Die jüngsten KI-Fortschritte lassen vermuten, dass wir erst am Anfang stehen. Das endgültige Potenzial ist offenbar noch größer als bislang angenommen, urteilt Humberto Nardiello, Fondsmanager bei DPAM. Er identifiziert sieben maßgebliche Entwicklungen:
1. Kognitive Fähigkeiten: Werkzeuge wie Claude Code von Anthropic sind in der Lage, Software mit minimalem menschlichem Zutun zu entwickeln. Dieser Produktivitätsschub senkt Grenzkosten, erhöht den Output und steigert reale Einkommen. Die Nachfrage nach Softwareentwicklern bleibt robust, obwohl KI Tools stark an Bedeutung gewinnen. Mit der Rechenleistung existiert zudem eine natürliche wirtschaftliche Grenze der vollständigen Automatisierung, weil ihr Bedarf mit zunehmender Nutzung schneller wächst als die verfügbare Kapazität und Energie.
2. Aufstieg der KI-Agenten: Im Gegensatz zu Chat Schnittstellen, die auf Anfrage reagieren, führen Agenten Aufgaben kontinuierlich aus. KI entwickelt sich damit vom Werkzeug zur ausführenden Instanz, die tief in wirtschaftliche Prozesse eingebettet ist. Die Nachfrage nach Rechenleistung steigt damit sprunghaft an. Sie ist nicht mehr an die Anzahl der Nutzerlizenzen gebunden, sondern an die Zahl parallel laufender Prozesse.
3. Monetarisierung: Von Pauschalabonnements verschiebt sich das Nutzungsmodell hin zu einer nutzungsbasierten („Pay per use“)-Bepreisung. Preise können nach Nutzungsintensität, Zahlungsbereitschaft und Sensitivität gegenüber Latenzzeiten differenziert werden. Dies erweitert erstens das Umsatzpotenzial für Modellanbieter, da die Preisbildung mit dem geschaffenen Mehrwert skaliert. Zweitens adressiert sie die häufig von Skeptikern geäußerte Sorge einer „zirkulären Finanzierung“. Wenn Nutzung gemessen wird und die Nachfrage elastisch auf Produktivitätsgewinne reagiert, ist das Umsatzwachstum nicht künstlich, sondern direkt an realwirtschaftliche Wertschöpfung gekoppelt. Das Ergebnis ist ein nachhaltigerer Monetarisierungskreislauf.
4. Wandel der Infrastruktur: Einen Prompt und seinen Kontext zu verstehen, ist rechenintensiv, während die Generierung von Tokens stark von Speicherbandbreite abhängt. Diese Trennung ermöglicht eine effizientere Verteilung von Workloads über heterogene Rechenressourcen. Ältere GPUs können für erstere Aufgaben weiterverwendet werden; neuere oder spezialisierte Systeme übernehmen zweitere. Damit verlängert sich die wirtschaftliche Nutzungsdauer von GPUs deutlich, d. h. die Abschreibungsbelastung sinkt und man braucht weniger Kapital pro Output Einheit. Für Hyperscaler bedeutet dies langfristig höhere Renditen – insbesondere, da sich die Infrastruktur zunehmend von der Trainingsphase, die keine direkten Umsätze generiert, hin zur umsatzbringenden Inferenzphase verschiebt. Effizienzgewinne erweitern das Angebot, selbst während sich die Nachfrage weiter beschleunigt.
5. Frontier KI Modelle: Modelle wie die von Anthropic und OpenAI lassen sich erstmals sehr schnell und zugleich effizient monetarisieren: Beide Unternehmen steigern ihre Umsätze in sehr kurzer Zeit – ein Beleg dafür, dass Large Language Models im großen Maßstab wirtschaftlich tragfähig sind – insbesondere durch den Übergang zu nutzungsbasierter Bepreisung, bei der Erlöse an den tatsächlichen Einsatz gekoppelt sind. Gleichzeitig verlagert sich der Markt von der Trainings- in die Inferenzphase, in der Umsätze direkt generiert werden und mehr Auslastung für höhere Effizienz sorgt.
6. KI in der physischen Welt: Die Entwicklung geht über reine Softwareanwendungen hinaus. Systeme entwickeln sich etwa beim autonomen Fahren – sie erfassen komplette Szenen, antizipieren Verhalten und setzen Wahrnehmung direkt in Handlung um. Diese Fähigkeiten sind branchenübergreifend einsetzbar – von Logistik über industrielle Fertigung bis hin zu Mobilität.
7. Steile Steigung: Unternehmen nutzen KI immer mehr. Der Markt für Unternehmens KI könnte ein Volumen von 3 bis 5 Billionen US-Dollar erreichen; derzeit dürfte die Marktdurchdringung noch unter 10 % liegen. Der Weg führt von Chat Anwendungen über direkt in Arbeitsabläufe integrierte KI Lösungen hin zu aufgabenspezifischen Tools, gefolgt von vollständig autonomen Agenten und schließlich koordinierten Agenten-Netzwerken. Gesamtwirtschaftliche Ungewissheit dürfte diesen Prozess eher beschleunigen: Ein schwächeres Umfeld verstärkt den Anreiz, Arbeitskosten zu senken, neue Technologien zu integrieren und die Produktivität zu steigern. KI wird zum deflationären Instrument.
Fazit:
KI bietet eine Kombination aus stärkerer Nachfrage, verbesserter Monetarisierung, langlebigeren Computer Assets und klaren Renditeaussichten. Gemessen an den enormen Chancen scheint KI noch wenig durchgedrungen zu sein. Es ist einer jener seltenen Momente, in denen das fundamentale Wachstum und die Investmentargumentation gleichzeitig überzeugen.
www.fixed-income.org
