Künstliche Intelligenz für Investoren
Künstliche Intelligenz verstehen, bevor man sie bewertet
Zuletzt aktualisiert: September 2026
Wer nie eine KI-Position gekauft hat, hält trotzdem eine
Der Ausbau der KI-Rechenzentren ist inzwischen groß genug, um Wachstum, Inflation, Geldpolitik, Anleihe- und Aktienmärkte zu bewegen. Deshalb ist Künstliche Intelligenz einer der sechs strukturellen Treiber, die aus unserer Sicht das makroökonomische Umfeld und die Finanzmärkte der kommenden Jahre prägen – neben Geoökonomie, China-Schock 2.0, Produktivität, Demographie sowie Fiskalpolitik und Schulden.
Auf dieser Seite finden Sie drei Formate, die aufeinander aufbauen: den KI-Primer als Grundlagenwerk mit nachrechenbarem Gerüst, „KI in zehn Minuten“ als Schnelleinstieg ohne Vorwissen und die Kurzfassung unserer laufenden KI-Research-Serie mit Positionierung und Frühindikatoren.
Die drei Publikationen im Überblick
KI-Primer für Investoren
33 Seiten · PDF, 1,2 MB · Stand September 2026 · für Researcher, Strategen, Händler und Anleger
Das Grundlagenwerk. Teil I erklärt ohne technisches Vorwissen, was ein KI-Modell ist, wie es entsteht und warum Training und Inferenz zwei verschiedene Geschäfte sind – inklusive eines Sprachmodells mit sieben Parametern zum Nachrechnen mit Papier und Bleistift. Teil II liefert die Ökonomie: Wertschöpfungskette, Rechenkapazität, Token-Preise, Finanzierung und was der Ausbau je Assetklasse bedeutet. Jede Annahme steht offen und lässt sich durch eine eigene ersetzen.
KI in zehn Minuten
6 Seiten · PDF, 0,7 MB · Stand September 2026 · Schnelleinstieg ohne Vorwissen
Der Schnelleinstieg zum Primer. Die ersten beiden Seiten lösen den Titel ein: vier Kennzahlen und „zehn Sätze, die reichen“, um eine Meldung aus der Branche selbst einordnen zu können. Die übrigen Seiten dienen als kompaktes Nachschlagewerk. Jeder Fachbegriff wird im selben Satz erklärt.
KI-Research-Serie: die Kurzfassung
10 Seiten · PDF · Stand 14. August 2026 · acht Themen, drei Indikatoren, eine Positionierung · für professionelle Investoren
Die KI-Research-Serie ist unsere laufende Analyse von Künstlicher Intelligenz als strukturellem Treiber für Konjunktur, Inflation, Zinsen und Märkte. Die Kurzfassung bündelt die Aussagen der letzten Quartale zu acht Themen – je Thema die Kernaussagen, die aussagekräftigsten Grafiken und ein Fazit – und legt die Positionierung offen: strategisch und taktisch.
Die Research-Publikationen richten sich an professionelle und sachkundige Investoren. Sie enthalten allgemeine makroökonomische Einschätzungen – keine Anlageberatung und keine Empfehlungen zu einzelnen Wertpapieren – und berücksichtigen nicht die persönlichen Verhältnisse einzelner Anleger. Es gelten die rechtlichen Hinweise im jeweiligen Dokument.
Das Wesentliche in Kürze
Die Grundlagen
Ein makroökonomisches Ereignis, keine Sektorgeschichte. Die fünf großen US-Technologiekonzerne investieren 2026 über 800 Mrd. USD in Rechenzentren (2025: rund 420 Mrd. USD). Im ersten Quartal 2026 stammten daraus drei Viertel des amerikanischen Wachstums, importbereinigt rund 40 %.
In den großen Indizes steckt der Ausbau ohnehin. Wer einen Weltaktienindex hält, hält gut ein Fünftel seines Aktienrisikos in den vier größten Betreibern und den sechs größten Zulieferern – beide hängen an derselben Investitionsentscheidung.
Es sind zwei Geschäfte, nicht eines. Ein Modell herzustellen ist eine einmalige Investition, es zu betreiben ein laufendes Stückkostengeschäft. 2026 kostet der Betrieb erstmals mehr als das Training – die Auslastung entscheidet über die Rendite.
Das Tempo begrenzt heute die Physik, nicht das Geld. Die Rechenchips der aktuellen Generation sind bis 2027 vergeben, Speicher ist knapp, über 90 % der modernsten Fertigung liegt auf Taiwan. Ein Stromanschluss für ein Rechenzentrum dauert in den USA drei bis sieben Jahre.
