Das Rennen heizt sich auf. Elon Musks SpaceX, das sowohl KI-Modelle als auch Weltraumraketen baut, gab letzte Woche bekannt, dass es eine Bewertung von 1,77 Billionen Dollar (1,31 Billionen Pfund) an der US-Börse anstrebt. In der Zwischenzeit teilte Anthropic, das Startup hinter dem Claude-Chatbot, mit, dass es einen Börsengang beantragt habe. Es wird erwartet, dass OpenAI, der Entwickler von ChatGPT, diesem Beispiel folgen wird.
Dieser jüngste Höhepunkt des KI-Marktes erfolgt im Zuge eines milliardenschweren Ausgabenrauschs für die dazugehörige Infrastruktur wie Rechenzentren. Gleichzeitig versuchen Unternehmen, die Technologie so einzusetzen, dass sich ihre Investitionen lohnen. Hier ein Blick auf den aktuellen Stand des KI-Booms und sechs wichtige Grafiken, die zeigen, wie wir hierhergekommen sind.
1. KI hat die Aktienmärkte auf neue Höhen getrieben
Der S&P 500, der die 500 größten US-Unternehmen abbildet, ist in den letzten fünf Jahren um fast 80% gestiegen. Dieser Sprung wurde durch die großen Technologieaktien angetrieben, die am KI-Boom beteiligt sind – die "herrlichen Sieben": Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia und Tesla.
Der Fokus der Anleger auf Technologie sei beispiellos, sagt Jim Bianco von der US-Firma Bianco Research. Seine Forschung ergab, dass 41 KI-bezogene Aktien jetzt fast die Hälfte des gesamten Marktwerts des S&P 500 ausmachen.
Neil Wilson, Analyst bei der Investmentplattform Saxo UK, warnt davor, dass das Risiko eines Inflationsschocks wie in den 1970er Jahren, allgemein hohe Technologiebewertungen und eine mögliche Eiszeit auf den privaten Kreditmärkten nichts Gutes für die Aktien verheißen.
"Der gesamte Markt ist zu einer einzigen riesigen KI-Struktur geworden", sagt er. "Die Gefahr ist eine Wiederholung der Dotcom-Blase – ein massiver Crash und jahrelange Verlustrenditen. Nach einigen Maßstäben sind die Bewertungen nicht so überzogen wie damals, aber das sieht nach einem unglaublich riskanten Markt aus."
2. Die Ausgaben wachsen mit erstaunlicher Geschwindigkeit
Die Ausgaben für KI – von Rechenzentren bis hin zu Chips – steigen rasant, von 765 Milliarden Dollar in diesem Jahr auf 1,6 Billionen Dollar bis 2031, so Goldman Sachs. Die Investmentbank räumt ein, dass es bei einem so großen Engagement Probleme geben könnte. Was, wenn sich Rechenzentren verzögern?
"Angesichts des Umfangs der investierten Mittel werfen selbst kleine Verzögerungen bei der Umsetzung ernste Fragen zu den Nachfrageannahmen auf, die diesen Investitionen zugrunde liegen", sagen Goldman-Analysten. Sie fügen jedoch hinzu, dass die Ausgabenpläne, wenn sie reibungslos verlaufen, eine neue Welle der KI-Nachfrage auslösen könnten. Dennoch zeigt die Ausgabenhöhe, wie viele globale Finanzressourcen – und Renditeerwartungen – in KI gesteckt werden.
3. Unternehmen und Verbraucher übernehmen KI schnell
Trotz gemischter Berichte über ihren Nutzen beginnt die überwältigende Mehrheit der Unternehmen, KI einzusetzen – von 33% im Jahr 2023 auf fast 80% heute, so die Unternehmensberatung McKinsey. Auch die öffentliche Nutzung ist hoch: OpenAI's ChatGPT erreicht laut Daten von Sensor Tower nun 1 Milliarde monatlich aktive Nutzer – ein Rekord für jede App.
