Chris Woods Warnung: Warum Fehlinvestitionen den KI-Boom beenden könnten

Die Ära der künstlichen Intelligenz hat den dramatischsten Investitionszyklus (Capex) der Geschichte ausgelöst, doch am Horizont zeichnet sich ein erhebliches strukturelles Risiko ab. Chris Wood, Global Head of Equity Strategy bei Jefferies, warnt davor, dass der KI-Trend nicht aufgrund eines Chipmangels oder eines Überangebots an der Versorgung enden könnte, sondern vielmehr durch die Erkenntnis, dass die massiven Investitionen keine angemessenen Renditen erwirtschaften.

Das Gespenst der Fehlinvestitionen

Im Gegensatz zu traditionellen Halbleiterzyklen, die enden, wenn Lagerüberhänge den Markt überschwemmen, argumentiert Wood, dass der aktuelle KI-Boom einer einzigartigen Bedrohung gegenübersteht: Fehlinvestitionen (Malinvestment). Er deutet an, dass das „Endspiel“ für den KI-Handel dann ausgelöst wird, wenn Hyperscaler und führende KI-Labore es versäumen, eine zufriedenstellende Rendite auf die astronomischen Investitionen (Capex) zu erzielen, die sie derzeit tätigen.

Eine besondere Sorge gilt der Existenz kreisförmiger Finanzierungsschleifen. Wood weist auf Szenarien hin, in denen große Akteure wie Nvidia Finanzierungen für Unternehmen wie OpenAI bereitstellen, die diese Mittel dann nutzen, um weitere Nvidia-Chips zu kaufen. Während dies eine starke kurzfristige Wachstumsschleife erzeugt, stützt es sich stark auf optimistische Monetarisierungsannahmen, die hinfällig werden könnten, wenn Investoren das Vertrauen in die langfristige Ertragbarkeit verlieren.

Massive Capex und der Aufschwung in Taiwan

Das Ausmaß der derzeit im Sektor zu verzeichnenden Investitionen ist beispiellos. Wood beschreibt den laufenden Ausbau als den dramatischsten Capex-Zyklus, den er je erlebt hat. Ein Paradebeispiel ist TSMC, das seine Prognosen deutlich angehoben hat, wobei die Schätzungen für 2027 bis zu 65–70 Milliarden US-Dollar erreichen.

Diese konzentrierten Ausgaben treiben massive makroökonomische Verschiebungen voran, insbesondere in Taiwan. Die Region verzeichnete im ersten Quartal 2026 ein reales BIP-Wachstum von 14,55 % gegenüber dem Vorjahr, angetrieben durch einen Anstieg der Exportaufträge um 53,4 %. Derzeit wird geschätzt, dass die KI-bezogene Nachfrage etwa 31 % des Gesamtumsatzes von TSMC für das Jahr 2026 ausmachen wird, was verdeutlicht, wie tief die Weltwirtschaft bereits an die KI-Infrastruktur gebunden ist.

Kommodifizierung und der Aufstieg günstiger Modelle

Eine weitere Risikoebene ist die rasche Kommodifizierung von Large Language Models (LLMs). Da die Kosten pro Token sinken, wird der Wettbewerbsvorteil der erstklassigen westlichen Anbieter infrage gestellt. Wood stellt fest, dass neue Modelle, wie das in Hongkong börsennotierte GLM-5.2 von Z.ai, Berichten zufolge die Leistung von Top-Modellen wie Anthropic erreichen, jedoch zu nur einem Viertel der Kosten.

Daten von OpenRouter verdeutlichen diesen Wandel: Ende Juni verarbeiteten führende chinesische KI-Modelle 21,37 Billionen Token, ein massiver Sprung gegenüber 4,37 Billionen im April. Dieses Volumen übertraf die 5,76 Billionen Token, die von führenden US-Modellen verarbeitet wurden, deutlich und signalisiert eine hochkompetitive und zunehmend kommodifizierte Landschaft.

Strategiewechsel: Fokus auf Speicher und Hardware

Trotz dieser Warnungen prognostiziert Wood keinen unmittelbaren Zusammenbruch. Stattdessen positioniert er Portfolios neu in Richtung der „Schaufeln und Pickel“ (Picks and Shovels) der Branche – insbesondere bei DRAM- und Speicherlieferanten. Aufgrund des Jevons-Paradoxons steigt der Gesamtverbrauch tatsächlich an, wenn Rechenleistung effizienter und günstiger wird, was den Hardwareanbietern zugutekommt.

Große Speicherhersteller wie Micron sichern sich bereits langfristige Stabilität; so hat Micron strategische Vereinbarungen unterzeichnet, die 20 % seines DRAM-Volumens abdecken. Infolgedessen erhöht Wood das Engagement bei Tech-Hardware-Werten wie SK Hynix, Kioxia und Samsung Electronics, in der Erwartung, dass sie weiterhin profitieren werden, selbst wenn die breiteren KI-Software- und Service-Ebenen Schwierigkeiten mit der Kapitaldisziplin haben.

Wichtigste Erkenntnisse

• Das Hauptrisiko: Der KI-Handel wird wahrscheinlich eher aufgrund von „Fehlinvestitionen“ und mangelnder Rentabilität (ROI) für Hyperscaler enden als aufgrund eines traditionellen Überangebots an Halbleitern.
• Die Kommodifizierungs-Bedrohung: Schnell fortschreitende und günstigere chinesische KI-Modelle üben einen intensiven Preisdruck auf erstklassige westliche KI-Anbieter aus.
• Strategischer Wendepunkt: Das Investitionsinteresse verlagert sich auf Akteure im Bereich Speicher und Hardware (DRAM), die über eine erhebliche Preismacht und langfristige Kundenverträge verfügen.