Künstliche Intelligenz (KI) verändert die Wirtschaft mit einer Geschwindigkeit, die kaum ein anderer Technologiesprung zuvor erreicht hat. Doch genau darin liegt ein Problem, das an den Märkten bislang noch zu wenig Beachtung findet: Die Technologie entwickelt sich schneller als die Infrastruktur, die sie überhaupt erst möglich macht.
Neue KI-Modelle können innerhalb weniger Wochen verbessert werden. Neue Stromnetze, Rechenzentren, Chipkapazitäten, Finanzierungsstrukturen oder gesetzliche Regeln entstehen dagegen oft erst über Jahre.
BGAM Research bezeichnet dieses Missverhältnis als „Algorithmic Phase Collision“. Dahinter steckt die These, dass der nächste große Wirtschaftszyklus nicht allein davon abhängt, wie leistungsfähig Künstliche Intelligenz (KI) wird. Entscheidend dürfte vielmehr sein, ob Kapitalmärkte, Stromnetze, Halbleiter-Lieferketten, Institutionen und menschliche Kontrollmechanismen schnell genug mithalten können.
Das Konzept ist ausdrücklich eine Forschungshypothese und kein etabliertes ökonomisches Gesetz. Doch für Anleger steckt darin eine interessante Frage: Was passiert, wenn Milliarden in KI fließen, aber Strom, Chips, Finanzierung oder Infrastruktur nicht schnell genug nachkommen?
Lange wurde Künstliche Intelligenz (KI) vor allem als Software-Thema betrachtet.
Das greift inzwischen zu kurz.
Denn hinter jedem leistungsfähigen KI-Modell stehen enorme physische Investitionen: Beschleunigerchips, High-Bandwidth-Memory, moderne Chip-Verpackung, Netzwerktechnik, Rechenzentren, Kühlsysteme, Stromanschlüsse und Wasser.
Damit wird aus dem technologischen Boom zunehmend ein klassischer Infrastrukturzyklus.
Und genau hier könnten die Grenzen sichtbar werden.
Joseph Stiglitz stellte bereits 2019 mit seiner Kritik am Neoliberalismus die Annahme infrage, dass deregulierte Märkte und frei bewegliches Kapital automatisch zu breitem Wohlstand führen. Daraus folgt nicht, dass Märkte ihre Bedeutung verlieren. Vielmehr stellt sich die Frage, welche institutionellen Strukturen nötig sind, damit private Investitionen tatsächlich in Produktivitätsgewinne münden, die sich dauerhaft in der Wirtschaft niederschlagen.
Die vergangenen Krisen liefern dafür einige Warnsignale.
Die Finanzkrise von 2008 zeigte, wie gefährlich hohe Verschuldung, falsche Fristenstrukturen und ein zu großes Vertrauen in jederzeit verfügbare Liquidität werden können.
Die Corona-Pandemie wiederum legte offen, wie anfällig Lieferketten sind, wenn sie ausschließlich auf maximale Effizienz und minimale Kosten optimiert werden.
Der Energie- und Inflationsschock von 2022 erinnerte daran, dass die Wirtschaft am Ende immer noch von sehr realen physischen Grenzen abhängig ist.
Der KI-Boom bringt all diese Themen nun zusammen.
Kapital und Erwartungen können sich innerhalb weniger Tage verschieben. Stromleitungen, Gebäude, Maschinen und qualifizierte Mitarbeiter brauchen dagegen Zeit.
Genau diese Lücke könnte für Investoren entscheidend werden.
BGAM unterteilt die Entwicklung in fünf unterschiedliche „Uhren“.
Gemeint sind das generationenübergreifende Gedächtnis einer Gesellschaft, Institutionen und Rechtssysteme, Energie und physische Infrastruktur, Technologie und Kapital sowie die Geschwindigkeit KI-gestützter Entscheidungen.
Diese Bereiche lassen sich nicht auf einer einheitlichen Skala messen.
Das Modell soll vielmehr zeigen, wo schnelle Entwicklungen auf langsame Strukturen treffen.
Ein KI-Modell kann beispielsweise innerhalb weniger Wochen aktualisiert werden. Der Anschluss eines neuen Rechenzentrums an das Stromnetz kann dagegen Jahre dauern.
