geschrieben von: Goran Dubček und Marin Onorato, Mathematica Capital Partners
Es ist sehr wichtig, wie viel wir für etwas bezahlen. Wenn wir mehr für dieselbe Investition bezahlen, wird die Rendite sicherlich niedriger sein. Die tatsächliche Rendite der Investition kann nur gemessen werden, wenn die Cashflows realisiert werden, sei es in Form von Dividenden/Coupons oder dem Verkauf der Investition selbst. Natürlich möchte jeder einen Eindruck davon haben, wie sich die Investition zu jedem Zeitpunkt entwickelt, und das ist die Schönheit von börsennotierten, liquiden Instrumenten, bei denen wir den Wert unserer Investition sehr genau, jeden Tag, kennen.
Im Falle von privaten, illiquiden Investitionen ist der einzige Weg, den Wert zu einem bestimmten Zeitpunkt zu testen, die Schätzung zukünftiger Cashflows. Wiederum Cashflows aus Dividenden/Coupons oder dem Verkauf der Investition an einen anderen Investor. Der gemeinsame Nenner für alle Investitionen sind Cashflows (FCF) und die Rendite des investierten Kapitals (ROIC). Dasselbe gilt für jedes neue Projekt oder jede Investition, die von einem kommerziellen Unternehmen getätigt wird.
Vor diesem Hintergrund stellt sich die Frage nach der Rechtfertigung von Investitionen in KI-Infrastruktur. Das Hauptthema neben dem Fortschritt der großen Sprachmodelle (LLM) sind Investitionen in unterstützende Infrastruktur – Rechenzentren und Energie oder die Renditen des investierten Kapitals in diesen Projekten. Dies ist ein sehr wichtiges Thema für die amerikanische Wirtschaft, in der Investitionen in künstliche Intelligenz zu einem zunehmend wichtigen Bestandteil des Wirtschaftswachstums werden.
Die Gesamtausgaben für Rechenzentren für 2025 werden auf rund 400 Milliarden USD geschätzt. Die endgültige Zahl hängt von den Lieferketten und dem ab, was die Hersteller liefern können, aber es gibt definitiv keinen Mangel an Nachfrage.
Abbildung 1. Investitionen in Rechenzentren (Quelle: Ben Evans)
Woraus bestehen Rechenzentren? Der größte Teil der Kosten (40%) entfällt auf die Stromversorgung, Kühlung, Verkabelung und Ähnliches, etwa ein Drittel entfällt auf Grafikkarten (GPU), und die verbleibenden 25% entfallen auf Bau und Grundstück. Wenn wir Gebäude über 30 Jahre, Grafikkarten über 5 Jahre und den Rest über 10 Jahre abschreiben, kommen wir auf eine Amortisationszeit von 13 Jahren für das gesamte Projekt oder etwa 8% jährlich. Das bedeutet, dass für Rechenzentren, die 2025 gebaut werden, die jährliche Amortisation 32 Milliarden USD beträgt, während geschätzt wird, dass sie in diesem Jahr Einnahmen von 15 bis 20 Milliarden USD generieren werden. Mit anderen Worten, bei relativ optimistischen Annahmen ist die Amortisation über 50 Prozent höher als die Einnahmen. EINKOMMEN!
Dass das Geschäft in den frühen Phasen der Projektentwicklung negativ ist, ist keine Neuigkeit. Innovative und Technologieunternehmen verlassen sich zunächst auf Finanzierungen von Investoren, hauptsächlich von Risikokapitalfonds, bis das Projekt seine volle Größe erreicht und die Margen positiv werden. Es ist schwierig zu sagen, wie hoch die langfristige Bruttomarge eines solchen Geschäfts sein sollte; jedoch muss sie per Definition unter 100% liegen.
Wenn wir beispielsweise von einer Bruttomarge von hohen 60% (dem aktuellen Niveau der Bruttomargen für Hyperscaler) ausgehen und um die gewünschte Rendite des investierten Kapitals von 20% (unter dem aktuellen Niveau der Hyperscaler) bis zum Ende der Amortisationszeit zu erreichen, müssen die Einnahmen aus den Investitionen in KI in diesem Jahr um das 50-fache steigen, und dann gibt es immer noch Betriebskosten. Zum Vergleich bedeutet dies 10-mal höhere Einnahmen als das, was Amazon Web Services, der größte Cloud-Service-Anbieter der Welt, derzeit generiert. Angesichts der Tatsache, dass für 2026 ein zusätzlicher Anstieg der Investitionen in KI-Infrastruktur erwartet wird, müssen diese Investitionen proportional höhere Einnahmen generieren, um die Investition zu rechtfertigen.
