KI-Amerika 2031

Wie lange hält der amerikanische KI-Boom an, wenn der Markt den derzeit erhöhten Capex zunehmend danach bewertet, wie weit die neue Infrastruktur ausgelastet wird, wie fest die Cloud-Margen bleiben und welchen Free Cashflow der Modellbetrieb erwirtschaftet?

1. Der amerikanische KI-Boom bindet bereits viel Kapital, bevor der daraus zu erwartende Ertrag vollständig in den Unternehmenszahlen ausgewiesen werden kann.
2. Die neue Infrastruktur bewährt sich, sobald die Rechenleistung im Kundeneinsatz abgerechnet wird, die Softwareumgebung den Betrieb führt und die Energieversorgung den Ausbau absichert.
3. Der Kapitalmarkt wird bis 2031 prüfen, wie weit dieser Aufbau ausgelastet sein wird, ob die Cloud-Geschäfte ihre Margen behaupten werden und welchen Free Cashflow der laufende KI-Betrieb erwirtschaftet haben wird.
4. Nvidia und die amerikanischen Hyperscaler sichern ihren Preissetzungsspielraum, solange die Rechenleistung knapp bleibt und der produktive KI-Betrieb über kostenpflichtige Cloud-Dienste nachfragt wird.
5. Der Ascend-Report untersucht, ob China mit Huawei Ascend, SMIC und CANN einen eigenen Kostenpfad entwickelt, der die globale KI-Margenordnung bis 2031 revisionsbedürftig verändern wird.

Das Jahr 2031 dient in diesem Papier als Revisionsmarke. Bis dahin werden viele der derzeit erhöhten Capex-Programme lange genug im Betrieb gestanden haben, damit der Kapitalmarkt ihre wirtschaftliche Wirkung an den Unternehmenszahlen prüfen kann. Die neue Infrastruktur muss bis dahin weitgehend ausgelastet sein. Zugleich wird sich gezeigt haben, wie stark der Abschreibungsdruck die Cloud-Margen belastet hat und welchen Free-Cashflow-Beitrag der produktive KI-Betrieb erwirtschaftet haben wird.

Bis 2028 finanzieren die Plattformunternehmen vor allem den Aufbau. Sie beschaffen Rechenleistung, erweitern ihre Cloud-Leistung und sichern den Energiezugang. Ab 2029 rückt die Ertragsprüfung stärker in den Vordergrund, weil der produktiv arbeitende Teil des Capex von jenem Aufwand zu unterscheiden ist, der lediglich die Kostenbasis vergrößert.

Der Boom bleibt kapitalmarktlich plausibel, solange die neu geschaffene Rechenleistung durch zahlungspflichtige Nachfrage ausgelastet wird. Die Cloud-Dienste müssen ihre Margen behaupten, während der laufende KI-Betrieb einen Free Cashflow erwirtschaften muss, der den höheren Kapitalaufwand wirtschaftlich begründet.ha   

Der Bewertungsmaßstab beginnt beim Engpass. Zunächst wird bestimmt, welche Ressource den Ausbau begrenzt und dadurch Preissetzungsspielraum schafft. Danach wird geprüft, welche Unternehmen diese Ressource kontrollieren. Schließlich ist zu klären, wie weit sich diese Kontrolle in der Ergebnisrechnung niederschlägt. 

Die technologische Knappheit im KI-Stack rechtfertigt eine Bewertungsprämie nur, solange sie im laufenden KI-Betrieb einen Preissetzungsspielraum schafft. Dieser Spielraum muss die Inferenzkosten des Modellbetriebs decken und den höheren Energieaufwand der Rechenzentren finanzieren, ohne die Cloud-Margen dauerhaft zu belasten. Erst wenn der Free Cashflow diese Kostenbasis bestätigt, wird aus der ausgelasteten Rechenleistung eine operative Ergebnisqualität, die den höheren Capex kapitalmarktlich rechtfertigt.

Der Ascend-Report prüft den chinesischen KI-Zyklus nach demselben Bewertungsmaßstab. Er untersucht, ob Huawei Ascend, SMIC und CANN die Kosten des Modellbetriebs so weit senken, dass Alibaba, Tencent und andere Plattformkonzerne ihre KI-Inferenz auf eine eigene Kostenbasis stellen können.

Der amerikanische KI-Stack rechtfertigt seine Bewertungsprämie erst, wenn die installierte Beschleunigerleistung als Cloud-Leistung abrechenbar wird und die Modellangebote eine zahlungspflichtige Nachfrage nach KI-Diensten erzeugen. Die Hyperscaler stellen die aufgebaute Rechenkapazität als Cloud-Leistung bereit; deren wirtschaftlicher Wert bemisst sich zunächst an der Auslastung und danach daran, ob die erzielten Preise die Marge des laufenden Betriebs sichern.

Modelle gewinnen wirtschaftliches Gewicht, sobald Unternehmen sie in Arbeitsprozesse einbauen und daraus wiederkehrende Umsätze entstehen. Die Energieversorgung begrenzt den Ausbau, wenn der Strom nicht rechtzeitig verfügbar ist, die Kühlung mit den höheren Leistungsdichten nicht Schritt hält oder fehlende Netzanschlüsse die Inbetriebnahme verzögern. Kapitalmarktlich zählt daher, welcher Anbieter aus dieser Kette einen operativen Ergebnisbeitrag erwirtschaftet, der nach den laufenden Investitionen als Free Cashflow verbleibt.

Nvidia prägt den amerikanischen KI-Zyklus, weil seine Beschleuniger den zentralen Engpass der Aufbauphase setzen. Die hohe Nachfrage stützt die Preise, solange die Kunden mehr Beschleuniger- und Cloud-Leistung nachfragen, als die Lieferkette über Chips, Systeme und Rechenzentren bereitstellen kann. Die Hyperscaler nehmen diesen hohen Beschaffungsaufwand in Kauf, weil sie die eigene Cloud-Leistung sichern und Enterprise-Kunden enger an ihre Plattformen binden müssen.

Mit Custom Silicon bauen die Hyperscaler einen zweiten Chip-Pfad auf. Google, Amazon, Microsoft und Meta entwickeln eigene Beschleuniger, damit wiederkehrende Arbeitslasten günstiger betrieben werden können und die Abhängigkeit von Nvidia sinkt. Maßgeblich ist nicht die allgemeine Parität mit Nvidia. Entscheidend ist, ob diese Chips definierte Workloads mit niedrigeren Inferenzkosten ausführen und dadurch die Cloud-Marge entlasten.

Damit verlagert sich die Prüfung vom Aufbau der Infrastruktur auf ihren laufenden Betrieb. Ein Rechenzentrum verbessert die Bewertung erst, wenn seine Leistung abgerechnet wird, seine Auslastung den Abschreibungsdruck auffängt und der laufende Betrieb Free Cashflow erwirtschaftet. Der erhöhte Capex muss sich in den Unternehmenszahlen rechtfertigen; andernfalls belastet die neue Infrastruktur die Ergebnisrechnung, statt die Bewertungsprämie des KI-Zyklus zu stützen.

Die nächste Wachstumsstufe des KI-Zyklus wird durch die Energieversorgung bestimmt. Rechenleistung wird nur verfügbar, wenn der Strom geliefert, die Wärme abgeführt und die Netzanschlüsse rechtzeitig freigegeben werden. Damit rückt eine Größe in den Vordergrund, die klassische Softwarebewertungen häufig zu niedrig gewichten: Der physische Ausbau bestimmt, wie schnell die digitale Leistung tatsächlich in Betrieb gehen kann.

Für die Unternehmenszahlen wirkt die Energiefrage in zwei Richtungen. Steigende Stromkosten belasten den laufenden Betrieb, sofern sie nicht über Preise oder Effizienzgewinne weitergegeben werden können. Verzögerte Netzanschlüsse verschieben zugleich den Zeitpunkt, an dem neue Rechenzentrumsleistung Umsatz und Free Cashflow erwirtschaftet. Die Energiefrage betrifft daher nicht nur die Betriebskosten, sondern auch die Bauzeiten, die Standortqualität und die Auslastung.

