Zehn Gründe, warum wir uns nicht in einer KI-Blase befinden

Alle stellen sich dieselbe Frage: Ist KI die neue Dotcom-Blase? Die Aktienkurse steigen, die Schlagzeilen werden immer lauter und der Hype ist kaum zu übersehen. Aber unter der Oberfläche verhält sich dieser Zyklus nicht unbedingt wie eine Blase, die kurz vor dem Platzen steht. Er ähnelt vielmehr den Anfängen von Smartphones oder Cloud Computing: großflächige Einführung, echte Produktivitätssteigerungen und harte physische Engpässe, die ein Überangebot verhindern.

Hier sind die Gründe, warum wir glauben, dass der KI-Zyklus noch Jahre andauern wird.

1. Adaption jetzt, Monetarisierung später (doch der ROI ist bereits klar erkennbar)

Internetplattformen folgen immer dem gleichen Muster: Erst werden Nutzer gewonnen, dann wird in großem Maßstab monetarisiert.

Facebook ist ein klassisches Beispiel dafür. Bei seinem Börsengang im Jahr 2012 hatte das Unternehmen rund eine Milliarde Nutzer, wurde mit dem 100-fachen des erwarteten Gewinns gehandelt und allgemein als Blase abgetan. Das Unternehmen hatte kaum Geld mit Mobilgeräten verdient, und der durchschnittliche Umsatz pro Nutzer (ARPU) in entwickelten Märkten lag bei etwa 8 Dollar pro Jahr. Zwölf Jahre später liegt der ARPU nun bei fast 200 Dollar, und der Aktienkurs hat sich etwa versechzehnfacht. Die Monetarisierung mag um Jahre hinter der Einführung zurückgeblieben sein, aber sie ist gekommen.

ChatGPT fühlt sich unheimlich ähnlich an. Es nähert sich rasch 1 Milliarde wöchentlichen Nutzern und steht im Mittelpunkt des beruflichen und privaten Lebens der Menschen. Die Nutzer vertrauen ihm echte Aufgaben an, wie das Verfassen von Entwürfen, das Programmieren, Kaufentscheidungen, Lebensentscheidungen und Analysen. Für viele Fachleute sind 20 Dollar pro Monat im Vergleich zur Zeitersparnis bereits günstig. Kostenlose Nutzer würden im Gegenzug für diesen Mehrwert wahrscheinlich gezielte Werbung akzeptieren.

Das Wachstum von ChatGPT im Vergleich zum Internet

Quelle: The Financial Times, 2025

Wenn ein ausgereiftes KI-Assistenz-Ökosystem mit jedem aktiven Nutzer etwa 10 Dollar pro Monat verdienen kann, bedeutet eine Milliarde dieser Nutzer ein Umsatzpotenzial von rund 120 Milliarden Dollar pro Jahr. Das ist Standard-Plattformökonomie.

Der Aufbau einer globalen Plattform ist jedoch kostspielig. Netflix, Spotify und Uber haben alle jahrelang Geld verbrannt, bevor sie skalieren konnten. KI-Plattformen befinden sich in derselben „Build-and-Learn”-Phase. Man muss Nutzer gewinnen, die Benutzererfahrung verbessern, Daten erfassen, das Produkt stärken und finanzstarke Konkurrenten (Hallo, Google) mit Innovationen übertrumpfen.

Unterdessen ist die Rendite für die Nutzer bereits real und messbar. Da die Modelle immer mehr dem Niveau menschlicher Experten näherkommen (siehe unten), hat sich ihre Bedeutung schnell von einer „netten Demo” zu einer „kritischen Infrastruktur” gewandelt. Die Auswirkungen sind in der Realwirtschaft bereits deutlich sichtbar: Im Gesundheitswesen lesen Modelle Scans, erstellen Berichte und triagieren Fälle; in der Wissensarbeit, Forschung, Programmierung, im Marketing und in Rechtsabteilungen werden stundenlange Routinearbeiten an KI ausgelagert; in der Industrie und Robotik inspizieren Bildverarbeitungsmodelle Produkte und steuern Maschinen; und im Kundenservice bearbeiten Agenten den Großteil einfacher Anfragen, bevor ein Mensch eingreift. KI senkt Kosten, erhöht den Durchsatz und verkürzt die Entscheidungsfindung.

