Big Techs KI-Wettlauf: Milliardeninvestitionen in schnell veraltende Hardware

Die größten Technologieunternehmen der Welt investieren derzeit gigantische Summen in KI-Hardware, doch ein paradoxer Umstand wirft Fragen auf: Die teuren GPUs und andere essenzielle Komponenten, die in Datenzentren verbaut werden, veralten extrem schnell. Dies ist die zentrale Erkenntnis eines neuen Berichts von Research Affiliates, einem Unternehmen, das rund 200 Milliarden US-Dollar an Anlagestrategien für RAFI-Indexfonds und ETFs verwaltet. Chris Brightman, CEO von Research Affiliates und Autor des Berichts, argumentiert, dass der KI-Wettlauf eine neue industrielle Ära eingeläutet hat, in der traditionelle Investitionskonzepte neu bewertet werden müssen.

Das Paradox der KI-Hardware-Investitionen

Brightman vergleicht die Hyperscaler in diesem Kontext eher mit Supermärkten als mit traditionellen Technologie- oder Industrieunternehmen. Ihr Umsatz entstehe nicht durch langlebige Güter, sondern durch einen schnellen Umschlag von Hardware, die für Large Language Models, Vektorsuchen und andere KI-Produkte benötigt wird. Er betont: "Sie befinden sich in einem Wettrüsten, bei dem sie ihre Hardware sehr schnell ersetzen müssen, mit anderen Worten, ihre Regale in Eile neu bestücken." Das Problem sei, dass Hyperscaler derzeit Verluste mit den KI-Produkten machen, die sie an Unternehmen und Verbraucher verkaufen. Je mehr Hardware sie kaufen, desto mehr Geld verlieren sie demnach.

Rasante Obsoleszenz und sinkende Renditen

Die Ausgaben für KI-Investitionen (Capex) sind laut Brightman und Schätzungen von Bloomberg von 250 Milliarden US-Dollar im Jahr 2024 auf 650 Milliarden US-Dollar in diesem Jahr explodiert, was 2 % des globalen BIP entspricht. Während dies den Eindruck erweckt, KI sei das neue Eisen oder die neue Eisenbahn, unterscheidet sich die zugrunde liegende Infrastruktur erheblich. Stahlwerke und Eisenbahnschienen schrieben sich über 40 bis 45 Jahre ab. Im Gegensatz dazu schreiben Hyperscaler wie Microsoft, Amazon, Alphabet und Meta ihre GPUs und andere Hardware in ihren Bilanzen über etwa fünf oder sechs Jahre ab. Brightman zufolge ist die tatsächliche wirtschaftliche Lebensdauer dieser KI-Hardware jedoch wesentlich kürzer, nämlich etwa drei Jahre.

Als Beleg führt Brightman Daten zur Profitabilität von Nvidias branchenüblichem H100-GPU an. Im zweiten Jahr generierte ein H100 einen jährlichen Gewinn von 36.000 US-Dollar, was einer Rendite von 137 % entsprach. Im vierten Jahr verlor das Produkt jedoch über 4.400 US-Dollar, was einem negativen ROI von 34 % gleichkam, und die Ergebnisse verschlechterten sich danach rapide. Brightman fasst zusammen: "Die wirtschaftliche Lebensdauer von KI-Hardware ist [viel] kürzer als ihre buchhalterische Lebensdauer." Der Grund für den schnellen Wertverlust ist nicht physischer Verschleiß, sondern die rasante Entwicklung neuer Angebote von Herstellern wie Nvidia und AMD, die jedes Jahr enorme Steigerungen der Rechenleistung pro Watt bieten.

