Warum der KI-Investitionszyklus längerfristig sein dürfte

Die rasante Beschleunigung künstlicher Intelligenz (KI) hat die Kapitalallokation auf unbekanntes Terrain getrieben. Die jährlichen Investitionen von Hyperscalern in KI-Infrastrukturen werden 2027 voraussichtlich USD 600 Mrd.¹  übersteigen. Für Investoren stellt sich natürlich die Frage, ob dieser Anstieg eine rationale, wertschöpfende Investition darstellt oder aber Überkapazitäten und eine potenzielle Kapitalvernichtung zur Folge haben wird.

"... unsere Analyse deutet darauf hin, dass dieser Zyklus noch zwei bis drei Jahre andauern kann, bevor er sich seiner ersten echten Bewährungsprobe stellen muss."

Wir glauben, dass sich der KI-Investitionszyklus aus einer traditionellen Boom-Bust-Perspektive nur unzureichend erfassen lässt. Stattdessen ähnelt der Zyklus einem zwangsläufigen strukturellen Gleichgewicht, das durch Wettbewerbsdynamik, physische Angebotsbeschränkungen und anhaltende Skaleneffekte geprägt ist. Das Verständnis dieser Kräfte ist unerlässlich, um zu erkennen, wo sich im Verlauf dieses Zyklus langfristige Chancen ergeben. Unter Berücksichtigung der Dynamiken des Nash-Gleichgewichts²  der geknickten Nachfrage und des unelastischen Angebots, interner Kapazitätsabwägungen, dauerhafter Skalierungsgesetze und der Kluft zwischen der Wertschöpfung und der Partizipation daran kommt unsere Analyse zu dem Schluss, dass dieser Zyklus noch zwei bis drei Jahre andauern kann, bevor sich seiner ersten echten Bewährungsprobe stellen muss. Das größere Risiko besteht darin, dass die Monetarisierung hinter den Investitionen zurückbleibt, was trotz der anhaltenden strategischen Gründe zu einer volatilen Stimmung führt.

Wettbewerbsgleichgewicht, kein Ausgabenrausch

Hyperscaler stehen vor einer binären Entscheidung: entweder sie investieren aggressiv in KI-Infrastruktur oder sie laufen Gefahr, ins Hintertreffen zu geraten. Entscheidend ist, dass aggressive Investitionen unabhängig von den Entscheidungen der Konkurrenz die bevorzugte Strategie bleiben. Unternehmen, die sich zurückhalten, während andere die Investitionen beschleunigen, laufen Gefahr, monopolähnliche Wirtschaftsstrukturen aufzugeben, die strategische Kontrolle über die Entwicklung der Plattform zu verlieren und den nächsten Plattformwechsel zu verpassen – Kosten, die sich in Extremszenarien, in denen die Fähigkeiten in Richtung agenterischer Systeme skalieren, erheblich summieren. Diese Dynamik schafft ein Nash-Gleichgewicht, in dem nachhaltige Investitionsausgaben gerechtfertigt sind, selbst wenn die kurzfristigen Renditen auf Projektebene sinken.

Wichtig ist, dass die großen Hyperscaler über die finanziellen Mittel verfügen, um dieses Gleichgewicht aufrechtzuerhalten. Hyperscaler generieren Cashflows in einem historisch seltenen Ausmaß, mit Netto-Cashpositionen und in den meisten Fällen hohen Margen in ihren Kerngeschäften. In diesem Zusammenhang geht es bei der Kapitaldisziplin weniger um die absolute Höhe der Ausgaben als vielmehr darum, die strategische Relevanz in einem sich schnell skalierenden Ökosystem aufrechtzuerhalten. Die Schlussfolgerung für Anleger ist klar: Fortgesetzte Investitionen stellen das Basisszenario dar. Vor diesem Hintergrund kommt es darauf an, jene Unternehmen zu identifizieren, bei denen die Ausgaben in einer robusten Wirtschaftlichkeit münden.

Warum die Ausweitung des Angebots nicht zu einem Preisverfall führt

Die Preise für KI-Rechenleistung haben sich trotz massiver Kapazitätserweiterungen als widerstandsfähiger erwiesen, als es viele erwartet hatten. Eine geknickte Nachfragekurve³ liefert einen Teil der Erklärung, warum dies der Fall ist (Abbildung 1). Oberhalb einer Preisgrenze (in diesem Beispiel 35 USD) ist die Nachfrage relativ unelastisch, da Unternehmen und strategische Nutzer KI unabhängig von den Kosten als geschäftskritisch betrachten. Unterhalb dieser Preisschwelle entsteht schnell eine latente Nachfrage, da eine versuchsweise Nutzung, neue Anwendungsfälle und interne Modelltrainingsarbeiten wirtschaftlich rentabler werden.

