Von der Dotcom-Blase zur AGI: Warum Unternehmen, die abwarten, nicht überleben werden
Die Dotcom-Ära hat gezeigt, wie schnell Technologie ambitionierte Unternehmen zu Branchenführern machen kann. Das Internet öffnete globale Märkte, schuf neue Geschäftsmodelle und veränderte, wie Unternehmen ihre Kunden erreichen. KI bietet die Chance, noch weiter zu gehen: zu erweitern, was ein Unternehmen erschaffen, verstehen und erreichen kann.
Das Streben nach allgemeiner künstlicher Intelligenz (AGI) und Superintelligenz (SI) macht diese Chance außergewöhnlich. Bei Elvoro arbeiten wir an SI für Marketing, Werbung und Videoproduktion – mit dem sicheren und ethischen Einsatz von KI als Leitprinzip. Die Dotcom-Ära erklärt, warum Unternehmen, die neue Fähigkeiten früh nutzen, dauerhafte Vorteile gewinnen können – und was es braucht, um zu ihnen zu gehören.
Das Wichtigste in Kürze
- Der Dotcom-Crash beendete einen Börsenboom, nicht den wirtschaftlichen Wandel durch das Internet – eine Unterscheidung, die mit dem Fortschritt der KI wieder wichtig wird.
- Superintelligenz erhöht den Einsatz: Um von mehr Intelligenz zu profitieren, braucht es mehr als den Zugang zu einem Modell.
- Unternehmen mit KI-Spitzenleistung organisieren ihre Arbeit anders. Ihre Praktiken zeigen, warum Technologie, Kontrolle und Umsetzung zusammengehören.
- Elvoro macht den technologischen Wandel zu einem praktischen Marketingvorteil, indem es führende Modelle, eigene Technologie und erfahrene Umsetzung verbindet.
Die wichtigsten Begriffe
Was war die Dotcom-Blase?
Die Dotcom-Blase war der rasante Anstieg der Bewertungen von Internetunternehmen Ende der 1990er-Jahre, getrieben von Erwartungen außergewöhnlichen Wachstums. Viele Kurse stiegen weit über das hinaus, was diese Unternehmen rechtfertigen konnten, und Anfang der 2000er-Jahre brach der Markt ein. Das Internet selbst veränderte den Handel weiter – eine Unterscheidung, die bei der Bewertung des Potenzials von KI entscheidend ist.
Was ist AGI?
AGI steht für Artificial General Intelligence, allgemeine künstliche Intelligenz: KI mit der Breite und Anpassungsfähigkeit, ein weites Spektrum intellektueller Aufgaben auf menschlichem Niveau oder darüber zu bewältigen. Das Ziel ist ein System, das Gelerntes fachübergreifend auf unbekannte Probleme anwendet und autonom handelt. Wo genau die Schwelle zur AGI liegt, ist in der Forschung umstritten.
Was unterscheidet KI, AGI und SI?
KI, künstliche Intelligenz, ist der Oberbegriff für Systeme, die Aufgaben wie Lernen, Schlussfolgern, Analysieren und das Erstellen von Inhalten übernehmen. AGI beschreibt eine breit einsetzbare Intelligenz über viele Fachgebiete hinweg. SI, Superintelligenz, beschreibt eine Intelligenz, die menschliche Fähigkeiten in diesen Gebieten deutlich übertrifft; oft spricht man auch von künstlicher Superintelligenz (ASI). AGI betont die Breite, SI fügt ein weit höheres Leistungsniveau hinzu.
Was macht Elvoro?
Elvoro bringt Superintelligenz (SI) in Marketing, Werbung und Videoproduktion. Der Enterprise-Marketing-Service verbindet KI-Systeme mit Marketingexperten, um Inhalte zu erstellen, die Veröffentlichung zu steuern und künftige Arbeit mit Performance-Analysen zu verbessern. Der Strategic AI Agent recherchiert Märkte, Wettbewerber und Unternehmensdaten und unterstützt so bessere Entscheidungen. Zusammen verbinden diese Angebote strategische Erkenntnisse mit laufender Umsetzung – in einer Weise, die bisher nicht möglich war.
Marketing macht aus einem großartigen Produkt ein wachsendes Unternehmen.
Für Konsumgüterunternehmen gilt: Selbst ein außergewöhnliches Produkt muss entdeckt, begehrt und gewählt werden. Marketing sorgt dafür – es macht aus Aufmerksamkeit Käufe und aus Erstkäufern treue Kunden. Wenn KI diese Arbeit schneller, intelligenter und wirtschaftlicher macht, verändert sich, wer den Kunden gewinnt.
Was Ihren Vorsprung bestimmt
- Content-Produktion
Neue Zielgruppen und Formate kosten mehr Produktionszeit.
Mehr Inhalte für Zielgruppen und Formate erstellen und anpassen.
- Tempo und Kosten
Der Output wächst nur mit Arbeitsstunden, Übergaben und Overhead.
Wiederkehrende Arbeit automatisieren, Output steigern und Produktionskosten senken.
- Lernen und Optimieren
Manuelles Reporting bremst die nächste Optimierungsrunde.
Performance in großem Umfang analysieren und Erkenntnisse in die nächste Kampagne einfließen lassen.
Abwarten gefährdet Ihr Unternehmen
Der Dotcom-Crash bestrafte Spekulation – er hielt das Internet nicht davon ab, den Handel umzukrempeln. Der E-Commerce wuchs nach dem Crash weiter. [1][22] Das bleibende Risiko war, einen Kurssturz für einen Grund zum Stillstand zu halten. Die heutige KI-Chance ist ebenso handfest: mehr erledigte Arbeit, mehr genutztes Wissen und mehr Wertschöpfung mit denselben Ressourcen. [11][13]
Laut der BCG-Studie von 2025 unter 1.250 Unternehmen erzielten die KI-reifsten Unternehmen rund fünfmal so hohe Umsatzvorteile und dreimal so hohe Kosteneinsparungen wie Nachzügler. [28] Diese Gewinne schaffen Spielraum, um in Kundengewinnung und ein besseres Angebot zu reinvestieren – und den Vorsprung auszubauen.
Diese Fähigkeit aufzubauen erfordert mehr als die Einführung eines Tools: Teams brauchen Zeit, um Abläufe zu ändern und herauszufinden, was funktioniert. [9][10] Ein Wettbewerber, der mehr produziert, schneller lernt und Kunden effizienter gewinnt, kann seinen Vorsprung ausbauen, während Sie aufholen. Für ein Konsumgüterunternehmen kann das Umsatz, Margen und am Ende das Überleben gefährden. Der richtige Zeitpunkt, diese Fähigkeit aufzubauen, ist jetzt – solange sie noch einen Vorteil verschafft.
KI-Vorreiter machen ihre Fähigkeiten bereits zu Umsatz und Einsparungen
Realisierter KI-Nutzen · 2024
- Nachzügler
- KI-Vorreiter
Umsatzsteigerung
| Nachzügler | KI-Vorreiter | |
|---|---|---|
| Umsatzsteigerung | 1,2 % | 6,2 % |
Kostensenkung
| Nachzügler | KI-Vorreiter | |
|---|---|---|
| Kostensenkung | 2,0 % | 6,0 % |
Nutzen im Jahr 2024 laut BCG-Umfrage von 2025 unter 1.250 Unternehmen. KI-Vorreiter bezeichnet die reifste, „future-built“ genannte Gruppe von BCG. Beide Werte sind Prozent des Jahresumsatzes in den Bereichen, in denen KI eingesetzt wurde, nicht zwingend des gesamten Unternehmens. Die Umfrage zeigt einen Zusammenhang mit KI-Reife. [28]
[28] BCG, The Widening AI Value Gap (2025), Exhibit 2: realised benefits in 2024.
AGI verändert, was ein Unternehmen leisten kann. Superintelligenz hebt den Anspruch.