2. Aktienrenditen folgen den Gewinnentwicklungen

In einer echten Bewertungsblase lösen sich die Preise von der Realität. Die Internetaktien der späten 1990er Jahre waren durch steigende Aktienkurse ohne entsprechende Gewinne gekennzeichnet. Ende 1999 wurde der MSCI World IT mit dem 50-fachen des Gewinns gehandelt.

Globaler IT-Sektor bei Dotcom (indexiert auf 1997)

Quelle: Bloomberg, MSCI, 2025

Dieses Mal sieht das Bild anders aus. Im gesamten IT-Sektor hat sich die Kursentwicklung weitgehend parallel zum Gewinnwachstum entwickelt. Die Aktienkurse sind stark gestiegen, die Gewinne haben im Allgemeinen nachgezogen. Natürlich gab es vereinzelt Überschwänglichkeiten, aber auf Indexebene handelt es sich nicht um rein narrativ getriebene Renditen.

Der globale IT-Sektor heute (indexiert auf 2022)

Quelle: Bloomberg, MSCI, 2025

Langfristig folgen die Aktienkurse dem Gewinn pro Aktie. Bislang hat sich die KI-bezogene Technologie eher wie ein starkes Wachstumssegment als wie eine klassische Manie verhalten. Microsoft Azure, Amazon Web Services, Google Cloud und Oracle Cloud Infrastructure haben alle zugelegt. Jede neue Kapazität, die online geht, wird sofort verkauft. Diese Unternehmen haben auf einer Umsatzbasis von 300 Milliarden US-Dollar ein Umsatzwachstum von 31 % erzielt, während die Rentabilität hoch geblieben ist.

Cloud-Umsatzwachstum im Jahresvergleich

Quelle: Bloomberg, 2025

Eigenkapitalrendite von Hyperscalern (Alphabet, Amazon, Meta, Microsoft)

Quelle: Bloomberg, 2025

3. Bewertungen liegen auf einem - gemessen am Umfeld - vertretbaren Premium

Infolgedessen sind die Bewertungen nach wie vor angemessen. Ja, die großen KI-Marktführer werden mit einem erheblichen Aufschlag gegenüber dem breiteren Markt gehandelt. Dieser Aufschlag lässt sich jedoch durch ihre Fähigkeit erklären, schnelleres Wachstum, höhere Margen, starke Wettbewerbsvorteile und eine sehr geringe Verschuldung zu kombinieren. Für solche Profile einen Aufschlag zu zahlen, erscheint nur logisch.

12-Monats-Forward-KGV-Spanne über 5 Jahre

Quelle: Bloomberg, 2025

Entscheidend ist, dass die meisten dieser Unternehmen nach wie vor mit ihren eigenen durchschnittlichen Bewertungskennzahlen der letzten fünf Jahre gehandelt werden. Wenn es ihnen gelingt, ihre Gewinne in den nächsten drei bis vier Jahren deutlich schneller als der Markt zu steigern (was wir für wahrscheinlich halten), gehen wir davon aus, dass sie trotz ihres stärkeren künftigen Wachstums bis dahin mit einem Marktmultiplikator gehandelt werden.
Die Halbleiterindustrie zeigt, wie viel Spielraum noch vorhanden ist. Selbst unter Einbeziehung von Nvidia macht sie nur etwa ein halbes Prozent des globalen BIP aus. Für eine Technologie, die im Zentrum des Ausbaus der KI steht, bleibt damit erheblicher Spielraum für ein überdurchschnittliches Wachstum.

4. Modelle nähern sich rasant dem Expertenniveau des Menschen an

Wir befinden uns nicht in einem stabilen Zustand hinsichtlich der Modellqualität. Die neue Generation von „Reasoning-Modellen” verringert bei vielen Aufgaben die Lücke zu menschlichen Experten erheblich.

Einfach ausgedrückt geben diese Modelle nicht nur eine einzige Antwort aus. Sie „denken” ein Problem mehrmals durch, überdenken ihre eigene erste Antwort und verfeinern sie. Dieser Prozess reduziert Halluzinationen, verbessert die Zuverlässigkeit und öffnet die Tür für anspruchsvollere Anwendungsfälle.

