Von der Textmaschine zur Vertrauensmarke

Die Daten zur globalen Tech-Infrastruktur zeigen eine beispiellose Kapitalexplosion. Die vier führenden Technologiekonzerne planen für das Jahr 2026 Investitionen (Capex) in Höhe von rund 700 Milliarden US-Dollar – getrieben von einer Nachfrage, die dem Angebot weit vorauseilt, sowie vom Wettlauf um die nächste Generation von Frontier-Modellen.

Hinter diesen massiven Investitionen verbergen sich jedoch strukturelle Ungleichgewichte:

• Modell-Commoditisierung: Die Leistungsfähigkeit der führenden Large Language Models (LLMs) nähert sich stark an. Da fundamentale Netzwerkeffekte auf der Modellebene fehlen, drohen LLMs zu austauschbaren Rohstoffen (Commodities) mit sinkenden Margen zu werden – vergleichbar mit der Entwicklung von Mobilfunknetzen in den 2010er-Jahren.

• Verschiebung der Wertschöpfung: Das textbasierte Chat-Interface erweist sich für die breite Masse als unzureichende Nutzeroberfläche (UX). Der Markt bewegt sich daher „die Pyramide hinauf“ – weg vom rohen Infrastruktur-Modell hin zu spezifischen Applikationen, Workflows und vertikalen Software-Lösungen.

• Oberflächliche Marktdurchdringung: Trotz hoher Nutzerzahlen ist die Nutzung in der Breite noch nicht tief verankert. Daten zeigen, dass die Mehrheit der Nutzer:innen Tools wie ChatGPT unregelmäßig verwendet und die Transformation zu einer echten, täglichen Gewohnheit im Berufs- und Alltagskontext erst am Anfang steht.

• Fragile Finanzierungsbasis: Die genannten Investitionen übersteigen inzwischen den freien Cashflow von Konzernen, die zuvor als „asset-light“ galten. Finanziert wird zunehmend über externe Strukturen – Joint Ventures mit Private Equity, Fremdkapital und teils zirkuläre Umsatzbeziehungen –, was die Frage nach der finanziellen Tragfähigkeit des Booms aufwirft.

Für traditionelle Wirtschaftszweige skizziert Evans ein dreistufiges historisches Muster, wie neue Technologien in Organisationen integriert werden: Absorbieren (Bestehendes effizienter machen), Innovieren (neue Anwendungsfälle schaffen) und Disruptieren (Märkte neu definieren).

Gleichzeitig warnt die jüngste Analyse vor dem Versuch, die Betroffenheit („Exposure“) von Berufen und Branchen durch starre Datenmodelle oder Tabellen quantifizieren zu wollen. Derartige Versuche, die Zukunft datenbasiert zu modellieren, scheitern bei der Rückbetrachtung historischer Technologieschübe an drei Faktoren, die am Beispiel von Verlagen illustriert werden:

• Das Jevons-Paradoxon (Preiselastizität): Die Automatisierung einer Tätigkeit führt selten zu deren Verschwinden. Am Beispiel der Buchhaltung zeigt sich: Trotz der Einführung von Rechenmaschinen, Mainframes, PCs und Tabellenkalkulationen ging die Zahl der Buchhalter und Wirtschaftsprüfer nicht zurück, sondern wuchs langfristig – wobei die Automatisierung nur einer von mehreren Faktoren war (auch neue regulatorische Anforderungen trieben die Nachfrage). Die drastische Senkung von Zeit und Kosten für eine Analyse führt in der Praxis dazu, dass ein Vielfaches an Analysen nachgefragt wird. Übertragen auf Verlage bedeutet dies: Wenn Übersetzungen, Lektoratsprüfungen oder Indexierungen durch KI billiger werden, führt dies nicht zwingend zu weniger Arbeit, sondern zu einer massiven Ausweitung von Nischen- und internationalen Publikationsprojekten.

• Die Evolution der Berufsbilder: Berufsbezeichnungen bleiben oft stabil, während sich der eigentliche Inhalt der Arbeit fundamental verändert. Auf unsere Branche bezogen: Lektor:innen, Redakteur:innen oder Produktmanager:innen im Fachverlag führen heute völlig andere Tätigkeiten aus als vor 30 Jahren – die Technologie verschiebt das Aufgabenspektrum hin zu strategischer Kuration und Qualitätssicherung, anstatt den Beruf zu eliminieren.

