Amazon-CEO: KI-Geschäft erzielt jährlichen Umsatz von über 25 Mrd. USD; Wachstumsrate ist Hunderte Male höher als AWS zu Beginn; selbst Ausgaben von 220 Mrd. USD reichen nicht aus

Kürzlich war Amazon-CEO Andy Jassy im bekannten Podcast des Risikokapitalgebers a16z zu Gast und führte ein tiefgreifendes Gespräch mit a16z-Mitbegründer Ben Horowitz. Im Interview enthüllte Jassy umfassend Amazons strategische Ausrichtung in der Welle der generativen KI.

Als Reaktion auf die Sorge der Wall Street hinsichtlich der scheinbar unbegrenzten Kapitalausgaben der Technologieriesen lieferte Jassy das direkteste Marktfeedback: Die Nachfrage hat sich nicht verlangsamt, sondern übersteigt zukünftige Kapazitäten bereits deutlich. Gleichzeitig beschrieb er die aktuelle „Hantel“-Nachfragestruktur im KI-Markt und betonte klar, dass die Kosten für computergestützte Inferenz noch um eine Größenordnung sinken müssen, um unternehmensweite KI-Anwendungen wirklich freizuschalten.

„Selbst mit 220 Mrd. USD Ausgaben bleibt noch erhebliche Nachfrage ungedeckt.“

Das zentrale Thema, das den Markt derzeit am meisten beschäftigt, ist, ob die oft mehrere hundert Milliarden Dollar betragenden Kapitalausgaben der Giganten in überflüssige Sunk Costs umschlagen. Jassy antwortete direkt auf diese Zweifel mit einer beeindruckenden Auftragsdatenreihe.

„Selbst wenn wir dieses Jahr 220 Mrd. USD ausgeben, bleibt noch erhebliche, sinnvolle Nachfrage ungedeckt.“ Jassy wies deutlich auf das derzeit extreme Ungleichgewicht zwischen Angebot und Nachfrage bei Rechenleistung hin: „Wir halten stets einen bestimmten Anteil an Rechenleistung für On-Demand-Dienste vor, doch die Kapazität für 2026 ist eindeutig ausverkauft, 2027 nahezu vollständig, und ein Großteil der Kapazität für 2028 ist ebenfalls bereits vergeben.“

Aus Sicht des Geschäftswachstums verläuft die durch KI ausgelöste Wachstumskurve extrem steil. Jassy verglich die frühe Entwicklungsgeschwindigkeit von AWS (Amazon Web Services) mit dem aktuellen Tempo: „In den ersten drei Jahren von AWS empfanden wir unser Wachstum als schnell – mit einer jährlichen Umsatzrate von rund 60 Mio. USD. Doch in den ersten drei Jahren dieser Welle generativer KI liegt die jährliche Umsatzrate des AWS-KI-Geschäfts bereits über 25 Mrd. USD. Die Geschwindigkeit ist Hunderte Male höher als damals – so etwas haben wir noch nie gesehen.“

Zur Klärung kapitalmarktorientierter Bedenken erläuterte Jassy die Cashflow-Zykluslogik bei Rechenzentrumsinvestitionen. Er betonte, dass Investitionen in den Bau von Rechenzentren zwei Jahre im Voraus getätigt werden müssten, deren Lebensdauer jedoch bis zu 30 Jahre betrage; der Kauf von Servern und Netzwerkausrüstung hingegen nur wenige Monate Vorlauf erfordere. Das bedeutet, dass das Unternehmen eine sehr klare Sicht auf die Kundennachfrage hat. „Falls sich herausstellt, dass diese Rechenzentren nicht vollständig benötigt werden, kaufen wir keine Server und Netzwerkausrüstung. Die meisten Serververträge laufen fünf Jahre, wobei die Gewinnschwelle typischerweise nach drei Jahren erreicht wird. Aufgrund dieses Cash-Cycles steht der freie Cashflow anfangs zwar unter Druck, sobald aber alles in Betrieb ist, sind die Erträge äußerst hoch.“

Widerlegung der Kontroverse um Rechenzentren: „Der Wasserverbrauch eines Golfplatzes an zwei Tagen entspricht unserem Jahresverbrauch.“

In den USA entwickeln sich Energieverbrauch und Umweltfragen rund um Rechenzentren zunehmend zu einer politischen Kontroverse. Jassy widersprach dieser Darstellung energisch und hob sie auf die Ebene der nationalen Wettbewerbsfähigkeit.

„Die Infrastruktur, die wir gerade aufbauen, ist in ihrer Größenordnung vergleichbar mit dem Autobahn- und Brückenbau in den USA der 1950er-Jahre. Das Land – ja sogar die ganze Welt – kann es sich nicht leisten, auf den Bau von Rechenzentren zu verzichten; andernfalls würden Länder wie China sämtliche Führungspositionen und Normen besetzen – was sowohl national als auch global unannehmbar ist.“

Zu Umweltvorwürfen präsentierte Jassy eindrucksvolle Fakten: „Viele verbreitete Behauptungen liegen irgendwo zwischen Mythos und Lüge, weil Politiker und Spekulanten gern einen einfachen ‚Schurken‘ suchen. Tatsächlich verbrauchen Golfplätze oder Mandelplantagen weit mehr Wasser als Rechenzentren. Als Referenzwert: Ein Golfplatz verbraucht 200-mal mehr Wasser als wir; an zwei Tagen nutzt er mehr Wasser als unsere Rechenzentren im gesamten Jahr.“

Er ergänzte zudem, dass die Verschmutzung durch Notstromaggregate stark übertrieben sei: „Man muss die Schadstoffemissionen so melden, als laufen sie permanent mit Vollast – tatsächlich betreiben wir Notstromaggregate jedoch nur 0,1 % der Zeit pro Jahr (ca. 10 Stunden), und zwar ausschließlich zur Wartung.“

Der „Hantel-Effekt“ der KI-Nachfrage und die Kernlogik der Senkung von Inferenzkosten

Bei der Analyse konkreter KI-Nachfrage stellte Jassy eine anschauliche „Hantel“-Theorie vor, die auch erklärt, warum Amazon an einer eigenentwickelten Chipstrategie festhält.

„Ein Ende der Hantel bilden KI-Labore, die enorme Mengen an Rechenleistung verbrauchen; das andere Ende sind Unternehmen, die KI vor allem zur Kostensenkung und Produktivitätssteigerung einsetzen – etwa automatisierten Kundenservice oder Geschäftsprozesse. In der Mitte der Hantel befindet sich die aktuelle Produktionslast der Unternehmen. Die überwiegende Mehrheit der Unternehmen setzt (KI-Inferenz) noch nicht ein, doch ich glaube, dass in fünf bis sieben Jahren nahezu alle bestehenden Unternehmensanwendungen Inferenztechnologie tiefgreifend nutzen werden.“

Der Preis ist jedoch das größte Hindernis, um den riesigen Markt in der „Mitte der Langhantel“ zu aktivieren.

„In den letzten Jahren sind die Inferenzkosten deutlich gesunken, doch aus meiner Sicht sind sie immer noch um eine Größenordnung zu hoch.“ Jassy betonte: „Wenn Unternehmen aufgefordert werden, bestehende CPU-Anwendungen mit KI-Beschleunigern neu zu schreiben, ist die Hürde dafür sehr hoch, wenn der Kostenunterschied enorm ist. Senkt man jedoch die Inferenzkosten, fällt diese Hürde stark. Deshalb konzentrieren wir uns auf unser eigenentwickeltes Chip-Geschäft.“

Jassy lobte den Erwerb des Chip-Designunternehmens Annapurna Labs im Jahr 2015 als „die erfolgreichste Übernahme in der Amazon-Geschichte – nicht einmal knapp zweitplatziert“. Er enthüllte, dass Amazon durch die selbst entwickelten Graviton-Prozessoren (40 % kostengünstiger als andere x86-Prozessoren) und die Trainium-KI-Beschleuniger (30–40 % kostengünstiger) die Rechenleistungskosten massiv senkt.

Organisationsumstrukturierung: 6 Ingenieure leisteten ein Jahr lang die Arbeit von 40 Personen; sämtliche Produkte müssen von Grund auf neu entwickelt werden

Neben der externen Bereitstellung von Rechenleistung gestaltet die KI intern den Betrieb von Amazons riesiger Maschine neu – Struktur und Produktentwicklungslogik ändern sich als Erstes.

Jassy teilte einen verblüffenden internen Fall: Das Bedrock-Team (Amazons Plattform für KI-Inferenz) überarbeitete die Inferenz-Engine innerhalb von 76 Tagen mit nur sechs Ingenieuren – zuvor war dafür ein ganzes Jahr und 40 Personen nötig.

„Das hat allen die Augen geöffnet.“ Jassy sagte offen: „Zukünftig wird weniger Personal dieselbe Arbeit leisten als heute. Ich sage nicht, dass wir keine Menschen mehr brauchen, aber bei wachsendem Geschäftsumfang investieren wir nicht mehr so viel Personal wie früher. Teams werden kleiner, und Mitarbeitende müssen querschnittlich arbeiten, da Modelle 80 % der Arbeit übernehmen können.