Die Dotcom-Blase spiegelte außergewöhnliche Erwartungen an das wider, was das Internet möglich machen würde. Die bleibende geschäftliche Chance lag darin, Vernetzung in bessere Wege zu verkaufen, zu betreuen und zu arbeiten umzusetzen. KI überträgt diesen Wandel auf geistige Arbeit: Recherche, kreative Entwicklung, logisches Denken und zunehmend die Ausführung komplexer Aufgaben. Die entscheidende Frage im Wettbewerb ist, wie viel mehr ein Unternehmen mit diesen Fähigkeiten erreichen kann. [8][9][17]
AGI verbindet Fähigkeiten auf menschlichem Niveau mit Breite über intellektuelle Aufgaben hinweg; Superintelligenz geht in diesen Gebieten deutlich über menschliche Fähigkeiten hinaus. Keines der beiden Etiketten sagt einem Unternehmen, wie zuverlässig ein System eine Kampagne steuert, Kundendaten schützt oder Urteilsvermögen zeigt. Genau deshalb unterscheidet die Forschung zwischen Leistung, Breite und Autonomie. Die Chance besteht darin, Abläufe aufzubauen, die leistungsfähigere Intelligenz aufnehmen können, sobald sie verfügbar ist. [18]
„Ich denke, es gab bemerkenswerte Fortschritte.“
Demis HassabisGoogle DeepMind Beim WEF in Davos im Januar 2026 hielt Hassabis an einer Wahrscheinlichkeit von etwa 50 % für kognitive Breite auf menschlichem Niveau bis zum Ende des Jahrzehnts fest und nannte wissenschaftliche Kreativität als offene Baustelle. [2]
„Vielleicht haben wir bis Ende dieses Jahres eine KI, die klüger ist als jeder Mensch.“
Elon MuskSpaceXAI Musks Prognose von 2026 reichte spätestens bis 2027, mit einer Intelligenz, die die Menschheit insgesamt um 2030–2031 übertrifft. Ein bedeutender Fortschritt für die Menschheit. [3]
„Ich würde vermuten, dass es schneller geht, als man sich vorstellt.“
Dario AmodeiAnthropic Beim WEF in Davos im Januar 2026 hielt Amodei im Wesentlichen an seiner Einschätzung für 2026–2027 fest, räumte aber ein, dass es einige Jahre dauern könnte; KI-gestütztes Programmieren und Forschen beschleunigen aus seiner Sicht den Fortschritt. [2]
Ihre Zeitpläne unterscheiden sich, doch sie werfen dieselbe geschäftliche Frage auf: Wie schnell kann eine Organisation mehr Intelligenz in bessere Arbeit übersetzen? Der Zugang zu einem neuen Modell ist schnell gekauft. Kundenwissen, verlässliche Prozesse und die Fähigkeit, aus Ergebnissen zu lernen, brauchen länger. Genau diesen Vorsprung lohnt es sich jetzt aufzubauen. [9][10]
Die nächste Ära der Marketing-Intelligenz
Für eine Konsumgütermarke wird dieser Vorsprung im Marketing greifbar: Bessere Ideen erreichen Kunden früher, mehr kreative Ansätze lassen sich erproben und jede Kampagne liefert Erkenntnisse für die nächste. Elvoro entwickelt genau diese Verbindung: Führende KI-Modelle und eigene Systeme, gesteuert von Ingenieuren und Marketingexperten, erstellen, veröffentlichen und verbessern Inhalte als vollständig gemanagter Service.
Erweitern Sie, was Ihre Marke erschaffen kann.
Mehr kreative Bandbreite. Schnellere Umsetzung.
KI hilft Teams, mehr Ideen mit weniger Produktionsgrenzen zu entwickeln und zu verfeinern; kreative Führung macht aus dieser Kapazität Inhalte, die man sehen, sich merken und kaufen will.
Jede Kampagne verbessert die nächste.
Kundenreaktionen werden zu praktischem Wissen.
Verbinden Sie kreative Entscheidungen mit Ergebnissen: Welche Botschaften ziehen relevante Kunden an, welche Erklärungen räumen Einwände aus und welche Inhalte machen aus Interesse Käufe?
Qualität als fester Teil des Betriebs.
Fortschrittliche Intelligenz. Erfahrene Führung.
Integrieren Sie Recherche, Erstellung, Prüfung, Veröffentlichung und Performance-Analyse – mit klarer Verantwortung für Markenstandards, Faktenaussagen und Kundendaten. Sichere, ethische Umsetzung schützt das Vertrauen, von dem Marketing lebt.
