Die größten Nutznießer waren dabei zunächst der Ent-wickler spezieller Grafikprozessoren Nvidia und die großen Hyperscaler in den USA wie Amazon, Alphabet (Google) und Microsoft. So wurde zum Beispiel Nvidia Mitte 2022 noch mit ca. 400 Milliarden USD bewertet um dann ab Mitte 2025 mit einer Marktkapitalisierung von bis zu 4,7 Billionen USD das wertvollste börsennotierte Unternehmen der Welt zu werden. Bei den für das Trainieren von KI-Modellen besonders geeigneten Grafik-Chips (GPUs) erreicht Nvidia einen Marktanteil von weit über 90% und konnte damit zuletzt eine Bruttomarge von astronomischen 75% erzielen. Vor allem die großen US-Tech-Firmen entwickeln eine enorme Nachfrage nach den knappen GPUs. Hinzu kom-men immer größere Investitionen in Rechenzentren, um die für das Trainieren der Sprachmodelle und die entsprechen-den KI-Abfragen (sogenannte Inferenz) erforderliche Rechenleistung bereitstellen zu können.

Mit der Frage, ob sich diese enormen Investitionsausgaben in die KI-Infrastruktur überhaupt irgendwann rechnen, werde ich mich in einem separaten Artikel beschäftigen. Hier nur kurz die Einordnung, dass sich die Tech-Giganten diese großen Ausgaben zumindest vorerst ‚leisten‘ können, da sie zum Beispiel im Jahr 2025 zusammen einen Netto-gewinn von 372 Mrd. USD erwirtschafteten. Die frei verfüg-baren Geldmittel (Cashflow) der großen Hyperscaler dürfte allerdings 2026 in Negative rutschen und die Unternehmen müssen sich erstmals in größerem Maße am Kapitalmarkt verschulden. Alles aber in keiner Weise vergleichbar mit den Exzessen der Dotcom-Blase 2000 – 2002, als junge Unternehmen nur mittels Internetphantasie hohe Marktbe-wertungen zugesprochen wurde, ohne überhaupt große Umsätze oder Gewinne zu erzielen. Dies ist bei den großen Tech-Firmen heute fundamental anders, die mit ihrem Kerngeschäft hohe Erträge machen.

In den letzten Monaten ist die große KI-Euphorie aber deutlich abgeklungen. Begonnen hatte die Skepsis be-züglich der positiven Breitenwirkung der Künstlichen Intelligenz zu Beginn des Jahres, als viele KI-Agenten veröffentlich wurden, die Routineaufgaben und vor allem das Software-Programmieren automatisieren. Da diese Anwendungen selbständig Quellen auswerten, Fragen beantworten, Workflows optimieren und komplexe digitale Aktionen ausführen können, stehen vor allem Branchen mit einem hohen Anteil an repetitiven, datenintensiven und prozessgetriebenen Bürotätigkeiten unter Transformations- und Anpassungsdruck (Softwareentwicklung/IT-Betrieb, Call-Center/Kundenservice, Finanzwesen, Beratung und Rechtsrecherche, Logistik/Disposition etc.). Die Auswirkun-gen auf verschiedene Branchen und Arbeitsplätze bzw. Berufsbilder werde ich noch ausführlicher in einem separa-ten Beitrag behandeln. Vor allem die Softwarebranche hat mit dem Wegbrechen klassischer, auf Arbeitsstunden ba-sierender Geschäftsmodelle im ersten Halbjahr 2026 an den Börsen 30% bis 50% Kursverluste erlitten.

Allerdings ist die gesamte (amerikanische) Tech-Branche von möglichen Zweifeln an ihrer Zukunftsfestigkeit schnell tangiert. Da die sehr hohen Bewertungen auf ausgeprägten Wachstums- und Gewinnerwartungen in der Zukunft ba-sieren, schlagen sich geopolitische und wirtschaftliche Unsicherheiten (Iran-Krieg, steigende Energiepreise), technologische Disruptionen (Schock des chinesischen KI-Modells DeepSeek als leistungsfähig und kostengünstiger) 

Trotz weiterhin guter Fundamentaldaten und hoher Steige-rungen bei den tatsächlichen Gewinnen der Tech-Giganten und der Chip-Entwickler hat der amerikanische Technolo-gie-Index Nasdaq dann in den letzten Wochen um ca. 10% nachgegeben, nachdem er in diesem Jahr bereits um 21% gut gemacht hatte. Der Philadelphia Semiconductor Index als weltweiter Leitindex für die Chipindustrie ist seit seinem Hochpunkt im Juni bereits um bis zu 25% zurückgegangen, nachdem er sich in 2026 bereits verdoppelt hatte. Mit zu einer Belastung hat möglicherwiese auch der bislang größte Börsengang der Tech-Firma SpaceX von Elon Musk geführt. Insbesondere, da weitere voluminöse IPOs von Anthropic und OpenAI sowie neue Bond-Emissionen und Kapitalerhöhungen der Hyperscaler erwartet werden, die sehr viel Liquidität binden.

