KI-Boom: Wenn Rechenleistung zur Anlageklasse wird

Die Wall Street hat die GPU als Kreditsicherheit entdeckt. Hunderte Milliarden US-Dollar sollen in den Ausbau von KI-Rechenzentren fliessen. Das Geld ist vorhanden, der Strom oft nicht. Asset Manager sehen den Boom intakt, warnen aber vor Kapazitäten, für die es noch keine Kunden gibt.

Die Debatte über KI-Investitionen wird meist als Wahl zwischen zwei Möglichkeiten geführt: Entweder rechtfertigt ein epochaler Technologiewandel die Ausgaben, oder die Branche baut eine Blase. Andy O'Brien, Portfoliomanager bei Putnam Investments, einer Gesellschaft von Franklin Templeton, hält beides für zu einfach. «KI-Infrastruktur kann kurzfristig überdimensioniert und für das kommende Jahrzehnt unterdimensioniert sein», schreibt er in einem aktuellen Kommentar. Er selbst sieht sich näher am optimistischen Ende des Spektrums. Die kurzfristige Finanzierungsdynamik verdiene jedoch eine genaue Prüfung.

500 Milliarden US-Dollar für «KI-Fabriken»

Anlass für diese Einschätzung ist eine neue Finanzierungsarchitektur. Am 10. August kündigte Nvidia strategische Partnerschaften mit Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR an. Gemeinsam sollen unabhängige Finanzierungsplattformen entstehen, die über die Zeit mehr als 500 Milliarden US-Dollar an Drittkapital für den Ausbau der KI-Infrastruktur mobilisieren. Die Nvidia-Rechenleistung dient dabei als Sicherheit für neue Schulden. Das Kapital fliesst über Privatplatzierungen und Anleihen von Zweckgesellschaften. Laut CEO Jensen Huang kann Nvidia bis zu 125 Milliarden US-Dollar oder 25 Prozent der möglichen Transaktionen absichern. Alle sechs Partnerschaften stehen noch unter dem Vorbehalt definitiver Verträge.

Bereits im Juni war eine erste Plattform dieser Art entstanden. Broadcom gründete mit Apollo und Blackstone die «AI XPV»-Plattform. Sie soll bis 2028 mehr als 20 Gigawatt Rechenkapazität für führende KI-Labore wie Anthropic und OpenAI ermöglichen. Die erste Tranche über 35 Milliarden US-Dollar bezeichnete Apollo als grösste je ausgeführte Privatfinanzierung.

Die GPU als schmelzender Eiswürfel? Offenbar nicht

Storm Uru und Clare Pleydell-Bouverie, Co-Leiter des Global Innovation Teams bei Liontrust, vergleichen die Entwicklung mit der Entstehung früherer Anlageklassen. Hypotheken, High Yield und Private Credit habe es als Vermögenswerte schon lange gegeben, bevor standardisierte Strukturen sie für institutionelle Anleger investierbar machten. Genau das geschehe jetzt mit Rechenleistung. Der oft angenommene rasche Wertzerfall von Grafikprozessoren zeige sich am Mietmarkt nicht. Zu diesem Befund passen die Daten des Research-Hauses SemiAnalysis: Die Preise für einjährige H100-Mietverträge stiegen von einem Tief von 1,70 US-Dollar pro GPU-Stunde im Oktober 2025 auf 2,35 US-Dollar im März 2026, ein Plus von fast 40 Prozent. Der Grund: Für die Inferenz, also die Ausführung bereits trainierter Modelle, lassen sich auch ältere Chipgenerationen produktiv einsetzen. Zudem steigern Softwareoptimierungen laufend die Leistung bereits installierter Systeme.

Auch der Anleihemarkt zeigt Vertrauen. Nvidia platzierte im Juni Anleihen über 25 Milliarden US-Dollar bei Orders von rund 85 Milliarden US-Dollar. Der Aufschlag der 30-jährigen Tranche gegenüber US-Staatsanleihen verengte sich von anfänglich rund 0,9 Prozentpunkten auf 65 Basispunkte. Die Liontrust-Manager halten die Risiken dennoch für real. KI-Umsätzen von vielleicht 600 bis 800 Milliarden US-Dollar im kommenden Jahr stünden rund 4 bis 5 Billionen US-Dollar investiertes Kapital gegenüber. Vereinzelt würden bereits Kredite für Cluster ohne vertraglich gesicherte Nachfrage vergeben. Erste Warnsignale würden sich deshalb eher bei den Kreditspreads als bei den Aktienkursen zeigen.

Das Paradoxon der günstigen Modelle

Hier setzt O'Brien an. Er sieht ein unterschätztes Risiko in sogenannten Open-Weight-Modellen, also KI-Modellen, die jeder herunterladen und ausführen kann. Wenn solche Modelle immer leistungsfähiger werden, könnten sie die Gewinne schmälern, die sich mit der Entwicklung von Spitzenmodellen erzielen lassen. Die grossen Labore hätten dann weniger Anlass, immer teurere Trainingsläufe zu finanzieren. Das könnte eine vorübergehende Delle bei den Investitionen auslösen, obwohl die Nutzung von KI weiter wächst.

Den langfristigen Bedarf an Rechenleistung widerlegt das laut O'Brien nicht. Günstigere Modelle ziehen mehr Nutzer an, und autonome Agenten brauchen ein Vielfaches der Rechenleistung einer einfachen Chatbot-Anfrage. Die Internationale Energieagentur stützt diese Sicht. Pro KI-Aufgabe sinkt der Energiebedarf dank Effizienzgewinnen zwar, der Gesamtverbrauch steigt aber weiter. Die IEA erwartet, dass sich der Strombedarf von Rechenzentren bis 2030 verdoppelt und der KI-spezifische Bedarf verdreifacht.

Die Anfälligkeit sieht O'Brien nicht bei den Hyperscalern mit ihren enormen Cashflows. Sie liege eine Ebene darunter, bei kleineren KI-Cloud-Anbietern. Diese brauchten bisher einen Ankerkunden, bevor Kreditgeber einen grossen Ausbau finanzierten. Die neuen Plattformen könnten diese Disziplin aufweichen. «Wenn Anbieter bereits bauen können, bevor sie einen Kunden gewonnen haben, wird die Kapazität nicht mehr durch Nachfrage, sondern durch Erwartungen gestützt», so O'Brien. Anleger sollten deshalb weniger auf angekündigte Gigawatt achten als auf vier Fragen: Wie viel neue Kapazität hat einen namentlich genannten Kunden? Wie verbindlich ist die Zusage? Wer trägt das Auslastungsrisiko? Passt die Finanzierungsdauer zur wirtschaftlichen Lebensdauer der Anlagen? Seine Kernfrage lautet: «Hat die nächste Kapazitätseinheit bereits eine Aufgabe?»

Das Refinanzierungsrisiko wird durch das Zinsumfeld verschärft. Die Rendite 30-jähriger US-Staatsanleihen stieg diese Woche auf den höchsten Stand seit 2004.

Der eigentliche Engpass: Strom

Roman Boner, Senior Portfolio Manager der Robeco Smart Energy Strategie, lenkt den Blick von den Chips auf die physische Infrastruktur. «Der nächste Engpass bei KI ist nicht die Rechenleistung, sondern die elektrische Energie», sagt er. Laut Robeco dürfte die Stromnachfrage in den USA künftig fast dreimal so schnell wachsen wie in den vergangenen zwei Jahrzehnten. Treiber seien KI-Rechenzentren, die Rückverlagerung industrieller Produktion, die Elektrifizierung und Elektrofahrzeuge. Profitieren könnten Unternehmen aus den Bereichen Netzausrüstung, Übertragung, Flüssigkühlung und optische Netzwerktechnik. Nach Jahren der Unterinvestition sieht Boner den Übergang von zyklischen Investitionen im Stromsektor zu einem mehrjährigen Infrastrukturausbau.

Auch die IEA benennt diese Grenzen. Engpässe bei Gasturbinen, Transformatoren und modernen Chips sowie Verzögerungen bei Netzanschlüssen und Bewilligungen bremsen den Ausbau von Rechenzentren. Tech-Konzerne unterzeichneten 2025 rund 40 Prozent aller Stromabnahmeverträge für erneuerbare Energien von Unternehmen.

Bis in den Orbit

Wie breit die Infrastrukturthese inzwischen gefasst wird, zeigt ein Beitrag von Marco Mencini, Head of Research bei Plenisfer Investments. Er untersucht die Raumfahrtwirtschaft. Satelliten liefern wachsende Datenmengen, die künstliche Intelligenz auswertet. Je mehr Daten gesammelt werden, desto grösser ist sinngemäss der Bedarf an Übertragungs-, Speicher- und Rechenkapazität. Mencini zieht dieselbe Lehre wie O'Brien: Ein strukturelles Wachstum rechtfertige nicht jeden Preis. Entscheidend sei, welche Unternehmen Nachfrage in nachhaltige Umsätze und Cashflows umwandeln können.

Was ist das Fazit? Der KI-Investitionszyklus ist nicht vorbei, er verlagert sich. Vom Training geht er zur Inferenz, von den Hyperscalern zu kleineren Anbietern und externen Kreditgebern, von den Chips zum Stromnetz. Für Anleger heisst das, Differenzierung wird wichtiger als ein pauschales Urteil über «KI». Eine Pause bei den Trainingsausgaben ist kein Nachfrageeinbruch. Nicht jede finanzierte Kapazität wird jedoch rechtzeitig einen Abnehmer finden.