KI-Plattformmarkt erreicht 79 Mrd. $: Die Vendor-Lock-In-Entscheidung

Ein neuer Marktbericht aus Dublin liefert diese Woche harte Zahlen für das, was jeder Plattformverantwortliche bereits in seiner AWS-Rechnung spürt: KI-Softwareausgaben sind kein optionales Experiment mehr, sondern ein fester Budgetposten. Die Schlagzahl – 79,38 Milliarden US-Dollar im Jahr 2025, ansteigend auf prognostizierte 296,57 Milliarden US-Dollar bis 2030 – ist weniger interessant als die Frage der Marktkonzentration dahinter. Fünf Anbieter haben im vergangenen Jahr den Löwenanteil übernommen, und dieser Umstand sollte jedes aktuelle Build-vs-Buy-Gespräch in Analytics-Organisationen neu ausrichten.

Was passiert ist

Am 27. April fügte ResearchAndMarkets.com seinen Artificial Intelligence Software Platform Market Report 2026 in seinen Katalog ein – ein 250-seitiges Dokument, das ein fünfjähriges historisches Fenster und eine Zehnjahresprognose bis 2030 abdeckt. Wie Yahoo Finance Australia berichtete, wurde der Markt 2025 auf 79,38 Milliarden US-Dollar bewertet und soll bis 2026 auf 106,92 Milliarden US-Dollar wachsen – eine CAGR von 34,7 %. Der längerfristige Bogen von 2026 bis 2030 flacht auf eine reifere CAGR von 29,1 % ab und bringt das Segment auf 296,57 Milliarden US-Dollar.

Das Wettbewerbsbild ist der Teil, den man ausdrucken und über dem Architektur-Whiteboard aufhängen sollte. Google, Microsoft, AWS, Tencent und IBM führten den Markt 2025 an. Nordamerika lag regional vorne, während Asien-Pazifik als die am schnellsten wachsende Region im Prognosezeitraum ausgewiesen wurde. Die vollständige Anbieterliste umfasst 23 Unternehmen und enthält die Namen, die man in jedem Analytics-RFP erwartet: Oracle, SAP, Salesforce, NVIDIA, Baidu, OpenAI, Palantir, Snowflake, UiPath, Splunk sowie Spezialanbieter wie H2O.ai, DataRobot, Veritone, YITU, Adept, Gupshup, deepset und Uniphore.

Der Bericht unterteilt den Markt nach Tools und Services; Technologien wie Computer Vision, Data Analytics, Machine Learning und Natural Language Processing; sowie Anwendungen, die Automatisierung, Fernerkundung, medizinische Diagnose, Spracherkennung und Texterkennung umfassen. Relevante Branchen sind BFSI, Fertigung, Gesundheitswesen, Transport und Einzelhandel. Zwei Ereignisse werden als Richtungsweiser zitiert: SparkCognition brachte im März 2023 nach eigenen Angaben die erste generative KI-Plattform für den Industriesektor auf den Markt, die auf Unternehmen mit begrenzten Trainingsdaten ausgerichtet ist. Siemens AG übernahm im Dezember 2023 BuntPlanet SL, um KI-Kapazitäten für die Leckage-Erkennung und Qualitätsüberwachung im Wasserbereich auszubauen.

Technische Analyse

Die kurzfristige CAGR von 34,7 % wird nicht durch neue Greenfield-KI-Projekte angetrieben. Sie entsteht dadurch, dass Cloud-Workloads von „wir führen ein paar Python-Notebooks aus" zu „wir bezahlen einen Plattformanbieter pro Token, pro Abfrage, pro Inferenz, pro Nutzer" übergehen. Diese Unterscheidung ist wichtig, weil sie die Stückkostenökonomie jedes nachgelagerten Analytics-Stacks verändert.

