KI-Boom, Schulden und Blasenrisiko

Seitenstatus: Freigegeben Diese Fassung wurde durch Hans Hufnagel geprüft und freigegeben.

KI-Navigation | KI-Boom, Schulden und Blasenrisiko

Beobachtungsstand: 28. September 2026. Unternehmenszahlen, Bewertungen und Finanzierungsbedingungen verändern sich schnell. Der Grundtext erklärt dauerhafte Zusammenhänge; datierte Zahlen müssen bei späteren Aktualisierungen erneut geprüft werden.

Ist die KI-Wirtschaft der Beginn einer langfristigen Produktivitätswende – oder eine Blase, in der Erwartungen, Investitionen und Schulden schneller wachsen als tragfähige Erträge? Beides kann teilweise zugleich stimmen. Eine Technik kann die Welt verändern und dennoch überbewertete Unternehmen, Fehlplanungen und hohe Verluste hervorbringen. Die Eisenbahn und das Internet verschwanden nicht, als frühere Investitionsblasen platzten.

Darum lautet die angemessene Frage nicht: „Ist KI echt oder nur eine Blase?“ Sie lautet:

Welche Teile des KI-Booms beruhen auf dauerhaftem Nutzen – und wo setzen hohe Bewertungen, Schulden und wechselseitige Abhängigkeiten voraus, dass sehr optimistische Erwartungen eintreffen?

Was mit „Blase“ gemeint ist

Von einer Wirtschafts- oder Finanzblase wird gesprochen, wenn Preise und Investitionen zunehmend durch die Erwartung weiterer Wertsteigerungen getragen werden und sich deutlich von vorsichtig erwartbaren Erträgen lösen. Das lässt sich in Echtzeit nicht sicher feststellen. Hohe Preise können später durch stark wachsende Gewinne gerechtfertigt werden – oder nach enttäuschten Erwartungen abrupt fallen.

Vier Dinge sollten deshalb getrennt werden:

technische Leistungsfähigkeit: Was können KI-Systeme tatsächlich?
wirtschaftlicher Nutzen: Welche Anwendungen sparen dauerhaft Kosten oder schaffen zahlungsbereite Nachfrage?
Unternehmenswert: Sind erwartete künftige Gewinne bereits übermäßig im Preis enthalten?
Finanzierungsrisiko: Können Schulden, Zinsen, Mieten und Lieferverpflichtungen auch bei geringerem Wachstum bezahlt werden?

Es gibt nicht den einen KI-Markt

Die wirtschaftlichen Bedingungen unterscheiden sich entlang der Wertschöpfungskette:

Chips und Komponenten: Hohe Nachfrage kann große Gewinne erzeugen. Zugleich drohen Kapazitätszyklen, schnelle technische Alterung und Abhängigkeit von wenigen Herstellern.
Rechenzentren, Strom und Netze: Sehr langfristige Investitionen treffen auf Technik, deren Generationen sich rasch ändern. Standorte brauchen Energie, Kühlung, Netze und Genehmigungen.
Cloud- und Rechenleistungsanbieter: Sie kaufen oder finanzieren teure Hardware und müssen sie dauerhaft auslasten. Kundenkonzentration und Refinanzierung können entscheidend werden.
Modellanbieter: Training und Betrieb sind kostspielig. Noch offen ist, welche Preise sich bei starkem Wettbewerb und sinkenden Modellkosten halten lassen.
Anwendungen: Hier kann konkreter Kundennutzen entstehen. Viele Angebote sind aber leicht nachzuahmen oder von Plattformen und Basismodellen abhängig.

Eine Korrektur kann daher einzelne Schichten treffen, während andere weiter wachsen.

Was gegen die These einer reinen Scheinblase spricht

KI wird bereits in Softwareentwicklung, Übersetzung, Kundenservice, Forschung, Suche, Gestaltung und Verwaltung eingesetzt. Unternehmen berichten über Zeitgewinne, und der Bedarf an Rechenleistung ist real. Große Technologiekonzerne verfügen zudem über bestehende profitable Geschäfte, Kundenbeziehungen und hohe laufende Einnahmen. Das unterscheidet einen Teil des heutigen Marktes von Firmen, die ausschließlich von einer künftigen Idee leben.