Die Tabelle konkretisiert, wo die physische Seite des KI-Zyklus in der Ergebnisrechnung wirksam wird. Ein verzögerter Netzanschluss verschiebt den Zeitpunkt, zu dem die finanzierte Rechenleistung als abrechenbare Cloud-Leistung genutzt werden kann; eine begrenzte Kühlung senkt die wirtschaftlich nutzbare Leistungsdichte des Standorts. Für die Bewertung zählt deshalb, wann der zusätzliche Capex Ergebnisbeiträge aus dem laufenden Cloud-Betrieb ermöglicht und in welchem Umfang höhere Stromkosten die operative Marge belasten.

Die Frontier-Modelle prägen die öffentliche Wahrnehmung des KI-Booms. Kapitalmarktlich zählt, welche Ergebnisse der laufende Einsatz der Modelle erwirtschaftet. Das Training bindet Kapital; die Inferenz belastet den laufenden Betrieb. Erst der Vertrieb an Unternehmenskunden entscheidet, in welchem Umfang aus der Nutzung wiederkehrende Erlöse werden. Die Modellmarge rückt in den Mittelpunkt, sobald die Modelle nicht mehr erprobt, sondern in betrieblichen Arbeitsabläufen dauerhaft eingesetzt werden.

Agentic AI verschärft diese Rechnung. Sobald KI-Systeme Arbeitsschritte planen, Werkzeuge ansteuern und betriebliche Abläufe über mehrere Stufen bearbeiten, wächst der Rechenbedarf nicht mehr nur mit einzelnen Abfragen, sondern mit ganzen Prozessketten. Dieser Aufwand rechtfertigt sich wirtschaftlich, wenn die Anwendung beim Kunden Arbeitszeit freisetzt, Fehlerkosten senkt oder zusätzlichen Umsatz ermöglicht. Die Marge gerät dagegen unter Druck, sobald der Preis eines ausgeführten Prozesses den dafür nötigen Rechenaufwand nicht deckt.

Damit verschiebt sich die Prüfung von der einzelnen Modellabfrage auf den gesamten Arbeitsvorgang. Ein Agent, der recherchiert, Daten abruft, Werkzeuge nutzt, Zwischenergebnisse prüft und eine Handlung vorbereitet, erzeugt eine andere Kostenstruktur als ein Chatbot, der nur eine Antwort liefert. Kapitalmarktlich zählt daher nicht allein die Leistungsfähigkeit des Modells, sondern der Preis, zu dem der vollständig ausgeführte Prozess nach Inferenz, Orchestrierung und Plattformbetrieb einen Ergebnisbeitrag erwirtschaftet.

Der amerikanische KI-Stack rechtfertigt seine Margen, solange knappe Rechenleistung über softwaregebundene Cloud-Dienste bereitgestellt und mit hohem Preissetzungsspielraum abgerechnet wird. Diese Margenordnung wird revisionsbedürftig, sobald ein chinesischer Kostenpfad im produktiven Betrieb genügend Inferenzleistung zu niedrigeren oder besser kalkulierbaren Kosten bereitstellt.

Im chinesischen KI-Zyklus übernimmt Huawei Ascend die Rolle des Beschleunigerpfads. SMIC stellt den Fertigungszugang bereit, soweit die verfügbaren Prozesse dies erlauben. CANN muss die Softwarebindung leisten, damit chinesische Plattformkonzerne ihre Modelle effizient auf heimischer Hardware betreiben können.

Die folgende Tabelle verdichtet diese Prüfung auf drei Felder, weil der chinesische Kostenpfad weder am Chip allein noch an einzelnen Modellmeldungen beurteilt werden kann. Kapitalmarktlich zählt erst das Zusammenspiel aus Betriebskosten, industrieller Verfügbarkeit und Softwareaufwand, da diese drei Größen darüber entscheiden, welcher Teil der KI-Nutzung in Marge und Free Cashflow ankommt.

Der Ascend-Report untersucht die Nvidia-Lücke im chinesischen KI-Zyklus. Im Mittelpunkt steht die Frage, ob Huawei Ascend, SMIC und CANN den Modellbetrieb in China so weit verbilligen, dass Alibaba, Tencent und andere Plattformkonzerne ihre KI-Inferenz auf eine eigene Kostenbasis stellen können.

