Der KI-Boom hat seine erste Phase hinter sich. Die war laut, aktiengetrieben und leicht zu erzählen: Nvidia verkauft Chips, Microsoft, Amazon und Google bauen Cloud-Kapazität aus, OpenAI und andere Modellanbieter versprechen neue Softwaremärkte. Die zweite Phase ist trockener. Sie läuft über Anleihen, Projektfinanzierungen, Stromverträge, Grundstücke, Kühlung und Laufzeiten. Sie ist weniger spektakulär, aber finanziell riskanter.
Denn aus dem KI-Hype wird ein Kreditzyklus. Nicht nur Risikokapital wird eingesetzt, sondern Fremdkapital in Größenordnungen, die selbst für die Technologiebranche ungewöhnlich sind. Mehrere aktuelle Bank- und Beratungsschätzungen, über die im Juli 2026 berichtet wurde, beziffern den Kapitalbedarf in Billionenhöhe: McKinsey schätzt, dass die Deckung des weltweiten KI-Bedarfs bis 2030 Investitionen von 6,7 Billionen US-Dollar erfordern könnte. Goldman Sachs erwartet demnach kumulierte KI-bezogene Investitionsausgaben von 7,6 Billionen US-Dollar zwischen 2026 und 2031, für Chips, Rechenzentren und Energieinfrastruktur. Morgan Stanley Research rechnet bis 2028 mit 2,9 Billionen US-Dollar für den Bau globaler Rechenzentren. JPMorgan geht davon aus, dass bis 2028 rund 1,5 Billionen US-Dollar an KI-bezogenen Schulden notwendig werden könnten.
Wie KI-Infrastruktur zum Kreditzyklus wird
Die Grafik zeigt den vereinfachten Finanzierungsfluss vom Kapitalmarkt in KI-Infrastruktur und zurück über unsichere Erlöse.
Das ist der Punkt, an dem die Erzählung kippt. Solange KI vor allem als Softwarechance behandelt wird, kann der Markt über Bewertungen streiten. Sobald der Ausbau über Schulden finanziert wird, geht es um Zinsen, Tilgung, Auslastung und Cashflow. Genau dort ist die Lage dünner, als die Investitionszahlen nahelegen.
Die Infrastruktur kommt vor dem Geschäftsmodell
Rechenzentren sind keine App. Sie werden gebaut, bevor klar ist, welche konkrete Nachfrage sie über Jahre tragen wird. Sie brauchen Chips, Netzanschlüsse, Stromverträge, Kühlung, Wasser, Flächen und Personal. Ein großer Teil dieser Kosten fällt an, bevor die spätere Auslastung gesichert ist. In klassischen Industrien ist das bekannt: Wer Stahlwerke, Kraftwerke oder Glasfasernetze baut, muss auf Nachfrage wetten. Der Unterschied liegt im Tempo und in der Konzentration.
Die großen Cloud-Anbieter können diese Wette eher tragen als junge KI-Firmen. Microsoft, Amazon und Alphabet verfügen über profitable Kerngeschäfte, Kundenbeziehungen und bestehende Rechenzentrumsnetze. Aber auch sie verschieben Kapital in eine Infrastruktur, deren Rendite davon abhängt, ob Unternehmen dauerhaft bereit sind, hohe Preise für KI-Rechenleistung zu zahlen. Laut einer Schätzung von Morgan Stanley könnten die Ausgaben der großen Hyperscaler für KI-Infrastruktur 2026 rund 400 Milliarden US-Dollar erreichen; für 2025 wurden demnach 165 Milliarden US-Dollar veranschlagt. Das ist kein Nebenschauplatz mehr, sondern ein Investitionsprogramm, das auch die Bilanzen großer Konzerne sichtbar belastet.
Für Modellanbieter ist die Rechnung härter. Berichten zufolge könnte OpenAI für 2025 einen Umsatz von 12 Milliarden US-Dollar und einen Betriebsverlust von 8 Milliarden US-Dollar ausweisen. Die Verluste könnten nach solchen Prognosen bis 2027 auf 35 Milliarden US-Dollar steigen. Solche Zahlen beweisen nicht, dass das Geschäftsmodell scheitert. Sie zeigen aber, wie weit der Abstand zwischen Nutzung, Umsatz und profitabler Bereitstellung der Rechenleistung noch sein könnte.
Wall Street verkauft nicht nur die Geschichte, sie finanziert sie
Investmentbanken verdienen an diesem Ausbau mehrfach: bei Anleiheemissionen, Krediten, strukturierten Finanzierungen, Beratungsmandaten und Transaktionen rund um Rechenzentren. Das ist nicht verwerflich. Es erklärt aber, warum der KI-Boom für Wall Street nicht nur ein Aktiennarrativ ist, sondern ein Produktmarkt. Die Branche verpackt Kapitalbedarf in handelbare Schuldinstrumente. Damit wandert ein Teil des Risikos aus dem Tech-Sektor in die Portfolios von Anleiheinvestoren, Versicherern, Pensionsfonds und Kreditfonds.
Der kritische Punkt ist nicht, dass Schulden per se gefährlich wären. Infrastruktur wird häufig mit Fremdkapital gebaut, weil die Anlagen langfristige Erträge liefern sollen. Gefährlich wird es, wenn die Laufzeiten und Erwartungen nicht zusammenpassen: kurzfristig steigende Finanzierungskosten, langfristig unsichere Erlöse, technisch schnell alternde Hardware. KI-Beschleuniger sind teuer, aber nicht zeitlos. Ein Rechenzentrum kann Jahrzehnte stehen, die darin verbaute Chipgeneration nicht.
