Die KI-Blase platzt vielleicht, weil KI funktioniert
Oder: Wie man 1,2 Billionen Dollar verbrennt und es Fortschritt nennt
Von Dr. Christoph von Gamm, 21. September 2026
Im August habe ich an dieser Stelle die Vermutung geäußert, dass 2008 wiederkommt. Nicht mit amerikanischen Einfamilienhäusern in Nevada, Florida und Kalifornien. Diesmal mit Rechenzentren, GPUs, Anleihen und dem magischen Kürzel AI.
Ich beginne inzwischen zu glauben, dass ich zu vorsichtig war.
Denn seitdem wird die Sache nicht beruhigender. Sie wird interessanter.
Die UBS, deren Global Wealth Management Investment Outlook ich mir tatsächlich jeden Monat antue, ist grundsätzlich optimistisch. Aktien? Attractive. Künstliche Intelligenz? Attractive. Investieren? Aber selbstverständlich. Die Bank erwartet 2027 AI-Investitionen von rund 1,2 Billionen Dollar und sieht darin weiterhin einen wesentlichen Treiber der Aktienmärkte.
So weit, so schön.
Ein paar Seiten vorher findet sich allerdings eine hübsche kleine Tabelle. „Key scenarios for June 2027“.
Dort gibt es vier Möglichkeiten: Goldilocks, resilient growth, Fed policy test – und einen AI bear market.
Wahrscheinlichkeit laut UBS: zehn Prozent.
Zehn Prozent sind nicht viel. Wenn ich mit zehnprozentiger Wahrscheinlichkeit morgen Regen erwarte, nehme ich keinen Schirm mit.
Wenn mir dagegen jemand sagt, dass mein Haus mit zehnprozentiger Wahrscheinlichkeit abbrennt, beschäftige ich mich vielleicht doch kurz mit meiner Feuerversicherung.
Denn was UBS für diese zehn Prozent annimmt, ist bemerkenswert. Der S&P 500 fällt in diesem Szenario um 27 Prozent. Der MSCI World beziehungsweise genauer der MSCI AC World ebenfalls um 27 Prozent. Der EuroStoxx 50 verliert 25 Prozent. High-Yield-Spreads explodieren. Die US-Notenbank senkt ihren Leitzins auf zwei Prozent. Und aus dem kleinen Problem mit ein paar zu teuer bewerteten Tech-Aktien wird über Vermögens- und Vertrauenseffekte ein Problem für die Realwirtschaft.
Der bemerkenswerteste Satz steht aber eine Seite vorher.
Die UBS beschreibt als Auslöser ihres AI-Bärenmarktes wachsende Sorgen über niedrige Renditen auf die getätigten Investitionen und nicht nachhaltige Verpflichtungen großer AI-Unternehmen.
Ach. Willkommen im Maschinenraum.
Eine Billion hier, eine Billion dort
Die Geschichte, die uns seit drei Jahren erzählt wird, geht ungefähr so:
Künstliche Intelligenz verändert alles. Deshalb brauchen wir mehr Rechenleistung. Für mehr Rechenleistung brauchen wir mehr GPUs. Für mehr GPUs brauchen wir Rechenzentren. Für die Rechenzentren brauchen wir Strom. Für den Strom brauchen wir Kraftwerke und Netze. Und weil wir davon sehr, sehr viel brauchen, müssen wir sehr, sehr viel Geld investieren.
Der logische Fehler steckt im letzten Satz.
Dass eine Technologie großartig ist, bedeutet nicht automatisch, dass jede Investition in ihre Produktionsmittel rentabel ist.
Eisenbahnen waren eine großartige Erfindung. Trotzdem gingen Eisenbahngesellschaften pleite. Das Internet war eine großartige Erfindung. Trotzdem verwandelten sich während der Dotcom-Krise Hunderte Milliarden Dollar Börsenwert in Luft. Häuser sind ausgesprochen nützliche Gegenstände. Trotzdem gab es 2008.
Nun also künstliche Intelligenz.
UBS rechnet für 2027 mit AI-Investitionen von 1,2 Billionen Dollar. Und selbstverständlich kann man diese Summe investieren. Die Menschheit hat noch jede Summe investiert bekommen, wenn genügend Investmentbanker PowerPoint öffnen.
Die interessantere Frage lautet:
Wie verdient man die 1,2 Billionen Dollar wieder zurück?
Nicht Umsatz.
Gewinn.
Nicht irgendwann.
Innerhalb der wirtschaftlichen Lebensdauer der gekauften Technik.
