Boom bei KI-Rechenzentren hebt Industrietitel über Chiphersteller hinaus
Google News machte am 31. Juli eine bemerkenswerte Marktverschiebung sichtbar: Der KI-Boom beflügelt neben Chipherstellern auch Anbieter von Farben, Kabeln, Asphalt und Ausrüstung.
Das unmittelbare Signal kam aus mehreren Quartalsberichten von Industrieunternehmen. Sherwin-Williams, WESCO International, PPG, 3M, Vulcan Materials und Martin Marietta Materials brachten die jüngste Geschäftsentwicklung allesamt mit dem Bau von Rechenzentren in Verbindung. Ihre Produkte liegen weit von der Softwareebene entfernt, werden jedoch zunehmend Teil der physischen KI-Lieferkette.
Das verändert den zentralen Wettbewerb im KI-Markt. Es geht nicht länger nur um Chiphersteller gegen Chiphersteller. Der aufschlussreichere Gegensatz verläuft nun zwischen digitalen Erwartungen und physischem Bau. Amazon, Alphabet, Meta, Microsoft und Oracle können mehr Rechenkapazität bestellen, doch jemand muss den Stahl beschichten, die Stromversorgung verteilen, die Server kühlen und die Standorte vorbereiten.
Google News zeigt, wie der KI-Trade in die Realwirtschaft vordringt
Die Ausgaben für KI-Infrastruktur breiten sich von spezialisierter Rechenhardware auf gewöhnliche Industrieprodukte aus.
Eine am 31. Juli veröffentlichte Analyse von Axios dokumentierte, wie der Boom bei Rechenzentren in mehreren Quartalsberichten von Industrieunternehmen auftauchte. Zu den Beispielen zählten Schutzbeschichtungen, Stromkabel, Glasfaserstecker, Asphalt, Zuschlagstoffe und Baumaterialien.
Das ist mehr als eine Reihe von Unternehmen, die KI in ihren Earnings Calls erwähnen. Rechenzentren sind Gebäude mit außergewöhnlich hohen Anforderungen. Sie verbinden die Bedürfnisse von Industrieanlagen, Umspannwerken, Kommunikationsknotenpunkten und temperaturkontrollierten Rechenumgebungen.
Jeder Standort benötigt Fundamente, Baustahl, Brandschutz, Stromverteilung, Notstromerzeugung, Netzwerkkabel, Kühlsysteme, Klebstoffe, Dichtstoffe und Spezialbeschichtungen. Große Campusanlagen brauchen zudem Straßen, Entwässerung, Sicherheitsinfrastruktur sowie Anschlüsse an Strom- und Telekommunikationsnetze.
Ein großer Teil dieser Ausgaben erscheint nie in einer Umsatzkennzahl für Halbleiter. Er fließt durch Hersteller und Distributoren, die Anleger früher mit Wohnungsbau, Fabriken, Bürogebäuden, Versorgungsunternehmen oder dem allgemeinen Baugewerbe verbanden.
Sherwin-Williams lieferte eines der deutlichsten Beispiele. Laut Axios stieg die Aktie nach Vorlage der Quartalszahlen um 8,3 %. Das war der größte Tagesgewinn seit mehr als vier Jahren.
Die Bewegung erfolgte trotz anhaltender Schwäche am US-Wohnungsmarkt, der traditionell eine wichtige Quelle der Farbnachfrage ist. Sherwin-Williams hob stattdessen das Wachstum bei Schutz- und Schiffsbeschichtungen hervor, einem Bereich für Industrieanlagen und andere anspruchsvolle Umgebungen.
Der Umsatz dieses Geschäfts wuchs im mittleren zweistelligen Prozentbereich, während der Konzernumsatz um 7,5 % zulegte. CEO Heidi Petz führte einen Teil der Differenz auf den Bau von KI-Rechenzentren und das von Hyperscale-Entwicklern geforderte Tempo zurück.
