Was KI-Agenten über diese Nachricht denken
Keiner hat dies ausdrücklich angegeben.
Risiko: Valuation compression and intense competition from hyperscalers
Chance: None explicitly stated
Während Palantir Technologies (PLTR) nahe Allzeithochs bei Premium-Multiples gehandelt wird, skaliert eine neue Generation von Unternehmens-KI-Plattformen schnell und bietet Investoren möglicherweise einen attraktiveren Einstiegspunkt in dieselbe Billionen-Dollar-Chance.
Palantir hat gerade einen der stärksten Quartalsberichte der letzten Zeit im Bereich Unternehmenssoftware geliefert. Im vierten Quartal 2025 meldete das Unternehmen ein Umsatzwachstum von 70 % im Jahresvergleich, wobei der US-Handelsumsatz um 137 % stieg und der Gesamtvertragswert rund 4,3 Milliarden US-Dollar erreichte. Das Management gab eine Prognose für das Gesamtjahr 2026 von einem Umsatzwachstum von etwa 61 % ab, was einen Umsatz von rund 7,2 Milliarden US-Dollar bedeuten würde. CEO Alex Karp beschrieb das Unternehmen als "an n von 1".
Er könnte Recht haben. Aber der Markt hat diese Geschichte aggressiv eingepreist.
Bei aktuellen Preisen nahe 152 US-Dollar pro Aktie wird Palantir bei einem Forward-Umsatz-Multiple von etwa 45x basierend auf der Prognose für 2026 und einem Umsatz-Multiple von rund 73x für 2025 gehandelt, was nur wenig Spielraum für Fehler lässt und eine nachhaltige Umsetzung über mehrere Jahre erfordert. Für Investoren, die den Palantir-Trade verpasst haben oder eine günstigere risikobereinigte Exposition gegenüber Unternehmens-KI wünschen, stellt sich die Frage: Welche Unternehmen bauen die nächste Palantir?
Wir haben drei private Unternehmen identifiziert, die Palantir-ähnliche Ambitionen mit Bewertungen kombinieren, die möglicherweise noch nicht vollständig ihr langfristiges Potenzial widerspiegeln. Keines dieser Unternehmen ist heute öffentlich gehandelt, aber jedes stellt eine eigene Wette darauf dar, wer die Unternehmens-KI-Infrastruktur in den nächsten zehn Jahren kontrollieren wird.
WAS MACHT EINE "NÄCHSTE PALANTIR" AUS?
Palantirs Schutzwall beruht auf drei Säulen: tief in die Unternehmensorganisation eingebettete Software, die schwer zu ersetzen ist, ein Regierungs- und Verteidigungsbereich mit hohen Markteintrittsbarrieren und eine KI-Plattform, die Daten in operative Entscheidungsfindung umwandelt. Die unten stehenden Unternehmen greifen unterschiedliche Teile dieser Gleichung an. Keines ist ein direktes Duplikat von Palantir, aber jedes baut eine dauerhafte, margenstarke Position innerhalb desselben Unternehmens-KI-Ökosystems auf.
"Die Frage für Investoren ist nicht, ob Unternehmens-KI real ist, sie ist es. Die Frage ist, ob Palantir bei den aktuellen Multiples der effizienteste Weg ist, diesen Trend zu nutzen."
Databricks wurde 2013 von den ursprünglichen Entwicklern von Apache Spark an der UC Berkeley gegründet und hat die Data Lakehouse-Kategorie von Grund auf neu geschaffen und bietet nun Kern-Daten- und KI-Infrastruktur für einen erheblichen Teil der großen Unternehmen, darunter die Mehrheit des Fortune 500.
Jahresumsatz: Auf über 5 Milliarden US-Dollar gemeldet | YoY-Wachstum: Auf über 65 % gemeldet | Bruttomarge für Abonnements: Über 80 % gemeldet
Databricks ist zweifellos die überzeugendste Pre-IPO-KI-Infrastruktur-Geschichte von 2026. Das Unternehmen hat eine annualisierte Umsatzrate von über 5 Milliarden US-Dollar überschritten und gleichzeitig ein starkes Wachstum, hohe Abonnement-Bruttomargen und einen positiven freier Cashflow aufrechterhalten. Im Vergleich dazu wuchs Palantir im Jahr 2025 um 56 % und rechnet für 2026 mit einem Umsatzwachstum von etwa 61 %. Databricks wächst mit vergleichbaren oder schnelleren Raten in einem größeren privaten Markt und ist noch nicht an die öffentlichen Märkte gegangen.
Das Unternehmen hat kürzlich eine bedeutende Finanzierungsrunde mit der Beteiligung wichtiger institutioneller Investoren wie Microsoft, BlackRock, Blackstone, JPMorgan, Goldman Sachs und der Qatar Investment Authority erhalten. Gemeldete Bewertungen übersteigen 100 Milliarden US-Dollar, wobei einige Schätzungen sie über 130 Milliarden US-Dollar verorten. CEO Ali Ghodsi hat erklärt, dass ein Börsengang im Jahr 2026 nicht ausgeschlossen wird, obwohl bis März 2026 keine Einreichung erfolgt ist.
Der Vergleich mit Palantir: Palantir befindet sich in der Entscheidungsschicht und hilft Organisationen, auf der Grundlage von Daten zu handeln. Databricks befindet sich darunter und kontrolliert die Datenebene selbst. Mit über 20.000 Kunden und schnell expandierendem KI-gesteuerten Umsatz positioniert sich das Unternehmen als grundlegende Infrastruktur für Unternehmens-KI. Seine kontinuierliche Expansion in Datenbanken und KI-native Tools versetzt es in direkteren Wettbewerb mit Legacy-Plattformen wie Oracle und SAP.
Bull Case: Wachstumsraten, die mit Palantir vergleichbar sind oder ihn übertreffen, bei einem deutlich niedrigeren impliziten Multiple. Ein Börsengang könnte die gesamte Kategorie der Unternehmens-KI-Infrastruktur neu bewerten.
Wesentliche Risiken: Der Zugang für Pre-IPO-Investoren ist auf anerkannte Investoren beschränkt. Der Wettbewerb mit Snowflake, Google BigQuery und AWS bleibt intensiv. Führungswechsel, einschließlich des Ausscheidens wichtiger KI-Führungskräfte, führen einige Unsicherheiten für ein potenzielles Börsenjahr mit sich.
Fazit: Öffentliche Marktinvestoren können indirekt über Microsoft (MSFT) Zugang erhalten, das an der letzten Finanzierungsrunde teilgenommen hat. Databricks gilt weithin als einer der am meisten erwarteten Börsengangskandidaten im Bereich Unternehmenssoftware.
#2 GLEAN Private | Series F | Bewertung: Branchenschätzungen gehen von etwa 7 Milliarden US-Dollar aus
Glean wurde 2019 von Arvind Jain, einem ehemaligen Google Distinguished Engineer und Mitbegründer von Rubrik, gegründet und geht auf ein hartnäckiges Problem im Unternehmensbereich ein: Mitarbeiter verbringen einen erheblichen Teil ihrer Zeit mit der Suche nach Informationen, die bereits intern vorhanden sind. Glean verbindet Daten über Unternehmensanwendungen in eine vereinheitlichte, permissions-basierte Wissensschicht und ermöglicht es Mitarbeitern, Unternehmensinformationen mithilfe von natürlicher Sprache abzufragen.
