Snowflake-Zahlen übertreffen Erwartungen, doch der KI-Verbrauch muss seine Dauerhaftigkeit beweisen
Die Snowflake-Zahlen lieferten eine klare positive Überraschung: Der Quartalsumsatz erreichte 1,55 Milliarden US-Dollar, während der Produktumsatz gegenüber dem Vorjahr um 37 % stieg. Das Ergebnis übertraf den von LSEG gemeldeten Umsatzkonsens von rund 1,48 Milliarden US-Dollar. Snowflake hob zudem seine jährliche Prognose für den Produktumsatz deutlich über die bisherige Guidance an.
Der übertroffene Konsens ist relevant, weil Snowflake ein nutzungsbasiertes Geschäftsmodell betreibt. Kunden zahlen je nach Nutzung von Rechenleistung, Speicher und KI-Diensten, statt über planbare abonnementbasierte Gebühren pro Nutzer. Das schnellere Wachstum deutet daher darauf hin, dass Unternehmens-Workloads zunehmen – und nicht lediglich darauf, dass Kunden längere Verträge abgeschlossen haben.
Die grundlegendere Frage lautet, ob KI Snowflakes Wachstumskurs verändert hat oder lediglich ein starkes Quartal hervorgebracht hat. Databricks, Microsoft, Google, Amazon Web Services und andere Anbieter von Datenplattformen konkurrieren um dieselben KI-Workloads. Snowflake muss nun zeigen, dass die Beschleunigung auf dauerhafter produktiver Nutzung beruht und nicht auf Experimenten, die Kunden später wegoptimieren.
Der Snowflake-Überraschungseffekt ging über eine einzelne Umsatzzahl hinaus
Snowflake übertraf die Erwartungen bei aktuellem Umsatz, künftigen Verpflichtungen und seinem Ausblick für das Gesamtjahr.
Snowflake veröffentlichte am 2. September 2026 die Ergebnisse für das zweite Quartal des Geschäftsjahres 2027. Das Quartal endete am 31. Juli, sodass die Bekanntgabe Aktivitäten abdeckt, die vor dem letzten Monat des dritten Kalenderquartals abgeschlossen waren.
Laut den Quartalsergebnissen erreichte der Gesamtumsatz 1,55 Milliarden US-Dollar. Dies entsprach einem Wachstum von 35 % gegenüber dem Vorjahr. Der Produktumsatz belief sich auf 1,49 Milliarden US-Dollar und stieg um 37 %.
Diese Zahlen müssen getrennt betrachtet werden. Der Gesamtumsatz umfasst Produktumsätze und professionelle Dienstleistungen. Die Produktkennzahl ist besonders wichtig, weil Snowflake sie zur Messung der Nachfrage nach seiner Kernplattform nutzt.
Externe Konsensdaten verorteten den erwarteten Gesamtumsatz bei rund 1,48 Milliarden US-Dollar. Einige Berichte rundeten diese Schätzung anders, doch das wesentliche Ergebnis bleibt unverändert: Snowflake übertraf die durchschnittliche Wall-Street-Prognose um rund 70 Millionen US-Dollar.
Das Management bezeichnete den Zeitraum als das dritte Quartal in Folge mit beschleunigtem Wachstum des Produktumsatzes. Dieses Muster wiegt schwerer als ein einzelnes übertroffenes Ergebnis. Snowflake schloss das Geschäftsjahr 2026 mit einem Produktumsatzwachstum von rund 30 % ab und beschleunigte sich dann in der ersten Hälfte des Geschäftsjahres 2027.
Auch die Kundenindikatoren entwickelten sich in dieselbe Richtung. Snowflake beendete das Quartal mit 828 Kunden, die in den vergangenen zwölf Monaten jeweils mehr als 1 Million US-Dollar an Produktumsatz generierten. Diese Gruppe wuchs gegenüber dem Vorjahr um 27 %.
Das Wachstum bei Großkunden ist wichtig, weil Datenprojekte in Unternehmen oft mit einem eng umrissenen Workload beginnen. Strategische Bedeutung gewinnen sie, wenn weitere Abteilungen, Datensätze, Anwendungen und KI-Systeme auf dieselbe Plattform wechseln.
Snowflake meldete zudem 829 Kunden aus den Forbes Global 2000. Diese Zahl liefert ein separates Maß für die Durchdringung im Unternehmensmarkt, verrät jedoch nicht, wie viel jeder Kunde ausgibt.
