Am 3. Februar 2026 diagnostiziert JP Morgan einen „Software Collapse“ – der Tech-Software ETF verliert fast zwanzig Prozent seit Jahresbeginn. Künstliche Intelligenz macht aus Nicht-Programmierern funktionale Developer und bedroht damit eine Billionen-Dollar-Industrie. Software-as-a-Service, Beratungsgeschäfte und Private-Equity-Portfolios stehen vor ihrer größten Disruption seit Jahrzehnten. Doch statt eines simplen Niedergangs erleben wir eine radikale Neuordnung: Software stirbt nicht – sie wird zur Infrastruktur. Eine Analyse der tektonischen Verschiebungen in der digitalen Ökonomie.
Es gibt Thesen, die einen strukturellen Bruch so präzise treffen, dass man zunächst zurückweicht. Die Behauptung, die Software-Service-Ökonomie stehe vor ihrem Ende, ist eine solche These. Sie ist analytisch scharf – und in Teilen zutreffend. Doch die Geschichte der Automatisierung zeigt: Selten verschwinden ganze Kategorien ersatzlos. Meist verschieben sich Wertschöpfungsketten, und Geschäftslogiken transformieren sich radikal. Was wir erleben, ist keine einfache Vernichtung, sondern eine fundamentale Neuordnung dessen, was Software als ökonomisches Gut bedeutet.
Der Markt spricht: Software Collapse Broadens
Anfang Februar 2026 verschickte JP Morgan eine Research-Note mit dem bezeichnenden Titel: „Software Collapse Broadens with Nowhere to Hide as AI Rate-of-Change is Extrapolated in Both Logical and Illogical Ways“. Der iShares Expanded Tech-Software Sector ETF war seit Jahresbeginn fast zwanzig Prozent gefallen, vom Höchststand über siebenundzwanzig Prozent. Selbst Unternehmen mit starken Quartalszahlen wie Varonis Systems verloren über vierzehn Prozent – vor Handelsbeginn.
Der unmittelbare Auslöser: Anthropics Claude-Cowork-Plug-ins für Bereiche wie Recht, Vertrieb, Finanzen und Datenanalyse. Was als Produktankündigung begann, mutierte zur existenziellen Bedrohung für gesamte Software-Kategorien. Analyst Mark Murphy diagnostiziert einen „Massenexodus“, getrieben nicht von Fundamentaldaten, sondern von impulsiven Reaktionen generalistischer Fonds auf das wahrgenommene Tempo der KI-Disruption. Technische Mechanismen verstärken den Absturz: Automatisierte Handelssysteme verkaufen Software-Aktien, weil sie in denselben Indizes gruppiert sind. Hedgefonds reduzieren ihre Positionen maschinell. Passive Investmentfonds, die normalerweise als stabilisierende Käufer fungieren, haben kaum Kapital zum Gegensteuern. Die fundamentalen Probleme sind real: Software-Unternehmen stellen praktisch niemanden mehr ein – das Wachstum ist von fünf Prozent vor fünf Jahren auf nahezu null gefallen. Kunden kaufen weniger. Budgets wandern von traditioneller Software zu KI-Projekten. Aber die Marktreaktion, so Murphy, übertreibt massiv.
Bemerkenswert ist die Kapitalrotation: Investoren verlassen Software und bewegen sich in Sektoren, die als KI-Profiteure gelten – Energie, Industrie, Versorger. Die Rematerialisierung der Tech-Ökonomie ist keine Theorie mehr. Sie manifestiert sich in Portfolioallokationen.
Die Commoditization-Welle
Diese Marktbewegung ist keine Panik, sondern Antizipation einer strukturellen Verschiebung. Die Ausgangsprämisse ist kaum zu bestreiten: Standardisierte Software-Funktionen verlieren massiv an Wert. GitHub Copilot, ChatGPT und Claude demokratisieren das Programmieren in einem Tempo, das noch vor drei Jahren undenkbar schien. Was bedeutet das konkret? Die Transaktionskosten für Software-Entwicklung fallen gegen null – eine klassische Coase-Logik. Wenn externe Koordination teurer wird als interne Produktion, verschwindet der Markt.
FactSet und Bloomberg verdienen Milliarden mit Finanzterminmals, deren Kern Datenintegration und proprietäre Analysetools sind. Doch KI-Systeme können heute Finanzdaten scrapen, normalisieren und analysieren – für zwanzig Dollar im Monat oder kostenlos. Salesforce-Konkurrenten entstehen durch Low-Code-Plattformen kombiniert mit KI-Assistenten, die es Unternehmen ermöglichen, CRM-Logik selbst zu entwickeln. McKinsey verkaufte jahrzehntelang „Insight“ als Premiumprodukt – heute liefern Large Language Models neunzig Prozent davon in Sekunden.
Diese Entwicklung trifft auf eine zweite Kraft: die Rematerialisierung der Technologie-Ökonomie. Trumps Industriepolitik, die verschiedenen Chip Acts und Energiesicherheitsstrategien beschleunigen eine Rückkehr zur Physikalität. Software benötigt keine Lieferketten – Halbleiter, Rechenzentren und Stromnetze sehr wohl. Kapital fließt zurück in Infrastruktur.
Die Service-Paradoxie
Doch hier beginnt die Differenzierung. Automatisierung vernichtet nicht nur – sie erzeugt neue Komplexität. Je mehr KI repetitive Aufgaben übernimmt, desto größer wird der Bedarf an übergeordneten Services. Modell-Management wird zur neuen IT-Dienstleistung: Wer trainiert, überwacht und debuggt die Modelle? Data Engineering gewinnt an Bedeutung, denn KI-Systeme sind nur so gut wie die Qualität ihrer Daten. Data-Mesh-Architekturen, Governance-Frameworks – all das sind neue Beratungsfelder.
Die eigentliche Ironie liegt tiefer: Unternehmen nutzen KI, um schnell viele kleine Tools zu bauen – und kämpfen dann mit fragmentierten Systemen. Das schafft massive Nachfrage nach Orchestrierungs-Plattformen. Databricks und Snowflake profitieren genau davon. Peter Drucker hätte das erkannt: Automatisierung erhöht Spezialisierung. Spezialisierung erzeugt Koordinationsbedarf. Und Koordination ist – ein Service.
Wichtiger noch: Die These vom Tod der Soft…