Auf Produkts Ebene glaubt Jassy, dass inkrementelle Verbesserungen nicht mehr ausreichen; es bedarf des Mutes, „von Grund auf neu zu bauen“.

„Bei Produkten wie Alexa war das ‚Gehirn‘ während der Entwicklung sehr innovativ, doch mit dem Aufkommen generativer KI haben sich die Leistungsgrenzen vollständig verschoben. Um ein führendes Kundenerlebnis zu bieten, muss man Alexas Gehirn neu verdrahten.“

Nicht nur Alexa: Jassy wies darauf hin, dass alle zentralen Verbrauchererlebnisse bei Amazon – darunter Einzelhandel, Prime Video und Musik – in den kommenden Jahren grundlegend unter Einbindung von KI neu gedacht werden müssen. „Teams lehnen dies oft aus Stolz und historischem Ballast ab und sagen: ‚Wir haben das schon versucht, es hat nicht funktioniert.‘ Doch dieser Umbau ist schmerzhaft – aber unvermeidlich. Wer nur an inkrementellen Verbesserungen festhält, wird in drei bis fünf Jahren eliminiert.“

Im Folgenden die vollständige Übersetzung des Podcasts: Andy Jassy 00:00

Selbst wenn wir dieses Jahr 220 Mrd. USD investieren, bleibt ein erheblicher Teil der Nachfrage ungedeckt. Wir halten stets Kapazität für On-Demand-Nutzung vor, doch 2026 ist klar ausgebucht, 2027 nahezu vollständig und 2028 bereits zu einem großen Teil verkauft.

Andy Jassy 00:14

Die Finanzmärkte sagen: „Es gibt gar nicht genug Geld auf der Welt, um diese Projekte zu finanzieren.“ Doch alles, was wir in dieser Welt tun – Aktienmärkte, Banken, Gesundheitswesen – beruht auf Rechenzentren. Unsere Aufgabe ist es, möglichst viel Kapazität bereitzustellen; wir haben die Chance, weit mehr Kundenerlebnisse zu ermöglichen und deren Leben täglich besser und einfacher zu machen. Große Labore zahlen nahezu jeden Preis für Strom, Kühlung und Chips. Vielleicht sollten wir alte Kunden auskaufen und neue ansprechen, da diese bereits zu unseren Preisen bieten.

a16z 00:48

Andy, willkommen zur Sendung. Es freut uns sehr, Sie hier zu haben. Vielen Dank für die Einladung. Sie leiten Amazon nun seit fünf Jahren und haben viel bewegt – das ist keine leichte Aufgabe. Als CEO laufen zahlreiche Dinge parallel: aktuell stehen 220 Mrd. USD an Investitionen, AWS wuchs um 20 % bzw. 28 %. Sie haben wirklich Großes geleistet.

Andy Jassy 01:09

Sie haben so viel erreicht – wie sehen Sie Amazons Ambitionen für 2026 im Vergleich zu Ihrer offiziellen Amtsübernahme als CEO 2021? Oh, 2021 scheint ewig her – fast wie vor zehn Jahren. Doch die Welt verändert sich so rasch. Und …

Andy Jassy 01:30

Vergleichen wir 2021: Der Gesamtumsatz liegt etwa 80 % höher, das AWS-Geschäft ist fast dreimal so groß und die Werbeeinnahmen rund zweieinhalbfach. Dieses Geschäft ist also deutlich gewachsen.

Andy Jassy 01:47

Einiges hat sich tatsächlich ereignet. Kurz nach meinem Amtsantritt – just als die Pandemie abklang – stand unser Einzelhandelsgeschäft vor einer echten Herausforderung bei den Erfüllungskosten: Wir verdoppelten im Grunde die Größe unseres Erfüllungsnetzwerks. Das Netzwerk, das wir über 25 Jahre aufgebaut hatten, wurde in etwa 18 Monaten verdoppelt; dann bauten wir in rund 20 Monaten ein letzte-Meile-Liefernetzwerk auf, vergleichbar mit UPS. Wenn man so schnell baut, sind zwangsläufig zahlreiche Aspekte nicht optimiert. Die Erfüllungskosten in unserem Netzwerk entsprachen nicht unseren Vorstellungen. Damals brachte das viele Herausforderungen und große Unsicherheit mit sich.

Ich erinnere mich, dass ich erst etwa ein Jahr – nicht einmal ein Jahr – im Amt war, und alle sagten: ‚Zu diesem Zeitpunkt zu übernehmen ist der ungünstigste Zeitpunkt, wirklich Pech.‘ Doch rückblickend halte ich diesen Startzeitpunkt für sehr günstig – es war wahrlich ein Segen: Er zwang uns, über Dinge nachzudenken, an die wir sonst jahrelang nicht gedacht hätten; diese Überlegungen führten zu hervorragenden Ideen für unsere Kunden und unser Geschäft. Eine der größten war unser Erfüllungsnetzwerk: Wir regionalisierten das ursprünglich flächendeckende nationale Erfüllungsnetzwerk in den USA. Durch die Regionalisierung lagerten wir Produkte viel näher bei den Kunden, was kürzere Transportwege und damit niedrigere Erfüllungskosten sowie schnellere Lieferungen ermöglichte.

Während dieser Phase, in der wir mit den Erfüllungskosten kämpften, entfesselte die Neubewertung unserer tiefsten Überzeugungen tatsächlich enorme Nachfrage nach Liefergeschwindigkeit und Einzelhandel – ein zentraler Grund für unser schnelles Wachstum. Natürlich entfachte kurz danach KI die gesamte Szene neu. KI ist nichts völlig Neues – wir betreiben seit langem maschinelles Lernen, und es gab bereits mehrere Wellen, die als ‚echte Wendepunkte‘ galten. Doch ab 2023 wird der gewaltige Unterschied durch generative KI deutlich. Damit hatte unser AWS-Geschäft bereits eine sehr hohe Wachstumsrate erreicht.

Wir verfügen offensichtlich über die breiteste Funktionsabdeckung, stärkere Betriebsleistung und Sicherheit sowie – meiner Ansicht nach – eine ganz andere Partner-Ökosystemstruktur. Wir sind klare Marktführer und waren damals überzeugt, dass dieses Geschäft langfristig – sagen wir über zehn Jahre – Umsätze im zweistelligen Milliardenbereich erzielen könnte. Heute, angesichts aller Entwicklungen im KI-Bereich und der Tatsache, dass jede bekannte Kundenerfahrung durch KI und Schlussfolgerung neu gestaltet wird, glauben wir fest daran, dass unser AWS-Geschäft nicht nur sehr schnell wächst – im letzten Quartal betrug das Jahreswachstum 36,7 % bei einem annualisierten Umsatz von 169 Mrd. US-Dollar –, sondern dass sich vor uns heute wirklich außergewöhnliche Chancen eröffnen.

Und ich spüre, dass sich darüber hinaus Samen neuer Geschäftsfelder zeigen: sei es die Entwicklung von Prime Video durch das Team – mittlerweile ein großes und profitables Geschäft; oder unsere Satelliten im niedrigen Erdorbit mit Amazon Leo; oder der autonome Ride-Hailing-Service mit Zoox; ebenso unser Gesundheitsgeschäft und unsere Aktivitäten im Robotikbereich. Wir haben wirklich die Chance, weit mehr Kunden zu unterstützen, viele weitere Kundenerlebnisse zu prägen und deren Leben täglich besser und einfacher zu machen.

Diese Mission, ‚das Leben der Kunden täglich besser und einfacher zu machen‘, vereint tatsächlich alles, was wir im Unternehmen tun. Nun habe ich dazu einige Folgefragen: Erstens erwähnten Sie gerade, dass eine rasche Ausweitung des Erfüllungsnetzwerks zwangsläufig zu gewissen Ineffizienzen führt. Bei solchem Tempo entstehen zwangsläufig Unvollkommenheiten. Wie kommunizieren Sie als CEO Ihre Vorgehensweise, ohne kulturelle Standards zu senken? Amazon steht schließlich für Exzellenz, operative Effizienz und Sparsamkeit – doch nun sagen Sie: ‚Wir wollen etwas wie UPS aufbauen.‘ Wie bringen Sie beides in Einklang?

Interessanterweise verfügen wir über einen Satz von Führungsprinzipien, die vielen bekannt sind – insgesamt 16. Viele davon regeln tatsächlich, wie wir als Team über Betrieb und Kultur denken.

Doch einige stehen in Spannung zueinander, was gelegentlich Verwirrung stiftet. Die Realität spiegelt jedoch genau dies wider – nichts ist jemals eindeutig; stets müssen Abwägungen getroffen werden. Zurück zum Zeitpunkt, als wir beschlossen, das Erfüllungs- und letzte-Meile-Liefernetzwerk so aggressiv und rasch auszubauen: Die Herausforderung für das Team war klar – wir wussten, dass dieses Tempo äußerst schwierig sein würde; die Kosten würden wahrscheinlich höher liegen als bei langsamerem Vorgehen; und vieles ließe sich nicht so gut optimieren wie bei ausreichender Zeit. Doch Kunden und Verkäufer benötigten es dringend. Sollten wir also eher dem Prinzip ‚Erst mal umsetzen‘ folgen?

