Venture-Capital-Giganten setzen auf die AI-Transformation der traditionellen Dienstleistungsbranche: General Catalyst investiert 1,5 Milliarden Dollar, um Gewinnmargen auf Software-Niveau zu erreichen

Im Venture-Capital-Sektor ist eine neue Investitionsrevolution im Gange. Mehrere führende VC-Firmen sind überzeugt, dass sie die nächste große Investitionsmöglichkeit gefunden haben: die Umwandlung traditioneller, arbeitsintensiver Dienstleistungsunternehmen in effiziente Maschinen mit Software-Profits.

Die führende Kraft hinter dieser Bewegung ist General Catalyst, das 1,5 Milliarden Dollar aus seiner neuesten Finanzierung für seine „Erstellungsstrategie“ bereitgestellt hat. Der Kern dieser Strategie besteht darin, AI-native Software-Unternehmen in bestimmten vertikalen Bereichen zu züchten und diese als Akquisitionsplattformen einzusetzen, um reife Unternehmen aus der gleichen Branche und deren Kundenbasis zu erwerben. GC hat bereits in sieben Branchen wie Rechtsdienstleistungen und IT-Management investiert und plant, sich schließlich auf 20 Nischenbereiche zu erweitern.

Marc Bhargava von General Catalyst, der für diese Geschäftsbereiche verantwortlich ist, sagte im Interview mit TechCrunch: „Der globale Dienstleistungssektor hat ein Umsatzvolumen von 16 Billionen Dollar, während der globale Softwaresektor nur 1 Billion Dollar beträgt.“ Er betonte, dass der Reiz von Softwareinvestitionen in ihrer höheren Rentabilität liegt: „Wenn Software skaliert wird, sind die Grenzkosten extrem niedrig, aber die Grenzumsätze sind sehr hoch.“

Bhargava glaubt, dass die Investitionsrendite äußerst attraktiv werden könnte, wenn Dienstleistungsgeschäfte automatisiert werden und AI-Technologie 30 bis 50 Prozent des Unternehmensgeschäfts abdeckt oder sogar 70 Prozent der Kerntätigkeiten in Szenarien wie Call-Centern automatisiert werden kann.

Diese Strategie scheint zu funktionieren. Titan MSP, ein Mitglied des General Catalyst-Portfolios, erhielt insgesamt 74 Millionen Dollar in zwei Runden, um AI-Tools für Managed Service Provider (MSP) zu entwickeln, und kaufte anschließend den bekannten IT-Dienstleister RFA. Bhargava sagte, dass Titan durch Pilotprojekte nachweisen konnte, dass es 38 Prozent typischer MSP-Aufgaben automatisieren kann. Das Unternehmen plant nun, mit erhöhten Margen den klassischen Snowball-Strategie weiter zu expandieren und mehr MSP-Unternehmen zu erwerben.

Ebenso hat die Firma Eudia, ein Start-up, das sich auf interne Rechtsabteilungen von Unternehmen konzentriert, nicht auf traditionelle Anwaltskanzleien. Eudia hat bereits Kunden wie Chevron, Southwest Airlines und Stripe aus der Top-100-Liste gewonnen und bietet künstliche Intelligenz-basierte Leistungen mit festen Kosten an, anstatt traditionell nach Stunden abzurechnen. Das Unternehmen kürzlich den alternativen Rechtsdienstleister Johnson Hanna übernommen, um seine Geschäftsmodelle zu erweitern.

Bhargava erklärte, dass das Ziel von General Catalyst ist, die EBITDA-Marge der erworbenen Unternehmen mindestens zu verdoppeln.

Diese Investmentgruppe ist nicht allein. Die VC-Firma Mayfield hat 100 Millionen Dollar speziell für „AI-Teammitglieder“-Investitionen bereitgestellt, einschließlich des IT-Beratungsstart-ups Gruve. Das Unternehmen kaufte eine Sicherheitsberatungsfirma im Wert von 5 Millionen Dollar und steigerte deren Umsätze innerhalb von sechs Monaten auf 15 Millionen Dollar, wobei die Bruttomarge 80 Prozent erreichte.