Betrachtet man die im Bericht genannten Wachstumstreiber – Machine-Learning-Adoption, datengestützte Entscheidungsfindung, NLP, Computer-Vision-Tools, Cloud Computing und KI-Beratungsleistungen –, so ist jeder einzelne davon ein Workload, der zuerst in einem Data Warehouse oder Lakehouse landet, bevor er in einem Modell landet. Das bedeutet: Der KI-Plattformmarkt und der Analytics-Plattformmarkt sind heute derselbe Markt mit unterschiedlicher Rechnungsstellung. Ein Team, das auf Snowflake für das Warehousing standardisiert, erbt Cortex-Preise, ob es das geplant hat oder nicht. Ein Team auf Databricks erbt MLflow, Mosaic und die gesamte Model-Serving-Lineage. Die „KI-Plattform"-Entscheidung wurde größtenteils an dem Tag getroffen, an dem die Datenplattform ausgewählt wurde.

Eurostat-Daten im Bericht belegen, dass die Cloud-Adoption europäischer Unternehmen bis Dezember 2023 bei 45,2 % lag – überwiegend für E-Mail und Dateispeicherung. Das ist aufschlussreich. Die Basis der cloud-nativen Unternehmen befindet sich noch in der Mitte der Kurve, was bedeutet, dass die KI-Plattformumsätze der nächsten fünf Jahre in Unternehmen verkauft werden, die ihre erste Cloud-Migration noch nicht abgeschlossen haben. Die Hyperscaler wissen das. Deshalb stehen Google, Microsoft und AWS an der Spitze der Rangliste – sie verkaufen KI-Plattformen als Upsell auf Cloud-Verträge, die noch abgeschlossen werden.

Die vertikalen Akquisitionen erzählen dieselbe Geschichte von der Nachfrageseite. Siemens hat Leckage-Erkennungs-ML nicht intern aufgebaut, sondern BuntPlanet gekauft. SparkCognitions industrielle Generative-KI-Initiative zielt genau auf den Käufer ab, der nicht das Datenvolumen aufbringen kann, um ein Foundation Model von Grund auf zu trainieren. Das Muster ist konsistent: Domain-Expertise wird akquiriert, horizontale Infrastruktur wird gemietet.

Wer das Nachsehen hat

Die erste gefährdete Gruppe sind Mid-Market-Analytics-Anbieter ohne klare KI-Story. Wenn 23 namentlich genannte Akteure bis 2030 um 296 Milliarden US-Dollar konkurrieren, werden die Point-Solution-BI-Tools im langen Schwanz zwischen den Hyperscalern oben und der Open-Source-Semantikschicht unten zerrieben. Der Vorstoß von dbt in Richtung Metrics Layer und die breitere Bewegung hin zu Composable Analytics sind zum Teil defensive Reaktionen auf genau diese Dynamik.

Die zweite Gruppe sind Platform-Engineering-Teams, die die mehrjährige Kostenkurve unterschätzt haben. Eine CAGR von 34,7 % auf dem Weg in das Jahr 2026 bedeutet: Wie auch immer der KI-Plattform-Budgetposten dieses Quartal aussieht – kalkuliert man ihn für das nächste Jahr mit dem Faktor 1,35x und ist nicht überrascht, wenn er diesen Wert übertrifft. Das CFO-Gespräch, das diese Woche in jedem Series-B- und Series-C-Unternehmen mit starkem Analytics-Fokus stattfinden sollte, dreht sich darum, ob der aktuelle Anbietervertrag Preisschutzklauseln enthält, die eine Vertragsverlängerung überleben. Meistens nicht.

Der CFO jedes Unternehmens, das jährlich mehr als 500.000 US-Dollar für cloud-basierte KI-Dienste ausgibt, sollte dem VP of Engineering diese Woche eine einzige Frage stellen: Wie entwickelt sich der gemischte Preis-pro-Inferenz-Trend bei unseren drei wichtigsten Workloads über die letzten vier Quartale, und wie sieht der Nachverhandlungsspielraum vor der nächsten Vertragsverlängerung aus? Wenn niemand im Team das innerhalb eines Tages beantworten kann, agiert das Unternehmen blind bei dem, was sich schnell zu einem der fünf größten Betriebskostenposten entwickelt.

