Die weit verbreitete Angst vor einer KI-Blase führt dazu, dass Investoren zunehmend die Kapitalrendite (Return on Investment, ROI) von Unternehmen im Zusammenhang mit KI hinterfragen. Dies wird sich in den kommenden Monaten noch verstärken und zu Volatilität und einer Diskrepanz zwischen den Gewinnern und Verlierern führen. Beides bietet Chancen.
Die Märkte werden bereits kritischer. Sie belohnen Unternehmen mit sichtbarer Monetarisierung (z. B. Googles Cloud-Geschäft), während sie solche hinterfragen, deren Renditen weniger klar oder weniger überzeugend sind (wie nach der Veröffentlichung des Oracle-Ergebnisberichts im Dezember zu beobachten war).
Es ist verlockend, „KI-Risiken“ als eine einzige Kategorie zu betrachten. In der Praxis sehen sich Unternehmen jedoch mit sehr großen Unterschieden in Bezug auf den Wettbewerbsdruck, Geschäftsmodelle und Finanzierungsbedürfnisse konfrontiert. Ein schwerer Rückschlag für ein führendes großes Sprachmodell (Large Language Model, LLM) wie ChatGPT oder Anthropic – sei es aufgrund von Wettbewerb oder Finanzierungsengpässen – würde zweifellos die Stimmung in der Branche beeinträchtigen und die Bewertungen insgesamt nach unten ziehen. Aber die KI-Einnahmen fallen nicht alle am selben Ort an, und die Monetarisierung kann verstreut und versteckt sein. Diese Komplexität macht eine Fehleinschätzung sowohl des Risikos als auch des Werts ungewöhnlich wahrscheinlich.
Die zunehmende Divergenz zwischen einzelnen Unternehmen, selbst wenn sie in scheinbar ähnlichen Bereichen des KI-Spektrums tätig sind, ist ein Trend, von dem wir erwarten, dass er sich fortsetzen wird. Dafür gibt es mehrere Gründe.
1. Einnahmen entstehen nicht immer dort, wo man sie erwartet
KI wird auf vielfältige Weise eingesetzt, was sich sehr unterschiedlich auf die Einnahmen auswirkt. Einige Nutzer bezahlen für KI direkt über Abonnements oder Lizenzen, während andere auf KI-gestützte Tools zugreifen, ohne direkt für die KI-Komponente zu bezahlen. Viele Unternehmen setzen KI hinter den Kulissen ein, um Marktanteile zu sichern, die Conversion zu steigern oder die Stückkosten zu verbessern. In diesen Fällen ist die Monetarisierung in den Gesamtumsätzen versteckt.
Jede Analyse der Monetarisierung von KI erfordert eine Untersuchung des gesamten Stacks, einschließlich der Anwendungen, mit denen die Nutzer interagieren, der LLMs, die diese Anwendungen unterstützen, und der zugrunde liegenden Recheninfrastruktur. Der Wert fließt entlang dieses Stacks: Die Kosten für den Modellzugriff und die Rechenkapazität werden zu Einnahmen für LLM-Anbieter und Hyperscaler, unabhängig davon, wie die Nutzer bezahlen.
2. Manchmal sind die Einnahmen klar erkennbar, wie bei LLMs und Cloud-Anbietern…
Der offensichtlichste Beweis dafür kommt von den LLM-Unternehmen selbst, wo die Nutzung durch Entwickler, Unternehmenslizenzen und Konsumentenabonnements bereits erhebliche Einnahmen generieren. Es wird erwartet, dass die kombinierten Einnahmen innerhalb weniger Jahre mehrere zehn Milliarden Dollar erreichen werden und damit das Niveau führender Softwareunternehmen erreichen.
In ähnlicher Weise berichten Hyperscale-Cloud-Anbieter von einem beschleunigten Wachstum, das durch KI-Workloads angetrieben wird. Die Managementteams von AWS, Azure und Google Cloud beschreiben übereinstimmend, dass die Nachfrage die Kapazitäten übersteigt. Diese Indikatoren deuten darauf hin, dass sich die Monetarisierung der KI durchsetzt.
3. … aber manchmal sind Einnahmen versteckt, führen jedoch zu einer besseren Wirtschaftlichkeit
Eine zweite Ebene der Monetarisierung ist weitaus diffuser. Digitale Plattformen wie Meta und Google nutzen KI nicht als Produkt, das sie verkaufen, sondern als Werkzeug, um die Performance der Werbung und das Engagement zu verbessern.
Der Zuwachs ist real, wird jedoch nicht als „KI-Umsatz“ bezeichnet. Das Gleiche gilt für Unternehmen in vielen Branchen, in denen KI eingesetzt wird, um die Conversion-Rate und Rentabilität zu verbessern. Diese versteckte Monetarisierung ist bereits umfangreich und wird häufig unterschätzt.
Das Economics Team von Schroders hat zwei Modellszenarien entwickelt, um zu untersuchen, wie sich ein „KI-Boom” oder ein „KI-Bust” entwickeln könnte (siehe hier). Beide Szenarien bergen potenzielle Schwierigkeiten für Anleger und Volkswirtschaften. Im „KI-Bust”-Szenario beispielsweise, das sich an dem Markteinbruch nach dem Platzen der Technologieblase 1999-2000 orientiert, könnte ein Einbruch der Investitionsausgaben eine leichte Rezession und zwei Jahre Stagnation auslösen.
Diese Untersuchung befasst sich mit einigen der umfassenderen, längerfristigen Unbekannten im Zusammenhang mit dieser transformativen Technologie. Angesichts der soliden wirtschaftlichen Rahmenbedingungen (insbesondere in den USA) dürften die Märkte vorerst ihren Aufwärtstrend fortsetzen.
Die Ängste hinsichtlich der Rentabilität von KI sind real und werden zweifellos zu einer höheren Volatilität der Märkte im Jahr 2026 führen. Wie in früheren Innovationszyklen könnten mehrere große und kleine KI-Unternehmen scheitern. Die Umsätze steigen allerdings. Es wird mehr als nur ein paar Enttäuschungen brauchen, um das langfristige Potenzial von KI zu untergraben.
