Der Aktienmarkt präsentiert sich momentan tief gespalten. Auf der einen Seite erzielen Unternehmen, deren Geschäftsmodelle im positiven Sinne mit Künstlicher Intelligenz (KI) assoziiert werden, eine beispiellose Bewertungsexpansion. Auf der anderen Seite werden hochprofitable Qualitätsunternehmen trotz Rekordergebnissen bei Umsatz, Gewinn und Cashflow von Investoren ignoriert oder im Zuge einer undifferenzierten Angst vor einer angeblichen „SaaS-Apokalypse“ radikal abgestraft.
Diese Dynamik führte dazu, dass die Profiteure des Booms immer massiver an Gewicht an den Kapitalmärkten gewonnen haben und mittlerweile nur wenige Tech-Giganten mit einer historisch hohen Konzentration die wichtigsten Börsenindizes dominieren. Die Marktkapitalisierung der zehn größten Unternehmen macht derzeit rund 37 Prozent des S&P 500 aus. Der Zustrom über passive ETF-Produkte befeuerte diese Entwicklung zusätzlich.
Die Erwartungen an den KI-Boom scheinen aktuell keine Grenzen zu kennen: Analysten prognostizieren für das Jahr 2026 ein historisches Rekordvolumen von mehreren hundert Milliarden US-Dollar, das allein von den führenden „Hyperscalern“ – Microsoft, Alphabet, Amazon, Meta und Oracle – als Investitionsausgaben (Capex) in den Ausbau von Rechenzentren fließen soll.
Die Euphorie blendet jedoch eine fundamentale Transformation dieser Unternehmen aus: Sie entwickeln sich im Rekordtempo von Asset-light-Geschäftsmodellen mit hohen freien Cashflows und Kapitalverzinsungen zu investitionsintensiven Schwergewichten, deren operativen Cashflows nicht mehr ausreichen, um das gewaltige Ausgabenvolumen zu stemmen. Verstärkt treten die Hyperscaler als Großemittenten am Anleihemarkt auf. Laut Goldman Sachs haben sie allein in diesem Jahr schon rund 200 Milliarden US-Dollar an Neuverschuldung am Anleihemarkt aufgenommen. Dies entspricht etwa 9 Prozent der gesamten Anleiheplatzierungen im globalen Investment-Grade-Bereich in diesem Jahr.
Das Kernproblem für Investoren ist das massive Missverhältnis zwischen sofortigen Investitionskosten und unsicheren künftigen Erträgen (ROI). Zudem rücken die aktuellen Abschreibungsdauern für die teure KI-Infrastruktur zunehmend in den Fokus: Während Industrieexperten der Princeton University von einer wirtschaftlichen Nutzungsdauer von Chips aufgrund der technologischen Veralterung und der starken Hitze- und Strombelastung von nur 1-3 Jahren ausgehen, schreiben viele Hyperscaler diese Investitionen über einen deutlich längeren Zeitraum von 5-6 Jahren ab. Sollten die wirtschaftlichen Realitäten eine Verkürzung der Abschreibungsdauer notwendig machen, drohen hohe Abschreibungen auf die buchhalterischen Restwerte und damit eine deutlich geringere Profitabilität der KI-Investitionen.
Bisher operiert der Sektor primär in einem geschlossenen B2B-Investitionskreislauf: Tech-Unternehmen kaufen in erster Linie Hardware voneinander. Die Endkunden-Monetarisierung auf Applikationsebene hinkt der investiven Vorleistung noch meilenweit hinterher. Hinzu kommt, dass leistungsfähige Large Language Models (LLMs) zunehmend ausgelesen, standardisiert und durch Open-Source-Alternativen zu niedrigen Preisen angeboten werden. Somit ist fraglich, ob die gigantischen Investitionssummen die erhofften Erträge abwerfen werden.
Parallelen zu vorangegangenen Technologiezyklen in der Wirtschaftsgeschichte sind sichtbar: Der Ausbau des US-Eisenbahnnetzes im 19. Jahrhundert, die Verlegung der ersten Telefonleitungen oder der Ausbau der Glasfaser-Infrastruktur in den späten 1990er-Jahren brachten ebenfalls einen scheinbar unstillbaren Hunger nach Infrastrukturkapital mit sich. In jedem dieser Fälle stellte der Markt nach der Euphorie schmerzhaft fest, dass die reale Endkundennachfrage und die tatsächliche Monetarisierung Jahre hinterherhinkten. Kapazitätsüberhang, Preisverfall, Konsolidierungen und Pleiten waren die Folgen.
Am Rentenmarkt sind wir daher weiterhin im Risk-Off-Modus und bleiben auf die Stabilität und Planbarkeit der Kuponzahlungen fokussiert. Im Aktienbereich meiden wir Unternehmen, deren Free Cashflow-Renditen erodieren. Der Fokus liegt stattdessen auf etablierten und hochprofitablen Qualitätsunternehmen mit attraktiver Bewertung abseits des KI-Hypes.
Autor:
