Wenn der Chiphersteller auch die Finanzierung aufbaut

Die wirtschaftliche Debatte über KI verengt sich gewöhnlich auf die Frage, ob die gegenwärtige Investitionswelle eine Blase oder der Beginn eines neuen Industriezeitalters ist. Beide Möglichkeiten schließen einander jedoch nicht aus. Eine Technologie kann tatsächlich bedeutend sein, während zu viele der damit verbundenen Vermögenswerte zu schnell oder mit zu teurer Finanzierung aufgebaut werden. Das wichtige Signal ist daher nicht die Begeisterung an sich, sondern die Veränderung der Finanzierung von KI-Infrastruktur.

Im August 2026 gab Nvidia bekannt, gemeinsam mit sechs großen Finanzakteuren an Plattformen zu arbeiten, die im Laufe der Zeit mehr als 500 Milliarden US-Dollar an externem Kapital für KI-Infrastruktur mobilisieren könnten. Nach dem Plan könnte Nvidias Rechenkapazität zu einem eigenständig finanzierbaren Vermögenswert und zu einer Kreditsicherheit werden. Bislang bekundet die Ankündigung eine Absicht zur Zusammenarbeit und stellt keinen Bestand endgültiger Verträge dar. Auch übernimmt Nvidia nicht automatisch eine Garantie für die gesamte Summe. Bei einzelnen Transaktionen kann sich das Unternehmen jedoch am Risiko des künftigen Restwerts der Hardware beteiligen.

Dies ist nicht die klassische Rolle eines Mitschuldners, geht aber weit über eine einfache Lieferantenbeziehung hinaus. Einer der profitabelsten Hardwarehersteller der Welt mit einer der stärksten Marktstellungen verkauft nicht nur sein Produkt, sondern hilft auch, jenes Finanzsystem zu organisieren, aus dem die Kunden weitere Produkte kaufen können. Wären Rentabilität und Finanzierbarkeit der KI-Investitionen selbstverständlich, erschiene dies auf den ersten Blick nicht notwendig. Die Konstruktion beweist daher keinen Zusammenbruch der Investitionswelle, zeigt aber, dass technologische Überlegenheit allein nicht mehr ausreicht: Hinter der nächsten Nachfragewelle muss eine eigene Finanzierungsstruktur aufgebaut werden.

Wenn ein schnell alternder Vermögenswert zur Sicherheit eines langfristigen Kredits wird

In der KI-Infrastruktur treffen zwei unterschiedliche Probleme aufeinander. Das erste ist technologischer Natur. Gebäude, Energieversorgung und Netzwerk eines Rechenzentrums können jahrzehntelang genutzt werden, während sich der wirtschaftliche Wert der darin betriebenen Beschleuniger in wesentlich kürzerer Zeit verändern kann. Die alte Hardware muss nicht physisch unbrauchbar werden. Es genügt, wenn ein neueres System dieselbe Aufgabe deutlich günstiger, schneller oder mit geringerem Energiebedarf erledigt. Dann funktioniert der alte Vermögenswert weiterhin, kann aber weniger künftige Einnahmen erwirtschaften und ist deshalb auch als Kreditsicherheit weniger wert.

Das zweite Problem ist finanzieller Natur. Große Technologieunternehmen nutzen zunehmend Anleihen, private Kredite, Projektgesellschaften und langfristige Verpflichtungen zum Kauf von Kapazitäten. Die Bank für Internationalen Zahlungsausgleich bezeichnet Konstruktionen als Schattenverschuldung, bei denen der Kredit rechtlich nicht zwingend in der Bilanz des Technologieunternehmens steht, der Cashflow jedoch durch dessen mehrjährige Miet-, Kauf- oder Garantieverpflichtungen aufrechterhalten wird.

Die langfristige Finanzierung stützt sich damit auf einen technologischen Vermögenswert, der sich schnell verändert. Bei hoher Auslastung, einem angemessenen Preis für Rechenkapazität, anhaltender Dominanz des Nvidia-Systems und einem funktionierenden Markt für gebrauchte Beschleuniger kann die Konstruktion tragfähig sein. Drücken dagegen neue Hardware, ein günstigerer Wettbewerber oder ein effizienteres Modell den wirtschaftlichen Wert der alten Kapazität, können Sicherheit und Cashflow gleichzeitig schwächer werden. Ein niedrigerer Restwert kann zu einem höheren Kreditrisiko, ein höheres Risiko zu teurerer Finanzierung und teurere Finanzierung wiederum zu einer schwächeren Rentabilität führen.

Warum wächst der Investitionsbedarf schneller als die sichtbaren Umsätze?

Ein Grund für den Anstieg der Investitionsausgaben ist ein tatsächlicher Kapazitätsmangel: Cloudanbieter berichten in mehreren Bereichen von einer Nachfrage, die ihre verfügbare Rechenkapazität übersteigt. Der zweite Grund sind steigende Stückkosten. Wegen teurerer Speicher, Beschleuniger, Netzwerke und Energie bedeuten dieselben zusätzlichen Ausgaben nicht zwingend dieselbe zusätzliche Kapazität. Der dritte Grund ist der Wettbewerb selbst. Hinter einer nachfragegetriebenen Investition steht bereits ein Kunde; hinter einer strategischen Investition hingegen die Annahme, dass derjenige, der heute keine Kapazität aufbaut, später seinen Markt verlieren könnte.