Ein Hyperscaler ist ein Unternehmen, das sehr große Rechenplattformen über viele Rechenzentren hinweg betreibt. Amazon, Alphabet, Meta, Microsoft und Oracle gehören zu den größten Käufern von KI-Infrastruktur.
Diese Unternehmen benötigen Zulieferer, die standardisierte Materialien an mehreren Baustellen liefern können. Sie stehen zudem unter Druck, Anlagen schnell fertigzustellen, weil ungenutzte Chips, verzögerte Stromanschlüsse und unvollständige Gebäude keine nutzbare Rechenkapazität erzeugen können.
Farbe wirkt neben einem KI-Beschleuniger unbedeutend. Beschichtungen schützen jedoch Baustahl, Böden, Rohre und andere Komponenten vor Feuer, Feuchtigkeit, Korrosion, Chemikalien und physischem Verschleiß. Dieser Schutz kann Sicherheit, Wartungsintervalle und den Projektabschluss beeinflussen.
Dasselbe Muster zeigte sich bei WESCO International. Der Umsatz im Geschäft mit Rechenzentrumslösungen stieg laut Axios um 45 %. WESCO vertreibt Elektro-, Kommunikations-, Versorgungs- und Sicherheitsprodukte, die die vielen Systeme innerhalb einer großen Anlage verbinden.
Auch PPG verwies auf eine Pipeline von Rechenzentrumsprojekten. Seine Produkte decken Brandschutz, Baustahl, Böden, Dämmung und dielektrische Anwendungen ab. Dielektrische Beschichtungen isolieren Komponenten elektrisch und helfen so, die dichte elektrische Umgebung rund um Rechengeräte zu beherrschen.
3M hob eine weitere, weniger sichtbare Komponente hervor. Microsoft nutzte die Glasfaserkabelstecker des Unternehmens in Azure-Rechenzentren. Diese Stecker unterstützen die Datenübertragung in hohem Volumen, die zwischen Servern, Speichersystemen und Netzwerkgeräten erforderlich ist.
Vulcan Materials und Martin Marietta Materials ergänzten eine noch grundlegendere Ebene. Beide Unternehmen brachten die Nachfrage nach Zuschlagstoffen und Baumaterialien mit großen Rechenzentrumsprojekten in Verbindung. Ihre Produkte bilden die Grundlage für Beton, Straßen, Fundamente und vorbereitete Flächen unter der digitalen Infrastruktur.
Die wesentliche Veränderung besteht nicht darin, dass jedes Industrieunternehmen zu einem KI-Unternehmen geworden ist. Vielmehr ist ein messbarer Teil der KI-Investitionen in nachgelagerte Bereiche gewandert, in denen spezialisierte Rechenprojekte zu herkömmlichen Aufträgen für physische Materialien werden.
Google News kann diesen Trend wie eine Börsengeschichte erscheinen lassen. Die zugrunde liegende Entwicklung ist breiter. KI-Investitionen werden zu Bautätigkeit, Industrieumsatz und Wirtschaftsleistung.
Der Ausbau von Rechenzentren ist zu einer industriellen Lieferkette geworden
Der KI-Boom hängt heute von einem mehrschichtigen Netzwerk von Zulieferern ab, das sich von Stromnetzen bis zu fertigen Serverräumen erstreckt.
Die erste Ebene umfasst die Rechensysteme. Dazu gehören Beschleuniger, Prozessoren, Speicher, Datenspeicher, Netzwerkhardware und Server. Diese Produkte erhalten den größten Teil der Aufmerksamkeit, weil sie die Modellleistung und Rechenkapazität unmittelbar bestimmen.
Die zweite Ebene hält diese Systeme in Betrieb. Sie umfasst Transformatoren, Schaltanlagen, unterbrechungsfreie Stromversorgungen, Stromschienensysteme, Generatoren, Kühlausrüstung, Pumpen und Stromverteilungseinheiten.