Die Net Revenue Retention lag bei 126 %. Diese Kennzahl vergleicht die aktuellen Produktumsätze einer bestehenden Kundengruppe mit den Umsätzen derselben Gruppe ein Jahr zuvor. Ein Wert über 100 % bedeutet, dass Ausweitungen Rückgänge und Kundenverluste übertroffen haben.
Der Wert von 126 % zeigt, dass bestehende Kunden ihre Ausgaben insgesamt erhöhten. Er zeigt jedoch nicht, ob dieses Wachstum gleichmäßig verteilt war. Eine kleine Zahl schnell wachsender KI-Workloads kann nutzungsbasierte Umsätze wesentlich beeinflussen.
Die verbleibenden Leistungsverpflichtungen erreichten 9 Milliarden US-Dollar, ein Plus von 30 % gegenüber dem Vorjahr. Diese Kennzahl steht für vertraglich zugesagte künftige Umsätze, die Snowflake noch nicht erfasst hat. Sie bietet Einblick in die Nachfrage, wobei der Zeitpunkt der Umsatzrealisierung von Kundennutzung und Vertragsbedingungen abhängt.
Nach den allgemein anerkannten Rechnungslegungsgrundsätzen blieb das Unternehmen unprofitabel. Es meldete einen Quartalsnettoverlust von rund 192 Millionen US-Dollar, nach etwa 298 Millionen US-Dollar ein Jahr zuvor. Diese Lücke zwischen bereinigter Performance und GAAP-Profitabilität bleibt Teil der Investmentdebatte.
Insgesamt zeigen diese Zahlen eine breit angelegte Verbesserung. Kunden sagten mehr Geld zu, bestehende Konten weiteten ihren Verbrauch aus, die Zahl großer Kunden stieg, und der ausgewiesene Umsatz übertraf die Erwartungen.
Diese Breite erklärt, warum Anleger sich auf mehr als die Schlagzeile von 1,55 Milliarden US-Dollar konzentrierten. Das Quartal lieferte Hinweise darauf, dass Snowflakes Wachstumsmotor sich über mehrere miteinander verbundene Indikatoren hinweg beschleunigte.
Snowflake hob seine Prognose weit über die bisherige Ausgangsbasis an
Die folgenreichere Veränderung war Snowflakes Entscheidung, die Prognose für den Produktumsatz des Gesamtjahres auf 6,07 Milliarden US-Dollar anzuheben.
Snowflake hatte zuvor für das Geschäftsjahr 2027 mit einem Produktumsatz von rund 5,84 Milliarden US-Dollar gerechnet. Die neue Prognose erhöht diesen Ausblick um etwa 230 Millionen US-Dollar und impliziert ein jährliches Wachstum von 36 %.
Die angehobene Zahl lag auch über dem in frühen Berichten genannten Analystenkonsens von rund 5,86 Milliarden US-Dollar. Es handelte sich nicht um eine geringe Anpassung der Guidance, die lediglich darauf abzielte, die Erwartungen der Wall Street zu erfüllen.
Für das dritte Geschäftsquartal erwartet Snowflake einen Produktumsatz von rund 1,59 Milliarden US-Dollar. Dieser Ausblick lag über einer Analystenschätzung von etwa 1,51 Milliarden US-Dollar im ursprünglichen Nachrichtenbericht und impliziert, dass das Management mit einer Fortsetzung der Dynamik über das berichtete Quartal hinaus rechnet.
Die Marktreaktion spiegelte dieses zukunftsgerichtete Signal wider. Die Snowflake-Aktie stieg nach der Bekanntgabe im nachbörslichen Handel um mehr als 20 %.
Aktienbewegungen bestätigen keine operativen Aussagen eines Unternehmens. Sie zeigen jedoch, wie Anleger die Differenz zwischen der alten und der neuen Prognose interpretierten. In diesem Fall wertete der Markt die angehobene Guidance als Hinweis darauf, dass die Nachfrage die bisherigen Annahmen übertroffen hatte.
Das Ausmaß der Anpassung ist bedeutsam, weil Snowflake die Erwartungen bereits früher im Geschäftsjahr angehoben hatte. Eine weitere Erhöhung deutet darauf hin, dass das Unternehmen nach Festlegung seiner vorherigen Prognose einen stärkeren Verbrauch beobachtete.
