Rein optisch können sich dies die drei Tech-Giganten leisten, da sie mit ihrem sonstigen Geschäft und zuneh-mend mit den Cloud-Diensten genug Geld verdienen: Im 1. Halbjahr waren das insgesamt 335 Mrd. USD (davon 78 Mrd. Cloud-Ertrag). Allerdings stellen mehr als die Hälfte davon reine Buchgewinne aus Beteiligungen an den Ent-wicklern der KI-Grundmodelle wie OpenAI (ChatGPT) und Anthropic (Claude) dar, so dass die echten kassenwirk-samen Mittelflüsse (Cashflows) mit den Investitionen weit-gehend aufgezehrt bzw. sogar negativ geworden sind.

Durch die starke Verflechtung und Abhängigkeiten zwi-schen den Hyperscalern. großen KI-Startups und den Ent-wicklern von KI-Chips wie Nvidia und AMD betreffen diese wirtschaftlichen Risiken die gesamte KI-Industrie in den USA. Dazu kommt die zunehmende Bedrohung durch chinesische KI-Erfolge. China konnte trotz amerikanischem Embargo für die modernsten Halbleiter mittlerweile sehr leistungsfähige KI-Modelle entwickeln (DeepSeek, Kimi K3). Diese werden als Open Source den Anwendern welt-weit kostengünstig zur Verfügung gestellt (um ein Gegen-Ökosystem zu etablieren), was die Preise erodieren lässt und die Vormachtstellung der US-Systeme in Frage stellt.

So ist der Bloomberg-Index für die Wertentwicklung der sogenannten Magnificent 7 (die drei großen Hyperscaler plus Meta, Apple, Nvidia, Tesla) in diesem Jahr gerade mal um 2% gestiegen, während der breite Aktienmarkt im S&P 500 um 11% zulegen konnte. Der Fokus wird zunehmend auf das gerichtet, was bereits gesichert Erträge bringt. So wird mittlerweile auch der Börsengang zumindest von OpenAI in Frage gestellt. Anthropic will den Schritt wohl noch in 2026 versuchen. Ob diese KI-Pioniere der großen Sprachmodelle ihre hohen Investitionsausgaben dauerhaft in profitables Geschäft transformieren können, ist jedenfalls nicht gesichert.

Dass sich die KI-Revolution insgesamt durchsetzt, daran bestehen keine Zweifel. Dafür sind die Potenziale für die vielfältigsten Anwendungen und zur durchgreifenden Dis-ruption der gesamten Wirtschaft zu groß. Definitiv wird in Zukunft noch deutlich mehr Rechenleistung für KI benötigt, gemäß Schätzungen das 3,5-fache im Vergleich zu 2025,

Welche Branchen oder welche Firmen allerdings auf längere Sicht von KI (am meisten) profitieren, ist offen. Häufig sind es nicht die Innovatoren oder Platzhirsche der ersten Runde, die langfristig den technologischen Fort-schritt dominieren, sondern später sogar scheitern können (wie Nokia, Kodak, Commodore, Yahoo, Netscape). Von den großen Hyperscalern haben aus heutiger Sicht zumin-dest Amazon und Microsoft gute Chancen, auch weiterhin eine große Rolle beim KI-Wachstum und im Plattformge-schäft zu spielen. Alphabet (Google) hat die KI-Bedrohung ihrer Suchmaschine bislang erstaunlich gut gemeistert und konnte die Cloud-Umsätze zuletzt am stärksten steigern. Bei Oracle und Meta (KI-Infrastruktur bislang nur für den Eigenbedarf aufgebaut) sind da schon gewisse Zweifel wegen ihrer hohen Verschuldung angebracht (Kreditausfall-prämie bei Oracle mittlerweile über 200 bp, bei Meta inner-halb eines halben Jahres auf knapp 100 bp verdoppelt). Nvidias-Monopol und die extrem hohen Margen dürften auch nicht ewig halten. Hier sind daneben die immensen finanziellen Verflechtungen der großen Player untereinan-der und mit den KI-Startups wie OpenAI und Anthropic kritisch zu bewerten. Deren Geschäftsmodell scheint am ehesten durch den harten Wettbewerb bedroht.