Eine unterbrechungsfreie Stromversorgung stellt kurzfristig Ersatzstrom bereit, wenn die Primärversorgung ausfällt oder schwankt. Ein Stromschienensystem verteilt hohe elektrische Lasten über ein geschlossenes System und bietet oft mehr Flexibilität als herkömmliche Kabelinstallationen.
Die dritte Ebene ist das Gebäude selbst. Auftragnehmer benötigen Beton, Baustahl, Dämmung, Beschichtungen, Löschanlagen, Bodenbeläge, Dächer, Belüftung, Wasserinfrastruktur und physische Sicherheitssysteme.
Eine vierte Ebene verbindet den Campus mit der Außenwelt. Diese Arbeiten können Umspannwerke, Übertragungstechnik, Erdgasinfrastruktur, Straßen, Telekommunikationsverbindungen und Wassersysteme umfassen.
Die kombinierte Lieferkette erklärt, warum Industrieunternehmen KI-bezogene Aufträge erhalten. Ein fertiges Rechenzentrum ist nicht lediglich ein Lagerhaus mit Servern. Es ist ein eng integriertes Industriesystem, das auf Elektrizität, Kühlung, Konnektivität und Zuverlässigkeit ausgelegt ist.
Die KI-Infrastrukturforschung von Morningstar schätzte, dass Stromversorgungssysteme 40 % bis 45 % der Ausgaben für Nicht-IT-Ausrüstung in Rechenzentren ausmachen. Dazu gehören Transformatoren, Schaltanlagen, Generatoren, Stromverteilungsanlagen und Notstromversorgung.
Die Studie stellte außerdem fest, dass moderne KI-Rechenzentren zwei- bis fünfmal mehr elektrische Leistung benötigen können als traditionelle Cloud-Colocation-Anlagen. Colocation-Anlagen vermieten gemeinsam genutzte Rechenzentrumsflächen und Infrastruktur an mehrere Kunden.
Eine höhere Leistungsdichte verändert die Ausstattung, die in jedem Gebäude erforderlich ist. Mehr Strom muss vom Netz zu jedem Rechenrack gelangen. Anschließend muss mehr Wärme aus diesen Racks abgeführt werden, ohne den Betrieb zu unterbrechen.
Diese Beziehung verschafft Industriezulieferern zwei Nachfragequellen. Entwickler benötigen Ausrüstung für zusätzliche Anlagen, während jede neue KI-Anlage je Einheit Rechenfläche mehr Ausrüstung erfordern kann.
Morningstar prognostizierte, dass sich die installierte Leistungskapazität von Rechenzentren in den USA bis 2030 auf 80 Gigawatt verdreifachen würde. Zudem erwartete das Unternehmen bis dahin ein annualisiertes Wachstum der Nachfrage nach Elektroprodukten für Rechenzentren von 30 %.
Das sind Prognosen, keine garantierten Ergebnisse. Sie veranschaulichen jedoch den Mechanismus hinter den aktuellen Aufträgen. Entwickler planen Anlagen rund um den erwarteten Stromverbrauch und nicht lediglich rund um die Anzahl der Server, die in ein Gebäude passen.
Elektrozulieferer weisen die direkteste Exponierung auf. Schneider Electric, Vertiv, Eaton, Legrand und nVent bieten unterschiedliche Kombinationen aus Energiemanagement, Kühlung, Verteilung und zugehöriger Infrastruktur.
Morningstar schätzte, dass Schneider Electric, Eaton, Legrand und nVent jeweils ungefähr 20 % bis 25 % ihres Umsatzes mit Rechenzentren erzielten. Bei Vertiv stammten schätzungsweise rund 80 % des Umsatzes aus diesem Markt.
Hersteller von Kühlsystemen haben eine engere, aber weiterhin bedeutende Exponierung. Carrier, Johnson Controls, Trane und Daikin produzieren Ausrüstung, die neben anderen gewerblichen und industriellen Gebäuden auch Rechenzentren versorgen kann.
