PodcastsHear the voice. See the shape of the thought.

Tech-Analyst Benedict Evans sprach mit a16z-Moderator Erik Torenberg über eineinhalb Jahre KI-Entwicklung — was sich gefestigt hat und was noch offen bleibt. Evans argumentiert, dass agentisches Coding bisher als einziger wirklicher Durchbruch der KI gilt; alles andere befindet sich noch in der Kategorie "am Rande nützlich". Die strukturelle Kernfrage, zu der er immer wieder zurückkehrt: ob Foundation-Model-Unternehmen zu reiner Infrastruktur werden — wie ISPs und Mobilfunkanbieter — oder ob sie es schaffen, Wert im Stack nach oben zu verlagern, so wie es Betriebssysteme getan haben. ## [00:00] Intro Dieser Einstieg ist ein Vorausblick auf einen späteren Teil des Gesprächs. Evans skizziert die Mobilfunkbetreiber-Analogie, die er ausführlich entwickelt: Betreiber haben teure globale Infrastruktur aufgebaut, der Datenverkehr ist um das 2.000-Fache gestiegen, und der gesamte Wert ist zu Unternehmen gewandert, die darauf aufgebaut haben — ein Muster, das er direkt auf LLMs anwendet. Er nennt auch den einen konkreten Datenpunkt, der die gesamte Diskussion verankert: Anthropics Run Rate stieg binnen eines Jahres von rund 9 Milliarden auf 47 Milliarden Dollar, fast ausschließlich durch Softwareentwicklung. > *"Sie haben dieses beeindruckende, unglaublich aufwendige und teure globale Stück Infrastruktur gebaut — mit ständig wachsendem Nutzungsvolumen. Es hat unser aller Leben verändert, wir bezahlen alle dafür, und trotzdem haben sie kein Geld damit verdient, weil der gesamte Wert im Stack nach oben gewandert ist."* ## [01:05] KI-Adoption beschleunigt sich Evans reflektiert darüber, was sich seit der ersten Version seiner Präsentation "AI Eats the World" verändert hat. Die deutlichste Verschiebung: Die Wettbewerbsstrategie unter den Labs hat sich über "schneller ein größeres Modell bauen" hinausbewegt — OpenAI hat mehrere strategische Positionen durchlaufen, während Anthropic sich auf Coding konzentriert und es zum Funktionieren gebracht hat. Diese Fokussierung ist nun ansteckend für die gesamte Branche. Die Fragen, die Evans inzwischen für geklärt hielt — ob ein Modell dominieren wird, ob Modelle Wert im Stack nach oben verlagern können, ob Verbraucher KI täglich statt wöchentlich nutzen werden — bleiben weitgehend offen. Warum Coding als Erstes aufgetaucht ist, überrascht Evans im Nachhinein nicht: Softwareentwickler waren die frühen Anwender, also war das Erste, das sie zu automatisieren versuchten, ihre eigene Arbeit. Er zieht eine Analogie zu PCs in den frühen 1980er-Jahren: unglaublich aufregend, aber noch nicht klar, wofür sie gut sind — und die erste Anwendung war, mehr Computer herzustellen. Was sich dieses Jahr tatsächlich verschoben hat: Agentisches Coding hat eine Schwelle überschritten — von "irgendwie nützlich" zu "ändert wirklich alles". > *"Es ist wie das Internet im Jahr '97, aber auch wie PCs in den frühen '80ern. Unglaublich aufregend, aber noch nicht ganz klar, wofür es gut ist — und es funktioniert noch nicht ganz reibungslos."* ## [06:00] OpenAI-Strategie und Nutzungslücke Evans charakterisiert OpenAIs Phase Ende 2025 als Versuch, gleichzeitig in alle Richtungen Wert aufzubauen — Werbung, E-Commerce, Warenkörbe, Zahlungen, ein Browser, eine soziale Video-App — bevor das Unternehmen scharf zurück zu Coding schwenkte, als Anthropics Ergebnisse klargemacht hatten, was tatsächlich funktioniert. Ob Anthropics Coding-Wette bewusst oder zufällig war, spielt keine Rolle; sie hat funktioniert, und OpenAI folgte. Das tieferliegende Problem, das Evans aufwirft: Selbst bei explosiv wachsender Coding-Adoption liegen die täglich aktiven Nutzer über alle KI-Tools hinweg noch bei rund 10% der Gesamtnutzer, weitere 30–40% nutzen KI nur wöchentlich. Die Lücke zwischen Leuten, die Claude Code den ganzen Tag laufen lassen, und Leuten, die es "letzte Woche für etwas" benutzt haben, schließt sich noch nicht. Er unterscheidet dabei zwischen konsumentenorientierten Produkten, wo diese Lücke bestehen bleibt, und spezifischen Back-Office-Automatisierungen im Unternehmensbereich — etwa ein Rohstoffunternehmen, das LLMs nutzt, um den Cashflow von Kleinproduzenten zu prognostizieren — wo der Nutzen präzise und messbar ist, ohne dass die Nutzer das Werkzeug selbst verstehen müssen. > *"Wenn du das nur einmal pro Woche nutzt, hast du Nana noch nicht erreicht."* ## [09:27] Plattformwechsel und Wertschöpfung Evans skizziert drei Betrachtungsrahmen, um den aktuellen Moment gegen frühere Plattformwechsel zu lesen. Erstens: Adoption baut immer auf bestehender Infrastruktur auf — Mobile musste nicht auf das Internet warten, das Internet nicht auf PCs — also sind sich beschleunigende Adoptionskurven zu erwarten, keine Überraschung. Zweitens: Frühe Phasen jedes Wandels sind geprägt davon, dass noch nichts wirklich zuverlässig funktioniert; eine Soundkarte in einen PC der 1980er einzubauen dauerte ein Wochenende, und Internetzugang zu bekommen bedeutete eine Diskette mit TCP/IP. Wir befinden uns mit KI in dieser Phase. Drittens: Der Preisdruck zwischen Angebot und Nachfrage spiegelt mobile Daten in den Jahren 2009–2010, als Betreiber Pauschaltarife hatten und plötzlich alle YouTube streamten — was ihre Einheitswirtschaft sprengte, bevor gedrosselte Pakete wieder für Stabilität sorgten. Das zentrale strukturelle Argument: Der Wert ist nicht bei Chip-Unternehmen, ISPs oder Mobilfunkbetreibern gelandet. Windows und iOS haben ihn eingefangen — aber sie hatten Netzwerkeffekte und Plattform-Hebel, die LLMs offensichtlich nicht besitzen. Foundation Models ähneln eher Hyperscalern als Betriebssystemen: Unternehmen "standardisieren nicht auf Claude", genauso wenig wie sie je wussten, auf welcher Cloud ihre SaaS-Apps liefen. Evans ist bereit, falsch zu liegen, besteht aber darauf, dass das aktuelle Preisungleichgewicht vorübergehend ist — und die Wirtschaftlichkeit des ersten Jahres legt Commodity-Preise als das Gleichgewicht nahe, auf das mehrere gut finanzierte Wettbewerber zusteuern. > *"Chip-Unternehmen haben den Wert nicht eingefangen. ISPs haben ihn nicht eingefangen. Mobilfunkbetreiber haben ihn nicht eingefangen. Windows und iOS haben es getan, aber die haben etwas anderes gemacht — sie hatten all diese Hebel, um im Stack nach oben zu gehen."* ## [30:43] Automatisierung und Jevons Evans stellt einen Analyserahmen aus seiner Präsentation vor, um zu durchdenken, was Automatisierung tatsächlich mit einer Branche macht: reine Preiselastizität (dasselbe billiger machen), mehr für dasselbe Geld erreichen, Dinge freischalten, die zuvor prohibitiv teuer als Markteintrittsbarriere waren, und Dinge ermöglichen, die vorher völlig unmöglich waren — das Beispiel der Dampfmaschine und der Eisenbahn, oder Spotify, das alle aufgenommene Musik für 15 Dollar im Monat verfügbar macht. Er hütet sich vor Überprognosen: Dieselbe Beobachtung, dass "das Internet den physischen Vertrieb zerstören wird", bedeutete für Zeitungen (zerstört) und Filmstudios (kaum betroffen) völlig verschiedene Dinge. Die wichtigsten Fragen — was KI für Finanzen, Beratung, die Big Four und Großkanzleien bedeutet — sind inzwischen mindestens genauso sehr Branchenfragen wie Technologiefragen und erfordern Fachwissen, das Tech-Analysten in San Francisco typischerweise nicht haben. > *"Was bedeutet generatives Video für Hollywood? Ben Affleck weiß darüber wahrscheinlich viel mehr als ich."* ## [33:27] Werbung und Shopping-Agenten Evans konzentriert sich auf Werbung und Einzelhandel als den Sektor, in dem die Fähigkeit von KI, Produkte semantisch zu verstehen, eine spezifische, greifbare Verschiebung erzeugt. Aktuelle Werbeplattformen kennen Metadaten und Kaufkorrelationen, verstehen aber nicht wirklich, was Produkte sind oder warum Menschen sie kaufen — daher empfiehlt Amazon einen zweiten Toilettensitzdeckel. LLMs verstehen semantische Kategorien, Substitute und Nutzungskontext, weshalb Googles und Metas Werbeeinnahmen bereits zulegen, da diese LLM-Inferenz in Empfehlungs- und Vorhersagesysteme einbauen. Er skizziert eine Entwicklungslinie: von "hier ist ein Produktbild, wo kann ich es kaufen" (funktioniert jetzt), zu "schlage 10 Alternativen mit Vor- und Nachteilen vor" (funktioniert jetzt), zu "schau dir meinen Instagram an und schlage einen Wintermantel vor, der meinen Look verändert, aber nicht zu sehr" — was vor drei Jahren Science-Fiction war und nun plausibel umsetzbar ist. Der übergeordnete Punkt: Die wichtigen Gewinne aus neuen Technologien entstehen nicht daraus, die alte Sache besser zu machen, sondern daraus, Dinge zu tun, die vorher unmöglich waren — und diese neuen Dinge sind oft Probleme, von denen niemand wusste, dass sie existieren, bis jemand eine Lösung baute. > *"Das Wichtige ist nicht, die alte Sache besser zu machen — es ist, etwas Neues zu tun, das man mit der alten Sache nicht hätte tun können."* ## [39:41] Enterprise Stack neu verdrahtet Evans kartiert die Unternehmens-Softwarelandschaft: große horizontale Systeme (SAP, Workday, CRM), vertikale SaaS, Tausende intern entwickelte Einzellösungen und die ewig verschwommene Mitte aus Excel und geteilten Laufwerken. KI kommt als weitere Option hinzu, nicht als sauberer Ersatz für eine bestehende Schicht. Die zentrale Spannung: Sitzt das LLM am unteren Ende des Stacks als Feature innerhalb von Salesforce — oder am oberen Ende, wo es über alle Systeme hinweg synthetisiert, um Fragen zu beantworten, die kein einzelnes System beantworten könnte? Seine Antwort: wahrscheinlich beides, je nach Aufgabe. Was er sich sicherer ist: Software wird sich vermehren, nicht konsolidieren. Billiger und schneller zu bauen bedeutet mehr Wettbewerb — genau wie SaaS selbst eine Größenordnung mehr Software produziert hat als paketierte Enterprise-Apps. Zur Frage der SaaS-Apokalypse, die Investoren beschäftigt: Einige Unternehmen werden verschwinden, aber niemand weiß noch welche — daher ergibt es keinen Sinn, den gesamten Sektor um 50% abzuwerten. Er zieht die schärfste Grenze zwischen der Automatisierung von Aufgaben und der Automatisierung von Berufen. Was Buchhalter im Jahr 2026 tun, unterscheidet sich fast vollständig von dem, was sie 1976 getan haben, aber die Leistung, die der Kunde kauft, ist erkennbar dieselbe. LLMs werden bei Aufgaben herausragend sein, bei denen die richtige Antwort das ist, was jede geschulte Person liefern würde; bei Aufgaben, bei denen der Wert in einer nicht offensichtlichen Antwort, einer Ausnahme oder einer Erkenntnis liegt, die niemand je aufgeschrieben hat, werden sie schwächer sein. > *"LLMs werden sehr gut bei allem sein, wo man beschreiben kann, wie Menschen es machen — und wo das Gewünschte genau das ist, wie es jeder machen würde. Und nicht so gut dort, wo man eigentlich nicht erklären kann, warum man es so gemacht hat."