BIP-Bewertungsgewinnrate: Leistung bei wirtschaftlich wertvollen Aufgaben

Quelle: GDPVal OpenAI paper, 2025

Die geschäftlichen Auswirkungen sind klar: Mit zunehmender Leistungsfähigkeit lassen sich immer mehr Arbeitsabläufe automatisieren oder optimieren. Das bedeutet eine stärkere Nutzung, eine tiefere Integration in Unternehmen und letztendlich höhere Umsätze. Die Grafik zeigt deutlich, wie KI-Modelle in nur einem Jahr einen Großteil der Lücke zu menschlichen Experten geschlossen haben.

5. Mehr Rechenleistung ermöglicht fortgeschrittene KI-Generationen

Wichtig ist, dass diese Schlussfolgerungsmodelle weitaus mehr Rechenleistung erfordern.

Jede neue Grenze in der KI folgt dem gleichen Muster. Schlussfolgerungen, autonome Agenten, Bild- und Videogenerierung sowie tiefgreifende Forschung anhand großer Textkorpora erfordern alle eine um eine Größenordnung höhere Rechenleistung als die Generation vor ihnen.

Berechnen Sie den Bedarf anhand der Aufgabe im Vergleich zu einmaligen Herausforderungen.

Quelle: OpenAI, Nvidia and Melius Research estimates, 2025

Nehmen wir einmal Deep Research: Eine Vielzahl von Unternehmen speist mittlerweile große Mengen an Berichten, Unterlagen und Notizen in KI-Systeme ein und fordert strukturierte, vergleichende Einblicke zu bestimmten Themen an. Arbeiten, die früher wochenlangen manuellen Aufwand erforderten, können nun in etwa zwanzig Minuten erledigt werden.

Vor einem Jahr hätte ein einzelnes Deep-Research-Projekt noch etwa 200 Dollar an Rechenkosten gekostet. Mit sinkenden Kosten pro Token werden solche Projekte günstiger, und vor allem können wir es uns leisten, viel mehr davon durchzuführen. Das ist der Kernpunkt: Mit sinkenden Kosten für KI steigt das Volumen der KI sprunghaft an.

6. Der Verbrauch verdoppelt sich etwa alle drei Monate

Das beste Maß für die Nachfrage nach KI ist die Anzahl der verarbeiteten Token. Diese Token stellen die rohen Arbeitseinheiten dar, die von den Modellen verarbeitet werden. Und wie wir bereits festgestellt haben, steigt das Volumen der KI sprunghaft an.

Zwischen Dezember 2024 und August 2025 meldete Google einen etwa vierzehnfachen Anstieg der KI-Token-Nutzung in nur acht Monaten, was eine Verdopplung etwa alle drei Monate bedeutet. Laut einem CNBC-Artikel rechnet Google damit, die KI-Kapazität etwa alle sechs Monate zu verdoppeln, um Schritt zu halten.

Alphabet: monatlich verarbeitete Token (Billionen)

Quelle: ChatGPT-Vertiefungsforschung zu öffentlicher Kommunikation, 2025

So sieht exponentieller Einsatz aus: wenige Engpässe bei den Nutzern, starke Anreize zum Experimentieren und schnelle, greifbare Produktivitätssteigerungen. Wenn die Nachfrage so schnell wächst und das Angebot kaum Schritt halten kann, entsteht ein mehrjähriger Investitions-Superzyklus.

7. Das Angebot ist die eigentliche Einschränkung

Eine Blase hat in der Regel ein offensichtliches Merkmal: ein kritisches Überangebot. Zu viele Glasfasernetzwerke, zu viele spekulative Rechenzentren, zu viele Fabriken. Während der Dotcom-Blase wurden 97 % der ungenutzten Glasfaserkabel nie genutzt

Die KI hat heute das gegenteilige Problem. Heute laufen alle GPUs zu 100 % ausgelastet, sogar die sechs Jahre alten A100-GPUs. Darüber hinaus begrenzen Engpässe die Geschwindigkeit, mit der das Angebot erweitert werden kann, sodass ein Boom-Bust-Szenario höchst unwahrscheinlich ist.