Caterpillar und Cummins sind über Notstromerzeugung und zugehörige Energieausrüstung beteiligt. Generatoren können Anlagen bei Störungen im Stromnetz in Betrieb halten. Sie können auch Standorte unterstützen, die auf dauerhafte Versorgungskapazität warten, wobei die Betriebsvereinbarungen je nach Projekt unterschiedlich sind.
Diese Zulieferer stehen nicht alle vor derselben Chance oder demselben Risiko. Ein Transformatorenhersteller arbeitet unter anderen Produktionsbeschränkungen als ein Unternehmen für Zuschlagstoffe. Ein Kühlspezialist hängt direkter von der Wärmeleistung pro Server ab als ein diversifizierter Hersteller von Beschichtungen.
Der gemeinsame Faktor ist der Bauzeitplan. Wenn Hyperscaler Projekte beschleunigen, laufen Aufträge durch Auftragnehmer, Distributoren und Ausrüstungshersteller. Wenn Projekte langsamer vorankommen, können diese Aufträge verschoben, verkleinert oder storniert werden.
Das macht Industrieergebnisse zu einem wichtigen Bestätigungssignal. Ankündigungen beschreiben geplante Ausgaben, doch Umsätze der Zulieferer zeigen, welche Projekte weit genug fortgeschritten sind, um physische Ausrüstung und Materialien zu benötigen.
Industrietitel stellen die chipzentrierte KI-Erzählung infrage
Die stärksten Belege für die wirtschaftliche Reichweite der KI finden sich inzwischen außerhalb der Unternehmen, die Modelle und Prozessoren entwickeln.
Die erste Phase des KI-Investitionszyklus begünstigte Unternehmen, die knappe Rechenkomponenten verkauften. Die Nachfrage konzentrierte sich auf Beschleuniger, Speicher, Netzwerkausrüstung und Kapazitäten für die Halbleiterfertigung.
Diese Konzentration war nachvollziehbar. Große Sprachmodelle benötigen während Training und Betrieb enorme Rechenleistung. Unternehmen, die im Wettbewerb um den Aufbau solcher Modelle standen, brauchten Prozessoren, bevor sie vollständig ausgebaute Campusanlagen im großen Maßstab benötigten.
Der Ausgabenzyklus hat sich seither nach außen verlagert. Chips brauchen Server, Server brauchen Racks, und Racks benötigen Strom und Kühlung. Diese Systeme erfordern fertige Gebäude, die wiederum von Industriematerialien und Baukapazität abhängen.
Diese Abfolge schafft einen Markt für Schaufel-und-Spitzhacken-Anbieter. Der Ausdruck bezeichnet Zulieferer, die von einem Investitionsrausch profitieren, ohne das Endprodukt herzustellen, das die Aufmerksamkeit auf sich zieht.
Der aktuelle Zyklus unterscheidet sich jedoch von einer einfachen Bergbauanalogie. Industrieunternehmen verkaufen nicht ein standardisiertes Werkzeug an Tausende unabhängiger Goldsucher. Viele beliefern eine konzentrierte Gruppe von Hyperscalern, deren Ausgabenpläne ganze Lieferketten bewegen können.
Amazon, Alphabet, Meta, Microsoft und Oracle sollten laut Axios im Jahr 2026 mehr als 750 Milliarden US-Dollar für KI-Investitionen ausgeben. Investitionsausgaben umfassen langlebige Vermögenswerte wie Gebäude, Server, Netzwerkausrüstung und Infrastruktur.
Die Abbildung erklärt, wie relativ kleine Anteile der Budgets von Hyperscalern zu bedeutenden Umsätzen für industrielle Zulieferer werden können. Selbst ein bescheidener Anteil für Beschichtungen oder Kabel kann das übliche Wachstum in langsameren Baumärkten übertreffen.