Denken Sie daran: Das war zu Beginn der Pandemie, als alle physischen Geschäfte geschlossen waren.

Betrachtet man Amazons Rolle im Leben aller während der Pandemie, war sie wirklich bahnbrechend. Wir mussten uns fragen: Sollen wir schnell bauen – möglicherweise weniger optimiert –, um diese Kunden und Verkäufer zu bedienen, die selbst um ihr Geschäft kämpften? Diese Entscheidung mussten wir zunächst treffen – und entschieden, wie fast immer, zugunsten der Kunden.

Unser Erfüllungsteam arbeitet häufiger im Büro als die meisten anderen Abteilungen. Dennoch sind bei Design, Planung und Bewertung viele Personen beteiligt. Sie sind überall verstreut, arbeiten remote – und Sie müssen die Spannung zwischen ‚Handlungsorientierung‘ bzw. Geschwindigkeit und ‚extrem hohe Qualitätsstandards bewahren‘ ausbalancieren – letzteres bedeutet, die geplante Kostenstruktur, Liefermethoden und Konzepte einzuhalten. Also müssen erneut Abwägungen getroffen werden.

Unsere Abwägung war, auf Kundenseite zu stehen, schnell voranzugehen, um Verkäufer und Verbraucher optimal zu bedienen – und wir wussten, dass später Aufräumarbeiten nötig sein würden. Wussten wir damals bereits, dass es sich so entwickeln würde? Nein. Einige Aspekte wurden nicht richtig optimiert, und ob wir voraussahen, dass sie es nicht würden, ist unklar. Doch bei guten Kennzahlen und einer Kultur, die die Wahrheit sagt – ein sehr wichtiger Teil unserer Kultur – legen wir die Daten und Probleme offen auf den Tisch, kommunizieren direkt miteinander und dulden kein Vertuschen. Bei solcher Kultur werden Schwächen rasch in Kennzahlen und Gesprächen sichtbar.

Dann gilt es einfach, Verbesserungen zu finden und zwischen kleinen Effizienzproblemen und strukturellen Fragen zu unterscheiden. Sobald diese Kapazität vorhanden war, reorganisierten wir entscheidende Teile des Netzwerks neu – das war damals wohl Priorität acht oder neun für das Team, wurde aber später viel wichtiger, da es Geschwindigkeit und Kosten optimal vereinte. Ja, interessant: Es erinnert ein wenig an den Start von AWS – damals verfolgten Sie den Ansatz ‚Baue es, und sie werden kommen‘, richtig? Sie bauten die gesamte Infrastruktur und betrieben sie dann. Also mussten sie kommen – sonst wäre es ernst geworden.

Doch nun spielt sich dies in viel größerem Maßstab ab: Sie und einige andere Unternehmen – wobei ich zugeben muss, dass vor allem Sie beteiligt sind, zumindest gehören Sie zweifellos zu den größten Akteuren – bauen Rechenzentren und Chip-Kapazitäten mit einer solchen Geschwindigkeit aus, dass die Finanzmärkte zunehmend sagen: „Wow, es gibt gar nicht genug Kapital weltweit, um diese Vorhaben zu finanzieren.“ Kürzlich sahen wir diese Spannung etwa an den Schulden- und Eigenkapitalmärkten von CoreWeave usw. Wie bewerten Sie daher – angesichts der enormen Nachfrage und Ihres rasanten Wachstums –, wie viel Baukapazität für diese Ausbauphase noch vertretbar ist? Zudem herrscht Wettbewerb in der Lieferkette: Sie müssen um Kühlung, Strom und Chips konkurrieren – um all diese Ressourcen. Ja, das ist eine sehr gute Frage. Ich wünschte wirklich, es gäbe eine einfache Formel dafür – das würde unserem Team viel Zeit ersparen.

Nun, ich würde folgendes sagen: Bei der ersten Cloud-Welle, als wir AWS starteten, gab es tatsächlich etwas von „Wir wissen nicht, ob die Leute es nutzen werden – also bauen wir es einfach, und sie kommen schon.“ Doch intern hatten wir klare Signale. Damals, Anfang der 2000er-Jahre, lagen zahlreiche Teams deutlich hinter unseren Erwartungen zurück – obwohl wir uns relativ betrachtet durchaus schnell vorkamen. Wir konnten einfach nicht verstehen, warum es so lange dauerte. Der Grund war, dass unsere Produktteams 70 bis 80 % ihrer Zeit mit Infrastruktur-Arbeiten verbrachten – was ihnen keine Differenzierung ermöglichte; nur rund 20 % ihrer Zeit entfielen auf die Teile, die das Produkt wirklich einzigartig machten.

Wir erkannten daher, dass jedes Team dieses Problem wiederholte und ständig neu erfand. Deshalb entwickelten wir AWS ursprünglich, um intern schneller voranzukommen. Unsere damalige Einschätzung lautete: Wenn wir eine Reihe großer, hochverfügbarer, kostengünstiger und äußerst flexibler Grundmodul-Dienste – etwa für Rechnen, Speicher, Datenbanken, Content-Delivery oder Messaging – bereitstellen, können wir im Consumer-Geschäft deutlich schneller bauen. Relativ betrachtet war unsere Technologie durchaus gut – und andere Unternehmen hatten wahrscheinlich ähnliche Probleme. Doch noch bevor wir AWS extern lancierten, zeigten bereits so viele interne Teams Interesse, dass wir wussten: Wir waren auf dem richtigen Weg. Niemand von uns ahnte, dass es extern so rasch wachsen würde.

Auf der KI-Seite: Wie Sie wissen, gab es immer wieder Wellen, bei denen behauptet wurde: „Jetzt ist es soweit – KI ist endgültig angekommen.“ Bereits sechs oder sieben Jahre vor dieser aktuellen Welle der generativen KI glaubten viele, die Ära der KI habe bereits begonnen. Wir bauten zahlreiche KI-Dienste auf – und das war bereits ein recht solides Geschäft auf AWS. Doch verglichen mit dem, was wir heute sehen, ist das nichts. Zu Beginn von AWS fühlten wir uns sehr schnell wachsend – und waren damit zufrieden: Nach drei Jahren erreichten wir jährliche Umsätze von rund 60 Mio. USD. In den ersten drei Jahren dieser Welle der generativen KI übersteigt allein unser KI-Geschäft auf AWS bereits jährliche Umsätze von 25 Mrd. USD. Das Wachstum ist also Hunderte Male schneller. So etwas haben wir wirklich noch nie erlebt. Die Frage lautet daher: Wie viel Kapitalaufwand wollen Sie investieren, um diese Chance zu ergreifen? Ich kann Ihnen verraten: Wir rechnen bis 2026 mit einem Kapitalaufwand von rund 220 Mrd. USD.

Übrigens: Vor etwa 15 Jahren, beim Frühstück mit dem Führungsteam, konnten wir kaum glauben, dass ein Telekommunikationsunternehmen 50 Mrd. USD Kapitalaufwand tätigen würde – wir sagten: „Wie kann man nur so viel Geld für Kapitalaufwand ausgeben?“ Diese Zahlen sind wirklich atemberaubend. Und selbst wenn wir dieses Jahr 220 Mrd. USD an Kapitalaufwand tätigen, bleibt noch ein erheblicher Teil der Nachfrage ungedeckt. Was uns hier wirklich hilft, ist die hohe Transparenz hinsichtlich der Kundennachfrage. Betrachtet man die Kapitalaufwendungen von AWS und den Cash-Cycle, bestehen diese aus zwei Hauptkomponenten: Zum einen die Investition in Rechenzentren, zum anderen die in Server und Netzwerke. Für den Rechenzentrumsteil muss man etwa zwei Jahre im Voraus investieren, bevor Server eingebaut und die Monetarisierung beginnen kann. Der Vorteil: Diese Investition erfolgt nur einmal – es handelt sich um ein langfristiges Vermögensgut mit einer Lebensdauer von rund 30 Jahren.

Allerdings muss diese Investition bereits Jahre im Voraus getätigt werden. Server und Netzwerktechnik hingegen müssen nur wenige Monate im Voraus beschafft werden – je nach Komponente. Bevor man also endgültig zuschlägt, hat man daher eine gute Sicht auf die Kundennachfrage. Falls sich herausstellt, dass die Kapazität für diese Rechenzentren nicht benötigt wird, kauft man einfach keine Server und kein Netzwerkmaterial. Im Durchschnitt amortisieren sie sich nach etwa drei Jahren; aktuell beträgt ihre Lebensdauer fünf bis sechs Jahre.