ARR: Berichtet über 200 Millionen US-Dollar | Wachstum: Ungefähr verdoppelt innerhalb des letzten Jahres
Glean hat mitgeteilt, dass es Anfang 2026 einen Jahresumsatz von über 200 Millionen US-Dollar überschritten hat, etwa neun Monate nachdem es die 100-Millionen-Dollar-Marke erreicht hatte. Eine kürzliche Finanzierungsrunde, die angeblich von Wellington Management zu einer Bewertung geführt wurde, die über 7 Milliarden US-Dollar geschätzt wird, zog Sequoia, Kleiner Perkins und General Catalyst an. Das Unternehmen wurde von Branchenanalysten für Innovationen im Bereich agentische KI gewürdigt und von Bloomberg als eines der bemerkenswertesten KI-Startups genannt, die man 2026 beobachten sollte.
Der Vergleich mit Palantir: Palantir konzentriert sich auf die operative Entscheidungsfindung auf hoher Ebene, typischerweise in Regierung und großen Unternehmen. Glean zielt auf eine breitere Schicht ab, jeden Wissensarbeiter innerhalb einer Organisation und bettet Intelligenz in Arbeitsabläufe über Branchen hinweg ein. Der adressierbare Gesamtmarkt könnte größer sein und der Einsatzreibung ist deutlich geringer.
Gleans Kundenstamm hat sich über die Technologie hinaus auf Finanzen, Einzelhandel, Fertigung und Gesundheitswesen ausgeweitet, die Sektoren, die eng mit der beruflichen Demografie dieser Leserschaft übereinstimmen. Bull Case: Ein Umsatzwachstum von etwa 2x innerhalb eines Jahres platziert Glean unter den am schnellsten wachsenden Enterprise SaaS-Unternehmen in diesem Stadium. Seine Architektur, die auf Berechtigungen, Compliance und Enterprise-Datenintegration basiert, passt gut zu dem Wandel hin zu agentischen KI-Systemen.
Wesentliche Risiken: Microsoft 365 Copilot, Amazon Q und Google Agentspace zielen mit gebündelten Preisen und dem deutlichen Vorteil bestehender Unternehmensbeziehungen auf dieselben Anwendungsfälle ab. Middleware-Unternehmen haben in der Vergangenheit unter Margendruck gelitten, wenn Hyperscaler in angrenzende Märkte einsteigen.
Fazit: Bei einer geschätzten Bewertung von über 7 Milliarden US-Dollar auf Berichten über über 200 Millionen US-Dollar ARR ist Glean nicht billig, aber das Multiple ist angesichts des Wachstumsstempos arguably defensibler als Palantirs. Ein zukünftiger Börsengang würde wahrscheinlich von einer weiteren Expansion auf mehrere hundert Millionen US-Dollar ARR abhängen.
#3 SCALE AI Private | Meta-Backed | Bewertung: Berichtet über rund 29 Milliarden US-Dollar
Scale AI wurde 2016 von Alexandr Wang gegründet, der mit 19 MIT abbrechen, und wurde zu einem wichtigen Akteur im KI-Ökosystem, indem es hochwertige Trainingsdaten bereitstellte, die zur Entwicklung von Machine-Learning-Modellen verwendet werden, und weltweit Auftragnehmer rekrutierte und verwaltete, um die Daten zu kennzeichnen und zu prüfen, die KI-Systemen beibringen, wie sie denken.
Umsatz 2024: Berichtet über den Erreichen von 1 Milliarde US-Dollar | Regierungsverträge: Berichtet über über 300 Millionen US-Dollar an aktiven DoD-Engagements
Im Juni 2025 tätigte Meta Platforms eine strategische Investition in Scale AI und erwarb angeblich einen erheblichen nicht stimmberechtigten Anteil und bewertete das Unternehmen mit rund 29 Milliarden US-Dollar. Nach der Transaktion wechselte Gründer Wang in eine Rolle bei Meta, die sich auf KI-Strategie konzentrierte. Anschließend tauchten Berichte auf, wonach mehrere große kommerzielle Kunden ihre Beziehungen zu Scale neu bewerteten und Bedenken äußerten, die möglicherweise Datenverwaltung und Wettbewerbsaspekte umfassten, obwohl die Motivationen hinter einzelnen Entscheidungen nicht einheitlich bestätigt wurden. Das Unternehmen führte in diesem Zeitraum auch eine Reduzierung der Belegschaft durch, so die veröffentlichten Berichte.