Die Forschung stützt diesen Fokus auf das Gesamtsystem. Laut McKinsey-Umfrage von 2025 berichteten Unternehmen mit KI-Spitzenleistung häufiger von leistungsfähiger Technologie, menschlicher Prüfung und in Geschäftsprozesse eingebetteter KI. Die Umfrage von 2026 bestätigt das Muster: Fast drei Viertel der Spitzenreiter gaben an, Arbeitsabläufe grundlegend neu gestaltet zu haben, gegenüber einem Viertel der übrigen Befragten. [25][5]
KI-starke Unternehmen liegen fast überall vorn
- KI-Spitzenreiter
- Übrige Befragte
Unternehmen, die die Praxis anwenden · 2025
| KI-Spitzenreiter | Übrige Befragte | |
|---|---|---|
| Prozesse zur menschlichen Prüfung | 65 % | 23 % |
| Unterstützende Technologie-Infrastruktur | 60 % | 23 % |
| Eine klare KI-Roadmap | 60 % | 31 % |
| KI in Geschäftsprozesse eingebettet | 58 % | 20 % |
| Engagierte Führungskräfte | 57 % | 33 % |
| Iterative Entwicklung von KI-Lösungen | 54 % | 22 % |
Sechs ausgewählte Praktiken aus McKinseys State-of-AI-Umfrage 2025, Exhibit 14; 109 KI-Spitzenreiter und 1.643 übrige Befragte. Spitzenreiter führten mehr als 5 % ihres Ergebnisses vor Zinsen und Steuern auf KI zurück und berichteten von erheblichem Mehrwert. Es handelt sich um Zusammenhänge, nicht um gemessene Effekte einzelner Praktiken. [25]
Nutzen Sie die Spitze der KI für Ihr Wachstum
Was heißt es eigentlich, „das Unternehmen auf KI vorzubereiten“?
Beginnen Sie mit einem Geschäftsergebnis und bauen Sie die Abläufe darum herum auf. Die Disziplin liegt darin, bessere Technologie in bessere Ergebnisse zu verwandeln – und zu wiederholen, was funktioniert.
Wählen Sie das Ergebnis, das zählt.
Definieren Sie das Ziel – etwa profitable Kundengewinnung – und legen Sie einen Ausgangswert für Kosten, Qualität und Performance fest, damit Aktivität nicht mit Fortschritt verwechselt wird.
Geben Sie der KI den richtigen Kontext.
Bündeln Sie Produktfakten, Kundenfragen, Markenstandards und relevante Performance-Daten; legen Sie fest, wer Aussagen freigibt, Inhalte veröffentlicht und auf sensible Daten zugreifen darf.
Verbinden Sie Umsetzung mit Lernen.
Durchlaufen Sie den ganzen Zyklus von Recherche und Erstellung bis zu Veröffentlichung und Analyse. Nutzen Sie die Ergebnisse für den nächsten Zyklus und prüfen Sie neue Modelle an echter Geschäftsarbeit.
Häufig gestellte Fragen
Ihre Frage ist nicht dabei?
Kontakt aufnehmen.
Sollte ein Unternehmen mit KI-Investitionen auf AGI oder SI warten?
Nein. Sobald volle AGI erreicht ist, wird es unmöglich sein, zu Ihren Wettbewerbern aufzuschließen. Beginnen Sie jetzt mit sinnvollen Anwendungen und bauen Sie sie aus, sobald ihr Nutzen klar wird. Das Kundenwissen und die Arbeitsweisen, die Sie dabei entwickeln, tragen auch mit besseren Modellen weiter; wer auf Einigkeit über einen AGI-Meilenstein wartet, verschiebt dieses Lernen. [9][10]
Woran erkennt ein Unternehmen, ob KI echten Mehrwert schafft?
Vergleichen Sie die gesamten Kosten und die Qualität der Arbeit mit einem klaren Ausgangswert. Messen Sie im Marketing qualifizierte Nachfrage, Kundengewinnung und Umsatz neben der Produktionseffizienz; nutzen Sie nach Möglichkeit kontrollierte Vergleiche, um den Beitrag der KI von anderen Veränderungen zu trennen.
Heißt Vorbereitung auf KI, das Team zu ersetzen?
Nicht unbedingt. KI kann Kapazität erhöhen und Aufgaben automatisieren, während Menschen die Richtung vorgeben und Verantwortung übernehmen. Elvoros Marketing for Enterprise vereint Technologie und erfahrene Umsetzung als gemanagten Service.