Die Herausforderung für KI-Entwickler besteht nun darin, mit dieser riesigen Basis öffentlicher und privater Kunden Geld zu verdienen. Unternehmen müssen zeigen, dass KI die Ergebnisse verbessert und Kosten senkt, um die Ausgaben zu rechtfertigen. Das bedeutet, sie zu nutzen, um ganze Arbeitsabläufe aufzubauen – im Geschäftsjargon die Erledigung einer Aufgabe von Anfang bis Ende. Auf diesem Gebiet gibt es noch einen langen Weg.
4. Claude holt zu ChatGPT auf
Anthropic begann Ende letzten Jahres gegenüber OpenAI aufzuholen, als sein Claude Code Tool bei Softwareentwicklern, hauptsächlich im Raum San Francisco, viral ging, bevor es sich weiter verbreitete. Claude Code markierte einen Wandel in der Nutzung großer Sprachmodelle – der Kerntechnologie hinter Chatbots – hin zu autonomen KI-Agenten, die Aufgaben ohne menschliche Hilfe erledigen und es sogar technisch nicht versierten Menschen ermöglichen, Software zu erstellen und eine breite Palette von Aufgaben zu bewältigen.
OpenAI hat immer noch eine viel größere Gesamtnutzerbasis, aber Daten des Internetanalyseunternehmens Kentik – das die Nutzung über mehrere US-Internetdienstanbieter hinweg verfolgt – zeigen, dass Anthropic die Lücke schnell schließt. Der Nutzerverkehr von Claude wuchs zwischen Januar und April deutlich schneller als der von ChatGPT und Googles Gemini und stieg nach diesem Zeitraum sprunghaft an. Das Pentagon stufte es im März als Lieferkettenrisiko ein. Bei dieser Wachstumsrate prognostiziert Kentik, dass es bis zum Sommer ChatGPT überholen könnte – ein weiterer Grund, warum Anthropic einen leichteren Weg zu einem Börsengang finden könnte als sein Konkurrent.
5. KI wird teurer in der Nutzung
Jedes Mal, wenn ein KI-Chatbot oder -Agent eine Antwort gibt, wird diese in "Tokens" gemessen – grundlegende Spracheinheiten, die Wörter, Satzzeichen oder Silben sein können. (Zum Beispiel sagt OpenAI, der Satz "You miss 100% of the shots you don’t take" sei 11 Tokens wert.) Tokens messen auch Eingaben, wie die Eingabeaufforderung, die Sie in ChatGPT tippen.
Die Kosten variieren je nach Modell; OpenAI verlangt 5 Dollar pro Million Eingabe-Tokens für GPT-5.5 und 30 Dollar pro Million Ausgabe-Tokens (die Antwort auf Ihre Eingabeaufforderung).
Das Problem für die Nutzer ist, dass die Token-Kosten stark steigen, selbst während Unternehmen überall ihre Mitarbeiter drängen, zu "tokenmaxxen" – also wirklich voll auf KI-Nutzung zu setzen. Das Problem für KI-Unternehmen ist, dass sie immer noch nicht genug verlangen.
Das grundlegende Versprechen der KI ist, dass das Geld, das ein Unternehmen für diese Werkzeuge ausgibt, durch Produktivitätssteigerungen mehr als wettgemacht wird – ein Maß für wirtschaftliche Effizienz, bei dem höhere Produktivität mehr Output pro Arbeiter bedeutet. Wenn dieser Austausch nicht funktioniert, dann werden die Annahmen hinter KI-Bewertungen – und -Strategien – geschwächt.
"Die Kosten geraten völlig außer Kontrolle", sagt Liam Betsworth, Gründer des britischen KI-Startups Pendra. Er sagt, dass Softwareentwickler in seinem Netzwerk Agenten zum Programmieren verwenden, beginnend mit dem günstigsten Abonnement und schnell zum teuersten wechseln. Sie sind nicht allein – die Nachrichtenseite Axios berichtete kürzlich über ein ungenanntes Unternehmen, das in einem Monat 500 Millionen Dollar für Lizenzen für Claude Code ausgab.