Und nicht nur die 1,2 Billionen Dollar des Jahres 2027. Auch die Investitionen von 2025 und 2026. Plus Strom. Plus Grundstücke. Plus Netzanbindungen. Plus Kühlung. Plus Personal. Plus Finanzierungskosten. Plus Ersatzinvestitionen.
Plötzlich wird aus der schönen AI-Geschichte eine ziemlich gewöhnliche Investitionsrechnung.
Und Investitionsrechnungen sind bedauerlicherweise immun gegen Visionen.
Der Chip ist alt, bevor das Kraftwerk fertig ist
Ich habe selbst Rechenzentren aufgesetzt. Deshalb fasziniert mich an der gegenwärtigen Euphorie vor allem die unterschiedliche Geschwindigkeit der einzelnen Investitionszyklen.
Ein Rechenzentrum lässt sich vergleichsweise schnell errichten. Die technische Infrastruktur hält vielleicht zehn Jahre. Die Prozessoren darin sind erheblich schneller wirtschaftlich veraltet.
Das wirklich Langsame steht aber außerhalb des Rechenzentrums: Stromerzeugung, Hochspannungsleitungen, Umspannwerke und Netzinfrastruktur.
Wir bauen also Assets mit vollkommen unterschiedlichen Lebenszyklen aufeinander.
Und mitten hinein kommt eine Technologie, deren Effizienz sich in Monaten verändert.
Das ist ungefähr so, als würde man eine Raffinerie finanzieren, während niemand weiß, ob Autos in drei Jahren noch zehn Liter, einen Liter oder gar kein Benzin mehr brauchen.
Noch schöner wird die Sache durch die Bilanzierung. Alphabet verlängerte die angenommene Nutzungsdauer bestimmter Server von vier auf sechs Jahre, Microsoft ebenfalls, Meta verlängerte sie schrittweise von ungefähr drei auf 5,5 Jahre. Amazon ging bei Servern zeitweise von fünf auf sechs Jahre und bei einem Teil später wieder zurück. Reuters wies im August darauf hin, wie stark solche Annahmen die ausgewiesenen Gewinne beeinflussen können. (Reuters)
Ein Server wird natürlich nicht dadurch moderner, dass der CFO seine Abschreibungsdauer verlängert.
Aber sein Quartalsergebnis sieht schöner aus.
Man könnte fast auf die Idee kommen, dass Buchhaltung manchmal auch künstliche Intelligenz ist.
Nvidia verkauft die Schaufeln. Aber an wen?
Während des Goldrauschs, heißt es bekanntlich, soll man nicht nach Gold graben, sondern Schaufeln verkaufen.
Nvidia hat dieses Prinzip perfektioniert.
Nur sollte man irgendwann nachsehen, wer die Schaufeln eigentlich kauft. Aber man sollte auch das Geld einstreichen. Und genau da hakt es bei NVidia. Lassen Sie mich erklären:
Im ersten Halbjahr des laufenden Nvidia-Geschäftsjahres entfielen 16, 15 und 13 Prozent des Umsatzes auf nur drei direkte Kunden. Zusammen sind das 44 Prozent. Bei den offenen Forderungen war die Konzentration Ende Juli noch eindrucksvoller: Fünf direkte Kunden standen für 22, 14, 13, 11 und 10 Prozent der Accounts Receivable. Nvidia selbst weist ausdrücklich darauf hin, dass sein Umsatz auf eine begrenzte Zahl direkter und indirekter Kunden konzentriert ist. (SEC)
Das muss noch keine Katastrophe sein.
Aber man sollte vielleicht einmal fragen, womit die Kunden bezahlen.
Und da kommen wir langsam in eine Gegend, die mir aus dem Jahr 2008 bekannt vorkommt.
Die Financial Times berichtete jüngst über bis zu 300 Milliarden Dollar Fremdfinanzierung rund um AI-Infrastruktur, bei der große Technologieunternehmen mit Restwertgarantien arbeiten. Nvidia, Broadcom und Meta tauchen in solchen Strukturen auf. Nvidia hat bei einzelnen Transaktionen Restwerte abgesichert; Special Purpose Vehicles finanzieren Infrastruktur, während Risiken nicht notwendigerweise in derselben Form in den Bilanzen der großen Technologiekonzerne erscheinen. (Financial Times)
Da werde ich hellhörig.
Nicht weil SPVs böse wären. Nicht weil Fremdfinanzierung böse wäre. Nicht einmal weil Garantien böse wären.
Sondern weil ich mich an eine Zeit erinnere, in der wir auch ausgesprochen kreative Konstruktionen entwickelt hatten, um eigentlich ziemlich einfache wirtschaftliche Zusammenhänge in möglichst viele Verträge zu zerlegen.
