AWS investiert, um mit der Nachfrage Schritt zu halten, doch Kapazitäten bleiben knapp

Amazon Web Services erhöht seine Infrastrukturinvestitionen, nachdem die Nachfrage das Angebot überstieg – obwohl das Unternehmen in diesem Jahr Hunderte Milliarden Dollar für Investitionen zugesagt hat.

AWS-CEO Matt Garman sagte Bloomberg, Kunden wollten weiterhin mehr Kapazität, als der Cloud-Anbieter bereitstellen könne. Amazon baut deshalb Rechenzentren, sichert Komponenten und erweitert den Zugang zu Strom so schnell, wie es die Lieferkette zulässt.

Für ein Unternehmen, das knappe Rechenkapazitäten verkauft, klingt diese Aussage beruhigend. Sie offenbart aber auch das zentrale Risiko hinter dem Boom bei KI-Infrastruktur. Amazon muss Jahre vor der Nachfrage investieren und zugleich nachweisen, dass die heutigen Engpässe auf nachhaltigen Kunden-Workloads beruhen – und nicht auf vorübergehender Begeisterung.

Amazons jüngste Ergebnisse stützen diese Argumentation. Der AWS-Umsatz erreichte im zweiten Quartal 2026 42,2 Milliarden Dollar, ein Anstieg um 37 % gegenüber dem Vorjahr. Das war die höchste Wachstumsrate der Sparte seit 18 Quartalen.

Doch die Investitionen, die nötig sind, um diese Beschleunigung zu unterstützen, steigen weiter. Amazon rechnet nun mit erheblichen Investitionen in Rechenzentren, Chips, Robotik und andere langfristige Projekte. Höhere Speicherkosten trugen zum jüngsten Anstieg bei.

Microsoft und Google stehen vor denselben physischen Beschränkungen. Alle drei Unternehmen benötigen Chips, Netzwerkausrüstung, Grundstücke, qualifizierte Arbeitskräfte und enorme Mengen Strom. Diese Ressourcen lassen sich nicht mit Software-Geschwindigkeit bereitstellen.

Der Wettbewerb beschränkt sich daher nicht mehr auf Modellqualität oder Cloud-Funktionen. Zunehmend entscheidet, welcher Anbieter Kapital in nutzbare Rechenkapazität verwandeln kann, ohne künftige Renditen zu zerstören.

Die AWS-Nachfrage wächst schneller als die verfügbaren Kapazitäten

Die entscheidende Veränderung besteht nicht nur darin, dass AWS mehr ausgeben will. Amazon sagt, der bestehende Ausbau könne die bestätigte Kundennachfrage weiterhin nicht erfüllen.

In einem Interview mit Garman vom 3. August beschrieb der AWS-Chef einen Markt, in dem die Nachfrage das Angebot deutlich übersteigt. Er sagte, das Unternehmen werde weiter bauen und investieren, um Kundenanforderungen zu erfüllen.

Dieses Ungleichgewicht wurde deutlicher, nachdem Amazon seine Ergebnisse für das zweite Quartal veröffentlicht hatte. Laut den Quartalsergebnissen des Unternehmens stieg der AWS-Umsatz im Jahresvergleich um 37 % auf 42,2 Milliarden Dollar.

Der operative Gewinn von AWS erhöhte sich ebenfalls auf 16,6 Milliarden Dollar, verglichen mit 10,2 Milliarden Dollar ein Jahr zuvor. Diese Zahlen zeigen, dass die Cloud-Expansion sowohl Wachstum als auch Gewinn bringt.

Amazon zufolge hat AWS eine annualisierte Umsatzrate von 169 Milliarden Dollar erreicht. Das Unternehmen sagt zudem, seine KI- und Halbleitergeschäfte hätten jeweils eine annualisierte Umsatzrate von mehr als 25 Milliarden Dollar überschritten.

Eine annualisierte Umsatzrate rechnet das aktuelle Umsatztempo eines Zeitraums auf ein volles Jahr hoch. Sie ist hilfreich, um Dynamik zu zeigen, stellt jedoch keine Prognose und kein garantiertes Jahresergebnis dar.

Diese Unterscheidung ist wichtig, weil Amazon die aktuelle Nachfrage nutzt, um Ausgaben zu rechtfertigen, deren Amortisierung Jahre dauern wird. Eine Kundenanfrage von heute kann Investitionen in Ausrüstung und Anlagen auslösen, die wesentlich länger genutzt werden.