Das zieht die Ausgaben zeitlich vor. Unternehmen müssen Rechenzentren und Hardware bauen, bevor die gesamte Endmarktnachfrage und der zugehörige Umsatz nachweisbar sind. In einem Markt, in dem wenige Akteure den Großteil der Einnahmen gewinnen können, können auch übermäßige Vorabinvestitionen für das einzelne Unternehmen rational sein: Abwarten kann gefährlicher erscheinen als das Risiko überschüssiger Kapazität.

Nach den am 22. August 2026 vorliegenden Plänen nähern sich die gemeinsamen jährlichen Investitionen von Amazon, Alphabet, Microsoft und Meta 750 Milliarden US-Dollar. Diese Summe wird nicht ausschließlich für generative KI ausgegeben und ist keine abgeschlossene Jahreszahl. Die Größenordnung ermöglicht dennoch eine einfache Belastungsprobe. Muss sich ein einziger Investitionsjahrgang von 740 Milliarden US-Dollar bei Kapitalkosten von 8 % innerhalb von vier bis fünf Jahren rentieren, hat er jährlich 185–223 Milliarden US-Dollar wieder zu erwirtschaften. Verbleiben von jeweils 100 US-Dollar Umsatz nach den Betriebskosten 50 US-Dollar für den Kapitaldienst, sind dafür 371–447 Milliarden US-Dollar Jahresumsatz erforderlich. Bleiben nur 30 US-Dollar übrig, steigt der Bedarf auf 618–745 Milliarden US-Dollar.

Die im August 2026 angegebenen, auf das Jahr hochgerechneten Umsatzraten von OpenAI und Anthropic beliefen sich zusammen auf rund 105 Milliarden US-Dollar. Das ist weder Gewinn noch eine abgeschlossene Jahreszahl oder der Umsatz des gesamten KI-Marktes. Als Vergleichsgröße verdeutlicht es jedoch den Abstand: Würde ausschließlich dieser Umsatz die Investition tragen, müsste er für das Vier- bis Fünfjahresszenario auf das 3,5- bis 7,1-Fache steigen. Auch andere Erlösquellen können beitragen, beispielsweise Clouddienste, Unternehmenssoftware, effizientere Werbung oder interne Produktivitätsgewinne. Die Belastungssituation zeigt sich deshalb nicht in einem einfachen Quotienten aus den Investitionsausgaben und dem Umsatz der beiden KI-Labore, sondern darin, dass das System ein Mehrfaches der derzeit sichtbaren Erlöserzeugung in einen dauerhaften, auch für den Kapitaldienst geeigneten Cashflow umwandeln muss. Folgen ähnliche Investitionsjahrgänge aufeinander, überlagert sich auch der Bedarf zur Kapitalrückgewinnung.

Apple zeigt einen anderen geschäftlichen Pfad

Hinter den gegenwärtigen Investitionen in Rechenzentren steht die Annahme, dass ein bedeutender Teil der künftigen KI-Nutzung eine zentrale, kostenpflichtige Rechendienstleistung bleiben wird. Das Training großer Modelle und die komplexesten Aufgaben können tatsächlich Rechenzentren erfordern. Ein Teil der alltäglichen Nutzung bereits fertiggestellter Modelle könnte jedoch auf das eigene Gerät des Nutzers verlagert werden.

Der Apple M5 Max verfügt bereits über Speicher und Rechenleistung, die sich zur Ausführung lokaler großer Sprachmodelle eignen. Die höheren Speicherangaben zum M7 beruhen bislang auf Medienberichten und dürfen deshalb nicht als fertige Produktdaten behandelt werden. Die Richtung ist dennoch wichtig: Wenn Modelle effizienter und Personal Computer leistungsfähiger werden, können mehr Aufgaben lokal, ohne laufende Cloudgebühren und mit unmittelbarerer Kontrolle über die Daten ausgeführt werden.

Apples Modell bedeutet keine Zukunft ohne Cloud. Die Verarbeitung kann vorwiegend lokal erfolgen, und nur die komplexeren Aufgaben könnten an ein zentrales System gehen. Geschäftlich ist dies deshalb bedeutsam, weil ein anderer Cloudanbieter den Markt für kostenpflichtige Rechenleistung lediglich neu ordnet, während lokale Verarbeitung bei bestimmten Aufgaben die kostenpflichtige Cloudtransaktion selbst beseitigen kann. KI kann damit technologisch erfolgreich und weitverbreitet sein, selbst wenn die Rentabilität eines Teils der heute gebauten zentralen Infrastruktur hinter den Erwartungen zurückbleibt.