Gleichzeitig überträgt die Ausgabenwelle jedoch finanziellen Druck. Eine frühere Analyse von Kapitaltransfers beschrieb Investitionen von Hyperscalern als Verlagerung von Cashflow zu Halbleiterunternehmen.
Dieser Prozess reicht nun weiter in die physische Wirtschaft hinein. Kapital, das Technologieplattformen verlässt, wird zu Umsatz für Auftragnehmer, Elektrohersteller, Ausrüstungsdistributoren und Materialproduzenten.
Diese Ausweitung kann die Widerstandsfähigkeit des Investitionszyklus verbessern. Industrielle Zulieferer verfügen oft über langfristige Auftragsbücher, spezialisierte Fertigungsanforderungen und Projektzeitpläne, die sich über mehrere Jahre erstrecken.
Elektrische Ausrüstung wird häufig erst nach der ersten Baustellenvorbereitung geliefert. Kühlung, Stromverteilung, Beschichtungen und Innenausbausysteme kommen in unterschiedlichen Bauphasen zum Einsatz. Eine große Projektpipeline kann daher die Umsätze von Zulieferern auch nach der ersten Ankündigung stützen.
Eine breitere Exponierung bedeutet jedoch nicht automatisch ein geringeres Risiko. Stattdessen kann sie dasselbe zugrunde liegende Risiko auf mehr Unternehmen verteilen.
Der wichtigste Gegensatz in dieser Geschichte ist digitale Ambition gegen physische Kapazität. Technologieunternehmen können Software rasch anpassen. Industrielle Lieferketten bewegen sich im Tempo von Fabriken, Genehmigungen, Versorgungsplanung, Bautrupps und Materiallieferungen.
Ein Hyperscaler kann innerhalb weniger Wochen ein neues Modell oder einen Computing-Campus ankündigen. Der Aufbau der Stromversorgung für diesen Campus kann Jahre dauern. Transformatoren benötigen spezialisierte Materialien und Fertigungskapazitäten. Übertragungsprojekte stoßen auf Umweltprüfungen, lokale Politik und komplexe Genehmigungsverfahren.
Kühlsysteme bringen eine weitere Einschränkung mit sich. Prozessoren mit höherer Dichte erzeugen in jedem Rack mehr Wärme. Entwickler ziehen zunehmend Flüssigkühlung in Betracht, bei der Wärme durch Flüssigkeitssysteme abgeführt wird, statt sich ausschließlich auf Luftbewegung zu verlassen.
Dieser Wandel kann Unternehmen zugutekommen, die Pumpen, Wärmetauscher, Steuerungen und andere thermische Systeme liefern. Er kann jedoch auch Bau, Wartung, Wasserplanung und die Gestaltung von Anlagen komplexer machen.
Die daraus entstehenden KI-Industrieaktien bilden keine einheitliche Kategorie. Vertiv ist eng mit Rechenzentren verbunden, während Schneider Electric und Eaton in breiteren Elektromärkten tätig sind. Sherwin-Williams verkauft in den Wohnungsbau und zahlreiche industrielle Anwendungen. Vulcan Materials bedient viele Baukategorien.
Diversifizierung kann einen Zulieferer schützen, wenn die Nachfrage nach Rechenzentren nachlässt. Sie kann die KI-Exponierung jedoch auch schwerer messbar machen. Ein Unternehmen, das Rechenzentren erwähnt, kann den Großteil seiner Gewinne dennoch in nicht verwandten Märkten erzielen.
Investoren und gewerbliche Käufer müssen daher zwischen echten Aufträgen und werblicher Sprache unterscheiden. Nützliche Indikatoren sind offengelegte Umsatzexponierung, Wachstum des Auftragsbestands, Lieferzeitpläne, Fertigungskapazität und Kundenkonzentration.
Eine beiläufige Erwähnung von KI verwandelt ein Industrieunternehmen nicht. Wiederholungsaufträge, Produktionsausbau und messbares Segmentwachstum liefern stärkere Belege.
