KI-Investitionsrisiken wirken in der US-Wirtschaft in beide Richtungen

Die künstliche Intelligenz gilt als Hoffnungsträger für die US-Wirtschaft und das Defizit-Narrativ. Doch neue Analysen von Goldman Sachs zeigen: Der tatsächliche Beitrag von KI-Investitionen zum US-BIP ist deutlich geringer als weithin angenommen. Gleichzeitig ist das Risikoprofil dieser Ausgaben asymmetrischer geworden – sowohl nach oben als auch nach unten.

Das Ökonomenteam von Goldman Sachs unter der Leitung von Elsie Peng hat eine detaillierte Analyse veröffentlicht, wie viel der KI-Investitionen tatsächlich in das gemessene US-BIP einfließt. Das Ergebnis: Laut Goldman tragen KI-bezogene Ausgaben lediglich 0,3 Prozent auf „echter" Basis und nur 0,1 Prozent auf gemessener Basis zum BIP-Wachstum bei. Gleichzeitig werden die KI-bezogenen Ausgaben bis Jahresende annualisiert 800 Milliarden US-Dollar erreichen und im Jahr 2026 rund 3,3 Prozentpunkte zum realen Wachstum der Investitionsausgaben beitragen.

Der Grund für die Diskrepanz liegt in der Lieferkette: Ein Großteil der eingesetzten Ausrüstung – Server, Speicher, fortschrittliche Halbleiter und Komponenten der Stromübertragung – wird aus Taiwan, Korea und Japan bezogen. Diese Ausgaben verlassen die USA zum Zeitpunkt des Kaufs und erscheinen in den Exportzahlen der Lieferländer, nicht im US-BIP. Nur der bauliche Teil der KI-Infrastruktur – Rechenzentren, Kraftwerke, Netzmodernisierungen – weist einen nahezu vollständig inländischen Wertschöpfungsanteil auf.

Multiplikator-Rechnung muss korrigiert werden

Ein früheres Argument stützte sich auf die Schätzung der American Society of Civil Engineers (ASCE), wonach jeder investierte Milliarde US-Dollar an Infrastruktur über ein Jahrzehnt rund 3 Milliarden US-Dollar an BIP generiert. Dieser Multiplikator von 3:1 wurde auf die 1,8 Billionen US-Dollar an zugesagten KI-Infrastrukturinvestitionen angewandt, was eine kumulative BIP-Auswirkung von 5 Billionen US-Dollar ergab. Doch die ASCE-Zahl wurde für traditionelle öffentliche Infrastruktur mit nahezu 100-prozentigem Inlandsanteil berechnet – bei KI-Investitionen ist das nicht der Fall.

Ein gemischter Multiplikator von 2:1 ist daher realistischer. Selbst damit erhöhen 1,8 Billionen US-Dollar an zugesagten Ausgaben das kumulative BIP über ein Jahrzehnt um rund 3,6 Billionen US-Dollar. Die Verbesserung der Schuldenquote fällt damit geringer aus als ursprünglich prognostiziert – die Richtung stimmt jedoch weiterhin.

Hinzu kommt ein schwieriger gewordenes makroökonomisches Umfeld: Die zweite Schätzung des Bureau of Economic Analysis (BEA) revidierte das BIP-Wachstum im ersten Quartal 2026 von 2,0 auf 1,6 Prozent nach unten. Angebotsschocks im Nahen Osten, anhaltende Zolleffekte und eine restriktivere Einwanderungspolitik belasten zusätzlich die Konsumseite.

Produktivität ist der entscheidende Faktor

Der wichtigste – und bislang unterbewertete – Aspekt der KI-These ist die Produktivität. Die historische Bilanz bei der Verbesserung von Schuldenquoten ist eindeutig: Die Zeiträume, in denen sich die Quote tatsächlich verbesserte, waren Phasen der Produktivitätsbeschleunigung – nicht des reinen Investitionswachstums. Die Nachkriegsära und der Tech-Boom der 1990er Jahre sind hierfür die deutlichsten Beispiele. In beiden Fällen waren starke Investitionen der Auslöser, aber die eigentliche Verbesserung der Defizitsituation resultierte aus Gewinnen bei der totalen Faktorproduktivität.

Das Bullen-Szenario für KI hängt daher nicht primär davon ab, wie viele Rechenzentren gebaut werden. Entscheidend ist, ob die Einführung von KI die Produktivität in der gesamten Wirtschaft beschleunigt – im Gesundheitswesen, in der Softwareentwicklung, in der Logistik, in der Finanzvermittlung und bei professionellen Dienstleistungen. Diese Gewinne potenzieren sich und leiden nicht unter Importabflüssen.

Asymmetrisches Risikoprofil für Anleger

Die Goldmans Zahl von 0,3 Prozent erfasst zwar direkte Investitionspositionen, lässt aber wichtige Faktoren außen vor: die inländischen Auswirkungen auf den Bausektor, das Arbeitseinkommen, das über Bauarbeiter und Betreiber in die privaten Konsumausgaben fließt, die inländischen Investitionen der Energieversorger sowie regionale Spillover-Effekte in Gebieten mit hoher Rechenzentrumsdichte. Eine umfassendere Berechnung würde den KI-Fußabdruck eher bei 0,7 bis 0,9 Prozent des BIP ansetzen.

Doch dieselbe Logik gilt auch für das Abwärtsszenario. Goldman modelliert ein Umkehrszenario im Stil der Dotcom-Blase und schätzt eine BIP-Belastung von 0,2 bis 0,4 Prozentpunkten. Sollte der KI-Investitionszyklus jedoch tatsächlich einbrechen, wären die Folgen deutlich gravierender: Entlassungswellen im Baugewerbe, Stranded Assets bei Versorgern und schwere Schäden für regionale Volkswirtschaften, die um Rechenzentrums-Cluster herum aufgebaut wurden.

Für die Anlagestrategie ergeben sich daraus drei Konsequenzen:

Produktivitätseinführung vor Ausbau-Engagement:

Unternehmen, die KI in bestehende Arbeitsabläufe einbetten und messbare Produktivitätsgewinne liefern, werden Erträge nachhaltiger steigern als reine Capex-Profiteure. Die Software- und Dienstleistungsebene ist hier der entscheidende Bereich.

Infrastrukturwerte als Zykliker behandeln:

Unternehmen des Infrastrukturausbaus – darunter Caterpillar und United Rentals – sollten eher als zyklische denn als säkulare Engagements betrachtet werden. Der Dotcom-Crash von 2000–2001 zeigt, wie schnell Capex-Umsätze einbrechen können.

Finanzierungsseite im Blick behalten:

Der aktuelle KI-Investitionszyklus wird zunehmend durch Schulden und zirkuläre Anbieter-Finanzierungsmodelle zwischen Hyperscalern, Chipherstellern und Rechenzentrumsentwicklern finanziert – ein anderes Risikoprofil als bei aus einbehaltenen Gewinnen finanzierten Investitionen.

Goldman wies zudem auf einen Engpass bei den Arbeitskräften hin: Rund 600.000 offene Stellen im Handwerk stehen einem knappen Nachwuchs gegenüber – ein strukturelles Hemmnis für den weiteren Ausbau der KI-Infrastruktur in den USA.