Wie kann eine Marke KI skalieren, ohne Qualität oder Vertrauen zu opfern?
Legen Sie klare Marken- und Nachweisstandards fest, nutzen Sie freigegebene Daten, beschränken Sie Zugriffe und setzen Sie Expertenprüfung dort ein, wo Fehler am meisten schaden würden. Elvoro kombiniert eigene Systeme mit Ingenieuren und Marketingexperten, die die Qualität im gesamten Enterprise-Marketing-Service überwachen.
Was, wenn wir vor dem Ausbau des Marketings klarere Markteinblicke brauchen?
Verstehen Sie zuerst den Kunden, die Alternativen im Wettbewerb und die Entscheidung, die Ihr Unternehmen treffen muss. Elvoros Strategic AI Agent beobachtet relevante Quellen und Unternehmensdaten und macht daraus Analysen und umsetzbare Strategien.
Kann ein wachsendes Unternehmen fortschrittliche KI nutzen, ohne eine eigene KI-Abteilung aufzubauen?
Ja. Ein gemanagter Service kann die Systeme, das Spezialwissen und die laufende Umsetzung bereitstellen. Prüfen Sie, was der Anbieter tatsächlich liefert, wer die Arbeit überwacht und wie die Performance bewertet wird – statt das Angebot nur nach dem Namen eines Modells zu beurteilen.
Was das für Sie bedeutet
Elvoros Marketing for Enterprise gibt Ihrer Marke die kreative Kraft, das Tempo und die Skalierung fortschrittlicher KI – die Umsetzung übernehmen wir. Eigene Systeme und Marketingexperten erstellen, veröffentlichen und verbessern Ihre Social-Media-Inhalte entlang Ihrer Wachstumsziele. Jede Kampagne ist eine Chance, mehr über Ihre Kunden zu lernen. Bauen Sie diesen Vorsprung jetzt auf.
Primärquellen
27 Quellen
Der Bericht behandelt die Fähigkeiten von KI-Agenten und ihre Verbreitung in Unternehmen, einschließlich der jährlichen Zeitreihe zur KI-Nutzung in Abbildung 4.3.1.
Weitere Quellen und Forschung (21)
Ein Modell mit unsicherer Produktivität neuer Technologien erzeugt blasenähnliche Kursverläufe – empirisch gestützt durch die Ausbreitung von Eisenbahn und Internet in den USA.
- [8] Timothy F. Bresnahan and Manuel Trajtenberg — General Purpose Technologies: Engines of Growth?Zurück zum Zitat [8] im Text
Das Paper beschreibt Basistechnologien anhand ihrer breiten Nutzung, ihrer fortlaufenden Verbesserung und ergänzender Innovationen in nachgelagerten Branchen.
- [9] Erik Brynjolfsson, Daniel Rock and Chad Syverson — The Productivity J-Curve: How Intangibles Complement General Purpose Technologies (2018)Zurück zum Zitat [9] im Text
Ergänzende Investitionen in Prozesse, Kompetenzen und Geschäftsmodelle können sichtbare Produktivitätsgewinne verzögern und ihre Messung verzerren, während wertvolle immaterielle Vermögenswerte entstehen.
- [10] Erik Brynjolfsson, Lorin M. Hitt and Shinkyu Yang — Intangible Assets: Computers and Organizational Capital (2002)Zurück zum Zitat [10] im Text
Unternehmen, die IT-Investitionen mit bestimmten Organisationspraktiken verbanden, erzielten höhere Bewertungen und eine höhere spätere Produktivität, als die einzelnen Investitionen erwarten ließen.
- [11] Erik Brynjolfsson, Danielle Li and Lindsey Raymond — Generative AI at Work (2025)Zurück zum Zitat [11] im Text
In der veröffentlichten Studie mit 5.172 Kundenservice-Mitarbeitenden steigerte KI-Unterstützung die gelösten Anfragen pro Stunde im Schnitt um 15 % – vor allem bei weniger erfahrenen und geringer qualifizierten Beschäftigten.
Das finale Paper von 2026 berichtet bei geeigneten Aufgaben 12,2 % mehr erledigte Aufgaben, 25,1 % weniger Bearbeitungszeit und rund 32 % höhere, von Menschen bewertete Qualität (385 von 758 Beratern). Die Qualitätsgewinne lagen bei 29,9 % mit GPT-4 allein und bei 33,9 % mit einer Prompt-Einführung. Bei einer separaten, ungeeigneten Aufgabe verschlechterte sich die Leistung.