Damit schließt der Report an die öffentliche Kurzfassung dieses Kapitalmarktbriefs an. Während die vertiefende Fassung zeigt, wie der erhöhte Capex der amerikanischen Plattformunternehmen eine KI-Infrastruktur finanziert, die sich in Auslastung, Margen und Free Cashflow noch bewähren muss, überträgt der Ascend-Report denselben Maßstab auf China.

Bis 2031 wird daher zu prüfen sein, ob Chinas Abhängigkeit als dauerhafte Kostenbarriere fortbesteht oder ob eine eigene Infrastruktur die amerikanische Bewertungsprämie operativ infrage stellt.

Die Tabelle zeigt, an welchen drei Stellen sich die kapitalmarktliche Wirkung dieses Betriebspfads entscheidet. Maßgeblich wird, wie weit Ascend die Betriebskosten senkt, wie verlässlich SMIC die benötigte Hardware bereitstellt und wie stark CANN den Softwareaufwand der Portierung begrenzt. Erst daraus ergibt sich, welcher Teil der KI-Nutzung Marge und Free Cashflow erreicht.

Die vorliegende öffentliche Kurzfassung des Kapitalmarktbriefs KI-Amerika 2031 zeigt den Bewertungsmaßstab, an dem der amerikanische KI-Boom zu prüfen ist. Der erhöhte Capex der Plattformunternehmen wird sich erst dann rechtfertigen, wenn die neue Infrastruktur ausgelastet wird und die Cloud-Geschäfte ihre Margen behaupten. Hinzu kommt der laufende KI-Betrieb, der einen Free Cashflow erwirtschaften muss, welcher den höheren Kapitalaufwand wirtschaftlich begründet. Wer den KI-Zyklus nicht aus der Marktstimmung heraus, sondern als Folge der Kapitalbindung beurteilen will, erhält hier den analytischen Rahmen.

Die vertiefende Fassung des Kapitalmarktbriefs KI-Amerika 2031 entwickelt diesen Rahmen zu einem Revisionsraster weiter. Sie ergänzt die öffentliche Einordnung um die Bewertungsampel, die Szenarien bis 2031, den Kennzahlenkompass und die Quartalsmesspunkte, damit sich der amerikanische KI-Zyklus nach jeder Berichtsperiode neu beurteilen lässt. Die Risikomatrix und die Bewertungslinie zeigen, welche Entwicklungen die Arbeitshypothese stützen oder eine Neugewichtung verlangen.

Der Ascend-Report ergänzt diesen Rahmen um die chinesische Vergleichsrechnung. Er übernimmt den Bewertungsmaßstab der Amerika-Analyse, richtet ihn aber auf den Verbund aus Huawei Ascend, SMIC und CANN. Dadurch lässt sich beurteilen, ob der amerikanische KI-Stack seine Bewertungsprämie über Auslastung, Margen und Free Cashflow rechtfertigt oder ob ein chinesischer Kostenpfad die globale Margenordnung des KI-Zyklus bis 2031 so verändert haben wird, dass die amerikanische Bewertungsprämie neu beurteilt werden muss.

Die vorliegende Kurzfassung des Kapitalmarktbriefs KI-Amerika 2031 beruht auf öffentlich zugänglichen Unternehmensberichten, Investor-Relations-Meldungen, Quartalszahlen und energiebezogenen Fachquellen sowie öffentlich berichteten Angaben zu KI-Capex, Rechenzentrumsinfrastruktur und Modellbetrieb. Sie verzichtet bewusst auf eine vollständige Einzelbelegung. Die vertiefende Fassung arbeitet mit einem erweiterten Quellen- und Kennzahlenapparat.

Die Quellenbasis unterscheidet zwischen bestätigten Unternehmensdaten, öffentlich zugänglichen Regularien, technischen Fachhinweisen und kapitalmarktlichen Sekundärdaten. Unternehmensdaten besitzen den höchsten Datenrang; technische Hinweise zu Roadmaps, Beschleunigern und Softwareumgebungen werden vorsichtiger gelesen und als Revisionssignale behandelt.

