Ist KI eine Blase?

Ist KI eine Blase?

KI ist aus unserer Sicht keine Blase. Künstliche Intelligenz verändert bereits, wie Unternehmen Software entwickeln, Kunden betreuen und Waren produzieren. In einigen dieser Tätigkeiten sind Produktivitätsgewinne messbar. An der Börse können die Erwartungen trotzdem überzogen sein. Wer mit der Zukunft einer Technologie recht hat, kann mit dem Kauf der falschen Aktie viel Geld verlieren.

Wie beides zusammenpasst, zeigen zwei Zahlen. Nvidia erzielte im Geschäftsjahr 2026 rund 120 Milliarden US-Dollar Nettogewinn. Alphabet wiederum rechnete für das Kalenderjahr 2026 mit Investitionsausgaben von 195 bis 205 Milliarden US-Dollar. Auf der einen Seite stehen bereits verdiente Gewinne. Auf der anderen Seite wird Kapital gebunden, das sich für die Eigentümer erst in den kommenden Jahren rechnen muss.

Was spricht für eine KI-Blase?

Welche Erwartungen stecken in den Aktienkursen?

Nvidia erreichte im Oktober 2025 als erstes börsennotiertes Unternehmen eine Marktkapitalisierung von fünf Billionen US-Dollar. Die Marktkapitalisierung ist der Aktienkurs multipliziert mit der Zahl der ausstehenden Aktien. Diese fünf Billionen sind der Börsenwert zu einem bestimmten Zeitpunkt. So viel Geld ist weder an Nvidia geflossen noch musste jemand diese Summe ausgeben, um den Kurs zu erreichen.

Um eine Überbewertung zu beurteilen, muss man fragen, welche künftigen Gewinne den Kaufpreis rechtfertigen. Beim Kurs-Gewinn-Verhältnis (KGV) kommt es bereits darauf an, ob die Berechnung den letzten Jahresgewinn oder eine Analystenschätzung verwendet. Ein günstig wirkendes KGV auf Basis erwarteter Gewinne kann schnell steigen, wenn Analysten ihre Prognosen senken. Der Aktienkurs muss sich dafür keinen Cent bewegen.

Auch der Gesamtmarkt verdient einen gesonderten Blick. Laut FactSet lag das auf erwartete Gewinne gestützte KGV des S&P 500 am 5. November 2026 bei 17,7. Der Zehnjahresdurchschnitt lag bei 19,1. Eine extreme Bewertung einzelner KI-Aktien kann also durchaus mit einer historisch unauffälligen Bewertung des breiten US-Index zusammenfallen.

Nvidia, Microsoft und Alphabet werden oft als gemeinsame Wette auf den KI-Boom behandelt. Ihre Gewinnquellen unterscheiden sich erheblich. Nvidia verkauft einen großen Teil der benötigten Rechentechnik. Microsoft verdient unter anderem an Unternehmenssoftware und Cloud-Diensten, Alphabet auch an Werbung. Wer die Bewertung dieser Konzerne diskutiert, muss ihre bestehenden Geschäfte ebenso einbeziehen wie das zusätzliche Geschäft mit KI. Besonders anspruchsvoll wird eine Bewertung, wenn sie jahrelang hohes Wachstum und dauerhaft hohe Gewinnmargen voraussetzt.

Warum sind die Investitionen in Rechenzentren so riskant?

Große Cloud-Betreiber, die sogenannten Hyperscaler, bestellen Chips und sichern sich Stromanschlüsse lange bevor ein Rechenzentrum seine geplante Auslastung erreicht. Alphabet bestätigte im Bericht zum dritten Quartal 2026 eine Investitionsplanung von 195 bis 205 Milliarden US-Dollar für das Gesamtjahr. Die Spanne betrifft die konzernweiten Investitionsausgaben, im Englischen Capital Expenditures oder CapEx. Auch klassische Cloud-Dienste und andere Angebote nutzen diese Infrastruktur.

Goldman Sachs bezifferte 2026 die für den Zeitraum 2025 bis 2030 erwarteten Ausgaben der Hyperscaler für KI und Rechenzentren auf 5,3 Billionen US-Dollar. Das ist eine Prognose. Ein bestellter Chip, ein genehmigtes Baubudget und ein langfristig erwarteter Kapitalbedarf haben unterschiedliche Verbindlichkeit. Wer solche Beträge addiert, kann denselben Ausbau mehrfach zählen.

Beim Bau fließt ein großer Teil des Geldes früh ab. In der Gewinnrechnung verteilen sich die Kosten aktivierter Anlagen über die Nutzungsdauer. Dadurch können steigende Gewinne und ein sinkender freier Cashflow gleichzeitig auftreten. Entscheidend wird die Auslastung. Bleiben Rechenkapazitäten unverkauft oder fällt der Mietpreis je Rechenstunde, verteilen sich die Fixkosten auf weniger Erlöse. Besonders teuer wird es, wenn die Hardware wirtschaftlich veraltet, bevor sie ihre Anschaffungskosten eingespielt hat.

Wer trägt das Kreditrisiko?

Ein profitabler Technologiekonzern kann einen Teil seines Ausbaus aus dem laufenden Geschäft finanzieren. Anders sieht es bei einer Projektgesellschaft aus, deren Einnahmen von wenigen Mietverträgen für Rechenleistung abhängen. Zinsen und Tilgung werden auch dann fällig, wenn der Hauptkunde später startet, weniger Kapazität abnimmt oder selbst in Zahlungsschwierigkeiten gerät.

Analysen der Bank für Internationalen Zahlungsausgleich beschreiben, wie langfristige Schulden, private Kreditfonds und Finanzierungen außerhalb der Konzernbilanz beim Ausbau der KI-Infrastruktur an Bedeutung gewinnen. Langfristige Abnahmeverträge können das Risiko für den Betreiber senken. Dafür zählt umso mehr, wer die Abnahme garantiert und wie zahlungsfähig dieser Kunde ist. Hinter mehreren scheinbar unabhängigen Krediten kann derselbe Großkunde stehen.

Die Bundesbank verwies in ihrem Finanzstabilitätsbericht 2026 auf das erhebliche Rückschlagpotenzial hoch bewerteter Finanzmärkte. Ein Kursverlust wird für Banken vor allem dann zum Problem, wenn Schuldner ihre Kredite nicht mehr bedienen können oder Sicherheiten an Wert verlieren. Zwischen einer fallenden Tech-Aktie und einem Kreditausfall liegen mehrere Schritte. Ob daraus ein größeres Finanzierungsproblem entsteht, hängt unter anderem von Verschuldung, Vertragslaufzeiten und Rücklagen ab.

Was spricht gegen eine KI-Blase?

Wer verdient mit KI bereits Geld?

Die Geschäftsberichte zeigen, wo heute Umsatz und Geldzuflüsse entstehen. Dabei lohnt sich ein Blick auf die genaue Bezeichnung jeder Kennzahl. Ein Chiphersteller, ein Cloud-Betreiber und dessen Kunde verbuchen verschiedene Teile derselben wirtschaftlichen Aktivität.

Wie viel Geld nach Investitionen übrig bleibt, lässt sich bei Microsoft nachrechnen. Im Geschäftsjahr 2026 standen 182,9 Milliarden US-Dollar operativem Cashflow rund 115,9 Milliarden an Zahlungen für Sachanlagen gegenüber. Nach dieser einfachen Free-Cashflow-Rechnung blieben rund 67 Milliarden US-Dollar im Gesamtkonzern. Im Vorjahr waren es bei gleicher Rechnung rund 71,6 Milliarden. Microsoft konnte also seinen Nettogewinn steigern, während der freie Cashflow sank. Die Rechnung umfasst die gesamte Infrastruktur des Unternehmens.

Für den langfristigen Ertrag einer Investition zählt, wer am Ende der Kette zahlt. Der Verkauf eines Servers ist für den Lieferanten ein reales Geschäft. Der Cloud-Betreiber muss die Kapazität anschließend vermieten. Dessen Kunde muss mit der gemieteten Rechenleistung wiederum genug verdienen oder genügend Kosten sparen, damit er den Vertrag verlängert. Ein Auftragseingang am Anfang dieser Kette beantwortet die Frage nach der Zahlungsbereitschaft am Ende nur teilweise.

Lassen sich Produktivitätsgewinne durch KI messen?