Was die Rally bei Industrieaktien nicht beweist
Steigende Industrieerträge bestätigen reale Bautätigkeit, aber sie bestätigen nicht, dass jede geplante KI-Anlage ausreichende wirtschaftliche Erträge liefern wird.
Die zentrale Unsicherheit liegt bei den Hyperscalern, die den Ausbau finanzieren. Ihre Ausgaben hängen von anhaltender Nachfrage nach Cloud Computing, Modelltraining, KI-Inferenz, Unternehmensdiensten, Werbesystemen und Verbraucherprodukten ab.
Inference ist der Prozess, bei dem ein trainiertes Modell genutzt wird, um eine Antwort, Vorhersage, ein Bild oder einen anderen Output zu erzeugen. Wachsende Inferenznachfrage kann Rechenzentren auch nach dem Ende kostspieliger Trainingsläufe auslasten.
Die finanzielle Frage lautet, ob die Umsätze aus diesen Workloads die Gebäude, Chips, Energie und Finanzierung dahinter rechtfertigen werden. Industrielle Zulieferer können Umsätze verbuchen, bevor die letztlichen KI-Dienste angemessene Erträge erwirtschaften.
Dadurch entsteht eine zeitliche Lücke. Ein Beschichtungsunternehmen wird bezahlt, während ein Gebäude voranschreitet. Ein Kabeldistributor erfasst Nachfrage, wenn Ausrüstung ausgeliefert wird. Der Hyperscaler muss die Anlage anschließend betreiben und ihre Rechenkapazität über Jahre monetarisieren.
KI-Infrastruktur kann daher industrielle Erträge stützen, selbst wenn Unsicherheit über die endgültigen Anwendungen besteht. Das macht die Aufträge nicht unreal. Es macht die Dauerhaftigkeit künftiger Aufträge von Ergebnissen weiter oben in der wirtschaftlichen Wertschöpfungskette abhängig.
Daron Acemoglu, Ökonom am MIT, hat argumentiert, dass Investitionen sich verlangsamen könnten, wenn sie die Nachfrage weiterhin übertreffen. Eine Axios-Untersuchung zu den Grenzen des KI-Wachstums verglich den aktuellen Zyklus mit früheren Infrastrukturbooms bei Eisenbahnen, Kanälen und dem Internet.
Diese Phasen schufen wertvolle langfristige Infrastruktur. Sie führten jedoch auch zu finanziellen Verlusten, wenn der Bau die kurzfristige Nachfrage überstieg oder Investoren Projektpipelines unrealistische Werte zuschrieben.
Die industriellen Profiteure stehen vor einer ähnlichen Spannung. Bestehende Aufträge können die Gewinne stärken, während Marktbewertungen weiteres Wachstum voraussetzen. Wenn Hyperscaler ihre Ausgaben reduzieren, können sich operative Ergebnisse und die daran geknüpften Erwartungen in entgegengesetzte Richtungen bewegen.
Morningstar identifizierte dieses Bewertungsrisiko in seiner Untersuchung zu elektrischer Ausrüstung. Das Unternehmen sah Vertiv aufgrund seiner hohen Rechenzentrumskonzentration und der spezialisierten Rolle seiner Flüssigkühlprodukte als besonders exponiert an.
Diversifizierte Elektrounternehmen können einen Teil ihrer Produkte auf Fabriken, Versorger, Gewerbegebäude oder die Modernisierung des Stromnetzes umleiten. Rechenzentrumsspezifische Systeme könnten weniger alternative Kunden haben.
Projektstornierungen sind nicht das einzige Risiko. Verzögerungen können vergleichbaren Druck erzeugen, indem sie Lieferungen und Umsatzerfassung in spätere Zeiträume verschieben. Probleme bei der Netzanbindung, Genehmigungsstreitigkeiten, Wasserbeschränkungen und Arbeitskräftemangel können den Bau allesamt verlangsamen.