"Maintenance Capex" statt Wachstumsinvestitionen

Angesichts strenger Energiebeschränkungen suchen Hyperscaler ständig nach neuer Rechenleistung. Normalerweise würden Unternehmen, die in diesem Tempo Kapital hinzufügen, eine riesige Basis an Ausrüstung aufbauen, die sie jahrelang nutzen könnten. Im KI-Geschäft ist das anders. Die KI-Ausrüstung entwickelt sich so schnell, dass Hyperscaler jedes Jahr einen immensen Teil ihrer Kapitalbasis ersetzen müssen, nur um die gleiche Kapazität zur Erzeugung von KI-Anwendungen aufrechtzuerhalten. Brightman erklärt: "Der Großteil ihrer Ausgaben ist kein Wachstumsinvestitionskapital (Growth Capex), sondern 'Wartungsinvestitionskapital' (Maintenance Capex)." Dennoch sind die Gesamtzahlen so gewaltig, dass selbst der etwa ein Drittel umfassende Anteil für Expansion ausreicht, um das Volumen der jährlich gelieferten Produkte und Dienstleistungen erheblich zu steigern.

KI als Verteidigungswaffe der Big Four

Brightman beleuchtet das Dilemma der KI-Giganten: "Je mehr Rechenleistung sie hochfahren, desto mehr Geld verlieren sie." Dennoch hätten sie derzeit gute Gründe dafür. Alle Big Four – Microsoft, Amazon, Alphabet und Meta – wollen die besten KI-Funktionen anbieten, um ihre Kernangebote zu verbessern. Sie erkennen, dass sie ihre Führungsposition verlieren würden, wenn die KI-Komponente nicht erstklassig ist.

• Amazon verdient den Großteil seines Geldes mit Berechnungen und Speicher in der Cloud. Laut Brightman kann das Unternehmen die Kosten für die KI-Erweiterungen von seinen Kunden kaum wieder hereinholen. Es sei jedoch sinnvoll, da Amazon sonst das Cloud-Geschäft verlieren würde.
• Microsoft generiert Abonnementumsätze mit seiner Office-Software, insbesondere der 360-Plattform. Um dieses Geschäft zu schützen und Kunden zu halten, muss Microsoft KI-Modelldienste anbieten, auch wenn es dabei Verluste macht, so Brightman.
• Alphabet ist führend in der "Suche" und der größte Anbieter von Online-Werbung. Um seine profitable Geschäftslinie fortzusetzen und seinen Vorsprung zu halten, benötigt Alphabet das KI-Element, was große Investitionen in Datenzentren erfordert.
• Meta muss sich Sorgen machen, dass die anderen drei in sein lukratives Social-Media-Werbegeschäft eindringen. Meta nutzt KI zur Personalisierung von Feeds, zur Rangfolge von Inhalten auf Instagram und Facebook und zur Sicherheitsprüfung von Beiträgen. Doch auch hier kann Meta laut Brightman noch nicht genug für seine Anzeigen verlangen, um die gigantischen neuen Ausgaben für diese Funktionen zu decken.

Fazit: Wertschöpfung für Nutzer, nicht unbedingt für Aktionäre

Brightman kommt zu dem Schluss, dass der enorme Anstieg der KI-Investitionen nicht bedeutet, dass dieser revolutionäre Fortschritt für die Big Four ein großer Gewinnbringer sein wird. Es sei vielmehr eine Waffe für jeden Titanen, um sein Territorium zu verteidigen. "Wenn Kapital schnell umgeschlagen wird und der Wettbewerb kontinuierliche Reinvestitionen erzwingt, können außergewöhnliche Ausgaben die Wettbewerbsposition aufrechterhalten, ohne Wert für die Aktionäre zu schaffen", schreibt er. Der schnelle Umschlag von GPUs gleicht eher dem Nachfüllen von Supermarktregalen als dem Bau von Fabriken, die Jahrzehnte überdauern.

Auf der anderen Seite halfen Brightman die hohen Kosten dieser Technologien bei seiner Analyse. Er berichtet, dass ein solches Projekt vor einem Jahr neun Monate für Recherche und Modellierung in Anspruch genommen hätte. Durch den Einsatz von Claude, ChatGPT und Gemini konnte er die Arbeit jedoch in drei Wochen abschließen. Brightmans Anekdote verdeutlicht: Diese neue industrielle Ära könnte für die Nutzer der KI-gestützten Produkte weitaus vorteilhafter sein als für die Unternehmen, die sie bereitstellen.