Raphael Suchomel: Die KI-Blase sitzt woanders

Die nackten Zahlen wirken tatsächlich gewaltig. Die großen Hyperscaler, also jene Konzerne, die weltweit Cloud-Infrastruktur betreiben, planen für 2026 Investitionen jenseits der 500-Milliarden-Dollar-Marke, ein Großteil davon fließt direkt in KI. Gemeint sind riesige Datacenter, vollgepackt mit Grafikprozessoren, sogenannten GPUs, die speziell dafür gebaut sind, neuronale Netze zu trainieren. NVIDIA verkauft diese Chips inzwischen in einer Größenordnung von rund 50 Milliarden Dollar pro Quartal, eine Summe, die selbst im Silicon Valley noch vor wenigen Jahren unvorstellbar gewesen wäre.

Doch bevor wir vorschnell urteilen, sollten wir eine grundlegende Unterscheidung treffen: Investiert wird hier nicht in ein einzelnes Produkt, sondern in Infrastruktur. Ein modernes KI-Modell wird nicht einfach programmiert, sondern auf gigantischen Rechenclustern trainiert. Dieser Prozess verschlingt nicht nur enorme Rechenleistung, sondern auch Energie, Kühlung, Netzwerktechnik und spezialisierte Speichertechnologien wie High Bandwidth Memory, also extrem schnelle Kurzzeitspeicher, die direkt neben dem Chip verbaut werden. Diese Infrastruktur ist nicht dekorativ, sie ist die Grundlage für alles, was folgt. Ohne sie gäbe es keine Chatbots, keine autonomen Systeme, keine KI-gestützte Medizin, keine automatisierte Industrie.

Gleichzeitig ist der Vorwurf der Blase nicht völlig aus der Luft gegriffen. Historisch betrachtet sind Investitionswellen in Basistechnologien oft von Übertreibung begleitet. Eisenbahnen im 19. Jahrhundert, Telekommunikation in den 1990ern, Internet-Startups um die Jahrtausendwende – jedes Mal floss mehr Kapital als am Ende wirtschaftlich sinnvoll war. Einige Projekte scheiterten spektakulär, doch die zugrunde liegende Technologie setzte sich durch und veränderte die Welt.

Der entscheidende Unterschied zur Dotcom-Blase liegt jedoch in einem nüchternen Detail: Die großen KI-Unternehmen verdienen bereits Geld. Microsoft integriert seinen Copilot in Office-Produkte und verlangt Aufpreise von bis zu 30 Dollar pro Nutzer und Monat, Meta steigert mit KI-optimierten Werbeanzeigen messbar die Rendite pro Kampagne, Google nutzt KI zur Verbesserung seiner Suchalgorithmen und sichert damit sein Kerngeschäft. Das sind keine Versprechen ohne Einnahmen, sondern reale, skalierende Geschäftsmodelle.

Sie liegt möglicherweise nicht bei der neuen Technologie, sondern bei den alten Geschäftsmodellen. Private-Equity-Fonds haben in den vergangenen Jahren Milliarden in klassische Softwarefirmen investiert, in spezialisierte Tools für Dokumentenmanagement, Kundenverwaltung oder einfache Datenanalyse. Diese Firmen wurden zu hohen Multiples bewertet, also zu einem Vielfachen ihres Jahresgewinns, weil man davon ausging, dass ihre Produkte dauerhaft unverzichtbar bleiben würden. Doch genau hier greift Künstliche Intelligenz ein. Ein leistungsfähiges Sprachmodell kann Texte zusammenfassen, Berichte generieren, Daten auswerten, E-Mails formulieren und sogar Code schreiben. Das Ganze passiert universell, ist flexibel und oft günstiger als spezialisierte Einzellösungen.

Die eigentliche Blase sitzt also womöglich nicht bei OpenAI oder NVIDIA, sondern bei jenen Unternehmen, die glauben, sie könnten weitermachen wie bisher, während KI ihre Kernfunktion schrittweise automatisiert. Die Technologie selbst ist kein Luftschloss, sondern ein Multiplikator. Studien zeigen, dass Programmierer mit KI-Unterstützung bis zu 50 Prozent schneller arbeiten, Callcenter-Teams ihre Produktivität um mehr als 14 Prozent steigern und Berufseinsteiger in manchen Bereichen sogar über 30 Prozent effizienter werden. Das ist sogenannte Mikro-Produktivität, also messbare Effizienz auf Unternehmensebene. Volkswirtschaftlich, also im großen Maßstab, sind diese Effekte noch nicht vollständig sichtbar, aber technologische Revolutionen wirken selten über Nacht auf das Bruttoinlandsprodukt.

Hinzu kommt eine zweite Ebene, die in der Blasen-Debatte oft übersehen wird: Macht. KI-Modelle funktionieren nicht neutral. Sie werden trainiert, feinjustiert und mit Regeln versehen. Ein zentrales Verfahren dabei heißt Reinforcement Learning from Human Feedback, also verstärkendes Lernen durch menschliches Feedback. Menschen markieren im Training, welche Antworten zulässig sind und welche nicht, das Modell wird für „erwünschtes“ Verhalten belohnt und für problematische Inhalte bestraft. So entstehen Filter, Leitplanken und implizite Wertentscheidungen.

Wer Modelle baut, definiert also indirekt, was sie sagen dürfen und was nicht. Wer die Rechenzentren kontrolliert, kontrolliert die Skalierung. Wer die Infrastruktur besitzt, setzt Standards. Deshalb ist die Frage nach einer KI-Blase nicht nur ökonomisch, sondern politisch. Wenn Europa primär reguliert, aber kaum eigene großskalierende Systeme betreibt, werden andere Regionen die technischen und normativen Rahmenbedingungen definieren.

Technologisch betrachtet nicht. Die Fortschritte sind real, die Anwendungen greifen bereits in Bildung, Industrie, Medizin und Verwaltung ein. Ökonomisch gesehen gibt es zweifellos Übertreibungen, einzelne Start-ups werden verschwinden, manche Investitionen werden sich nicht rechnen. Doch das war bei jeder industriellen Revolution so. Die Basistechnologie bleibt, selbst wenn einzelne Wetten scheitern.

Die eigentliche Gefahr liegt weniger in zu viel KI als in der Illusion, sie würde das Bestehende nicht grundlegend verändern. Wer glaubt, klassische Geschäftsmodelle seien immun, könnte in den kommenden Jahren unangenehm überrascht werden. Und wer meint, Europa könne sich mit Regulierung allein absichern, ohne selbst massiv in Infrastruktur, Rechenleistung und Anwendung zu investieren, riskiert langfristig den Verlust von Einfluss.

Blasen platzen. Basistechnologien bleiben. Die entscheidende Frage ist nicht, ob Künstliche Intelligenz überbewertet ist, sondern wer am Ende die Spielregeln einer Technologie bestimmt, die längst dabei ist, zur neuen industriellen Grundlage unserer Wirtschaft zu werden.