Die Verfügbarkeit von Strom ist besonders wichtig geworden. Ein Gebäude ohne zuverlässige Stromquelle kann nicht als KI-Anlage betrieben werden – unabhängig davon, ob seine Server und Kühlsysteme bereitstehen.
Auch der lokale politische Widerstand hat zugenommen. Gemeinden haben Stromverbrauch, Wasserverbrauch, Lärm, Flächenbedarf, Steueranreize und die Auswirkungen großer Anlagen auf die Nebenkosten privater Haushalte infrage gestellt.
Diese Bedenken können die Projektökonomie verändern. Entwickler benötigen möglicherweise zusätzliche Erzeugungskapazität, Ausbau des Übertragungsnetzes, Wassersysteme, Lärmschutzmaßnahmen oder Vereinbarungen mit Gemeinden. Jede Anforderung kann für einige industrielle Zulieferer Geschäft schaffen und zugleich die Gesamtrendite des Projekts schwächen.
Arbeitskräfte stellen eine weitere Einschränkung dar. Der Bau von Rechenzentren benötigt Elektriker, Rohrschlosser, Schweißer, Maschinenführer, Ingenieure und Techniker. Viele dieser Tätigkeiten erfordern Zertifizierungen oder lange Ausbildungszeiten.
Der Boom wirkt sich auch auf bestehende Arbeitsverhandlungen aus. Im August zeigte ein Arbeitskonflikt in der Industrie bei Deere, wie KI-gebundene Nachfrage mit den Erwartungen der Beschäftigten etablierter Ausrüstungshersteller kollidieren kann.
Keines dieser Risiken entkräftet die aktuellen Gewinnbelege. Sherwin-Williams verkaufte weiterhin Beschichtungen. WESCO meldete weiterhin höhere Umsätze mit Rechenzentrumslösungen. Materialzulieferer sahen weiterhin, dass große Projekte die nicht-wohnwirtschaftliche Aktivität stützten.
Die Vorsicht betrifft die Extrapolation. Ein Quartal starker Nachfrage begründet keine dauerhafte Wachstumsrate. Der aktuelle Auftragsbestand eines Zulieferers garantiert nicht, dass jede künftige Hyperscaler-Ankündigung zu einem fertiggestellten Campus wird.
Leser sollten zudem wirtschaftliche Exponierung von Aktienkursentwicklung trennen. Ein Unternehmen kann operativ von KI profitieren, während seine Aktien fallen, weil die Erwartungen höher waren. Ein anderes Unternehmen kann steigen, bevor die entsprechenden Umsätze wesentlich werden.
Dieser Artikel stellt keine Anlageempfehlung dar. Das Marktsignal ist wichtig, weil es zeigt, wie weit sich KI-Ausgaben durch die Wirtschaft bewegt haben, nicht weil jeder industrielle Profiteur dasselbe Finanzprofil aufweist.
Drei Signale werden zeigen, ob der Boom anhalten kann
Die nächste Phase wird von den Budgets der Hyperscaler, den Auftragsbeständen der Zulieferer und dem Tempo abhängen, mit dem angekündigte Anlagen Strom sichern und in Betrieb gehen.
Das erste Signal ist die Investitionsausgabenprognose von Amazon, Alphabet, Meta, Microsoft und Oracle. Diese Unternehmen finanzieren einen Großteil des aktuellen Bauzyklus.
Leser sollten beobachten, ob die Gruppe ihre geplanten Infrastrukturausgaben in den kommenden Ergebnisberichten beibehält, erhöht oder reduziert. Die Zusammensetzung dieser Ausgaben ist ebenso wichtig wie ihre Gesamthöhe.
Mehr Mittel für aktive Bauprojekte würden die industrielle These stärken. Eine Verlagerung hin zur Verlängerung der Nutzungsdauer bestehender Anlagen könnte die Nachfrage nach Beschichtungen, Zuschlagstoffen, Kabeln und neu gefertigter elektrischer Ausrüstung schwächen.