Die meisten Verträge laufen fünf Jahre. Wenn man also so rasch so viele Rechenzentren baut wie wir, fallen enorme Kapitalaufwendungen an, und der Free-Cash-Flow gerät in diesen Jahren unter Druck – bis einige Jahre später die spätere Phase erreicht ist: Alle Rechenzentren sind online, erwirtschaften Einnahmen, und man erhält sein Geld für die Server- und Netzwerkinvestitionen zurück. Aufgrund des Cash-Cycles entstehen jedoch in den ersten Jahren des rasanten Wachstums tatsächlich Belastungen. Damit kehren wir zurück zu den Anfängen von AWS: Rechenzentren waren damals wohl das Letzte, woran man gedacht hätte, dass sie jemals zu einem politischen Thema werden könnten. Doch heute befinden wir uns genau in dieser Lage – insbesondere in den USA.

Das ist durchaus interessant – und ich nehme an, Sie haben das selbst erlebt: Nirgendwo auf der Welt gibt es stärkeren Widerstand gegen Rechenzentren als im amerikanischen politischen Raum – egal aus welchem Grund. Wie wird sich diese Situation letztlich auswirken? Meine Frage lautet: Hat die Kritik an Rechenzentren überhaupt Gewicht? Und wie beeinflusst das Ihre Strategie – was Sie hier bauen, was Sie in anderen Regionen errichten? Nun gut, ich kann Ihnen zumindest meinen Hintergrundwissen schildern. Denken Sie doch mal nach: Alles, was wir heute tun – Aktienmärkte, Bankwesen, Gesundheitswesen, Unterhaltung, Einkauf, Bildung, Geschäftswesen, Ride-Hailing – alles ist datengetrieben und beruht schlichtweg auf Rechenzentren. Ja, wirklich jeder – ich widerspreche mir selbst: Ich möchte mein Handy nicht mehr benutzen.

Doch alle nutzen Rechenzentren. Und das ist erst vor der KI-Epoche. KI ist die größte technologische Transformation unserer Zeit – bedenkt man, dass wir bereits das Internet, die Cloud und das mobile Internet durchlaufen haben, ist das eine gewichtige Aussage. Die Realität ist: Um das eben beschriebene rasante KI-Wachstum zu unterstützen, brauchen wir eine Infrastruktur, wie sie seit dem Ausbau von Autobahnen und Brücken in den 1950er-Jahren weder in diesem Land noch weltweit gebaut wurde. Was wir heute erleben, entspricht diesem Ausmaß an Bauaktivität. Und dieses Land – ich glaube, weltweit gilt das grundsätzlich, aber ich möchte speziell die USA nennen – kann es sich schlicht nicht leisten, auf den Bau von Rechenzentren zu verzichten; andernfalls werden andere Länder wie China dort sämtliche Führung und sämtliche Regeln übernehmen. Das würde niemand von uns – weder national noch global – wollen.

Wir müssen Rechenzentren also bauen. Glaube ich, dass die gesamte Branche Wege findet, besser vorzugehen als heute? Natürlich. Ich spüre, dass sich die Dinge rasch entwickeln und alle gemeinsam lernen. Doch derzeit kursiert eine Reihe – nennen wir es einmal Mythen und Fehlinformationen –, die sich verbreiten, weil es sich hier um ein Thema handelt, bei dem jeder sofort einen „Schurken“ parat hat. Politisch nutzen Opportunisten gelegentlich gerne diesen Schurken, um auf ihn hinzuweisen. Ein Beispiel: Der Wasserverbrauch der Golfbranche oder des Mandel-Anbaus ist deutlich höher als der von Rechenzentren.

Nur als Datenpunkt: Golfplätze verbrauchen 200-mal so viel Wasser wie alle unsere Rechenzentren; ihr Wasserverbrauch an zwei Tagen übersteigt den jährlichen Wasserverbrauch unserer Rechenzentren. Es gibt also zahlreiche solcher Beispiele – dies ist ein gutes. Oder man spricht über Umweltverschmutzung: Bei der Registrierung eines neuen Standorts mit Notstromaggregaten muss man diese anmelden und deklarieren – welche Emissionen würden bei Dauerbetrieb mit voller Last entstehen? Doch das geschieht natürlich nie: Notstromaggregate laufen nur Bruchteile der Zeit, etwa zehn Stunden pro Jahr für Wartung.

So – oder man spricht über Strompreise: In den Regionen mit großflächigen Rechenzentrumsstandorten stiegen die Preise teils, fielen teils. Das eigentliche Problem ist jedoch: Als Land haben wir nicht ausreichend in unsere Netzinfrastruktur investiert. Aufgrund des zwangsläufig starken Wachstums wird zwangsläufig ein kritischer Punkt erreicht, der Investitionen erfordert. Dieser Punkt wird durch KI ausgelöst – wegen ihres rasanten und massiven Wachstums. Sobald aber die Kapazität tatsächlich ausgebaut ist, werden sich die Strompreise in den meisten Regionen stabilisieren oder sogar sinken – wie bereits in Indiana, Georgia oder Mississippi geschehen.

Es gibt also Bereiche, in denen wir uns verbessern können. Ein weiterer Aspekt, den viele vergessen: Große Rechenzentrumsanbieter zahlen in diesen Regionen erhebliche Steuern. So haben wir beispielsweise im St. Joseph County (Indiana) rund 3 Mrd. USD Steuern gezahlt. Die Gemeinden erhalten dieses Geld und können es für Dinge ausgeben, die ihnen wirklich wichtig sind. Die Gemeinden profitieren also ebenfalls. Wir haben Initiativen wie „Built Together“ gestartet und uns verpflichtet, in den nächsten fünf Jahren weitere 1 Mrd. USD in die Gemeinden mit unseren Rechenzentrumsstandorten zu investieren. Daher müssen wir gemeinsam mit den Gemeinden vorankommen – im Rahmen einer öffentlich-privaten Partnerschaft. Denn dieser Ausbau ist für die Zukunft des Landes entscheidend: Stellen Sie sich vor, was gewesen wäre, ohne den Autobahnbau.

a16z 20:44

Und Brücken – sie bestimmten Wohlstand und wirtschaftliche Grenzen des Landes. Wir müssen dies daher sachlich betrachten und Partner der Gemeinden sein, in denen wir bauen. Zurück zur Kapitalinvestition: Diese 220 Mrd. USD entsprechen 600 Mio. USD pro Tag. Ich möchte das nur in einen Vergleichsrahmen stellen. Wie bewerten Sie aktuell die KI-Nachfrage? Sie beschrieben sie als …

Andy Jassy 21:10

„Barbell-Struktur“. Können Sie den aktuellen Stand der KI-Nachfrage skizzieren? Zunächst der Hintergrund: Ich kann kaum glauben, wie groß und schnell KI gewachsen ist – Hunderte Male schneller als AWS zu Beginn. In den ersten drei Jahren erreichten wir bei AWS eine annualisierte KI-Umsatzgröße von 25 Mrd. USD. Also wirklich enorm. Gleichzeitig ist die Nachfragestruktur aber tatsächlich eine Barbell: Ein Ende sind KI-Labore, die riesige Rechenleistung in einem bislang unbekannten Maßstab verbrauchen. Dann gibt es einige Blockbuster-Anwendungen wie ChatGPT, Claude Code usw.

Andy Jassy 21:59

Das andere Ende der Barbell sind Unternehmen, die KI vor allem zur Kostenvermeidung und Effizienzsteigerung nutzen – etwa zur Automatisierung des Kundenservice, Betrugserkennung oder Geschäftsprozessautomatisierung. Die Mitte der Barbell bilden aktuelle Unternehmens-Produktionsworkloads, viele davon laufen bereits heute auf AWS und nutzen Inferenz. Doch die große Mehrheit wird bislang noch nicht systematisch eingesetzt – das wird jedoch voraussichtlich der größte KI-Anwendungsbereich werden.

Andy Jassy 22:38

Wie schnell dies geschieht, lässt sich schwer prognostizieren – es schreitet jährlich voran. Doch zieht man den Blick auf fünf bis sieben Jahre zurück: Ich glaube nicht, dass es erst dann eintritt – solche Entwicklungen erfolgen nie plötzlich. Aber in fünf bis sieben Jahren werden wohl ein beträchtlicher Teil – ja sogar die Mehrheit – der heute genutzten Unternehmensanwendungen systematisch Inferenz nutzen. Vor uns liegt also noch viel Wachstumspotenzial.

Wie sehen Sie dies? Denn wir stehen vor einer drohenden Knappheit an Rechenzentren, Chips und Speicher – wirklich ab 2027: Alle bauen jetzt, doch vieles wird bis Jahresende nicht fertig sein, während die Nachfrage unvermindert steigt. Wie bewerten Sie diese Lage – wenn große Labore bereit sind, nahezu jeden Preis für Strom, Kühlung und Chips zu zahlen, während langjährige Kunden reguläre Tarife zahlen, um ihre Geschäftstätigkeit fortzuführen? Besteht kommerzieller Druck, alte Kunden auszukaufen, um neue zu bedienen – da diese mitbieten? Und alten Kunden die Preise zu verdoppeln, wäre unfair. Wie bewerten Sie dies? Es ist seltsam: Eine Gruppe von Kunden begleitet Sie seit 20 Jahren, nutzt etwas, das – wie Sie sagten – wohl Richtung Inferenz geht; daneben stehen neue Kunden, die gierig sind und alles kaufen würden.