Wahrscheinlich werden aber auch ganz andere Unterneh-men entstehen, die wir heute noch gar nicht kennen, die aber mit neuen Technologien und KI-Geschäftsmodellen für weitreichende Disruptionen sorgen werden. Für die Kapital-märkte könnten außerdem, neben der hohen Volatilität ein-zelner Sektoren und Unternehmen, die immer größeren Abhängigkeiten im KI-Ökosystem, der hohe Kapitalbedarf und die Ausplatzierung der Schulden an den Private Credit-Markt zu ernsthaften Problemen führen. Wenn der harte Wettbewerb die Preise für KI zu schnell sinken lässt, die Nachfrage nach den neusten KI-Modellen und -Chips nicht mehr so stark wächst und die Marktzinsen weiter steigen, könnten Refinanzierungsprobleme bei den Tech-Unterneh-men (und vor allem Softwarefirmen) auch mal zu einem größeren Marktcrash führen.

Die Amortisation der KI-Investitionen wird auf jeden Fall eine Herausforderung. Sie hängt von den Ertragsperspekti-ven über lange Zeiträume in der Zukunft ab. Da diese ab-

* Die Grafik zeigt den Kostenvergleich anhand von Testfällen des Routing-Spezialisten Kauz AI nur für den Fall, dass Kimi K3 über die offizielle API von Moonshot betrieben wird. Zudem wird Kimi K3 bei komplexen automatisierten Prozessen mit gleichem Kontext bei Folgeanfragen schnell sehr viel günstiger als die US-Modelle.

Zum Thema noch kurz die Anmerkung, dass der gigan-tische Ausbau von Rechenzentren auch aus Umweltschutz-gründen und sozialen Aspekten in Amerika zunehmend kritisch gesehen wird. KI-Serverfarmen benötigen 3- bis 10-mal so viel Energie wie herkömmliche Rechenzentren. Auch der Wasserverbrauch ist doppelt so hoch. Und bereits 2026 übersteigt der Strombedarf aller Rechenzentren der Welt zusammen bereits den gesamten jährlichen Stromver-brauch Deutschlands. Selbst in den USA werden die Res-sourcen an einigen Standorten mittlerweile so knapp und die regionalen Strompreise nach oben getrieben, dass sich erheblicher Widerstand gegen den Bau weiterer Riesen-anlagen regt. Viele Betreiber der Anlagen bauen daher bereits ihre eigenen Kraftwerke zur exklusiven Stromver-sorgung, häufig noch mit Gas betrieben und ebenfalls mt erheblichem Kühlbedarf.

Ein weiterer kritischer Aspekt für die mögliche Anfälligkeit der gesamten amerikanischen KI-Industrie ist aber die hohe Verflechtung und gegenseitige Abhängigkeit der Hyper-scaler, GPU-Produzenten und KI-Startups. Zwischen den drei Parteien fließen gigantische Summen, die oft direkt wieder an die Beteiligten in Form von Aufträgen für KI-Chips oder Rechenleistung zurückgehen („Circular Financing“ oder Geldkreislauf). So haben die großen US-Hyperscaler über strategische Partnerschaften und mas-sive Milliardeninvestitionen faktisch die Kontrolle über die Infrastrukturversorgung der beiden führenden KI-Startups OpenAI und Anthropic übernommen (Microsoft hält eine Beteiligung von 27 % an OpenAI, im Gegenzug wird bis-lang primär Microsoft Azure genutzt; Amazon ist der größte Anteilseigner von Anthropic; Alphabet hält ebenfalls 14% und bürgt für Leasingzahlungen von Anthropic an Rechen-zentren, Anthropic hat im Gegenzug mit der Google Cloud den finanziell größten bekannten Nutzungsvertrag über 200 Mrd. USD). Nicht zuletzt wiesen die Hyperscaler aus