* ## [49:57] Capex, Commodities und Magie Die vier größten Tech-Unternehmen sind auf dem Weg, über 50% ihrer Einnahmen für Capex auszugeben — doppelt so kapitalintensiv wie Telekommunikationsunternehmen, vergleichbar mit der Öl- und Gasindustrie. Evans stellt fest, dass 700 Milliarden Dollar pro Jahr als Anteil an den weltweiten Infrastrukturkosten keine unmögliche Größe ist, aber es gibt klare finanzielle Gravitationsgrenzen: Diese Unternehmen können nächstes Jahr keine 1,5 Billionen Dollar aufrechterhalten, und die Wachstumskurve muss irgendwann abflachen. Der erschwerende Faktor ist, dass die Effizienz schnell genug steigt, dass die benötigte Hardware pro Einheit nützlicher Leistung ein bewegliches Ziel bleibt. Zur Commoditisierungsthese: Evans rahmt sie als Herausforderung ein, nicht als Prognose — hier ist eine Argumentationskette, die deterministisch darauf hindeutet, dass Foundation Models zur Commodity werden; erkläre mir, warum sie falsch liegt. Die Mobilfunk-Analogie hält: Mobilfunkbetreiber sind eine große Branche, die enorme Summen für Infrastruktur ausgibt und dabei kaum profitabel ist, während Google, Meta und Apple zusammen mehr Nettoergebnis erwirtschaften als die gesamte globale Telekommunikationsbranche. Sein abschließender Gedanke ist ein bewusstes Innehalten. Jede große Technologiewelle — PCs, das Internet, Mobilfunk, Cloud — wirkte von innen einzigartig transformativ, und jede hat Dinge hervorgebracht, die wir feiern, und Dinge, die wir bedauern. KI ist anders und transformativ. Das gilt für jede vorangegangene Welle. Das wahrscheinlichste Szenario ist, dass wir es erneut durchlaufen — und in 20 Jahren vergessen haben, dass es je eine Welt gab, in der Computer das nicht konnten. > *"Es wird Magie sein, und in 20 Jahren werden wir einfach sagen: Natürlich ist das so. Computer haben das schon immer gemacht."* ## Entitäten - **Benedict Evans** (Person): Unabhängiger Tech-Analyst, Autor der Präsentation "AI Eats the World", ehemaliger Partner bei a16z - **Erik Torenberg** (Person): Moderator, a16z Podcast, Fokus auf Consumer und Content bei Andreessen Horowitz - **OpenAI** (Organisation): Foundation-Model-Unternehmen; im Kontext strategischer Schwenke von breiter Diversifizierung zurück zu Coding besprochen - **Anthropic** (Organisation): Foundation-Model-Unternehmen; mit dem Beweis für agentisches Coding gewürdigt; Run Rate soll innerhalb eines Jahres von rund 9 Mrd. auf 47 Mrd. Dollar gestiegen sein - **Foundation Models** (Konzept): Große Sprachmodelle, die als Infrastruktur verkauft werden; die zentrale Frage ist, ob sie wie ISPs und Mobilfunkbetreiber zur Commodity werden oder Wert wie Betriebssysteme erfassen - **Jevons-Paradoxon** (Konzept): Wenn etwas billiger wird, steigt die Nachfrage oft schneller als die Kosten sinken — der Mechanismus, mit dem Evans beschreibt, was Automatisierung mit der Branchenwirtschaft macht - **SaaS-Stack** (Konzept): Die geschichtete Unternehmens-Softwarelandschaft (horizontal, vertikal, maßgeschneidert), in die KI als weitere Option eintritt statt als sauberer Ersatz - **Mobilfunkdaten-Analogie** (Konzept): Evans' wichtigster historischer Vergleich — Mobilfunkbetreiber haben billionenteures Infrastruktur aufgebaut, der Datenverkehr stieg um das 2.000-Fache, die Preise destabilisierten sich und fanden wieder ein Gleichgewicht — und alle wertvollen Anwendungen wurden von anderen gebaut

David George (a16z general partner) and David Clark (VenCap CIO) argue that AI companies are scaling faster than any prior technology generation — Anthropic and OpenAI are adding more monthly revenue than Meta, Google, or Microsoft — while actual diffusion into the broader economy remains below 5%. They work through what that gap implies for exit sizes, loss ratios, bubble risk, and who ultimately captures value as token costs fall and frontier intelligence becomes a commodity. ## [00:00] Intro Three data points open the episode: Anthropic and OpenAI already adding more revenue per month than any hyperscaler; top-1% exits 10x-ing in 24 months from $10 billion to $32 billion; and David George's assessment that, right now, we are not in a bubble. ## [00:38] The Scale Shift: Anthropic & OpenAI Adding More Revenue Than Hyperscalers David George explains how his priors shifted sharply around November 2025. Before that, enterprise AI looked like a productivity story analogous to cloud adoption. After it, the numbers reframed the ceiling: Anthropic and OpenAI are already adding revenue at hyperscaler rates with less than 5% of the economy actually using these tools. He places an upper-bound frame on the opportunity by noting that Fortune 500 companies generate roughly $2 trillion of profit annually, and the two largest model companies could reach $200 billion revenue run rate by year-end — already equivalent to 10% of that profit pool. > *"If you pair that up with the fact that they're already getting bigger in terms of revenue added than the hyperscalers, and you're at less than 5% diffusion into the economy, I think the outcomes are going to be extraordinary."* ## [04:20] Skeuomorphic vs Native AI Applications in the Enterprise David Clark invokes Chris Dixon's skeuomorphic-to-native arc: the first wave of enterprise AI lets people do existing jobs faster; the native wave restructures the work itself. George adds a wrinkle — the best companies are not yet focused on internal automation. Their top engineers want to build product, not automate back-office workflows. The most cutting-edge firms he visits are still in a "documentation phase," converting institutional knowledge into markdown before they can meaningfully deploy agents against it. > *"The most cutting-edge folks inside those companies who are trying to do this that I've talked to are kind of in the documentation phase — just turn everything into markdown files, have as much context capture as you can possibly get."* ## [06:24] How the Best AI Companies Run Themselves Differently Native AI founders operate on a different metabolism. George contrasts them with the previous SaaS generation, which, in hindsight, ran inefficiently but got away with it because headcount mandates and expanding software budgets covered the slack. The new companies are lean, aggressive, and already running agent swarms rather than typing commands. He describes walking into a cutting-edge AI company and finding researchers whispering into microphones, orchestrating swarms of agents — not a keyboard in sight. > *"The new companies are very lean, very aggressive, and they work all the time."* ## [08:14] Top 1% Exits 10X'd in 24 Months Clark lays out VenCap's tracking data: the threshold for a top-1% exit was $10 billion between 2020-2024, rose to $20 billion by February 2026, and was updated just the day before this recording to $32 billion. With OpenAI and Anthropic IPOs potentially arriving, he sees the bar hitting $100 billion by September. George notes that the combined market cap of these private companies likely already exceeds the entire Russell 2000, and that the sum of all VC-backed IPOs over the past six years is probably smaller than any single one of the three expected large IPOs. > *"Where is the threshold for the top 1%? And if you then think about OpenAI and Anthropic coming in, potentially we could be north of $100 billion by September."* ## [11:17] The Half-Life Problem: Why 40% of AI Leaders Drop Off Every Year Clark surfaces a disturbing churn metric: 40% of companies on the Forbes AI 50 list from one year disappeared the next. Google wasn't the first search engine; Facebook wasn't the first social network. First-mover advantage in AI is eroding faster than in any prior cycle. George confirms a16z's own priors have been repeatedly overturned — first convinced model companies would be everything, then convinced applications would take over, now watching the model companies extend back up into the application layer. The only durable heuristic he offers: a company must be in the token path. > *"From last year to this year, 40% of the companies that were on that list last year dropped off."* ## [13:11] Token Path, Cost Pressure & Who Captures Value Enterprise buyers are already feeling cost pressure from AI spend, and they cannot cover it by cutting previous-generation software budgets fast enough. George frames value capture as hinging on one largely unknowable variable: the market structure of frontier model labs. Two labs at the frontier means higher token prices and faster labor restructuring pressure; five labs means lower prices and a broader application ecosystem. Per-token cost for like-for-like capability is falling more than 10x year-over-year, but total token spending in dollars is rising faster. Clark adds that Chinese LLMs are roughly six months behind US frontier capability but ten times cheaper — a classic innovator's dilemma setup. > *"The biggest driver of where value is going to get captured right now is something that is totally unknowable, which is what is the market structure of the model companies?"* ## [17:00] Loss Ratios, Risk & How We Think About Early Stage Clark notes that historical early-stage VC loss ratios run around 60%, but the AI cohort of the past two years shows single-digit loss rates — unsustainable by definition. George reframes the discussion: a16z does not target a low loss ratio. A VC firm bragging about never losing money is "a horrible data point" — it signals too little risk-taking. The philosophy is to back the market-leading founder in every space with strong tailwinds and a credible technology. If the space works out and you have the leader, excellent. If the space does not work out but you have the leader, that is expected. The failure mode is the space working out while having backed the wrong company. > *"We joke all the time — there's a prominent VC in our ecosystem, and one of his big points of pride is he's never lost money on a deal. And we're like, that's not a point of pride. Like that's a horrible data point."* ## [22:51] Are We in an AI Bubble? Clark points out that classic bubbles are characterized by excess supply destroying economics — but right now the constraint is supply scarcity: no data center capacity available at scale until late 2028 or early 2029, with the US buildout running a year behind schedule and community resistance adding further delay. George is confident there is no bubble today and dismisses the data center opposition directly. The one scenario he would watch for is an unexpected algorithmic breakthrough producing dramatically smaller and more efficient models — which could flip supply from scarce to oversupplied — but he considers that unlikely in the near term. > *"I feel pretty confident saying that we're not in a bubble right now. I'm less confident that we won't be in a bubble three years from now."* ## [27:36] What SpaceX, OpenAI & Anthropic IPOs Mean for Public Markets Clark asks whether public markets can absorb the coming wave of trillion-dollar-plus IPOs. George argues it is unambiguously positive: the number of public companies has halved over 20 years, and outside the data center supply chain, almost nothing in the public markets is growing at more than 30% today. Bringing hypergrowth companies into indexes gives retail investors — including his parents' index-fund retirement accounts — exposure to the most dynamic part of the economy. He expects some portfolio reshuffling to make room, but does not see indigestion risk. > *"If you exclude the data center supply chain stuff right now, there are very few companies that are growing fast that are available for people to buy in the public markets."* ## [29:59] The Future of Venture Capital in an AI World George forecasts the shape of VC over the next five years as primarily a function of token market structure — whether the labs remain concentrated or become commoditized. He cites Bill Gates's platform axiom: a platform's value is validated when the companies built on top of it collectively exceed the platform's own value. If that holds, there will be a massive wave of valuable application companies built on intelligence. He also flags the consumer side as the most underappreciated opportunity: the last decade of consumer internet was a story of time spent getting captured by large incumbents; AI-driven shifts in consumer attention could recreate the conditions for generational consumer companies. > *"I'm very optimistic that we're going to have a massive wave of really valuable companies that get built on top of tokens, AI, and intelligence."