Wer glaubte, die KI-Revolution verteile ihre Früchte gleichmäßig über den Globus, wird durch ein neues BIS-Arbeitspapier nüchtern gestimmt. Die Studie The geography of AI firms (BIS Working Paper Nr. 1343, April 2026) kartiert erstmals systematisch, wo KI-produzierende Unternehmen tatsächlich sitzen, welches wirtschaftliche Gewicht sie tragen und welche institutionellen Konstellationen ihre Entstehung begünstigen. Das Ergebnis ist kein Plädoyer für die eine oder andere Industriepolitik – es ist eine Bestandsaufnahme struktureller Realitäten, die unbequem sind, weil sie den Abstand zwischen strategischer Selbstwahrnehmung und messbarer Substanz sichtbar machen.
I. Methode und Datenbasis: Erst kartieren, dann urteilen
Das erste methodische Verdienst der Studie ist Bescheidenheit ohne Substanzverlust. Die Autoren erheben einen neuen Datensatz mit 1.246 KI-produzierenden Unternehmen in 32 Volkswirtschaften, gefiltert auf Firmen mit einer Bewertung ab 500 Mio. US-Dollar. Die Grundlage bildet PitchBook, ergänzt durch eine LLM-gestützte Klassifikation und intensive manuelle Prüfung. Damit scheidet ein häufiges Artefakt solcher Erhebungen aus: die unkritische Übernahme von Selbstbezeichnungen als „AI-Unternehmen“, die in den letzten Jahren inflationär geworden sind.
Analytisch entscheidend ist die Zuordnung jeder Firma zu einer von fünf Schichten der KI-Wertschöpfungskette: Compute (Chips, Server, Netzwerke), Cloud/Infrastruktur (Rechenzentren, Cloud-Dienste), Datentools (Labeling, MLOps, Datenverwaltung), Modelle (General-Purpose-Modelle) und Anwendungen (branchenspezifische KI-Produkte). Diese Differenzierung ist mehr als eine taxonomische Übung – sie macht sichtbar, an welchen Stellen der Produktionskette ein Land tatsächlich präsent ist und wo es lediglich konsumiert.
Das methodische Vorgehen entspricht dem, was man von einer Studie erwarten darf, die beansprucht, institutionelle Erklärungen zu liefern: makroökonomische Kontrollvariablen (BIP, F&E-Quote), Finanzmarktindikatoren (VC-Zuflüsse, Bankkredite, Börsenkapitalisierung) und externe Readiness-Indizes (IMF AIPI, WIPO GII, World Bank). Wer institutionelle Erklärungen anbietet, muss zumindest die konkurrierenden Erklärungen sauber kontrollieren. Das leisten die Autoren.
II. Konzentration: Die bekannte Asymmetrie, präzise vermessen
Die globale Verteilung überrascht nicht, aber ihre Schärfe ist dennoch bemerkenswert. Rund 700 der 1.246 Firmen sitzen in den USA, rund 250 in China. Der Euro-Raum, Israel, das Vereinigte Königreich, Japan, Indien, Kanada, Chinese Taipei und Korea folgen mit deutlich geringerem Gewicht. Vor allem das wirtschaftliche Gewicht, gemessen an aggregierten Bewertungen im Verhältnis zum BIP, zeigt die eigentliche Tiefenstruktur: In Chinese Taipei übertrifft die kumulierte Bewertung der KI-Firmen das doppelte BIP, in den USA erreicht sie etwa BIP-Niveau, in Korea etwa die Hälfte. Für den Euro-Raum bleiben diese Quoten marginal.
Drei institutionelle Faktoren erklären die Wahrscheinlichkeit, dass ein Land überhaupt KI-Firmen hervorbringt, sowie deren Anzahl: Wirtschaftsgröße (BIP), F&E-Intensität und – mit Abstand am stärksten – Venture-Capital-Zuflüsse. Bankkredite korrelieren zwar mit der Anzahl von KI-Firmen, spielen aber für das bloße Entstehen dieser Firmen eine untergeordnete Rolle. Das ist kein Zufall: KI-Unternehmen sind in ihrer frühen Phase arm an Sicherheiten und reich an immateriellen Vermögenswerten – ein Profil, das für klassische Kreditvergabe kontraindiziert ist.
Für Deutschland und den deutschsprachigen Raum ist dieser Befund keine Neuigkeit, aber er ist jetzt messbar. Das institutionelle Gefüge des deutschen Finanzsystems – bankenbasiert, sicherheitenorientiert, VC-strukturell unterentwickelt – passt nicht zum Finanzierungsprofil der KI-Industrie. Man kann das beklagen; analytisch hilfreicher ist es, es als Strukturbedingung zu behandeln.
III. Spezialisierung: Wer in der Kette steht und wer sie bedient
Die Differenzierung nach Wertschöpfungsschichten offenbart ein weiteres Muster, das über die bloße Konzentration hinausgeht: Die meisten Länder sind stark spezialisiert auf 1–2 Segmente der KI-Kette. Chinese Taipei, Korea, Japan, das Vereinigte Königreich und die Schweiz konzentrieren sich auf Compute. Euro-Raum, Kanada, Australien, Israel, Singapur und Schweden fokussieren auf Anwendungen. Nur die USA – und in Ansätzen China – sind über alle fünf Schichten diversifiziert.
