Große Technologiekonzerne, sogenannte Hyperscaler, investieren derzeit immense Summen in den Aufbau von Rechenzentren für Künstliche Intelligenz. Laut einer Einschätzung von Jessica Wachter, Professorin für Finanzen an der Wharton School der University of Pennsylvania, werden die Ausgaben dieser Unternehmen bis 2027 voraussichtlich nahezu 1,1 Billionen US-Dollar erreichen. Um diese Investitionen bis 2030 zu amortisieren, inklusive Kapitalkosten und einer Rendite von 15 Prozent, müssten die KI-Unternehmen ihre eigene Produktivität um das 2,7-fache steigern. Andernfalls drohen erhebliche finanzielle Schwierigkeiten.
Die Dimension der Investitionen
Die aktuellen Ausgaben der Hyperscaler – zu denen Unternehmen wie Alphabet, Microsoft, Amazon, Meta und Oracle gehören – belaufen sich in diesem Jahr auf rund 750 Milliarden US-Dollar für den Bau massiver Datenzentren. Prognosen zufolge könnten die gesamten KI-Kapitalinvestitionen dieser Konzerne in den nächsten vier Jahren sogar 5 Billionen US-Dollar überschreiten. Diese Summen stellen eine der größten Kapitalinvestitionen in der Geschichte der Industrie dar.
Demgegenüber stehen die aktuellen KI-Umsätze, die in diesem Jahr zwischen 150 Milliarden und 200 Milliarden US-Dollar liegen. Gary Gensler, ehemaliger SEC-Vorsitzender und Professor an der MIT Sloan School, weist auf die Diskrepanz hin: Die Ausgaben hätten noch keine entsprechenden Einnahmen. Es sei die entscheidende Frage, ob sich diese Investitionen in der Zukunft auszahlen werden. Das finanzielle Wohl der beteiligten Unternehmen und der US-Wirtschaft insgesamt steht auf dem Spiel, da die Investitionen bald etwa 3 Prozent des Bruttoinlandsprodukts der USA ausmachen könnten.
Finanzielle Risiken und Ertragsdruck
Die Notwendigkeit einer Produktivitätssteigerung um das 2,7-fache bis 2030, um die Ausgaben zu decken, ist ambitioniert. Wachter warnt, dass das Nichterreichen dieser Profitziele zu Zahlungsausfällen bei Zinsen und damit zu Insolvenzen führen könnte. Sollte sich der erwartete Produktivitätsboom nicht einstellen, so Wachter und ihr Koautor, könnte die aktuelle Aufbauphase die „größte Fehlallokation von Kapital in der Geschichte“ darstellen.
Die finanzielle Belastung zeigt sich bereits: Der freie Cashflow – die liquiden Mittel, die einem Unternehmen nach Abzug der Investitionen verbleiben – wird für die Gruppe der Hyperscaler voraussichtlich bald negativ werden. Selbst Alphabet, bekannt für hohe Cash-Generierung, verzeichnete im letzten Quartal trotz beeindruckender Umsätze von fast 120 Milliarden US-Dollar ein freies Cashflow-Defizit von rund 5,9 Milliarden US-Dollar. Dies war das erste Defizit seit dem Börsengang von Google im Jahr 2004, bedingt durch die hohen Ausgaben für die KI-Infrastruktur.
Zusätzlich zu den reinen Baukosten müssen die Hyperscaler auch die steigenden Kapitalkosten für die Kreditaufnahme berücksichtigen. Hinzu kommen die Abschreibungen auf die Milliarden von Dollar an Chips in den Anlagen – ein Kostenfaktor, der kontinuierlich steigt.
Technologischer Wandel als Kostenfaktor
Die Leistungsfähigkeit der teuren GPU-Chips, die das Herzstück der Rechenzentren bilden und etwa 60 Prozent der Kosten ausmachen, verdoppelt sich ungefähr alle zwei Jahre. Dieser rasante Fortschritt, der die Leistungsfähigkeit der KI-Modelle erklärt, hat seinen Preis. Betreiber von KI-Rechenzentren, die in diesem und dem nächsten Jahr in Betrieb gehen, müssen bis zum Ende des Jahrzehnts Milliarden weitere US-Dollar für die nächste Chip-Generation ausgeben, um wettbewerbsfähig zu bleiben. Ohne diese Reinvestitionen drohen die Rechenzentren zu „Hulks“ zu werden, also zu stillgelegten Vermögenswerten, so Mihir Kshirsagar vom Princeton’s Center for Information Technology Policy.
Die KI-Unternehmen müssen nicht nur schnell deutlich höhere Einnahmen generieren, sondern die KI muss auch ein breites Wirtschaftswachstum schaffen, um die Fortsetzung der Investitionswelle der Hyperscaler zu rechtfertigen. Gensler beschreibt die Situation als eine „Parlay-Wette“ der Kapitalmärkte und der Wirtschaft, bei der drei voneinander abhängige Wetten gewonnen werden müssen: Die Hyperscaler müssen massive Einnahmen erzielen, KI muss ein breites Wirtschaftswachstum fördern, und gleichzeitig müssen die leistungsstarken, aber teuren „Frontier-Modelle“, die auf diese Rechenzentren angewiesen sind, sich gegen günstigere Alternativen durchsetzen.
Thema: Technologie / KI allgemein. Quelle/Inspiration: MIT Technology Review.