Mit beigetragen zu der aktuellen Verunsicherung hat auch, dass viele kommerzielle KI-Anwender realisiert haben, dass die neusten KI-Modelle schnell teuer werden. Bislang galt, dass immer größere Modelle mit immer mehr Lern-Parame-tern (Datenmenge zum Training) entwickelt und nachge-fragt wurden. Diese werden für die professionelle Nutzung von den US-Anbietern aber nach Token abgerechnet (Anzahl der Eingabe- und Ausgabe-Wörter der Sprachmo-delle). Daneben werden immer mehr KI-Modelle aus China veröffentlicht (wie zuletzt Kimi K3 von Moonshot AI), die als Open Source frei verfügbar sind und bei vergleichbarer Leistungsfähigkeit den US-amerikanischen Anbietern Kon-kurrenz machen. Laut einer Studie der UBS drosseln be-reits 60% der Unternehmen bewusst ihre KI-Ausgaben wegen der ausufernden Kosten. SAP hat 24.07. bekannt gegeben, dass es die KI-Nutzung pro Beschäftigten deck-elt. Daten der Aggregationsplattform OpenRouter zeigen daneben, dass der Anteil chinesischer KI-Modelle am ge-nutzten Token-Volumen von US-Unternehmen von unter 10% in 2025 auf mehr als 40% in diesem Jahr und im Juli sogar auf bis zu 60% angewachsen ist.

Gartner selber urteilt bereits in seinem Bericht für 2024, dass die generative AI (LLM) wahrscheinlich bereits in die Phase der Enttäuschung eingetreten ist. Für die KI-Agenten wird in 2025 konstatiert, dass diese sich wohl auf dem Hochpunkt der überzogenen Erwartungen befinden wür-den. Er erwartet, dass bis Ende 2027 mehr als 40 % der Agentic-AI-Projekte wegen eskalierender Kosten, unklarer Wertschöpfung, nicht KI-geeigneter Daten oder erheblicher Sicherheits- und Government-Probleme (Halluzinationen, Intransparenz der Ergebnisse) abgebrochen werden. Mit diesen Thesen werden sich die weiteren Artikel dieser KI-Serie noch näher befassen. Auffallend ist derzeit zumin-dest, dass selbst das Erreichen oder gar Übertreffen der bereits hohen Gewinnerwartungen (von im Schnitt +20% bis +30% für 2006 und 2027) derzeit kaum mehr zu positi-ven Kursreaktionen an den Börsen führt. Im Gegenteil wer-den Tech-Werte verkauft, wenn sie nicht noch höhere Gewinne in der Zukunft in Aussicht stellen.

Einige Entwicklungen sprechen aber dafür, dass zumindest in Teilbereichen der KI-Transformation die Talsohle der Ent-täuschung bereits durchschritten ist. So wenden sich viele Unternehmen (auch aus Kostengründen) zusehends von dem unreflektierten Einsatz der großen Sprachmodelle ab und setzen bei weniger komplexen Fragestellungen auf einfachere bzw. kostengünstigere Modelle. Daneben wer-den kleinere Modelle für spezielle Anwendungsbereiche gezielt entwickelt und eingesetzt.

Bei den Anwendungen spielt zunehmend der tatsächliche Nutzen und die Effizienz des KI-Einsatzes eine Rolle. Hier gibt es bereits (KI-)Ansätze, welche die Aufgabenstellung (Prompt) in kleinere Anfrageteile herunterbrechen und gezielt geeigneten KI-Modellen zuordnen (Routing). Viel mehr Fokus wird auch darauf gerichtet, Halluzinationen zu erkennen und die KI-Antworten direkt durch Methoden wie Retrieval-Augmented Generation (RAG) und Deep Re-search mit verifizierten Datenbanken und weiteren externen Quellen auf Konsistenz zu überprüfen. Auch das Thema Sicherheit der Datenverarbeitung und Resilienz der KI-unterstützen Prozesse spielt zunehmend eine Rolle (z.B. Datensouveränität mit europäischen Cloudlösungen, Erklär-barkeit und Haftung für die Ergebnisse, Konformität mit re-gulatorischen Anforderungen).