Ob die Rechnung aufgeht, lässt sich nachrechnen. Die installierte Kapazität muss jährlich rund 260 Mrd. USD verdienen, um Abschreibung, Betrieb und Kapitalkosten zu decken. Je Million verarbeiteter Token sind rund 2,20 USD nötig – herein kommen 1,02 bis 1,48 USD. Die Lücke wurde bisher über wachsende Mengen geschlossen.
Kippen würde der Zyklus eher an der Finanzierung als an der Nachfrage. Kapital ist heute reichlich vorhanden, gibt aber als Erstes nach, wenn die Erwartungen drehen.
Die Research-Serie
Der Investitionsboom ist real, physisch limitiert und zunächst inflationär. Der Engpass sitzt nicht in der Nachfrage, sondern in der Fertigungskapazität und zunehmend in der Finanzierung. Dazu drei Frühindikatoren, an denen wir das Basisszenario laufend überprüfen: Mietpreise für GPU-Stunden, Abschreibungsdauern der Hyperscaler und die Preise älterer Speicherchips.
**Die Themen der Research-Serie:**
- KI-Sonderkonjunktur – Capex der Hyperscaler und der Exportkanal nach Taiwan und Südkorea
- Wirkt KI inflationär oder deflationär? – Investitionsphase vs. Reifephase
- Chinesische Modelle und Systemwettbewerb USA–China
- KI-Nutzung und Monetarisierung – Preis je Token vs. Menge
- Kapitalbedarf – Anleihe- und Aktienemissionen, reale Renditen
- Compute als Assetklasse – Mietpreise, Restwert, Finanzierungsvehikel
- Strategische und taktische Marktsicht
- Die drei Indikatoren, an denen das Basisszenario geprüft wird
Häufige Fragen zum KI-Ausbau
Betrifft der KI-Ausbau auch Anleger, die keine KI-Aktien halten?
Ja. Der Ausbau wirkt über Konjunktur, Inflation und Zins auf alle Assetklassen. Zudem steckt er in jedem Weltaktienindex: gut ein Fünftel des Aktienrisikos liegt in den größten Betreibern und Zulieferern. Dieselben Betreiber sind auf dem Weg, die Banken als größte Schuldnergruppe im US-Investment-Grade-Anleiheindex abzulösen.
Rechnet sich die bereits gebaute Rechenkapazität?
Noch nicht vollständig. Nötig sind rund 2,20 USD je Million verarbeiteter Token, tatsächlich kommen je nach Abgrenzung 1,02 bis 1,48 USD herein. Insgesamt müsste die installierte Kapazität rund 260 Mrd. USD pro Jahr verdienen; nachweisbar ist gut die Hälfte. Bisher wurde die Lücke über stark wachsende Mengen geschlossen.
Was unterscheidet Training und Inferenz – und warum ist das wirtschaftlich entscheidend?
Training ist die einmalige Herstellung eines Modells, Inferenz der laufende Betrieb. 2026 kostet der Betrieb erstmals mehr als das Training. Damit wird die Auslastung zur Schlüsselgröße – wie in einer Fabrik mit hohen Fixkosten.
Woran erkennt man eine Wende im KI-Investitionszyklus?
Zuerst am Mietpreis der aktuellen Chipgeneration: Fällt er deutlich, während die Mengen weiter steigen, wurde mehr gebaut als gebraucht wird. Der zweite Frühindikator ist die Finanzierung, die als Erstes nachgibt, wenn die Erwartungen drehen.
Für wen ist der Primer geschrieben – braucht man Vorwissen?
Für alle, die die Volkswirtschaft analysieren oder Anlageentscheidungen darauf aufsetzen: Researcher, Strategen, Händler, Anleger an Geld-, Anleihe-, Währungs-, Rohstoff- und Aktienmärkten. Teil I ist ohne technisches Vorwissen lesbar; „KI in zehn Minuten“ erklärt jeden Fachbegriff im selben Satz.
Woran erkennt Research Ahead, ob das KI-Basisszenario noch trägt?
An drei Frühindikatoren: fallende Mietpreise für GPU-Stunden bei weiter stark steigender Tokennutzung, weitere Verlängerungen der Abschreibungsdauern bei sinkenden Mietpreisen sowie fallende Preise älterer DRAM-Speicherchips (DDR3/DDR4). Solange keiner der drei dreht, bleibt das Basisszenario bestehen. Die Herleitung steht in der Kurzfassung der KI-Research-Serie.
Über den Autor
Daniel Pfändler ist Geschäftsführer der Research Ahead GmbH und Makro-Stratege mit jahrzehntelanger Erfahrung als Volkswirt und Finanzmarktstratege. Er wurde mehrfach für seine Makro- und Zinsanalysen ausgezeichnet und ist Kolumnist der „MeinungsMacher“ des Manager Magazins. Die KI-Research-Serie und der KI-Primer sind Teil seines Makro-Research für institutionelle Investoren. Für Rückfragen und Widerspruch: daniel.pfaendler@researchahead.com