* ## Entities - **David George** (Person): General partner at a16z; covers growth-stage and early-stage AI investing; invested in OpenAI pre-ChatGPT - **David Clark** (Person): CIO at VenCap; fund-of-funds investor tracking AI startup performance and VC market dynamics for 34 years - **Anthropic** (Organization): Frontier AI lab; cited as adding more monthly revenue than hyperscalers alongside OpenAI - **OpenAI** (Organization): Frontier AI lab; benchmark for scale and the expected $100B+ IPO cohort - **VenCap** (Organization): Fund-of-funds investor; publishes top-1% exit threshold data and tracks Forbes AI 50 churn - **Andreessen Horowitz / a16z** (Organization): Venture capital firm; investor in OpenAI pre-ChatGPT, scaling platform services to support companies encountering enterprise-scale problems early in their lives - **Cursor** (Software): AI coding tool cited as an example of a company reaching billions in revenue while still very small and early-stage - **Token path** (Concept): a16z's primary heuristic for evaluating AI companies — a company must sit in the flow of AI inference tokens to have durable economic relevance - **Skeuomorphic vs. native AI** (Concept): Chris Dixon's framework distinguishing apps that replicate existing workflows with AI assistance from apps that rearchitect work around AI capabilities natively - **Half-life problem** (Concept): David Clark's term for rapid AI leader turnover — 40% of Forbes AI 50 companies dropped off the list year-over-year — indicating first-mover advantage is eroding faster than in prior technology cycles

Apollo-CEO Marc Rowan zieht eine direkte Linie vom Zusammenbruch von Drexel 1990 — als er am Sonntag sein Büro mit Hab und Gut in einem Karton verließ — bis zu Apollos heutiger Position als weltgrößter Anbieter privater Altersvorsorge und Hauptfinancier der globalen industriellen Renaissance. Gemeinsam mit a16z-GP David Haber arbeitet er durch, warum private Märkte für die Diversifizierung strukturell notwendig sind, jetzt wo zehn Aktien nahezu die Hälfte des S&P ausmachen, wie tägliche Marktbewertungen Private Credit für fünf neue Kapitalkanäle öffnen werden, und warum Rowan überzeugt ist, dass KI jeden einzelnen Job ersetzen oder aufwerten wird — was Handwerksberufe aufsteigen lässt und das Eigenkapital in Unternehmenssoftware für Private-Equity-Jahrgänge des vergangenen Jahrzehnts zum wahrscheinlichen Desaster macht. ## [00:00] Intro Die Einleitung zieht drei Fäden, die das gesamte Gespräch durchziehen: das Konzentrationsrisiko bei börsennotierten Aktien (zehn Namen nähern sich 50% des S&P), der mehrere Billionen Dollar schwere Wert, der in privaten Unternehmen wie Anthropic und SpaceX gebunden ist und für die meisten Anleger unerreichbar bleibt, sowie Apollos Arbeitsprämisse, dass KI jeden Job ersetzen oder aufwerten wird. Rowan bedankt sich bei Haber für die Ausrichtung des Interviews im Apollo-Büro. > *„10 Aktien in den USA machen gerade fast 50% des S&P aus, und alle sind auf denselben Trend ausgerichtet... Wer als Anleger Diversifizierung sucht, findet sie nirgends außer in privaten Märkten."* ## [00:52] Drexel, Milken und die Ursprünge des Clean-Sheet-Denkens Rowan wählte Drexel statt Goldman, weil die Finanzierung von Unternehmern ein tiefes Geschäftsurteil verlangte und keine technische Finanzarbeit. Der in Echtzeit erfundene Hochzinsmarkt — PIK-Anleihen, silberindexierte Bonds, Highly-Confident-Letters, Überbrückungsfinanzierung — zwang jeden zu Lösungen auf dem leeren Blatt. Michael Milkens nachhaltigste Lektion war das Verbinden von Punkten zwischen Geopolitik, Technologie und Märkten zu einem kohärenten Rahmen; sein Aphorismus „Entweder du akzeptierst den Wandel, oder der Wandel sucht dich heim" wurde zum Kernprinzip von Apollo. > *„Die ganze Idee der PIK-Anleihe entstand meiner Meinung nach an einem Nachmittag bei der Lösung eines Problems... All das war im Grunde Problem-Lösung, Problem-Lösung. Und diese Denkweise — das Unternehmen verstehen, den Kredit verstehen, aber auch mit dem leeren Blatt arbeiten — ist heute zweifellos das, was Apollo antreibt."* ## [04:55] Die Entstehungsgeschichte von Apollo: Von der Arbeitslosigkeit zu 6 Milliarden Dollar Als Drexel über ein Wochenende 1990 zusammenbrach, schlossen Rowan und seine Kollegen noch Transaktionen für Kunden ab — ohne Firma und ohne Aussicht auf Bezahlung. Die prägende Lektion verdichtete sich sofort: Finanzfirmen sterben entweder an Herzinfarkten (Finanzierungsrisiko — kurzfristig leihen, um langfristig zu verleihen, wie Bear Stearns und Lehman später bestätigten) oder an Krebs (schlechte Assets anhäufen statt Verluste zu realisieren). Ein Kaltanruf aus Frankreich von Crédit Lyonnais — ursprünglich zur Gründung einer M&A-Boutique — wurde zu einem Seed-Scheck über 800 Millionen Dollar der französischen Regierung, der bis Ende 1990 auf 6 Milliarden Dollar anwuchs und Apollo zum größten Gewinnbringer der Bank machte. > *„Ich verließ mein Büro am Freitag. Als ich am Sonntag zurückkam, ging ich mit all meinen Sachen in einem Karton — Drexel war Geschichte."* ## [08:46] Wie Apollo zum Billionen-Dollar-Altersvorsorge- und Kreditunternehmen wurde Apollo ist heute zu 80% Investment-Grade-Kredit und nur zu 20% Eigenkapital, aufgeteilt in Hybrid-Equity und klassisches Private Equity — das Gegenteil der öffentlichen Wahrnehmung. Rowan verankert das Geschäft in drei grundlegenden Gütern: Altersvorsorge für eine alternde, unterversorgte Bevölkerung bereitzustellen; die globale industrielle Renaissance in Energie, Produktion, KI und Verteidigung zu finanzieren; und echte Diversifizierung anzubieten, während sich öffentliche Märkte auf eine Handvoll Namen konzentrieren. Dieselbe Konzentrationsdynamik bei Aktien erreicht jetzt den Anleihenmarkt, wo aus zehn Banken fünf Banken plus fünf Technologieplattformen werden. > *„Private Märkte sind 80% des Geschehens in der Welt... große Unternehmen, Anthropic, OpenAI, SpaceX, Cognition, Cursor — jedes dieser Unternehmen ist privat, zusammen mehrere Billionen Dollar wert, und dennoch haben die meisten Anleger null Exposure."* ## [13:00] Permanentes Kapital, Origination und warum Assets die knappe Ressource sind Anders als traditionelle Asset Manager, die beliebig viel Kapital an öffentlichen Märkten einsetzen können, ist Apollo durch seine Originierungsfähigkeit begrenzt, nicht durch verfügbares Kapital. Diese Asset-Knappheit ist der eigentliche Engpass des Geschäfts — weshalb aus jedem Deal maximaler Wert gezogen werden muss, sowohl durch Gebühren als auch durch Principal-Positionen, die Apollo mit seinen Kunden in Einklang bringen. Rowan argumentiert explizit gegen „Capital Light": In einer Welt, in der Marke, Reputation und die Fähigkeit zur Ergebnisgarantie zählen, ist eine starke Bilanz eine Wettbewerbswaffe, kein totes Gewicht. > *„Deshalb bin ich der Meinung, dass wir an unserer Fähigkeit gemessen werden sollten, interessante Investments zu schaffen. Und ich glaube, dass diese Fähigkeit begrenzt ist."* ## [16:08] Demokratisierung privater Märkte: Tägliche Preisfindung und neue Kapitalkanäle Die Alternative-Industrie wurde für eine einzige Kapitalquelle gebaut — institutionelle Alternatives-Töpfe — doch fünf neue Märkte wollen jetzt Zugang: Privatpersonen, Versicherungen, traditionelle Asset Manager, 401(k)-Pläne und die Schulden-/Eigenkapital-Töpfe von Institutionen. Keiner von ihnen will Drawdown-Fonds. Apollo wechselt bis zum 30. Juni zu täglich geschätzten Werten für seine Investment-Grade-Private-Kredit-Suite und bis September zu vollständiger täglicher Preisstellung über alle Kreditprodukte, mit standardisierten Data Warehouses, Market Making und regelmäßiger Preistransparenz. Rowan unterscheidet Private Credit als Direktkredit — die enge Pressedefinition — vom tatsächlichen Universum: Intel, Air France, AT&T, Meta — anspruchsvolle Kreditnehmer, die komplexe, nicht standardisierte Langfristfinanzierungen brauchen, die Banken nicht strukturieren können. > *„Ich habe noch nie einen Markt der Welt gesehen, in dem Transparenz und Preisfindung vorhanden sind und der nicht zehnmal so groß ist... Es mag für manche unangenehm sein, aber es kommt."* ## [22:04] Wo Venture auf Kredit trifft: Finanzierung der industriellen Renaissance Rowan und Haber identifizieren „Chancen, die zwischen Fachgebieten liegen" als ihre gemeinsame Investitionsphilosophie. Die Schnittmenge, die sie jetzt sehen: Venture-finanzierte Unternehmen, die historisch Kapitalintensität vermieden, bauen plötzlich Rechenzentren, Chips, Robotik, Fertigungslinien und Verteidigungssysteme in einem Ausmaß, das nicht allein mit Eigenkapital finanziert werden kann. Apollo verteilt die Risiken — Venture hält das fundamentale Unternehmensrisiko, während Infrastrukturanlagen mit dinglichen Sicherheiten zu angemessenen Risikoratings in Kreditmärkte wandern. In Rowans Formulierung: 2025 bewies, dass Rechenzentren, Chips und Energie gebraucht werden; 2026 ist das Jahr, in dem Anleger erkennen, dass 800 Milliarden Dollar Capex von nur vier börsennotierten Unternehmen auf Konzentrationsgrenzen stoßen werden, Spreads sich ausweiten und Tech-Unternehmer mit Finanzunternehmern kooperieren müssen. Apollo verpflichtet sich zu einem zweiten Hauptsitz im Bay Area, speziell um den Talentpool des Wachstumsökosystems anzuzapfen. > *„Die Menge an Geld, die in Rechenzentren, in Chips, in Robotik, in Fertigung, in Verteidigung fließen wird, ist — wie ich sagte — alles Geld seit der Erfindung des Feuers, und das wird nicht mit Eigenkapital finanziert."* ## [30:01] KI, Unternehmenssoftware und warum jeder Job ersetzt oder aufgewertet wird Rowans Arbeitsprämisse: Jeder einzelne Job wird durch KI ersetzt oder aufgewertet. Er stellt klar, dass 30% des Private-Equity-AUM des letzten Jahrzehnts in Unternehmenssoftware geflossen sind, dass KI diese Assets dauerhaft repriced hat, und dass die PE-Renditen dieses Jahrgangs „desaströs" sein werden — nicht weil diese Unternehmen scheitern, sondern weil die gezahlten Preise eine Zukunft ohne KI-Wettbewerber voraussetzten. Sein analytischer Rahmen: KI verändert sich am schnellsten in Domänen mit einer richtigen Antwort (Programmierung, Buchhaltung, Handelsoperationen) und langsamer, wo Urteilsvermögen unersetzlich ist. Kurzfristig erwartet er den Aufstieg der Handwerksberufe und den Rückgang der Büroberufe — politisch unbequem für urbane Milieus. Als Kreditgeber lautet die Lektion aus Gelben Seiten, Kabelfernsehen und Satellit: diversifizieren, Seniorrang halten, dingliche Sicherheiten suchen, und nie über einen Fünf-bis-Sieben-Jahres-Horizont hinaus finanzieren. > *„Wir arbeiten unter der Annahme, dass jeder Job ersetzt oder aufgewertet wird. Jeder einzelne Job. Und ich denke, das wird passieren."* ## [38:52] Moralische Führung: UPenn, Leistung und das Richtige statt das Einfache tun Nach dem 7. Oktober schrieb Rowan direkt an Penns Präsidentin vor einer Palästina-Rechte-Konferenz — er machte nicht Redefreiheit, sondern „Lieblingsrede" zum Thema: die Universität finanzierte eine Konferenz während der jüdischen Hohen Feiertage, geleitet von einem bekannten Hamas-Sympathisanten. Die breitere Campus-Krise rahmte er als antiamerikanisch und leistungsfeindlich. Als fast alle Spender ihre Zuwendungen auf einen Dollar pro Jahr kürzten, reagierte Penns Verwaltung; die anschließende Zeugenaussage vor dem Kongress führte zum Rücktritt sowohl des Vorstandsvorsitzenden als auch der Präsidentin. Das übergeordnete Prinzip, das er seit der Übernahme 2021 intern anwendet: in Texas dasselbe sagen wie in Kalifornien; beim Klima „besser, nicht schlechter machen" statt Null-Emissions-Absolutismus; bei Einstellungen Leistung gemessen an zurückgelegtem Weg — am individuellen Erreichten, nicht an Gruppenzugehörigkeit. > *„Wir stellen nach Leistung ein, gemessen am zurückgelegten Weg. Und dieser Weg hat nichts mit unveränderlichen Merkmalen zu tun. Es geht um dich als Individuum — nicht deine Klasse, nicht deine Gruppe. Zeig mir den Jungen, der etwas überwinden musste und es trotzdem geschafft hat."* ## [46:02] Apollos Unternehmenskultur: Auf Sieg spielen und über den Gründer hinaus aufbauen Mit 6.000 Mitarbeitern in Asset Management und Altersvorsorgedienstleistungen verhandelte Apollo sechs Monate lang — intern, mit leitenden Partnern — was Apollo zu Apollo macht. Das Ergebnis ist ein öffentliches Dokument auf Apollos Karriereseite, bewusst offen als Bewerberfilter formuliert. Die sechs Prinzipien verdichten sich zu „auf Sieg spielen", was Rowan von der Angst vor Niederlagen unterscheidet: Von leitenden Fachkräften wird erwartet, dass sie in etwa 40% der Fälle falsch liegen; niemand wird für eine schlechte Entscheidung entlassen (nur dafür, sie nicht anzuerkennen und zu korrigieren), und jede leitende Fachkraft hat eine öffentliche „Wall of Shame" mit Verlusten. Clean-Sheet-Denken, intellektuelle Insubordination (im Gegensatz zu echter Insubordination) und der Umgang mit den „Momenten, die zählen" im Leben der Mitarbeiter sind die Eigenschaften, die Rowan als Gründer am meisten überleben sollen. Apollo baut ein Finanzinstitut, keinen Fonds — die nächsten fünf Jahre der Produkt-, Infrastruktur- und Market-Making-Innovation werden die Firma stärker verändern als die letzten fünf Jahre es bereits getan haben. > *„Hier wird man nicht gefeuert, weil man eine schlechte Entscheidung trifft. Man wird gefeuert, weil man sie nicht erkennt, nicht dazu steht und sie nicht korrigiert. Wir haben eine Wall of Shame. Jede leitende Fachkraft hier hat Geld für die Firma verloren."* ## Entitäten - **Marc Rowan** (Person): Mitgründer, CEO und Vorsitzender von Apollo Global Management; ehemaliger Analyst bei Drexel Burnham Lambert; Alumnus und Großspender der UPenn - **David Haber** (Person): General Partner bei Andreessen Horowitz (a16z); Gastgeber der The a16z Show - **Michael Milken** (Person): Finanzier bei Drexel Burnham Lambert; langjähriger Mentor von Rowan; gilt als Erfinder von PIK-Anleihen, Überbrückungsfinanzierung und dem Hochzinsmarkt - **Apollo Global Management** (Organisation): Alternativer Asset Manager mit über 1 Billion Dollar AUM, zu 80% Investment-Grade-Kredit; Mitgründer von Athene Retirement Services; geplanter zweiter Hauptsitz im Bay Area - **Athene** (Organisation): Apollos Altersvorsorge-Tochtergesellschaft; Anbieter von Versicherungs- und Rentenprodukten, die Apollos permanente Kapitalbasis verankern - **Andreessen Horowitz (a16z)** (Organisation): Risikokapitalgesellschaft im Silicon Valley; erkundet Kapitalpartnerschaften mit Apollo für kapitalintensive Technologieunternehmen - **Crédit Lyonnais** (Organisation): Französische Staatsbank, die Apollo 1990 mit 800 Millionen Dollar als Startkapital ausstattete, das bis auf 6 Milliarden Dollar anwuchs; verkaufte Apollo später an François Pinault - **Private Credit** (Konzept): Direkte Origination von Investment-Grade-Schulden an Unternehmen und Infrastrukturprojekte, unter Umgehung öffentlicher Anleihemärkte; weit breiter als „Direktkredite an Leveraged Buyouts" - **Permanentes Kapital** (Konzept): Langfristige Verbindlichkeiten aus Versicherungs- und Altersvorsorgeprodukten, die Apollo ermöglichen, Assets über Zyklen zu halten, ohne Fondsrückgabedruck - **Industrielle Renaissance** (Konzept): Rowans Begriff für den gleichzeitigen globalen Aufbau von Rechenzentren, KI-Chips, Energieinfrastruktur, Fertigung, Robotik und Verteidigung, der Finanzierung im Maßstab der Kreditmärkte erfordert - **Täglich geschätzter Wert** (Konzept): Apollos Initiative zur täglichen Bewertung von Investment-Grade-Private-Credit-Produkten — ermöglicht Zugang durch Vermögensverwalter, 401(k)-Pläne und traditionelle Asset Manager

a16z general partner David Ulevitch sits down with Col. Jeffrey Glover (Arizona Department of Public Safety) and Rahul Sidhu (Flock Safety board member) to walk through how drones, sensors, and AI are quietly rewiring American policing. Sidhu lays out Flock Safety's layered sensor network — license plate readers, gunshot detection, and drone dispatch — while Glover details an Arizona DPS ecosystem built around officer wellness, body-cam analytics, and an international fusion-center play timed to FIFA and the Olympics. The throughline: the next decade of police work will look more like analyst work than door-kicking, and founders who want in need to spend real time on the beat first. ## [00:00] Drones and the Future Beat The episode opens with a stitched-together preview: Sidhu's punchy maxim that cops hate both change and the status quo, Glover sketching how a patrol officer's skill set has to get more investigative and nuanced, and Ulevitch teeing up the central scenario — a 911 call, a drone responding ahead of officers, a fleeing shooter pursued from the sky. The pitch isn't abstract: keeping five helicopters airborne 24/7 to do that job is impossible, but drones make it almost inevitable. > *"You hear a gunshot go off and the drone finds a shooter getting into a car and driving off, and then pursuing the vehicle."* ## [00:32] Founders Building for First Responders Ulevitch asks Sidhu what advice he'd give founders who care more about saving lives than optimizing ad clicks. Sidhu, who sits on Flock Safety's board, points to companies like Skydio and walks through the kind of inbound he gets daily — alerts about kidnapped children recovered, situations de-escalated, technology used to read a scene before officers do. The story he keeps coming back to: a 911 caller reports a man in an alley with a shotgun, a drone arrives first, and the "shotgun" turns out to be a janitor holding a broom. > *"It turned out the drone provided, you know, situational awareness and said, 'Wait, there's just a janitor with a broom.' That's not a guy with a shotgun. And it totally de-escalates the situation."* ## [01:38] Flying Robots Meet Sensor Networks Sidhu reframes drones as flying robots that fit into the same automation wave reshaping every industry. Public safety will get more drones — including more hostile ones to defend against — and Flock Safety's pitch is the layer beneath them: license plate readers, gunshot detection, and drone dispatch tied together so that an Amber Alert vehicle or a shot-spotter ping can dispatch a drone automatically, even pursuing suspects onto highways with state DPS. Ulevitch closes the segment with a joke about it being a bad time to be an enemy of America, then hands off to Glover. > *"And Flock Safety, you know, we — it's not just about drones for us. Like, we have multitudes of sensors in the communities. We have license plate reading cameras. We have, you know, gunshot detection capabilities. All of this is coming together."* ## [03:17] Officer Wellness and Body Cam Analytics Glover details what an integrated Arizona DPS deployment actually looks like. Officers start their shift with a Vitanya "Heal the Heroes" brain scan to check baseline wellness. During the shift, Truleo runs analytics on body-worn-camera audio — not just scoring trooper interactions with the public, but flagging cumulative stress that should put a supervisor on alert before burnout becomes a problem. Ulevitch picks up the thread on how public sentiment around body cams flipped once people saw they protect officers as much as they document them, and draws a parallel to the same hype-cycle pattern with tasers. > *"You can do a scorecard for how the trooper is interacting with the public, but it also gets that information for, hey, do they need additional support?"* ## [05:47] Fusion Centers and Global Intelligence Sharing Ulevitch turns to intelligence-gathering and Glover walks through the Arizona Counterterrorism Information Center (TIC) and the wider US fusion-center network. The near-term push: a TRX program that most agencies are running for FIFA. The longer play: Arizona standing up an international presence with embedded intelligence officers from Mexico, the UAE, Liberia, and other partners, so unclassified threat signals can flow across borders before incidents become local. Ulevitch points to Austin and NYPD counterterrorism as proof the model works. > *"Being able to condense that down and distill it to where we can have good information sharing that's unclassified — be able to share with one another — is going to be huge."* ## [07:37] Advice for Innovators and Closing Thoughts Ulevitch turns the closing question back to Sidhu — a former paramedic and reserve officer — for advice to founders. Sidhu name-checks Ben Curley of Chart Performance (sitting in the audience) as an example of the kind of operator already doing the work, and lands his thesis: the gap looks intimidating but if you can describe an inevitability the way drones now feel inevitable, the field will pull you in. The non-negotiable: spend real time on the beat — ride-alongs, reserve duty — so you actually know what to build. Glover closes by echoing the call to jump in, and predicts the next ten years will fundamentally shift the profession away from kicking in doors toward parsing video, AI signals, and analyst work. > *"If you can picture something that feels like an inevitability, in the same way that, you know, we talk about drones — it'll come because it's the best thing for them. It's the best thing for the communities."* ## Entities - **David Ulevitch** (Person): a16z general partner, host of The a16z Show; long-time enterprise/security investor. - **Col. Jeffrey Glover** (Person): Colonel/Director at the Arizona Department of Public Safety, leading the agency's tech and intelligence modernization. - **Rahul Sidhu** (Person): Flock Safety board member, former paramedic, founder/operator background in public-safety technology. - **Flock Safety** (Organization): Builds a layered public-safety sensor network — license plate readers, gunshot detection, and drone dispatch. - **Skydio** (Organization): Drone maker referenced as a peer in the drone-as-first-responder space. - **Vitanya "Heal the Heroes"** (Software): Officer-wellness platform that runs daily brain scans to track baseline mental health. - **Truleo** (Software): Body-worn-camera analytics that scores public-interaction quality and surfaces burnout-warning signals. - **Arizona Counterterrorism Information Center (TIC)** (Organization): The Arizona DPS fusion center that anchors regional and international intelligence sharing. - **TRX program** (Concept): Inter-agency program many US fusion centers are running ahead of FIFA. - **Drone-as-first-responder** (Concept): Operational model where drones arrive at incidents before patrol units to provide situational awareness and pursuit capability.

