KI-Profitpools und sich ständig ändernde, unvorhersehbare Märkte

Es ist unmöglich, die schiere Menge an Kapital zu ignorieren, die in die künstliche Intelligenz (KI) investiert wird. Seit zwei Jahren dominiert KI die Schlagzeilen – nicht nur wegen ihrer technologischen Fortschritte, sondern auch wegen der enormen finanziellen Mittel, die für ihre Entwicklung bereitgestellt werden. Das eindrucksvollste Beispiel dafür ist die Ankündigung des Stargate-Projekts von OpenAI, Oracle und SoftBank, eine gigantische KI-Infrastrukturinitiative, die in den nächsten vier Jahren bis zu 500 Milliarden US-Dollar kosten könnte. Auf dieses beeindruckende Vorhaben kündigten mehrere Hyperscaler weitere Erhöhungen ihrer Investitionsbudgets an – ein klares Signal für eine noch größere Investitionswelle in die KI-Infrastruktur.

Diese beispiellosen Investitionen basieren auf der Erwartung, dass die KI revolutionäre Produkte und Dienstleistungen ermöglichen wird, die möglicherweise ganze Branchen umgestalten. Diese raschen Ausgaben werfen hingegen die grundsätzliche Frage auf, wer letztendlich den langfristigen wirtschaftlichen Wert dieser Investitionen erhält. Darüber hinaus bleibt die Frage offen, ob das Ausmaß dieser Investitionen angesichts der Ungewissheit über die künftigen Fähigkeiten der KI überhaupt gerechtfertigt ist. Die Hypercluster werden gebaut – doch was genau die Modelle, die dort trainiert werden, leisten können, bleibt ungewiss. Ebenso ist ungeklärt, wie wahrscheinlich es ist, dass sie und wie schnell sie tatsächlich von den Märkten angenommen werden, geschweige denn zu welchen Betriebskosten. Dieser Grad an Unsicherheit ist angesichts des Umfangs der Investitionen ziemlich beispiellos. Das volle Potenzial der KI bleibt nach wie vor ungewiss.

Trotz dieser Unsicherheiten werden reale Summen ausgegeben – vor allem von den führenden Cloud-Anbietern wie Microsoft, Alphabet und Amazon – und genauso real sind die Erträge, die von den Unternehmen erwirtschaftet werden, die die Infrastruktur für die KI bereitstellen. Unternehmen, die an der Errichtung dieser gigantischen KI-Infrastrukturen beteiligt sind, verzeichnen bereits enorme Umsätze. Die Geschwindigkeit, mit der Kapital eingesetzt wird, ist verblüffend und macht diese Entwicklung zu einem der größten Investitionsbooms der modernen Geschichte. Vor diesem Hintergrund stellen wir uns die Frage, wessen Probleme diese Modelle tatsächlich lösen werden. Im Gegensatz zu früheren technologischen Umwälzungen, deren künftige Anwendungen leichter vorhersehbar waren, bietet die KI ein außergewöhnlich breites Spektrum an möglichen Ergebnissen. Einerseits könnten künftige Modelle schrittweise in bestehende Software integriert werden und als Assistenten oder Effizienzwerkzeuge fungieren. Andererseits vertreten manche die Ansicht, dass KI-Superagenten so leistungsfähig werden könnten, dass sie letztlich gesamte Software-Ökosysteme ersetzen und damit herkömmliche Anwendungen überflüssig machen.

Dieses zweite Szenario wäre äußerst verheerend und könnte das Ende des Geschäftsmodells von Software-as-a-Service (SaaS) bedeuten. Anstatt für mehrere Software-Abonnements zu zahlen, könnten Nutzer mit einer einzigen KI-Instanz interagieren, die sämtliche Aufgaben von Kundenservice bis hin zur Unternehmensplanung  übernimmt. Diese Fragestellung ist jedoch momentan noch zu theoretisch, um angesichts des derzeitigen Wissensstandes praktische Relevanz zu haben. Eine sinnvollere Herangehensweise ist es daher, sich zu fragen, wessen Probleme die KI eventuell lösen wird. Ist sie ein strategisches Hilfsmittel für CEOs? Eine Einkommensquelle? Ein Instrument zur Kostensenkung? Wird sie bestehende Prozesse lediglich optimieren oder wird sie ganze Branchen völlig transformieren?

Vorerst bleiben diese Fragen offen. Was wir aber wissen, ist, dass die KI in ihrer aktuellen Form weit davon entfernt ist, SaaS-Modelle zu verdrängen. Während sich die KI noch in einer frühen Phase der Kommerzialisierung befindet, zeigt sich bereits jetzt, dass diejenigen, die heute Geld daran verdienen, nicht die Entwickler von KI-Applikationen oder Betreiber der Supercluster sind. Stattdessen profitieren in erster Linie die Unternehmen, die die notwendige Infrastruktur für die Entwicklung und das Training großer KI-Modelle bereitstellen. Bekannte Beispiele für Unternehmen, die vom Ausbau der KI-Infrastruktur profitieren, sind Nvidia, das Hochleistungschips für KI-Systeme entwirft, TSMC, das diese Chips für führende Technologieunternehmen produziert, ASML, das die Maschinen zur Herstellung der modernsten Halbleiter liefert, sowie SK Hynix und Micron, die die Speicherchips, die für die Verarbeitung und Speicherung von KI-Daten unerlässlich sind, bereitstellen. Darüber hinaus entstehen neue Wachstumschancen für Energie- und Versorgungsunternehmen, da der Betrieb dieser zukünftigen KI-Modelle und der riesigen Hypercluster einen enormen Energieaufwand erfordern werden – ein klarer profitabler Vorteil für Stromproduzenten und spezialisierte Rechenzentrumsbetreiber.

