Letzte Woche haben wir einen massiven Abverkauf bei Software-Unternehmen gesehen – und ehrlich gesagt bei allem, was „guilty by association“ war. Selbst Cybersecurity wurde verkauft.
Und genau an diesem Punkt lohnt es sich, kurz innezuhalten.
Denn wenn der Markt beginnt, alles über einen Kamm zu scheren, passiert etwas sehr Interessantes: Er wirft nicht nur Schwäche raus – er wirft auch Qualität raus. Und genau dort entsteht Alpha.
Schauen wir uns Cybersecurity an. Viele reduzieren diese Unternehmen gedanklich auf „Code“. Aber das ist ein fundamentaler Denkfehler. Der wahre Wert einer Cybersecurity-Plattform liegt nicht primär im Code – er liegt in der Datenbasis.
Jeder Angriff, der irgendwo auf der Welt erkannt wird, macht die gesamte Plattform intelligenter. Wenn ein Anbieter einen Angriff bei einem Kunden identifiziert und neutralisiert, profitieren sofort alle anderen Kunden. Das ist ein kollektiver Lerneffekt, der sich nicht einfach replizieren lässt.
Eine KI kann Code generieren. Was sie nicht über Nacht erzeugen kann, ist eine über Jahre gewachsene Bedrohungsdatenbank mit Milliarden von Signalen.
Und genau deshalb ist die Vorstellung, Unternehmen würden ihre Cybersecurity einfach „in-house“ aufbauen, in der Praxis kaum haltbar. Ohne diese geteilte Datenbasis verlierst du den wichtigsten Schutzmechanismus überhaupt.
Vor diesem Hintergrund wurden Namen wie Palo Alto, CrowdStrike oder Fortinet deutlich mitverkauft. Auch Snowflake wurde in den Strudel gezogen. Für mich sieht das weniger nach strukturellem Risiko aus – und mehr nach einer klassischen Marktübertreibung.
Wenn ich solche Bewegungen sehe, interessiert mich nicht nur die Price Action. Mich interessiert die zugrunde liegende Annahme des Marktes.
Also habe ich das Thema analytisch aufgesetzt – nicht als Frage, sondern als strukturiertes Szenario mit klaren Prämissen. Denn am Ende ist der Output nie das Entscheidende. Entscheidend sind immer die Annahmen.
Die dominante Marktthese lautet derzeit: KI wird Software ersetzen.
Das klingt eingängig. Ist aber zu kurz gedacht.
Ein Produkt ist mehr als Code.
Ein Produkt ist Daten.
Ein Produkt ist über Jahre eingebettetes Wissen.
Ein Produkt sind Analytics, die überhaupt erst durch Skaleneffekte funktionieren.
Und genau daraus ergibt sich ein differenzierteres Bild.
Erstens: Die großen LLM-Plattformen stehen unter massivem Monetarisierungsdruck. Anthropic, OpenAI und Google investieren zweistellige Milliardenbeträge in ihre Modelle. Dieses Kapital muss sich irgendwann rechnen. Deshalb verschiebt sich der Fokus klar in Richtung Application Layer. Das ist keine Nebenwette – es ist Kernstrategie. Und entsprechend wird der Wettbewerbsdruck auf Softwareanbieter steigen.
Zweitens: Das unmittelbare Risiko für viele Softwarefirmen ist weniger die vollständige Verdrängung als vielmehr Compression. Wenn AI-Agenten Aufgaben automatisieren, brauchst du nicht mehr fünf Nutzerlizenzen. Vielleicht brauchst du noch eine – vielleicht gar keine, wenn ein Agent direkt über eine API arbeitet.
Besonders exponiert sind seat-basierte Modelle und stark workflow-getriebene Anwendungen. Wenn Software primär aus strukturierten Prozessen besteht, steigt die Wahrscheinlichkeit, dass sie repliziert werden kann.
Drittens – und das wird oft übersehen – existiert gleichzeitig ein robuster Bull Case.
Software ist das Substrat, auf dem KI überhaupt erst operiert. KI ist nicht nur ein potenzieller Ersatz, sie ist vor allem ein Konsument von Software.
Was wir hier sehen, ist kein linearer Disruptionsprozess, sondern ein Wettrüsten.
Wenn Unternehmen KI nutzen können, um interne Tools zu bauen, dann können Softwareanbieter dieselbe Technologie einsetzen, um ihre Produkte schneller, effizienter und leistungsfähiger zu machen. Die Lücke zwischen „selbst bauen“ und „professionell einkaufen“ verschwindet nicht automatisch.