Eine Bank kann ihre Kreditprüfung möglicherweise relativ schnell automatisieren. Gleichzeitig kann es deutlich länger dauern, klare Prozesse für Datenherkunft, Modellprüfung, Einspruchsmöglichkeiten und Verantwortlichkeiten aufzubauen.
Genau daraus können Probleme entstehen.
Investitionen könnten später Erträge liefern als geplant. Operative Risiken könnten steigen. Entscheidungen könnten schwerer nachvollziehbar werden.
Für Anleger reicht es deshalb nicht, einfach nur auf das Wachstum von Künstlicher Intelligenz (KI) zu schauen.
Entscheidend ist, ob die Infrastruktur dieses Wachstum überhaupt tragen kann.
Ob die These tatsächlich trägt, muss allerdings für jeden Sektor separat überprüft werden. Dafür wären unter anderem reale Projektlaufzeiten, Auslastung, Fehlerraten, Finanzierungskonditionen und Governance-Ergebnisse entscheidend.
Das dürfte einer der wichtigsten Punkte für die kommenden Jahre werden.
KI braucht Strom. Sehr viel Strom.
Die Internationale Energieagentur stellt in ihrer Analyse zu Energie und KI deshalb nicht ohne Grund den Stromverbrauch und die Belastbarkeit der Stromsysteme in den Mittelpunkt.
Für Anleger ist dabei eine Unterscheidung besonders wichtig.
Angekündigte Rechenzentrumskapazitäten sind noch lange keine tatsächlich nutzbaren Kapazitäten.
Entscheidend ist, wie viele Megawatt am Ende wirklich zuverlässig zur Verfügung stehen, wann ein Netzanschluss tatsächlich fertig ist und welche Stromabnahmeverträge abgeschlossen wurden.
Hinzu kommen Kühlbedarf, Kundenkonzentration, die reale Nachfrage nach KI-Inferenz und die Frage, wie viel Umsatz mit jedem investierten Dollar erwirtschaftet werden kann.
Genau an dieser Stelle könnte sich entscheiden, welche KI-Projekte wirtschaftlich sinnvoll sind und welche nicht.
Technischer Fortschritt könnte zwar die Kosten pro Recheneinheit reduzieren.
Das bedeutet aber nicht automatisch, dass der gesamte Stromverbrauch sinkt.
Wenn KI dadurch günstiger wird und stärker genutzt wird, könnte der Gesamtbedarf sogar weiter steigen.
Dieser sogenannte Rebound-Effekt muss deshalb genauso berücksichtigt werden wie mögliche Effizienzgewinne.
Neben Strom und Chips gibt es noch einen weiteren Faktor, der an den Börsen schnell unterschätzt wird: die Finanzierung.
BGAM bezeichnet die Übertragung klassischer Asset-Liability-Management-Logik auf KI-Infrastruktur als „AI-ALM“.
Das Problem dahinter ist leicht nachvollziehbar.
Rechenzentren und andere KI-Infrastruktur können langfristig finanziert werden. Die darin verbaute Hardware kann technologisch jedoch sehr schnell veralten.
Gleichzeitig bleibt unklar, wie schnell Kunden tatsächlich kommen, wie hoch die Auslastung am Ende ausfällt und ob Bauprojekte pünktlich fertig werden.
Dazu kommen feste Verpflichtungen für Strom.
Im ungünstigen Fall entsteht daraus eine Kettenreaktion.
Unternehmen investieren auf Basis sehr optimistischer Annahmen. Die erwarteten Umsätze kommen später als geplant. Die Fähigkeit zur Bedienung von Schulden verschlechtert sich. Sicherheiten geraten unter Druck. Refinanzierungen werden schwieriger. Gleichzeitig könnten Kreditgeber vorsichtiger werden.
Das wäre der sogenannte Minsky-Kanal innerhalb des KI-Booms.
Wichtig ist aber: BGAM behauptet nicht, dass eine solche Krise zwangsläufig eintreten wird.
Das positive Szenario sieht völlig anders aus.
Wenn die Kosten für KI-Inferenz sinken, die Nutzung stark zunimmt, Stromanschlüsse rechtzeitig zur Verfügung stehen und Unternehmen ihre Verschuldung im Griff behalten, könnten sich die enormen Investitionen in nachhaltige Cashflows verwandeln.
Auch die Bank für Internationalen Zahlungsausgleich hat sich bereits mit der wachsenden Rolle von Fremdkapital sowie bilanziellen und außerbilanziellen Strukturen bei der Finanzierung von KI beschäftigt.