Ja. Für die Studie Generative AI at Work werteten Erik Brynjolfsson, Danielle Li und Lindsey Raymond die schrittweise Einführung eines KI-Assistenten bei 5.172 Beschäftigten im Kundendienst aus. Mit Unterstützung lösten die Beschäftigten durchschnittlich 15 Prozent mehr Anliegen pro Stunde. Besonders profitierten weniger erfahrene Mitarbeiter. Die eingesparte Zeit lässt sich hier an erledigter Arbeit messen, unabhängig davon, wie viele Chatnachrichten das System erzeugt hat.

Auch für die Softwareentwicklung liegen Feldexperimente vor. Eine gemeinsame Auswertung dreier randomisierter Untersuchungen mit 4.867 Entwicklern ergab mit Zugang zu einem KI-Programmierassistenten im Mittel rund 26 Prozent mehr abgeschlossene Aufgaben. Die Ergebnisse der einzelnen Experimente streuten. Für ein Softwareunternehmen bleibt außerdem entscheidend, wie viel Arbeit später bei Codeprüfung, Wartung und Fehlerbehebung anfällt.

Wirtschaftlich unterscheiden sich zusätzliche Kapazität und eine Kosteneinsparung. Wenn ein Team einen Rückstand abbaut, profitieren seine Kunden unmittelbar von kürzeren Wartezeiten. Die Gehaltsausgaben bleiben zunächst gleich. Ein finanzieller Gewinn entsteht etwa, wenn dieselbe Belegschaft mehr bezahlte Aufträge erledigen kann oder wenn weniger Überstunden anfallen. Für eine belastbare Datenanalyse gehören deshalb die erledigten Aufträge pro Arbeitsstunde und der Gewinn pro Auftrag nebeneinander.

Wo verändert KI die Wirtschaft bereits?

In Deutschland nutzten laut Statistischem Bundesamt 2025 rund 26 Prozent der Unternehmen mit mindestens zehn Beschäftigten in den erfassten Wirtschaftszweigen KI-Technologien. Bei Großunternehmen mit mindestens 250 Beschäftigten waren es 57 Prozent. In der EU lag der Anteil laut Eurostat insgesamt bei 20 Prozent. Im Bereich Information und Kommunikation lag er bei rund 63 Prozent, bei freiberuflichen, wissenschaftlichen und technischen Dienstleistungen bei rund 40 Prozent.

Die wirtschaftliche Reichweite ist größer als die Zahl der Firmen, die eigene KI-Modelle entwickeln. Künstliche Intelligenz steckt sowohl in separat verkauften Anwendungen als auch in Funktionen bestehender Produkte. Schon lange vor generativen Chatbots wurde maschinelles Lernen für Prognosen und Mustererkennung eingesetzt. Heute reicht der Einsatz von Forschung und Beschaffung bis zum Zahlungsverkehr nach dem Verkauf.

Auch jenseits klassischer Absatzmärkte verändert sich die Arbeitsteilung. Die schwedische MASAI-Studie untersuchte KI-unterstützte Mammografie im regulären Screeningprogramm. Laut Auswertung der Universität Lund sank der Befundungsaufwand, gemessen an der Zahl der ärztlichen Bildlesungen, um rund 44 Prozent. Für die Versorgung ist das relevant, weil ärztliche Zeit knapp ist. Ob daraus im Budget eines Screeningprogramms eine Einsparung wird oder mehr Menschen untersucht werden können, sind unterschiedliche Fragen.

Warum beschleunigt der technische Fortschritt den Preisverfall?

Für die Verbreitung zählt, wie teuer eine brauchbare Antwort ist. Der Stanford AI Index verglich die Preise für Modellabfragen bei ungefähr gleichbleibender Leistung auf dem Wissenstest MMLU. Zwischen November 2022 und Oktober 2024 sank der Preis je Million Tokens von 20 US-Dollar auf 0,07 US-Dollar. Tokens sind die Einheiten, in denen Sprachmodelle Text verarbeiten. Der Vergleich hält ein bestimmtes Leistungsniveau fest. Für besonders schwierige Aufgaben gelten andere Preise.

Ein günstigeres Modell macht Anwendungen möglich, deren Erlös zuvor kaum die Rechenkosten gedeckt hätte. Zugleich verliert ein Anbieter Verhandlungsmacht, wenn ein Konkurrent dieselbe Aufgabe zu einem Bruchteil des Preises erledigt. Bessere Chips, effizientere Modelle und günstigere Inferenz können den Nutzen für Kunden also steigern und gleichzeitig die Gewinnmargen einzelner Anbieter senken.

Rechenbeispiel: Wann lohnt sich KI für ein Unternehmen?

