Larry Finks Zahl ist groß genug, um jeden normalen Vergleich unbrauchbar zu machen: Rund 10 Billionen US-Dollar sollen die USA nach seiner Schätzung in den kommenden zehn Jahren benötigen, um KI-Infrastruktur aufzubauen. Gemeint sind nicht nur Rechenzentren. Es geht auch um Stromnetze, Kühlung, Energieversorgung, Fachkräfte und die ganze Bau- und Finanzierungskette hinter den Serverhallen.
Für BlackRock ist diese Aussage keine distanzierte Branchenbeobachtung. Der weltgrößte Vermögensverwalter gehört zu den Akteuren, die genau solche Projekte finanzierbar machen wollen. Fink stellt die KI-Ausgaben deshalb nicht als spekulative Übertreibung dar, sondern als Versorgungsengpass: zu wenig Rechenleistung, zu wenig Strom, zu wenig Netzkapazität, zu wenig qualifizierte Arbeitskräfte. Das ist eine kapitalmarktnahe Lesart des KI-Booms. Nicht der Chatbot steht im Zentrum, sondern die Frage, wie langfristiges Kapital in Beton, Kupfer, Transformatoren, Wasserleitungen und Chips gelenkt wird.
Aus KI wird ein Infrastrukturgeschäft
Der operative Kern der These ist einfach: KI-Modelle brauchen Rechenzentren, Rechenzentren brauchen Strom, Strom braucht Netze, Netze brauchen Genehmigungen, Baukapazität und Kapital. Damit verschiebt sich ein Teil der KI-Ökonomie aus der Softwarelogik in die Infrastrukturökonomie. Software kann mit hohen Bruttomargen skalieren, wenn der Code einmal steht. Rechenzentren skalieren anders. Sie binden Kapital lange im Voraus, verursachen hohe Fixkosten und werden erst dann attraktiv, wenn Auslastung, Energiepreis und Finanzierungskosten zusammenpassen.
Kapitalfluss in KI-Infrastruktur
Die Grafik zeigt vereinfacht, wie langfristiges Spar- und Pensionskapital über Vermögensverwalter in Rechenzentren, Stromnetze und Kühlung gelenkt werden kann.
In dieser Logik erklärt sich Finks Zahl. Sie ist keine Prognose für den Umsatz einzelner KI-Produkte, sondern eine Schätzung für den Kapitalbedarf der physischen Grundlage. Nach aktuellen Schätzungen und Medienberichten könnten große Tech-Konzerne 2026 zusammen mehr als 200 Milliarden US-Dollar für Rechenzentren ausgeben. Das zeigt die Größenordnung, aber auch den Druck: Selbst Konzerne mit hohen Cashflows stoßen bei Dauerinvestitionen dieser Art an Grenzen. Hyperscaler können viel selbst finanzieren. Ein nationaler Ausbau von Rechenzentren, Stromnetzen und Kühlsystemen benötigt jedoch zusätzlich institutionelles Kapital.
Warum BlackRock auf Pensionskapital blickt
Fink verweist auf Spar- und Pensionskonten gewöhnlicher Amerikaner als zentrale Finanzierungsquelle. Das ist aus Sicht eines Vermögensverwalters folgerichtig. Altersvorsorgekapital hat lange Anlagehorizonte. Infrastrukturprojekte haben lange Laufzeiten. Zwischen beiden lässt sich ein Geschäftsmodell bauen: Kapital einsammeln, in Fonds oder Partnerschaften bündeln, Projekte finanzieren, Gebühren verdienen und langfristige Erträge aus Mieten, Kapazitätsverträgen oder Beteiligungen erzielen.
Genau hier liegt die kapitalmarktpolitische Schärfe. Wenn KI-Infrastruktur über Pensions- und Sparvermögen finanziert wird, wird der Ausbau nicht nur von Big-Tech-Bilanzen getragen. Er wandert in die Portfolios breiter Bevölkerungsschichten. Das kann sinnvoll sein, wenn stabile Cashflows entstehen. Es kann problematisch werden, wenn Auslastung, Stromkosten, Zinsen oder technologische Wechsel die erwarteten Renditen drücken. Rechenzentren sind keine risikolosen Staatsanleihen. Sie sind Spezialimmobilien mit hoher technischer Abhängigkeit, hohem Energiebedarf und begrenzter Flexibilität, falls Nachfrage oder Standortvorteile sich anders entwickeln als geplant.
Für BlackRock liegt der Vorteil auf der Hand. Das Unternehmen kann seine Rolle als Kapitalvermittler ausbauen. Es verdient nicht daran, selbst jedes Rechenzentrum zu betreiben, sondern daran, Kapitalflüsse zu strukturieren. Die 2024 angekündigte KI-Infrastrukturinitiative, bei der unter anderem Microsoft und NVIDIA genannt wurden, mit einem anfänglichen Eigenkapitalziel von 30 Milliarden US-Dollar, passt in dieses Muster. NVIDIA steht für die Rechenhardware und das Ökosystem der Beschleuniger, Microsoft für Cloud-Nachfrage und Plattformnähe, BlackRock für Kapitalzugang und Strukturierung. So entsteht eine Finanzierungskette, in der Technologieunternehmen und Vermögensverwalter unterschiedliche Engpässe bedienen.
Die Marge hängt am Strom
In der öffentlichen Debatte wird KI oft über Modelle, Chips und Anwendungen erklärt. Für die Marge eines Rechenzentrums sind jedoch trockenere Faktoren entscheidend: Strompreis, Anschlusskapazität, Kühlung, Flächennutzung, Baukosten, Finanzierungskosten und vertragliche Auslastung. Ein Rechenzentrum kann technisch modern sein und finanziell trotzdem enttäuschen, wenn der Energiezugang zu teuer oder zu unsicher ist.