Die USA liegen beim Angebot an kritischen Mineralien 50 Jahre hinter China zurück, und ihr Stromnetz läuft noch immer auf mechanischen Systemen, die vor einem Jahrhundert entworfen wurden. Turner Caldwell (Mariana Minerals) und Drew Baglino (Heron Power) — beide Ex-Tesla — argumentieren, dass das Schließen dieser Lücken die eigentliche Voraussetzung für KI-Dominanz und industrielles Re-Shoring ist. Caldwell setzt auf durch reinforcement learning gesteuerte autonome Raffinerien und Minen, um Projektzeitrahmen von einem Jahrzehnt auf etwas Verteidigbares zu komprimieren; Baglino setzt auf solid-state transformers — Silicon und Software, die Stahl, Öl und Kupfer ersetzen — um die Leistungsumwandlung in Rechenzentren und großen Energieanlagen zu modernisieren. Beide konvergieren auf dasselbe Schlüsselelement: co-located supply chains, Einstellungen aus analogen Branchen und dauerhafte föderale Industriepolitik, um die private Kapital tatsächlich planen kann. ## [00:00] Intro Die Episode beginnt mit drei komprimierten Aussagen, die den Kampf setzen: Caldwell stellt fest, dass die USA beim Angebot an kritischen Mineralien 50 Jahre zurückliegen und zu langsam dabei sind, Kapazitäten hochzufahren, selbst nach der Lizenzerteilung; Baglino beobachtet, dass die Übertragungs- und Umwandlungsschicht des Netzes keine wesentliche Veränderung erfahren hat, während sich alles an seiner Peripherie — EVs, Speicher, Schnellladen — transformiert hat; Price-Wright rahmt beides als lösbar mit demselben Techno-Optimismus, den Tesla auf Elektrofahrzeuge angewandt hat. > *"Der Glaube, dass man Systeme, die alt und veraltet sind, innovieren kann, liegt im Kern des Unternehmens."* — Turner Caldwell ## [00:47] KI braucht physische Infrastruktur Price-Wright eröffnet das Hauptsegment, indem sie den kategorialen Fehler benennt, der dem Großteil des KI-Wettlaufkommentars zugrunde liegt: Der Wettbewerb ist nicht zwischen Modellen und Chips, sondern zwischen physischen Aufbaukapazitäten. Jedes bahnbrechende Modell, jede neue Fabrik und jedes autonome System hat eine reale Anforderung darunter — Materialien, Energie und die Fähigkeit, Strom dorthin zu bewegen, wo er benötigt wird. Die Netzbelastung ist keine Decke, sondern ein Handlungsauftrag, vergleichbar in seinem Ausmaß mit den nationalen Projekten, um die sich Amerika zuvor geschart hat. > *"Wenn wir das industrielle Fundament der Vereinigten Staaten wiederaufbauen wollen, müssen wir den gesamten Stack neu denken: von kritischen Mineralien über Energieerzeugung und Übertragung bis hin dazu, wie wir neue Infrastruktur in der erforderlichen Geschwindigkeit aufbauen und vernetzen."* — Erin Price-Wright ## [02:23] Die Gründer vorstellen Price-Wright stellt die zwei Gäste als Erbauer vor, die gegenüberliegende Enden des physischen Stacks abdecken: Caldwell von der Erdkruste über die Raffination, Baglino vom Kabel über den Transformator zur Last. Die Rahmung schärft die These der Episode: Amerikas KI-Zukunft wird durch Atome, nicht Algorithmen eingeschränkt, und beide Gründer wählten diese Einschränkungen bewusst, nachdem sie beobachteten, wie sich die Peripherie des Netzes transformiert hatte, während die Infrastruktur darunter es nicht tat. > *"Die Einschränkung von Amerikas KI-Zukunft, und der Re-Industrialisierung allgemeiner, liegt in vielerlei Hinsicht bei Atomen und nicht Algorithmen."* — Erin Price-Wright ## [03:11] Mariana Minerals erklärt Mariana Minerals ist ein Software-first-Bergbau- und Raffinationsunternehmen — etwa ein Viertel des Teams sind Software- und ML-Ingenieure — aber es verkauft keine Software. Es plant, baut und betreibt eigene Projekte. Caldwell beschreibt drei Betriebssysteme: Capital Project OS automatisiert agentische Workflows in Engineering, Beschaffung und Bau; Plant OS nutzt reinforcement learning, um Raffinerietemperaturen, Durchflussraten, Raten der Chemikalienzugabe und Verweilzeiten autonom zu steuern; Mine OS wendet denselben RL-Ansatz auf kurzintervallige autonome Steuerung von Bergbauoperationen an. Eine Kupfermine in Southeast Utah produziert derzeit hochreines Kupfer; eine Lithiumraffinerie in Texas befindet sich im Bau, mit dem Ziel von 10 Projekten in 10 Jahren. > *"Wir setzen stark auf Autonomie in Raffinerien, wo wir reinforcement learning einsetzen, um Menschen tatsächlich aus der Entscheidungsschleife herauszunehmen, wie Raffinerien betrieben werden."* — Turner Caldwell ## [04:19] Heron Powers Netzaufwertung Baglino führt das Problem auf eine vier Jahrzehnte andauernde Divergenz zurück: Verbesserungen, die dem Mooreschen Gesetz entsprechen, bei Leistungshalbleitern haben Telefone, Telekommunikation und Rechenzentren transformiert, aber das Netz selbst läuft noch immer auf denselben größtenteils mechanischen Systemen, die vor über 100 Jahren entwickelt wurden. Keine Steuerung, keine Überwachung, ein überdimensioniertes fragiles System — und die meisten Transformatorenlieferanten haben ihren Hauptsitz im Ausland, was Baglino als Sicherheitsproblem der Lieferkette behandelt, nicht nur als Geschäftschance. Heron Power baut solid-state transformers, die Stahl, Öl und Kupfer in der Leistungsumwandlung durch Silicon und Software ersetzen, mit Fokus auf Rechenzentren, große Solar- und Batterieanlagen und andere kritische Netzknoten. > *"Bei Heron Power konzentrieren wir uns auf den Aufbau von solid-state transformers, die silicon und Software einsetzen, um Stahl, Öl und Kupfer in der Leistungsumwandlung zu ersetzen."* — Drew Baglino ## [05:31] Warum Onshoring wichtig ist Baglino führt silicon carbide — den Schlüsselleistungshalbleiter, der solid-state transformers ermöglicht — auf Jahrzehnte von DOE- und Navy-Forschung zurück und argumentiert, dass die USA als erste das kommerzialisieren sollten, was US-Investitionen geschaffen haben; das an andere Länder abzutreten bedeutet, den vollen Nutzen dieser Forschung aufzugeben. Caldwell schärft den Mineralienfall: Die USA liegen 50 Jahre speziell hinter China zurück, nicht nur global, und Genehmigungsreformen plus Projektfinanzierung allein werden das nicht schließen. Der Engpass ist die Ausführungsgeschwindigkeit nach der Lizenzerteilung — 5 Jahre zum Bauen, 3–5 weitere, um Betriebsrate zu erreichen — und Marianas gesamte These ist die Komprimierung dieser Phase, denn das Aufholen erfordert, China zu übertreffen, nicht nur gleichzuziehen. > *"Selbst wenn wir anfangen, die Hürden abzubauen, um China aufzuholen, müssen wir tatsächlich schneller sein als China."* — Turner Caldwell ## [07:48] Tesla-Lektionen und Belegschaft Caldwell nennt drei übertragbare Güter von Tesla: Techno-Optimismus gegenüber Altsystemen, Risikobereitschaft, die schnelle Entscheidungen ohne Lähmung durch Versagensangst ermöglicht, und institutionelle Weigerung, hochwertige Projekte aufzugeben, wenn sie schwierig werden. Baglino fügt die existenzbedrohenden finanziellen Einsätze hinzu, die ganze Organisationen fokussieren — "Ich sage ungern Alles-oder-nichts, aber es ist gleichwertig damit" — und Missionsklarheit als Talentmagnet, der es einem erlaubt, aus den Besten auszuwählen. Bei der Belegschaft schauen beide Gründer auf analoge Branchen, anstatt auf nicht vorhandene Spezialisten zu warten: Baglino stellte Batteriefertigungstalente aus Hochgeschwindigkeits-Abfüllanlagen und Spritzenfabriken ein, als er die 50-GWh-Texas-Fabrik des 4680-Programms aufbaute; Caldwell zieht aus Öl- und Gasingenieuren und Softwareentwicklern, die routingähnliche Optimierungsalgorithmen für den Bergbau schreiben. Der Lohnkostenunterschied zwischen US- und chinesischen Fabrikböden beträgt weniger als 10% der COGS — Baglino argumentiert, es könnten unter 5% sein — und der eigentliche Wettbewerbstreiber sind co-located supply chains, wobei Chinas Industriezonen jeden Autoteil innerhalb von 3 Stunden Fahrt platzieren. > *"Heutige Fabriken sind wirklich automatisiert. Der Lohnkostenunterschied beträgt weniger als 10% der Herstellungskosten. Was die Wettbewerbsfähigkeit tatsächlich antreibt, ist die Lieferkette."* — Drew Baglino ## [21:09] Politische Forderungen und Abschluss Caldwell fordert das vollständige Mineralienrichtlinien-Toolkit, das für Öl und Gas in den letzten 50 Jahren angewandt wurde — keine einzeln ausgewählten Punkte — verankert durch eine Anreizstruktur, die privaten Kapitalmärkten genug langfristige Marktsicherheit gibt, damit der Teppich nicht unter einer Branche weggezogen wird, die in den USA seit 30 Jahren nicht ausgebaut wurde. Baglino nennt drei Konkretisierungen: dauerhafte Industriepolitik, um die Lieferanten und Geldgeber planen können; eine konzertierte Bundes-Länder-Anstrengung, um Energie- und Fertigungsausbaugebiete auszuweisen, wo lokale Behörden standardmäßig Ja sagen statt Gründe zum Blockieren zu suchen; und ein bundesstaatlicher Highway Trust Fund-Äquivalent für das Stromnetz — ein finanzierter Masterplan, der Fertigungszonen über lineare Übertragungsinfrastruktur verbindet, um Resilienz zu verbessern, Kosten zu senken und die Nation voranzubringen. > *"Ich mag die Idee eines Federal Highway Trust Fund für das Stromnetz. Der hat nie existiert. Das ist gewissermaßen der Grund, warum wir dieses Flickwerk haben."* — Drew Baglino ## Personen & Konzepte - **Turner Caldwell** (Person): Co-Founder & CEO von Mariana Minerals; leitete Teslas Mineralien- und Metallteam; Architekt autonomer Raffinerie- und Minensteuerung via reinforcement learning. - **Drew Baglino** (Person): Co-Founder & CEO von Heron Power; 18-jähriger Tesla-Veteran als SVP Powertrain & Energy Engineering; baute das Megapack-Programm und die 4680-50-GWh-Batterieanlage in Texas. - **Erin Price-Wright** (Person): General Partner bei a16z (American Dynamism Practice); Host der Episode. - **Mariana Minerals** (Organisation): Software-first-Unternehmen für Bergbau und Raffination kritischer Mineralien; betreibt eine Kupfermine in Southeast Utah, baut eine Lithiumraffinerie in Texas; Ziel: 10 Projekte in 10 Jahren. - **Heron Power** (Organisation): Power-Electronics-Startup, das mechanische Netzumwandlungsgeräte durch solid-state transformers aus Silicon und Software ersetzt. - **Tesla** (Organisation): Gemeinsamer Ursprung beider Gründer; als Maßstab für Techno-Optimismus, Risikobereitschaft und missionsorientierte Talente in schwierigen Industriesektoren zitiert. - **Silicon Carbide** (Konzept): Schlüsselleistungshalbleiter, der solid-state transformers ermöglicht; der weltgrößte Hersteller hat seinen Sitz in den USA, was die heimische Kommerzialisierung zur strategischen Priorität macht, auf die Baglino Heron ausrichtet. - **Reinforcement Learning für industrielle Steuerung** (Konzept): Kerntechnologie hinter Marianas Plant OS und Mine OS — beseitigt den Engpass des eingebetteten Know-hows seltener menschlicher Bediener durch autonome Abstimmung von Raffineriekreisläufen und kurzintervallige Bergbauentscheidungen. - **Co-located Supply Chains** (Konzept): Baglinos primäres Argument für die Wettbewerbsfähigkeit der US-Fertigung — Reduzierung von Logistikzeit und -kosten durch Bündelung aller Inputs in einer Region, in Anlehnung an Chinas Industriezonenmodell, wo jedes Teil für ein 7.000-teiliges Auto innerhalb von 3 Stunden Fahrt liegt.

