Eine führende Position im Bereich der künstlichen Intelligenz aufzubauen und diese zu verteidigen wird immer kostspieliger. Wettbewerber können technologische Durchbrüche immer schneller nachahmen, während sich Investitionen in die Recheninfrastruktur über Jahre erstrecken. Für Anleger stellt sich daher nicht allein die Frage, wer im Technologiewettlauf führt, sondern auch wo sich noch nachhaltige Renditen erzielen lassen, wenn sich Wettbewerbsvorsprünge verringern, Preise sinken und der Kapitalbedarf steigt.
Der Vorsprung schrumpft
Der Abstand schrumpft. SemiAnalysis stellte fest, dass führende chinesische offene KI-Modelle bereits Fähigkeiten erreichten, die OpenAI und Anthropic erst fünf oder sechs Monate zuvor demonstriert hatten. Zwischen 2022 und 2024 hatten chinesische Modelle noch rund 18 Monate benötigt, um aufzuholen. Da Wettbewerber technologische Durchbrüche inzwischen schneller nachbilden, bleibt weniger Zeit, um Renditen zu erzielen, bevor vergleichbare Fähigkeiten auch anderswo verfügbar sind.
Wie groß muss der Vorsprung eines Forschungslabors sein - und wie lange muss er bestehen -, damit sich die Kosten dafür rechtfertigen? Diese Frage betrifft nicht nur die Modellentwickler selbst, sondern auch die Investoren, die die dahinterstehende Infrastruktur finanzieren.
Technologischer Vorsprung und wirtschaftlicher Wert
Ein günstigeres Modell könnte die meisten Aufgaben eines Kunden ausreichend gut erledigen, während das leistungsfähigste Modell bei besonders anspruchsvollen Aufgaben weiterhin einen Vorteil hätte. Der technologische Vorsprung bliebe bestehen, doch der Markt, der bereit ist, dafür einen erheblichen Aufpreis zu zahlen, könnte kleiner ausfallen als erwartet. Ein Forschungslabor könnte den Wettbewerb um die leistungsfähigsten Modelle zwar weiterhin gewinnen, hätte aber Schwierigkeiten, daraus ausreichend hohe Gewinne zu erzielen.
Auch das Gegenteil ist möglich. Schon eine geringfügige Verbesserung der Zuverlässigkeit könnte darüber entscheiden, ob eine wertvolle Aufgabe erfolgreich abgeschlossen wird oder unerledigt bleibt. Wenn ein leistungsfähigeres Modell stundenlange, kostspielige menschliche Überwachung einspart, kann ein höherer Preis pro Token dennoch zu niedrigeren Kosten pro erfolgreich erledigtem Auftrag führen. Auch der Vertrieb, die Integration in die Arbeitsabläufe der Kunden und ein zuverlässiger Service spielen eine Rolle. Benchmark-Ergebnisse allein lassen nicht erkennen, welchen wirtschaftlichen Wert ein technologischer Vorsprung hat.
Die führenden KI-Forschungslabore konkurrieren zudem über die Kosten. Welche finanziellen Folgen daraus entstehen, hängt davon ab, ob Preise sinken, weil die Bereitstellungskosten zurückgehen, Margen geopfert werden oder beides zusammenkommt. Leistungsfähigkeit, Preisgestaltung und Finanzierung müssen deshalb gemeinsam betrachtet werden.
Anlagechancen entlang des KI-Ökosystems
Diese Fragen prägen auch unsere Einschätzung der Anlagechancen im gesamten KI-Ökosystem. Unsere Asien-Portfolios sind in mehreren Bereichen dieses Systems investiert. Zu unseren Beteiligungen zählen Speicherhersteller sowie TSMC, Silergy, MediaTek, Lite-On, Tripod und Realtek. Ihre Geschäftsmodelle unterscheiden sich erheblich - ebenso wie die Chancen und Risiken, die wir mit unseren Investitionen eingehen.
TSMC fertigt Chips für verschiedene Entwickler, während unsere Beteiligungen im Speicherbereich eine weitere wesentliche Komponente der Datenverarbeitung bereitstellen. Ihr Fertigungs-Know-how umfasst komplexe physikalische Prozesse und die Fähigkeit, zuverlässig in großem Maßstab zu produzieren. Diese Fähigkeiten zu reproduzieren, ist eine andere Herausforderung, als das Verhalten eines Modells nachzubilden. Die technologische Bedeutung allein entscheidet jedoch noch nicht über den Anlagewert. Wir müssen auch beurteilen, welche Preise für knappe Kapazitäten erzielt werden, welches zusätzliche Angebot aufgebaut wird und welche Renditen zu erwarten sind, wenn sich die Marktbedingungen verschlechtern oder Wettbewerber leistungsfähiger werden.