Am Ende stand trotzdem irgendwo ein Haus in Florida.
Heute steht dort ein Rechenzentrum.
Und dann kommt Apple und macht den ganzen Spaß lokal
Das größte Risiko für die AI-Infrastrukturblase könnte allerdings ausgerechnet der technische Fortschritt sein.
Apple zeigt gerade ziemlich eindrucksvoll, wohin die Reise gehen kann.
Die neue Generation der Apple Foundation Models umfasst lokale Modelle, darunter AFM 3 Core mit rund drei Milliarden Parametern. Sie laufen auf dem Endgerät; für aufwendigere Aufgaben gibt es größere Servermodelle und Private Cloud Compute. (Apple Machine Learning Research)
Das ist ökonomisch viel interessanter, als es zunächst klingt.
Denn für einen großen Teil dessen, was wir im Alltag „KI“ nennen, braucht niemand ein gottgleiches Supermodell mit dem gesammelten Wissen der Menschheit.
Eine E-Mail zusammenfassen. Einen Text korrigieren. Termine extrahieren. Ein Dokument klassifizieren. Einen Befehl verstehen. Fotos durchsuchen. Daten strukturieren. Eine Anwendung bedienen.
Dafür muss nicht jedes Mal irgendwo in Texas ein Rechenzentrum zu glühen beginnen.
Apple hat die Rechenleistung ohnehin verkauft. Sie liegt auf dem Schreibtisch. Oder in der Hosentasche. Der Kunde hat den Chip bereits bezahlt. Das ist für Apple eine wunderbare Nachricht.
Für jemanden, der gerade für Milliarden Dollar zentrale Rechenleistung baut und darauf wettet, sie während der kommenden Jahre teuer pro Token vermieten zu können, könnte es eine weniger wunderbare Nachricht sein.
Und dann kommen die Chinesen
Als wäre das nicht genug, gibt es noch DeepSeek, Kimi, Alibaba, Z.AI und andere chinesische Anbieter. Dort findet gerade etwas statt, was Kapitalisten normalerweise ausgesprochen begrüßen: Wettbewerb. Nur nicht unbedingt dann, wenn man gerade eine Billion Dollar investiert hat.
Reuters beschreibt den chinesischen Markt inzwischen als brutalen Preis- und Effizienzwettbewerb. Nach Angaben der dort zitierten Analysen lag DeepSeeks V4-Flash im August bei den Betriebskosten mehr als den Faktor 100 unter einem führenden Anthropic-Modell. Chinesische Anbieter stellen Open-Weight-Modelle bereit, senken Inferenzkosten und konkurrieren aggressiv über den Preis. Zugleich verdienen auch sie bislang keineswegs traumhaft: Z.AI und MiniMax stecken weiterhin erhebliche Summen in Forschung und Entwicklung. (Reuters)
Das Entscheidende ist deshalb nicht, ob DeepSeek besser als OpenAI ist. Es muss gar nicht besser sein. Es reicht, wenn es gut genug und dramatisch billiger ist. Das ist eine der unangenehmsten Erfahrungen, die Premiumanbieter in einer Industrialisierungsphase machen können. Der Kunde kauft nämlich nicht Benchmarkpunkte. Er kauft eine Lösung für ein Problem. Wenn Modell A für zehn Dollar ein Ergebnis mit 97 Prozent Qualität liefert und Modell B für zehn Cent eines mit 92 Prozent, dann braucht Modell B keine philosophische Diskussion über Artificial General Intelligence.
Es braucht einen Vertrieb.
90 Prozent Ergebnis für ein Prozent Kosten
Und damit kommen wir zum eigentlichen Problem.
AI wird effizienter.
Modelle werden kleiner. Quantisierung wird besser. Chips werden schneller. Software wird optimiert. Aufgaben werden auf spezialisierte Modelle verteilt. Ein Teil der Inferenz wandert auf Endgeräte. Open-Weight-Modelle drücken die Preise. Wettbewerb drückt die Margen.
Das ist alles hervorragend. Für AI. Aber möglicherweise katastrophal für die Kalkulation der Infrastruktur. Denn die große Wette der vergangenen Jahre lautet nicht lediglich:
AI wird gebraucht.
Sie lautet:
AI wird in einer Größenordnung zentrale Rechenleistung verbrauchen, die die heute errichteten Kapazitäten zu den heute kalkulierten Preisen über Jahre wirtschaftlich auslastet.
