ElevenLabs erreicht Bewertung von 22 Milliarden US-Dollar
ElevenLabs ermöglicht Mitarbeitern den Verkauf bereits unverfallbarer Unternehmensanteile im Umfang von 300 Millionen US-Dollar. Die Transaktion bewertet das 2022 gegründete Sprach-KI-Unternehmen mit 22 Milliarden US-Dollar.
Bei einem solchen Tender Offer kaufen Investoren Anteile von bestehenden Anteilseignern. Das Unternehmen nimmt dabei nicht zwangsläufig selbst neues Kapital auf. Geleitet wurde das Angebot von Wellington und T. Rowe Price.
Innerhalb von sieben Monaten hat sich die Bewertung von ElevenLabs von 11 Milliarden auf 22 Milliarden US-Dollar verdoppelt.
Bewertung steigt seit 2025 deutlich
Im Februar 2026 hatte ElevenLabs noch 500 Millionen US-Dollar bei einer Bewertung von 11 Milliarden US-Dollar aufgenommen. Das aktuelle Tender Offer ist bereits das zweite Liquiditätsprogramm für Mitarbeiter.
Im September 2025 konnten Beschäftigte Anteile im Wert von insgesamt 100 Millionen US-Dollar verkaufen. Damals lag die Unternehmensbewertung bei 6,6 Milliarden US-Dollar.
| Zeitpunkt | Transaktion | Volumen | Bewertung |
|---|---|---|---|
| September 2025 | Mitarbeiter-Tender | 100 Millionen US-Dollar | 6,6 Milliarden US-Dollar |
| Februar 2026 | Finanzierungsrunde | 500 Millionen US-Dollar | 11 Milliarden US-Dollar |
| September 2026 | Mitarbeiter-Tender | 300 Millionen US-Dollar | 22 Milliarden US-Dollar |
Wie viele Mitarbeiter ihre Anteile verkauft haben, ist nicht bekannt. Auch zu Umsatz, Profitabilität und anderen operativen Kennzahlen liegen in diesem Zusammenhang keine Angaben vor. Die Bewertung ist deshalb vor allem ein Signal dafür, welchen Preis institutionelle Investoren den privaten Anteilen beimessen.
Sprach-KI wird zur strategischen Plattform
ElevenLabs hat seinen Sitz in New York und London. Das Unternehmen generiert mit KI realistisch klingende menschliche Stimmen und Soundeffekte. Solche Systeme kommen unter anderem in Medienproduktionen, Sprachassistenten und automatisierten Dialogsystemen zum Einsatz.
Für Unternehmen im DACH-Raum hat die Transaktion keine unmittelbare regionale Auswirkung. Relevant ist sie dennoch, weil ElevenLabs auch bei deutschsprachigen Audio- und Voice-Projekten zu den prägenden proprietären Anbietern gehört. Parallel entwickeln sich Sprachagenten technisch weiter, etwa durch Reasoning in Echtzeit-Sprachmodellen.
Hohe Bewertung erhöht das Abhängigkeitsrisiko
Eine Bewertung von 22 Milliarden US-Dollar schafft noch keine Aussage über künftige API-Preise. Sie zeigt aber, wie viel Kapital und Marktmacht sich bei einzelnen Plattformen konzentriert. Unternehmen, die komplette Sprachprozesse eng an eine proprietäre API koppeln, sollten diese Abhängigkeit technisch und kaufmännisch berücksichtigen.
Ein späterer Wechsel betrifft häufig mehr als das Sprachmodell. Stimmen, Aussprachewörterbücher, Freigabeprozesse, Schnittstellen und Qualitätssicherung können auf einen bestimmten Anbieter zugeschnitten sein. Dadurch entstehen Wechselkosten, selbst wenn ein konkurrierendes Modell günstiger angeboten wird.
Eine mögliche Gegenstrategie ist eine austauschbare Integrationsschicht zwischen Anwendung und Sprachdienst. Für sensible Daten oder dauerhaft hohe Nutzung können außerdem selbst betriebene Text-to-Speech-Modelle interessant sein. Der allgemeine Kostenvorteil offener Modellgewichte zeigt sich bereits bei anderen KI-Kategorien, wie der Vergleich zu Open-Weights-Modellen mit deutlich niedrigeren Betriebskosten verdeutlicht.
Was vor einer langfristigen Bindung zu prüfen ist
| Bereich | Prüffrage | Unternehmerische Bedeutung |
|---|---|---|
| Kosten | Lassen sich Nutzung und Lastspitzen kalkulieren? | Schutz vor schwer planbaren variablen Ausgaben |
| Daten | Wo werden Audioinhalte und Metadaten verarbeitet? | Relevanz für Datenschutz und Vertraulichkeit |
| Portabilität | Können Stimmen und Arbeitsabläufe zu einem anderen Anbieter wechseln? | Begrenzung des Vendor-Lock-in |
| Betrieb | Ist Self-Hosting technisch und wirtschaftlich realistisch? | Mehr Datenhoheit, aber zusätzlicher Betriebsaufwand |
Open-Source-Sprachmodelle beseitigen den Aufwand nicht. Sie benötigen Infrastruktur, Überwachung und eigene Qualitätstests. Bei strategischen oder datenintensiven Anwendungen kann dieser Aufwand jedoch kalkulierbarer sein als eine vollständige Abhängigkeit von einer einzelnen Plattform.