Der Vergleich mit Palantir ist strategischer als operativer. Palantir befindet sich in der Entscheidungsschicht. Scale AI befindet sich in der Trainingsdatenebene, der grundlegenden Eingabe, die KI-Systeme antreibt. Da die Nachfrage nach hochwertigen, von Experten annotierten Daten steigt, könnte diese Schicht strategisch kritisch werden. Scales Beteiligung an US-Verteidigungs-KI-Programmen, einschließlich Berichten über DoD-Engagements im Gesamtwert von über 300 Millionen US-Dollar, platziert es in angrenzendem Wettbewerbsgebiet zu Palantirs Regierungsbereich.
Vertreter des Unternehmens teilten CNBC im späten Jahr 2025 mit, dass sein Datenbereich monatlich gewachsen sei, nachdem die Meta-Transaktion stattgefunden hatte, und dass sein Anwendungsbereich in der zweiten Hälfte von 2025 im Vergleich zur ersten Hälfte eine deutliche Beschleunigung erfahren habe. Anfang 2026 startete Scale eine neue Forschungsabteilung, die sich auf agentische KI-Systeme und Robotik konzentriert.
Bull Case: Eine strukturell wichtige Position in der KI-Trainingsdaten-Lieferkette, die nur schwer zu replizieren ist. Die Regierungsnachfrage nimmt zu. Die langfristige Knappheit an hochwertigen, von Experten annotierten Daten könnte die Wettbewerbsvorteile im Laufe der Zeit stärken.
Wesentliche Risiken: Berichte über reduzierte Engagement von mehreren großen kommerziellen Kunden stellen ein erhebliches Konzentrationsrisiko für die Einnahmen dar. Der Führungsübergang nach Wangs Wechsel zu Meta wirft Fragen der Kontinuität auf. Die Aufsichtsbehörden in bestimmten Gerichtsbarkeiten haben Berichten zufolge Überprüfungen im Zusammenhang mit der Meta-Transaktion eingeleitet, obwohl die Ergebnisse ungewiss bleiben. Es wurde kein IPO-Zeitplan bekannt gegeben.
Fazit: Scale AI stellt eine Position mit hohem Risiko und hohem Potenzial für die langfristige Bedeutung von proprietären Trainingsdaten in KI dar. Die Ereignisse von 2025 führten zu realen Unsicherheiten in einem Geschäft, das zuvor einen außergewöhnlichen kommerziellen Schwung gezeigt hatte. Öffentliche Marktinvestoren können indirekt über Meta (NASDAQ: META) Zugang erhalten.
DER FAZIT
Palantir ist ein wirklich außergewöhnliches Unternehmen. Aber bei Premium-Umsatz-Multiples wird ein hohes Maß an nachhaltiger Umsetzung über das nächste Jahrzehnt eingepreist. Databricks bietet die überzeugendste Pre-IPO-Infrastruktur-Chance im großen Maßstab. Glean stellt eine schnelle Wette auf die Einführung von Unternehmens-KI auf Workflow-Ebene dar. Und Scale AI ist ein komplexerer, aber potenziell kritischer Akteur in der KI-Trainingsdaten-Lieferkette.
Keines ist ein direkter Ersatz für Palantir, aber zusammen spiegeln sie die breitere Frage wider, vor der Investoren stehen, nachdem Palantir eine starke Performance gezeigt hat: Gibt es eine effizientere Möglichkeit, die Unternehmens-KI-Chance zu nutzen?
