DeepL-Börsengang rückt KI-Blase und Dominanz großer Anbieter in den Mittelpunkt
Die heutigen Modelle der künstlichen Intelligenz sind nach Ansicht von Jarek Kutylowski weniger fortgeschritten, als viele Marktteilnehmer glauben. Der Chef des deutschen KI-Übersetzungsanbieters DeepL gehört zu den prominentesten europäischen Unternehmern in einer Branche, die seit dem Erfolg von ChatGPT von hohen Erwartungen geprägt ist.
Der mögliche DeepL-Börsengang gilt als wichtiger Test für Europas KI-Branche. Kutylowski warnt jedoch vor kurzfristigem Denken in der KI-Industrie. Die Rentabilität heutiger Sprachmodelle sei weiterhin nicht überzeugend belegt, zugleich sieht er Hinweise auf eine mögliche Blase.
Seit dem Start von ChatGPT vor etwas mehr als drei Jahren hat sich eine breite KI-Euphorie entwickelt. Kutylowski hält dagegen, dass die Märkte den bislang begrenzten technologischen Fortschritt ausblenden. Die führenden Modelle arbeiten mit enormen Ressourcen und benötigen außergewöhnlich viel Energie.
Trotz der beeindruckenden Fortschritte sieht er weiterhin großen Verbesserungsbedarf. „Die Art, wie wir heute mit künstlicher Intelligenz arbeiten, ist eine unglaublich dumme Version 0.1. Wir verlassen uns immer noch auf Architekturen aus einer frühen Entwicklungsphase“, sagt Kutylowski.
DeepL-Börsengang stellt vertikale Integration auf den Prüfstand
DeepL wurde 2017 gegründet und zählt Schätzungen zufolge zu den am höchsten bewerteten KI-Unternehmen in Deutschland. Bei Geschäftskunden ist das Unternehmen vor allem für seine leistungsfähigen Übersetzungen bekannt.
Anders als viele schnell wachsende KI-Firmen ist DeepL vertikal integriert. Das Unternehmen entwickelt eigene Sprachmodelle und betreibt sie auf eigener Recheninfrastruktur. Damit unterscheidet es sich von Wettbewerbern, die auf die Rechenleistung großer Anbieter wie OpenAI angewiesen sind.
„Das ermöglicht es uns, schneller auf Nutzerfeedback zu reagieren und komplexere Probleme zu lösen“, erklärt Kutylowski. DeepL hat rund 200.000 Geschäftskunden, darunter Zendesk und Fujitsu. Hinzu kommen Millionen Privatnutzer, die den Dienst regelmäßig verwenden.
Nach der letzten Bewertung aus dem Jahr 2024 ist DeepL rund zwei Milliarden Dollar wert. Bloomberg zufolge prüft das Unternehmen noch in diesem Jahr eine mögliche Börsennotierung in den USA. Bei einem DeepL-Börsengang könnte DeepL eine Bewertung von rund fünf Milliarden Dollar erreichen.
DeepL-Börsengang lenkt den Blick auf effizientere KI-Modelle
DeepL entwickelt Modelle, die gezielt für Übersetzungen optimiert sind. Sie werden mit ausgewählten Daten trainiert und nicht mit dem gesamten Internet. Dadurch sollen sie weniger Energie verbrauchen und nachhaltiger arbeiten als breit angelegte Sprachmodelle.
Das Unternehmen nutzt Nvidia-Prozessoren in einem Rechenzentrum in Schweden. DeepL verweist dabei auf die nachhaltige Ausrichtung der Infrastruktur. Damit soll der ökologische Fußabdruck des Unternehmens begrenzt und die Effizienz der eigenen KI-Systeme verbessert werden.
Kutylowski blickt deshalb kritisch auf die größten Akteure der Branche. Dazu zählen OpenAI mit der bekannten KI-Plattform ChatGPT sowie Anthropic, das das Sprachmodell Claude entwickelt. Beide Unternehmen stehen für eine KI-Entwicklung, die enorme Rechenkapazitäten erfordert.
Den Kern des Problems sieht er in der sogenannten Transformer-Architektur. Diese Technologie ist sehr energieintensiv und prägt heute einen großen Teil der KI-Entwicklung. Führende KI-Entwickler stützen ihre Sprachmodelle weiterhin auf diese Architektur.
„Das menschliche Gehirn verbraucht unvergleichlich weniger Energie als heutige große Sprachmodelle. Der Unterschied ist enorm. Es gibt deutlich effizientere Wege“, sagt Kutylowski.
Wie die Transformer-Architektur KI-Modelle prägt
Die heutige KI-Entwicklung beruht vor allem auf Ideen, die 2017 im wissenschaftlichen Artikel Attention Is All You Need vorgestellt wurden. Darin wurde die Transformer-Architektur erstmals beschrieben.
Diese Architektur ist ein Ansatz für den Aufbau von Deep-Learning-Modellen auf Basis neuronaler Netze. Solche Netze orientierten sich ursprünglich an der Funktionsweise von Neuronen im Gehirn und bilden die Grundlage vieler moderner KI-Systeme.
Der wichtigste Fortschritt liegt im Mechanismus der Selbstaufmerksamkeit, auf Englisch Self-Attention. Er ermöglicht es einem Modell, alle Wörter in einem Satz gleichzeitig zu analysieren und ihre Bedeutung im Verhältnis zu anderen Wörtern zu bewerten.
Dadurch kann ein Modell den Sinn eines gesamten Textes besser erfassen, ohne den Kontext zu verlieren. Dieser Fortschritt hat die Leistungsfähigkeit moderner Sprachmodelle maßgeblich geprägt und den Aufstieg vieler heutiger KI-Anwendungen ermöglicht.