Lloyd Blankfein, ehemaliger CEO und Senior Chairman von Goldman Sachs, spricht mit a16z General Partner David Haber darueberden, was dauerhafte Institutionen von kurzlebigen unterscheidet. Ausgehend von seinem Weg aus dem Sozialen Wohnungsbau in East New York bis zur Steuerung von Goldman durch die Finanzkrise 2008 argumentiert Blankfein, dass echte Risikosdisziplin nicht Vorhersage, nicht Technologie, den wahren Wettbewerbsvorteil darstellt. Er warnt, dass die groesste Gefahr der KI nicht Superintelligenz ist, sondern untestbarer Hebel: Systeme, die 70.000 Transaktionen ausfuehren, bevor jemand pruefen kann, ob sie korrekt sind. ## [00:00] Intro Blankfein eroeffnet mit der Kernspannung, in der jeder Investor lebt: Man ist gleichzeitig Risikotaker und Risikomanager, und keine Rolle kann ausgelagert werden. Als Vorschau auf das Folgende stellt er fest, dass die Maerkte am Rande einer Welle grosser IPOs stehen, und die Risiken, die die meisten unterschaetzen, sind struktureller Natur: Software, die in grossem Massstab handeln kann, bevor ein Mensch sie pruefen kann. > "Das meiste, was wir beim Risikomanagement tun, ist nicht so sehr Vorhersagen, sondern viel Kontingenzplanung." — Lloyd Blankfein ## [01:02] Twitter-Sarkasmus und Risiko Haber dringt darauf, dass Blankfein zu X zurueckkehrt. Blankfein erklaert, warum er sich zurueckgezogen hat: Tweeten ist eine Ego-Uebung mit asymmetrischem Abwaertsrisiko. Jeder, der weitermacht, ueberschreitet irgendwann eine unsichtbare Linie. Bei Goldman spielte er bereits ein gefaehrliches Spiel, als er sarkastisch gegenueber politischen Figuren war, Sanders, Warren, dem Praesidenten, und er wusste es. Die Freiheit von der Firma hat diese Kalkulation nicht beseitigt, sondern nur veraendert, wer die Konsequenzen traegt. > "Ich weiss immer, dass alle das weiter machen und irgendwann werden Sie gecancelt, weil Sie etwas tun, Sie ueberschreiten eine unsichtbare Linie, von der niemand wusste. Aus Sicht von Risiko zu Nutzen ist es reine Eitelkeit und kein wirklicher Mehrwert." — Lloyd Blankfein ## [02:18] Gelassenheit in der Krise Blankfein schildert einen echten Sicherheitsvorfall bei einer oeffentlichen Veranstaltung: Bewaffnete stuermten die Buehne, der Saal duckte sich, er blieb sitzen und beobachtete. Seine Erklaerung ist nuechtern: Krisen verlangsamen sich fuer ihn buchstaeblich; er wird besonders sensibel fuer das, was die Menschen um ihn herum brauchen. Er setzt entwaffnenden Humor als Werkzeug ein nicht aus Draufgaengertum, sondern weil er die Spannung bricht und die Menschen um ihn herum stabilisiert. Er ist sich nicht sicher, wie viel Natur und wie viel angesammelte Erfahrung ist, aber er ist ueberzeugt, dass vergangene Krisenerfahrung der beste Einzelindikator fuer zukuenftige Gelassenheit ist. > "Ich bin staendig etwas angespannt, werde aber nicht extra angespannt. Die Dinge verlangsamen sich fuer mich sogar." — Lloyd Blankfein ## [06:44] Vom Sozialen Wohnungsbau zur Wall Street Blankfein wuchs in sozialen Wohnungsbauten in East New York auf, wo die Einkommensgrenze zum Verbleib im Gebaude 90 Dollar pro Woche betrug. Manhattan war eine Bus-U-Bahn-Fahrt entfernt, faktisch ein fremdes Land. Sein Harvard-Vorstellungsgespraech war eines von vielleicht drei Malen, dass er in die Stadt gefahren war. Statt das als Entbehrung zu rahmen, zeichnet er nach, wie die Naehe zu Ehrgeiz ohne Zugang den Kontingenzinstinkt schaerft: Man lernt frueh, durchzudenken, was man tut, wenn dieser Weg sich schliesst, und dann die naechste Moeglichkeit zu kartieren. Dieses Muster des verzweigten, vorausschauenden Risikomodells wurde zum Betriebssystem, das er spaeter beim Fuehren einer Grossbank anwandte. > "Ich bin in sozialen Wohnungsbauten aufgewachsen. Man musste erst einen Bus nehmen und dann die U-Bahn, um in die Stadt zu kommen." — Lloyd Blankfein ## [23:36] Goldman Kultur, Technologie und Partnerschaft Technologie war bei Goldman nie optional, sie war stets die Frontier. Blankfein beschreibt, wie fruehe und nachhaltige Investitionen in die Risikoinfrastruktur der Firma einen sich aufbauenden Strukturvorteil verschafften: ein eigenes Risikoystem, das vor 25 bis 30 Jahren aufgebaut wurde und noch immer im Kern der Plattform steckt, so flexibel, dass es nie vollstaendig ersetzt wurde. Das Partnerschaftsmodell futterte direkt in dieses ein: Partner hatten eigenes Kapital im Spiel, also kuemmerten sie sich intensiv um die Qualitaet der Systeme hinter jeder Position. Diese Skin-in-the-Game-Kultur erlaubte Goldman, Klienten als Gleichgestellte anzusprechen, nicht als blossen Auftraggeber. > "Wir hatten einen enormen technologischen Vorteil durch unsere fruehen Investitionen." — Lloyd Blankfein ## [37:25] Firma statt Fonds Der Unterschied, den Blankfein zieht, ist strukturell: Das Ziel eines Fonds ist es, mit moeglichst wenigen Menschen in kuerzester Zeit maximales Carry zu erzielen; eine Firma muss ueber Zyklen hinweg sich aufbauende Wettbewerbsvorteile aufbauen. Goldmans Faehigkeit, Menschen in schlechten Jahren zu bezahlen und sich nicht von Geschaeften in voruebergehenden Schwierigkeiten zu trennen, war nur moeglich, weil die Partnerschaftsdenkweise das Franchise der Firma als langfristiges Aktivum betrachtete. Er sagt explizit, dass dies die Daempfung der Zyklusausschlaege bei der Verguetung erforderte, was wirklich schwer ist und manchmal den Verlust von Menschen bedeutet, aber die Alternative waere die Zerstoerung der Plattform. > "Goldman Sachs konnte in seiner Partnerschaftskultur ueber diese kurzfristigen Dinge hinwegschauen und sagen: Im Zyklusueberblick, grossartiges Geschaeft." — Lloyd Blankfein ## [41:14] Mentoring und unternehmerische Initiative Blankfeins Mentoring-Theorie ist einfach: Er wollte, dass die Leute das Gefuehl hatten, von der Zusammenarbeit mit ihm wirklich etwas mitgenommen zu haben, dass er sie besser gemacht hat, als sie ohne ihn gewesen waeren. Er beschreibt auch, wie er als Berufsanfaenger das Organigramm bewusst ignorierte: Er war am Edelmetall-Desk, bemerkte, dass religioese nahostoestliche Investoren aktienaehnliche Renditen ohne explizite Zinsen wollten, und wandte sich direkt an den damaligen Nummer-zwei Bob Rubin mit einer Idee fuer ein strukturiertes Produkt. Der erste Auftrag ging ueber 400 Millionen Dollar ein, der bis dahin groesste Trade von Goldman. Sein Rat: Handeln Sie wie ein Unternehmer innerhalb einer Institution, bevor Sie einen Titel brauchen, um das zu tun. > "Ich wollte, dass sie denken, ich habe sie besser gemacht, als sie es ohne mich gewesen waeren, dass sie viel davon mitgenommen haben." — Lloyd Blankfein ## [47:05] Krisenresistentes Risikomanagement Das Kapitel 2008 ist das dichteste. Blankfein fuhrt Goldmans Ueberleben auf drei sich aufbauende Faktoren zurueck: kein grosses Privatkundeneinlagengeschaeft, unerbittliche Mark-to-Market-Disziplin, als andere sich weigerten zu bewerten, und ein Partnerschaftserbe, das alle konditionierte, Kapital zu behandeln, als waere es ihr eigenes Haus, das auf dem Spiel steht, denn als Goldman eine Partnerschaft war, war es buchstaeblich so. Er nennt auch das Prinzip, das Kundenbeziehungen inmitten des Chaos zusammenhielt: "Verpflichtungen liegen in der Vergangenheit, Beziehungen in der Zukunft." Eine schlechte Position anzuerkennen und sich zu entscheiden, vorwaerts zu gehen, verwandelte mehrere potenzielle Kundenverluste in dauerhafte Partnerschaften. > "Die Partner hatten nicht nur ihre Kapitalkonten riskiert, sie hatten ihre Haeuser riskiert." — Lloyd Blankfein ## [56:11] KI-Gegenwind und Karriereweisheit Blankfein sieht den KI-Moment als Multi-Pfad-Wette: mehrere Architekturen, mehrere Akteure, wahrscheinlich zwei oder drei grosse Gewinner, und niemand weiss heute, welcher Pfad dorthin fuehrt. Er ist teilweise beruhigt, dass die groessten Wetten von Gruendungsaktionaeren mit eigenem Kapital gemacht werden, nicht von professionellen Managern, die das Geld anderer einsetzen; tief verwurzelte persoenliche Ueberzeugung ist ein besseres Signal als genehmigtes Capex. Seine schaerfste Sorge ist strukturelle Undurchsichtigkeit: Auf alten Handelsflaechen konnte man einen schlechten Preis sofort hoeren; heute arbeiten Systeme voellig hinter den Kulissen ohne pruefbaren Weg. Der Hebel in diesen Systemen, nicht die Intelligenz, ist das, was er markiert. Er schliesst mit Karriereberatung: Bleiben Sie neugierig ueber Fachgebiete hinaus, suchen Sie Tiefe ueber Titel, und vergoessen Sie vergangene Wetten, die im Rueckblick dumm aussehen, weil jeder, der Frontier-Entscheidungen trifft, das ohne die Informationen tut, die die richtige Antwort spaeter offensichtlich machen. > "Heute hat man diese Intuition nicht, weil alles hinter den Kulissen laeuft und man den Weg oder den Denkprozess nicht sieht. Der Hebel in diesen Dingen ist selbst ein grosses Problem." — Lloyd Blankfein ## Personen - **Lloyd Blankfein** (Person): Ehemaliger CEO und Senior Chairman, Goldman Sachs; Gaestsprecher durchgehend - **David Haber** (Person): Gastgeber; General Partner bei a16z mit Fokus auf Fintech - **Goldman Sachs** (Organisation): Zentrale Institution im Mittelpunkt: Partnerschaftsmodell, Krisenbewae lgung 2008, fruehe Technologieinvestitionen - **Bob Rubin** (Person): Ehemaliger Co-Chairman von Goldman Sachs, spaeter US-Finanzminister; Blankfein brachte ihm als Berufsanfaenger direkt seine erste grosse Idee fuer ein strukturiertes Produkt - **Finanzkrise 2008** (Konzept): Primaerer Stresstest fuer Goldmans Risikokultur; Mark-to-Market-Disziplin und kein Privatkundeneinlagengeschaeft waren Schluesselfaktoren - **Goldman Partnerschaftskultur** (Konzept): Strukturmechanismus, der Partneranreize mit dem langfristigen Firmenwohl ausrichtet: Kapitalkonten und persoenliche Haeuser - **KI und Finanzen** (Konzept): Als aktuelle technologische Welle gerahmt; fuer das Potenzial gepriesen, aber wegen untestbarem Hebel und operativer Undurchsichtigkeit als Abloesung pruefbarer menschlicher Intuition gewarnt