China arbeitet parallel daran, seinen Rückstand bei Hardware aufzuholen. Im September kündigte CXMT den Beginn der Massenproduktion seiner DRAM-Plattform der fünften Generation sowie neue Speicherprodukte für Smartphones und tragbare Elektronikgeräte an. Dies ist jedoch nicht gleichbedeutend mit der Herstellung anspruchsvollster Speicher mit hoher Bandbreite und wettbewerbsfähigen Produktionsausbeuten. Dennoch können stärkere Wettbewerber die Renditen beeinflussen, lange bevor sie bei sämtlichen Spitzentechnologien gleichziehen. Es wäre widersprüchlich, den Einfallsreichtum chinesischer Forschungslabore anzuerkennen und zugleich davon auszugehen, dass chinesische Halbleiterhersteller keine Wege finden, bestehende Einschränkungen zu überwinden.
Andere Unternehmen decken weitere Bereiche der Wertschöpfungskette ab. Silergy stellt Analog- und Energiemanagement-Chips für elektronische Systeme her, während Lite-On Stromversorgungslösungen anbietet, darunter Hochspannungs-Stromversorgungsracks für Rechenzentren. MediaTek entwickelt unter anderem kundenspezifische Chips, mit denen Kunden die Rechenleistung gezielt an ihre Anforderungen anpassen können. Realtek entwickelt Kommunikations- und Konnektivitätschips, während Tripod Leiterplatten fertigt. Mehrere dieser Unternehmen bedienen bedeutende Märkte, die weit über den KI-Bereich hinausgehen. Ihre Bedeutung für unsere Portfolios hängt daher nicht allein davon ab, wie der Wettbewerb zwischen den Modelllaboren ausgeht.
Kapitaldisziplin vor technologischem Prestige
Tripod veranschaulicht, welche Art von unternehmerischem Urteilsvermögen wir schätzen. Das Unternehmen lehnte es ab, NVIDIA zu beliefern, weil anspruchsvolle Spezifikationen und kurzfristige Designänderungen die erzielbare Rendite geschmälert hätten. Die Möglichkeit, für einen renommierten Kunden zu arbeiten, wurde gegen die Wirtschaftlichkeit des Auftrags abgewogen. Tripod war bereit, einen Schritt hinter der technologischen Spitze zurückzubleiben, weil das Unternehmen die Renditeaussichten in diesem Bereich als attraktiver einschätzte.
Diese Bereitschaft, auch einmal Nein zu sagen, ist entscheidend. Die Kapitalallokationsentscheidungen unserer Unternehmen sind zugleich ein Bestandteil unseres eigenen Anlagerisikos. In einer Phase außergewöhnlicher Begeisterung für KI erwarten wir von den Führungsteams, genau zu prüfen, wie sich das angestrebte Wachstum auswirkt, in Bezug auf die notwendigen Investitionen, die Verpflichtungen gegenüber Kunden und die Folgen, falls sich die Erwartungen als zu optimistisch erweisen. Die Qualität einer Anlagechance hängt davon ab, was den Aktionären bleibt, nachdem diese Anforderungen erfüllt wurden.
Dieselbe Disziplin wenden wir bei der Gewichtung unserer Positionen an. Unsere Beteiligungen an einigen der größten Unternehmen fallen häufig vergleichsweise klein aus und liegen unter deren jeweiliger Gewichtung in der Benchmark. Dass wir ein Unternehmen im Portfolio halten, verpflichtet uns nicht dazu, seine Bedeutung genauso einzuschätzen wie der Markt. Wir bemühen uns vielmehr, unser Engagement gegenüber Konzentrationsrisiken zu begrenzen - auch gegenüber solchen, die bereits in der Benchmark selbst angelegt sind.
Das kann bedeuten, eine relative Underperformance hinzunehmen, wenn eine kleine Gruppe großer Unternehmen den Markt weiterhin dominiert. Dieser Zielkonflikt ist real. Mit unserem Absolute-Return-Ansatz stellen wir das Risiko eines dauerhaften Kapitalverlusts über die Unannehmlichkeiten, von einem Index abzuweichen.
Wir werden unsere Einschätzungen fortlaufend anpassen, sobald neue Erkenntnisse vorliegen. In einem Umfeld, das sich so schnell entwickelt, kann der Kapitalerhalt ebenso wichtig sein als die Identifizierung des nächsten technologischen Durchbruchs.
Autor Mike Gallagher ist Investment Specialist bei FSSA Investment Managers (ab Ende November firmierend unter dem Namen First State Investments).