Ja, Seat-Compression kann Umsatz kosten. Aber wenn Anbieter gleichzeitig ihre Kostenstruktur optimieren, müssen Margen nicht zwangsläufig kollabieren. Die eigentliche Frage ist also nicht nur Wachstum – sondern Profitabilität.
Viertens: Daten-Moats bleiben entscheidend, aber sie sind nicht überall gleich stark ausgeprägt.
Gerade in der Cybersecurity geht es nicht nur um das, was du selbst erlebt hast. Es geht um das, was du nie erleben musst, weil ein anderer Kunde bereits angegriffen wurde – und die Plattform daraus gelernt hat.
Mit zunehmender KI-Nutzung wächst die digitale Angriffsfläche weiter. Paradoxerweise wird genau dadurch Security noch relevanter. KI wirkt hier nicht als Gegenwind, sondern als struktureller Tailwind.
Fünftens: Das populäre Narrativ „Vibe Coding wird SaaS zerstören“ blendet einen zentralen Faktor aus – die Total Cost of Ownership.
Software zu entwickeln macht vielleicht 20 Prozent der Gesamtkosten aus. Die restlichen 80 Prozent entstehen durch Wartung, Skalierung, Security-Patches, Compliance, Integrationen und Support.
Das ist Enterprise-Realität.
Hinzu kommen Wechselkosten, die oft nicht in Monaten, sondern in Jahren gemessen werden.
Vor diesem Hintergrund wird klar, warum bestimmte Unternehmen deutlich weniger exponiert erscheinen: CrowdStrike, Palo Alto Networks und Fortinet im Security-Bereich. SAP und Oracle als klassische Systems of Record. Observability-Anbieter wie Datadog oder Dynatrace, deren Bedeutung mit der Verbreitung autonomer Agents eher zunimmt. Und auch Palantir, dessen Wert weniger im Code liegt als in tief eingebetteten Deployments innerhalb sicherheitskritischer Organisationen.
Klassifizierte Daten erhalten keine Security Clearance für ein beliebiges LLM.
Dass Cybersecurity dennoch mitverkauft wurde, überrascht mich nicht. Märkte liegen kurzfristig oft daneben. Und passives Investieren verstärkt genau diesen Effekt – wenn ETFs verkauft werden, wird alles verkauft. Die Differenzierung verschwindet.
Aber genau dort entsteht Alpha.
Um das große Bild einzuordnen, hilft ein Blick auf das, was Jensen Huang einmal als „Five Layer Cake“ beschrieben hat.
Ganz oben stehen die Applications.
Darunter die AI Models.
Darunter Cloud- und AI-Infrastruktur.
Darunter Chips und Systeme.
Und an der Basis: Energie.
Ab der Cloud-Ebene nach unten ist dieses gesamte Ökosystem extrem kapitalintensiv. Die Hyperscaler haben allein für 2026 rund 660 Milliarden Dollar an CapEx angekündigt. Das ist mehr als nur ein Signal – es ist ein klares grünes Licht für Investitionen entlang der gesamten Wertschöpfungskette.
Bei den Modellen selbst haben wir in erstaunlich kurzer Zeit enorme Fortschritte gesehen. Anfang 2025 wirkten viele Anwendungen noch mittelmäßig. Wenige Monate später waren sie plötzlich gut. Heute sind sie in vielen Bereichen beeindruckend.
Der nächste Entwicklungsschritt ist weniger ein explosiver Sprung als eine Serie inkrementeller Verbesserungen. Das Fundament steht. Und genau darauf wird jetzt der Application Layer gebaut – vergleichbar mit einem Betriebssystem, auf dem ein ganzes App-Ökosystem entsteht.
Auch das Pricing verrät viel über die strategische Richtung. Viele vertikale KI-Tools sind derzeit noch an Premium-Tiers gebunden. Das ist kein Zufall. Es ist klassische Monetarisierungslogik in einer frühen Phase.
Parallel öffnen Plattformanbieter zunehmend ihre Systeme für Entwickler. Plugins und Community-Anwendungen erweitern das Ökosystem – ein Mechanismus, den wir bereits aus der Smartphone-Welt kennen. Der Wert einer Plattform wächst mit der Zahl der Anwendungen, die auf ihr entstehen.
Gleichzeitig beobachten wir, wie die Anbieter gezielt einzelne Branchen adressieren: Healthcare, Bildung, Softwareentwicklung, Bau, Steuern, Vertrieb, Marketing.
Dort sitzt das Budget. Dort findet Monetarisierung statt.
Und genau deshalb wird immer klarer: Die Plattformen expandieren nicht einfach breit in den Markt hinein. Sie bewegen sich strategisch in margenstarke Verticals.
Das ist strukturell.