Die dritte Gruppe ist das Fachpersonal. Dass Asien-Pazifik als die am schnellsten wachsende Region ausgewiesen wird, hat Konsequenzen für die Personalgewinnung. Das Gravitationszentrum für Vergütungen im ML-Platform-Engineering lag bislang in Nordamerika – wenn das Deployment-Volumen aber nach APAC verlagert wird, ist zu erwarten, dass der Markt für Senior Individual Contributors auseinanderfällt. Unternehmen mit globalem Recruiting werden davon profitieren; Unternehmen, die an einem einzigen Standort verankert sind, werden Margendruck beim Recruiting spüren.

Handlungsempfehlungen für Data Teams

Drei konkrete Maßnahmen für die nächsten neunzig Tage: Erstens, prüft eure KI-Plattformausgaben nach Workload – nicht nach Anbieter. Die meisten Finance-Teams sehen die Snowflake- oder Azure-Rechnung als eine einzige Zahl. Schlüsselt sie in Warehousing, Model Inference, Vector Storage und Orchestrierung auf. Die Kategorien mit dem stärksten Wachstum sind diejenigen mit der schlechtesten Verhandlungsposition bei der Verlängerung.

Zweitens, entscheidet explizit, welche Workloads Commodity sind und welche differenziert. Commodity-Inference (Textklassifizierung, Embedding-Generierung, einfache Zusammenfassung) rast in Richtung Nullmarge und kann auf dem Anbieter laufen, der gerade den Preiskrieg gewinnt. Differenzierte Workloads – die an proprietäre Daten und Domain-Kontext gebunden sind – sind der Bereich, in dem sich Lock-in tatsächlich auszahlt. Beide auf einem einzigen Plattformvertrag zu mischen, führt dazu, dass Teams für die langweilige Hälfte zu viel zahlen und in die interessante Hälfte zu wenig investieren.

Drittens, führt eine ernsthafte Build-vs-Buy-Überprüfung eurer analytischen Query-Schicht durch. Die Aufnahme von Snowflake, Splunk und Palantir neben den Hyperscalern im Bericht signalisiert, dass die Grenze zwischen „Analytics-Plattform" und „KI-Plattform" verschwunden ist. Wenn euer Team diese noch als getrennte Beschaffungsstränge behandelt, wird das Budget in beide Richtungen abfließen. Open-Source-OLAP-Optionen wie ClickHouse verdienen eine ernsthafte Evaluierung für Workloads, bei denen ihr das Zugriffsmuster kontrolliert – insbesondere hochkardinalitäre Event-Analytics, bei denen verwaltete KI-Plattformen einen Aufpreis für Funktionen verlangen, die ihr gar nicht benötigt.

Wichtigste Erkenntnisse

• Der KI-Softwareplattformmarkt erreichte 2025 einen Wert von 79,38 Milliarden US-Dollar, mit einer Prognose von 106,92 Milliarden US-Dollar für 2026 bei einer CAGR von 34,7 %, sowie 296,57 Milliarden US-Dollar bis 2030 bei einer CAGR von 29,1 %.
• Fünf Anbieter (Google, Microsoft, AWS, Tencent, IBM) dominierten 2025; die Analytics-Plattformentscheidung ist heute funktional gleichbedeutend mit der KI-Plattformentscheidung.
• Nordamerika führte 2025 regional, aber Asien-Pazifik ist die am schnellsten wachsende Prognoseregion – mit Konsequenzen für Einstellung und Deployment.
• Vertikale Akquisitionen wie Siemens-BuntPlanet zeigen das dominante Muster: horizontale Infrastruktur mieten, Domain-Expertise kaufen.
• Teams sollten KI-Ausgaben nach Workload prüfen, Commodity- von differenzierter Inference trennen und Analytics- sowie KI-Plattformen nicht mehr in getrennten Beschaffungsprozessen behandeln.