Die KI-Blase beginnt endlich zu bröckeln

Zusammenfassung

Big Tech investiert nicht mehr nur in künstliche Intelligenz.

Es reorganisiert die Kapitalstruktur des Technologiesektors um sie herum.

Amazon, Microsoft, Alphabet und Meta geben jetzt in einem Ausmaß aus, das zunehmend einem nationalen Industriepolitikprogramm ähnelt, anstatt einem normalen Unternehmensinvestitionszyklus. Das Geld fließt in Rechenzentren, Chips, Server, Netzwerkausrüstung, Kühlsysteme, Strominfrastruktur und langfristige AI-Kapazitätsverpflichtungen.

Das bullishe Argument ist offensichtlich: KI könnte zur nächsten Betriebsschicht der globalen Wirtschaft werden.

Das bärische Argument wird immer schwerer abzutun: Die Ausgaben kommen viel schneller als der bewährte Return on Investment.

Die weltweite KI-Umfrage von McKinsey 2025 ergab, dass die meisten Organisationen noch keinen bedeutenden EBIT-Einfluss auf Unternehmensebene durch KI festgestellt haben. Nur 39 % der Befragten führten irgendeinen EBIT-Einfluss auf KI zurück, und die meisten von ihnen gaben an, dass KI weniger als 5 % des Unternehmensebit ausmachte. McKinsey klassifizierte nur etwa 6 % der Befragten als KI „High Performers“, die einen bedeutenden Einfluss auf das Ergebnis erzielen. ([McKinsey & Company][1])

Diese Kluft — zwischen Infrastrukturinvestitionen und realisierten Ertragsbeiträgen — ist die gesamte Geschichte.

KI mag real sein. Der Produktivitätszuwachs mag real sein. Der langfristige Plattformwechsel mag real sein.

Aber Märkte stürzen nicht ab, weil die Technologie gefälscht ist.

Sie stürzen ab, wenn der Preis, der für die Technologie gezahlt wird, von den Cashflows, die sie erzeugen kann, entkoppelt wird.

Der neue KI-Handel: Zuerst ausgeben, später rechtfertigen

Der aktuelle KI-Boom hat sich von einer Software-Story zu einer Geschichte über Kapitalintensität entwickelt.

In der frühen Phase belohnte der Markt alles, was mit generativer KI verbunden war: Chips, Cloud, Software, Cybersicherheit, Automatisierung, Unternehmenswerkzeuge, Rechenzentrums-REITs, Stromausrüstung, Kernkraft, Kühlsysteme und sogar Versorgungsunternehmen.

Jetzt hat sich die Frage geändert.

Es geht nicht mehr darum: Wer profitiert von KI?

Es geht darum: Wer erzielt eine akzeptable Rendite auf das eingesetzte Kapital?

Das Basismodell von Goldman Sachs schätzt die jährlichen Kapitalausgaben für KI-Infrastruktur auf etwa 765 Milliarden USD im Jahr 2026, steigend auf 1,6 Billionen USD bis 2031, mit insgesamt etwa 7,6 Billionen USD kumulativen Investitionen zwischen 2026 und 2031. Diese Schätzung umfasst den gesamten physischen Stack, der für KI erforderlich ist: Beschleuniger, Rechenzentren, Stromlieferung, Redundanzsysteme, Kühlinfrastruktur und unterstützende elektrische Ausrüstung.

Das ist kein normaler Upgrade-Zyklus.

Das ist ein zivilisationsweiter Ausbau.

Und der Markt wird nun gebeten zu glauben, dass dieser Ausbau Renditen produziert, die hoch genug, schnell genug und beständig genug sind, um eine der größten Unternehmensausgabenwellen in der Geschichte zu rechtfertigen.

Der Anstieg der Ausgaben von Hyperscalern ist real

Der KI-Ausbau ist nicht theoretisch. Er ist bereits in den Finanzberichten sichtbar.

Alphabet berichtete im Q1 2026 von einem Umsatz von 109,9 Milliarden USD, was einem Anstieg von 22 % im Vergleich zum Vorjahr entspricht, während der Umsatz von Google Cloud um 63 % auf 20,0 Milliarden USD anstieg, angetrieben durch Unternehmens-KI-Lösungen, KI-Infrastruktur und Kernservices der Google Cloud Platform. Alphabet berichtete zudem, dass der Auftragseingang von Google Cloud im Vergleich zum Vorquartal fast doppelt so hoch war und mehr als 460 Milliarden USD betrug.