Damit entsteht eine andere Art von Blasenrisiko als bei reinen Softwarebewertungen. Selbst wenn einzelne Investoren Geld verlieren, bleiben Rechenzentren, Stromanschlüsse und Glasfaserverbindungen zurück. Das unterscheidet den Zyklus von mancher spekulativen Übertreibung. Aber es macht ihn nicht harmlos. Kapital kann in produktive Anlagen fließen und trotzdem für die ursprünglichen Kapitalgeber schlecht verzinst sein. Eine Wirtschaft kann durch überbaute Infrastruktur verändert werden, während Anleiheinvestoren zu viel Risiko zu billig finanziert haben.
Der Engpass ist nicht nur Kapital
Die Finanzierung ist nur eine Seite des Problems. Die Internationale Energieagentur prognostiziert, dass der weltweite Stromverbrauch von Rechenzentren von 415 Terawattstunden im Jahr 2024 auf etwa 945 Terawattstunden bis 2030 steigen könnte. Diese Zahl ist für die Debatte wichtiger als viele Modell-Benchmarks. Sie zeigt, dass KI nicht bloß ein Softwarethema ist. Sie greift in Strommärkte, Netzausbau, Standortpolitik und kommunale Infrastruktur ein.
Wenn Rechenzentren mit Haushalten, Industrie und anderen Großverbrauchern um Anschlussleistung konkurrieren, entstehen Verteilungskonflikte, die sich nicht mit besseren Sprachmodellen lösen lassen. Strom muss erzeugt, transportiert und abgesichert werden. Netzanschlüsse brauchen Genehmigungen. Kühlung braucht Wasser oder aufwendige Technik. Land in geeigneten Lagen ist begrenzt. Diese Faktoren setzen dem Ausbau ein anderes Limit als Kapitalmärkte.
Hier liegt eine zweite, weniger beachtete Wirkung. Massive KI-Investitionen konkurrieren mit anderen Kreditnehmern um Kapital. Wenn die Nachfrage nach Anleihen und Krediten für Rechenzentren stark steigt, kann das Finanzierungskosten auch außerhalb des Tech-Sektors beeinflussen. Wie groß dieser Effekt wird, lässt sich heute nicht seriös beziffern. Aber die Richtung ist klar: Ein Billionenprogramm bleibt nicht im eigenen Marktsegment eingeschlossen.
Die Profite müssen noch nachziehen
Die Verteidiger des Booms haben ein starkes Argument: Dies ist kein Markt ohne reale Nachfrage. Unternehmen testen KI in Kundenservice, Softwareentwicklung, Dokumentenanalyse, Marketing, Forschung und internen Workflows. Die großen Cloud-Anbieter verkaufen bereits zusätzliche Dienste. Nvidia erzielt außergewöhnliche Umsätze mit Chips. Es gibt also reale Erlöse, reale Infrastruktur, reale Produktivitätshoffnungen.
Gerade deshalb ist die Debatte schwieriger als der einfache Vergleich mit der Dotcom-Blase. Der KI-Ausbau kann wirtschaftlich sinnvoll sein und trotzdem überfinanziert werden. Die Frage lautet nicht, ob KI nützlich ist. Die Frage lautet, ob die Zahlungsbereitschaft der Kunden hoch genug ist, um Billioneninvestitionen in Rechenleistung, Energie und Gebäude angemessen zu verzinsen.
Viele heutige KI-Anwendungen sparen Zeit, aber nicht immer genug Geld. Viele Firmen experimentieren, ohne ihre Prozesse grundlegend umzustellen. Viele Nutzer zahlen für KI-Funktionen indirekt über bestehende Softwarepakete. Das kann reichen, um die Technologie zu verbreiten. Es reicht nicht automatisch, um jeden neu gebauten Rechenzentrumsstandort mit attraktiver Rendite zu füllen.
Das Risiko sitzt in der Struktur
Der Markt behandelt KI gern als Wachstumsstory. Für die nächsten Jahre ist sie aber ebenso eine Refinanzierungsstory. Je stärker der Ausbau über Schulden läuft, desto weniger genügt Begeisterung über Nutzungskurven. Dann zählen Vertragslaufzeiten, Auslastungsquoten, Strompreise, Bonität der Mieter und die Frage, wer am Ende die Rechnung trägt, wenn Nachfrage oder Preise nicht den Erwartungen entsprechen.
Wall Street kann diese Risiken verteilen, aber nicht auflösen. Banken können Kredite arrangieren, Anleihen platzieren und Rechenzentrumsprojekte finanzierbar machen. Sie können nicht garantieren, dass die KI-Ökonomie schnell genug profitabel wird. Wenn die Renditen ausbleiben, wird der Schaden nicht nur in fallenden Aktienkursen sichtbar. Er liegt dann in Krediten, deren Annahmen zu optimistisch waren.
Der KI-Boom ist damit nicht automatisch eine Blase. Er ist aber längst kein reines Technologiethema mehr. Er ist ein groß angelegter Test, ob die Kapitalmärkte eine neue Recheninfrastruktur schneller finanzieren können, als die Wirtschaft tragfähige Erlöse daraus entwickelt. Das kann gutgehen. Es kann auch dazu führen, dass am Ende zwar mehr Rechenzentren stehen, aber ein Teil der Rendite dort verschwindet, wo sie am wenigsten sichtbar ist: in den Büchern der Kreditgeber.
Jens analysiert seit Jahren digitale Märkte, Preisbewegungen und Plattform-Strategien. Als Betreiber mehrerer datengetriebener Systeme wertet er täglich große Mengen an Produkt- und Trenddaten aus. Sein Fokus liegt auf Einordnung statt Hype: Was bedeutet eine Entwicklung wirklich für Nutzer, Preise und Märkte?