Eine Übersetzungsagentur bearbeitet monatlich 100 vergleichbare Aufträge. Für die folgende Modellrechnung setzen wir je Auftrag vier Stunden Arbeitszeit, 40 Euro kalkulierte Personalkosten je Stunde und einen Verkaufspreis von 200 Euro an. Mit KI-Entwurf und fachlicher Nachbearbeitung sinkt die Arbeitszeit auf drei Stunden. Die Nutzung des Modells kostet fünf Euro pro Auftrag. Alle Werte sind Annahmen, Umsatzsteuer und unveränderte Gemeinkosten bleiben außen vor.

Bei gleichem Preis verbessert sich das kalkulierte Ergebnis um 35 Euro pro Auftrag. Bei 100 Aufträgen entspricht das 3.500 Euro pro Monat. Fällt der durchsetzbare Preis auf 160 Euro, kommt der Produktivitätsgewinn vor allem den Kunden zugute. Sie sparen jeweils 40 Euro. Der Agentur bleiben trotz schnellerer Arbeit fünf Euro weniger je Auftrag als zuvor.

Der entscheidende Preis in dieser Rechnung liegt bei 165 Euro. Damit deckt die Agentur 125 Euro für Arbeitszeit und Modellnutzung und behält ihre bisherigen 40 Euro. Bei fest angestellten Übersetzern werden die frei werdenden 100 Stunden erst dann zu zusätzlichem Geld, wenn die Agentur sie verkaufen oder tatsächlich bezahlte Arbeitszeit einsparen kann. Der Anbieter des Sprachmodells erhält in beiden KI-Varianten 500 Euro Umsatz. Über seinen eigenen Gewinn kennen wir damit noch keine Zahl.

Wer gewinnt am KI-Boom und wer verliert?

Wer einen knappen Bestandteil der Infrastruktur liefert, kann früh am Ausbau verdienen. Für Chipanbieter sind das leistungsfähige Prozessoren, für andere Zulieferer Speicher, Netzwerktechnik oder Kühlung. Ihre Kunden bezahlen für die Ausstattung, bevor der Endkunde sein erstes Abo abschließt. Diese Reihenfolge erklärt, warum der Gewinn auf einer Stufe bereits hoch sein kann, während ein Geschäft weiter unten um seine Rentabilität ringt.

Bei Software zählt der Zugang zum Kunden. Anbieter mit einem etablierten Arbeitsablauf können eine neue KI-Funktion an bestehende Kunden verkaufen oder über eine höhere Vertragsverlängerungsquote verdienen. Schwieriger ist die Lage für einen Dienst, dessen einzige Leistung bald zum Standardumfang eines größeren Produkts gehört. Eine wachsende Zahl von KI-Nutzern hilft einem solchen Anbieter wenig, wenn der Preis für seine bisherige Spezialfunktion gegen null fällt.

Beschäftigte und Selbstständige erleben den Umbruch bereits auf dem Auftragsmarkt. Eine Untersuchung von Özge Demirci, Jonas Hannane und Xinrong Zhu verglich Ausschreibungen auf einer internationalen Freelancer-Plattform. In den ersten acht Monaten nach der Einführung von ChatGPT gingen Ausschreibungen für automatisierbare Schreib- und Programmieraufgaben relativ zu stärker manuell geprägten Tätigkeiten um 21 Prozent zurück. Gemessen wurden Aufträge auf dieser Plattform. Für die Betroffenen ist das ein konkreter Nachfrageverlust, auch wenn dieselbe Technik andernorts die Produktivität erhöht.

Quelle: datenbasiert.de

Was hat der KI-Boom mit der Dotcom-Blase gemeinsam?

Vom Hoch im Jahr 2000 bis zum Tief im Jahr 2002 verlor der Nasdaq Composite rund 78 Prozent. Gleichzeitig wurden Internetzugang und digitale Geschäftsprozesse für immer mehr Unternehmen unverzichtbar. Wer damals die künftige Bedeutung des Internets richtig eingeschätzt hatte, musste immer noch den richtigen Anbieter finden und durfte für dessen Aktie nicht zu viel bezahlen.