Aber die Investitionsintensität steigt schnell. Die Käufe von Grundstücken und Ausrüstungen von Alphabet beliefen sich im Q1 2026 auf 35,7 Milliarden USD, mehr als doppelt so hoch wie die 17,2 Milliarden USD, die im Vorjahreszeitraum ausgegeben wurden.

Microsoft lieferte ebenfalls beeindruckende Ergebnisse ab. Der Umsatz stieg auf 82,9 Milliarden USD, ein Anstieg von 18 %, während CEO Satya Nadella sagte, dass das KI-Geschäft von Microsoft eine jährliche Umsatzlaufzeit von 37 Milliarden USD übertroffen hat, was einem Anstieg von 123 % im Vergleich zum Vorjahr entspricht. ([Microsoft][4]) Aber die Zugänge zu Grundstücken und Ausrüstungen von Microsoft stiegen auf etwa 30,9 Milliarden USD im Quartal, verglichen mit 16,7 Milliarden USD im Vorjahreszeitraum.

Meta berichtete für das Q1 2026 von einem Umsatz von 56,31 Milliarden USD, ein Anstieg von 33 % im Vergleich zum Vorjahr, während die Investitionen, einschließlich der Hauptzahlungen auf Finanzierungsleasing, 19,84 Milliarden USD betrugen. Noch wichtiger ist, dass Meta den Ausblick auf die Kapitalausgaben für das gesamte Jahr 2026 auf 125 Milliarden bis 145 Milliarden USD angehoben hat, von zuvor 115 Milliarden bis 135 Milliarden USD, was auf gestiegene Komponentenpreise und zusätzliche Kosten für Rechenzentren zurückzuführen ist.

Die Ergebnisse von Amazon für das Q1 2026 zeigen ebenfalls das Ausmaß des Ausbaus. Die AWS-Umsätze stiegen im Jahresvergleich um 28 % auf 37,6 Milliarden USD, während Amazon bekannt gab, dass der freie Cashflow für die letzten zwölf Monate auf 1,2 Milliarden USD fiel, was hauptsächlich auf einen Anstieg der Käufe von Grundstücken und Ausrüstungen um 59,3 Milliarden USD im Jahresvergleich zurückzuführen ist, was das Unternehmen als überwiegend auf KI-Investitionen zurückzuführen erklärte.

Die Zahlen sind überwältigend.

Diese Unternehmen experimentieren nicht mit KI.

Sie bauen die physischen Grundlagen der nächsten Computerära.

Das Problem ist, dass die Anleger immer noch keine klare Sicht auf das tatsächliche Renditeprofil der KI haben.

Das echte Problem: KI-Umsatz ist immer noch zu neblig

Die Hyperscaler berichten über Cloud-Wachstum, Auftragswachstum, Wachstum der KI-Nutzung, Wachstum des Token-Volumens, Kundennachfrage und Kapazitätsengpässe.

Das sind echte Signale.

Aber sie sind nicht dasselbe wie eine transparente Rentabilität der KI.

Investoren müssen drei verschiedene Fragen trennen:

Erstens, treibt KI die Cloud-Nachfrage an? Ja, eindeutig.

Zweitens, erzielen Hyperscaler Einnahmen aus KI-Workloads? Ja, zunehmend.

Drittens, produzieren diese KI-Workloads attraktive Renditen auf das massive zusätzliche Kapital, das eingesetzt wird? Das ist immer noch die ungelöste Frage.

Diese Unterscheidung ist wichtig.

Ein Unternehmen kann den Umsatz steigern und trotzdem den Wert für die Aktionäre zerstören, wenn das Kapital, das zur Erzielung dieses Umsatzes erforderlich ist, schneller steigt als die wirtschaftliche Rendite.

Hier wird der KI-Zyklus gefährlich.

Während einer Manie belohnt der Markt das Umsatzwachstum.

Während der Angstphase beginnt der Markt, nach Abschreibungen, der Umwandlung von freiem Cashflow, der Rendite auf investiertes Kapital, den Rückzahlungsperioden der Kunden und der nützlichen Lebensdauer von Vermögenswerten zu fragen.

Das ist der Punkt, an dem sich die Geschichte schnell ändern kann.

McKinseys KI-ROI-Daten sollten Investoren unwohl fühlen lassen

Das wichtigste Element der KI-Debatte ist nicht, ob Menschen KI verwenden.

Das tun sie.

Die Frage ist, ob KI die Unternehmensökonomie transformiert.

Bisher ist die Evidenz gemischt.