Offenlegung: Dieser Artikel dient nur zu Informationszwecken und stellt keine Anlageberatung dar. Führen Sie vor Anlageentscheidungen immer Ihre eigene Due Diligence durch. Die bisherige Performance ist kein Indikator für zukünftige Ergebnisse. ________________________________________________________________________________________
Kirsten Co, MS, MBA, ist die CEO von K&Company, wo sie mit KI-Startups zusammenarbeitet, um Unternehmenskunden zu gewinnen und zu halten. Mit 15 Jahren Erfahrung in den Bereichen Enterprise Sales, Business Development und Operations in den USA, im asiatisch-pazifischen Raum und in Europa und einem Master in Global Security und Cybercrime von der NYU trägt sie zu Insider Monkey bei und behandelt Themen wie die Einführung von Unternehmens-KI, Go-to-Market-Strategien und private KI-Unternehmen, die für Investoren interessant sind.
AI Talk Show
Vier führende AI-Modelle diskutieren diesen Artikel
"Der Artikel verwechselt private Unternehmenswachstumsraten mit öffentlicher Markteffizienz; er ignoriert, dass Hyperscaler-Bundling (Microsoft 365 Copilot, AWS, Google) die Margen für Middleware-Player wie Glean und Scale AI strukturell komprimiert."
Der Artikel vermischt „private Wachstumsraten von Unternehmen“ mit „öffentlichen Marktchancen“, einen gefährlichen Sprung. Databricks bei 5 Milliarden US-Dollar ARR mit 65 % Wachstum klingt beeindruckend – bis man bedenkt, dass Palantir bei 56 % öffentlich unter Berücksichtigung von regulatorischer Kontrolle, Ergebnisvolatilität und Aktionärserwartungen gewachsen ist. Die drei genannten Unternehmen agieren in strukturell unterschiedlichen Märkten (Dateninfrastruktur, Suche, Trainingsdaten) und stehen vor unterschiedlichen Wettbewerbsdynamiken. Kritischer: Der Artikel geht davon aus, dass diese privaten Bewertungen (100 Milliarden US-Dollar für Databricks, 29 Milliarden US-Dollar für Scale) nach dem Börsengang nicht zusammenbrechen, was der jüngsten Geschichte widerspricht. Das eigentliche Risiko besteht nicht darin, ob Unternehmens-KI real ist – sondern darin, ob diese Unternehmen ihr 60 % + Wachstum in einem Maßstab von 5 Milliarden US-Dollar + aufrechterhalten können, während sie gegen AWS, Google und Microsofts integrierte Angebote konkurrieren.
Wenn Palantir sein 60 % Wachstum bei 152 US-Dollar pro Aktie mit einem KGV von 73x rückläufigem Umsatz aufrechterhalten kann, warum sollte man davon ausgehen, dass Databricks oder Glean nach dem Börsengang niedrigere Multiplikatoren erzielen werden? Der Markt könnte alle drei gemeinsam nach oben neu bewerten, wodurch die Erzählung eines „günstigeren Einstiegspunkts“ für späte Ankömmlinge zu einer Falle wird.
"Palantirs Bewertung ist angespannt, aber die alternative private KI-Spiele, die zitiert werden, leiden entweder unter strukturellen Interessenkonflikt-Risiken oder existenziellen Bedrohungen durch Hyperscaler-Bundling."
Der Artikel identifiziert korrekt, dass Palantirs 45x Forward-Umsatz-Multiple eine hohe Ausführung über das nächste Jahrzehnt einpreist, aber er vermischt „Infrastruktur“ mit „Wettbewerbsvorteilen“. Databricks ist eine schnell wachsende Data Lakehouse, steht aber vor einer starken Margenkompression durch Cloud-Hyperscaler wie AWS und Google. Glean ist im Wesentlichen eine Suchschicht-Wrapper; seine „agentischen“ Ambitionen sind anfällig für Microsofts aggressives Bundling von Copilot. Scale AI ist am besorgniserregendsten; die Meta-Investition schafft einen massiven Interessenkonflikt, der wahrscheinlich dauerhaft andere Big-Tech-Kunden entfremdet. Investoren, die diese als „das nächste Palantir“ jagen, ignorieren, dass Palantirs echter Wettbewerbsvorteil seine klebrige, auftragsbezogene Integration in Regierungs-Workflows ist, die keines dieser Unternehmen derzeit repliziert.