Andy Jassy 24:35

Ja, gute Frage. Unser Blick darauf unterscheidet sich etwas von Ihrem – doch ich verstehe Ihre Sicht völlig. Heute gibt es nur begrenzt Rechenzentren, Strom und Speicher – und diese Knappheit wird meiner Einschätzung nach 2027 nicht enden.

Zurück zum Thema Kapitalinvestition: Ein Grund, warum wir deutlich mehr investieren können – ohne dass dies schlechte Kapitalnutzung wäre – ist, dass 2026 bereits vollständig ausgebucht ist und 2027 praktisch komplett. Wir halten stets etwas für On-Demand-Nutzung frei – sei es für unseren Inferenz-Service Bedrock oder EC2 – doch im Wesentlichen ist alles ausgebucht, alle großen Blöcke sind vergeben. Ein erheblicher Teil von 2028 ist ebenfalls bereits gebucht. Die Nachfrage ist so groß – man kann einfach nicht … Sowohl das KI-Geschäft als auch unser Kerngeschäft (also der Nicht-KI-Anteil) wachsen derzeit sehr rasch.

Und wenn Sie nur begrenzt Speicher zur Verfügung haben, müssen Sie entscheiden, wie viel Speicher Sie für HBM (für KI-Beschleuniger) und wie viel für DRAM (für Ihr Kerngeschäft) reservieren. Das sind echte Abwägungen. Doch unser Ansatzpunkt hier ist kundenorientiert.

Wir pflegen bei AWS tiefe Beziehungen und Kooperationen mit unseren Kunden. Genau wie während der Pandemie: Unsere Wettbewerber dachten damals wohl darüber nach, innerhalb eines Quartals Umsatz zu maximieren, während alle versuchten, Kosten zu optimieren. Wir verfolgten stattdessen einen anderen Weg: Wir schickten unsere Teams aktiv zu Kunden, um ihnen bei der Kostenoptimierung zu helfen – obwohl wir wussten, dass dies unseren kurz- und mittelfristigen Umsatz schwächen würde. Denn wir wollen Kunden zum Erfolg verhelfen: Langfristig hilft das auch unserem Geschäft. Gleiches gilt für das Kerngeschäft. Man könnte zwar rechnen und feststellen: Wegen Knappheit und Zahlungsbereitschaft der Kunden ließe sich beim Kerngeschäft noch etwas mehr herauspressen. Doch diese Kunden betreiben ihre gesamten Kernanwendungen auf AWS.

Wir werden unsere Kunden nicht unter Druck setzen; stattdessen sorgen wir dafür, dass sie skalieren können. Unsere Aufgabe besteht dann darin, Wege zu finden, möglichst viel Kapazität bereitzustellen – damit nicht nur unsere Kernkunden, sondern alle Kunden, die KI mit uns nutzen möchten, dies auch tun können – und zwar auf eine für uns wirtschaftlich tragfähige Weise. Ich wünschte wirklich, ich könnte Ihnen sagen, dass die Knappheit an Kapazitäten erst 2027 ein Problem sein wird; ich glaube vielmehr, dass wir sie über mehrere Jahre hinweg bei verschiedenen Komponenten beobachten werden. Wir haben stets entschlossen gehandelt und investieren nach meiner Überzeugung mehr Kapazität als jeder andere, denn wir sind fest entschlossen und äußerst fokussiert darauf, weiterhin eine bedeutende Führungsrolle in der Infrastruktur- und KI-Branche einzunehmen – so wie schon immer.

Doch wie gesagt: Wir geben dieses Jahr 220 Milliarden US-Dollar aus – und könnten noch deutlich mehr ausgeben. Das wäre keine schlechte Kapitalallokation. Zudem glaube ich mittel- bis langfristig weiterhin, dass wir die Nachfrage nicht vollständig decken werden. Die aktuelle Nachfrage ist schlichtweg beeindruckend. Zu diesem Thema: Sie tätigten 2015 eine Akquisition – Annapurna Labs. Damals dachten Sie wahrscheinlich noch nicht an die enorme KI-Nachfrage, die 2015 entstehen würde – denn damals war die KI-Nachfrage noch sehr begrenzt. Was war also der Beweggrund für die Akquisition? Und wie erwies sie sich in dieser neuen Welt als Ertrag bringend? Ja, ich halte das Annapurna-Team für eines der talentiertesten Teams, mit denen ich je zusammenarbeiten durfte; es zählt zu den besten Akquisitionen in der Amazon-Geschichte – wenn nicht gar zur allerbesten.

Ja, gewisse Aspekte hatten wir vorausgesehen, doch glaube ich nicht, dass wir Annapurna gezielt für KI-Chips erworben haben. Folgender Sachverhalt: Sobald man eine gewisse Größe erreicht, kann man Kundenverhalten auf breiter Basis beobachten und erkennen, dass vertikale Integration und die Eigenentwicklung bestimmter Kompetenzen sowohl mehr Kundennutzen als auch bessere Wirtschaftlichkeit für das Unternehmen selbst ermöglichen. Der Ausgangspunkt für Annapurna bei uns lag daher zunächst bei den Kern-EC2-Servern: Wir empfanden, dass zu viele Serverressourcen für Virtualisierung, Netzwerk, Sicherheit und Speicherung verbraucht wurden – und wollten nahezu 100 % der Serverkapazität für Rechenleistung für Kunden nutzen.

Schon vor der Akquisition arbeiteten wir mit Annapurna an dieser Netzwerkkarte (NIC), um diese Komponenten auf die NIC auszulagern und so möglichst viele Serverressourcen für Rechenleistung freizuhalten. Wir mochten dieses Team und das gemeinsam entwickelte Produkt sehr. Wir erkannten, dass das von uns erworbene Produkt letztlich in nahezu jedem EC2-Server verbaut werden würde – und tatsächlich wurde es in allen unseren Servern verbaut.

Wir erwarben es daher zunächst, weil es eine Kernkompetenz unserer Rechenleistung werden sollte; zudem war uns bewusst, dass dieses Team hervorragend Chips entwickeln konnte – und somit wahrscheinlich auch weitere Chips herstellen würde. Damals unterhielten wir eine sehr enge Partnerschaft mit Intel – die wir bis heute fortsetzen. Doch das Problem war: Intel hielt damals nahezu den gesamten CPU-Marktanteil; und wenn ein Partner fast den gesamten Markt beherrscht, denkt er oft weniger über Kosteneffizienz nach, sondern vielmehr über Funktionen, die ihm zusätzlichen Marktanteil und höhere Einnahmen bringen.

Übrigens ist das völlig verständlich – es gehört zum dynamischen Verhalten von Märkten und ist Teil des sogenannten „Innovator’s Dilemma“. Wir wollten jedoch die Kosteneffizienz vorantreiben, doch es war schwer, deren Aufmerksamkeit hierfür zu gewinnen. Gleichzeitig wollten unsere Kunden zunehmend lokale Workloads in die Cloud verlagern – und forderten bessere Kosteneffizienz. Daher beauftragten wir das Annapurna-Team als Nächstes mit der Entwicklung eines CPU-Chips. So entstand Graviton – heute nutzen 99 % unserer Top-1.000-EC2-Kunden ihn intensiv. Seine Kosteneffizienz liegt rund 40 % über der konkurrierender x86-Prozessoren – mit enormem Nutzen für Kunden und unser Geschäft. Vor einigen Jahren sahen wir im KI-Bereich dieselbe Entwicklung wieder: Es gab tatsächlich einen stark dominierenden Anbieter. Wir unterhielten mit ihm eine tiefe Partnerschaft – die wir bis heute fortsetzen und voraussichtlich auch langfristig fortführen werden.

Doch dieser Anbieter hatte einen riesigen Markt und zahlreiche Produkte sowie Prioritäten. Wir wussten jedoch, dass unsere Kunden bessere Kosteneffizienz benötigten – daher gründeten wir innerhalb von Annapurna ein weiteres Team für KI-Beschleuniger, genannt Trainium, dessen Kosteneffizienz ebenfalls um 30–40 % über vergleichbaren Prozessoren liegt. Wenn wir nun über den mittleren Teil der Barbell sprechen – also über das eben Besprochene – und fragen: Welche Faktoren verschieben diesen mittleren Teil, sodass mehr aktuelle Unternehmens-Produktionsanwendungen Inferenz nutzen können? Ein Teil davon ist Fachkompetenz: Manche Nutzer sind bereits mit Post-Training und Fine-Tuning vertraut; zudem braucht es organisatorische Kompetenz, um Prioritäten zu setzen, Aufgaben zu priorisieren und umzusetzen.