McKinseys Umfrage 2025 ergab, dass die KI-Akzeptanz in Branchen und Funktionen zunimmt, aber die meisten Unternehmen KI nicht tief in ihre Workflows integriert haben. Nur etwa ein Drittel der Befragten gab an, dass ihre Organisationen KI-Programme quer durch das Unternehmen skalieren.

Die wichtigere Erkenntnis ist die Auswirkung auf die Erträge.

McKinsey stellte fest, dass nur 39 % der Befragten irgendeinen EBIT-Einfluss auf KI zurückführten, und die meisten von ihnen gaben an, dass weniger als 5 % des Unternehmensebits auf KI zurückzuführen seien. Das Unternehmen identifizierte KI-High-Performer - Unternehmen, die einen bedeutenden Einfluss auf das Ergebnis sehen - als nur etwa 6 % der Befragten.

Das bedeutet nicht, dass KI nutzlos ist.

Es bedeutet, dass KI sich noch nicht in bedeutende, messbare, unternehmensweite Gewinnsteigerungen für die meisten Unternehmen umsetzt.

Das ist ein Problem, wenn die Infrastrukturkosten bereits in Richtung einer jährlichen Billionen-Dollar-Skala bewegen.

Der Markt preist effektiv eine Zukunft ein, in der KI zu einer breiten Unternehmensproduktivitätsmaschine wird.

Aber die Daten von heute deuten noch immer darauf hin, dass die meisten Unternehmen irgendwo zwischen Experimentieren, teilweiser Implementierung und begrenzter Workflow-Integration sind.

Diese Kluft zwischen Erwartung und Realisierung ist der Ort, an dem Blasen entstehen.

Das deflationäre Problem: KI wird mit der Zeit günstiger

Es gibt ein weiteres unterschätztes Risiko.

Die Ausgaben für KI-Infrastruktur explodieren, während gleichzeitig die Kosten für die Nutzung von KI sinken.

Laut dem KI-Index von Stanford 2025 sind die Inferenzkosten für ein System, das auf dem Niveau von GPT-3.5 arbeitet, zwischen November 2022 und Oktober 2024 um mehr als 280-fach gesunken. Stanford stellte auch fest, dass die Kosten für KI-Hardware um etwa 30 % jährlich gesunken sind, während die Energieeffizienz um etwa 40 % jährlich verbessert wurde.

Das klingt optimistisch für die Akzeptanz.

Und das ist es.

Aber es könnte nicht optimistisch für jedes Unternehmen sein, das Hunderte von Milliarden ausgibt, um Kapazitäten aufzubauen.

Wenn der Preis pro Einheit Intelligenz schnell fällt, kann die KI-Infrastruktur schneller zu einem deflationären Geschäft werden, als die Investoren erwarten.

Das schafft ein Paradox.

Je günstiger KI wird, desto breiter könnte sie eingesetzt werden.

Aber je günstiger KI wird, desto schwieriger könnte es sein, monopolartige Erträge mit teurer Infrastruktur zu erzielen.

Dies ist besonders wichtig, da Stanford auch festgestellt hat, dass offene Modelle die Leistungsunterschiede zu geschlossenen Modellen verringern konnten, indem der Unterschied in bestimmten Benchmarks innerhalb eines Jahres von 8 % auf 1,7 % gesenkt wurde.

Das schwächt die Idee, dass jeder Hyperscaler einen dauerhaften technischen Vorteil hat.

Wenn Modelle konvergieren, die Kosten für Inferenz zusammenbrechen und Kunden preissensitiver werden, könnte sich die KI-Infrastrukturschicht schließlich weniger wie ein Softwaremonopol und mehr wie ein kapitalintensiver Rohstoffmarkt verhalten.

Das ist das Risiko, das niemand einpreisen möchte.

Die Abschreibungsfrage könnte die nächste Marktbesessenheit werden

Märkte lieben Investitionen in Sachanlagen während der Aufbauphase.

Sie hassen Abschreibungen während der Amortisationsphase.

Die KI-Infrastruktur hat ein Problem mit der Nutzungsdauer.

Rechenzentren können lange halten. Die Energieinfrastruktur kann lange halten. Aber die wertvollsten Komponenten — GPUs, Beschleuniger, Server, Speicher, Netzwerkgeräte und spezialisierte KI-Hardware — können viel schneller wirtschaftlich obsolet werden als traditionelle Infrastruktur.

Das ist relevant, denn Abschreibungen sind nicht nur ein buchhalterisches Detail.

Es ist die verzögerte Anerkennung der Kapitalausgaben von gestern.