Strom ist der dringlichste Engpass. Die USA haben jahrzehntelang zu wenig in Erzeugungskapazitäten investiert. Heute benötigen Hyperscale-Rechenzentren enorme, kontinuierliche Strommengen. Alles wird neu überdacht: Solarenergie mit Batteriespeichern, Kernenergie, sogar eine Renaissance der Gasturbinen. Einige Anbieter geben bereits an, für Jahre ausverkauft zu sein.

Auf der Chip-Seite hat TSMC, ein Unternehmen, das normalerweise für seine zurückhaltende Sprache bekannt ist, die Nachfrage nach KI als „wahnsinnig” bezeichnet und erklärt, dass die Kapazität für fortschrittliche Knoten etwa dreimal so gering ist, wie es sich die Kunden wünschen würden. Ähnlich knapp sind Speicher und Komponenten mit hoher Bandbreite.

Als dominierender Akteur in der fortschrittlichen Fertigung kann es sich TSMC leisten, bei der Expansion zurückhaltend vorzugehen. Das Unternehmen möchte einen Nachweis für eine dauerhafte Nachfrage, bevor es sich zu einer weiteren großen Investitionswelle verpflichtet, und zieht es wahrscheinlich vor, auf der sicheren Seite zu bleiben.

Dieser vorsichtige Ansatz, kombiniert mit den physischen Engpässen bei Strom und Infrastruktur, wirkt wie eine natürliche Bremse für Überinvestitionen und macht einen heftigen Einbruch aufgrund von Überangebot weniger wahrscheinlich. Kühlung, Grundstücke und Netzanschlüsse sind zusätzliche Einschränkungen, die eine sorgfältige mehrjährige Planung erfordern.

8. Rechenzentren: Investitionsausgaben mit rund 40 % jährlichem Wachstumspotenzial

Die eigenen Erwartungen von Nvidia hinsichtlich des Ausbaus der KI sind beeindruckend. Das Unternehmen geht davon aus, dass die weltweiten Investitionen in Rechenzentren bis 2030 um etwa 40 % pro Jahr steigen werden.

Nvidia-Umsatz mit KI im Vergleich zu Investitionen in Rechenzentren

Quelle: Nvidia, Bloomberg, 2025

Im Gegensatz dazu liegen die Markterwartungen für das Umsatzwachstum im Bereich KI im gleichen Zeitraum oft näher bei zwölf Prozent pro Jahr. Für 2030 ist das eine große Lücke. Wenn Nvidia auch nur annähernd richtig liegt, unterschätzt der Konsens die Größe und Dauer des KI-Investitionszyklus.

Selbst vor diesem Hintergrund wird Nvidia mit einem Kurs-Gewinn-Verhältnis von etwa 25 auf Basis der Schätzungen für 2026 gehandelt. Das ist eine hohe Bewertung, aber bei weitem nicht so extrem wie in früheren Blasen. Man könnte argumentieren, dass selbst der niedrigere Konsenswachstumspfad nicht vollständig in den aktuellen Kursen widergespiegelt ist, ganz zu schweigen von den ehrgeizigeren Aussichten von Nvidia.

9. KI-native Unternehmen wachsen in Rekordgeschwindigkeit

Wenn wir über die Erfolgsgeschichten der Big Tech hinausblicken, wachsen KI-native Softwareunternehmen ebenfalls viel schneller als frühere Generationen von SaaS.

Iconiqs „State of Software 2025” zeigt, dass KI-first-Startups innerhalb von ein bis zwei Jahren einen wiederkehrenden Jahresumsatz von 100 Millionen US-Dollar erreichen. In der Vergangenheit brauchten selbst die besten Softwareunternehmen zwei- bis dreimal so lange, um diesen Meilenstein zu erreichen.

Quartale von 1 Million USD bis 100 Millionen USD ARR

Quelle: Iconiq's 'State of Software 2025', 2025

Diese Geschwindigkeit zeigt uns, dass Kunden bereit sind, für KI zu zahlen. Sie deutet auch auf eine starke zukünftige Pipeline von börsennotierten „KI-Gewinnern“ hin, die über die aktuellen Mega-Caps hinausgehen.