Das ist eine völlig andere Behauptung. Und genau hier könnte die Billionen-Dollar-Wette scheitern. Stellen wir uns vor, ein Unternehmen benötigt heute für eine bestimmte Aufgabe Rechenleistung im Wert von 100 Euro.
In drei Jahren benötigt es dank besserer Modelle und Hardware nur noch zehn Euro.
Dann kann sich die Zahl der AI-Anwendungen verfünffachen – und trotzdem sinkt der Umsatz mit der dafür benötigten Rechenleistung um die Hälfte.
Technologisch wäre das ein Triumph.
Für den Eigentümer eines fremdfinanzierten Rechenzentrums wäre es eher Dienstagmorgen beim Insolvenzverwalter.
Aber KI spart doch Personal
Natürlich. Das ist das nächste große Versprechen.
KI schreibt Software, beantwortet Kundenanfragen, analysiert Verträge, erstellt Präsentationen, recherchiert, übersetzt, sortiert und automatisiert. Alles richtig.
Nur hat die Sache einen kleinen Schönheitsfehler.
Sie macht Fehler. Manchmal erstaunlich wenige. Manchmal erstaunlich kreative.
Und deshalb muss in sehr vielen kommerziellen Anwendungen am Ende weiterhin ein Mensch darübersehen. Nicht unbedingt weil der Mensch intelligenter ist, sondern weil irgendjemand verantwortlich sein muss. Der Anwalt unterschreibt.
Der Arzt diagnostiziert. Der Ingenieur gibt frei. Der Vorstand haftet. Die KI bekommt keine Abmahnung.
Das erklärt einen Teil der merkwürdigen Diskrepanz zwischen spektakulären Produktivitätsdemonstrationen und dem erheblich schwierigeren Nachweis eines dauerhaften Effekts auf Gewinn und Umsatz.
Das heißt nicht, dass dieser Effekt nicht kommen wird. Natürlich wird er kommen. Die entscheidende Frage für die Kapitalmärkte lautet nur nicht ob, sondern wann und wie groß.
Eine Investition kann vollkommen richtig sein und trotzdem pleitegehen, wenn ihr Cashflow fünf Jahre später kommt als ihre Schulden fällig werden.
Erst feuern wir alle. Dann stellen wir sie wieder ein.
Derweil hat die Wirtschaft eine wesentlich einfachere Anwendung für künstliche Intelligenz entdeckt. Sie eignet sich hervorragend für Pressemitteilungen über Entlassungen.
„Wir bauen 8.000 Stellen ab, weil KI unsere Prozesse revolutioniert“ klingt schließlich wesentlich zukunftsorientierter als:
„Wir haben während Corona zu viele Leute eingestellt, unsere Kosten laufen aus dem Ruder und der Vorstand möchte seine Marge retten.“ Also wird entlassen. AI transformation. Reimagining work. Efficiency. Strategic realignment. Bullshit Bingo. Sechs Monate später stellt man fest, dass die Arbeit überraschenderweise weiterhin existiert.
Dann werden Consultants beauftragt. Danach Freelancer. Danach stellt man wieder ein. Selbstverständlich in einer „AI-native organization“. So entsteht Fortschritt. Aber eigentlich ist alles wie gehabt. Oder hat einer von euch wirklich bei Siemens oder Daimler oder sogar Lidl eine nennenswerte Änderung der Unternehmenskultur in den letzten 30 Jahren erlebt?
Und jetzt noch Regulierung
Besonders reizvoll wird die Geschichte, wenn ausgerechnet die Hersteller der leistungsfähigsten AI-Systeme vor der Gefährlichkeit künstlicher Intelligenz warnen und nach Regulierung rufen.
Man sollte diese Sicherheitsfragen ernst nehmen. Leistungsfähigere Systeme schaffen reale Risiken, und vernünftige Regeln können sinnvoll sein.
Man sollte dabei nur nicht vergessen, dass Regulierung auch eine ausgesprochen angenehme ökonomische Nebenwirkung besitzt:
Sie schafft Eintrittsbarrieren.
Wer Milliarden für Modelle, Rechenzentren, Compliance, Safety Teams, Zertifizierungen, Juristen und Lobbyisten ausgeben kann, fürchtet Regulierung anders als ein Startup mit zwölf Entwicklern.
Die schönste Burg ist schließlich diejenige, deren Burggraben der Staat bezahlt.
Damit wird aus der Debatte über sichere AI sehr schnell auch eine Debatte darüber, wer künftig überhaupt noch AI anbieten darf.
Das muss kein finsterer Plan sein. Ökonomische Interessen funktionieren meist ganz ohne Verschwörung.