Navin Chaddha, Direktor bei Mayfield, sagte im Sommer gegenüber TechCrunch: „Wenn 80 Prozent der Arbeit von KI übernommen wird, können wir eine Bruttomarge von 80 bis 90 Prozent erreichen. Die Gesamtmarge kann zwischen 60 und 70 Prozent liegen und zu einem Nettoeinkommen von 20 bis 30 Prozent führen.“

Unabhängiger Investor Elad Gil verfolgt seit drei Jahren eine ähnliche Strategie und unterstützt Unternehmen, die bestehende Firmen übernehmen und mit KI umwandeln. Gil sagte im Frühjahr gegenüber TechCrunch: „Wenn Sie Vermögenswerte besitzen, können Sie sich schneller transformieren als nur als Lieferant von Software.“

Doch frühe Warnsignale zeigen, dass diese Dienstleistungsveränderung möglicherweise komplexer sein könnte, als die VC-Firmen es erwarteten. Eine jüngste Studie des Stanford Social Media Lab und BetterUp Laboratory unter 1150 Vollzeitbeschäftigten aus verschiedenen Branchen zeigte, dass 40 Prozent der Mitarbeiter zusätzliche Aufgaben aufgrund von „Arbeitsmüll“-Arbeiten übernehmen, die von KI generiert werden – diese Aufgaben sehen zwar gut aus, haben jedoch keine echte Substanz und erschweren den Kollegen ihre Arbeit.

Dieser Trend verursacht Verluste für Organisationen. Die Befragten gaben an, dass sie pro Arbeitsmüll-Beispiel fast zwei Stunden benötigen, um den Inhalt zu verstehen, zu entscheiden, ob er zurückgesendet werden soll, und oft selbst Probleme beheben müssen.

Aus den geschätzten Zeitaufwendungen und dem gemeldeten Gehalt der Teilnehmer schätzen die Forscher, dass Arbeitsmüll einen impliziten Kostenbetrag von 186 Dollar pro Person und Monat verursacht. In ihrem neuen Artikel für die Harvard Business Review schreiben sie: „Für Organisationen mit 10.000 Mitarbeitern, basierend auf der Schätzungen der Verbreitung von Arbeitsmüll… bedeutet dies jährlich über 9 Millionen Dollar Produktivitätsverlust.“

Bhargava widersprach der Ansicht, dass KI übertrieben beworben wird, und glaubte, dass diese Implementierungsfehler tatsächlich die Methode von General Catalyst bestätigten. Er sagte: „Ich denke, das zeigt die Chance, KI-Technologien auf diese Unternehmen anzuwenden, ist nicht einfach. Wenn alle Fortune-100-Unternehmen einfach Beratungsfirmen hinzuziehen, einige KI anwenden und mit OpenAI einen Vertrag abschließen könnten, dann wäre unsere Theorie nicht so stark. Aber die Realität ist, dass es wirklich schwer ist, Unternehmen mit KI zu transformieren.“

Er betonte, dass die Komplexität der KI-Technologie der wichtigste fehlende Punkt sei. „Es gibt viele verschiedene Technologien, die jeweils in unterschiedlichen Bereichen gut sind. Sie brauchen wirklich Anwendungsexperten für KI aus Unternehmen wie Rippling, Ramp, Figma und Scale, die mit verschiedenen Modellen gearbeitet haben, deren Feinheiten verstehen und wissen, welche für was geeignet sind und wie sie in Software verpackt werden können.“

Diese Komplexität ist genau der Grund, warum General Catalyst die Strategie verfolgt, KI-Experten mit Branchenexperten zu Paaren, um von Grund auf Unternehmen zu bauen.

Andererseits lässt sich nicht leugnen, dass die Bedrohung durch Arbeitsmüll die Kernökonomie dieser Strategie beeinträchtigen könnte. Selbst wenn man mit einer Holding-Gesellschaft startet, wenn die erworbenen Unternehmen nach der KI-Effizienztheorie Personal reduzieren, würden sie nicht genug Mitarbeiter haben, um Fehler in KI-generierten Texten zu erkennen und zu korrigieren. Wenn die Unternehmen ihren aktuellen Personalbestand beibehalten, um die zusätzlichen Arbeiten zu bewältigen, die durch die KI-Ausgaben entstehen, könnte die von den VC-Unternehmen erwartete große Gewinnsteigerung nie realisiert werden.

Diese Szenarien sollten theoretisch die Expansion der VC-Snowball-Strategie verlangsamen und die Attraktivität dieser Transaktionen verringern. Doch in der Praxis ist es schwierig, die meisten Silicon Valley-Investoren aufgrund einiger Studien davon abzubringen.

Tatsächlich hat General Catalyst angegeben, dass seine „Erstellungsstrategie“-Unternehmen bereits profitabel sind, da sie normalerweise Unternehmen mit bestehenden Cashflows erwerben – dies unterscheidet sich deutlich vom traditionellen Vorgehen von VC-Firmen, die auf Wachstumsunternehmen mit hoher Ausgabenrate setzen. Für die Partner von VC-Firmen, die jahrelang verlustreiche Unternehmen finanziert haben, könnte dies auch eine willkommene Veränderung sein.

Bhargava sagte: „Solange KI-Technologien weiterhin verbessert werden und wir große Investitionen in Modelle tätigen und diese optimieren, glaube ich, dass immer mehr Branchen uns dabei helfen werden, Unternehmen zu fördern.“