Wenn Unternehmen heute zig oder hunderte Milliarden für KI-Vermögenswerte ausgeben, wird die Gewinn- und Verlustrechnung morgen letztendlich die Abschreibungsbelastung aufnehmen müssen.

Der Markt sollte fünf Dinge beobachten:

1. Ob die Offenlegung von KI-Umsätzen transparenter wird.
2. Ob die KI-Lasten die Gewinnmargen in der Cloud verbessern oder verwässern.
3. Ob die Umwandlung des freien Cashflows sich verschlechtert, während die Investitionen in Sachanlagen steigen.
4. Ob die Abschreibungsaufwendungen schneller wachsen als die Einnahmen aus KI-Diensten.
5. Ob die Kunden ausreichend ROI generieren, um die KI-Ausgaben weiter zu erhöhen.

Hier wird die KI-These viel fragiler.

Die erste Phase des Handels handelte von der Nachfrage.

Die zweite Phase wird von den Erträgen handeln.

Das bedeutet nicht, dass KI falsch ist

Die stärkste Version des bärischen Arguments ist nicht, dass KI falsch ist.

Das ist faul.

Das stärkere Argument ist, dass KI real, nützlich und wirtschaftlich wichtig sein könnte — während sie trotzdem einen massiven Kapitalzyklus produziert, der die Nachfrage übersteigt.

Genau das ist bei früheren Technologiebooms passiert.

Das Internet war 1999 real.

Glasfasernetzwerke waren real.

E-Commerce war real.

Software war real.

Halbleiter waren real.

Aber die Dotcom-Blase passierte trotzdem, weil Investoren reale technologische Veränderungen auf unrealistische finanzielle Annahmen extrapolierten.

Die gleiche Logik gilt hier.

KI kann die Welt verändern und gleichzeitig überbaut werden.

KI kann die Produktivität steigern und dennoch nicht jeden Dollar an Investitionen rechtfertigen.

KI kann enorme Einnahmequellen generieren und dennoch die Erträge komprimieren, wenn zu viel Kapital gleichzeitig in den Markt fließt.

Das ist der Unterschied zwischen einer Technologierevolution und erzielbaren Renditen.

Investoren dürfen die beiden nicht verwechseln.

Das bullische Argument hat immer noch Substanz

Um fair zu sein, ist das bullische Argument nicht schwach.

Das Cloud-Wachstum von Alphabet ist real. Das Wachstum von AWS ist real. Der KI-Umsatz von Microsoft ist real. Das Werbegeschäft von Meta bleibt enorm rentabel, und KI kann potenziell das Targeting, die Inhaltsempfehlung, die kreative Automatisierung und das Engagement verbessern. Die KI-Lieferkette bleibt ebenfalls eingeschränkt, was kurzfristig die Preismacht für Chips, Netzwerke, Speicher, Kühlung und Stromausstattung unterstützen kann.

Die Hyperscaler haben auch Bilanzen, die kleinere Unternehmen niemals erreichen könnten.

Sie können den Aufbau finanzieren.

Sie können Verluste ausgleichen.

Sie können länger warten als die meisten Investoren erwarten.

Und wenn KI die Standardoberfläche für Arbeit, Suche, Handel, Softwareentwicklung, Werbung, Kundenservice, Cybersicherheit und Unternehmensautomatisierung wird, dann könnten die Unternehmen, die die Infrastruktur aufbauen, noch dominanter werden.

Das ist das ernsthafte bullische Argument.

Das Problem ist nicht, ob es Aufwärtspotenzial gibt.

Das Problem ist, ob der aktuelle Investitionspfad bereits zu viel davon zu früh annimmt.

Die Angstphase kommt nach der Mania-Phase

Jeder Marktzyklus hat eine Psychologie.

Zuerst kommt Unglaube.

Dann Akzeptanz.

Dann Beschleunigung.

Dann Euphorie.

Dann Rationalisierung.

Dann Angst.

KI hat bereits die frühen Phasen durchlaufen. Die Technologie wechselte fast über Nacht von einer Neugier zu einem Mandat im Vorstand. Jedes Unternehmen benötigte eine KI-Strategie. Jedes Softwareprodukt benötigte ein KI-Feature. Jede Investorenpräsentation benötigte eine KI-Folie.

Jetzt befindet sich der Markt in einer schwierigeren Phase.

Die Ausgaben sind nicht mehr klein genug, um ignoriert zu werden.

Die Investitionen sind nicht mehr theoretisch.