• Agentic AI: KI-Systeme, die mehrstufige Aufgaben planen, Werkzeuge ansteuern und dadurch wiederkehrenden Rechenbedarf erzeugen.
• Ascend: Huaweis Beschleuniger- und Systempfad für KI-Training und KI-Inferenz in China.
• CANN: Huaweis Softwareumgebung für den Betrieb von Ascend-Hardware; ihre Reife bestimmt Portierungsaufwand, Fehlersuche und Betriebskosten.
• Capex: Investitionsausgaben für Infrastruktur, Rechenzentren, Chips und Cloud-Leistung.
• Cloud-Dienste: Abrechenbare Leistungen für Kunden, über die Rechenleistung, Modellzugang und betriebliche KI-Nutzung bereitgestellt und abgerechnet werden.
• Cloud-Geschäft: Geschäftssegment, in dem Cloud-Dienste bilanziell erfasst werden und dessen Marge kapitalmarktlich geprüft wird.
• CloudMatrix: Huaweis Ansatz, viele Ascend-Beschleuniger zu größeren Systemen zu bündeln.
• CUDA: Nvidias gewachsene Softwareplattform für GPU-Computing und der zentrale Vergleichsmaßstab für CANN.
• Custom Silicon: Eigene Spezialchips der Hyperscaler, die definierte Arbeitslasten günstiger ausführen sollen.
• DoD-1260H-Liste: Liste des US-Verteidigungsministeriums zu chinesischen military companies; sie wirkt vor allem über Compliance, Due Diligence und institutionelle Risikomodelle.
• Free Cashflow: Mittelzufluss nach laufendem Geschäft und Investitionen; zentrale Größe für die wirtschaftliche Rechtfertigung des KI-Capex.
• Inferenz: Laufender Einsatz eines trainierten KI-Modells für Nutzeranfragen oder betriebliche Arbeitsprozesse.
• Modellbetrieb: Produktiver Betrieb von KI-Modellen einschließlich Rechenleistung, Softwarepflege, Auslastung und laufender Kosten.
• Revisionsmarke: Zeitpunkt, an dem frühere Annahmen anhand neuer Unternehmenszahlen, technischer Befunde oder regulatorischer Eingriffe neu beurteilt werden.
• SMIC: Chinesischer Halbleiterfertiger, dessen Fertigungsleistung bestimmt, wie weit Ascend-Hardware industriell verfügbar wird.
• Weixin: Zentrale chinesische Plattform für Kommunikation, Zahlung, Handel und digitale Dienste; für Tencent ein wichtiger Ort möglicher KI-Monetarisierung.
• Yuanbao: KI-Assistent von Tencent, dessen Nutzung zusätzliche Inferenzlast und potenzielle Erlöse erzeugen kann.

Keine Anlageberatung

Dieser Text dient der Information und der allgemeinen wirtschaftlichen Einordnung. Er stellt weder eine Anlageberatung noch eine Finanzanalyse im aufsichtsrechtlichen Sinne dar. Er enthält weder eine Empfehlung zum Kauf, Halten oder Verkauf von Finanzinstrumenten noch eine Aufforderung zur Abgabe eines Angebots. Investitionsentscheidungen setzen eine eigenständige Prüfung der persönlichen, wirtschaftlichen, steuerlichen und rechtlichen Umstände voraus.

Urheberrecht und Nutzungsrechte

Dieser Text einschließlich seiner Gliederung, Begriffe, Bewertungslogik, Tabellen, Formulierungen und grafischen Aufbereitung ist urheberrechtlich geschützt. Alle Rechte liegen bei Dr. Wrede & Partner. Die öffentliche Fassung darf gelesen, verlinkt und in unveränderter Form weitergegeben werden, sofern Dr. Wrede & Partner als Quelle genannt wird und der Text weder gekürzt noch bearbeitet noch in einen fremden kommerziellen Zusammenhang gestellt wird. 