6. Der Bau von Rechenzentren könnte mit der Nachfrage nicht Schritt halten
Der Bau von Rechenzentren ist wie das zentrale Nervensystem von KI-Produkten, daher muss die wachsende Entwicklung und Nutzung von KI-Tools durch mehr Kapazität ausgeglichen werden – sonst kommt es zu einem Rechenengpass, was höhere Kosten für KI-Unternehmen und -Nutzer bedeutet.
Die Ambitionen des Sektors für Rechenzentren sind enorm und scheinen fast unrealistisch. Bloomberg schätzt, dass im Jahr 2025 weltweit 23 Gigawatt Kapazität im Bau waren (die Kapazität wird in elektrischer Leistung gemessen, da diese begrenzt, wie viel Rechenleistung ein Standort erbringen kann).
Das US-Immobilienunternehmen JLL prognostiziert, dass zwischen 2026 und 2030 100 Gigawatt hinzugefügt werden – eine Verdoppelung dessen, was sie als aktuelle Kapazität schätzen, was 1.200 Rechenzentren entspricht. JLL sagt, seine Schätzung umfasse spekulative Projekte, die möglicherweise nie den Spatenstich erleben.
Woher das Geld – und die Energieversorgung – kommen soll, um diese Prognose zu erfüllen, ist eine offene Frage. Cecilia Rikap, außerordentliche Professorin am University College London, sagt, dass viele Projekte weltweit von politischen Versprechen abhängen, das Stromnetz auszubauen und Strom zu liefern; aber Regierungen haben möglicherweise nicht die Ressourcen, um dies umzusetzen.
Sie fragt: "Hat die Regierung berechnet, ob eine solche Erweiterung möglich ist? Haben sie das Geld dafür? Haben sie den Umweltschaden bedacht, den sie verursachen würde?"
7. Die Fähigkeiten von KI-Modellen erweitern sich rasant
Die Fähigkeiten von KI-Modellen haben sich seit 2023 sprunghaft verbessert, so METR, eine Forschungsorganisation, die KI-Fähigkeiten misst.
METRs Messungen basieren darauf, ob KI-Modelle eine Programmieraufgabe erledigen können, gemessen an der Zeit, die ein Mensch dafür bräuchte. Nach diesem Maßstab verdoppelt sich die Leistungsfähigkeit von KI-Modellen alle vier Monate. Zum Beispiel wird geschätzt, dass Anthropics Claude Mythos Modell eine Erfolgsquote von 50% bei Aufgaben erreicht, die einen menschlichen Experten zwischen acht Stunden und zwei Tagen kosten würden.
Es gab jedoch bisher keine entsprechende Auswirkung auf Arbeitsplätze. Ein Bericht von Anthropic aus dem März enthielt Forschungsergebnisse, die zeigen, dass KI theoretisch viele Berufe ausüben könnte, von der Informatik bis zur juristischen Arbeit, dies aber noch nicht in großem Umfang getan hat.
Bouke Klein Teeselink, Akademiker am King's College London und Experte für die Auswirkungen von KI, stellt fest, dass diese Lücke weiterhin signifikant ist. Die Auswirkungen von KI auf die Arbeit zeigen, dass es Hindernisse bei der Einführung in der Belegschaft gibt. Zum Beispiel: Wie viel von der Arbeit eines CEO oder leitenden Managers kann sicher einem Bot übergeben werden? Können rechtlich sensible Aufgaben von etwas anderem als einem Menschen erledigt werden? Dennoch, sagt er, der Wandel kommt.
"Wir befinden uns noch in den frühen Phasen der KI-Revolution. Viele Menschen erledigen Aufgaben, die von KI übernommen werden könnten. Das Ausmaß des Wandels, den wir erleben werden, wird enorm sein."