Real ist auch die gebaute Infrastruktur. Rechenzentren, Netze und Chips bleiben materielle Vermögenswerte. Ob sie wirtschaftlich wertvoll bleiben, hängt allerdings von Auslastung, Energiepreisen, technischem Wandel und langfristiger Nachfrage ab.

Die Warnzeichen

Die Europäische Zentralbank stellte im Mai 2026 hohe Bewertungen und eine wachsende Abhängigkeit KI-bezogener Investitionen von Krediten fest. Historisch folgte in 15 Prozent der von ihr untersuchten Jahre mit gleichzeitig besonders starkem Aktienpreis- und Unternehmensschuldenwachstum innerhalb von zwei Jahren eine Finanzkrise. Die EZB betont zugleich, dass das allgemeine Wachstum der Unternehmensverschuldung in den USA und im Euroraum zu diesem Zeitpunkt noch niedrig war. Die historische Zahl ist deshalb ein Warnsignal, keine Vorhersage.

Die Bank of England beurteilte den Bestand ausstehender Schulden von KI-Unternehmen zu Beginn des Jahres 2026 noch als relativ begrenzt. Im ersten Halbjahr nahm die Kreditfinanzierung jedoch rasch zu. Von ihr zitierte Marktprojektionen erwarten, dass mehr als die Hälfte des externen Finanzierungsbedarfs für Rechenzentren von 2026 bis 2028 über Schulden gedeckt werden könnte. Solche Projektionen können sich ändern; sie zeigen aber die Größenordnung des möglichen Übergangs von eigenfinanziertem Wachstum zu kreditgestütztem Ausbau.

Der Internationale Währungsfonds weist zusätzlich auf zirkuläre Finanzierungsbeziehungen hin: Einige Unternehmen sind zugleich Kunden, Lieferanten, Investoren oder Kreditgeber anderer Unternehmen im selben KI-Ökosystem. Solche Verbindungen können Nachfrage stützen, erschweren aber die Beurteilung unabhängiger Erlöse und können Verluste weiterreichen.

Das Beispiel CoreWeave

CoreWeave ist ein spezialisierter Anbieter von Rechenleistung für KI. Der bei der US-Börsenaufsicht SEC veröffentlichte Geschäftsbericht nennt zum 31. Dezember 2025 rund 21,6 Milliarden US-Dollar Schulden sowie 8,2 Milliarden US-Dollar bilanzierte operative Leasingverbindlichkeiten. Für bereits vereinbarte, aber noch nicht begonnene Mietverhältnisse wurden außerdem geschätzte undiskontierte Zahlungen von 38,5 Milliarden US-Dollar angegeben. Das Unternehmen bezeichnet seine Verschuldung selbst als erhebliches Risiko.

Diese Zahlen rechtfertigen die Bezeichnung hoch verschuldet. Sie beweisen aber nicht ohne Weiteres eine Überschuldung oder bevorstehende Insolvenz. CoreWeave erklärte im selben Bericht, vorhandene Zahlungsmittel, kurzfristige Anlagen und verfügbare Kreditlinien reichten voraussichtlich aus, um die innerhalb eines Jahres erwarteten Verpflichtungen zu erfüllen. Ob das Geschäftsmodell langfristig trägt, hängt unter anderem von Auslastung, Kundenbindung, Finanzierungskosten, technischem Wandel und der Fähigkeit ab, ausreichend laufenden Cashflow zu erwirtschaften.

Ein einzelnes Unternehmen ist zudem kein Beweis für den Zustand der gesamten Branche. Es kann aber sichtbar machen, wie schnell Wachstum, Fremdfinanzierung und langfristige Verpflichtungen miteinander verbunden werden.