• Das Problem der expliziten Beschreibung: Standardisierte Job-Datenbanken versuchen, Berufe in logische, sequenzielle Einzelschritte zu zerlegen – so wie frühere Expertensysteme menschliche Fähigkeiten über feste Regeln abbilden wollten und daran scheiterten. Ein Beruf im Verlagswesen ist jedoch ein komplexes Geflecht aus implizitem Wissen, literarischem oder fachlichem Geschmack, Marktgespür und sozialer Interaktion (z. B. der Beziehung zu Autor:innen), das sich einer mechanischen Beschreibung entzieht.

• Die Gell-Mann-Amnesie: Hiervon zu unterscheiden ist ein zweiter Denkfehler, den Aaron Levie (CEO von Box) als Variante der „Gell-Mann-Amnesie“ beschreibt: Man kennt die Komplexität des eigenen Fachs genau, unterschätzt sie bei fremden Berufen aber systematisch. Die oberflächliche Betrachtung einer KI-Vorlage (z. B. ein generiertes Buchkapitel oder ein strukturierter Fachtext) führt deshalb zu dem Trugschluss, Verlage seien obsolet – und ignoriert die eigentliche Wertschöpfung, für die Kund:innen und Abonnent:innen am Ende bezahlen.

Wenn künstliche Intelligenz mittelfristig als kostengünstige Nutzdienstleistung (Utility) omnipräsent verfügbar wird, verändern sich die Rahmenbedingungen für das gesamte Verlagswesen grundlegend. Evans selbst trifft keine Aussagen zum Verlagswesen; die folgenden Fragen übertragen seinen Analyserahmen auf die Branche. Aus der Synthese beider Analysen ergeben sich vier Kernfragen für das Verlagsmanagement:

War die reine Content-Produktion der eigentliche Burggraben?

Die historische Parallele zur Musikindustrie oder zum klassischen Zeitungsvertrieb zeigt: Das Internet eliminierte seinerzeit die physischen Vertriebskosten (Druck, Logistik, CD-Herstellung). Das veränderte nicht zwingend das Profil eines Autors oder Musik-Scouts, zerstörte jedoch die darauf basierenden lokalen Monopole und Vertriebsbarrieren.

Die Konsequenz für Buch- und Fachverlage: Generative KI reduziert nun die Grenzkosten für die Generierung von Standardtexten, Software-Code und Zusammenfassungen gegen null. Ein Fachverlag, dessen Geschäftsmodell auf dem reinen Zusammentragen und Strukturieren von Gesetzestexten, medizinischen Richtlinien oder Marktberichten basierte, verliert diesen künstlichen Schutzwall. Publikumsverlage müssen sich fragen, welche Genres (z. B. einfache Ratgeber, serielle Unterhaltungsliteratur) bisher nur dadurch geschützt waren, dass die menschliche Texterstellung zeitaufwendig war. Wenn der Markt mit KI-generiertem Content überschwemmt wird, kollabiert die reine Quantität als Geschäftsmodell.

Wie reagiert die Strategie auf das Phänomen der Abkopplung („Decoupling“)?

Ein zentrales Risiko neuer Technologien liegt darin, dass ein Kernprodukt selbst völlig unangetastet von KI bleiben kann, das wirtschaftliche Fundament des Verlags jedoch an einer ganz anderen Stelle wegbricht.

Die Konsequenz für Fach- und Publikumsverlage: Das gedruckte Buch oder das exklusive Fach-Abonnement als Endprodukt mag vom Leser weiterhin in klassischer Form nachgefragt werden. Die Disruption droht jedoch durch Abkopplung an den Schnittstellen:

– Für Fachverlage: Wenn Unternehmenskunden ihre internen KI-Systeme direkt mit rohen Daten füttern, wird die verlagseigene Datenbank oder Plattform als Benutzeroberfläche überflüssig. Das Geschäftsmodell wird vom Interface entkoppelt.

– Für Buchverlage: Das Risiko liegt oft nicht im Lektorat, sondern im Zusammenbruch der traditionellen Marketing- und Entdeckungskanäle (Discoverability). Wenn Buchempfehlungen nicht mehr über den Buchhandel oder Rezensionen, sondern über geschlossene KI-Assistenten erfolgen, bricht die bestehende Marketing-Infrastruktur weg.