Für Anleger ergibt sich daraus eine klare Konsequenz.
Hohe Investitionen allein sind kein Qualitätsmerkmal.
Entscheidend ist, ob daraus am Ende auch Geld verdient wird.
Die Auswirkungen reichen weit über klassische KI-Aktien hinaus.
Bei Aktien hängt die Bewertung langfristig nicht nur davon ab, wie leistungsfähig ein Modell ist.
Wichtig ist, ob Unternehmen Künstliche Intelligenz (KI) tatsächlich einsetzen und damit Umsätze oder Produktivitätsgewinne erzielen.
Bei Infrastrukturkrediten kommt es darauf an, wann Cashflows entstehen, wie viel finanzieller Spielraum in Kreditverträgen vorhanden ist und wie belastbar die Sicherheiten sind.
Versorger und Hersteller von Stromnetztechnik könnten grundsätzlich von der enormen Nachfrage nach zusätzlicher Kapazität profitieren.
Doch auch hier gibt es keine Garantie.
Regulierung, Lieferzeiten und die tatsächliche Umsetzung der Projekte spielen eine entscheidende Rolle.
Ähnliches gilt für Kupfer und andere Industriemetalle.
Der Ausbau von Stromnetzen, Rechenzentren und Infrastruktur erhöht grundsätzlich den Bedarf an physischen Rohstoffen. Gleichzeitig werden deren Preise weiterhin von den allgemeinen Angebots- und Nachfragebedingungen bestimmt.
Auch Staaten und Unternehmen könnten zunehmend um Kapital konkurrieren.
Damit stellt sich für Anleger eine entscheidende Frage: Führen Engpässe zu dauerhaft höheren Preisen und Margen? Sind sie nur vorübergehend? Oder wird heute womöglich so viel Kapazität aufgebaut, dass Teile davon später gar nicht benötigt werden?
Genau diese Frage dürfte darüber entscheiden, wo im KI-Boom tatsächlich nachhaltige Renditen entstehen.
Ein weiterer Punkt betrifft die Kontrolle über automatisierte Entscheidungen.
Denn nur weil am Ende formal ein Mensch auf „Freigeben“ klickt, bedeutet das noch lange nicht, dass dieser Mensch tatsächlich Kontrolle besitzt.
BGAM spricht deshalb von „Human Decision Sovereignty“, also menschlicher Entscheidungssouveränität.
Das Konzept sieht sieben zentrale Entscheidungsrechte vor.
Menschen sollen Ziele festlegen können, Daten und Annahmen überprüfen, Alternativen verlangen, Gründe für Entscheidungen erhalten, Entscheidungen anfechten, sie stoppen oder rückgängig machen und erkennen können, wer am Ende tatsächlich verantwortlich ist.
Hinzu kommt eine geschützte Lernreserve.
Auch hier gilt: Das sind vorgeschlagene Kriterien für gute Unternehmensführung und keine Behauptung, dass solche Rechte bereits überall gesetzlich garantiert wären.
Für Unternehmen ergibt sich daraus eine interessante Konsequenz.
Der Erfolg von Künstlicher Intelligenz (KI) sollte nicht nur daran gemessen werden, wie viele Arbeitsplätze eingespart werden.
Wichtiger könnten langfristig auch die Qualität von Entscheidungen, die Wirksamkeit menschlicher Eingriffe, die Zeit bis zur Rücknahme fehlerhafter Entscheidungen, die Vielfalt eingesetzter Modelle und die Weiterentwicklung von Fähigkeiten bei jüngeren Mitarbeitern sein.
Produktivität bleibt wichtig.
Aber Produktivität allein sagt wenig darüber aus, wie robust ein KI-System tatsächlich ist.
Bei Künstlicher Intelligenz (KI) ist Nachhaltigkeit längst mehr als ein Kapitel im Geschäftsbericht.
Rechenzentren verbrauchen Strom und Wasser. Halbleiter-Lieferketten hängen von kritischen Materialien ab. Unternehmen wiederum benötigen Fachkräfte, Vertrauen und stabile Institutionen.
BGAM argumentiert deshalb, dass finanzielles, menschliches, natürliches, technologisches, soziales und institutionelles Kapital gemeinsam darüber entscheiden, wie dauerhaft wirtschaftlicher Wert geschaffen werden kann.
