Am 3. September stellte OpenAI offiziell GPT-6 Astra vor und positionierte es als derzeit „intelligentestes“ und „am besten ausgerichtetes“ Flaggschiffmodell. Auf der Präsentation sagte OpenAI-Präsident Greg Brockman offen: „Wir sind bereits bei AGI angekommen“, und schloss mit dem Satz „Welcome to the AGI era“. In den sozialen Medien gab es dafür viel Lob, und die Benchmark-Ergebnisse waren nahezu perfekt: GPQA Diamond 96,0 %, FrontierMath Tier 4 97,6 %. Laut OpenAI ist es außerdem das erste Modell, das in einem Cybersecurity-Benchmark die Schwelle „Critical“ erreicht hat.
Aus Produktperspektive zeigt Astra tatsächlich beeindruckende Fähigkeiten – Computerbedienung, Nutzung von Browsern, Zusammenarbeit über lange Agenten-Ketten hinweg. KI entwickelt sich gerade von einem Werkzeug, das „Empfehlungen gibt“, hin zu einer ausführenden Intelligenz, die „Aufgaben direkt erledigt“, und übernimmt sogar schon die Maus. Das ist nicht einfach nur ein Upgrade der Frage-Antwort-Fähigkeiten, sondern ein Rollenwechsel vom „Berater“ zum „digitalen Mitarbeiter“.
Aber wenn man es ganz nüchtern betrachtet, will ich sagen: Die Einsatzrichtung, die OpenAI in dieser Runde verfolgt, könnte die falsche sein.
Das eigentliche Schlachtfeld beim Wettbewerb für General-Purpose-KI liegt nicht auf der C-Seite
Der kommerzielle Wettbewerb um General-Purpose-Large-Models: Das entscheidende Element liegt nicht in der „Knalligkeit“ der Nutzererfahrung einzelner C-End-User, sondern darin, ob es auf B-Seite und G-Seite gelingt, echte beratungsartige Anwendungen mit praktischem Einsatzwert zu realisieren.
Dahinter steckt ein klarer Technik-Ableitungs-Closed-Loop:
Allgemeine Basisschicht → SaaS-Verpackung für die Anbindung von Branchendaten → PaaS-Entwicklung für die Anbindung unternehmenseigener Daten. So entwickelt sich KI schließlich von „Allgemeinem Chat-Assistenten“ zu einem „internen Unternehmensberater“, der Entscheidungsreferenzen liefern kann.
Dieser Pfad ist deshalb ein gesundes Geschäftsmodell, weil es drei Gründe gibt:
1. Stabilere Mittelherkunft: Die anfänglich stark intensive Investition in Modellentwicklung kann von den führenden Unternehmen in Nischen-„Warentracks“ mitgetragen und bezahlt werden—statt vollständig auf C-Seitige Abo-Gebühren oder das „Geld verbrennen“ durch Venture Capital angewiesen zu sein;
2. Klarere Profit-Logik: Direkte Anbindung an die zentralen Bedürfnisse von B-Seite-Unternehmen (Kosten senken, Effizienz steigern, Compliance, Entscheidungsunterstützung). Das Value Proposition ist konkret messbar, und die Zahlungsbereitschaft der Endkunden ist deutlich höher als bei „noch einem smarten Chatbot“;
3. Rechenkosten besser steuerbar: In beratungsartigen Einsatzszenarien für Unternehmen sind Tokenverbrauch und Abrufhäufigkeit vorhersehbar und planbar. Das bedeutet, dass man Rechenleistungsbeschaffung und CapEx präzise aufeinander abstimmen kann—statt passiv hinter den Ebbe-Flut-Schwankungen des C-User-Traffics herzulaufen.
Die Technik von Astra ist sehr fortschrittlich—aber der Einsatz mit welcher Priorität, das ist diskussionswürdig
Man muss anerkennen: Die Fortschritte von Astra bei Computerbedienung, Softwareentwicklung und wissenschaftlichem Schlussfolgern sind real—diese Fähigkeiten sind an sich die notwendige Infrastruktur für „digitale Mitarbeiter“. Das Problem liegt nicht in der Technologie, sondern darin, für wen OpenAI diese Fähigkeiten zuerst verpackt: ChatGPT Plus, Pro und ähnliches für C-Ende und die Zielgruppe kleiner/mittelgroßer Kunden werden zuerst hochgefahren, während der Enterprise-Workplace standardmäßig deaktiviert ist und von Administratoren manuell eingeschaltet werden muss.
Dieser Spielzug wirkt tatsächlich sofort, um die Nutzerbasis zu vergrößern, Denkbarkeit zu gewinnen und Social-Media-Hype zu erzeugen—aber KI ist am Ende ein Produktivitätswerkzeug, kein Online-Game. Man kann keinen Wachstums-„Flywheel“ allein durch „DAU“ und „Spaßmomente“ antreiben.
Der echte Widerspruch, OpenAI steht ihm nicht direkt gegenüber
Der aktuell schärfste Widerspruch in der KI-Industrie ist der Aufprall zwischen stetig steigenden Ausgaben für Rechenleistung (CapEx) und den ebenfalls ansteigenden Kosten für langfristige Finanzierung (der Trend steigender Renditen langfristiger Staatsanleihen). Dieser Widerspruch lässt sich nicht durch noch aufregendere C-seitige „Funktionen“ entschärfen—sondern nur durch einen präziseren, nachhaltigeren geschlossenen Geschäfts-Loop auf B-Seite und G-Seite. Denn nur große und mittlere Unternehmen sowie Regierungs-/Behördenkunden haben die Fähigkeit und die Motivation, dauerhaft für „verlässlichen Entscheidungswert“ zu zahlen—und dadurch den Kapitalrückfluss-Zyklus zu ermöglichen, der wiederum die Rechenleistungsinvestitionen refinanziert.
Mit anderen Worten: Das lebhafte Treiben auf der C-Seite löst das Lautstärke-Problem; erst die beratungsartige Umsetzung auf B-Seite und G-Seite löst das Cashflow-Problem.
In einer Zeit, in der die langfristigen Zinssätze steigen und der Wettrüstungswettlauf bei Rechenleistung immer intensiver wird, wer schafft zuerst den geschlossenen Kreislauf „General-Purpose-Basis—BranchensaaS—Unternehmens-PaaS“? Nur wer diesen Loop wirklich zum Laufen bringt, hält die entscheidende Hand in diesem KI-Wettbewerb. Astra ist stark—aber stark heißt nicht, dass man das richtige Schlachtfeld gewählt hat.