Das zweite Signal ist die Umwandlung von Auftragsbeständen der Zulieferer in Umsatz. Der Auftragsbestand umfasst vertraglich vereinbarte oder erwartete Arbeiten, die noch nicht vollständig geliefert und erfasst wurden.
Elektrik- und Kühlunternehmen sollten offenlegen, ob die Aufträge weiter wachsen, ob Kunden Lieferungen verschieben und ob die Fertigungsvorlaufzeiten erhöht bleiben. Zulieferer von Beschichtungen, Kabeln und Materialien sollten wiederkehrende Rechenzentrumsnachfrage statt einzelner Projekterfolge zeigen.
Ein stabiler Auftragsbestand in Verbindung mit abgeschlossenen Lieferungen würde die Ansicht stützen, dass KI-Ausgaben zu einem mehrjährigen Industriezyklus geworden sind. Steigende Stornierungen oder wiederholte Verschiebungen würden diese Schlussfolgerung infrage stellen.
Das dritte Signal ist die Zahl der Projekte, die Strom erhalten und den Betrieb aufnehmen. Angekündigte Kapazität entspricht nicht nutzbarer Kapazität. Anlagen benötigen Vereinbarungen mit Versorgern, Erzeugungskapazität, Übertragungsanschlüsse, Kühlsysteme, Genehmigungen, Bauarbeitskräfte und Kunden.
Morningstar schätzte, dass die installierte Rechenzentrumsleistung in den USA bis 2030 80 Gigawatt erreichen könnte. Fortschritte in Richtung dieses Niveaus würden den Nachfrageausblick für Stromsysteme und damit verbundene Industrieprodukte stärken.
Anhaltende Verzögerungen bei der Netzanbindung würden ihn schwächen. Sie könnten fertige Gebäude oder bereits gekaufte Ausrüstung auf Strom warten lassen und dadurch neue Aufträge an anderer Stelle in der Lieferkette verlangsamen.
Diese Indikatoren helfen auch Wissensarbeitern und Unternehmenskäufern, den KI-Markt einzuordnen. Mehr physische Kapazität kann den Zugang zu Rechenleistung erweitern, doch Infrastrukturkosten werden weiterhin die Verfügbarkeit, Zuverlässigkeit und den Preis KI-intensiver Workflows beeinflussen.
Teams, die einen schnell voranschreitenden Ausbau verfolgen, müssen Ergebnisberichte, Projektankündigungen, technische Veränderungen und regulatorische Entwicklungen miteinander verknüpfen. Eine durchsuchbare KI-Wissensdatenbank kann dabei helfen, diese Verbindungen zu bewahren, ohne die Geschichte auf eine einzelne Schlagzeile zu reduzieren.
Die Google-News-Geschichte ist wichtig, weil zu den Gewinnern nun Unternehmen gehören, die in Diskussionen über Modell-Benchmarks selten auftauchen. Farbe, Kabel, Kühlung, Asphalt und Stromausrüstung sind zu Belegen tatsächlicher Bautätigkeit geworden.
Diese Belege stärken die Annahme, dass KI die Realwirtschaft beeinflusst. Sie erhöhen jedoch auch die Zahl der Unternehmen, die demselben Ausgabenzyklus ausgesetzt sind.
Die nächste Frage lautet nicht, ob industrielle Zulieferer KI-bezogene Aufträge erhalten haben. Ihre Ergebnisse zeigen, dass sie es haben. Die Frage ist, ob Hyperscaler ein historisches Bauprogramm in dauerhafte Nachfrage umwandeln können, bevor physische Engpässe und finanzieller Druck es unterbrechen.
Beobachten Sie die Budgets, die Auftragsbestände und die mit Strom versorgten Anlagen. Zusammen werden diese Signale zeigen, ob diese industrielle Expansion zu dauerhafter Infrastruktur wird oder sich den Grenzen eines ungewöhnlich konzentrierten Booms nähert.