8. Rechenzentren stützen das US-BIP
Obwohl die US-Regierung unter der Regierung von Donald Trump Stellen abgebaut hat und viele Branchen Massenentlassungen erlebten, ist das US-BIP weiter gewachsen – 2,1% im Jahr 2025 und 1,6% im ersten Quartal 2026, so das US Bureau of Economic Analysis. Ein Harvard-Ökonom berechnet jedoch, dass diese Zahlen ohne den Rechenzentrums-Boom viel kleiner sein könnten. Tatsächlich machten "Investitionen in Informationsverarbeitungsausrüstung und Software" in der ersten Hälfte des Jahres 2025 92% des US-BIP-Wachstums aus.
Das bedeutet, dass Rechenzentren – und der KI-Boom – einen großen Teil des US-Wachstums antreiben. Sie sind ein Hauptgrund dafür, dass die größte Volkswirtschaft der Welt trotz großer Herausforderungen immer noch gesund aussieht. Jede Verlangsamung dieser Ausgaben könnte wirtschaftliche und damit politische Folgen haben.
**Häufig gestellte Fragen**
Hier ist eine Liste von FAQs basierend auf dem Artikel Milliarden wurden ausgegeben und die potenziellen Renditen sind noch ungewiss Hier ist der KI-Boom erklärt mit sechs Grafiken
**Fragen für Einsteiger**
1. Warum geben Unternehmen so viel Geld für KI aus, wenn die Renditen nicht garantiert sind?
Sie wetten darauf, dass KI letztendlich Industrien revolutionieren und massive Gewinne erzielen wird, ähnlich wie in den Anfängen des Internets. Sie wollen nicht zurückgelassen werden, falls es erfolgreich ist.
2. Was meinen Sie mit KI-Boom?
Es ist die aktuelle Phase enormer Investitionen, Aufregung und rasanter Entwicklung im Bereich der künstlichen Intelligenz, insbesondere bei Tools wie ChatGPT und Bildgeneratoren.
3. Verdient KI derzeit überhaupt Geld für jemanden?
Für die meisten Unternehmen noch nicht. Die Kosten für den Aufbau und Betrieb fortschrittlicher KI sind enorm, und es ist noch unklar, wann diese Kosten durch zahlende Kunden in großem Umfang gedeckt sein werden.
4. Worum geht es in den sechs Grafiken in dem Artikel?
Sie zeigen wichtige Trends: massive Ausgaben von Technologiegiganten, sprunghaft ansteigende Nachfrage nach KI-Chips, die enormen Energiekosten der KI, die geringe Anzahl tatsächlich zahlender Nutzer, das Leistungsplateau einiger Modelle und die unsichere Reaktion der Aktienmärkte.
**Fortgeschrittene Fragen**
5. Warum sind die Inferenzkosten ein so großes Problem?
Inferenz ist, wenn Sie ein KI-Modell tatsächlich nutzen. Es ist weitaus teurer als das einmalige Trainieren des Modells. Wenn Millionen von Menschen es täglich nutzen, explodieren die Strom- und Rechenkosten, was es sehr schwierig macht, Gewinne zu erzielen.
6. Wie zeigen die Grafiken, dass die einfachen Gewinne in der KI vorbei sein könnten?
Eine Grafik zeigt, dass die Leistungsverbesserungen der größten KI-Modelle zu verlangsamen beginnen, obwohl die Kosten für ihr Training weiter steigen. Dies deutet darauf hin, dass wir einen Punkt abnehmender Grenzerträge erreichen.
7. Was sagt der Artikel über Nvidias Rolle in diesem Boom?
Nvidia stellt die essentiellen Chips für KI her. Die Grafiken zeigen, dass Nvidias Umsatz explodiert ist, aber dies sind die "Hacken und Schaufeln" des Goldrausches. Die Frage ist, ob die Unternehmen, die diese Chips kaufen, jemals eine Rendite auf ihre Investition erzielen werden.
8. Wie wirkt sich die unsichere Rendite auf kleinere KI-Startups aus?
Es ist