Nutzungsbasierte Modelle können Veränderungen der Nachfrage schneller sichtbar machen als traditionelle Abonnementverträge. Wenn Kunden mehr Abfragen ausführen, größere Datensätze verarbeiten oder mehr KI-Modelle aufrufen, kann der Umsatz bereits im selben Quartal steigen.
Dieselbe Sensitivität birgt Risiken. Kunden können Workloads optimieren, unnötige Abfragen reduzieren oder Projekte verschieben. Snowflake erlebte diesen Druck in früheren Perioden, als Unternehmen ihre Cloud-Ausgaben stärker prüften.
Dieses Quartal deutet darauf hin, dass wachsende Workloads diese Optimierungsbemühungen überwogen. Es bedeutet nicht, dass Optimierung verschwunden ist. Kunden werden weiterhin nach besserer Leistung je Einheit Rechenleistung suchen, insbesondere da KI-Inferenz die Infrastrukturkosten erhöht.
Snowflake stellte außerdem für das Gesamtjahr eine Non-GAAP-Betriebsmarge von 14,5 % in Aussicht. Die erwartete bereinigte Non-GAAP-Free-Cashflow-Marge lag bei 23 %.
Diese Margenziele sind wichtig, weil KI-Workloads teuer in der Bereitstellung sein können. Modellinferenz, beschleunigte Rechenleistung, Netzwerke und Speicher verursachen Kosten, die sich von herkömmlichen Analyseabfragen unterscheiden.
Das Management steht daher gleichzeitig vor zwei Prüfungen. Snowflake muss den KI-bezogenen Verbrauch steigern und zugleich akzeptable Brutto- und Betriebsmargen sichern. Wachstum, das durch unwirtschaftliche Rechenleistung erzielt wird, würde den Wert der Umsatzbeschleunigung mindern.
Snowflakes langfristige Infrastrukturverpflichtungen fügen eine weitere Ebene hinzu. Das Unternehmen unterzeichnete im vorigen Quartal eine fünfjährige Vereinbarung über erwarteten AWS-Infrastrukturverbrauch im Wert von 6 Milliarden US-Dollar.
Diese Verpflichtung kann Kapazitäten sichern und die Wirtschaftlichkeit verbessern. Sie erhöht aber auch die Bedeutung einer anhaltenden Plattformnachfrage, da Snowflake genügend Kundenverbrauch erzeugen muss, um die Infrastruktur effizient zu nutzen.
Die neue Prognose zeigt, dass das Management derzeit ausreichend Nachfrage sieht, um seine Erwartungen anzuheben. Die kommenden Quartale werden zeigen, ob dieses Vertrauen Veränderungen bei Kundenbudgets und Recheneffizienz übersteht.
KI entwickelt sich von einer Feature-Story zu einer Verbrauchs-Story
Die zentrale Umkehr besteht darin, dass KI offenbar die Nachfrage nach Snowflakes Kerndatenplattform steigert, statt sie zu umgehen.
Das pessimistische Argument rund um Unternehmens-KI war einfach. Neue Modelle könnten Unternehmen ermöglichen, direkt mit Informationen aus bestehenden Systemen zu interagieren und so den Bedarf an einem separaten Cloud-Data-Warehouse verringern.
Snowflake präsentiert das gegenteilige Ergebnis. Die Plattform liegt zwischen Unternehmensdaten und KI-Anwendungen und stellt Speicher, Rechenleistung, Governance, Suche und Zugriffskontrollen bereit. KI-Anwendungen können in dieser Umgebung zusätzliche Abfragen und Datenverarbeitungsaktivitäten erzeugen.
CFO Brian Robins sagte, das Quartal habe „einen bedeutenden Anstieg der KI-Umsätze“ umfasst. Zudem stellte er einen Zusammenhang zwischen dem Ergebnis und der anhaltenden Stärke von Snowflakes Kerngeschäft mit Datenplattformen her.
Diese Unterscheidung ist wichtig. KI fungiert nicht als vollständig eigenständige Produktkategorie. Sie kann die Nachfrage nach bestehenden Data Warehouses, Datenpipelines, Governance-Systemen und Anwendungsinfrastruktur erhöhen.
Snowflake Intelligence liefert ein Beispiel. Das Produkt ermöglicht es Geschäftsanwendern, über eine dialogorientierte Oberfläche Fragen über Unternehmensdaten zu stellen. Hinter dieser Oberfläche muss Snowflake weiterhin autorisierte Daten identifizieren, relevante Informationen abrufen und kontrollierte Berechnungen ausführen.