Wenn Databricks erfolgreich zu einem primären „Data Operating System“ für LLMs wechselt, könnte seine Fähigkeit, die gesamte KI-Stack zu erfassen, eine Bewertung von 100 Milliarden US-Dollar unabhängig vom Wettbewerb der Hyperscaler rechtfertigen.
"Diese privaten „nächste Palantir“-Kandidaten sind strategisch wichtig, aber bereits wie Gewinner eingepreist und stehen vor realen Hyperscaler-, Regulierungs- und Ausführungsrisiken, die die öffentlichen Aufwärtspotenziale begrenzen könnten."
Der Artikel hebt die Chance auf den Unternehmens-KI-Markt hervor, der über Palantir hinausgeht, und dass Databricks, Glean und Scale strategisch wichtig sind. Aber die privaten Bewertungen sind bereits hoch: Databricks bei ~100–130 Milliarden US-Dollar bei einem ARR von >5 Milliarden US-Dollar (∼20–26x), Glean ~ 7 Milliarden US-Dollar bei 200 Millionen US-Dollar ARR (∼35x) und Scale ~ 29 Milliarden US-Dollar bei ~1 Milliarde US-Dollar Umsatz (∼29x). Diese Multiplikatoren komprimieren die „Rabatt“-These. Fehlender Kontext: Hyperscaler-Bundling (MSFT/Databricks, AWS/Scale) kann ein Eigenwachstum untergraben, Regierungs- und regulatorische Kontrollen (insbesondere für Scale/Meta/DoD-Verbindungen) können das Wachstum beeinträchtigen, und Zyklusintegrationen, Komplexität und Governance-Risiken von Modellen/Daten können die Ausgaben verlangsamen. Der Zugang zum öffentlichen Markt ist auf Eliten beschränkt und frühe Renditen werden Insidern zugewiesen, nicht öffentlichen Käufern.
Wenn die Ausgaben für Unternehmens-KI schneller als erwartet anziehen und diese Unternehmen widerstandsfähige Vorteile (Netzwerkeffekte, proprietäre Daten, tiefe Integrationen) beibehalten, könnten ihre privaten Bewertungen die öffentlichen Aufwärtspotenziale materiell unterschätzen. Darüber hinaus können strategische Partnerschaften mit Hyperscalern (Microsoft mit Databricks, Meta mit Scale) das Wettbewerbsrisiko reduzieren und die Verteilung beschleunigen.
"„Berichtete“ private Metriken übertreiben den Hype für Databricks, Glean und Scale AI und verdecken Ausführungsrisiken und ehrgeizige Pre-IPO-Multiplikatoren, die sich in der Öffentlichkeit selten halten."
Der Artikel wirbt für Databricks (~5 Milliarden US-Dollar ARR, 65 % Wachstum), Glean (~200 Millionen US-Dollar ARR, 2x YoY) und Scale AI (~1 Milliarde US-Dollar Umsatz im Jahr 2024) als „nächste Palantirs“, stützt sich aber auf nicht verifizierte „berichtete“ private Metriken im Vergleich zu PLTRs überprüften Ergebnissen für das 4. Quartal 2025 (70 % Umsatzwachstum, 137 % US Commercial). Databricks’ private Bewertung von 100 Milliarden US-Dollar impliziert ein ~20x ARR-Multiple (bis zu 26x), das das Risiko einer Kompression wie bei Snowflake nach dem Börsengang birgt. Gleans Workflow-KI steht vor Hyperscaler-Bundling (MSFT Copilot), während Scales Meta-Deal zu Kundenabwanderung, Entlassungen und Führungswechsel geführt hat – realen Umsatzrisiken, die heruntergespielt werden. Öffentliche Investoren erhalten indirekten Zugang über MSFT; direkter Zugang ist auf Eliten beschränkt.
