Wie die neue KI-Ökonomie die globalen Kreditmärkte verändert

Künstliche Intelligenz (KI) stößt einen der bedeutendsten Investitionszyklen der modernen Wirtschaftsgeschichte an. Die Nachfrage nach KI-Rechenkapazität beschleunigt sich bei Hyperscalern, Energieversorgern, Halbleiterherstellern, Bauunternehmen, Immobilienentwicklern und an den Kapitalmärkten. Mehrere Research-Häuser, darunter J.P. Morgan Chase und Bank of America Securities, schätzen, dass daraus in den nächsten fünf Jahren eine globale Investitionswelle von 5 bis 7 Billionen US-Dollar entstehen könnte. Um diesen Zyklus zu verstehen, ist ein integrierter Blick auf Energiemärkte, physische Lieferketten, digitale Infrastruktur und globale Finanzierungsökosysteme erforderlich.

Der Wettbewerb zwingt Hyperscaler dazu, ihre Investitionsausgaben zu beschleunigen – in einigen Fällen bereits, bevor entsprechende Umsätze realisiert werden. Die kombinierten Investitionsausgaben der fünf größten Cloud-Anbieter beziehungsweise Hyperscaler¹ dürften auf Basis des Durchschnitts der Bloomberg-Umfrage unter Sell-Side-Analysten von Anfang Februar von rund 240 Milliarden US-Dollar im Jahr 2024 auf über 580 Milliarden US-Dollar im Jahr 2026 steigen. Dies entspräche einer beispiellosen Verdopplung innerhalb von zwei Jahren.

Finanzierung der KI-Rechenleistungsökonomie über vier Fixed-Income-Märkte

Angesichts des erforderlichen Investitionsvolumens werden künftig zunehmend die Kapitalmärkte – und nicht allein die Bilanzen der Technologieunternehmen – die Finanzierung der KI-Infrastruktur bereitstellen. Insbesondere Fremdkapital dürfte dabei eine zentrale Rolle spielen. Unternehmen mit Investment-Grade-Rating können zur Finanzierung KI-bezogener Investitionsausgaben im Wesentlichen drei miteinander verbundene Fixed-Income-Märkte nutzen: öffentliche Märkte für Investment-Grade-Unternehmensanleihen, verbriefte Kreditanlagen sowie Private Credit und hybride Finanzierungsstrukturen. Unternehmen ohne Investment-Grade-Rating steht vor allem der Leveraged-Finance-Markt offen.

1. Öffentliche Märkte für Investment-Grade-Unternehmensanleihen

Die Emission von Investment-Grade-Unternehmensanleihen aus dem Technologiesektor ist seit Mitte 2025 stark gestiegen und könnte laut Wells Fargo Securities im Jahr 2026 ein Volumen von 350 Milliarden US-Dollar erreichen – getrieben durch die Nachfrage der Hyperscaler. Mehrere große Plattformunternehmen haben in den vergangenen Quartalen milliardenschwere Multi-Tranche-Transaktionen durchgeführt, die in einigen Fällen ihre bislang größten Finanzierungen darstellten. Wir erwarten, dass KI-bezogene Anleiheemittenten den Markt für Investment-Grade-Unternehmensanleihen nutzen werden, um den Großteil ihres Finanzierungsbedarfs zu decken.

Da diese Emittenten in den Benchmarks für Investment-Grade-Unternehmensanleihen an Gewicht gewinnen, könnten sich die Spread-Kurven² versteilern, weil das hohe Neuangebot die Nachfrage nach länger laufenden Anleihen mehr als ausgleichen könnte.

Innerhalb des Technologiesektors dürfte der Markt zudem stärker zwischen unterschiedlichen Bonitäten differenzieren. Dies könnte zu einer stärkeren Staffelung der Kreditrisikoaufschläge im Technologiesektor führen und aktiven Managern zusätzliche Chancen eröffnen.