Die Auswirkungen auf die Erträge sind nicht mehr angenommen.

Die Frage wird unausweichlich:

Wo bleibt die Rendite?

Deshalb ist dieser Moment wichtig.

Wenn Investoren weiterhin steigende KI-Umsätze, stabile Margen, starken freien Cashflow und glaubwürdige Amortisationszeiten sehen, kann der Boom weitergehen.

Aber wenn die Investitionen weiter steigen, während die Offenlegung der KI-Umsätze vage bleibt, die Abschreibungen steigen, der Kunden-ROI inkonsistent bleibt und der Preisdruck zunimmt, wird der Markt beginnen, den gesamten Handel neu zu bewerten.

Nicht, weil KI gescheitert ist.

Sondern weil das Finanzmodell zu aggressiv wurde.

Was Investoren als Nächstes beobachten sollten

Die nächste Phase des KI-Marktes wird nicht durch Schlagzeilen entschieden.

Sie wird durch Finanzberichte entschieden.

Investoren sollten zunächst die Offenlegung der KI-Umsätze beobachten. Je mehr Unternehmen KI in vagen qualitativen Begriffen erörtern, desto skeptischer sollte der Markt werden. Echte Plattformverschiebungen zeigen sich schließlich in Segmentumsätzen, Margen, Qualität des Auftragsbestands, Kundenbindung und Cashflow.

Zweitens, beobachten Sie den freien Cashflow. Die Offenlegung von Amazon, dass der freie Cashflow der letzten zwölf Monate auf 1,2 Milliarden Dollar gefallen ist, während die Investitionen in KI-bezogene Vermögenswerte und -Ausrüstung gestiegen sind, ist genau das Signal, das Investoren im gesamten Sektor verfolgen sollten.

Drittens, beobachten Sie die Abschreibungen. Je größer der Aufbau wird, desto mehr müssen die Erträge von morgen die Infrastrukturinvestitionen von gestern aufnehmen.

Viertens, beobachten Sie die Preisgestaltung für Inferenz. Wenn die Kosten pro Einheit Intelligenz weiter fallen, könnten die langfristigen Gewinner die Kunden und Unternehmen auf der Anwendungsebene sein, nicht unbedingt jeder Infrastrukturanbieter.

Fünftens, beobachten Sie den Unternehmens-ROI. Wenn McKinseys zukünftige Umfragen einen erheblichen Anstieg der Unternehmen zeigen, die bedeutendes EBIT aus KI generieren, stärkt das das bullische Argument. Wenn nicht, wird der Investitionszyklus schwerer zu rechtfertigen sein.

Das tägliche Fazit von Invest Daily

Der KI-Boom ist nicht vorbei.

Aber der einfache Teil der Erzählung könnte zu Ende gehen.

In den letzten zwei Jahren haben Investoren Ambitionen belohnt. Sie haben Skalierung belohnt. Sie haben Investitionen in Sachanlagen belohnt. Sie haben jedes Unternehmen belohnt, das glaubwürdig behaupten konnte, am KI-Boom beteiligt zu sein.

Die nächste Phase wird anders sein.

Der Markt wird Beweise verlangen.

Beweise für Umsätze.

Beweise für Margen.

Beweise für freien Cashflow.

Beweise für den Kunden-ROI.

Beweise dafür, dass die Billionen, die in die KI-Infrastruktur fließen, Renditen oberhalb der Kapitalkosten erzielen können.

Das ist eine viel höhere Messlatte.

Die Gefahr ist nicht, dass KI verschwindet.

Die Gefahr ist, dass KI so wettbewerbsfähig, so teuer und so deflationär wird, dass die Unternehmen, die die Infrastruktur aufbauen, geringere Erträge erzielen als Investoren erwarten.

So zerbrechen Manien.

Nicht alles auf einmal.

Zuerst langsam.

Dann plötzlich.

Die KI-Revolution könnte real sein.

Aber der Preis, der dafür bezahlt wird, könnte verrückt sein.

Und wenn der Markt zu glauben beginnt, wird die Angstphase nicht um Erlaubnis bitten müssen, um zu beginnen.

Bereit, Ihre nächste Investition zu analysieren?

Holen Sie sich eine kostenlose Fair-Value-Analyse für jede Aktie. Berechnen Sie inneren Wert, Sicherheitsmarge und risikobewertete Metriken in Sekunden. Keine Kreditkarte erforderlich.

Möchten Sie vollen Zugang zu unseren institutionellen Forschungstools? Entdecken Sie Invest Daily Pro.