Cortex AI bietet Dienste für den Aufbau und Betrieb generativer KI-Anwendungen innerhalb von Snowflake. Cortex AI SQL integriert modellgestützte Vorgänge in SQL, die gängige Sprache zur Abfrage strukturierter Daten.
Ein von Snowflake verfasstes technisches Papier beschreibt, wie Cortex AI SQL die Kosten der Modellinferenz als Teil der Abfrageplanung behandelt. Das System kann einfachere Aufgaben kostengünstigeren Modellen zuweisen und leistungsfähigere Modelle für unsichere Fälle reservieren.
Dieser Mechanismus verbindet die KI-Einführung unmittelbar mit Snowflakes wirtschaftlicher Herausforderung. Kunden wollen nützliche Modellergebnisse, benötigen aber zugleich vorhersehbare Latenzen und beherrschbare Rechenkosten.
Wenn Snowflake die Kosten einer KI-Abfrage senkt, könnten Kunden pro Anfrage weniger ausgeben. Niedrigere Kosten können jedoch auch zusätzliche produktive Anwendungsfälle praktikabel machen und das gesamte Abfragevolumen erhöhen.
Diese Dynamik ähnelt früheren Optimierungszyklen in der Cloud. Effizientere Infrastruktur senkt nicht automatisch die Umsätze eines Anbieters. Niedrigere Stückkosten können höheren Verbrauch anregen, wenn Kunden mehr Workloads als lohnend ansehen.
Snowflakes bestehende Datenposition hilft dabei. KI-Systeme für Unternehmen benötigen mehr als Zugriff auf ein Sprachmodell. Sie brauchen aktuelle Geschäftsinformationen, Berechtigungskontrollen, Qualitätsprüfungen, Datenherkunft und Überwachung.
Diese Anforderungen werden besonders wichtig, wenn ein KI-Agent Handlungen ausführen kann. Eine falsche Zusammenfassung verursacht Unannehmlichkeiten. Eine falsche automatisierte Handlung kann Finanzunterlagen, Kunden, Bestände oder regulierte Prozesse beeinträchtigen.
Snowflake versucht, zur kontrollierten Ausführungsebene für diese Systeme zu werden. Die Chance des Unternehmens beschränkt sich nicht darauf, Zugang zu proprietären Modellen zu verkaufen. Kunden können verschiedene Modellanbieter nutzen und zugleich Daten sowie Kontrollrichtlinien innerhalb von Snowflake behalten.
Dieser Ansatz erklärt auch, warum das Kerngeschäft der Plattform parallel zu den KI-Umsätzen beschleunigte. Bevor ein Kunde einen KI-Agenten einsetzt, muss er möglicherweise Informationen konsolidieren, die Datenqualität verbessern und Zugriffsregeln festlegen.
Diese vorbereitenden Workloads erzeugen eine herkömmliche Nutzung von Datenplattformen. KI kann daher den Umsatz steigern, bevor die endgültige Anwendung breit in den Produktivbetrieb geht.
Die Ergebnisbesprechung des Unternehmens hob zudem Migrationen von älteren Datensystemen hervor. Diese Migrationen bleiben eine eigenständige Wachstumsquelle, doch die Dringlichkeit rund um KI kann sie beschleunigen.
Ein Unternehmen kann fragmentierte Daten tolerieren, wenn Mitarbeitende Berichte manuell zusammenstellen. Dieselbe Fragmentierung wird zu einem größeren Hindernis, wenn ein KI-System abteilungsübergreifend zuverlässigen und unmittelbaren Zugriff benötigt.
Snowflakes stärkstes Argument geht daher über „Kunden wollen KI“ hinaus. Es lautet: Nützliche Unternehmens-KI steigert die Nachfrage nach strukturierten, kontrollierten und rechnerisch zugänglichen Daten.
Wissensarbeiter stehen in kleinerem Maßstab vor einem ähnlichen Problem. Ein Modell kann Fragen nicht zuverlässig beantworten, wenn relevante Notizen und Dokumente verstreut bleiben. Eine durchsuchbare persönliche Wissensdatenbank wendet dasselbe Grundprinzip auf die individuelle Arbeit an.