Damit wird der Bedarf an Chips auch weiterhin massiv wachsen, auch wenn etwa bei klassischen Speicherchips der übliche (Über-)Investitionszyklus auch mal zu größeren Einbrüchen führen könnte. Die technische Entwicklung wird daneben definitiv ein anhaltender Treiber sein: Neue, ener-giesparende Chip-Generationen (und auch zunehmende Konkurrenz bei GPUs) werden die Kosten immer weiter reduzieren. Das sogenannte Mooresches Gesetz besagt, dass sich die Rechenleistung von Computerchips regel-mäßig verdoppelt und die effektiven Preise für die Techno-logie exponentiell sinken. Auch wenn die derzeitige Halblei-terarchitektur auf Basis von Silizium als Wafermaterial und Kupferdrähten für die interne Signalübertragung an ihre

physikalischen Grenzen stößt: Neue Verfahren wie die Verwendung von Graphen statt Silizium, die Datenüber-tragung per Laser/Lichtwellen oder die 3D-Stapelung von Schaltkreisen lassen weitere Fortschritte erwarten. Sinken-de Betriebskosten machen KI-Anwendungen für den Mas-senmarkt und kleinere Unternehmen damit zunehmend profitabler.

Der eigentliche wirtschaftliche Hebel der KI-Revolution liegt dann im flächendeckenden Einsatz maßgeschneiderter KI-Anwendungen und Agenten in allen Geschäftsprozessen. Die generative AI ist da bereits fest verankertes Standard-werkzeug in Unternehmen. Erste empirische Daten zeigen massive Effizienzsprünge (oft zwischen 20 % und 50 %) in Bereichen wie Software-Entwicklung, Kundenservice und Datenanalyse. Diese realen Einsparungen zwingen Unter-nehmen branchenübergreifend zur Adaption, um wett-bewerbsfähig zu bleiben. Weltweit nutzten laut einer McKinsey-Umfrage bereits 2025 rund 78 % aller Unterneh-men Künstliche Intelligenz in mindestens einem Geschäfts-bereich. In Deutschland liegt der aktive Einsatz je nach Definition aktuell zwischen 41 % (Bitkom) und 54,5 % (ifo-Institut). Das wird sich mit Sicherheit weiter erhöhen.

Eine besondere Bedeutung wird dem KI-Einsatz in Indus-trieprozessen zukommen (physische KI, Mensch-Maschine-Kollaboration, KI-Roboter, Industrie 5.0). Hier haben wir einen nicht zu unterschätzenden Wettbewerbsvorteil durch das große Ingenieurswissen und die Verfügbarkeit mannig-faltiger Produktionsdaten. Zumindest dies ist ein klar posi-tiver Aspekt für Deutschland und daher prädestiniert für den ersten Vertiefungsartikel meiner KI-Reihe. Daneben werde ich mich mit der wirtschaftlichen Perspektive wie der Frage der tatsächlichen Produktivitätssteigerung, möglicher Inflationswirkungen und den Folgen für den Arbeitsmarkt und ganzer Berufsbilder befassen. Durch die Aufteilung dieses Mammut-Themas auf verschiedene Teilaspekte hoffe ich auch zu mehr Knappheit zurückzukommen 😉.  

Als Fazit dieses Überblicks über den aktuellen Stand der KI-Disruption ist festzuhalten, dass die derzeitige Ernüch-terung kein Zeichen ist, dass der Boom als KI-Blase in einem großen Absturz bald platzen wird. Ob die in allen Hype-Zyklen normale Enttäuschungsphase noch länger anhält bzw. zu weiteren Kursverlusten führt, ist kaum vor-herzusagen. Auf jeden Fall wird sich die KI weiter in allen Geschäftsbereichen durchsetzen und zu tiefgreifenden Veränderungen in der gesamten Wirtschaft und Gesell-schaft führen. Die großen nachhaltigen Wirkungen der KI kommen noch in einer zweiten Welle und werden zu enor-men Wertsteigerungen für verschiedene Sektoren und Unternehmen führen. Dabei werden auch weitere, inno-vative Geschäftsmodelle entstehen, die heute noch gar nicht abzusehen sind. Insgesamt sollte die These bestätigt werden: Menschen und Unternehmen überschätzen die kurzfristigen (punktuellen) Mehrwerte neuer Technologien, aber unterschätzen die langfristigen, tiefgreifenden Poten-tiale.