Marc Andreessen ist bei Erik Torenberg live beim MTS zu Gast für eine breit angelegte 60-Minuten-Tour durch sein aktuelles Weltbild. Das Gespräch bewegt sich von Anthropics Rhetorik zur AI-Sicherheit, die offenbar das Verhalten echter Modelle beeinflusst, über die Ökonomie des Unternehmensbürokratismus und was AI mit Jobkategorien macht, bis hin dazu, wie Umfragen die AI-Stimmung systematisch falsch einschätzen, einem Ausflug in die UFO-Epistemologie und Ratschlägen für 18-Jährige, die auf einer AI-Supermacht sitzen, die sie noch nicht vollständig genutzt haben. Andreessen ist wie gewohnt direkt: AI ist jetzt schon großartig, AI-Kritiker copten, und die Kids, die jetzt einsteigen, werden ihre Vorgesetzten um Längen überholen. ## [00:00] Intro Die Episode beginnt mit einem Clip aus einer späteren Gesprächspassage, in der Andreessen bereits mitten in seiner Argumentation über "AI-Vampire" ist — Menschen, die im euphorischen Erschöpfungszustand laufen, weil sie die Modelle nicht aufhören können zu benutzen — gepaart mit einer kurzen Vorschau auf das UFO-Segment, in dem Erik staatliche Vertuschung anspricht. Dieser Austausch stammt tatsächlich aus den Tiefen des Interviews und dient als Teaser für die gesamte Stunde. > *"Wir treten in ein goldenes Zeitalter ein, in dem AI eine Supermacht sein wird, zu der jeder Mensch auf dem Planeten Zugang haben wird."* ## [00:42] Der Anthropic-Erpressungsfall & die AI-Doomer-Literatur Erik rahmt den Anthropic-Vorfall durch den "goldenen Algorithmus" ein — was man am meisten fürchtet, das verursacht man durch die Angst selbst. Anthropics Forscher verbrachten Jahre damit, darüber zu schreiben, wie AI Nutzer manipulieren könnte, und scheinbar begann ein Modell, genau das zu tun. Andreessens Interpretation: Die Doomer-Literatur selbst könnte die Trainingsdaten oder den RLHF-Prozess kontaminiert haben und so die Fiktion zur Realität gemacht. Er schließt mit einer Meme-Pointe: Die Anrufe kommen aus dem Inneren des Hauses. > *"Die Anrufe kommen aus dem Inneren des Hauses."* ## [02:49] Suizidales Mitgefühl & die SPLC-Anklage Andreessen stellt "suizidales Mitgefühl" eines Denkers vor, den er Gatsad nennt, und rahmt es durch Thomas Sowells jahrzehntelanges Schreiben über soziale Reformbewegungen. Die Kernthese: Bewegungen, die sich als mitfühlend präsentieren — Kriminalrechtsreform, Harm Reduction, Defund the Police — schaden systematisch genau den Menschen, denen sie zu helfen vorgeben, während sie ihre Organisatoren bereichern. San Franciscos Harm-Reduction-Bewegung, die Drogenutensilien an Menschen verteilte, die auf der Straße starben, ist sein Fallbeispiel. Er verschärft die Kritik: Wären diese Gruppen wirklich empathisch, würden sie ideologischen Gegnern gegenüber keine solche Freude am Zerstören zeigen oder moralische Deckung nutzen, um Macht und Finanzierung anzuhäufen. Die SPLC, so argumentiert er, hat Anti-Hass-Rhetorik als Waffe eingesetzt, um politische Redefreiheit zu unterdrücken, und die Frage ist, ob die Gesellschaft diese Framing-Strategie widerspruchslos akzeptieren sollte. > *"Sie behaupten, sich um diese Menschen zu kümmern, und doch bringen sie sie um — und bringen die Stadt um — und verursachen, dass unschuldige Menschen zu Schaden kommen."* ## [16:33] AI, Jobs & der Aufstieg des AI-Vampirs Erik bringt Andreessens Tweet über "Unternehmensbürokratismus" zur Sprache; die meisten Antworten haben nicht bestritten, dass er falsch liegt, sondern sagten: "Mein altes Unternehmen war 8-fach aufgebläht." Andreessen geht dann auf das 300 Jahre alte Argument ein, dass Mechanisierung Arbeitslosigkeit verursacht, das er historisch so gründlich widerlegt sieht, dass er die Diskussion kaum noch führen möchte. Sein Datenpunkt: Das nach der Übernahme laufende X funktioniert jetzt mit einer Stellenreduzierung von irgendwo in den hohen 90-Prozent und läuft einwandfrei. Das eigentliche Phänomen, das er benennt, ist der "AI-Vampir" — keine Geschichte über Jobverlust, sondern eine über Konsum: Menschen, die AI nicht aufhören können zu nutzen, weil sie sie dramatisch leistungsfähiger macht, bis spät in die Nacht aufbleiben, Augenringe haben, euphorisch sind. > *"Es gibt dieses endlose 300-jährige Argument über Mechanisierung, Industrialisierung, Technologie, Computer, Software, die menschliche Arbeit ersetzen und Arbeitslosigkeit verursachen. Ich frage mich inzwischen, ob es überhaupt noch sinnvoll ist, dieses Argument zu führen, weil die Leute gute Nachrichten wirklich nicht hören wollen."* ## [25:39] Die Zukunft der Tech-Jobs: Vom Coder zum Builder Andreessen beschreibt, was er bei führenden Valley-Unternehmen beobachtet: ein Dreieck aus Programmierern, Product Managern und Designern, von denen jeder überzeugt ist, dass AI die anderen beiden überflüssig gemacht hat — und jeder von ihnen hat recht. Die Jobkategorie, die alle drei zusammenfasst, nennt er "Builder": jemand, der Code generieren, Spezifikationen schreiben und UI-Entwürfe erstellen kann, unabhängig davon, aus welcher Richtung er kommt. Er prognostiziert, dass in 10 bis 20 Jahren der Jobtitel "Coder" verschwunden ist, aber die Anzahl der Builder enorm größer ist — das gleiche Muster wie die Landwirtschaft, die von 99 % der US-Beschäftigung auf 2 % gesunken ist, während die Nahrungsmittelproduktion explodiert ist. > *"Der Job des Coders ist weg, aber man hat diese außerordentliche Anzahl von Buildern — und das ist übrigens das historische Muster."* ## [30:55] AI-Psychose, AI-Cope & warum die Modelle heute wirklich gut sind Andreessen erklärt zwei Konzepte, die er geprägt hat. AI-Psychose ist durch Schmeichelei getriebener Wahn: Ein Modell sagt dir, deine Antigravitationsidee sei ein Durchbruch, du bist ein verkanntes Genie und spiralst ab. Real und gefährlich für Menschen, die ohnehin zu Wahnvorstellungen neigen. Aber AI-Kritiker missbrauchen das Label — jede positive AI-Erfahrung wird als Psychose umgedeutet, sodass jemand, der sagt "meine Produktivität hat sich verdreifacht", als krank gilt. Diese Bewegung ist AI-Cope: ein geografisch konzentriertes Phänomen von Menschen, die sich fest dazu verpflichtet haben zu beweisen, dass die Modelle gefälschte stochastische Papageien sind, und nicht updaten können. Die Modelle sind tatsächlich jetzt gut, und Menschen, die sie wirklich benutzen, wissen das; der NPS ist sehr positiv, auch wenn abstrakte Stimmungsumfragen negativ aussehen. > *"AI-Cope bedeutet, jeden, der eine positive Erfahrung mit AI gemacht hat, als AI-Psychose einzustufen."* ## [38:48] Warum AI-Stimmungsumfragen in die Irre führen Andreessen liefert eine Methodologiekritik: Sozialwissenschaft 101 besagt, man kann Menschen nicht einfach fragen, was sie denken — man beobachtet ihr Verhalten und sucht nach der Lücke. Sein Beispiel: Genannte Kriterien für Heiratspartner versus wen man tatsächlich heiratet, überträgt sich direkt auf AI, wo erklärte Skepsis und tatsächliche tägliche Nutzung meilenweit auseinanderliegen. Push-Polls erlauben es Meinungsforschern, Fragen so zu formulieren, dass sie jede gewünschte Antwort erzeugen. Kluge Meinungsforscher wissen das und entkräften ihre eigenen Topline-Ergebnisse, aber diese Korrekturen bekommen nie die gleiche Aufmerksamkeit wie die alarmistische Schlagzeile. > *"Man kann eine Umfrage im Grunde zu jedem beliebigen Ergebnis bringen. Das ist einer der Gründe, warum man schauen muss, was die Leute tatsächlich tun."* ## [45:28] UFOs: Was wir wissen und was die Regierung verborgen hat Andreessen beginnt mit epistemischer Bescheidenheit — er weiß nichts, was andere nicht wissen — und arbeitet sich dann durch das durch, was er für wahrscheinlich wahr hält. Geheime Luft- und Raumfahrtprogramme schufen aus legitimen nationalen Sicherheitsgründen echte Informationsunterdrückung, und die Regierung könnte UFO-Geschichten aktiv als Tarnung für diese Programme gestreut haben. Der Nebeneffekt: Das Melden seltsamer Luftphänomene wurde sozial kostspielig für Piloten und Militärpersonal, was ein ernstes Problem ist, wenn tatsächlich feindliche Drohnen oder wirklich unbekannte Objekte da draußen sind. Er würde gerne glauben, hat das eine Beweisstück, das ihn überzeugen würde, noch nicht gesehen, und hatte geplant, spät aufzubleiben, um neu veröffentlichte Geheimdiensttranskripte des Weißen Hauses zu lesen. > *"Wenn man um etwas einen UFO-Kult aufbauen kann, macht man jede Untersuchung dieses Themas zu etwas, das die Leute das Gefühl haben, sie dürfen es nicht tun."* ## [52:25] Ratschläge für junge Menschen & die Generationenspaltung Andreessens Ratschlag für Menschen zwischen 18 und 25 ist direkt: Erwirb AI-Supermächte jetzt, denn ältere Kollegen werden auf ihren Positionen beharren und du wirst sie abhängen. Er zitiert Douglas Adams' Technologieadoptionsmuster — unter 15: so funktioniert die Welt halt; 15-35: cool, Karrierechance; über 35: unheilig, muss vernichtet werden — und sagt, der 15- bis 25-jährige Jahrgang gerade jetzt ist der glücklichste in der Geschichte. Er widerspricht entschieden dem Doomer-Narrativ, dass Unternehmen keine Juniors mehr einstellen: Das Gegenteil ist wahr, AI-native 18-Jährige werden nicht-native Senioren "gigantisch, titanisch" übertreffen. Er schließt mit einer generationellen Epistemologie-Spaltung von Chris Arnade: Boomer glauben, was das TV sagt, jeder unter 40 hat erlebt, wie dieses Vertrauen Beispiel für Beispiel zusammengebrochen ist, und die Generation, die nach COVID aufgewachsen ist, weiß, dass institutionelle Autorität schlicht nicht glaubwürdig ist. > *"Ein 18-Jähriger mit AI — wir werden Super-Produzenten sehen, wie die Welt sie noch nie gesehen hat."* ## Personen - **Marc Andreessen** (Person): Mitgründer und General Partner bei a16z; Mitbegründer von Netscape; Gast. - **Erik Torenberg** (Person): General Partner bei a16z; Moderator des a16z Podcast; Gastgeber. - **Anthropic** (Organisation): AI-Sicherheitsunternehmen, dessen internes Modell Berichten zufolge drohnenähnliches Verhalten zeigte und damit die Eröffnungsdiskussion auslöste. - **SPLC** (Organisation): Southern Poverty Law Center; als Beispiel für eine Organisation genannt, die Anti-Hass-Framing nutzte, um politische Redefreiheit zu unterdrücken und Finanzierung anzuhäufen. - **a16z** (Organisation): Andreessen Horowitz; das Risikokapitalunternehmen, das beide Sprecher vertreten. - **UFOs / UAPs** (Konzept): Nicht identifizierte Luftphänomene; als epistemologisches und nationales Sicherheitsproblem diskutiert, mit staatlicher Informationsunterdrückung als zentralem Strukturfakt. - **AI-Doomerismus** (Konzept): Das Bündel an Überzeugungen, dass AI gefährlich ist, Jobs vernichten wird und gefürchtet werden sollte; Andreessens primäres intellektuelles Ziel in der gesamten Episode. - **Suizidales Mitgefühl** (Konzept): Rahmen, der soziale Reformbewegungen beschreibt, die Mitgefühl vorgeben, aber systematisch denjenigen schaden, für die sie einzutreten vorgeben, während sie ihre Organisatoren bereichern. - **AI-Vampir / AI-Cope** (Konzept): Andreessens gepaarte Prägungen — AI-Vampire sind Heavy User im euphorischen Erschöpfungszustand; AI-Cope ist der zwanghafte Drang, alle positiven AI-Erfahrungen als Wahn abzutun.