10. SaaS wird profitieren (ist aber für Disruption eingepreist)

Seit Sam Altmans Tweet über die „Fast Fashion“-Ära von SaaS haben Softwareaktien deutlich schlechter abgeschnitten als Halbleiter. Der Markt scheint überzeugt zu sein, dass KI einen Großteil der Anwendungsschicht aushöhlen wird.

Performance der einzelnen Segmente

Quelle: DPAM, 2025

Für undifferenzierte Tools trifft dies teilweise zu. Einfache Apps lassen sich in einer KI-Welt leichter replizieren, und es ist mit Preisdruck zu rechnen. Aber das ist nicht das gesamte SaaS-Universum.

Kernsysteme wie ERP, CRM, HCM und Finanzplattformen sind tief in den Betriebsabläufen verankert. Sie sind für Compliance, Sicherheit und Interoperabilität von entscheidender Bedeutung. Ihr Austausch ist kostspielig, riskant und bietet selten einen echten Wettbewerbsvorteil. Für die meisten Unternehmen ist es weitaus sinnvoller, KI-Agenten und Automatisierung auf diesen Systemen aufzubauen, als sie zu entfernen.

Wir gehen davon aus, dass die Gewinner im SaaS-Bereich diejenigen sein werden, die KI als Co-Pilot-Ebene nutzen, um Aufgaben zu automatisieren, die bisher von Entwicklern, Analysten und Betreibern ausgeführt wurden, und gleichzeitig die zugrunde liegenden Daten und Arbeitsabläufe weiter zu verankern. Dennoch werden viele dieser Namen derzeit so bewertet, als würden sie vollständig verdrängt statt verbessert werden.

Was könnte dies verhindern?

Das bedeutet nicht, dass der KI-Zyklus geradlinig verlaufen wird. Die Preissetzungsmacht könnte schwinden, wenn Basismodelle schneller als erwartet zu Massenware werden. Dies könnte für Modellanbieter einen Gegenwind bedeuten, für Infrastrukturanbieter hingegen einen Rückenwind, was unsere positive Haltung in diesem Bereich untermauert. Regulierung und Datenvorschriften könnten die Einführung in sensiblen Sektoren verlangsamen. Geopolitische Risiken im Zusammenhang mit Chips, Taiwan und kritischen Materialien könnten zu einer Verknappung des Angebots führen.

Und die Kapitalintensität des Ausbaus bedeutet, dass falsch zugewiesene Investitionen bestraft werden. Dies sind unserer Ansicht nach die wichtigsten Schwankungsfaktoren, aber sie verändern eher das Tempo des Zyklus als dessen Richtung: Die Produktivitätssteigerungen sind bereits sichtbar, und sobald sie in Arbeitsabläufe eingebettet sind, lassen sie sich nur schwer rückgängig machen.

Die ersten Phasen eines Superzyklus

Fasst man all dies zusammen, ergibt sich ein klares Bild:

1. Die Monetarisierung hinkt bewusst der Akzeptanz hinterher, wie es auch bei früheren Plattformwechseln der Fall war.

2. Das Gewinnwachstum stützt die Aktienkursentwicklung.

3. Die Bewertungen sind hoch, aber im Verhältnis zu den Fundamentaldaten keineswegs euphorisch.

4. Die Modellqualität verbessert sich weiterhin rasch.

5. Der Rechenbedarf steigt weiter an.

6. Die Nachfrage nach Token wächst mit außergewöhnlichen Raten.

7. Strom, Chips, Land und Kühlung sind eher harte Beschränkungen als Bereiche mit Überkapazitäten.

8. Die Investitionen in Rechenzentren werden wahrscheinlich unterschätzt.

9. AI-native Unternehmen steigern ihre Umsätze schneller als alle bisherigen Software-Unternehmen.

10. Core SaaS, ein wichtiger Nutznießer der KI, wird mit einer sehr pessimistischen Disruptionserzählung bewertet.

Unserer Ansicht nach ergibt sich daraus eindeutig das Profil eines langen und starken KI-Investitionszyklus, der zwar gelegentlich von Streuungen geprägt ist, aber vor allem zahlreiche Chancen bietet.