Databricks’ 80 % + Abonnementmargen und Fortune 500-Etablierung könnten ein 60 % + Wachstum durch einen Börsengang im Jahr 2026 aufrechterhalten, die gesamte Unternehmens-KI-Infrastrukturkategorie neu bewerten und eine Billionen-Dollar-TAM freisetzen.
"Die „2026 IPO“-These ignoriert die hohe Wahrscheinlichkeit eines sektorweiten Bewertungsrücksetzers, der durch das Versagen der Unternehmens-KI-ROI und die Kompression der Hyperscaler-Margen verursacht wird."
Grok weist das Kompressionsrisiko der Bewertung glaubwürdig an – Snowflake wurde zu 120 Milliarden US-Dollar an die Börse gebracht, jetzt ~40 Milliarden US-Dollar. Aber niemand hat das Timing-Arbitrage-Problem angesprochen: Wenn Databricks im Jahr 2026 zu 15x ARR (ab 20x privat) an die Börse geht, handelt es sich immer noch um 75–97 Milliarden US-Dollar, und die Insider-Sperrfrist endet 6 Monate nach dem Börsengang. Öffentliche Investoren, die nach dem Börsengang kaufen, stehen vor einer Verwässerung durch sekundäre Mittel, nicht vor dem „Rabatt“, den der Artikel verspricht. Das eigentliche Spiel sind nicht diese Börsengänge; es ist, ob Hyperscaler-Bundling ein Eigenwachstum untergräbt, bevor sie an die Börse gehen.
"Private ARR kann durch Pass-Through und Partner-gesteuerte Buchungen materiell aufgebläht werden, was die öffentliche Marktbewertung beeinträchtigt."
Niemand hat diesen Buchhaltungs-Wedge hervorgehoben: Private ARR vermischt oft aufgeblähte Cloud-Ausgaben, Reseller-Aufschläge und einmalige Partner-Engineering-Arbeiten – Artikel, auf die öffentliche Märkte bestehen, dass sie ausgeglichen werden. Dies macht das Wachstum vor dem Börsengang gesünder, erodiert aber die Abonnementmargen und die Qualität der wiederkehrenden Umsätze nach dem Börsengang. Wenn Databricks/Scale/Glean erhebliche Pass-Throughs oder Partner-gesteuerte Buchungen aufweisen, wird die öffentliche Neubewertung nicht nur eine Multiplikatorenkompression, sondern auch einen Qualitätsverlust der Umsätze sein.
"Scale AIs Umsatzqualitätsprobleme werden durch den Meta-Deal noch verstärkt, was zu nachweisbarer Abwanderung und Entlassungen führt, die eine tiefere Pre-IPO-Fragilität signalisieren."
Scales Umsatzqualitätsprobleme werden durch den Meta-Konflikt noch verstärkt, was zu nachweisbarer Abwanderung und Entlassungen führt, die eine tiefere Pre-IPO-Fragilität signalisieren. Dies ist nicht nur ein Haarschnitt; es ist eine Glaubwürdigkeitskrise, die die Festung untergräbt.
"Bewertungscompression und intensiver Wettbewerb durch Hyperscaler"
Die Panelisten stimmen im Allgemeinen darin überein, dass die hohen privaten Bewertungen von Databricks, Glean und Scale AI möglicherweise nicht zu einem ähnlichen Erfolg an der öffentlichen Börse führen, wobei Risiken wie Bewertungscompression, Wettbewerb durch Hyperscaler und potenzielle Probleme mit der Qualität der Umsätze genannt werden. Sie äußern auch Bedenken hinsichtlich der Nachhaltigkeit hoher Wachstumsraten in großem Maßstab und der potenziellen Auswirkungen von Regierungsprüfungen auf Scale AI.
Panel-Urteil
Kein KonsensKeiner hat dies ausdrücklich angegeben.
None explicitly stated
Valuation compression and intense competition from hyperscalers