Diese Unternehmen verzeichnen derzeit explosionsartige Umsatzsteigerungen. Die Geschichte zeigt hingegen, dass ihre Marktbeherrschung nicht von Dauer sein muss. Um dies nachzuvollziehen hilft ein Blick auf frühere technologische Revolutionen, in denen sich sogenannte „Profitpools“ verschoben haben. Unter Profitpools versteht man die Verteilung der Gewinne innerhalb einer Branche, die sich mit zunehmender Reife der Branche von einem Bereich der Wertschöpfungskette zu einem anderen verlagern. Historisch gesehen erzielten in den frühen Phasen einer technologischen Revolution oft die Unternehmen die höchsten Gewinne, die am Aufbau der Infrastruktur beteiligt waren. Auf lange Sicht wanderte der wirtschaftliche Nutzen jedoch eher hin zu den Applikationen und Dienstleistungen.

Während des Eisenbahnbooms im 19. Jahrhundert flossen die ersten großen Gewinne an Eisenbahnbauer und Lokomotivhersteller. Als die Infrastruktur ausgereift war, verlagerten sich die vorherrschenden Profitpools zu Logistik- und Einzelhandelsketten wie Sears, deren Versandhandel von den neuen nationalen Versorgungsnetzen profitierte. In den 1990er- und frühen 2000er-Jahren sah die Telekommunikationsbranche mit Glasfaserhersteller wie Nortel und Lucent die ersten Gewinne. Mit der Zeit verlagerte sich der wirtschaftliche Nutzen hin zu mobilen Ökosystemen wie Apple und Google sowie digitalen Plattformen wie Facebook und AWS. Ein ähnliches Muster entwickelte sich in der Cloud-Computing-Industrie: Während zu Beginn vor allem Rechenzentrumsbetreiber und Hardwarehersteller wie Intel Gewinne erzielten, sind die heutigen Gewinner die SaaS-Anbieter wie Salesforce, Adobe, OpenAI und Databricks. Unter dem Strich weisen in all diesen Fällen nicht alle Segmente der Wertschöpfungskette die gleiche Gewinndynamik auf. Infrastrukturprofite erwiesen sich als zyklisch, während Gewinne im Bereich der Applikationen stabiler und vorhersehbarer blieben. Sollte sich die KI-Infrastruktur zu schnell ausbauen, könnte die künftige Nachfrage die aktuellen Investitionen nicht rechtfertigen, was zu branchenweiten Überkapazitäten führen würde. Letztlich hängt alles von der tatsächlichen Akzeptanzrate der KI-Technologie ab, die eine große Unbekannte bleibt.

Man kann durchaus starke Argumente dafür liefern, weshalb nicht die Infrastrukturlieferanten langfristig die höchsten Gewinne einstreichen werden. Wer aber letztendlich die Gewinne einfahren wird, lässt sich nicht so leicht mit Sicherheit sagen. Aktuell scheinen Unternehmen wie Adobe und Microsoft am besten positioniert zu sein. Der Grund dafür liegt – wie meine Kollegin Nina in ihrem letzten Newsletter betonte – nicht nur in der Qualität ihrer Produkte, sondern in ihrer Fähigkeit, diese effizient in den Markt zu bringen. So wie Google durch seine voreingestellte Suchmaschine Nutzer langfristig an sich binden konnte, integriert Microsoft Copilot tief in seine Office-Suite. Indem Microsoft kontrolliert, wie die Nutzer mit KI-Funktionen in Berührung kommen, könnte es einen Löwenanteil des KI-gestützten Marktes für Unternehmensproduktivität in Anspruch nehmen.

KI wird bereits von Unternehmen genutzt, um sowohl Umsätze zu steigern als auch Effizienzgewinne zu erzielen – und das zeigt sich auch bei unseren eigenen Beteiligungsunternehmen, die aufgrund ihres hohen Dienstleistungsanteils wohl eher zu den frühen Anwendern der Technologie gehören. Trotz des Hypes um die KI ist der Beitrag, den die KI für alle außerhalb des Infrastruktursektors leisten kann, immer noch zu gering und reicht bei Weitem nicht aus, um die enormen Investitionen, die wir sehen, zu rechtfertigen.

Letztlich werden diese Investitionen getätigt, weil die Investoren eine Rendite erwarten. KI-Infrastruktur ist kein Selbstzweck – sie existiert, um künftige Produkte zu ermöglichen, die verkauft werden könnten. Hier ist die Bandbreite der möglichen Ergebnisse groß. Große Sprachmodelle können nur eine weitere Softwarefunktion bieten, die in bestehende Programme integriert wird und SaaS ergänzt, ohne es zu ersetzen. Sie könnten aber auch zum vorherrschenden Software-Paradigma werden, das die herkömmliche Software überflüssig macht und die Softwarebranche zusammen mit vielen anderen Branchen umgestaltet.  Niemand kennt die Antwort auf diese Frage, aber das Geld fließt weiter.

Investoren müssen sich fragen, ob die Investitionen in die KI-Infrastruktur dem Muster vergangener Technologiebooms folgen werden und die Profitpools langfristig in den Software- und Dienstleistungsbereich abwandern werden – oder ob es dieses Mal anders sein wird und die Infrastrukturanbieter ihre langfristige Dominanz beibehalten werden.