Ein großer Teil liegt jedoch darin: Die Kosten für Inferenz sind in den letzten Jahren deutlich gesunken, doch aus meiner Sicht sind sie immer noch um eine Größenordnung zu hoch, um möglichst breit eingesetzt zu werden. Denn wenn Unternehmen bestehende, auf CPUs laufende Anwendungen auf KI-Beschleuniger umstellen sollen, muss der Kostenunterschied zwischen beiden Lösungen sehr groß sein – damit sich der Aufwand für die Umstellung lohnt. Das setzt hohe zusätzliche Nutzenwerte voraus – eine hohe Hürde. Senkt man jedoch die Inferenzkosten, sinkt diese Hürde deutlich – und sämtliche Anwendungen werden durch KI-Beschleuniger und Inferenz intelligenter, leistungsfähiger und besser. Ein entscheidender Hebel für die breite Kundenakzeptanz von KI ist daher die Senkung der Inferenzkosten – und unser Chipgeschäft trägt hier maßgeblich dazu bei. Ja, tatsächlich: Ich kann aus eigenem Erleben sagen, dass es sehr teuer werden kann. Ein Mitarbeiter verursachte in den letzten Jahren Ausgaben von zwei Millionen US-Dollar – für wertvolle Arbeit.

Doch ja, damals war das Gefühl: Inferenz ist wirklich nicht billig. Eine Ihrer Maßnahmen war daher, beträchtliche Investitionen – insbesondere in Anthropic und OpenAI – zu tätigen; ich erinnere mich an 18 Milliarden US-Dollar für Anthropic und etwa 50 Milliarden US-Dollar für OpenAI. Was war der Grund dafür? Und solche Investitionen – ebenso wie vergleichbare Engagements bei Nvidia und anderen – machen Wall Street etwas nervös, da sie an die schlechten alten Zeiten der Dotcom-Blase erinnern. Wie bewerten Sie dies – besonders vor dem Hintergrund, dass diese Unternehmen auch Ihre Kunden sind? Warum ist das vernünftig? Beide Unternehmen verfügen über herausragende Teams und sind beeindruckende Firmen; ihr Geschäftswachstum – zumindest auf Umsatzebene – ist mir so schnell noch nie begegnet. Einfach unglaublich.

Für uns ergibt sich dies aus mehreren Faktoren: der Qualität dieser Teams, der von ihnen entwickelten Technologie und Modelle sowie einiger ihrer Anwendungen; wir glauben an die transformative Kraft der KI; wir sind überzeugt, dass beide Unternehmen langfristig zu den erfolgreichsten in diesem Bereich gehören werden – natürlich wird nicht jedes Unternehmen in diesem Feld gewinnen, doch viele sehr erfolgreiche Unternehmen werden entstehen, und wir halten diese beiden für solche. Zusätzlich kooperieren wir äußerst eng. Beginnen wir mit Anthropic: Wir arbeiten schon länger mit ihnen zusammen. Viele unserer Kunden betreiben Anthropic in unserem Inferenzdienst Bedrock. Und ich bin überzeugt, dass Kunden, die Anthropic über Bedrock nutzen, am erfolgreichsten sind. Wir kooperieren eng mit Anthropic bei Chips – sie setzen seit Längerem auf Trainium. Das ist sehr gut für Anthropic und sehr gut für unser Trainium-Team; beide Seiten haben voneinander viel gelernt. Unsere tiefe Zusammenarbeit – ob aus Überzeugung in die Zukunft der KI, in diese Unternehmen oder aus der Kooperation selbst – macht es für uns sinnvoll, als Teil dieser Partnerschaft zu investieren.

Dann seitens OpenAI hatten wir einfach so viele Kunden, die OpenAI auf AWS nutzen wollten, dies aber aufgrund früherer Geschäftsvereinbarungen nicht konnten. Beide Unternehmen haben sich lange gegenseitig sehr respektiert und waren stets bereit, zusammenzuarbeiten. So entstand nach mehrmonatigen Gesprächen die Möglichkeit, OpenAI in Bedrock auszuführen; gemeinsam entwickelten wir ein einzigartiges Produkt – die zustandsbehaftete Laufzeitumgebung. Ich glaube, dass alle intelligenten Agenten künftig genau so aufgebaut werden: Sie benötigen Zustand. Anthropic etwa traf mehrjährige, mehrere Gigawatt umfassende Verpflichtungen für Trainium. Wir sind überzeugt, dass es langfristig eines der erfolgreichsten Unternehmen in diesem Bereich sein wird. All dies macht eine vertiefte Zusammenarbeit und Investition sinnvoll. Wechseln wir das Thema: Wie nutzt man KI, um ein Unternehmen aufzubauen? Ich erinnere mich, dass Sie sagten, das Bedrock-Team habe seine Inferenz-Engine mit nur sechs Ingenieuren innerhalb von 76 Tagen neu gebaut – ein Vorhaben, das ursprünglich 40 Personen ein Jahr lang beschäftigt hätte. Das ist ein gewaltiger Unterschied.

Und Sie wissen ja: Amazon ist bekannt für seine „Zwei-Pizza-Teams“. Wie sieht nun Ihr Denken zum organisatorischen Aufbau aus? Diese Technologie verändert wirklich alles. Über Jahre hinweg wurden wir extrem spezialisiert: Designer, Produktmanager, Frontend- und Backend-Entwickler usw. Jetzt scheint jeder wieder zum Generalisten zu werden. Wie bewerten Sie das aus Sicht des Organisationsdesigns? Ja, ich stimme Ihnen zu. Die Bedrock-Erfahrung, die Sie erwähnten, war für alle hier wirklich aufschlussreich.

Wir haben viel Zeit damit verbracht, diese Geschichte intern zu teilen, um Menschen zu inspirieren und sie daran zu erinnern, was möglich ist. Denn solche Entwicklungen werden sich fortlaufend ereignen – ich bin seit 29 Jahren bei dem Unternehmen. Ich begann als Assistenzproduktmanager und war damals allein für fünf Produkte verantwortlich. Heute, da das Unternehmen wächst, skaliert und die Produkte zunehmen, arbeitet ein Produktmanager oft nur an einem einzigen Produkt – und zwar nur an einem Teilaspekt wie etwa der Preisgestaltung. Alle werden immer spezialisierter, und alle akzeptieren: Um zu wachsen und erfolgreich zu sein, funktioniert es nur so. Doch das stimmt nicht mehr – und wenn man sieht, was KI gerade leistet, dann ganz bestimmt nicht.

Nehmen wir nur die vergangene Woche: Wir entwickeln gerade intelligente Agenten für das Consumer-Geschäft. Dort investieren wir stark, hatten aber eine besonders spannende Idee und beschlossen am Donnerstag, zu prüfen, ob wir binnen weniger Tage einen funktionsfähigen Prototypen erstellen könnten. Das Ergebnis? Vier oder fünf von uns arbeiteten am Wochenende daran – und am Sonntag war der Prototyp zu 80 % bereit für den Release. Das ist tatsächlich so – zwei völlig unterschiedliche Welten. Für die Zukunft der Organisationen bedeutet das: Erstens glaube ich, dass künftig weniger Menschen die heutigen Aufgaben erledigen werden. Schauen Sie nur, wie viel Programmierung bereits durch intelligente Agenten erfolgt – und wie viel Kundenservice-, Business-Intelligence- und Recherche-Arbeit bereits automatisiert wird.

Ja, stellen Sie sich vor, wie es in Zukunft aussieht: Wie werden Tabellen erstellt? Wie viele Anwälte werden benötigt? Ich glaube nicht, dass Menschen völlig überflüssig werden, aber deutlich weniger werden benötigt. Früher fügten wir bei Wachstum einfach immer mehr Mitarbeiter hinzu – doch so wird es in Zukunft nicht mehr sein. Es entstehen neue Berufe, einige davon kennen wir bereits, andere noch nicht. Mit der Entwicklung von KI, Robotik und Raumfahrt werden sie hervortreten. Es wird zahlreiche neue Jobs geben – doch weniger Menschen werden die heutigen Aufgaben ausführen. Ich glaube, Teams werden deutlich kleiner sein. In kleineren Teams können Mitarbeitende quer durch Funktionen arbeiten – niemand beschränkt sich mehr nur auf einen kleinen Ausschnitt, denn Modelle bringen bereits 80 % Leistung. In vielen dieser Bereiche startet jedes Team heute von einer viel höheren Basis als früher – daher glaube ich, dass wir breiter und schneller innovieren können.

Ich bin überzeugt, dass sich vieles ändern muss. Die meisten heutigen Startups beginnen von Anfang an agentenbasiert oder KI-native. Alle etablierten Unternehmen müssen herausfinden, wie sie genauso schnell bauen können. Einige werden das schaffen. Doch es gibt immer diese Situation: Hat ein großes Unternehmen viele Kompetenzen und eine treue Kundenbasis, dann reagieren manche Firmen sehr langsam – und meiner Ansicht nach werden sie dadurch gegenüber Startups anfälliger.

Ich prognostiziere, dass Unternehmen nahezu ihren gesamten Code neu schreiben müssen, um Agenten-Funktionen zu ermöglichen; Agenten müssen verschiedene Code-Snippets aktualisieren können – wozu entsprechende Einschränkungen festgelegt werden müssen. Sicherheitsaspekte sind hier besonders interessant. Betrachtet man die Spannungsfelder rund um Modelle der letzten Wochen, so konzentrieren sie sich fast ausschließlich auf spekulativere Szenarien.