Wie verändert sich das Monetarisierungsmodell beim Shift von der Suche zur Synthese?

Die Etablierung von „Generative Search“ und KI-Assistenten führt dazu, dass Plattformen von statistischer Korrelation (Klicks auf Links) zu einem auf Grundprinzipien beruhenden Verständnis der Inhalte übergehen.

Die Konsequenz für Fachmedien und Wissenschaftsverlage: Universitäten, Kanzleien und Labore suchen zunehmend nicht mehr nach einzelnen Fachaufsätzen, sondern lassen sich Antworten direkt aggregieren und synthetisieren. Wenn Fachinhalte in den Systemen von Tech-Giganten oder spezialisierten KI-Workflows aufgehen, erodieren traditionelle Paywalls und Lizenzmodelle pro Klick oder Nutzer-ID. Einschränkend gilt jedoch: Diese Entwicklung steht noch am Anfang und wirkt bislang eher additiv und experimentell als vollständig substituierend. Die Verlage stehen vor der Herausforderung, den Wert ihrer geschützten Datenbestände direkt auf der Ebene des Modelltrainings oder über geschlossene API-Schnittstellen zu monetarisieren, da der direkte Endnutzerkontakt auf den eigenen Plattformen abnimmt.

Wie wird die Trennung zwischen Routineaufgabe und verlegerischer Wertschöpfung vollzogen?

Es erfordert eine strikte Differenzierung zwischen der technischen Ausführung einer Aufgabe (Task) und dem übergeordneten Ziel eines Berufs (Job). Der „Task“ umfasst das Schreiben des Textes, das Korrekturlesen, die Übersetzung oder das Layouten. Der eigentliche „Job“ des Verlags besteht in der Vermittlung von Vertrauen, Marke, Kuration, Haltung und der Entdeckung echter Talente.

Die Konsequenz für die gesamte Branche: Wenn das Web mit synthetischen Texten geflutet wird, steigt der Wert des Filters. Der wirtschaftliche Wert verschiebt sich exklusiv zu den Elementen, die eine KI nicht leisten kann:

– Im Publikumsverlag: Das Kuratieren eines Programms, das Aufbauen einer Autor:innenmarke, das Erschaffen eines physischen Kulturgegenstands (High-End-Print) und die emotionale Verbindung zur Leserschaft („Taste & Curation“).

–  Im Fachverlag: Die rechtlich bindende Zertifizierung, das Peer-Review-Verfahren und die absolute Fehlerfreiheit von geschäftskritischen Daten.

Strategisch erfordert dies eine Umschichtung von Budgets weg von rein operativen Content-Erstellungsprozessen hin zu exklusiven Rechten, Autorenbeziehungen und proprietären, verifizierten Datenbeständen.

Die wichtigste methodische Erkenntnis der historischen Rückbetrachtung lautet: Spezifische Prognosen über die Zukunft einzelner Branchensegmente sind in diesem frühen Stadium reine Glückssache. Als das Internet entstand, prognostizierte man das Ende des bedruckten Papiers – dass es aber die Anzeigenmärkte der Presse zerstören, während das gedruckte Buch im Publikumsmarkt eine Renaissance des Analogen erleben würde, war nicht modellierbar.

Für das Verlagsmanagement bedeutet dies, quantitative Vorhersagen über die Einsparung von Arbeitsplätzen oder den linearen Rückgang von Verkäufen zu verwerfen. Die disruptive Wirkung von KI findet meist außerhalb der eigenen Systeme statt – durch die Veränderung der Art und Weise, wie Wissen konsumiert, wie Unterhaltung gesucht und wie im B2B-Bereich gearbeitet wird.

Die strategische Antwort für Presse, Fach- und Buchverlage kann nicht darin liegen, das alte Produkt „etwas schneller und billiger“ zu produzieren. Erfolg verspricht nur die Konzentration auf die oberste Schicht der Pyramide: den Aufbau geschlossener Ökosysteme und Angebote, die auf den nicht-automatisierbaren Kernwerten einer Verlagsmarke basieren: Relevanz, Geschmack, unbedingte Richtigkeit und der exklusive Zugang zu geistigem Eigentum.