Finks Hinweis auf unzureichende Elektrizitätsinfrastruktur ist deshalb keine Nebenbemerkung. Sie betrifft den Renditekern der gesamten Rechnung. Wenn Stromnetze nicht schnell genug erweitert werden, verzögern sich Projekte. Wenn Netzanschlüsse knapp werden, steigen Standortprämien. Wenn Kühlung und Energieversorgung teurer werden, sinkt die operative Marge. Wenn Genehmigungen lange dauern, bindet Kapital, bevor Erträge fließen. Der Engpass liegt nicht nur in GPUs, sondern im Anschluss an die materielle Wirtschaft.
Das erklärt auch eine angekündigte 100-Millionen-US-Dollar-Initiative zur Ausbildung von Fachkräften für den Bau der KI-Infrastruktur. Im Verhältnis zur 10-Billionen-Schätzung ist der Betrag klein. Strategisch ist er trotzdem aufschlussreich. Der Ausbau hängt nicht nur an Kapitalzusagen, sondern an Elektrikern, Bauarbeitern, Technikern, Netzplanern und Kühlungsspezialisten. Ein Finanzierungsvehikel kann kein Umspannwerk bauen, wenn die Arbeitskräfte fehlen.
Die Blasenfrage greift zu kurz
Fink hat die These einer KI-Blase Berichten zufolge zurückgewiesen und die Lage eher als Versorgungsengpass beschrieben. Diese Unterscheidung ist für Investoren wichtig, aber sie löst das Risiko nicht auf. Ein echter Engpass kann hohe Investitionen rechtfertigen. Er kann aber auch zu Überbau führen, wenn zu viele Marktteilnehmer dieselbe Knappheit gleichzeitig finanzieren. Kapitalmärkte reagieren selten gleichmäßig. Sie übertreiben auch dort, wo ein realer Bedarf besteht.
Der Unterschied zur klassischen Softwarebewertung ist deutlich. Bei KI-Infrastruktur fällt ein großer Teil der Kosten früh an. Grundstücke, Netzanschlüsse, Bau, Kühlung, Hardware und Finanzierung müssen bezahlt werden, bevor die langfristige Nachfrage sicher sichtbar ist. Die Margenlogik hängt deshalb an Verträgen, Laufzeiten und Bonität der Abnehmer. Wenn große Cloudanbieter oder KI-Firmen Kapazitäten langfristig abnehmen, sinkt das Risiko. Wenn Kapazität spekulativ gebaut wird, steigt es.
Für Pensionsfonds ist das ein heikler Punkt. Infrastruktur gilt häufig als passend für langfristige Portfolios, weil sie planbare Erträge liefern kann. KI-Infrastruktur ist jedoch eine jüngere Unterkategorie mit stärkerer technologischer Dynamik. Hardwarezyklen sind kurz, Energieanforderungen steigen, Standorte können durch Netzengpässe oder regulatorische Vorgaben an Attraktivität verlieren. Das spricht nicht gegen Investitionen. Es spricht gegen die Erzählung, der Bedarf allein mache die Anlageklasse automatisch sicher.
Wer die Engpässe kontrolliert, kontrolliert die Rendite
Die Marktposition verschiebt sich zu Akteuren, die mehrere Engpässe gleichzeitig bedienen können. Microsoft kann Nachfrage bündeln und Cloudkapazität vermarkten. NVIDIA liefert zentrale Hardwarekomponenten und profitiert von hoher Rechennachfrage. BlackRock kann institutionelles Kapital mobilisieren. Energieversorger und Netzbetreiber werden wichtiger, weil ohne Stromanschluss keine KI-Fabrik entsteht. Bau- und Handwerkskapazitäten werden vom Kostenfaktor zum strategischen Flaschenhals.
Die schwächere Position haben Akteure, die Rechenleistung nur einkaufen können: kleinere Unternehmen, Forschungseinrichtungen, Kommunen oder regionale Anbieter ohne eigenen Zugang zu Kapital und Energieverträgen. Wenn KI-Rechenkapazität kapitalintensiver wird, steigen Markteintrittsbarrieren. Das muss nicht sofort zu höheren Endkundenpreisen führen. Aber es stärkt jene Unternehmen, die Kapazität langfristig reservieren, finanzieren und betreiben können.
Finks 10-Billionen-Rechnung ist deshalb weniger eine einzelne Zahl als ein Hinweis auf die neue Kostenstruktur der KI-Ökonomie. Der Engpass liegt nicht allein im Modelltraining. Er liegt in der Finanzierung realer Anlagen, deren Rendite über Jahrzehnte verdient werden muss. BlackRock positioniert sich genau an dieser Schnittstelle: zwischen Altersvorsorgekapital, Technologiekonzernen und einer Energieinfrastruktur, die für die nächste Ausbaustufe der KI nicht vorbereitet genug ist.
Keine dieser Aussagen ist Anlageberatung. Entscheidend ist die Struktur: Wenn KI-Infrastruktur über privates Langfristkapital finanziert wird, werden Chancen und Risiken anders verteilt als bei einer reinen Tech-Aktienwette. Die Gewinne entstehen nicht nur bei den Firmen, die KI-Modelle verkaufen. Sie entstehen auch bei denen, die den Stromanschluss, die Finanzierung und die Baukapazität kontrollieren. Und die Risiken landen nicht nur in den Bilanzen der Hyperscaler, sondern möglicherweise auch in den Altersvorsorgeportfolios jener Anleger, deren Kapital den Ausbau erst ermöglicht.
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?