Das neue KI-bezogene Angebot an Unternehmensanleihen könnte in Benchmarks Konzentrationsdynamiken erzeugen, wie sie nach der globalen Finanzkrise 2008/09 im Bankensektor zu beobachten waren, als große Banken den Markt für Investment-Grade-Unternehmensanleihen zur Rekapitalisierung nutzten. Dies führte dazu, dass Finanzwerte zum größten Sektor in den wichtigsten Investment-Grade-Unternehmensanleiheindizes wurden. Der durch die hohe Emissionstätigkeit ausgelöste Aufwärtsdruck auf die Spreads eröffnete zugleich Chancen, mittels fundamentaler Kreditanalyse solide Emittenten zu identifizieren, die von den negativen technischen Marktkräften miterfasst worden waren.

2. Märkte für verbriefte Kreditanlagen

Asset-Backed Securities (ABS) und Commercial Mortgage-Backed Securities (CMBS)³ am Markt für verbriefte Kreditanlagen bieten einen weiteren Finanzierungskanal für KI-bezogene Vorhaben – wenn auch in deutlich kleinerem Umfang als der Markt für Investment-Grade-Unternehmensanleihen. ABS oder CMBS können beispielsweise zur Finanzierung von Rechenzentren eingesetzt werden, die bereits Cashflows generieren, oder von Stromerzeugungsverträgen, die vertraglich abgesicherte Cashflows liefern. Mit zunehmender Reife größerer KI-Campus dürften Verbriefungsinstrumente aus unserer Sicht bei Refinanzierungen eine wachsende Rolle spielen.

3. Private Credit und hybride Strukturen

Während börsennotierte Unternehmen mit Investment-Grade-Rating in der Vergangenheit nur begrenzt auf private Fremdkapitalfinanzierungen zurückgegriffen haben, stellen diese Märkte einen umfangreichen Kapitalpool dar, der zur Finanzierung von KI-Investitionsausgaben beitragen kann. Kapitalintensive KI-Projekte stützen sich zunehmend auf maßgeschneiderte Finanzierungsstrukturen, die Elemente von Unternehmensfinanzierung, Projektfinanzierung und Verbriefung kombinieren. Emittenten können solche Transaktionen unter bestimmten Voraussetzungen als außerbilanzielle Finanzierungen strukturieren oder Tilgungsprofile wählen, die auf die vom Projekt generierten Cashflows abgestimmt sind. Zahlungsströme aus Leasing- oder Dienstleistungsverträgen können die Besicherung verbessern, während Projektbetreiber Kreditrisiken mit Fremdkapitalgebern teilen können. Die weiter unten beschriebene Beignet-Investor-Transaktion ist ein Beispiel für eine solche hybride Struktur.

4. Leveraged Finance: Hochzinsanleihen und Kredite

Leveraged Finance – also Hochzinsanleihen und breit syndizierte Kredite – dürfte ebenfalls eine unterstützende Rolle bei der Finanzierung des KI-Infrastrukturausbaus spielen, insbesondere für Akteure ohne Investment-Grade-Rating im erweiterten Ökosystem. Während die größten Hyperscaler vor allem Investment-Grade- und private Märkte nutzen werden, eignen sich Hochzinsanleihen und Kredite besonders für Entwickler von Rechenzentren, Energie- und Infrastrukturunternehmen, Ausrüster sowie aufstrebende KI-Infrastrukturplattformen, deren Bilanzen oder Projektrisikoprofile unterhalb von Investment-Grade-Niveau liegen.

J.P. Morgan zufolge verfügen die Leveraged-Finance-Märkte über ausreichende Kapazität, um im Zeitverlauf einen bedeutenden Anteil der KI-bezogenen Finanzierung aufzunehmen – potenziell in einer Größenordnung von 150 Milliarden US-Dollar in den nächsten fünf Jahren. Hochzinsanleihen und Kredite dürften daher eher einzelne Projekte, Wachstumsplattformen und indirekte Profiteure finanzieren als die Hyperscaler selbst. Damit sind sie ein wichtiger, potenziell jedoch zyklischerer und risikosensitiverer Bestandteil des gesamten KI-Finanzierungsmosaiks.

Anlageklassenübergreifendes Research ist entscheidend

Engagements in KI-Infrastruktur zeigen sich in sehr unterschiedlicher Form – etwa bei Chips, Versorgern, Rechenzentren, Stromerzeugung und Industriekomponenten. Aufgrund dieser vielfältigen Nuancen sind wir überzeugt, dass ein globales, anlageklassenübergreifendes Research-Ökosystem, in dem Aktien- und Kreditanalysten eng zusammenarbeiten, entscheidend ist, um diese transformative Phase erfolgreich zu navigieren. Dadurch können Erkenntnisse über Branchen und Kapitalstrukturen hinweg integriert werden, was die Analysetiefe erhöht.