Übrigens sind diese Szenarien durchaus möglich: Kann ein böswilliges Botnetz alles übernehmen? Ich halte das für möglich. Kann bösartige Absicht in Roboter injiziert werden? Auch das ist denkbar. Persönlich glaube ich, dass Industrie, öffentlicher und privater Sektor gemeinsam dieses Problem lösen werden. Doch man muss zunächst Prioritäten setzen. Ja, doch der interessante Aspekt ist: Die Diskussion über jüngste Risiken ist bisher unzureichend – diese betreffen vor allem Cybersicherheit. Diese Modelle sind so leistungsfähig, dass sie weit mehr Schwachstellen finden können als Menschen jemals zuvor. Man mag streiten, ob Menschen sie hätten finden können – Fakt ist jedoch, dass sie es nicht getan haben. Daher glaube ich, dass künftig die Reaktion von Anwendungen auf dringende Sicherheitsbedrohungen in Minuten gemessen werden muss.

Derzeit sieht es so aus: Eine Schwachstelle wird entdeckt, jemand kategorisiert sie, jemand entwickelt ein Patch – und selbst wenn dieser Teil rasch abgeschlossen ist, benötigen die meisten Unternehmen wegen vieler Abhängigkeiten lange für die Bereitstellung. Künftig muss die Bereitstellung innerhalb weniger Minuten erfolgen. Wer seine Anwendungen nicht wirklich so umgestaltet hat, dass Agenten sie aktualisieren können, hat in dieser neuen Welt keine Chance. Ich glaube daher, dass alle Organisationen neu erfunden werden – und Unternehmen, die diesen Wandel priorisieren, werden deutlich besser dastehen als die anderen.

Ja – und es scheint, dass die Branche insgesamt nicht gut darin war, Systeme aller Größenordnungen – von Großsystemen bis zu eingebetteten Geräten – von Anfang an sicherheitsorientiert zu architekturieren. Der Tag der Abrechnung ist gekommen. Doch die gute Nachricht ist: Das bietet riesige Chancen für neue Unternehmen, neue Versuche und neue Ideen. Doch ja – wie wir bereits sagten: Diese theoretischen, gedanklichen Risiken könnten eintreten – oder auch nicht. Dies hier jedoch ist klar und real.

Ja – fast alle Partner und Kunden, mit denen wir bei AWS sprechen, unabhängig von ihrer Größe, sind sämtlich besorgt über Sicherheit. Wir bieten professionelle Dienstleistungen an, um Kunden dabei zu unterstützen, und entwickelten einen Service namens Continuum, der zahlreiche dieser Schwachstellen identifiziert und Patches generiert. Doch das ist leichter gesagt als getan. Denn viele Unternehmen und Entwickler halten Sicherheitsarbeit oft für wenig spannend und warten lieber, bis etwas schiefgeht. Doch wer wichtige Daten schützt, sollte das nicht tun. Außerdem glaube ich, dass Spezialisierung im Sicherheitsbereich in den meisten Unternehmen wohl das schlechteste Szenario ist: Es gibt sehr exklusive Sicherheitsingenieure, die ungern mit anderen Entwicklern zusammenarbeiten – und sie sind knappe Ressourcen.

Das Ergebnis ist, dass die Sicherheitspraktiken beim Softwareentwurf bei den meisten Unternehmen – insbesondere Softwareunternehmen – nicht sehr gut sind. Dies muss sich klar ändern. Die gute Nachricht: Wir verfügen über Werkzeuge, die dabei helfen können. Wie Sie sagten: Man muss Penetrationstester einstellen – doch deren Anzahl ist begrenzt und sie können nur eine begrenzte Anzahl von Anwendungen abdecken. Modelle in Kombination mit Automatisierung ermöglichen es Ihnen, Penetrationstests umfassender über die gesamte Angriffsfläche durchzuführen und dabei auch Schwachstellen zu entdecken, die man sonst nur durch Zufall finden würde. Beim Blick auf diesen Markt fällt auf: Mit KI lässt sich vieles erreichen – etwa Kostensenkung durch weniger Buchhalter oder Rechtsanwälte.

Tatsächlich behaupten einige Risikokapitalfirmen gerade: „Wir kaufen diese etablierten Unternehmen und senken deren Kosten.“ Das hat uns nie interessiert, denn wir meinen: Wenn das Ihre Idee ist, dann ist sie schlicht zu eng gefasst. Eine andere Möglichkeit: Wir wollen etwas erschaffen, das es bisher noch nie gab – das ist äußerst spannend. Doch es gibt eine dritte Option – wie bei Alexa: Ein erfolgreiches Produkt existiert bereits, und nun sagen wir: „Lassen Sie uns dieses Konzept grundlegend neu denken – denn wir haben nun eine neue Plattform.“ Wie gelangt man dorthin? Unter welchen Voraussetzungen ist dies sinnvoll? Ja, Sie ziehen hier eine interessante Dreiteilung. Und ich glaube, wie wir eben besprachen, werden Organisationen tatsächlich wandlungsfähiger und schlanker.

Wenn Sie es richtig machen, ermöglichen Sie Ihren herausragenden Entwicklern und kleinen Teams, genau jene zweite Art von Innovationen hervorzubringen – Dinge, die es so noch nie gab. Und wenn man die zuvor erwähnte Erfahrung macht – etwa eine neue Idee innerhalb von vier Tagen auf 80 % Reife zu bringen – ist das unglaublich motivierend. Menschen investieren dann mehr Freizeit und mehr geistige Kapazität in neue Ideen. Für mich gehört dies zu den spannendsten Aspekten der aktuellen KI-Entwicklung.

Ich glaube jedoch auch: Bestehende Unternehmen mit erfolgreichen, skalierbaren Kundenerlebnissen laufen Gefahr, diese Erfolge in drei bis fünf Jahren einzubüßen – vorausgesetzt, sie verstehen KI lediglich als Werkzeug zur schrittweisen Verbesserung. Denn ich bin überzeugt: Jedes bekannte Kundenerlebnis – selbst diejenigen, die am wenigsten veränderbar erscheinen – wird sich durch KI in wenigen Jahren deutlich wandeln.

Das bedeutet: Wer mehr als nur inkrementelle Fortschritte will, muss sein Team dazu bewegen, die Anwendungen völlig neu zu konzipieren – unter der Annahme, sie heute mit sämtlichen verfügbaren neuen Technologien zu bauen. Bei Alexa ist dies offensichtlich: Ihr „Gehirn“ war damals wirklich kreativ gestaltet. Doch durch generative KI haben sich die Fähigkeiten dieses „Gehirns“ grundlegend verändert. Um langfristig exzellente Kundenerlebnisse zu bieten, muss man Alexas Gehirn daher neu verdrahten – das liegt auf der Hand. Und doch ist es extrem schwierig: Teams identifizieren sich emotional mit ihrem Werk, sind stolz auf ihre Errungenschaften und tragen die hart erkämpften Erkenntnisse darüber, was funktioniert und was nicht.

Sie davon zu überzeugen, komplett von vorne anzufangen und neu zu denken, braucht Zeit – denn Teams argumentieren: „So machen wir das nicht; das haben wir schon versucht, und es hat nicht funktioniert.“ Noch schwieriger aber ist es bei anderen Kundenerlebnissen – etwa im Einzelhandel, bei Prime Video, Fire TV oder Prime Music: Hier gibt es heute deutlich bessere technische Lösungen – doch das ist weniger offensichtlich. Dennoch glaube ich fest daran, dass wir alle diese Bereiche neu erfinden müssen; bereits jetzt arbeiten Teams an gründlich überarbeiteten Versionen dieser Geschäftsbereiche.

Können wir es also von Anfang an perfekt machen? Wahrscheinlich nicht. Wir werden Wege finden, uns schrittweise heranzutasten – doch bereits jetzt entstehen zahlreiche neue Ideen und Kundenerlebnisse, die uns sehr ansprechen. Spannend wird dann der Wettlauf: Möchten Sie ein völlig neues Erlebnis – fast wie eine neue Anwendung – oder sollen die Neuerungen schnell genug voranschreiten, um sie schrittweise und substanziell in das bestehende Kundenerlebnis zu integrieren? Dabei gilt es, die funktionierenden Elemente zu identifizieren. Doch ich bin überzeugt: Wer führend sein will, muss jedes dieser Erlebnisse in den kommenden Jahren verändern.

Ja, das ist eine äußerst heikle Führungsaufgabe. Sie erinnert mich daran, wie ich als junger Ingenieur mit jemandem stritt. Mein Chef sagte: „Hör zu, Ben: Vor der ersten Codezeile ist alles offen – danach wird es zur Überzeugung.“ Das haben Sie sicher auch bei Alexa erlebt. Interessant ist jedoch: All das Wissen, all diese Erfahrung, all das, was zum ursprünglichen Produkt beigetragen hat – nun sind wir bereit, einen Großteil davon zugunsten dieser neuen Welt aufzugeben.

