Offene Analysen

Die offenen Analysen präzisieren die Leitbegriffe des KI-Kapitalmarktbriefs 2031. Sie zeigen, wie der globale KI-Zyklus nach Datenrang, Szenarien, Engpässen und Kennzahlen der Unternehmen beurteilt wird.

Die künstliche Intelligenz hat den Kapitalmarkt aus der Phase der technischen Erwartung in eine strengere Ertragsrechnung geführt. Die Modelle wurden größer, während der Ausbau der Rechenzentren den Engpass bei Hochleistungsbeschleunigern verschärfte. Nvidia rückte dadurch ins Zentrum des Zyklus, weil der Kapitalmarkt nicht mehr allein die Modellfähigkeit beurteilte, sondern den Zugang zu Rechenleistung, Daten, Cloud-Infrastruktur und Kundenbeziehungen als zusammenhängende Produktionsordnung zu bewerten begann. Diese Phase ist noch nicht abgeschlossen. Als alleiniger Erklärungsrahmen reicht sie jedoch nicht mehr aus.

Die Investitionswelle im KI-Sektor verändert die Maßstäbe der Unternehmensbewertung. Mit wachsender Kapitalbindung, energieintensiver Infrastruktur und hohen Capex-Programmen rückt die Ertragsprüfung in den Vordergrund. Entscheidend wird, welche Unternehmen ihre Investitionen auslasten, die Margen sichern und daraus Free Cashflow für eine finanzierbare Skalierung erwirtschaften können.

Der KI-Boom erreicht die Phase, in der die bisherigen Erwartungen an die KI-Ertragskraft an den Unternehmenszahlen gemessen werden. Wer KI-Aktien zu beurteilen hat, muss erkennen, inwieweit die Nutzung der KI-Leistung zu Umsätzen führt und wann steigende Betriebskosten die Marge belasten.

Der KI-Boom steht vor seinem Kapitalmarkttest. Entscheidend ist nicht allein, wie schnell Modelle, Chips und Rechenzentren wachsen, sondern ob Realzinsen, Capex, Margen und Free Cashflow einen Ertragspfad bestätigen, der die hohen Bewertungsprämien rechtfertigt. Die eigentlichen Warnsignale entstehen dort, wo Finanzierungskosten, Investitionsbudgets und Ergebnisqualität nicht mehr zusammenpassen.

Der KI-Zyklus entscheidet sich nicht allein an Modellen, Anwendungen und Nutzerzahlen. Dauerhafte Preissetzungsmacht entsteht dort, wo technische Knappheit, hohe Eintrittsbarrieren und geringe Austauschbarkeit eine Engpassposition absichern. Diese Analyse zeigt, welche Stufen der Wertschöpfungskette bei Lithographie, Chipdesign, Speicher, Packaging, Energie und Netzinfrastruktur zusätzliche Rechenleistung begrenzen und dadurch ökonomische Renten ermöglichen.

Der Beitrag zeigt, wie die erste Ertragsphase der KI-Infrastruktur durch betriebsfähige Rechenarchitekturen ermöglicht wurde. Rechenkapazität wird erst kapitalmarktrelevant, wenn sie ausgelastet und in margenfähige Erlöse überführt werden kann. Daraus erklärt sich, wie durch Systembindung Preissetzungsmacht erzeugt und warum NVIDIAs Margenqualität künftig stärker von Hyperscalern, Inferenzkosten, Custom Silicon und China bestimmt wird.

Der KI-Zyklus erreicht eine Phase, in der die zusätzliche Rechenleistung der KI-Infrastruktur nicht mehr allein nach Modellqualität, Chipverfügbarkeit und Cloudreichweite beurteilt werden kann. Neu aufgebaute Rechenkapazitäten werden erst dann in Erlöse überführt, wenn sie in betriebsfähigen Rechenzentren dauerhaft bereitgestellt und zahlungspflichtig genutzt werden können. Stichworte: Standort, Energieverfügbarkeit, Netzanschlüsse, Kühlung und abgeschlossene Genehmigungsverfahren.

Wenn sich die relativen Preise von Arbeit, Energie, Kapital und KI-Leistung verschieben, geraten auch die Bewertungsmodelle unter Revisionsdruck. Der Beitrag zeigt, warum der nächste Marktzyklus über Kostenrelationen entschieden wird.

Alphabet galt nach dem Start von ChatGPT als erstes Opfer der generativen KI. Heute steht der Konzern mit rund 4,6 bis 4,7 Billionen Dollar Börsenwert unmittelbar hinter Nvidia. Der Grund liegt darin, dass Google seine Suchmacht, seine Cloud-Infrastruktur, die eigene Chiparchitektur, Gemini und die globale Nutzerbasis so miteinander verbinden konnte, dass aus der vorhandenen Reichweite ein neues KI-Ertragsmodell entstanden ist.

Agentische KI ersetzt Unternehmensplattformen nicht pauschal. Sie verändert jedoch die Bewertungsgrundlage der Softwareökonomie. Entscheidend wird, ob Salesforce, ServiceNow und Shopify ihre Plattformbindung, ihre Preissetzungsmacht und ihre Umsatzqualität behaupten können oder ob Teile ihrer bisherigen Wertschöpfung in KI-gesteuerte Diensteketten abwandern.

Wenn sich die relativen Preise von Arbeit, Energie, Kapital und KI-Leistung verändern, geraten die Geschäftsmodelle und Bewertungsmaßstäbe unter Druck. Der Beitrag zeigt, warum der nächste Marktzyklus nicht allein durch Wachstum entschieden wird, sondern durch Kostenrelationen, Margenwirkung und Free Cashflow. Bewertungsbrüche entstehen dort, wo alte Annahmen über die Arbeitsteilung, den Energieverbrauch und die Kapitalbindung nicht mehr zu den neuen Faktorpreisen passen.

Für Investoren zählt im chinesischen KI-Zyklus nicht der steigende Capex allein. Entscheidend wird, dass nach Betriebskosten der Free Cashflow durch die finanzierten Rechenkapazitäten gestärkt wird. Alibaba und Tencent erweitern ihre Plattformen und Cloud-Geschäfte durch KI-Anwendungen. Ob daraus dauerhafter Unternehmenswert entsteht, hängt jedoch an der Chipbasis, mit der Huaweis Ascend-Systeme die durch die eingeschränkte Nvidia-Verfügbarkeit entstandene Lücke schließen müssen.

Tencent steht im chinesischen KI-Zyklus vor seiner Bewährungsprobe. Der Konzern erhöht den KI-Capex, stärkt Hy3 und bindet KI tiefer in WeChat, das Werbegeschäft und die Cloud ein. Entscheidend ist nun, inwiefern der Free Cashflow diesen Ausbau trägt und ob aus der Modellfähigkeit, Rechenleistung und Plattformmonetarisierung eine messbare Ertragskraft entsteht.