Ziel dieses Textes ist es nicht, künstliche Intelligenz zu verteufeln oder Investitionen in sie vorzeitig zum Scheitern zu verurteilen, sondern zur Reflexion über das aktuelle Geschäftsmodell der Hyperscaler und die enormen Investitionen in KI-Infrastruktur anzuregen. Im Gegenteil, der Fortschritt der Algorithmen ist viel schneller als die meisten vor zwei oder drei Jahren erwartet hatten, und für einige Nischenanwendungen erweist sich künstliche Intelligenz bereits als revolutionär. Die Frage nach dem Grad der Monetarisierung bleibt jedoch. Zum Beispiel hat Chat GPT derzeit 800 Millionen wöchentliche Nutzer, aber nur 5% von ihnen sind zahlende Konten.
Ein wesentlicher Vorteil von IT-Unternehmen war schon lange, dass sie keine großen Kapitalinvestitionen benötigten, was Agilität, geringe Schulden und hohe Renditen des investierten Kapitals ermöglichte. Geringe Kapitalinvestitionen sind auch wichtig, da sich die Technologie so schnell weiterentwickelt, dass die Amortisationsrate im Vergleich zu älteren Branchen höher sein muss. Wenn wir jedoch den Anteil der Kapitalinvestitionen an den freien Cashflows betrachten, sehen wir, dass er nur zunimmt und sich in den letzten zwei Jahren sogar beschleunigt hat, und wir können nicht mehr von ihnen als asset-light Firmen sprechen.
Abbildung 2. Verhältnis von Kapitalinvestitionen und freien Cashflows (Quelle: Bloomberg, Apollo)
Warum konkurrieren Technologieunternehmen trotz solcher Zahlen darum, zusätzliche Grafikkarten von Nvidia zu kaufen und Rechenzentren mit noch größerer Rechenleistung zu bauen? Angesichts der Perspektive der künstlichen Intelligenz müsste ein CEO, der eine andere Entscheidung treffen würde, sehr mutig und wahrscheinlich verrückt sein. Es ist unbestreitbar, dass künstliche Intelligenz in der Weltwirtschaft und Gesellschaft in 10 oder 20 Jahren eine äußerst wichtige Rolle spielen wird und dass die reichsten und mächtigsten Menschen aus diesem Bereich kommen werden.
Sehr wahrscheinlich wird der Gewinner dieses aktuellen „Wettrüstens“ um Grafikkarten das reichste und mächtigste Unternehmen sein, was es sehr schwierig macht, sich gegen Investitionen zu entscheiden. Es geht nicht nur um den Kampf um die größte Anzahl von Nutzern und Einnahmen in diesem Moment, sondern auch um das Sammeln von Daten, die Modelle füllen und trainieren, und diese Daten werden für die Modelle, die auf Investitionen basieren, die erst im nächsten Jahrzehnt erfolgen werden, äußerst wichtig sein.
Bis dahin bleibt uns nichts anderes übrig, als zu beobachten, ob es möglich ist, die aktuellen Geschäftsmodelle und die Monetarisierung der Nutzer erheblich zu verbessern und zu beobachten, was die Aktienkurse sagen werden, wenn Unternehmen beginnen, die aktuellen Investitionen ernsthafter abzuschreiben. Wie in jedem Kampf wird nicht jeder sicher ein Gewinner sein.
Es sei denn, natürlich, die US-Regierung erklärt künstliche Intelligenz zum wichtigsten strategischen Projekt und beschließt, die Kosten für Entwicklung und Investitionen für alle zu übernehmen, aber dann würden wir uns noch weiter von Kapitalismus und freiem Marktwettbewerb entfernen und das Problem der Defizite der Zentralregierung weiter vertiefen. In einem solchen Szenario wäre der einzige Ausweg aus den amerikanischen fiskalischen Problemen tatsächlich, dass künstliche Intelligenz die Arbeitsproduktivität verdoppelt, jedoch ohne den Arbeitsmarkt und den persönlichen Konsum negativ zu beeinflussen, der immer noch zwei Drittel des BIP ausmacht.