Auf der Angebotsseite bestehen weiterhin erhebliche Engpässe. Die Vorlaufzeiten für die Energieinfrastruktur betragen derzeit drei bis fünf Jahre. Die Herstellung moderner Halbleiter erfordert Investitionen in Milliardenhöhe und lange Bauzeiten. Gleichzeitig schränken Speicher, Netzwerke, die Verfügbarkeit von Grundstücken sowie lange Genehmigungsverfahren das Tempo ein, in dem Kapazitäten ausgebaut werden können. Unter diesen Bedingungen führt ein zusätzliches Angebot oft eher zu einem Volumenanstieg als zu einem Preisrückgang – ein modernes Jevons-Paradoxon.⁴ Die geknickte Nachfragekurve erklärt, warum das Jevons-Paradoxon im Bereich KI-Rechenleistung so stark zum Tragen kommt. Sobald der Preis unter den Schwellenwert (35 USD) fällt, bedeutet die nahezu horizontale Nachfragekurve (D, blau markiert), dass jede Angebotssteigerung sofort durch die latente Nachfrage absorbiert wird. Der Verbrauch wird ausgeweitet, um die Kapazität mit minimalen Preisauswirkungen zu erreichen. Für Anleger deutet diese Dynamik darauf hin, dass die Befürchtungen eines sofortigen Preisverfalls übertrieben sein dürften. Die entscheidende Einschränkung bezieht sich nicht auf die Nachfrage, sondern auf die physischen und logistischen Grenzen der Angebotsausweitung.

Zuweisung von Kapazitäten: der interne Kompromiss

Die Knappheit führt zu einer Entscheidung zweiter Ordnung: Wie sollen begrenzte Rechenkapazitäten auf miteinander konkurrierende Prioritäten verteilt werden? Im Großen und Ganzen verteilen sich die Kapazitäten auf drei Verwendungsbereiche: umsatzgenerierende Dienstleistungen, interne Produktverbesserungen und langfristige Forschung und Entwicklung (F&E). Auch wenn sich die Kombination dieser Einsatzbereiche in den verschiedenen Phasen verändert, stellt der Bereich F&E eher eine Wettbewerbsgrundlage dar als eine freiwillige Entscheidung. Der Kompromiss ist brutal, da kaum Spielraum herrscht. Jede Stunde, die eine Grafikprozessoreinheit (GPU) für die Generierung externer Einnahmen einsetzt, verzögert die Entwicklung von Fähigkeiten, während jede Stunde, die eine GPU für das Modelltraining aufwendet, kurzfristige Einnahmen verzögert. Eine Ausrichtung auf F&E kann den langfristigen Wettbewerbsvorteil auf Kosten der kurzfristigen Margen verstärken. Diejenigen, die sich dafür entscheiden, den Umsatz zu priorisieren, können zwar kurzfristig die Wirtschaftlichkeit verbessern, riskieren jedoch, die langfristige Marktführerschaft aufzugeben, wenn die F&E-Investitionen unter die der Konkurrenz fallen.

Diese „Red Queen“-Dynamik,⁵ bei der man alles tut, nur um auf der Stelle zu treten, erklärt, warum es branchenweit schwierig ist, Kapitaldisziplin durchzusetzen. Aus Sicht der Anleger wird dadurch auch deutlich, warum die Unterscheidung zwischen Gewinnern und Verlierern zunehmend von der Umsetzung, Effizienz und regulatorischen Positionierung abhängt und nicht mehr allein von den Schlagzeilen über die Höhe der Ausgaben.

Skalierungsgesetze und Argumente, die für ein Fortbestehen sprechen

Die wirtschaftlichen Argumente für Investitionen in KI basieren letztendlich auf Skalierungsgesetzen. Empirische Belege führender Forschungseinrichtungen zeigen, dass sich die Modellfähigkeiten mit zunehmender Rechenleistung in vorhersehbarer Weise verbessert haben. Solange eine schrittweise Erhöhung der Rechenleistung weiterhin zu wesentlich besseren Modellen führt, geht der Anreiz für Investitionen nicht verloren. In der Vergangenheit hat jede Steigerung der Trainingsrechenleistung um eine Größenordnung zu bedeutenden Leistungssteigerungen geführt.