Und übrigens gilt das ebenso für Kunden: Es gibt eine große Gruppe, die das aktuelle Erlebnis liebt, richtig? Ja, jede größere Transformation – zumindest nach meiner Erfahrung; vielleicht kennen Sie Ausnahmen – erfordert einen massiven Wandel: Technologie, Produkt, Kundenerlebnis und Geschäftsmodell müssen so überzeugend sein, dass Menschen bereit sind, sich zu verändern. Doch selbst dann geschieht es nicht automatisch. Dies ist ein gewaltiges Change-Management – vergleichbar mit dem Umstieg von On-Premises- zu Cloud-Bereitstellung: Viele Infrastrukturverantwortliche sind stolz auf ihr Werk, kennen es bis ins Detail, stehen im Mittelpunkt – und wollen keine neuen Dinge lernen.

Genau so wird es auch bei der Neuerfindung aller Kundenerlebnisse sein. Wir alle sind stolz auf das, was wir in den letzten zehn Jahren in diesen Bereichen aufgebaut haben, haben jeweils hundert Ideen für Verbesserungen, sind begeistert davon und widmen diesem Thema unsere ganze wache Zeit. Sich vorzustellen: „Wie fange ich komplett von vorne an?“, ist rational wie emotional schwer. Ja, zweifellos.

a16z 53:06

Außerdem haben wir, Andy, vor wenigen Wochen Harwood’s und die Jason Academy gegründet, um junge Menschen auf diese Transformation vorzubereiten, von der wir sprechen. Sie sagten, KI mache das Bauen einfacher – doch junge Menschen müssen trotzdem echtes Fachwissen erwerben. Ich frage mich: Was würden Sie sich selbst raten, wenn Sie 2026 achtzehn Jahre alt wären – um sich auf diese Transformation vorzubereiten?

Andy Jassy 53:29

Ich habe ein 25-jähriges und ein 22-jähriges Kind. Mein 22-Jähriger begann erst mit 19 richtig durchzustarten. Mir wurde rasch klar: Man kann jungen Leuten nicht verbieten, KI im Bildungsbereich zu nutzen. Das Schiff ist längst ausgelaufen – oder der Zug bereits abgefahren. Universitäten sollten daher nicht dagegen ankämpfen, sondern KI als Werkzeug akzeptieren, das Menschen nutzen werden.

Andy Jassy 53:54

Gleichzeitig glaube ich: Alle jungen Menschen – und das gilt auch für uns: Wir haben viele Mitarbeiter und eine starke Schreibkultur; alle nutzen KI zum Verfassen von Texten – erkennen sofort, was von KI stammt: Es passt einfach nicht ganz, die Abschnitte sind nicht nahtlos verbunden. Daher lautet mein Rat an junge Menschen – und auch an meine Kinder:

Andy Jassy 54:18

Sie können ihm nicht entkommen – und es wird auch nicht verschwinden. Es wird Ihr Leben stark beeinflussen, jede Erfahrung, die Sie nutzen möchten, sowie Ihre Arbeit; zudem ermöglicht es Ihnen, auf völlig neue Weise zu erfinden. Daher müssen Sie es verstehen, sich selbst damit vertraut machen und es intensiv nutzen. Probieren Sie es aus – wagen Sie sich über Ihren gewohnten Rahmen hinaus.

Andy Jassy 54:48

Keiner meiner beiden Kinder ist Entwickler, doch beide nutzen KI bereits, um Anwendungen zu erstellen. Behandeln Sie sie als zentrales Element Ihrer Tagesplanung und Ihrer beruflichen Werkzeuge. Dennoch glaube ich nicht, dass sie kritisches Denken und Urteilsvermögen ersetzen wird – das gilt auch für Universitäten. Ich denke oft darüber nach – nehmen wir etwa die Betriebswirtschaftslehre: Dort analysieren Sie drei Fallstudien, lesen viel, machen Notizen und identifizieren die Kernprobleme. Dann erhalten Sie zusätzliche Unterlagen, zu denen Sie ebenfalls Notizen anfertigen müssen. Schließlich müssen Sie integrieren, was das Unternehmen Ihrer Ansicht nach tun sollte. Häufig gibt es jedoch viele Studierende, die diese Vorbereitung gar nicht leisten – sie lesen nicht, recherchieren nicht, machen keine Notizen. All dies kann KI Ihnen erleichtern und alle schneller auf ein höheres Ausgangsniveau bringen.

Andy Jassy 55:52

Doch möchte ich betonen: Das echte Verknüpfen dieser Einzelpunkte – ob zur Strategieentwicklung, Gedankengestaltung, Planung, Neuprodukt- oder neuen Kundenerlebnis-Konzeption – wird KI wohl bei den meisten Menschen und in den meisten Fällen nicht übernehmen. Ich sage nicht, dass dies niemals geschehen wird.

Andy Jassy 56:10

Ich bleibe davon überzeugt, dass menschliches Urteilsvermögen, Kreativität, Erfindungsgeist, Experimentierfreude sowie die Fähigkeit, Zusammenhänge zu erkennen und alles zu einem großartigen Erlebnis oder Geschäft zusammenzufügen, unverzichtbar bleiben. Nutzen Sie diese Tools – sie werden Ihnen enorm helfen – doch kritisches Denken und Urteilsvermögen bleiben in allem, was wir tun, von zentraler Bedeutung. Wir nähern uns dem Ende. Ihr Geschäft ist wie …

a16z 56:43

von Satellitenverbindungen über Roboter bis hin zur Gesundheitsversorgung – äußerst vielfältig. Diese Ambition ist wirklich beeindruckend. Denken Sie daran, wie das Unternehmen begann: mit dem Online-Verkauf von Büchern – und heute ist es dies hier geworden. Wie sehen Sie denn das Verbindende zwischen diesen unterschiedlichen …

Andy Jassy 57:00

Geschäftsfeldern? Oder wie bewerten Sie, welche Geschäftsfelder jahrelange Investitionen wert sind? Wie vermeiden Sie eine Überdehnung? Und wie verstehen Sie dieses außerordentlich breite Spektrum?

Andy Jassy 57:11

Zunächst einmal befinden wir uns mitten in den drei größten Transformationen unseres Lebens – vielleicht der Geschichte: KI, Robotik und Raumfahrt. Alle drei sind gewaltig und werden zahlreiche Kundenerlebnisse grundlegend verändern. Und wir stehen mitten drin.

Andy Jassy 57:40

Betrachten Sie unser Handelsgeschäft und den Einsatz von Robotern dort sowie unsere KI-Aktivitäten – darunter die Vereinfachung der Entwicklung erfolgreicher KI-Anwendungen und -Agenten sowohl intern als auch extern sowie die Neugestaltung aller unserer Verbrauchererlebnisse.

Andy Jassy 57:58

Denken Sie an Amazon Leo – unser Satellitenkonstellation im niedrigen Erdorbit, die für die rund 500 Millionen Haushalte weltweit ohne Breitbandanschluss vorgesehen ist. Hier vollziehen sich eine Reihe beeindruckender Transformationen, und wir haben die Chance, Kunden dabei zu unterstützen, diese für ein besseres Leben zu nutzen. Unser Ansatz hilft Kunden und schafft zugleich langfristig tragfähige Geschäftsmodelle. Zudem bietet er uns die Möglichkeit, in immer mehr Bereichen für Kunden relevanter zu werden – ganz abgesehen von unseren Aktivitäten im Lebensmitteleinzelhandel, im autonomen Personenverkehr und im Gesundheitswesen.

Andy Jassy 58:47

Zur Frage der Organisation: Dieser interne Diskurs zieht sich seit Jahren durch unser Unternehmen, und auch externe Beobachter stellen dieselbe Frage: Ist das nicht zu viel auf einmal? Ich halte das für teilweise abhängig von der eigenen Organisationsstruktur und vom Investitionsengagement. Denn wir lassen nicht dieselben Teams mehrere Geschäftsbereiche führen; stattdessen organisieren wir dezentral nach dem Prinzip des „Single-threaded“-Ansatzes. Solange wir die richtigen Führungskräfte und Gestalter in diesen Teams haben, solange das Kundenerlebnis groß genug ist, um Wachstumskennzahlen zu treiben, und solange wir differenzierte Ideen in unterversorgten Bereichen verfolgen, können wir viele dieser Vorhaben gleichzeitig angehen – und tun dies bereits seit Langem. Entscheidend bleibt letztlich, wie viel man bereit ist, zu investieren.

Manche Unternehmen – durchaus verständlich – sagen: Wir konzentrieren uns auf unser Kerngeschäft und entwickeln es weiter. Das kann durchaus eine sehr erfolgreiche Strategie sein. Auch wir legen großen Wert darauf, unser bestehendes Geschäft kontinuierlich auszubauen und zu stärken – und das gelingt uns gut und mit gutem Tempo. Doch es gibt so viele weitere Kundenerlebnisse, bei denen wir wissen, dass Kunden uns brauchen – und bei denen wir tatsächlich helfen können: Sie profitieren, und unser Geschäft wandelt sich langfristig. Deshalb werden wir diese Vorhaben weiter verfolgen. Ein inspirierender Schluss – grenzenlose Ambition. Andy, vielen Dank für Ihr Kommen! Ja, danke für die Einladung. Vielen Dank an alle!