CEO Andy Jassy hat erklärt, Amazon müsse Grundstücke, Strom, Gebäude, Server, Chips und Netzwerkausrüstung beschaffen, bevor die daraus entstehende Kapazität monetarisiert werden könne. Manche Infrastruktur wird innerhalb weniger Monate bereitgestellt, während größere Projekte Jahre benötigen.

Diese Vorlaufzeit schafft ein schwieriges Planungsproblem. Baut Amazon zu vorsichtig, könnten Kunden ihre Workloads anderswohin verlagern, weil AWS die benötigte Kapazität nicht anbieten kann. Baut das Unternehmen zu aggressiv, können unzureichend ausgelastete Vermögenswerte den Cashflow und die Renditen belasten.

Amazon hält das erste Risiko derzeit für dringlicher. Jassy sagte Investoren, dass das Unternehmen selbst nach den geplanten Investitionen nicht genügend Kapazität haben werde, um die gesamte Nachfrage 2026 zu bedienen.

Er sagte zudem, er rechne damit, dass das Ungleichgewicht bis 2027 fortbestehe. Nach seinen Kommentaren, über die eine unabhängige Ausgabenanalyse berichtete, seien die bestehenden Nachfragesignale für 2028 bereits bemerkenswert.

Das Vertrauen des Unternehmens beruht auf mehr als dem Training großer KI-Modelle. AWS zufolge erhöhen KI-Workloads auch die Nachfrage nach Speicher, Datenbanken, Netzwerken, Sicherheit und Universalprozessoren.

Post-Training verfeinert ein Modell nach seinem ersten Trainingszyklus. Inferenz ist dagegen der Rechenprozess, der eine Antwort erzeugt, wenn jemand ein Modell verwendet.

Beide Aktivitäten können über spezialisierte KI-Beschleuniger hinaus umfassende Cloud-Ressourcen beanspruchen. Produktive Agenten benötigen außerdem Datenbanken, Identitätskontrollen, Monitoring, Speicher und Verbindungen zu Geschäftsanwendungen.

Dieser Zusammenhang hilft zu erklären, warum Amazon KI als Multiplikator für sein etabliertes Cloud-Geschäft betrachtet. Eine neue Modellbereitstellung kann mehrere konventionelle AWS-Dienste in dasselbe Kundenkonto ziehen.

Starke Nachfrage führt allerdings nicht automatisch zu verfügbarem Angebot. Umsätze können erst erfasst werden, wenn AWS Ausrüstung installiert, Strom anschließt, Dienste aktiviert und Kapazität nutzbar macht.

Diese Lücke bei der physischen Bereitstellung ist die Spannung hinter Garmans Botschaft. AWS beschreibt keine Nachfrage, die es erst noch schaffen will. Es beschreibt Geschäft, das aufgrund von Infrastrukturengpässen nicht sofort bedient werden kann.

Der KI-Boom ist zu einer Bauaufgabe geworden

AWS kann Software weltweit innerhalb von Minuten verkaufen, muss die Infrastruktur dahinter jedoch über eine langsame und fragmentierte physische Lieferkette aufbauen.

Ein modernes KI-Rechenzentrum benötigt mehr als Grafikprozessoren. Es braucht Umspannwerke, Kühlsysteme, Notstromversorgung, optische Verbindungen, Switches, Speicher, Speichersysteme, Server und ausgebildete Betreiber.

Jede Abhängigkeit kann zum Engpass werden. Ein fertiggestelltes Gebäude hat wenig Wert ohne genügend Strom. Eine Lieferung von Beschleunigern kann Kunden ohne Netzwerk, Kühlung und ausreichende umgebende Serverkapazität nicht bedienen.

Amazons Investition in optische Infrastruktur veranschaulicht das Ausmaß dieser Abhängigkeitskette. Das Unternehmen schloss mit Corning eine mehrjährige Vereinbarung im Umfang von mehreren Milliarden Dollar für Glasfasern, Kabel und Konnektivitätsprodukte.

Die Glasfaservereinbarung soll in North Carolina voraussichtlich 1.000 Arbeitsplätze in der Fertigung schaffen. Sie unterstützt zudem Bauarbeiten und technische Schulungen.