2008 hatte auch hervorragende Assets
Und deshalb zurück zu 2008. Der Vergleich wird häufig missverstanden.
Natürlich sind GPUs keine Subprime-Hypotheken. Rechenzentren sind keine Häuser in Las Vegas oder in den Vorstädten von Atlanta – da haben sich Zahnärztefreundinnen von mir mit Condos eingedeckt. Danach mußten sie bohren, bohren, bohren. Nvidia ist nicht Lehman Brothers. AI ist keine wertlose Technologie. Das ist überhaupt nicht der Punkt. Auch 2008 bestand die Welt nicht aus wertlosen Häusern.
Die Häuser standen nach der Krise noch da. Menschen wohnten darin. Sie hatten Dächer, Küchen, Garagen und Swimmingpools.
Falsch war der Preis, zu dem sie bewertet worden waren.
Falsch war der Cashflow, den man ihnen zugerechnet hatte.
Falsch war der Leverage, der darauf aufgebaut worden war.
Und fatal war die Annahme, dass ein steigender Markt die Finanzierung schon irgendwie tragen werde. Genau deshalb finde ich die gegenwärtige Entwicklung bemerkenswert.
Wir haben ein extrem nützliches Asset. Darauf setzen wir gewaltige Wachstumserwartungen.
Darauf bauen wir Billioneninvestitionen. Darauf wiederum Kredite, Garantien und SPVs.
Und weil die Aktienkurse steigen, steigen über Indexfonds automatisch immer mehr Anleger ein. Nicht weil sie Nvidia analysiert haben. Sondern weil Nvidia im Index ist. Nicht weil sie Microsofts AI-Capex modelliert haben. Sondern weil Microsoft im ETF steckt. Die Konzentration versteckt sich unter dem hübschen Etikett „breit diversifiziert“. Und genau hier unterscheidet sich 2026 unangenehm von 2000. Man muss heute keine Technologieaktie kaufen, um massiv von Technologieaktien abhängig zu sein.
Man kauft einfach den Markt.
Das wirklich Bösartige
Und deshalb könnte die nächste Krise einen besonders hübschen Mechanismus besitzen.
AI enttäuscht zunächst gar nicht. Sie wird besser. Sie wird billiger. Sie wandert auf Endgeräte.
Kleinere Modelle erledigen immer mehr Aufgaben. Chinesische Anbieter drücken die Preise.
Die Inferenzkosten fallen. Unternehmen stellen fest, dass sie für viele Anwendungen keinen digitalen Gott brauchen, sondern einen zuverlässigen digitalen Sachbearbeiter. Dann sinken die erwarteten Renditen der gigantischen Infrastrukturinvestitionen. Einige Projekte werden verschoben.
Andere brauchen Refinanzierung. Restwerte werden neu kalkuliert.
Kreditgeber verlangen höhere Spreads. SPVs sehen plötzlich weniger hübsch aus.
Hyperscaler reduzieren Capex. Chipbestellungen werden gestreckt.
Nvidia bekommt das zu spüren. Der Aktienkurs fällt.
Mit ihm fallen die Indizes. Mit den Indizes fallen ETFs, Pensionsvermögen und die Aktienportfolios der Versicherer. Der Wealth Effect dreht sich um.
Unternehmen investieren weniger. Und plötzlich senkt die Federal Reserve die Zinsen. Und zwar drastisch.
Kommt Ihnen bekannt vor?
Der UBS offenbar auch. In ihrem AI-Bear-Szenario fällt der S&P 500 um 27 Prozent, High-Yield-Spreads springen auf 650 Basispunkte, die Fed Funds Rate sinkt auf zwei Prozent und das amerikanische Wachstum 2027 auf 0,5 bis 1 Prozent.
UBS gibt diesem Szenario zehn Prozent. Ich würde auf diese zehn Prozent nicht wetten. Nicht weil ich KI für überschätzt halte, sondern weil inzwischen zu viel Geld darauf wettet, dass Rechenleistung knapp und teuer bleibt. Die Chips sind längst gelegt. Im doppelten Sinne.
Und: es gibt an der Börse einen alten Unterschied zwischen einem Risiko, das niemand gesehen hat, und einem Risiko, das alle gesehen haben und trotzdem ignorieren.
Das zweite ist meistens teurer. Denn diesmal kann hinterher niemand sagen, man habe es nicht gewusst. Die Bank hat es sogar in die Präsentation geschrieben.
Auf Seite sieben. AI bear market.
Zehn Prozent. Und dann hat sie auf den folgenden Seiten wieder „Attractive“ daneben geschrieben. Man will die Kunden schließlich nicht unnötig beunruhigen.