Für Snowflake ergibt sich die Umsatzchance daraus, dieses Prinzip in großen Organisationen anzuwenden. Jedes KI-System im Produktivbetrieb kann neue Nachfrage nach Datenaufbereitung, Abruf, Sicherheit und Monitoring erzeugen.
Deshalb ist dieses Quartal bedeutender als eine isolierte Ankündigung eines KI-Produkts. Snowflake meldete Hinweise darauf, dass KI-bezogene Aktivitäten inzwischen die ausgewiesenen Umsätze und die Jahresprognose beeinflussen.
Databricks und die Cloud-Giganten halten den Druck hoch
Snowflakes Ergebnisse stärken seine Position, entscheiden den Wettbewerb um KI-Datenworkloads in Unternehmen jedoch nicht.
Databricks bleibt der deutlichste direkte Konkurrent. Das Unternehmen erarbeitete sich seinen Ruf im Data Engineering und Machine Learning, während Snowflake zunächst vor allem für Cloud Data Warehousing bekannt wurde.
Beide Unternehmen haben sich über diese Ausgangspunkte hinaus entwickelt. Snowflake ergänzte Entwicklertools, Machine-Learning-Dienste, Unterstützung für offene Tabellenformate und KI-Produkte. Databricks rückte stärker in Analytics, SQL-Workloads, Governance und Business Intelligence vor.
Diese Annäherung bedeutet, dass Käufer beide Anbieter zunehmend anhand derselben Anforderungen bewerten. Dazu zählen Data Engineering, Analytics, Modellentwicklung, Governance, Anwendungsbereitstellung und Unterstützung für offene Formate.
Snowflakes Umsatzbeschleunigung deutet darauf hin, dass Databricks das Unternehmen nicht daran gehindert hat, seine Präsenz in großen Unternehmen auszubauen. Auch die umgekehrte Schlussfolgerung wäre zu weitgehend. Viele Unternehmen nutzen beide Plattformen und weisen ihnen unterschiedliche Workloads zu.
Microsoft, Google und AWS sorgen für eine weitere Art von Druck. Jeder dieser Anbieter kontrolliert eine bedeutende Cloud-Umgebung und bietet integrierte Daten-, Analytics- und KI-Dienste an.
Microsoft kann Azure-Infrastruktur, Fabric, Power BI und seine Beziehungen zu OpenAI kombinieren. Google bietet BigQuery, Vertex AI und seine Gemini-Modelle. AWS verbindet seine Infrastrukturpräsenz mit Redshift, Bedrock, SageMaker und verwandten Diensten.
Diese Unternehmen können Daten- und KI-Produkte gemeinsam mit umfassenderen Cloud-Verpflichtungen bündeln. Außerdem kontrollieren sie die zugrunde liegende Infrastruktur, auf der Snowflake seinen Dienst bereitstellt.
Snowflakes Antwort ist Multi-Cloud-Verfügbarkeit und eine konsistente Plattform über verschiedene Anbieter hinweg. Das kann für Unternehmen attraktiv sein, die ihre Abhängigkeit von einem einzelnen Cloud-Anbieter verringern oder Daten über mehrere Umgebungen hinweg verwalten möchten.
Eine Multi-Cloud-Architektur bringt jedoch eigene Kosten mit sich. Das Verschieben von Informationen zwischen Regionen oder Anbietern kann Netzwerkkosten, Governance-Komplexität und Latenz verursachen.
Offene Datenformate haben die Wettbewerbslage ebenfalls verändert. Apache Iceberg, ein offenes Tabellenformat, ermöglicht mehreren Rechen-Engines die Arbeit mit denselben zugrunde liegenden Datendateien.
Snowflake unterstützt Iceberg, weil Kunden zunehmend eine Trennung zwischen Datenspeicherung und der Rechen-Engine eines einzelnen Anbieters wünschen. Databricks wirbt mit vergleichbarer Offenheit durch Technologien, die mit dem Lakehouse-Ansatz verbunden sind.
Diese Entwicklung verschafft Kunden mehr Flexibilität. Sie schwächt zugleich den traditionellen Vorteil, Daten und Rechenleistung in einer proprietären Umgebung einzuschließen.
Snowflake muss daher über Performance, Governance, Entwicklererlebnis und integrierte Dienste konkurrieren. Die bloße Speicherung von Kundendaten reicht nicht mehr aus.