Daneben sind die Hyperscaler die absolut wichtigsten Ab-nehmer von Nvidia-Chips. Nvidia selber fördert und sichert die Nachfrage nach seinen GPUs durch direkte Beteiligun-gen an kleineren Cloud- und KI-Startups (gegen Kauf von KI-Infrastruktur) sowie durch massive Absatzfinanzierun-gen. So steht Nvidia kurz vor einer Zusage über 350 Mrd. USD an OpenAI zur Finanzierung des Kaufs der eigenen Chips und soll mit zusätzlichen 250 Mrd. für die Miete von Rechenleistung bürgen. Das ist alles nicht nur verwirrend, sondern weckt auch böse Erinnerungen an Kreislaufge-schäfte im Kontext des Enron-Skandals. Zuletzt hat ein Abkommen von Nvidia mit US-Investmenthäusern für Auf-sehen gesorgt, über das 500 Mrd. USD zur Finanzierung von KI-Rechenzentren bei Investoren eingeworben werden sollen. Wohl auch deswegen hat sich die Ausfallrisrikoprä-mie (CDS-Spread) von Nvidia von etwas über 40 bp Ende Mai in der Spitze auf 84 bp verdoppelt. Ob Nvidia das enorme Wachstum seines Umsatzes (zuletzt + 85%) und Gewinns (Verdreifachung gegenüber Vorjahresquartal) bei einer sagenhaften Brottomarge von 74,9% dauerhaft fort-setzen kann, erscheint fraglich.

Zusammen mit den bereits bestehenden außerbilanziellen Vehikeln der Hyperscaler zur Finanzierung von KI-Infra-struktur werden großvolumig Risiken an den Kapitalmarkt transferiert, die auf reinen Erwartungen über die zukünftige Nachfrage nach KI-Leistungen beruhen. Auch ist ein Kapitalmarktkontrakt (Future) auf bestimmte Nvidia-Chips geplant, der Rechenleistung investierbar und absicherbar machen soll. Sollten sich die Mega-Investitionen in die KI-Rechenzenten aber nicht ausreichend monetarisieren, die großen US-LLMs weniger nachgefragt werden (die eigent-lich für 2026 geplanten Börsengänge sind auch nicht mehr sicher) oder Nvidias Alleinstellungsmerkmal bei den GPUs aufweichen, so könnte dadurch das umfassende KI-Öko-system in den USA ins Wanken geraten. Das würde dann auf den gesamten Kapitalmarkt wie auch den Markt für private Kreditvergabe (Private Credit) voll durchschlagen.

Das wird auch als Jevons-Paradoxon bezeichnet. Demnach führen technologische Effizienzsteigerungen zu einem höheren Gesamtverbrach einer Ressource, statt den Umsatz zu verringern. Die höhere Nachfrage nach KI lässt den Gesamtaufwand steigen, trotz sinkender Preise. Von Dirk Specht (ehemals Chefredakteur bei capital.de und Digitalchef der FAZ, jetzt sehr aktiv über LinkedIN und Substack) stammt die obenstehende Grafik, deren Daten Angabe gemäß aus öffentlichen Quellen von Routingplatt-formen und Branchenberichten zusammengesetzt sind: Sie beschreibt einen exponentiellen Preisverfall bei Token bei exponentiell steigender KI-Nutzung (zu beachten die logarithmische Skala).

Es wird damit wohl erst mal weitergehen mit der Hype und den hohen Erwartungen an mögliche KI-Gewinne. Welches KI-Geschäftsmodell aber langfristig überlebt und welche Unternehmen besonders erfolgreich sind, ist offen. Die Wirtschaftsgeschichte lehrt, dass es nicht unbedingt die Pioniere einer neuen Technologie sein müssen, die dauer-haft von ihren Innovationen am meisten profitieren. Wahr-scheinlich liefern sich die Big Techs auch deshalb einen so großen Überbietungswettbewerb beim Rennen um die KI-Infrastruktur (the winner takes it all). Auf längere Sicht sind es aber häufig auch junge, weniger kapitalintensive Firmen, die mit ganz neuen Geschäftsansätzen zu Marktführern werden. Die besten Investments müssen auch nicht die Firmen sein, die selbst die großen KI-Modelle entwickeln. Es können auch die Zulieferer sein: Wer Halbleiter, Strom-versorgung, Netzwerkanschluss oder Kühlung an viele KI-Anbieter verkaufen kann, trägt weniger Risiko in Bezug auf die späteren KI-Gewinner.

viereinhalb Jahren nicht mehr. Daneben setzt Amazon auf selbst entwickelte KI-Chips, um von Nvidia unabhängiger zu werden. Trotz höherer Verschuldung sollten beiden Unternehmen keine grundlegenden Gefahren drohen und mögliche Kürzungen der Investitionspläne sogar vom Markt begrüßt werden.

