J.P. Morgan warnt vor zunehmenden Warnsignalen am KI-Markt

Während die künstliche Intelligenz weiterhin beispiellose technologische Sprünge vorantreibt, schlagen Finanzanalysten wegen potenzieller Marktinstabilität Alarm. Ein aktueller Bericht von J.P. Morgan deutet darauf hin, dass die „Euphorie der Anleger“ gefährliche Konzentrations- und Volatilitätsniveaus innerhalb des KI-Sektors schafft.

Extreme Konzentration und die Dotcom-Parallele

Die auffälligste Sorge, die von J.P. Morgan geäußert wird, ist die extreme Konzentration von Wohlstand und Wachstum innerhalb des S&P 500. Seit der Einführung von ChatGPT im Jahr 2022 sind lediglich 42 KI-bezogene Unternehmen dafür verantwortlich, etwa 65 % bis 80 % der gesamten Gewinne, Umsätze und Investitionen des Index voranzutreiben. Diese Konzentration ist am deutlichsten bei der Marktkapitalisierung sichtbar, wo die zehn größten US-Aktien mittlerweile etwa 40 % des S&P 500 ausmachen – ein massiver Anstieg gegenüber nur 17 % im Jahr 2015.

Darüber hinaus spiegeln technische Muster im Halbleitersektor die berüchtigte Dotcom-Blase wider. J.P. Morgan identifiziert vier spezifische Warnsignale:

  • Halbleiteraktien weichen so stark von ihrem gleitenden 200-Tage-Durchschnitt ab, wie es in den späten 1990er Jahren der Fall war.
  • Hedgefonds sind stärker in Chip-Aktien investiert als zu jedem anderen Zeitpunkt zuvor.
  • Margin-Kredite an der koreanischen Börse haben sich seit 2020 verdreifacht.
  • Der Optionshandel mit Halbleiteraktien ist auf das Fünffache des Niveaus von 2020 angestiegen.

Die sich verändernde Landschaft der KI-Hardware

Während Nvidia der Titan am Markt für KI-Beschleuniger bleibt, sieht sich seine Dominanz einer strategischen Erosion gegenüber. J.P. Morgan schätzt, dass der Marktanteil von Nvidia voraussichtlich von 85 % im Jahr 2023 auf etwa 75 % bis 2026 sinken wird. Dieser Wandel wird dadurch vorangetrieben, dass große Cloud-Anbieter eigene Silizium-Chips entwickeln, um Kosten zu optimieren.

Beispielsweise werden Googles TPUs und Amazons Trainium-Chips zu kritischen Alternativen. Die Verwendung von kundenspezifischem Silizium kann die Betriebskosten im Vergleich zu herkömmlichen Nvidia-GPUs um 30 % bis 40 % senken. Eine bemerkenswerte Veränderung in der Branche ist bereits im Gange: Anthropic hat sich verpflichtet, seine Claude-Modelle für das nächste Jahrzehnt auf der Trainium-Infrastruktur von Amazon auszuführen, was eine Abkehr von der totalen GPU-Abhängigkeit signalisiert.

Margendruck und der Aufstieg von Open Source

Die wirtschaftliche Tragfähigkeit führender KI-Labore wie OpenAI und Anthropic bleibt ein großes Fragezeichen. Trotz schnellen Umsatzwachstums drücken die astronomischen Rechenkosten auf die Margen. Dies schafft eine Schwachstelle, die Wettbewerber bereit sind auszunutzen.

Da die Token-Preise schwanken, versuchen Unternehmen zunehmend, ihre Ausgaben zu optimieren, indem sie Aufgaben auf günstigere, leistungsstarke Open-Source-Modelle verlagern. Die Landschaft wird durch chinesische Open-Source-Modelle weiter verkompliziert, die in kürzester Zeit eine Spitzenleistung erreichen, die nur einem Bruchteil der Kosten westlicher proprietärer Modelle entspricht. Dieser Abwärtsdruck auf die Token-Preise, kombiniert mit schrumpfenden Free-Cashflow-Margen bei den großen Cloud-Anbietern, deutet darauf hin, dass der „KI-Goldrausch“ in Bezug auf die Rentabilität bald mit der harten Realität konfrontiert werden könnte.

Wichtigste Erkenntnisse

  • Marktvolatilität: Muster bei Halbleiteraktien und ein erhöhter Optionshandel weisen technische Ähnlichkeiten mit der Dotcom-Blase auf.
  • Hardware-Diversifizierung: Es wird prognostiziert, dass der Marktanteil von Nvidia sinken wird, da Cloud-Anbieter wie Amazon und Google eigene Chips einsetzen, um Kosten um bis zu 40 % zu senken.
  • Rentabilitätsrisiken: Hohe Rechenkosten und die steigende Effizienz kostengünstiger Open-Source-Modelle (einschließlich chinesischer Modelle) gefährden die Margen führender KI-Labore.