KI erhöht diesen Druck, weil Modellanbieter und Anwendungsentwickler Zugriff auf Daten wünschen, ohne diese unnötig zu verschieben. Die Plattform, die den einfachsten kontrollierten Zugriff ermöglicht, kann mehr nachgelagerte Rechenleistung gewinnen.
Snowflakes Zahlen für das zweite Quartal zeigen, dass Kunden derzeit mehr Aktivitäten auf seine Plattform verlagern. Die verbleibenden Leistungsverpflichtungen und das Wachstum bei Großkunden deuten darauf hin, dass das Unternehmen zugleich längerfristige Zusagen sichert.
Diese Zusagen garantieren jedoch keine exklusive Nutzung. Ein Unternehmen kann einen großen Snowflake-Vertrag abschließen und gleichzeitig Databricks, Microsoft Fabric oder Google BigQuery an anderer Stelle ausbauen.
Auch die Kundenkonzentration verdient Aufmerksamkeit. Das Wachstum bei Konten mit Ausgaben von mehr als 1 Million US-Dollar ist ermutigend, doch große Unternehmen verfügen über beträchtliche Verhandlungsmacht. Sie können Rabatte aushandeln und Workloads verlagern, wenn sich die wirtschaftlichen Bedingungen ändern.
Snowflakes nutzungsbasiertes Modell macht Wettbewerbsveränderungen über die Nutzung sichtbar. Wenn ein Kunde Machine-Learning-Training oder KI-Inferenz in eine andere Umgebung verlagert, könnte Snowflake die Auswirkungen spüren, bevor ein Abonnementvertrag ausläuft.
Diese Sensibilität erklärt teilweise, warum Investoren so stark auf das Quartal reagierten. Beschleunigter Verbrauch liefert ein vergleichsweise unmittelbares Signal dafür, dass Snowflake genügend Workloads gewinnt, um Wettbewerbs- und Optimierungsdruck zu überwinden.
Die frühere Jahresmeldung des Unternehmens nannte Wettbewerb, Infrastrukturabhängigkeit, Sicherheit und Kundenoptimierung als fortbestehende Risiken. Ein starkes Quartal verändert die aktuelle Evidenz, nicht aber diese strukturellen Bedingungen.
Snowflake hat sich eine stärkere Position in der Debatte erarbeitet. Von ihr ausgenommen ist das Unternehmen damit nicht.
Was die Zahlen weiterhin nicht belegen
Snowflake hat gezeigt, dass KI zu schnellerem Wachstum beigetragen hat, aber die Nachhaltigkeit oder Wirtschaftlichkeit dieses Beitrags noch nicht vollständig offengelegt.
Das Management erklärte, dass die KI-Umsätze deutlich gestiegen seien. Die öffentliche Ergebnisveröffentlichung enthielt keine vollständige eigenständige Kennzahl zu KI-Umsätzen, Kundenkohorten oder Bruttomargen für diese Workloads.
Diese Auslassung begrenzt die externe Analyse. Investoren können das schnellere Wachstum der Produktumsätze beobachten, aber KI-Verbrauch nicht präzise von Migrationen, herkömmlicher Analytics, Speicherung, Preisgestaltung oder anderen Plattformdiensten trennen.
Auch Kennzahlen zur Kundenakzeptanz benötigen Kontext. Ein Konto kann eine KI-Funktion aktivieren, ohne sie in einen kritischen Produktionsprozess zu überführen. Tests, Demonstrationen und begrenzte abteilungsinterne Bereitstellungen können alle als Nutzung zählen.
Produktions-Workloads verhalten sich meist anders. Sie verarbeiten mehr Daten, erfordern strengere Sicherheit und laufen wiederholt. Zudem werden sie von Finanz-, Rechts- und Infrastrukturteams genauer geprüft.
Die nächste Frage lautet daher nicht, ob Kunden Zugang zu Snowflakes KI-Produkten erhalten können. Entscheidend ist, ob diese Produkte zu wiederkehrenden Bestandteilen des Geschäftsbetriebs werden.
Die Volatilität des Verbrauchs bleibt eine weitere Unsicherheit. Die KI-Entwicklung erzeugt oft zunächst einen Schub, wenn Teams Daten vorbereiten, Modelle testen und Architekturen vergleichen. Die Nutzung kann zurückgehen, wenn ein Projekt endet oder in eine Optimierungsphase eintritt.
Snowflakes angehobene Prognose für das dritte Quartal verringert die Sorge vor einer unmittelbaren Umkehr. Sie belegt jedoch noch kein mehrjähriges Muster.