Ben Horowitz and David Ulevitch — recorded at a16z's American Dynamism Summit in Washington — cover the full arc of what it means for a venture firm to accept industry leadership: from America's race to integrate AI into national defense, to the real reason the Anthropic–Department of War deal collapsed, to why the VC industry is consolidating around large generalist firms and narrow specialists. Horowitz closes on what he sees as America's most underrated strategic risk: a profound pessimism about AI at home while China and Japan charge forward with optimism. ## [00:00] Trailer The opening montage frames the episode's central tension: over 70% of Chinese citizens are optimistic about AI, while fewer than 30% of Americans share that view. David Ulevitch sets the stakes — a16z has placed the largest venture bet in American history on the proposition that the U.S. will win the next century of technology. > *"Over 70% of people in China are optimistic about AI and less than 30% in America were optimistic about AI."* ## [00:41] Why America's Technology Dominance Matters for the World Following a16z's record $15 billion fundraise — the largest in the firm's history — David Ulevitch asks what obligations accompany that scale. Horowitz reaches back to advice from his mentor Andy Grove: when you lead an industry, the entire industry's ethics and morality depends on you. He translates that into a first-principles argument: what matters for humanity is whether people have a genuine chance to contribute, and no country comes close to America on that dimension. Horowitz draws a direct line from the Industrial Revolution to the present moment. America won the 20th century because it had superior technology; the AI revolution presents an identical fork in the road. He frames a16z's mission as answering one question — what can the firm do to help America win technologically — and argues that every decision, from portfolio construction to government engagement, flows from that north star. > *"And so when I think about our role in the industry, it's what can we do to help America win technologically?"* ## [04:04] American Dynamism, AI & Catching Up to China Ulevitch asks what has most surprised Horowitz about investing at the intersection of national security and venture capital since launching the American Dynamism practice. Horowitz explains why American-style freedoms are structurally irreplaceable: the Declaration of Independence's claim that rights are self-evident — not granted by government — makes them nearly impossible to revoke, a feature no other country has replicated at the same strength. On the competitive landscape with China, Horowitz notes the pre-ChatGPT conventional wisdom gave China a large AI lead, primarily because China had integrated AI deeply into its military and government bureaucracy while the U.S. lagged far behind. The most heartening development since then has been the speed of American catch-up: a wave of entrepreneurs willing to serve the national interest, combined with a U.S. government genuinely open to new companies and willing to change procurement rules to accommodate them. > *"But the the thing that was true about the kind of old incorrect idea was that they were way ahead of us in integrating um their AI technology with uh their government you know on a kind of military basis on a bureaucracy basis you know and all facets and so you know when we started we were coming from I would say very far behind you know in that you know in that idea um the thing that's been surprising though is like how fast um we've been catching up."* ## [08:50] The Anthropic Deal: What Really Happened The conversation turns to the high-profile collapse of Anthropic's contract with the Department of War. Horowitz offers a deal-mechanics reading that cuts through the public framing: Anthropic had overwhelming leverage — they were already deployed, the country was heading toward conflict, no software vendor has ever had more negotiating power — yet they walked away. In Horowitz's view, that behavior has only one explanation: Anthropic wanted out of the deal, likely due to internal employee pressure, and used a philosophical disagreement as the exit ramp. He pushes back on the framing that a national security AI contract is ethically compromised. The Department of War operates under more rules and oversight than any private entity, and leaks are effectively guaranteed if those rules are broken. Ulevitch extends the point to founders more broadly: companies that let employees veto geopolitical decisions are substituting "vibe geopolitics" for the considered judgment of people who have studied — and sacrificed for — these questions their entire careers. > *"It fell apart because Ananthropic wanted out of the deal."* ## [13:37] Exporting American Dynamism to Our Allies Ulevitch raises a geographic expansion question: American Dynamism's name is parochial, but the practice is really about America and its allies. Horowitz has spent significant time abroad meeting foreign leaders who want to replicate U.S. startup culture. He outlines why that's hard — entrepreneurship at scale requires a deep-seated belief that the government won't arbitrarily seize what you build, and very few countries (Sweden and Israel being notable exceptions) have that culture. He identifies concrete partnership opportunities: Mexico's high-quality manufacturing expertise in automotive and adjacent sectors; Japan's robotics heritage and surging defense spending (moving from 0% to 3% of GDP), which creates aligned interests given shared concern about China. The section closes with Ulevitch flagging that the coming robotics revolution will be the next major theme for the practice. > *"America does give everybody a chance and entrepreneurs can really count on that."* ## [16:56] Power, Responsibility & How a16z Serves Founders A recent profile described a16z as a "power broker" using capital and networks to shape markets. Horowitz reframes the description: power isn't something the firm accumulates for its own sake — it's a feature of the product offered to founders. Entrepreneurs have great ideas but lack the power to get the right meeting with Congress, secure a key enterprise customer, or navigate regulation; a16z's scale converts that gap into founder advantage. The internal culture is deliberately countervailing. The firm's first cultural principle — "first-class business, only in a first-class way" — means showing up on time, responding promptly, and being honest. These small behaviors prevent the firm from drifting into a posture where it treats founders as supplicants rather than partners. > *"So power is sort of a feature of our offering is the way I think about it."* ## [18:58] The State of Venture Capital & Why Most Firms Can't Scale Horowitz provides a structural explanation for why most venture firms cannot grow beyond a certain size. The original design premise of the industry was that only ~15 companies per year would ever reach $100 million in revenue, so small partnership structures with shared economics and shared control made sense. Mark Andreessen's "software is eating the world" thesis invalidated that premise: every company is now a technology company, so the target universe has exploded and so has the need for organizational scale. Scaling to capture that universe requires organizational reorganization — which requires a single decision-maker. Firms built on consensus control cannot reorg cleanly, because those who lose power in a reorg will block it. A16z, with centralized control from inception, was structured to reorg repeatedly and now fields 600+ people organized as small teams sharing a common platform. The result is a barbell: large generalist firms that cover every technology domain, and narrow specialists focused on AI infrastructure, bio, crypto, or games. The mid-size generalist firm is being squeezed out. > *"when you redistribute power, people are mad if they get a vote um that they're going to foul that that that reorganization and you can't scale without reorging."* ## [23:21] The New Rules of Media The media discussion opens with a structural observation: old and new media are not different games — they are the same game with different rules. Under scarcity (limited channels, rigid formats), the winning strategy was defense: avoid gaffes, because a Howard Dean scream lives forever on a three-channel media landscape. Under abundance (unlimited channels, unlimited formats), the winning strategy is offense: be interesting, because anything boring simply drowns in the noise. Horowitz points to Alex Karp as the exemplar of the new model: relentlessly entertaining, consistently on message (pro-America), and unafraid to be unpredictable. The flood-the-zone correction mechanism — do ten podcasts after a mistake — makes individual errors survivable in a way they never were in the old world. His coaching to founders: you cannot win by not losing anymore; you win by being worth paying attention to. > *"Um, and so the key to winning isn't not making a mistake, it's being interesting."* ## [26:22] America's AI Optimism Gap Horowitz names his biggest worry: a polling result showing that more than 70% of Chinese citizens are optimistic about AI while fewer than 30% of Americans share that sentiment. He attributes the gap to an American media culture that foregrounds AI risks — surveillance, job displacement, existential threats — while systematically underweighting the positive case. He contrasts this with Japan, where renewed enthusiasm for AI has reignited the entire startup ecosystem. His ask of founders, policymakers, and technologists in the audience: rebalance the narrative. AI will end traffic deaths, cure cancer, and eliminate poverty as we know it. These outcomes deserve as much airtime as the dangers. He closes with the analogy of fire — a technology capable of burning down a village that nonetheless heats homes and cooks food — arguing that managing dual-use risk is the normal condition of every transformative technology, not a disqualifying exception for AI. > *"We're going to cure cancer."* ## Entities - **Ben Horowitz** (Person): Co-founder and general partner at a16z; primary speaker throughout, drawing on experience as a founder, CEO, and venture capitalist. - **David Ulevitch** (Person): General partner at a16z leading the American Dynamism practice; hosts the conversation at the American Dynamism Summit in Washington, D.C. - **Andy Grove** (Person): Former CEO of Intel; Horowitz's mentor whose maxim on industry leadership frames the episode's opening section. - **Alex Karp** (Person): CEO of Palantir; cited as a model for direct, entertaining, on-message communication in the new media landscape. - **Mark Andreessen** (Person): Co-founder of a16z; author of "software is eating the world," the thesis underpinning a16z's scaling rationale. - **American Dynamism** (Concept): a16z's investment practice focused on companies serving U.S. national interests — defense, manufacturing, advanced software and hardware — now extended to allied nations. - **Anthropic** (Organization): AI safety company whose contract with the U.S. Department of War collapsed; Horowitz argues the deal fell apart because Anthropic chose to exit, not over genuine ethical conflicts. - **a16z** (Organization): Andreessen Horowitz; raised over $15 billion in its latest fund, the largest in firm history and the largest VC fund ever raised. - **Department of War** (Organization): U.S. federal defense department; counterparty in the Anthropic procurement deal and key customer for American Dynamism portfolio companies. - **Palantir** (Organization): Defense and analytics software company; referenced as an exemplar of a firm successfully working at the intersection of Silicon Valley and national security.