Warum Fehlinvestitionen statt Chip-Überangebot den KI-Boom beenden könnten

Der unaufhaltsame Anstieg der Investitionen in Künstliche Intelligenz hat die aktuelle Markterära geprägt, doch einer der am genauesten beobachteten Strategen der Wall Street hat eine bedeutende Warnung ausgesprochen. Chris Wood, Global Head of Equity Strategy bei Jefferies, deutet an, dass der Niedergang des KI-Trades nicht auf einen Mangel an Chips zurückzuführen sein wird, sondern auf das Scheitern, massive Kapitalausgaben in nennenswerte Gewinne umzuwandeln.

Das drohende Risiko von Fehlinvestitionen

Im Gegensatz zu traditionellen Halbleiterzyklen, die typischerweise aufgrund von Lagerüberbeständen und plötzlichen Angebotssteigerungen enden, argumentiert Chris Wood, dass die KI-Ära einem einzigartigen strukturellen Risiko gegenübersteht: Fehlinvestitionen (Malinvestment). Er warnt, dass das „Ende“ des KI-Trades – oder zumindest eine schmerzhafte Marktpause – wahrscheinlich dann ausgelöst wird, wenn Hyperscaler und führende KI-Labore es nicht schaffen, angemessene Renditen auf ihre kolossalen Kapitalausgaben (Capex) zu erwirtschaften.

Wood weist auf eine besorgniserregende Rückkopplungsschleife innerhalb des Ökosystems hin, wie etwa wenn Nvidia Unternehmen wie OpenAI finanziert, die dieses Kapital dann nutzen, um weitere Nvidia-Chips zu kaufen. Während diese zirkuläre Finanzierung das unmittelbare Wachstum vorantreibt, schafft sie ein prekäres Fundament, das sich schnell auflösen könnte, sobald die Anleger mehr Transparenz bei den langfristigen Erträgen und der Kapitaldisziplin fordern.

Ein Rekord-Capex-Zyklus

Das Ausmaß der aktuellen KI-Ausgaben ist beispiellos. Wood beschreibt den laufenden Ausbau als den dramatischsten Capex-Zyklus, den er je erlebt hat. Die Konzentration dieser Investitionen zeigt sich am deutlichsten in der Halbleiterindustrie:

  • Expansion von TSMC: Die Foundry hat ihre Capex-Prognose für 2026 auf etwa 56 Milliarden US-Dollar angehoben, verglichen mit 41 Milliarden US-Dollar im Vorjahr. Prognosen für 2027 deuten darauf hin, dass die Ausgaben zwischen 65 und 70 Milliarden US-Dollar liegen könnten.
  • Umsatzkonzentration: Es wird erwartet, dass die KI-bezogene Nachfrage im Jahr 2026 schätzungsweise 31 % des Gesamtumsatzes von TSMC ausmachen wird.
  • Makroökonomische Auswirkungen: Dieser Aufschwung hat in Taiwan zu massivem Wachstum geführt, wobei das reale BIP-Wachstum im ersten Quartal 2026 im Jahresvergleich 14,55 % erreichte.

Die Commoditisierung von KI-Modellen

Den Druck auf die Gewinnmargen erhöht zudem die rasante Commoditisierung von Large Language Models (LLMs). Wood stellt fest, dass günstigere, hocheffiziente Modelle – insbesondere von chinesischen Entwicklern – die Dominanz der erstklassigen westlichen Anbieter infrage stellen.

Beispielsweise soll das in Hongkong börsennotierte GLM-5.2 von Z.ai eine Leistung nahe dem Niveau von Anthropic erbringen, jedoch zu nur einem Viertel der Kosten pro Token. Dieser Wandel spiegelt sich in den Nutzungsdaten wider: Ende Juni verarbeiteten die führenden chinesischen Modelle 21,37 Billionen Token auf OpenRouter – ein massiver Sprung gegenüber 4,37 Billionen im April und weit vor den 5,76 Billionen Token, die von den führenden US-Modellen verarbeitet wurden. Da die Token-Kosten sinken, schrumpft der „Burggraben“ (Moat) für Premium-KI-Anbieter, was es schwieriger macht, die massiven Infrastrukturkosten wieder einzuspielen.

Gewinner im „Picks and Shovels“-Wettlauf

Trotz dieser langfristigen Risiken prognostiziert Wood keinen unmittelbaren Zusammenbruch. Stattdessen positioniert er Portfolios neu in Richtung „Picks and Shovels“-Werten – insbesondere Speicher- und Hardwareanbieter –, die vom Jevons-Paradoxon profitieren. Dieses ökonomische Prinzip besagt, dass der Gesamtverbrauch tatsächlich steigt, wenn die Rechenleistung effizienter und günstiger wird.

Speicherriesen wie Micron, SK Hynix und Samsung befinden sich derzeit in einer starken Position. Micron hat bereits strategische Vereinbarungen gesichert, die 20 % seines DRAM-Volumens und ein Drittel seines NAND-Volumens abdecken, oft mit einer Laufzeit von fünf Jahren. Dies bietet einen Puffer gegen die Volatilität, die in der Software-Schicht des KI-Stacks erwartet wird.

Wichtigste Erkenntnisse

  • Die primäre Bedrohung: Der KI-Trade ist anfällig für „Fehlinvestitions“-Risiken, bei denen massive Ausgaben von Hyperscalern keine ausreichende Kapitalrendite (ROI) abwerfen.
  • Verschiebung des Risikoprofils: Im Gegensatz zu früheren Halbleiterzyklen, die durch Überangebot getrieben wurden, wird das Ende des KI-Zyklus wahrscheinlich durch die Desillusionierung der Anleger hinsichtlich der Kapitaldisziplin ausgelöst.
  • Resilienz der Hardware: Während die Margen von Softwaremodellen durch die Commoditisierung unter Druck geraten, bleiben Speicher- und Hardwareanbieter die Hauptprofiteure des laufenden Capex-Wettlaufs.