Auch das Verhältnis zwischen Effizienz und Umsatz bedarf einer sorgfältigen Einordnung. Snowflake verbessert die Rechenleistung fortlaufend, damit Kunden mehr Arbeit mit weniger Credits erledigen können.
Diese Verbesserung stärkt den Kundennutzen und die Wettbewerbsfähigkeit. Kurzfristig kann sie jedoch den Umsatz eines unveränderten Workloads senken. Snowflake benötigt neue Workloads und höhere Aktivität, um diese Effizienzgewinne auszugleichen.
KI könnte diese zusätzliche Nachfrage liefern. Das Quartal stützt diese Sicht, doch künftige Ergebnisse müssen zeigen, dass die Entstehung neuer Workloads die Optimierung dauerhaft übersteigt.
Die Margen liefern einen zweiten Test. Snowflake erwartet für das Gesamtjahr eine Non-GAAP-Produktbruttomarge von 74 % sowie eine Non-GAAP-Betriebsmarge von 14,5 %.
Diese Werte deuten darauf hin, dass das Management trotz steigender KI-Aktivität mit erheblicher Profitabilität rechnet. Investoren sollten dennoch beobachten, ob Modellinferenz und beschleunigte Rechenleistung Druck auf die Produktbruttomarge ausüben.
Die GAAP-Profitabilität bleibt offen. Snowflakes Quartalsnettoverlust von rund 192 Millionen US-Dollar hat sich verbessert, zeigt jedoch, dass bereinigte Gewinne nicht alle wesentlichen Kosten erfassen.
Aktienbasierte Vergütung bleibt ein wichtiger Unterschied zwischen GAAP- und Non-GAAP-Ergebnissen. Sie erfordert nicht dieselbe unmittelbare Barzahlung wie Löhne, kann jedoch bestehende Aktionäre verwässern, wenn Unternehmen zusätzliche Aktien ausgeben.
Die Marktreaktion schafft eine eigene Herausforderung. Eine höhere Bewertung legt mehr Gewicht auf die zukünftige Umsetzung. Snowflake muss nun eine Jahresprognose erfüllen, die deutlich über dem früheren Plan liegt.
Unternehmensbudgets bringen zusätzliche Unsicherheit. KI bleibt eine Priorität des Managements, doch viele Organisationen ermitteln noch, welche Anwendungsfälle messbare Erträge liefern.
Sicherheit und Zuverlässigkeit können Bereitstellungen verlangsamen. Unternehmen erlauben einem KI-Assistenten möglicherweise, interne Dokumente zusammenzufassen, bevor sie einem Agenten gestatten, Datenbanken zu aktualisieren oder operative Workflows auszulösen.
Die Datenqualität stellt eine weitere Einschränkung dar. Ein KI-System kann Informationen schnell abrufen und dennoch unzuverlässige Antworten liefern, wenn die Quelldaten inkonsistent, unvollständig oder schlecht kontrolliert sind.
Snowflake kann Infrastruktur für Governance bereitstellen, aber nicht automatisch jeden organisatorischen Prozess korrigieren, der zu schwachen Daten geführt hat. Erfolgreiche Bereitstellungen erfordern technische Arbeit und operative Disziplin von Kunden.
Diese Einschränkungen entkräften das Quartal nicht. Sie definieren den Maßstab, den Snowflake als Nächstes erfüllen muss. Das Unternehmen muss das frühe KI-Interesse in wiederkehrenden Produktionsverbrauch umwandeln, ohne Margen oder Vertrauen zu opfern.
Drei Signale werden zeigen, ob Snowflakes Beschleunigung anhalten kann
Der Verbrauch im dritten Quartal, die Wirtschaftlichkeit von KI und wettbewerbliche Workload-Gewinne werden bestimmen, ob dieses Quartal eine nachhaltige Veränderung markiert.
Das erste Signal ist Snowflakes Produktumsatz im dritten Fiskalquartal. Das Management erwartet rund 1,59 Milliarden US-Dollar und liegt damit deutlich über der in ersten Berichten genannten früheren Analystenschätzung.
Das Erreichen dieses Ziels würde zeigen, dass sich die Beschleunigung des zweiten Quartals nach Juli fortgesetzt hat. Eine weitere Anhebung der Prognose würde das Argument stärken, dass das Management die Nachfrage weiterhin unterschätzt hat.
