Cloud-KI: Wachstumstreiber mit zweifelhaftem Ertragspotenzial
Zwar gilt das Geschäft mit KI-Cloud-Diensten als Hauptwachstumsquelle der Tech-Giganten, doch wirft es zunehmend Fragen zur Rentabilität auf. Die Hardware- und Softwarezyklen beschleunigen sich rasant. Was heute als High-End gilt, ist morgen veraltet: Die einst lukrative Praxis, ältere Chips wie die Nvidia V100 über Jahre hinweg zu vermieten, lässt sich kaum auf aktuelle Generationen übertragen. Leistungsfähigere GPUs wie die A100 oder L40 veralten kommerziell schnell, während Investitionen in komplette, gekühlte und vernetzte Racks die Kostenbasis explodieren lassen.
Zwei Szenarien zeichnen sich ab:
Open-Source-Optimierung: Die Community entwickelt Tools, um moderne KI-Modelle auf älteren Chips lauffähig zu halten – ein Hoffnungsschimmer für die Nutzungsdauer der Hardware.
Preiserhöhungen im Cloudgeschäft: Um Kapitalrenditen von über 5 % überhaupt noch zu ermöglichen, prognostizieren Anbieter wie OVH Preissteigerungen von 5–10 % bis Mitte 2026.
Doch hier liegt ein Kernproblem: Der Markt für KI-Cloud ist in weiten Teilen noch nicht profitabel. Prototypen sind schnell gebaut, produktive, skalierbare und wirtschaftliche KI-Anwendungen dagegen selten. Steigende Infrastrukturkosten könnten die Nachfrage empfindlich treffen.
Der physische Flaschenhals: Stromversorgung
Laut Goldman Sachs wird sich der Strombedarf von Rechenzentren bis 2030 um 165 % erhöhen – primär durch KI. Doch der Ausbau steuerbarer Stromquellen kann kaum mithalten. In Nord-Virginia, dem weltweit größten Rechenzentrumsstandort, warten neue Projekte teils bis zu sieben Jahre auf den Netzanschluss. Auch in Europa stockt der Ausbau.
Die Konsequenzen:
Zusätzlicher CapEx: Hyperscaler finanzieren nicht nur Rechenzentren, sondern zunehmend auch eigene Energieprojekte (SMR-Reaktoren, etc.).
Verzögerte Monetarisierung: Die Nachfrage ist da, aber die physische Umsetzung verzögert die Kapitalrendite.
Ungewohnte Dimensionen industrieller Investitionen
Die Kapitalaufwendungen der Hyperscaler erreichen nie dagewesene Größenordnungen. Schätzungen zufolge könnten die globalen KI-Investitionen bis 2026/2027 jährlich 600 Mrd. USD übersteigen – mit einer beispiellosen Konzentration auf eine Handvoll Unternehmen.
Keiner dieser Konzerne hat in der Vergangenheit Projekte dieser Größenordnung erfolgreich umgesetzt. Logistische Fehler, Verzögerungen oder Fehlkalkulationen können nun Milliarden kosten. Gleichzeitig steigt die Verschuldung rasant: 2025 emittierten Hyperscaler mehr als 120 Mrd. USD an Anleihen – mit steigender Tendenz.
Beispiel Oracle: Ein Nettoverschuldungsgrad von über 80 Mrd. USD, Leverage >3. Damit wächst die Zins- und Konjunkturabhängigkeit – der Erfolg der KI-Investitionen wird zur existenziellen Bedingung.
Ein geschlossenes Ökosystem mit begrenzter Außenwirkung
Analysten kritisieren zunehmend die Zirkularität der Einnahmeflüsse im KI-Ökosystem:
Hyperscaler investieren in Infrastruktur.
Ihre Hauptkunden im KI-Sektor (Start-ups, Labs, Plattformen) finanzieren ihren Cloud-Verbrauch häufig mit Kapital, das direkt oder indirekt von denselben Hyperscalern oder ihren Zulieferern stammt.
So entstehen Umsatzströme, die stark voneinander abhängen – ohne dass klar ist, ob reale Endnachfrage aus dem Markt diese Ausgaben langfristig rechtfertigt.
Bricht an einem Glied der Kette das Kapitalangebot oder die Nachfrage weg, könnte sich das ganze System schnell zusammenziehen – mit Rückwirkungen auf Umsatz, Investitionen und die Nachfrage nach Chips.
Bilanzieller Optimismus: Das Spiel mit der Nutzungsdauer
Ein besonders heikler Punkt: Die großen Hyperscaler verlängern systematisch die Amortisationsdauer ihrer Hardware-Investitionen, während sich die Innovationszyklen objektiv verkürzen.
Alphabet (ab 2023): Servernutzung von 4 auf 6 Jahre verlängert.
Oracle (2025): ebenfalls auf 6 Jahre.
Nutzungsdauer der Provider (Abschreibungsplan) für die drei wichtigsten Hyperscaler. Der koordinierte Übergang von 3/4 Jahren auf 6 Jahre ist im Zeitverlauf leicht zu beobachten. Quelle: "Why AI factories bend, but don't break, useful life assumptions", SiliconAngle.
Beispielrechnung: Wird ein Hardwarebestand von 100 Mrd. USD statt über drei Jahre über sechs Jahre abgeschrieben, halbieren sich die jährlichen Abschreibungen – das operative Ergebnis steigt kurzfristig um 16 Mrd. USD, obwohl kein zusätzlicher Cash generiert wurde.
Michael Burry schätzt, dass die kumulierten „Unterabschreibungen“ bis 2028 rund 180 Mrd. USD erreichen könnten. Laut seinen Berechnungen erhöhte dieser Bilanzierungstrick den ausgewiesenen Gewinn bei Oracle um fast 27 %, bei Meta um über 20 %.
Der Economist spricht bereits von einem „4 Billionen-Dollar-Rätsel“ im Zentrum der KI-Cloud. Selbst konservative Schätzungen gehen davon aus, dass die Gewinne vor Steuern um etwa 8 % niedriger wären, würden kürzere Amortisationszyklen angesetzt.
Kein Crash – aber ein Schwenk im Risiko-Rendite-Profil
Keiner dieser Faktoren stellt den technologischen Fortschritt durch KI in Frage. Doch ihre Kombination verändert die Spielregeln: steigende Kapitalbindung, längere Amortisationszeiten, zunehmende operative Risiken und bilanzieller Spielraum mindern die Attraktivität der Hyperscaler als Investment.
Bank of America formuliert es kühn: Der wachsende Pessimismus könne für mutige Investoren gerade deshalb ein Vorteil sein – weil viele Marktteilnehmer vorerst abwarten. Die langfristige Dynamik bleibe intakt, meint das Researchteam für Halbleiter der Bank. Doch der Weg dorthin dürfte für die Großen der Branche zunehmend steinig und kapitalintensiv werden.