Alphabet (Google) kann mit seiner eigenen KI-Modellreihe Gemini (auch unter Einsatz effizienter eigener TPUs) gerade auch im zahlenden Unternehmensbereich mit den führenden Start-Ups OpenAI und Anthropic mithalten. Ent-gegen den Erwartungen haben die KI-Zusammenfassun-gen bei der Google-Suche dem Werbegeschäft bislang nicht geschadet, auch wenn dadurch die Internet-Seiten der Anbieter weniger aufgesucht werden. Google hat allerdings ein deutlich kleineres Cloud-Geschäft (trotz enormem Wachstum von 82% im 2.Q 2026 kommen nur um die 20% des Gesamtumsatzes aus der Cloud), investiert aber genauso viel in KI-Infrastruktur wie die beiden größeren Cloud-Wettbewerber. Neben einer auf ca. 100 Mrd. USD angestiegenen langfristigen Verschuldung musste auch das Aktienkapital um 85 Mrd. erhöht werden.

Meta hat kein unmittelbar monetarisierbares KI-Geschäft. Die selber entwickelten, leistungsstarken KI-Modelle (Llama-Reihe) werden weitgehend kostenlos als Open Souce bereitgestellt. Damit sollen Entwickler und Anwender an die Meta-Plattform gebunden werden. Mit den eigenen KI-Anwendungen werden vor allem die Werbung und Em-pfehlungen optimiert und die Verweildauer der Nutzer auf Facebook und Instagram etc. erhöht. Neue agentische KI-Assistenten für Unternehmen sowie die Vermietung über-schüssiger Rechenzentrumskapazitäten sollen neue Um-satzmärkte eröffnen und die relativ hohen Investitionsaus-gaben von 130-145 Mrd. USD in diesem Jahr amortisieren. Allerdings hat Meta mit bereits 420 Mrd. USD die höchsten außerbilanziellen Schulden zu den schlechtesten Konditio-nen aller Big-Techs (das in der u.a. Grafik genannte Meta-Projekt Sopaipilla ist eines dieser außerbilanziellen Finanzierungsvehikel).
Die hohe Verschuldung von über knapp 130 Mrd. USD ist auch das Hauptproblem von Oracle. Hier scheint die Wette auf steigende Cloud-Umsätze am riskantesten zu sein (S&P hat Oracle im Juli auf BBB- herabgestuft).

Damit zuletzt noch zu den beiden großen KI-Startups OpenAI und Anthropic. Die immens hohen Kosten für Forschung, Modellentwicklung und vor allem Rechenleis-tung führen bei den beiden Modellentwicklern immer noch zu Defiziten. OpenAI verbuchte 2025 bei einem Umsatz von 13 Mrd. USD einen operativen Verlust von 21 Mrd. USD. Im 2. Quartal 2026 weitete sich der Verlust weiter auf

Anthropic dagegen verdiente mit seinen mehr auf Unter-nehmen ausgerichteten KI-Modellen bei einem Umsatz von 11,5 Mrd. USD im zweiten Quartal 2026 erstmals seine Kosten. Dagegen hat Anthropic mindestens 71 Mrd. USD über den Private-Credit-Markt an Schulden aufgenommen. Bei der letzten Eigenkapitalrunde im Mai 2026 wurde Anthropic mit 965 Mrd. USD bewertet. Ob aber der noch in diesem Jahr angestrebte Börsengang eine Bewertung von bis zu 2 Billionen USD erbringt, bleibt abzuwarten.

Bensheim, den 26.08.2026