Ein Verfehlen würde die KI-These nicht automatisch widerlegen. Der Verbrauch kann sich aufgrund von Kundenzeitplänen und saisonaler Aktivität zwischen Quartalen verschieben. Ein deutlicher Rückstand würde dennoch Fragen zur Nachhaltigkeit des jüngsten Workload-Wachstums aufwerfen.
Die Netto-Umsatzbindung sollte zusammen mit den Produktumsätzen gelesen werden. Eine stabile oder steigende Rate würde darauf hindeuten, dass bestehende Kunden weiter expandieren. Ein Rückgang würde nahelegen, dass neue Kundenaktivität einen größeren Teil der Arbeit leistet.
Das zweite Signal ist das Verhältnis zwischen KI-Umsatz und Margen. Snowflake muss zeigen, dass die zunehmende Modellnutzung mit seinen Zielen für Bruttomarge und bereinigten freien Cashflow vereinbar ist.
Investoren sollten die Produktbruttomarge, Infrastrukturkosten und die Kommentare des Managements zur Inferenz-Effizienz beobachten. Wenn die Margen bei steigender KI-Nutzung halten, wirkt Snowflakes Plattformökonomie stärker.
Wenn die Margen nachgeben, wird der Markt beurteilen müssen, ob der Druck vorübergehende Investitionen oder einen strukturell kostspieligeren Workload-Mix widerspiegelt.
Das dritte Signal sind Belege für Wettbewerbserfolge im produktiven Einsatz. Kundenankündigungen sind besonders aussagekräftig, wenn sie bereitgestellte Systeme, wiederholte Nutzung, messbaren Verbrauch und eine Ausweitung über Abteilungen hinweg beschreiben.
Allgemeine Partnerschaftsankündigungen liefern weniger Belege. Ein Unternehmen kann Zugang zu einem Modell oder einer Integration ankündigen, ohne nennenswerte Plattformumsätze zu erzielen.
Auch Migrationsaktivitäten werden die Wettbewerbsstärke offenlegen. Wenn Unternehmen ältere Warehouses oder fragmentierte Datensysteme zu Snowflake migrieren, schaffen sie die Grundlage für künftigen Analyse- und AI-Verbrauch.
Die überzeugendsten Fälle werden Migrationen mit produktiver AI kombinieren. Diese Kombination stützt Snowflakes Argument, dass AI die Kernplattform erweitert, anstatt sie zu ersetzen.
Databricks, Microsoft, Google und AWS werden weiterhin konkurrierende Dienste veröffentlichen. Ihre Reaktionen werden zeigen, ob Snowflake einen eigenständigen Vorteil bei Governance und Verbrauch geschaffen hat oder lediglich in einen überfüllten Funktionswettlauf eingestiegen ist.
Unternehmenskäufer sollten Plattformen auf Ebene der jeweiligen Workloads vergleichen. Speicherort der Daten, Governance-Anforderungen, Unterstützung offener Formate, Modellauswahl, Leistung und gesamte Betriebskosten sind wichtiger als eine einzelne Quartalsmeldung.
Entwickler sollten beobachten, wie einfach sich Snowflakes AI-Dienste von Prototypen in überwachte Anwendungen überführen lassen. Die Bereitstellungsgeschwindigkeit ist wichtig, doch Zuverlässigkeit und Kostenkontrolle entscheiden darüber, ob diese Anwendungen Budgetprüfungen überstehen.
Wissensarbeiter sollten mit einem stärkeren dialogorientierten Zugriff auf Unternehmensdaten rechnen. Sie sollten auch fragen, welche Quellen eine Antwort stützen, welche Berechtigungen gelten und ob das System verifizierte Informationen von generiertem Text unterscheiden kann.
Snowflakes Ergebnisse des zweiten Quartals liefern bislang die stärksten Belege dafür, dass AI den Plattformverbrauch steigert. Umsatz, Bindungsraten, Verpflichtungen und Prognosen entwickelten sich allesamt günstig.
Die verbleibende Prüfung ist die Wiederholbarkeit. Beobachten Sie das Produktumsatzziel von 1,59 Milliarden US-Dollar für das dritte Quartal, die Kommentare zu AI-bezogenen Margen und namentlich genannte produktive Bereitstellungen. Diese drei Signale werden zeigen, ob die Snowflake-Ergebnisse eine nachhaltige Beschleunigung markieren oder ein außergewöhnlich starkes Quartal.