KI-Unternehmen zwischen Revolution und Blasenrisiko
Kutylowski warnt, dass viele KI-Unternehmen trotz gewaltiger Investitionen weiterhin Verluste schreiben. Die zentrale Frage bleibe, ob die tatsächlichen Produktivitätseffekte die investierten Hunderte Milliarden rechtfertigen werden. „Es gibt bestimmte Anzeichen einer Blase“, sagt er.
Gleichzeitig sieht er die Entwicklung noch an einem frühen Punkt. Die heute dominierenden Anbieter seien nicht unantastbar. „Jeder wissenschaftliche Durchbruch kann die Karten völlig neu mischen. Alles, was mit Milliardeninvestitionen aufgebaut wurde, kann schnell zum Hindernis statt zum Vorteil werden.“
Künstliche Intelligenz verändert bereits zahlreiche Bereiche und Branchen. Dazu gehören etwa Programmierung und Recht, die sich seit dem Aufkommen leistungsfähiger KI-Systeme deutlich gewandelt haben. Dennoch bleibt offen, wie groß der wirtschaftliche Nutzen dauerhaft ausfallen wird.
Für Investoren würde ein DeepL-Börsengang deshalb auch zur Prüfung, ob spezialisierte KI-Anbieter tragfähigere Geschäftsmodelle entwickeln können als breit aufgestellte Plattformkonzerne. Genau hier setzt Kutylowskis Kritik an der gegenwärtigen Markteuphorie an.
Rechenzentren werden zum Energieproblem
Rechenzentren sind im globalen Energiesystem noch ein vergleichsweise neues Phänomen. Im Jahr 2024 entfielen auf sie etwa 1,5 Prozent des weltweiten Energieverbrauchs. Nach Schätzungen der Internationalen Energieagentur IEA könnte dieser Anteil bis 2030 auf drei Prozent steigen.
OpenAI-Chef Sam Altman hat den hohen Energieverbrauch der KI-Industrie in der Vergangenheit verteidigt. Er argumentierte, Entwicklung und Lernen des menschlichen Gehirns für anspruchsvolle Aufgaben erforderten Jahrzehnte an Lebenszeit und Nahrung. Künstliche Intelligenz könne bei einzelnen Aufgaben daher sogar energieeffizienter sein.
Kritiker wie Kutylowski verweisen dagegen auf den geringen Energiebedarf des menschlichen Gehirns. Es verbraucht nur etwa so viel Energie wie eine schwache Glühbirne, also rund 20 Watt. Aus ihrer Sicht zeigt dieser Vergleich, wie weit die Wissenschaft noch von ähnlicher Effizienz entfernt ist.
Als mögliches frühes Signal für eine sparsamere Entwicklungsrichtung gilt auch das chinesische Modell DeepSeek. Es deutet darauf hin, dass KI-Dienste künftig deutlich effizienter werden könnten. Für den möglichen DeepL-Börsengang dürfte diese Effizienzfrage ebenfalls eine wichtige Rolle spielen.
DeepL-Chef setzt auf langfristige Forschung
Nach Ansicht des DeepL-Chefs ist künstliche Intelligenz im Kern eine revolutionäre Technologie. Zugleich betont er, dass ihre weitere Entwicklung grundlegende Forschungsdurchbrüche erfordern wird. Nur so könne der breite Einsatz von KI mit deutlich geringeren ökologischen Kosten verbunden werden.
„Langfristig brauchen wir mutigere und vor allem langfristig ausgerichtete Forschung, also Forschung, die vielleicht nicht in drei Monaten oder sogar in einem Jahr Ergebnisse liefert“, sagt Kutylowski. Damit grenzt er sich von einer Branche ab, die stark von kurzfristigen Erwartungen geprägt ist.
Trotz seiner Kritik blickt er optimistisch auf die technologische Entwicklung. Er erwartet, dass künftige KI-Modelle leistungsfähiger und zugleich effizienter werden. „Ich hoffe, dass die Modelle der Zukunft wesentlich, wesentlich klüger sein werden. Und dass wir mit der heutigen Infrastruktur viel mehr erreichen können als heute“, sagt er.
Für DeepL ist diese Perspektive auch strategisch wichtig. Ein DeepL-Börsengang würde Investoren nicht nur Wachstum versprechen, sondern auch die Frage aufwerfen, ob Spezialisierung und Effizienz im KI-Markt langfristig höher bewertet werden als reine Größe.
DeepL-Börsengang wird zum Signal für Deutschlands KI-Branche
Für Deutschland ist DeepL ein besonders wichtiges Beispiel. Das Unternehmen zeigt, dass europäische KI-Anbieter eine eigene technologische Position aufbauen können, ohne vollständig von großen US-Plattformen abhängig zu sein.
Ein DeepL-Börsengang würde zugleich zeigen, wie der Kapitalmarkt ein spezialisiertes deutsches KI-Unternehmen bewertet. Entscheidend wäre dabei nicht nur das Wachstum, sondern auch die Frage, ob das Geschäftsmodell tragfähig und profitabel skalierbar ist.
Die Debatte über Energieverbrauch, Rentabilität und technologische Abhängigkeit betrifft die deutsche Wirtschaft unmittelbar. Für Unternehmen in Deutschland wird entscheidend sein, ob KI-Anwendungen nicht nur leistungsfähiger, sondern auch effizienter, bezahlbarer und industriell belastbar werden.
DeepL steht damit für eine Entwicklung, in der nicht allein Größe und Kapitalzugang zählen. Spezialisierung, eigene Infrastruktur und technologische Kontrolle könnten im KI-Wettbewerb zu entscheidenden Faktoren werden. Der mögliche DeepL-Börsengang wäre damit auch ein Test für Europas Anspruch im globalen KI-Markt.