Nachhaltigkeitsberichte helfen dabei nur, wenn ihre Erkenntnisse tatsächlich in Investitionsentscheidungen, Risikovorgaben, Beschaffung und operative Prozesse einfließen.
Die entscheidende Frage lautet also nicht nur: Wie hoch ist die Rendite eines KI-Projekts?
Die wichtigere Frage lautet: Bleibt diese Rendite auch dann attraktiv, wenn Strom, Wasser, Finanzierung, Regulierung oder gesellschaftliche Akzeptanz plötzlich zum Engpass werden?
BGAM beschreibt drei mögliche Szenarien für die 2030er-Jahre.
Das erste wäre eine stark zentralisierte Automatisierung.
Entscheidungen könnten deutlich schneller getroffen werden. Gleichzeitig könnte sich die Entscheidungsgewalt auf wenige Akteure konzentrieren, während Möglichkeiten zum Widerspruch schwach bleiben.
Das zweite Szenario wäre eine fragmentierte Plattformwirtschaft.
Große private Infrastrukturnetzwerke würden an Einfluss gewinnen. Unternehmen könnten immer stärker an einzelne Anbieter gebunden werden, während die Kosten eines Wechsels steigen.
Das dritte Szenario wäre eine sogenannte gesteuerte bionische Gesellschaft.
Hier würden Wettbewerb und Innovation mit verantwortungsvoller KI, menschlicher Handlungsfähigkeit und einer stärker auf Nachhaltigkeit ausgerichteten Kapitalverwendung kombiniert.
Diese drei Szenarien sind keine Vorhersagen.
Es handelt sich um unterschiedliche mögliche institutionelle Entwicklungen.
Es gibt gleichzeitig klare Faktoren, die gegen die These einer „Algorithmic Phase Collision“ sprechen würden.
Dazu gehören kürzere Warteschlangen für Stromanschlüsse, schneller reagierende Institutionen, breit verteilte Produktivitätsgewinne, weniger stark miteinander korrelierte Fehler und stabile Finanzierungsergebnisse.
Ob Künstliche Intelligenz (KI) die Wirtschaft verändert, ist inzwischen kaum noch die entscheidende Frage.
Sie tut es bereits.
Unternehmen investieren Milliarden, Geschäftsmodelle verändern sich und immer mehr Prozesse werden automatisiert.
Die wichtigere Frage lautet jetzt, ob die reale Wirtschaft dieses Tempo überhaupt verkraften kann.
Denn eine Korrektur bei KI-Aktien wäre nicht automatisch eine neue Finanzkrise.
Damit daraus ein systemisches Problem entsteht, müssten weitere Faktoren hinzukommen: hohe Verschuldung, fehlende Cashflows und miteinander verflochtene Risiken.
Genau deshalb sollten Anleger in den kommenden Jahren nicht nur auf immer größere Modelle, noch schnellere Chips oder spektakuläre Investitionssummen schauen.
Der entscheidende Engpass könnte ganz woanders liegen.
Vielleicht werden künftig weder Daten noch Rechenleistung allein besonders knapp sein.
Knapp könnte vor allem die Fähigkeit werden, Technologie, Strom, Kapital, Infrastruktur und menschliche Entscheidungen sinnvoll miteinander zu verbinden.
Genau darin steckt die Idee einer „bionischen Wirtschaft“: Menschen, Maschinen, Finanzkapital, natürliche Ressourcen und funktionierende Governance greifen ineinander.
Ob dieses Modell tatsächlich Realität wird, ist offen.
Für Anleger ergibt sich daraus trotzdem eine klare Lehre: Nicht der größten KI-Geschichte hinterherlaufen, sondern dort hinschauen, wo die echten Engpässe entstehen.
Denn langfristig entscheidet nicht der Hype darüber, welche KI-Investitionen erfolgreich sind.
Es entscheiden Cashflows, Infrastruktur und die Fähigkeit, Künstliche Intelligenz (KI) wirtschaftlich sinnvoll einzusetzen.
Risikohinweis: Dieser Beitrag dient ausschließlich der Information und dem Finanzjournalismus und stellt weder eine Anlageberatung noch eine Kauf- oder Verkaufsempfehlung dar. Der Handel mit Aktien ist mit Risiken verbunden und kann zum teilweisen oder vollständigen Verlust des eingesetzten Kapitals führen.