Ein integrierter Research-Rahmen ermöglicht es Kreditanalysten und Fixed-Income-Portfoliomanagern, Spread-Kurven von Unternehmen mit amortisierenden Private-Placement-Fremdkapitalstrukturen zu vergleichen und zu beurteilen, ob Credit Spreads auf Projektebene angemessen für Bau-, Technologie- oder Mieterkonzentrationsrisiken entschädigen. Zudem kann er dazu beitragen, Bewertungen von Rechenzentren über Real Estate Investment Trusts (REITs)⁴, Unternehmensanleihen und Verbriefungsmärkte hinweg vergleichbar zu machen.

Die Identifikation indirekter Profiteure von KI-Investitionsausgaben – beispielsweise in den Bereichen Investitionsgüter, Versorger oder Industrie – ist wichtig, da der von ihnen gebotene zyklische Rückenwind vom Markt möglicherweise unterschätzt wird. In Anlegerportfolios kann dies dazu beitragen, eine Konzentration auf eine einzelne Ausprägung eines KI-bezogenen Themas zu vermeiden und gleichzeitig stabilere Vorteile über mehrere Branchen hinweg zu erschließen.

Nutzung der Komplexitätsprämie

Meta Platforms brachte beispielsweise Ende 2025 Fremdkapital in Höhe von 27 Milliarden US-Dollar an den Markt, um den Bau eines großen KI-Rechenzentrums in Louisiana zu finanzieren. Die als Beignet-Investor-Transaktion bekannte Emission erfolgte über ein Joint Venture zwischen Meta und dem privaten Kreditmanager Blue Owl. Eine gründliche Analyse dieser neuen Anleihen erfordert unter anderem Expertise in Bezug auf die Qualität der KI-Produkte von Meta und deren Energieverbrauch sowie eine präzise Prognose ihrer Cashflows und der Entwicklung des Verschuldungsgrads und der Kreditqualität der Transaktion im Zeitverlauf.

Ähnlich wie die Beignet-Transaktion sind einige KI-getriebene Fremdkapitalstrukturen erheblich komplexer als eine typische Investment-Grade-Unternehmensanleihe mit festem Kupon und fester Endfälligkeit. Anleger, denen die Research-Kompetenz zur Analyse solcher Strukturen fehlt, verlangen häufig einen zusätzlichen Spread – eine Komplexitätsprämie –, um diese Anleihen zu erwerben.

Risikomanagement in einer Ära transformativen Wandels

KI-bezogene Anleihen sind mit erheblichen Risiken verbunden, die sich durch Kreditanalyse, Titelselektion und eine durchdachte Portfoliokonstruktion steuern lassen. Zu den wichtigsten Risiken, die es zu beobachten gilt, zählen:

Angebot: Die größten Risiken bestehen in möglichen Überkapazitäten bei Rechenzentren, Chips und Energieanlagen oder darin, dass sich die KI-Investitionsausgaben gegenüber den derzeit sehr hohen Erwartungen abschwächen.

Transaktionsrisiko: Einzelne KI-getriebene Fremdkapitalemissionen könnten zu stark von einer begrenzten Zahl an Hyperscaler-Mietern abhängig sein oder durch regulatorische beziehungsweise genehmigungsrechtliche Verzögerungen beeinträchtigt werden. Versorger, die regulatorischen Preisbeschränkungen unterliegen, könnten im Zeitverlauf außerstande sein, eine dauerhaft erhöhte Investitionslast zu finanzieren.

Portfoliokonstruktion: Sektorübergreifende Abhängigkeiten vom KI-Thema können Risiken für die Portfoliokonstruktion schaffen.

Der Superzyklus der KI-Infrastruktur dürfte Marktstruktur, Kapitalströme und Sektorperformance über viele Jahre prägen. Kollaboratives Research über Anlageklassen hinweg zur Unterstützung der Kreditanalyse sowie disziplinierte Underwriting-Prozesse werden entscheidend sein, um sich in dieser transformativen Ära wirksam zu positionieren.