines Basismodells zu erwähnen?
• Hätten wir noch ein tragfähiges Geschäft, wenn unser Modellanbieter morgen die Preise verdoppelt oder ein Konkurrenzprodukt launcht?
• Besitzen wir kritische Daten, Workflows oder Vertrauensbeziehungen – oder nur UI und Prompt‑Engineering?

Wer diese Fragen überzeugend beantworten kann, hat gute Chancen, die unvermeidliche Bereinigung zu überstehen. Allen anderen droht die Rolle als „Feature, das irgendwann in Office oder SAP aufgeht“.

Fazit

Mowrys Warnung ist kein Abgesang auf KI‑Startups, sondern das Ende der Illusion, dass ein hübscher Chat‑Layer über GPT ein skalierbares Geschäftsmodell darstellt. Die Macht verschiebt sich hin zu denen, die Modelle, Daten, Distribution oder tiefes Branchen‑Know‑how kontrollieren. Für die DACH‑Region kommt der regulatorische Druck als zusätzlicher Filter hinzu. Jetzt ist der Zeitpunkt, vom Wrapper zum echten Produktunternehmen zu werden – oder bewusst zu akzeptieren, dass man nur der Ideengeber für das nächste Feature eines Hyperscalers ist. Die einzige wirklich riskante Option besteht darin, so zu tun, als hätte die Warnleuchte noch Zeit.