Diese Befunde haben eine strukturelle Logik. Länder mit hohem Industrieanteil am BIP werden durch ihre Kapitalstockstruktur und ihre Kompetenzprofile in hardware-lastige Schichten gezogen: Compute, Infrastruktur. Länder mit stärker dienstleistungs- und finanzmarktgeprägten Ökosystemen neigen zu Anwendungsschichten. Das ist kein Versagen; es ist institutionelle Pfadabhängigkeit in Reinform.
Analytisch entscheidend ist der Diversifikationsindex, den die Autoren konstruieren (1 minus HHI der Bewertungsanteile über die fünf Schichten). Hohe Diversifikation korreliert positiv mit intensiver Universität-Industrie-Kooperation, mit hohen VC-Zuflüssen und mit dem IMF-KI-Readiness-Score. Ein hoher Industrieanteil am BIP korreliert negativ. Das ist insofern bemerkenswert, als es die Vorstellung unterläuft, industrielle Stärke sei eine hinreichende Basis für eine vollständige KI-Wertschöpfungskette. Sie kann ein Eingangstor sein – für Compute, für Infrastruktur –, aber sie befähigt nicht automatisch zur Systemintegration.
Für die anhaltende Debatte über europäische und deutsche KI-Strategie liefert dieser Befund Substanz: Wer bei Compute und Infrastruktur ansetzen will – wie zahlreiche nationale KI-Aktionspläne –, muss wissen, dass dies eher zu tieferer Spezialisierung als zu Diversifikation führt. Das kann rational sein. Es bedeutet aber, die Kettenabhängigkeit von anderen Schichten bewusst in Kauf zu nehmen.
IV. Investitionsverhalten: Home Bias und die Schwerkraft der USA
Das Investitionsverhalten der KI-Firmen untereinander reproduziert die Machtgeographie. Ein ausgeprägter Home Bias zeigt sich in fast allen Ländern: Mehr als 30 % der Deals erfolgen im eigenen Rechtsraum, in den USA und China ist der Inlandsanteil besonders hoch. Gleichzeitig investieren KI-Firmen fast aller Länder – mit der signifikanten Ausnahme Chinas – stark in US-amerikanische Zielunternehmen. Die USA fungieren als globaler KI-Investitions-Hub. Das ist keine ideologische Einschätzung, sondern eine messbare Gravitationswirkung.
Über 44 % aller Deals in jeder Volkswirtschaft richten sich auf KI-Anwendungsunternehmen. In Korea, Japan, China und dem Euro-Raum spielen daneben Compute-Zielunternehmen eine relevante Rolle. In den meisten Ländern investieren KI-Firmen vor allem in dieselbe Schicht, in der sie selbst tätig sind – Spezialisierung und Informationsvorteile verstärken sich gegenseitig. Nur in den USA, Indien und Japan gibt es breitere Cross-Layer-Investitionen.
Das erzeugt eine strukturelle Asymmetrie: Wer nur in einer Schicht präsent ist, investiert tendenziell zirkulär in die eigene Schicht und verliert Anschlusskonnektivität zu den anderen. Das Netzwerk der KI-Industrie ist kein offenes Gitter, sondern ein hierarchisch strukturiertes System mit wenigen Knotenakteuren – und diese sitzen vor allem in den USA.
V. Implikationen: Konstellationsanalyse statt Wunschdenken
Die Studie liefert keine strategischen Empfehlungen im engeren Sinne – und das ist ein Vorzug. Sie stellt Daten bereit, die erlauben, Sovereign-AI-Strategien, Standortentscheidungen und regulatorische Trade-offs besser zu kalibrieren. Der eigentliche analytische Ertrag liegt in der Präzision, mit der strukturelle Bedingungen sichtbar gemacht werden, die politische Rhetorik häufig überspringt.
Drei Konstellationen verdienen besondere Aufmerksamkeit:
Erstens: Das Finanzierungsparadigma entscheidet. VC ist keine Ergänzung zum Bankkredit, sondern ein substanziell anderes Instrument für ein substanziell anderes Unternehmenstypus. Volkswirtschaften, die bei VC strukturell schwach sind, werden an der KI-Produktion nicht in dem Maße partizipieren, das ihrer Wirtschaftsgröße entspräche. Deutschland ist ein Lehrbuchfall.
Zweitens: Spezialisierung ist keine Schwäche, aber sie hat einen Preis. Wer sich auf Compute konzentriert, ist von Modell- und Anwendungsschichten abhängig. Wer sich auf Anwendungen konzentriert, ist von Compute und Infrastruktur abhängig. Die strategische Frage ist nicht, ob man spezialisiert sein darf, sondern ob man die Abhängigkeiten, die daraus folgen, bewusst managt – oder ob man sie systematisch unterschätzt, wie es in europäischen KI-Strategiedokumenten häufig geschieht.
Drittens: Die Netzwerkstruktur der KI-Industrie begünstigt keine Nachzügler. Home Bias und Cross-Layer-Investments konzentrieren sich auf wenige Hubs. Neue Einstiegspunkte entstehen nicht durch Ankündigungen, sondern durch VC-Ökosysteme, Universität-Industrie-Kooperationen und tatsächliche KI-Readiness – also durch Faktoren, die sich nicht in einem Haushaltsplan der nächsten Legislaturperiode lösen lassen.
Ralf Keuper