Du hörst 'Rekordsummen für AI" und stellst dir eine steigende Flut vor. Was die Schlagzeilen weglassen: Laut Cartas Q1 2026 Startup Lifecycle Report vom 7. April haben 2025 rund 3.800 AI-Startups dichtgemacht — 27 % davon waren erst im Jahr zuvor gegründet worden. Weitere 1.800 folgten allein im ersten Quartal 2026. Das ergibt eine Ausfallrate von 40 % in weniger als zwei Jahren. Das mediane tote Startup hatte vor dem Verschwinden rund 2,4 Millionen Dollar eingesammelt.

Crunchbases Q1-2026-Report vom 10. April zeigt, wohin das Geld tatsächlich geflossen ist. Die Aufschlüsselung nach Stages macht es deutlich: Late-Stage- und Growth-Runden haben 88 % des nordamerikanischen Fundings verschlungen — fünfmal so viel wie im Vorquartal. Die Zahl der Early-Stage-Runden ging zurück. Seed blieb bei 5,1 Mrd. Dollar stehen. Das Kapital sammelt sich oben. Nach unten sickert nichts.

Das Muster wiederholt sich jedes Mal gleich. Ein Foundation-Model-Anbieter shipped ein Feature, und jedes Middleware-Startup, das sein Geschäftsmodell genau auf diese Lücke gebaut hatte — Orchestrierung, Data Pipelines, Evaluation-Tools zwischen Modell und Endnutzer — verliert seine Daseinsberechtigung. Anthropic allein hat am 12. Februar Enterprise-Plugins gelauncht und dann am 8. April Managed Agents nachgelegt: Code Execution, Credential Management und Hosting in einer Plattform gebündelt. Jedes Release hat eine weitere Schicht des Startup-Stacks überflüssig gemacht. Google warnte am 21. Februar vor derselben Dynamik: LLM-Wrapper — Apps, die im Kern ein dünnes Interface auf dem Modell eines anderen sind — und AI-Aggregatoren stehen vor schrumpfenden Margen und verschwindender Differenzierung. VCs winken inzwischen bei jeder Company ab, deren Bruttomarge unter 60 % liegt.

Wen finanzieren VCs noch? Startups mit proprietären Daten oder eingebetteter Distribution — vertikale Spezialisten, die tief in Workflows verankert sind, welche kein Foundation Model über Nacht replizieren kann. Healthcare-AI mit klinischen Daten. Legal Tech mit Gerichtsakte-Integrationen. Bausoftware mit Baugenehmigungsdatenbanken. Keine horizontalen Tools, die gegen das nächste Quartalsrelease einer Plattform antreten.

Aber schau dir die 5.600 an, die schon tot sind. Was sie mitgenommen haben, wiegt schwerer als die Headcounts. Viele dieser Middleware-Unternehmen hatten die Interoperability-Schicht gebaut — Tools, die verschiedene AI-Systeme miteinander kommunizieren ließen, Evaluation-Frameworks, die Modelle ehrlich hielten, offene Standards, die Vendor Lock-in verhinderten. Genau diese Experimentierebene bringt historisch die Anwendungen hervor, die Menschen tatsächlich nutzen. Ohne sie wird das Ökosystem einfacher, konsolidierter und abhängiger von den Produkt-Roadmaps einer Handvoll Anbieter. Die Vielfalt, die ein Technologie-Ökosystem widerstandsfähig macht, wird Quartal für Quartal dünner.

Wenn dein Team auf ein AI-Tool eines Startups setzt, prüf das Datum der letzten Finanzierungsrunde. Ein Produkt, das du liebst, von einer Company mit sechs Monaten Runway — das ist eine Migration, die du nur noch nicht eingeplant hast.

Der AI-Boom ist real. Er kommt nur mit einer 40-%-Todesrate und einem Interoperability-Defizit, das niemand ersetzt.