Es zeichnen sich drei allgemeine Szenarien ab:

• Wenn die Skalierungsgesetze weiter intakt bleiben, könnte der aktuelle Investitionszyklus noch mehrere Jahre anhalten, wobei der steigende Unternehmenswert die Infrastrukturkosten rechtfertigt.
• Wenn die Renditen stark zurückgehen, sei es aufgrund von Datenbeschränkungen oder algorithmischen Effizienzsteigerungen, die den Rechenbedarf reduzieren, könnte es früher zu einer Rationalisierung kommen und ein Teil der Infrastruktur könnte nicht ausgelastet sein.
• Eine dritte Möglichkeit, eine Änderung der Grundannahmen in den Architekturen, könnte dazu führen, dass einige Vermögenswerte wirtschaftlich weniger rentabel werden, während die Vorteile für frühe Anleger durch die Größe und Tiefe des Ökosystems erhalten bleiben.

Die Überwachung dieser Entwicklungen wird von entscheidender Bedeutung sein, da die Beständigkeit von Skalierungsbeziehungen der wichtigste Faktor für die langfristige Wertschöpfung im KI-Ökosystem sein dürfte.

Verborgene wirtschaftliche Aspekte der KI-Einführung

Ein charakteristisches Merkmal früher Phasen an den Technologiemärkten ist die Kluft zwischen der Wertschöpfung und der Partizipation daran. KI schafft möglicherweise enorme wirtschaftliche Vorteile, die derzeit eher den Nutzern als den Produzenten zugutekommen, was darauf hindeutet, dass die tatsächlichen Marktchancen für Produzenten über den aktuellen und den geschätzten Einnahmen liegen. So berichten Unternehmen, die Pilotprojekte durchführen, derzeit von Effizienzsteigerungen von 20 bis 40 % bei Codierungs-, Inhaltserstellungs- und Analyseaufgaben, die die aktuellen Abonnementkosten bei weitem übersteigen, während Umfragen zur Zahlungsbereitschaft auf eine erhebliche latente Preissetzungsmacht hindeuten.

Diese Vorteile sind kein Zufall. Wettbewerbsfähige Preise beschleunigen die Akzeptanz, tragen zum Aufbau von Ökosystemen bei und erhöhen die Umstellungskosten. Mit der Zeit jedoch, wenn die Märkte zunehmend reifen und sich die Differenzierung vertieft, dürfte ein größerer Teil dieser Vorteile den Produzenten zugutekommen. Für Anleger bedeutet dies, dass die aktuellen Umsatzkennzahlen die tatsächlichen wirtschaftlichen Chancen, die in den KI-Plattformen stecken, möglicherweise erheblich unterschätzen.

Investitionen für die nächste Phase

Der KI-Investitionszyklus ist weder irrationaler Überschwang noch ein garantierter Weg zum wirtschaftlichen Erfolg. Es handelt sich vielmehr um ein Wettbewerbsgleichgewicht, das durch Angebotsengpässe und die Überzeugung, dass Skalierung die Wertschöpfung vorantreibt, aufrechterhalten wird. Unserer Ansicht nach befindet sich der Markt weiterhin in einer Phase des Skalierungswettbewerbs, in der die Belege für eine Monetarisierung zunehmen, aber der Wettbewerb um Kapazitäten weiterhin die Ausgabenobergrenze bestimmt. In einem solchen Umfeld kommt es auf eine aktive Investitionsdisziplin an. Dabei konzentrieren wir uns auf wichtige Indikatoren wie Veränderungen beim Zugang zu Kapital, Anzeichen für eine Entspannung der Angebotsengpässe, Verschiebungen bei der Kapazitätenzuweisung zugunsten einer Verbesserung der Wirtschaftlichkeit, die Bestätigung oder Abschwächung von Skalierungserträgen und erste Anzeichen dafür, dass die Produzenten ihre Überschussgewinnung verbessern.

"Wie in früheren Zeiten tiefgreifender technologischer Veränderungen ist die Unsicherheit groß, aber ebenso groß sind die Chancen für Anleger, die bereit sind, über die kurzfristige Volatilität hinauszuschauen und sich auf die langfristigen Fundamentaldaten zu konzentrieren."

Wie in früheren Zeiten tiefgreifender technologischer Veränderungen ist die Unsicherheit groß, aber ebenso groß sind die Chancen für Anleger, die bereit sind, über die kurzfristige Volatilität hinauszuschauen und sich auf die langfristigen Fundamentaldaten zu konzentrieren. Disziplin bedeutet weniger, den Höhepunkt des Investitionszyklus zu bestimmen, als vielmehr die Dauer, die Effizienz und die Glaubwürdigkeit der Wege von den Infrastrukturvorteilen hin zu monetarisierbaren Ergebnissen zu gewährleisten.