KI wird stark vom geopolitischen Wettbewerb geprägt. Insbesondere die Spannungen zwischen den USA und China sind zu einem prägenden Merkmal der globalen Technologiebranche geworden. Sie sind eine treibende Kraft, die darüber entscheidet, wer was, wo und zu welchen Kosten entwickeln kann.
Eine hilfreiche Herangehensweise besteht darin, zu unterscheiden, wo KI bereits gut funktioniert und wo es noch Probleme gibt. Derzeit ist KI in der „geschlossenen“ Welt äußerst leistungsfähig: bei Software, Datenanalyse, Programmierung und digitalen Arbeitsabläufen. Im Gegensatz dazu ist sie in der „physischen“ Welt, etwa in der Robotik, bei autonomen Fahrzeugen oder bei der konkreten Entscheidungsfindung, nach wie vor weitaus weniger zuverlässig.
Diese Unterscheidung ist für Investoren wichtig, da dadurch deutlich wird, in welchen Bereichen disruptive Veränderungen voraussichtlich am schnellsten eintreten werden. Softwareintensive Branchen sehen sich bereits jetzt dem Wettbewerbsdruck durch die Einführung verschiedener neuer KI-Tools ausgesetzt. In der Fertigungsindustrie hingegen sind die Auswirkungen langsamer und uneinheitlicher, was eher auf regulatorische Vorgaben oder gesellschaftliche Sicherheitsbedenken zurückzuführen ist als auf die eigentlichen Fähigkeiten der KI.
Die Politik steht nun im Mittelpunkt dieses Geschehens: Sie prägt Geschäftsmodelle und die Kapitalallokation. Dabei wird sie von verschiedenen Faktoren beeinflusst, die von Exportkontrollen und Subventionen bis hin zu Industriepolitik und Abhängigkeit vom Ausland reichen. Die Zugangsbeschränkung zu modernen Chips mag den Fortschritt in einigen Regionen verlangsamen, doch sie verhindert weder die Einführung noch den Lernprozess gänzlich. In der Praxis verändert sie lediglich den eingeschlagenen Weg und eröffnet Möglichkeiten für innovative praktische Lösungen.
Es ist auch deutlich zu spüren, dass hier unterschiedliche Philosophien am Werk sind. In den USA herrscht nach wie vor die Denkweise „Modell zuerst“ vor: Man entwickelt die fortschrittlichste KI, die möglich ist, und überlegt sich erst danach, wie man sie gewinnbringend einsetzen kann. In China hingegen geht der Ansatz eher in Richtung „Einsatz zuerst“: KI wird als Dienstleistung betrachtet und in großem Maßstab eingeführt. Durch schnelle Iterationen werden die Kosten gesenkt und die Durchdringung der kommerziellen Märkte vorangetrieben.
Diese Ansätze weisen jeweils unterschiedliche Stärken und Schwächen auf, doch beide Systeme sind mit erheblichen Einschränkungen konfrontiert. In den USA bestehen infrastrukturelle Engpässe: Stromnetze, Anlagenplanung und Wasserversorgung haben Mühe, mit dem steigenden Bedarf der expandierenden Rechenzentren Schritt zu halten. In China stellt der Zugang zu moderner Rechenhardware nach wie vor ein Hindernis sowohl für die Weiterentwicklung als auch für die Markteinführung dar.
Tech-Stacks als Strategie – warum KI kein einheitliches Geschäftsfeld ist
Die Verlagerung zu einem Denken in „Tech-Stacks“ anstelle von einzelnen Unternehmen oder Produkten ist auch zentral. Die Märkte haben KI bislang meist als ein einzelnes Geschäftsfeld behandelt, wobei sich die Anleger gleichzeitig auf die offensichtlichsten Chancen gestürzt haben. KI ist jedoch ein mehrschichtiges System, das von der physischen Infrastruktur am unteren Ende bis hin zu Anwendungen und Diensten am oberen Ende reicht.
Die Basis des Stacks bilden Energie, Land, Kühlung und Rechenzentren. Darüber liegen Netzwerke, Halbleiter, Cloud-Plattformen, Daten und schließlich die Umsetzung in konkrete Produkte und Dienstleistungen. Wettbewerb, Margen und Engpässe sehen auf jeder Ebene ganz unterschiedlich aus. Die nachhaltigsten Chancen – oder jene, auf die sich KI am stärksten auswirkt – sind möglicherweise nicht die offensichtlichsten.
Gleichzeitig kann der Wettbewerb innerhalb eines Stacks gnadenlos sein. Wo Technologien zur Massenware oder stark subventioniert werden, können Margen sehr schnell durch den Wettbewerb wegfallen. Umso wichtiger wird das Verständnis dafür, wo Wert entsteht – und wo er verloren geht. Durch Feedback zu lernen und Kosten zu senken, kann genauso entscheidend sein wie technische Brillanz. In manchen Märkten können Technologien, die „gut genug“ oder „günstig genug“ sind, „Best-in-Class“-Technologien übertrumpfen, die teuer und/oder langwierig zu implementieren sind.
Die Bedeutung von Vertrauen in KI … und warum es so zerbrechlich ist
Vertrauen mag abstrakt erscheinen, doch bei KI gewinnt es zunehmend an Bedeutung. In sensiblen Bereichen wie Finanzen, Identitäts- und Datensicherheit ist Vertrauen bereits von grundlegender Bedeutung. Es wirkt sich unmittelbar auf Beschaffungsentscheidungen, regulatorische Genehmigungen und die Akzeptanz bei den Kunden aus.