Jede darüber hinausgehende Nutzung bedarf der vorherigen schriftlichen Zustimmung. Dies gilt insbesondere für die Vervielfältigung, Bearbeitung, Übersetzung, Einbindung in eigene Präsentationen, Reports, Newsletter, Schulungsunterlagen, Datenbanken, KI-Systeme oder kommerzielle Informationsprodukte. Die systematische Auswertung, Zusammenfassung oder Wiederverwendung der Analyse zur Erstellung eigener Produkte ist ohne Zustimmung nicht gestattet.

Urheberrecht und Nutzungsrechte

Dieser Text einschließlich seiner Gliederung, Begriffe, Bewertungslogik, Tabellen, Formulierungen und grafischen Aufbereitung ist urheberrechtlich geschützt. Alle Rechte liegen bei Dr. Wrede & Partner. Die öffentliche Fassung darf gelesen, verlinkt und in unveränderter Form weitergegeben werden, sofern Dr. Wrede & Partner als Quelle genannt wird und der Text weder gekürzt noch bearbeitet noch in einen fremden kommerziellen Zusammenhang gestellt wird.

Jede darüber hinausgehende Nutzung bedarf der vorherigen schriftlichen Zustimmung. Dies gilt insbesondere für die Vervielfältigung, Bearbeitung, Übersetzung, Einbindung in eigene Präsentationen, Reports, Newsletter, Schulungsunterlagen, Datenbanken, KI-Systeme oder kommerzielle Informationsprodukte. Die systematische Auswertung, Zusammenfassung oder Wiederverwendung der Analyse zur Erstellung eigener Produkte ist ohne Zustimmung nicht gestattet.

Urheberrecht und Nutzungsrechte

Dieser Text einschließlich seiner Gliederung, Begriffe, Bewertungslogik, Tabellen, Formulierungen und grafischen Aufbereitung ist urheberrechtlich geschützt. Alle Rechte liegen bei Dr. Wrede & Partner. Die öffentliche Fassung darf gelesen, verlinkt und in unveränderter Form weitergegeben werden, sofern Dr. Wrede & Partner als Quelle genannt wird und der Text weder gekürzt noch bearbeitet noch in einen fremden kommerziellen Zusammenhang gestellt wird. 

Jede darüber hinausgehende Nutzung bedarf der vorherigen schriftlichen Zustimmung. Dies gilt insbesondere für die Vervielfältigung, Bearbeitung, Übersetzung, Einbindung in eigene Präsentationen, Reports, Newsletter, Schulungsunterlagen, Datenbanken, KI-Systeme oder kommerzielle Informationsprodukte. Die systematische Auswertung, Zusammenfassung oder Wiederverwendung der Analyse zur Erstellung eigener Produkte ist ohne Zustimmung nicht gestattet.

Ausschluss der Nutzung für KI-Systeme

Die Nutzung dieses Textes oder einzelner Bestandteile zur Entwicklung, zum Training, zur Feinabstimmung, zur Evaluierung oder zur sonstigen Verbesserung von KI-Systemen ist ohne vorherige schriftliche Zustimmung ausdrücklich untersagt. Dies umfasst insbesondere die Aufnahme in Trainingsdatensätze, Embedding-Datenbanken, Retrieval-Systeme, Wissensgraphen, Prompt-Bibliotheken, Agentensysteme oder automatisierte Auswertungsumgebungen.  

Ebenso untersagt ist die automatisierte Extraktion, Zusammenfassung, Paraphrasierung oder Strukturübernahme, sofern sie dazu dient, eigene Analysen, Reports, Newsletter, Datenprodukte oder KI-gestützte Informationsdienste auf Grundlage dieses Textes zu erstellen. Zulässig bleibt die rein private Lektüre sowie die unveränderte Weitergabe im ausdrücklich gestatteten Umfang.

Keine Rechteübertragung

Mit dem Download, der Lektüre oder der Weitergabe dieser öffentlichen Fassung werden keine Nutzungsrechte übertragen, die über die ausdrücklich gestattete private oder interne Information hinausgehen. Marken, Produktbezeichnungen und geschäftliche Kennzeichen verbleiben bei den jeweiligen Rechteinhabern.