KI-Capex: Warum Hyperscaler Billionen-Umsätze für den Break-Even brauchen
Goldman Sachs und mehrere Ökonomen beziffern, wie stark die KI-Umsätze steigen müssen, damit sich die Rechenzentrumsinvestitionen rechnen.
Die großen KI-Hyperscaler geben Milliardenbeträge aus, um Rechenzentren zu bauen. Das Ausmaß dieser Investitionen verändert derzeit die Schuldenmärkte – und das nicht unbegründet, denn es wirft erhebliche Fragen zur Nachhaltigkeit dieses Booms auf. Wie Greg Peters von PGIM Fixed Income im FT Big Read feststellte, lautet die übergreifende Erzählung „überall und jederzeit“. Die Menge an Schulden, die auf den Markt strömt, sei historisch einzigartig, die Zahlen schlicht enorm.
Ob dieser Prozess nachhaltig ist, hängt davon ab, wie viel Geld diese Rechenzentren generieren können und – letztlich – wie viel Geld die KI insgesamt erwirtschaften wird. Im vergangenen Monat analysierte Dan Davies die Mietvereinbarung von Anthropic mit SpaceX für überschüssige Rechenzentrumskapazitäten. Er kam zu dem Schluss, dass das Verleihen von Rechenzentrumskapazitäten derzeit ein extrem profitables Geschäft ist, selbst unter sehr konservativen Annahmen zu Abschreibungen und Baukosten. Diese Kalkulation könnte sich in den kommenden Jahren jedoch radikal ändern, wenn mehr Rechenleistung online geht oder weniger rechenintensive Open-Modelle an Boden gewinnen.
Die zentrale Frage lautet also: Wie viel Geld müssen wir insgesamt für KI-Tools ausgeben, damit der massive Kapitaleinsatz der Hyperscaler tatsächlich Gewinne abwirft? Mehrere Ökonomen haben zuletzt die Zahlen durchgerechnet, um genau das herauszufinden – mit leicht unterschiedlichen Perspektiven und Annahmen.
Goldman Sachs: 300 Milliarden Dollar für den Break-Even
In einem Bericht von letzter Woche schrieb Goldman Sachs, die größten US-amerikanischen KI-Hyperscaler seien auf Kurs, 2026 Kapitaleinsätze von 800 Milliarden Dollar zu tätigen. Der Konsens erwartet für 2027 Ausgaben in Höhe von 1,1 Billionen Dollar. Die Basisprognose der Bank geht davon aus, dass die Kapitaleinsätze 2027 steigen und die Konsensschätzungen übertreffen werden – allerdings dürften die Raten des Kapitaleinsatzwachstums und der positiven Überraschungen im Vergleich zu den jüngsten Quartalen zurückgehen.
Basierend auf dem durchschnittlichen jährlichen Kapitaleinsatz der Jahre 2026 und 2027 schätzen die Goldman-Analysten, dass die Hyperscaler in den nächsten Jahren jährliche KI-Umsatzerlöse von rund 300 Milliarden Dollar generieren müssen, nur um ihre Investitionen auszubremsen – also den Break-even zu erreichen. Die Cloud-Umsatzerlöse der Hyperscaler haben in diesem Jahr stark beschleunigt und lagen im zweiten Quartal 2026 annualisiert etwa 70 Milliarden Dollar über dem Trend vor der KI-Ära; die angekündigten Umsatzrückstände übersteigen 1,5 Billionen Dollar. Die KI-Cloud-Umsätze müssten damit schnell um etwa das Vierfache steigen.
Um eine Rendite auf das eingesetzte Kapital von 30 Prozent zu erzielen – am unteren Ende dessen, was die Hyperscaler in der Zeit vor der Hyperscale-Ära erzielten –, müssten diese Rechenzentren bald jährliche Umsatzerlöse von etwa 636 Milliarden Dollar generieren. Das entspricht eher dem Zehnfachen der aktuellen Laufgeschwindigkeit. Der kombinierte Cloud-Umsatzrückstand von Amazon, Alphabet und Microsoft beträgt inzwischen 1,7 Billionen Dollar.
