(Symbolbild)
Inference und Embodied AI: Kapitalflut in die nächste KI-Generation
Der globale KI-Markt verschiebt sein Schwergewicht: Während das Trainingszeitalter großer Foundation Models nachlässt, fließen Milliarden in die darunterliegende Infrastruktur für Inference und physische KI-Anwendungen. Zwei Finanzierungsrunden aus dem Juni 2026 markieren diesen Trend eindrücklich – und zeigen, wo deutschsprachige Unternehmen strategisch ansetzen müssen.
Von Training zu Inference: Die neue Infrastruktur-Elite
Baseten, ein Startup für AI Inference, befindet sich nach TechCrunch-Berichten in Verhandlungen über eine 1,5-Milliarden-Dollar-Finanzierungsrunde – nur Monate nach einer vorherigen Großfinanzierung. Das Unternehmen positioniert sich in dem Segment, das den eigentlichen Geldfluss der KI-Industrie bestimmt: nicht das einmalige Training von Modellen, sondern deren skalierbare, kosteneffiziente Bereitstellung in Produktionsumgebungen. Die Summe unterstreicht, dass Investoren die Inferenz-Infrastruktur als kritischen Engpass identifiziert haben. Wer die Latenzzeiten senkt und Kosten pro Token optimiert, kontrolliert einen wachsenden Anteil der KI-Wertschöpfung – ein Bereich, in dem europäische Anbieter bisher kaum präsent sind.
Embodied AI und World Models: Die Brücke zur physischen Welt
Parallel dazu sammelt General Intuition nach Branchenkreisen 300 Millionen Dollar bei einer Bewertung von rund zwei Milliarden Dollar ein. Das Unternehmen arbeitet an embodied AI und World Models – also KI-Systemen, die nicht nur Text verarbeiten, sondern physische Umgebungen verstehen und darin agieren können. Die Technologie zielt darauf ab, Agenten zu entwickeln, die in der realen Welt operieren können, von Robotik bis hin zu autonomen Systemen in Fertigungs- und Logistikprozessen. Diese Entwicklung markiert einen fundamentalen Bruch mit der bisherigen KI-Generation: Statt reiner Sprachverarbeitung geht es um die Modellierung kausaler Zusammenhänge in dynamischen Umgebungen.
Strategische Implikationen für den deutschen Markt
Für deutschsprachige Unternehmen ergeben sich aus diesen Entwicklungen konkrete Handlungsfelder. Die deutsche Industrie, geprägt durch Maschinenbau und Automatisierung, besitzt inhärente Vorteile im Bereich Embodied AI – vorausgesetzt, sie investiert frühzeitig in die Schnittstelle zwischen bestehender Hardware-Expertise und neuer KI-Software. Die Inference-Seite hingegen birgt Risiken: Ohne eigene skalierbare Infrastruktur bleibt die Abhängigkeit von US-amerikanischen Cloud- und Spezialanbietern bestehen. Die europäische GAIA-X-Initiative und nationale Rechenzentren sind erste Antworten, reichen aber für den globalen Wettbewerb nicht aus.
Die Finanzierungsdynamik zeigt zudem, dass das KI-Ökosystem reift. Die Zeit der reinen Modell-Entwickler scheint vorüber; nun dominieren Unternehmen, die die darunterliegende Infrastruktur für breite Anwendungsszenarien bereitstellen. Für Entscheider bedeutet dies: Die KI-Strategie muss über Pilotprojekte mit Chatbots hinausgehen und die gesamte Wertschöpfungskette von Datenverarbeitung bis physische Implementierung abbilden. Die Unternehmen, die diesen Sprung schaffen, werden im nächsten KI-Zyklus die Wettbewerbsvorteile definieren – nicht jene, die auf bereits ausgereizte Technologien setzen.