Sieben Kennzahlen statt eines Schlagworts

Ob das Risiko steigt, lässt sich besser an beobachtbaren Größen als am Wort „Blase“ prüfen:

Umsatz und zahlende Nutzung: Wachsen unabhängige Kundenerlöse oder vor allem wechselseitige Großverträge?
Investitionen und freier Cashflow: Reichen laufende Mittel für den Ausbau oder wird immer neue Finanzierung benötigt?
Schuldendienst: Wie hoch sind Zinsen und Tilgungen im Verhältnis zum operativen Cashflow?
Laufzeiten und Sicherheiten: Wann müssen Kredite refinanziert werden und welche Vermögenswerte oder Verträge dienen als Sicherheit?
Verdeckte Verpflichtungen: Welche Leasing-, Abnahme- und Zweckgesellschaftsverträge stehen nicht einfach in der ausgewiesenen Nettoschuld?
Kunden- und Lieferantenkonzentration: Wie abhängig ist ein Anbieter von wenigen Modellfirmen, Chipproduzenten oder Cloudpartnern?
Auslastung und Preise: Bleiben Rechenzentren ausgelastet, wenn effizientere Chips und Modelle die Kosten pro Aufgabe senken?

Keine einzelne Kennzahl entscheidet. Gefährlich wird die Verbindung aus optimistischen Ertragserwartungen, hoher Verschuldung, kurzen Refinanzierungsfristen und schwer durchschaubaren Abhängigkeiten.

Drei mögliche Entwicklungen

1. Die Erträge holen die Investitionen ein
KI-Anwendungen schaffen genügend Nutzen und zahlungsbereite Nachfrage. Sinkende Kosten verbreitern den Markt. Früh gebaute Infrastruktur wird ausgelastet, und hohe Investitionen erweisen sich überwiegend als produktiv.

2. Eine selektive Bereinigung
Einige Modell-, Anwendungs- und Rechenleistungsanbieter scheitern oder werden übernommen. Bewertungen sinken, Projekte werden verschoben und Gläubiger erleiden Verluste. Die Technik verbreitet sich trotzdem weiter – möglicherweise günstiger und unter stärkerer Marktkonzentration.

3. Eine breite Neubewertung
Enttäuschende Erlöse, steigende Finanzierungskosten oder Überkapazitäten lösen gleichzeitig Kursverluste und Kreditausfälle aus. Banken, private Kreditgeber, Fonds, Energieprojekte und Zulieferer können betroffen sein. Weil große Märkte stark auf wenige Technologiekonzerne konzentriert sind, könnte der Stimmungswechsel auch andere Branchen und Regionen erfassen.

Am wahrscheinlichsten muss keines dieser Szenarien in reiner Form eintreten. Ein Boom kann nützliche Infrastruktur hervorbringen und zugleich erhebliche Fehlinvestitionen erzeugen.

Wer trägt das Risiko?

Bei Erfolg fließen Gewinne häufig an Eigentümer von Modellen, Plattformen, Chips, Energie und Daten. Bei Misserfolg können Verluste jedoch breiter verteilt werden: auf Beschäftigte, Zulieferer, Anleger, Pensionsvermögen, Kreditgeber, Stromkunden oder die öffentliche Hand, wenn Infrastruktur gefördert oder gerettet wird.

Eine ethische Wirtschaftsprüfung fragt deshalb nicht nur, ob sich eine Investition rechnet. Sie fragt auch:

Wer entscheidet über Umfang und Standort der Infrastruktur?
Wer trägt Energie-, Wasser- und Netzkosten?
Sind öffentliche Förderungen und Garantien transparent?
Werden Gewinne privatisiert, während Verluste sozialisiert werden?
Bleiben Wettbewerb, Forschung und gesellschaftliche Kontrolle möglich, wenn eine Krise den Markt auf wenige Großunternehmen konzentriert?

Eine verantwortliche Haltung muss weder den KI-Boom feiern noch seinen Zusammenbruch wünschen. Sie verlangt nachvollziehbare Finanzierung, realistische Ertragserwartungen, offene Risiken und Schutz für diejenigen, die nicht über die riskanten Entscheidungen bestimmen.

Quellen und Weiterwege

<< KI, Arbeit und Beschäftigung | KI-Navigation | Denken und Grenzen >>
Zur KI-Übersicht →