Mit zunehmender Einbettung künstlicher Intelligenz in kritische Systeme prägt das Vertrauen auch, wie Unternehmen und Regierungen ihre Strategien in Bezug auf Risiken, Zuständigkeiten, Regulierung und Abhängigkeiten gestalten – ein Zeichen für das Ausmaß der potenziellen Auswirkungen. Auch wenn eine solche Fragmentierung aus rein wirtschaftlicher Sicht ineffizient ist – mit doppelten Systemen, sich überschneidenden Lieferketten und höheren Kosten –, kann sie dennoch eine rationale Antwort sein, wenn es um Resilienz und strategische Autonomie geht.
Sicherheit steht im Mittelpunkt dieser Dynamik. Fortschrittliche KI-Systeme können Schwachstellen schneller erkennen als Menschen, was die Wahrscheinlichkeit von Panikmache, Beinaheunfällen und einer genauen Überprüfung der Systemresilienz erhöht. Gleichzeitig können sie Anpassungs- und Abwehrmaßnahmen beschleunigen. Initiativen wie das „Project Glasswing“, bei dem Anthropic Regierungsbehörden und ausgewählten Organisationen frühzeitig Zugang zu seinen Claude-KI-Modellen (Mythos) gewährt hat, zielen auf die Stärkung des Vertrauens ab, indem sie die Cybersicherheit verbessern und die Einführung im öffentlichen Sektor unterstützen.
Dies erklärt, warum Regierungen zunehmend bereit sind, mehr für bewährte Technologien zu zahlen, selbst wenn günstigere Alternativen zur Verfügung stehen. Vertrauen ist zu einer Zugangsbarriere geworden. Die Entscheidung Frankreichs, Windows durch Linux zu ersetzen, verdeutlicht, dass technologische Abhängigkeit mittlerweile als konkretes Risiko angesehen wird. Wie Unternehmen und Regierungen darauf reagieren – sei es durch Angleichung, politische Maßnahmen oder Regulierung – dürfte eine wichtige Rolle bei der Gestaltung der Kapitalströme und der Nachhaltigkeit von Wettbewerbsvorteilen spielen.
Wann ist ein Unternehmen gewappnet für KI-Disruption?
• Nachweise dafür, dass KI das Umsatzwachstum beschleunigt, messbare Kosteneinsparungen ermöglicht oder zu einer nachhaltigen Margenverbesserung führt.
• Das Vorhandensein von „Schutzwällen“, die ein Unternehmen potenziell vor den Auswirkungen der KI schützen können. Dazu können einzigartige Kompetenzen oder langfristige Verträge, Datenvorteile, glaubwürdige Sicherheitsreferenzen, die Kosten für einen Wechsel zu Alternativen oder bestehende vertrauensvolle Beziehungen zu den Kunden gehören.
• Maßnahmen zum Management regulatorischer Risiken (z. B. Beschaffungsstandards, Gesetzgebung oder Compliance-Anforderungen), die das Unternehmen vor den Auswirkungen des durch KI getriebenen Wettbewerbs schützen können.
Auswirkungen für Anleger
Der KI-Superzyklus treibt die Märkte seit 2023 an. Allerdings wurde dieses Thema oft zu stark vereinfacht betrachtet: Man stürzte sich auf die offensichtlichen KI-Gewinner und ging davon aus, dass die heutigen Marktführer die Nachfrage von morgen automatisch monetarisieren würden. In Wirklichkeit wird die Bandbreite der möglichen Ergebnisse immer größer. Einige Unternehmen erweisen sich als dauerhafte Nutznießer; andere sehen sich schneller (oder langsamer) als erwartet mit Disintermediation konfrontiert. Gerade in einem solchen Umfeld können Absolute-Return-Strategien, die einen flexiblen Rahmen aus Long- und Short-Positionen nutzen, einen Mehrwert schaffen, indem sie sowohl auf die KI-Gewinner als auch auf die -Verlierer setzen.
Entscheidend ist dabei, KI-Themen von den Investitionsrealitäten zu trennen. Auf der Long-Seite blicken wir über die gängigen Narrative hinaus auf beständige Chancen sowohl in Infrastrukturen, die das KI-Wachstum unterstützen (Strom, Wasser, Daten und kritische Dienstleistungen), als auch auf weniger beachtete Nutznießer, bei denen KI Produktivitätssteigerungen, Kostensenkungen und Margenausweitungen vorantreibt. Diese Unternehmen sind vielleicht keine Vorreiter im KI-Bereich, können aber Netto-Nutznießer sein, da KI in Dienstleistungs- und Fertigungsbranchen zu einem stillen Motor der Desinflation wird.
Auf der Short-Seite liegt der Fokus auf Bereichen, in denen die Bewertungen bereits eine makellose Umsetzung voraussetzen, in denen die Monetarisierungswege ungewiss bleiben oder in denen Wettbewerbsvorteile schwinden. Da KI das Tempo des Wandels beschleunigt, können Märkte ineffizient werden, was Chancen auf Fehlbewertungen für flexiblere Anleger oder solche schafft, die über den Konsens der Masse hinausblicken können.
Angesichts der Veränderungen in der KI-Landschaft durch Vertrauen und technologische Entscheidungen dürften Erträge eher selektives Vorgehen als bloßen Optimismus belohnen. In einem solchen Umfeld dürften sich Absolute-Return-Aktienstrategien besonders gut behaupten, indem sie durch Long- und Short-Positionen die zunehmende Marktdispersion ausnutzen und sich flexibel an ein sich wandelndes Umfeld anpassen. KI wird nicht allen gleichermaßen zugutekommen. Da Vertrauen, Regulierung und Technologie-Stacks die Märkte fragmentieren, liegen die größten Chancen für Anleger möglicherweise darin, die echten Nutznießer von denen zu unterscheiden, deren Aussichten überbewertet werden.
www.fixed-income.org