- [13] Shakked Noy and Whitney Zhang — Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence (2023)Zurück zum Zitat [13] im Text
Bei 453 Fachkräften mit Hochschulabschluss, die ausgewählte Schreibaufgaben bearbeiteten, senkte ChatGPT die durchschnittliche Bearbeitungszeit um 40 % und steigerte die bewertete Qualität um 18 %.
Die Studie zeigt eine schnelle Verbreitung bei deutlich geringerer intensiver Nutzung: Ende 2024 nutzten 27 % der erwerbstätigen Befragten generative KI in der Vorwoche für die Arbeit, 10 % an jedem Arbeitstag.
Investitionen in KI-qualifiziertes Personal gehen mit jüngstem Produktivitätswachstum einher, vor allem in Tätigkeiten, die dauerhaftes, unternehmensspezifisches Organisationswissen aufbauen.
Das Paper zeigt, dass gesamtwirtschaftliche Produktivitätsschätzungen vom Anteil betroffener Aufgaben und von den Einsparungen bei diesen Aufgaben abhängen, und warnt davor, von leicht messbaren frühen Anwendungen hochzurechnen.
- [17] Tyna Eloundou, Sam Manning, Pamela Mishkin and Daniel Rock — GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models (2023)Zurück zum Zitat [17] im Text
Das Paper schätzt eine breite potenzielle Betroffenheit von Aufgaben durch LLMs und stellt fest, dass ergänzende Software diese über den reinen Modellzugang hinaus ausweiten kann.
- [18] Meredith Ringel Morris and colleagues — Levels of AGI for Operationalizing Progress on the Path to AGI (2023)Zurück zum Zitat [18] im Text
Das Framework behandelt Leistung, Breite und Autonomie als getrennte Dimensionen, statt AGI auf ein einziges, undifferenziertes Etikett zu reduzieren.
Die aggregierten Prognosen der Forschenden variierten je nach Fähigkeits- oder Automatisierungsfrage deutlich und verschoben sich gegenüber der vorherigen Umfrage erheblich.
Die Studie misst Fortschritt an der menschlichen Bearbeitungsdauer von Aufgaben, die ein Agent mit einer bestimmten Erfolgswahrscheinlichkeit löst. Ein 50-%-Zeithorizont ist demnach eine Zuverlässigkeitsschwelle, keine verlässliche Arbeit ohne Aufsicht.
METR hielt sein neueres Experiment für keine verlässliche Schätzung aktueller KI-Produktivitätseffekte, weil sich Teilnahme und Aufgabenauswahl änderten und parallel laufende Agenten die Zeitmessung erschwerten.
- [22] U.S. Census Bureau — E-Commerce Retail Sales as a Percent of Total Sales, seasonally adjusted quarterly series (2000–2005 observations), via FRED.Zurück zum Zitat [22] im Text
Die Quartalsreihe zeigt den wachsenden Anteil des E-Commerce am US-Einzelhandelsumsatz während und nach dem Dotcom-Crash.
Dokumentiert den Preisverfall bei der Inferenz von Modellen, die eine feste MMLU-Benchmark-Schwelle erreichen; die Preise gewichten Input- und Output-Tokens im Verhältnis 3:1.
Historische Benchmark-Vergleiche für MMMU, GPQA Diamond und GSM8K; Abbildungen 2.7.2, 2.7.4 und 2.6.2.
- [25] McKinsey — The state of AI in 2025: Agents, innovation, and transformation, Exhibits 1–2.Zurück zum Zitat [25] im Text
Aufschlüsselung von Experimenten, Pilotprojekten und Skalierung nach Unternehmensfunktionen; ergänzt die separate Umfrage von MIT SMR und BCG.
Rückblickende Schätzungen der Zeithorizonte mit Unsicherheitsintervallen und Veröffentlichungsdaten; diese Grafik umfasst nur Modelle aus den Jahren 2023–2025. Die Quelldaten liegen den Design-Assets zum Download bei.
Modellierte jährliche Produktivitätspotenziale nach Unternehmensfunktion; ohne Implementierungskosten.