• KI sorgt weiterhin für Börsenrally
• Analysten kritisieren gigantische Kapitalausgaben für KI-Infrastruktur
• Sorge vor Überkapazitäten

Seit OpenAI im November 2022 seinen Chatbot ChatGPT gelauncht hat ist ein regelrechter Hype rund um KI entstanden. Die Hoffnung auf sagenhafte Umsatze im Bereich der KI sorgt seither für eine Rekordrally an den Aktienmärkten. Kein Wunder, haben doch die Analysten von PwC prognostizieren, dass KI bis 2030 fast 16 Billionen Dollar zur Weltwirtschaft beitragen wird.

Kein anderes Unternehmen ist so sehr Sinnbild für diese Euphorie wie NVIDIA. Denn infolge des Hypes rund um künstliche Intelligenz (KI) steigt auch der Bedarf an spezialisierter Technik in Rechenzentren enorm. Hiervon kann insbesondere NVIDIA profitieren, denn mit den Chipsystemen des US-Konzerns wird nicht nur die KI-Software in Rechenzentren trainiert, außerdem werden sie zunehmend auch für deren Betrieb eingesetzt. Dank seines technologischen Vorsprungs konnte sich NVIDIA zum Marktführer aufschwingen und beherrscht nun etwa 80 Prozent des Weltmarktes für KI-Hochleistungsprozessoren.

Doch inzwischen gibt es auch Zweifler. Nach 18 Monaten KI-Boom melden sich nun einige Analysten zu Wort die befürchten, dass es länger dauern könnte, bis sich die enormen von Hyperscalern getätigten Kapitalausgaben auszahlen werden, wenn überhaupt. Hyperscaler sind Technologiegiganten wie etwa Amazon, Microsoft oder Alphabet, die in großem Umfang Cloud-Computing-Dienste anbieten. Diese Konzerne betreiben riesige Rechenzentren und besitzen die nötige Infrastruktur, um eine riesige Datenmenge zu verarbeiten und zu speichern.

Kritik an riesigen KI-Infrastrukturinvestitionen

So befürchtet beispielsweise Ken Laudan, der den Buffalo Large Cap Fund verwaltet, dass es noch länger dauern wird, bis sogenannte "KI-Anwender" - so bezeichnet er Unternehmen die ihren Kunden zusätzlich zu ihrer Unternehmens- oder vertikalen Software auch noch große Sprachmodelle (LLMs) anbieten - diese Technologie tatsächlich nutzbar machen werden. Diese Verzögerung könnte schwerwiegende Folgen haben, warnte er in einem Interview mit "MarketWatch", denn sie werfe eine wichtige Frage auf: "Wie viel können die Investoren tolerieren?". Laudan rechnet damit, dass Investoren sehen wollen, dass Hyperscaler sich dahingehend "drastisch verändern", dass sich die Kluft zwischen KI-Infrastrukturinvestitionen und den Einnahmen der KI-Anwender "drastisch" schließt.

Auch bei Barclays betrachtet man die enormen KI-bezogene Kapitalausgaben kritisch. So ist ein Team von Aktienforschungsanalysten der britischen Großbank der Meinung, dass die Investitionsflut in Rechenzentren durch Cloud-Computing-Dienstleister eher mit "FOMO" (fear of missing out) zusammenhängt. Dieser angesprochene FOMO-Effekt beschreibt das Phänomen, dass die großen Technologiekonzerne von der Besorgnis beherrscht werden, nicht an dem KI-Aufschwung partizipieren zu können. Sie wollen also später nicht bereuen, dass sie nicht ausreichend in KI investiert haben. Tatsächlich investieren die Hyperscaler nach Ansicht des Barclays-Teams jedoch zu viel in Infrastruktur und ihre Pläne in Bezug auf neue Rechenzentren übersteigen die erwartete Nachfrage.

Kritisch zur Profitabilität von KI äußerte sich auch Jim Covello, der globale Leiter der Aktienforschung von Goldman Sachs. Er schätzt, dass Unternehmen in den nächsten Jahren eine Billion Dollar in Zusammenhang mit KI ausgeben werden. Um diese enormen Ausgaben zu rechtfertigen, müsste KI jedoch dazu fähig sein, komplexe Probleme zu lösen, doch dafür sei sie einfach nicht ausgelegt, argumentiert er. "Viele Menschen scheinen zu glauben, dass KI die wichtigste technologische Erfindung ihres Lebens sein wird, aber ich stimme dem nicht zu, wenn man bedenkt, in welchem Ausmaß das Internet, Mobiltelefone und Laptops unser tägliches Leben grundlegend verändert haben und es uns ermöglichen, Dinge zu tun, die nie zuvor möglich waren", wird Covello zitiert.

Covello trat ferner der von manchen geäußerten Meinung entgegen, dass infolge eines zunehmenden Wettbewerbs die Kosten für Chips, welche zur Schulung von KI-Modellen und zum Betrieb von KI-Anwendungen benötigt werden, im Laufe der Zeit sinken werden. Dieser Ansicht widersprach der Goldman Sachs-Analyst mit dem Argument, dass Konkurrenten bereits seit einem Jahrzehnt versucht hätten, in den von NVIDIA dominierten GPU-Bereich einzudringen und dabei kaum nennenswerten Erfolg hatten.

Redaktion finanzen.net