Die Ebene der KI-Anwendungen und die Konsumentenfrage
Hinzu kommen all die Anwendungen, die auf der Cloud-Ebene aufbauen und ebenfalls irgendwann Gewinn abwerfen wollen. Goldman schätzt, dass bei erwarteten Gewinnmargen von etwa 30 Prozent für diese Unternehmen und einer Rendite der Hyperscaler von nur 10 bis 20 Prozent auf ihre Kapitaleinsätze die gesamten Ausgaben für KI-Software etwas über 1 Billion Dollar betragen müssten. Verglichen mit globalen Softwareausgaben von rund 1,5 Billionen Dollar erscheint dies ambitioniert, aber nicht fantastisch.
Streben die Hyperscaler jedoch eine ROIC an, die zumindest in Reichweite ihrer historischen Normen liegt, und wünschen sich die KI-Softwareunternehmen Margen, die näher an dem liegen, was Software historisch erwirtschaftet hat, dann müssten die Verbraucher- und Unternehmensausgaben auf fast 2 Billionen Dollar springen. Das scheint deutlich weniger machbar – denn sobald sich Verbraucher an kostenlose oder nahezu kostenlose Produkte gewöhnt haben, ist es sehr schwierig, ihnen die volle Kostenlast der Produktion aufzubürden.
Van Nieuwerburgh: über 10 Billionen Dollar bis 2032
Zum gleichen Thema hat Stijn Van Nieuwerburgh von der Columbia Business School ein neues Papier vorgelegt. Angesichts von Baukosten in Höhe von 8,2 Milliarden Dollar für ein 200-Megawatt-KI-Rechenzentrum und der 183 Gigawatt, die bis 2032 angeblich online gehen sollen, schätzt er die kumulativen Kosten zwischen 2025 und 2032 auf über 10 Billionen Dollar. Dies entspricht 3,6 Prozent des BIP pro Jahr – ein größerer Kapitaleinsatz-Schub als jene auf Kanäle, Eisenbahnen, Elektrizität und das Internet in früheren Epochen. „Es würde den Stromverbrauch des gesamten US-amerikanischen Haushaltssektors verdoppeln“, bemerkt Van Nieuwerburgh.
Unter der Annahme einer bescheidenen unverschuldeten Rendite von 10 Prozent, einer Cashflow-Marge von 50 Prozent und einer großzügigen Lebensdauer der Chips von sechs Jahren schätzt er, dass dies bis 2032 annualisierte Umsatzerlöse von 3,7 Billionen Dollar erfordert – etwa 9,2 Prozent des geschätzten US-BIP zu diesem Zeitpunkt.
Zu ähnlichen Ergebnissen kommen Jared Bernstein und Ryan Cummings in Bernsteins Substack. Danach müssten die Umsatzerlöse in den nächsten sechs Jahren zwischen 2,4 Billionen Dollar (bei bloßem Break-even der Investitionen) und 3,8 Billionen Dollar (bei einer Rendite, die ihren bestehenden Geschäften entspricht) liegen. Das entspricht einem Anstieg der aktuellen inkrementellen KI-Umsätze um das 13- bis 45-Fache in nur sechs Jahren. Allein im nächsten Jahr müssten sie Umsatzerlöse zwischen 520 und 850 Milliarden Dollar verbuchen – etwa das Drei- bis Viereinhalbfache dessen, was sie dieses Jahr erwirtschaftet haben dürften. Schließt man zirkuläre Umsätze aus – also solche von Firmen, an denen das Labor einen Minderheitsanteil hält –, müssten die zukünftigen Umsatzerlöse sogar noch höher sein.
Es gibt viele Annahmen, die sich variieren ließen, etwa die Verbindlichkeit der Kapitaleinsatzpläne, steigende oder fallende Baukosten, Token-Kosten, die Margenerwartungen der verschiedenen Ebenen im KI-Ökosystem oder die Nachfrage von Verbrauchern und Unternehmen. Die Umsatzerlöse wachsen derzeit offensichtlich mit bemerkenswerter Geschwindigkeit, was die Optimisten ermutigt. Die Gesamtschlussfolgerung scheint dennoch klar: Die KI-Umsätze müssen in naher Zukunft erheblich stärker wachsen, damit die Größe dieser Investitionspläne wirtschaftlich Sinn ergibt.