Eine Parallele zur heutigen KI-Debatte liegt im Ausbau auf Vorrat. Die Infrastruktur kann der Gesellschaft auch dann nützen, wenn ihre ersten Eigentümer Geld verlieren. Nach einer Abschreibung oder einem Eigentümerwechsel kann ein neuer Betreiber mit niedrigeren Anschaffungskosten rechnen. Kunden können von günstiger Kapazität profitieren, während die ursprünglichen Kapitalgeber einen Verlust tragen.

Ein Unterschied zur Dotcom-Zeit liegt in der Finanzierungskraft wichtiger Akteure. Heute investieren mehrere Konzerne mit hohen laufenden Einnahmen und etablierten Vertriebskanälen. Das erhöht ihre Fähigkeit, eine schwache Phase auszuhalten. Es schützt ihre Aktionäre allerdings kaum davor, dass sich ein zu hoher Einstiegspreis erst nach Jahren oder überhaupt nicht rechnet.

Warum wollen so viele das Platzen der KI-Blase vorhersagen?

Das Timing von Börsenblasen ist für manche fast ein Fetisch. Wer den nächsten Crash als Erster kommen sieht, kann hinterher den Satz sagen, den in der Rückschau jeder gern für sich beansprucht: „Ich habe es die ganze Zeit gewusst.“ In der Rückschau bleibt oft die eine Warnung im Gedächtnis, auf die tatsächlich ein Kurssturz folgte. Die früheren Warnungen derselben Person, nach denen die Kurse noch jahrelang stiegen, bekommen selten dieselbe Aufmerksamkeit. Dieser Wettbewerb darum, wer die Blase zuerst erkannt hat, belohnt eine spektakuläre Schlagzeile stärker als eine überprüfbare Prognose.

Wer den Zeitpunkt des Platzens vorhersagen will, muss sich vorher festlegen. Welcher Markt soll einbrechen? Wie groß soll der Rückgang sein, von welchem Kursstand aus und innerhalb welcher Frist? „KI wird irgendwann abstürzen“ kann nach fast jeder Korrektur als Treffer ausgegeben werden. Eine Warnung vor hoch verschuldeten Rechenzentrumsbetreibern lässt sich präziser prüfen als eine Vorhersage über sämtliche Unternehmen, die KI einsetzen.

Wie viel Interpretationsspielraum ein Kursrückgang lässt, zeigte der Handel im November 2026. Am 10. November lag die Nvidia-Aktie im US-Handel zeitweise rund 6,5 Prozent im Minus. Das war ein erheblicher Verlust an Börsenwert. Ob Kunden weniger Rechenleistung bestellen, ob Banken Kreditlinien kürzen oder ob sich lediglich der Preis geändert hat, zu dem Anleger das Risiko tragen wollen, zeigt eine Kursbewegung allein nicht.

Unsere Meinung: Ist KI eine Blase?

Wir halten KI für eine dauerhafte wirtschaftliche Veränderung, vergleichbar mit dem Internet und dem Mobiltelefon. Das Internet hat verändert, wie wir Waren kaufen, Informationen finden und Unternehmen gründen. Das Mobiltelefon hat diese Möglichkeiten dorthin gebracht, wo wir uns gerade aufhalten. KI verändert, wie viel Arbeit zwischen einer Absicht und einem brauchbaren Ergebnis liegt. Das betrifft die Vorbereitung eines Kundengesprächs ebenso wie die Möglichkeit, privat einen fremdsprachigen Brief zu verstehen.

Den stärksten Beleg sehen wir dort, wo Menschen sich längst auf eine Leistung verlassen und sie bei einem Ausfall vermissen würden. Wenn eine Anwendung Wartezeiten verkürzt, Sprachbarrieren senkt oder Fachkräften mehr Zeit für schwierige Entscheidungen verschafft, bleibt der Nutzen auch nach einer Kurskorrektur erhalten. Wie viel er in Euro wert ist und wer ihn abschöpfen kann, entscheidet sich in jedem Markt neu.

Wir erwarten, dass uns KI beruflich wie privat ebenso selbstverständlich begleiten wird wie heute der Internetzugang. Zugleich halten wir einen Teil der Erwartungen an Preise, Margen und Marktanteile für absolut unrealistisch. Mehrere konkurrierende Unternehmen können in ihren Geschäftsplänen jeweils die Marktführerschaft anstreben. In der tatsächlichen Gewinnrechnung können sie sie nicht alle gleichzeitig erreichen. Gerade weil wir an die Zukunft von KI glauben, rechnen wir in dieser Branche auch mit Verlierern.