KI-Infrastruktur: Der Kapitalzyklus ist die Gefahr

Wer über künstliche Intelligenz spricht, denkt meist an Modelle, Software und Produktivität. Wer sie finanziert, muss über Beton, Silizium und Strom sprechen. Denn hinter der KI-Revolution steht ein Infrastrukturzyklus historischen Ausmaßes: Rechenzentren, Spezialchips, Stromnetze und Speichertechnik werden derzeit mit Summen aufgebaut, die in der Branche neue Maßstäbe setzen. Die entscheidende Frage ist nicht, ob KI sich durchsetzt. Die Frage ist, ob Anleger die Phase überstehen, in der der Markt erkennt, dass er zu viel Nachfrage zu früh eingepreist hat.

KI-Blase? Vier Prüfpunkte 

Die jüngsten Kursrückgänge vieler KI-Infrastrukturtitel haben die Diskussion über die Tragfähigkeit der derzeitigen Investitionen in KI-Infrastruktur neu belebt. Für uns sind sie jedoch kein Grund, den KI-Infrastrukturboom vorschnell als klassische Blase abzutun. Sinnvoller ist ein Blick auf vier Prüfpunkte: die Finanzierung, die Qualität der Umsätze, die tatsächlichen Kosten der Anlagen und vor allem die Nachfrage. Letztere ist der entscheidende Faktor.

Der Vergleich mit früheren Infrastrukturzyklen zeigt: Ob Telekomnetze, Glasfaser oder Schiefergas, auf die erste Euphorie folgt häufig eine Phase, in der Kapazitäten schneller wachsen als zahlende Nachfrage. Die Infrastruktur bleibt dabei nützlich und wird auch später noch benötigt. Doch für die ursprünglichen Kapitalgeber kann der Weg teuer werden.

1. Erste Warnsignale in der Finanzierungsstruktur

Anders als zur Zeit der Telekomblase ist der Kern des heutigen Booms finanziell solider. Die großen Hyperscaler investieren überwiegend aus laufendem Cashflow und sind weniger abhängig von kurzfristiger Fremdfinanzierung. Das ist der wichtigste Unterschied zu 1999: Der Kern ist heute robuster.

An den Rändern sehen wir jedoch erste Warnsignale. Die fünf größten Hyperscaler nahmen 2025 mehr als das Dreifache ihres üblichen Fremdkapitals auf, während der freie Cashflow schrumpfte und sich die Investitionen nahezu verdoppelten. Zugleich werden Teile der Finanzierung über Zweckgesellschaften außerhalb der Bilanzen strukturiert. So wurden bereits mehr als 120 Milliarden US-Dollar an Infrastruktur-Schulden ausgelagert. Noch sind das Einzelfälle, aber genau an solchen Stellen reißt in Kapitalzyklen oft zuerst die Kette.

2. Fehlende Umsatzqualität

Ein zweiter Risikopunkt ist die Qualität der Umsätze. In früheren Zyklen finanzierten Ausrüster teilweise die Kunden, die ihre Produkte kauften. Das ließ Umsätze stark aussehen, ohne dass am Ende ausreichend unabhängiger Cashflow entstand. Beim KI-Boom ist der Mechanismus ein anderer: Statt direkter Kundenfinanzierung sind Chiphersteller, KI-Labore und Cloud-Anbieter über wechselseitige Investitionen und Abnahmeverträge verflochten – die Investition des einen wird zum Umsatz des anderen. Wenn Investitionen von Chipherstellern, KI-Laboren und Cloud-Anbietern vor allem gegenseitig Umsätze erzeugen, reicht das nicht. Entscheidend ist, ob am Ende ein profitabler Kunde außerhalb dieses Kreislaufs steht.

3. Kennzahlen und Abschreibungen

Dabei rückt auch die Kennzahlendisziplin in den Fokus. Viele Bewertungen blenden über EBITDA-Kennzahlen die Abschreibungen aus. Bei KI-Chips ist das aus Sicht von Held problematisch. Und Prozessoren können technologisch schon nach wenigen Jahren überholt sein, werden aber oft über längere Zeiträume abgeschrieben. Der Wertverzehr ist damit keine theoretische Größe, sondern eine reale, wiederkehrende Kostenposition. Wer im Rennen bleiben will, muss die KI-Chips ersetzen.

4. Die Nachfrage als eigentlicher Prüfstein

Auf der Angebotsseite wird der Ausbau zunächst durch Knappheit begrenzt. Speicher, Spezialchips und Stromkapazität sind nicht beliebig verfügbar. Doch diese Knappheit kann sich ab 2027 drehen, wenn neue Kapazitäten in die Volumenproduktion gehen. Die drei dominierenden Speicherhersteller erweitern ihre Kapazität derzeit gleichzeitig und massiv. In der Vergangenheit führte ein solcher Gleichlauf in der Speicherindustrie ausnahmslos zu Überkapazität und fallenden Preisen, zuletzt 2022/23 und davor 2018/19.

Ob daraus ein Problem wird, bestimmt die Nachfrage: Die entscheidende Frage lautet: Wie viel Kapazität beruht auf realer, zahlender und dauerhafter Nachfrage und wie viel auf Annahmen? Die Abschreibungen setzten dabei den zeitlichen Rahmen, denn ab dem Kauf eines Chips läuft der Wertverzehr, unabhängig davon, ob dieser Chip bereits Geld verdient. Nach unserer Einschätzung erzeugen die laufenden Investitionen bereits heute mehr zusätzlichen Abschreibungsaufwand, als die aktuellen KI-Umsätze decken können. Um aufzuholen, müssten die Erlöse grob verdoppelt werden.

Besonders deutlich wird das in Kapitalrenditerechnungen. Selbst unter optimistischen Annahmen und ohne zusätzliche Kosten fällt die implizite Kapitalrendite nahezu aller großen Hyperscaler bis 2030 stark negativ aus. Für eine Rendite von zehn Prozent müssten nach entsprechenden Berechnungen zwei bis fünf Billionen US-Dollar zusätzlicher Jahresumsatz entstehen. Amazon bildet dabei eine Ausnahme, weil AWS Kapazität bereits an zahlende Kunden außerhalb des KI-Kreislaufs vermietet.

Was das für Anleger bedeutet

Für Anleger folgt daraus kein pauschales Nein zur KI-Infrastruktur. Wir sehen vielmehr eine klare Trennlinie: Wer an der KI-Revolution teilhaben will, sollte in den Teil des Kapitals investieren, der ein Nachfrage-Luftloch überstehen kann: den selbstfinanzierten Kern und echte Engpasslieferanten. Kritischer sind fremdfinanzierte Bauherren oder Bewertungen, die reale Abschreibungen ausblenden, sowie Kapazitäten, die auf unterstellter statt bezahlter Nachfrage beruhen.

Der Befund lautet damit: gesund im Kern, bedenklich an den Rändern. Die Technologie dürfte sich durchsetzen. Das macht sie aber nicht automatisch zu einem guten Investment zu jedem Preis. Mit der Technologie recht zu behalten, ist nicht dasselbe, wie mit ihr Geld zu verdienen. Die Technologie ist real, aber der Kapitalzyklus ist die Gefahr.