Die finanzielle Grenze kann zu einer gesellschaftlichen und staatlichen Grenze werden

Rechenzentren benötigen nicht nur Kapital und Hardware, sondern auch Energie, Netzanschlüsse, Wasser, Land und lokale politische Akzeptanz. In den Vereinigten Staaten schränken mehrere Bundesstaaten und Gemeinden den Bau großer Rechenzentren wegen Energiepreisen, Netzbelastung, Wasserverbrauch und Umweltauswirkungen ein oder knüpfen ihn an neue Bedingungen. Das ist kein allgemeines KI-Verbot. Doch jede Verzögerung, Verpflichtung zu eigener Energieerzeugung oder wegfallende Steuervergünstigung erhöht die Investitionskosten oder verschiebt den Beginn der Einnahmen nach hinten.

Auch die umfassendere Frage der Finanzierungsdebatte lautet nicht, ob das Geld eines Tages plötzlich ausgeht. Die quantitative Lockerung nach 2008 schuf keinen unveränderten Geldbehälter, aus dem Kapital nun einfach in KI fließt. Entscheidend ist, dass große nominale Finanzvermögen nach realer Rendite suchen, während die Risiko- und Bilanzkapazität von Versicherern, Pensionsfonds, Banken und Anleihefonds begrenzt ist. Die Grenze zeigt sich daher zunächst nicht im Verschwinden des Geldes, sondern im höheren Preis des nächsten Dollars, im Bedarf an stärkeren Sicherheiten und in strengeren Bedingungen.

KI-Infrastruktur sucht ihre Finanzierung zugleich auf demselben langfristigen Kapitalmarkt, auf dem Staaten immer höhere Schulden sowie Verteidigungs-, Energie- und Sozialausgaben finanzieren. Das ist keine mechanische Verdrängung: Ein für eine Unternehmensanleihe eingesetzter Dollar fehlt nicht zwangsläufig bei einer Staatsanleihe. Der Preiszusammenhang ist jedoch real. Höhere Staatsanleiherenditen verteuern die Unternehmensfinanzierung, während ein rekordhohes Angebot an Unternehmensanleihen höhere Aufschläge erfordern kann, wenn die Bilanzen der Investoren ausgelastet sind.

Auch die Rentabilität von KI hat eine gesellschaftliche Voraussetzung. Damit jährliche Investitionen von mehreren Hundert Milliarden US-Dollar dauerhaft profitabel werden, muss KI tief in Produktion, Dienstleistungen und alltägliche Arbeit eindringen. Das kann neue Aufgaben und Berufe schaffen, aber auch die Nachfrage nach anderen Tätigkeiten verringern. Wenn der Übergang Arbeitslosigkeit oder Einkommensungleichheit erhöht, kann der Staat mit höheren Sozialausgaben und schwächeren Einnahmen aus Arbeitseinkommen konfrontiert sein. Damit könnte derselbe Staat, dessen Kapitalmarkt die KI-Infrastruktur finanziert, auch die gesellschaftlichen Kosten des Wandels tragen.

Die Blase ist nicht die entscheidende Frage

Die Bedeutung von Nvidias Programm liegt nicht darin, dass es einen bevorstehenden Zusammenbruch der KI-Investitionswelle beweisen würde. Es zeigt, dass der nächste Engpass bereits das Kapital selbst sein könnte, das zu einem angemessenen Preis und für eine angemessene Laufzeit verfügbar ist. Die GPU wird vom technologischen Vermögenswert zur Kreditsicherheit, und der Hersteller hat nicht mehr nur am Verkauf der Hardware, sondern auch an der Aufrechterhaltung der Finanzierbarkeit seiner Kunden ein Interesse.

Die Rentabilität des Systems lässt sich nicht jeweils für sich aus Nvidias Gewinn, dem Wachstum der großen Cloudanbieter oder dem Umsatz der KI-Labore ablesen. Die gesamte Kette ist nur dann tragfähig, wenn der letztendliche Nutzen für Unternehmen und Verbraucher ausreicht, um alle zwischengeschalteten Betriebskosten und Kapitalrenditen zu erwirtschaften. Zugleich ist nicht nur unsicher, welcher Beschleuniger in fünf Jahren wettbewerbsfähig sein wird, sondern auch, wo jene Berechnungen stattfinden werden, aus denen sich das heute gebaute Rechenzentrum rentieren muss.

Die zentrale Frage lautet daher nicht, ob KI eine Blase ist. Sie lautet vielmehr, ob der von KI geschaffene reale wirtschaftliche Cashflow schnell genug wachsen kann, um die Rendite eines immer größeren und komplexeren Finanzierungssystems zu erwirtschaften, noch bevor der technologische Wandel die dahinterstehenden Vermögenswerte neu bewertet. Wenn nicht, könnte sich das Problem nicht nur in den Aktienkursen zeigen, sondern auch im Sicherheitenwert, in den Kreditaufschlägen, in der Refinanzierung von Projekten und in der Finanzierbarkeit der nächsten technologischen Generation.

Das Ziel von Unus Multorum ist nicht, vorzugeben, was man über ein bestimmtes Ereignis denken soll. Es besteht darin, die Zusammenhänge aufzuzeigen, auf deren Grundlage sich jede Leserin und jeder Leser ein eigenes Urteil bilden kann.