Glasfaser ist unverzichtbar, weil große KI-Cluster enorme Datenmengen zwischen Prozessoren, Speichersystemen und anderen Anlagen bewegen. Unzureichende Netzkapazität kann dazu führen, dass teure Prozessoren auf Daten warten.

Speicher stellt eine weitere Beschränkung dar. Jassy führte einen Teil von Amazons höherem Kapitalbedarf auf gestiegene Speicherkosten zurück und zeigte damit, wie Komponenteninflation die Ausgaben auch ohne umfassendere Strategieänderung beeinflussen kann.

Strom bleibt ein noch schwierigeres Problem. Versorgungsunternehmen, Regulierungsbehörden, Grundstückseigentümer und Netzbetreiber beeinflussen, wann ein Rechenzentrum angeschlossen werden kann und wie viel Strom es verbrauchen darf.

Cloud-Anbieter können mehr Server bestellen, als viele Regionen Erzeugungs- oder Übertragungskapazität hinzufügen können. Daher führt die Verfügbarkeit von Ausrüstung nicht immer zu einsetzbarer Rechenleistung.

Diese Einschränkungen verändern die Bedeutung von Skalierung. Historisch bedeutete Cloud-Skalierung, viele Regionen zu betreiben und Fixkosten auf Millionen Kunden zu verteilen. KI erfordert zusätzlich, knappe physische Ressourcen Jahre im Voraus zu koordinieren.

Amazon argumentiert, seine Betriebserfahrung verschaffe dem Unternehmen einen Vorteil. AWS verbringt seit zwei Jahrzehnten damit, Nachfrage zu prognostizieren, Lieferverträge auszuhandeln und Infrastruktur für große Kunden-Workloads zu entwerfen.

Diese Erfahrung beseitigt Engpässe nicht. Sie kann AWS helfen zu entscheiden, wo Kapazität bereitgestellt, welche Komponenten reserviert und wie spezialisierte Beschleuniger mit Universal-Systemen ausbalanciert werden sollen.

Amazon entwickelt zudem eigene Prozessoren. Trainium ist auf Modelltraining und Inferenz ausgerichtet, während Graviton allgemeine Rechenaufgaben auf Basis der Arm-Architektur übernimmt.

Eigene Chips geben AWS eine weitere Möglichkeit, Kosten und Angebot zu steuern. Sie können die Abhängigkeit von einem einzelnen externen Prozessoranbieter verringern, obwohl die Fertigung weiterhin auf einer begrenzten Halbleiter-Lieferkette beruht.

Kunden benötigen außerdem Software, die die verfügbare Hardware effizient nutzen kann. AWS bietet Dienste wie SageMaker AI, Bedrock und Bedrock AgentCore an, um Modellentwicklung und -bereitstellung auf seine Infrastruktur zu verlagern.

Amazon zufolge ermöglicht Bedrock Kunden, über einen verwalteten Dienst aus mehreren Modellen zu wählen. Diese Modellauswahl unterstützt Kunden, die ihre gesamte KI-Strategie nicht an einen einzigen Entwickler binden möchten.

AgentCore stellt Infrastruktur für den Betrieb von KI-Agenten bereit, einschließlich Identität, Speicher, Monitoring und Richtlinienkontrollen. Ein KI-Agent ist Software, die ein Modell und verbundene Tools nutzt, um mehrstufige Aufgaben zu erledigen.

Diese Dienste sind wichtig, weil die Infrastrukturnachfrage von der Einführung im Produktivbetrieb abhängt. Eine gelegentlich laufende Demonstration schafft nur wenig nachhaltige Cloud-Nutzung. Ein Agent, der täglich Geschäftstransaktionen verarbeitet, erzeugt fortlaufende Nachfrage über mehrere Systeme hinweg.

AWS muss Experimente daher in wiederkehrenden Verbrauch überführen. Die Investitionsargumentation wird stärker, wenn Kunden KI kontinuierlich in Anwendungen einsetzen, statt Kapazität für unsichere Pilotprojekte zu reservieren.

Die Engpass-Erzählung ist glaubwürdig, weil das Umsatzwachstum parallel zu den Ausgaben beschleunigt hat. Dennoch bleibt sie teilweise eine Prognose darüber, wie sich heutige Workloads entwickeln werden.

Gebäude und elektrische Infrastruktur halten weit länger als einzelne KI-Produkte. Amazon geht physische Verpflichtungen ein, während sich Modellarchitekturen, Prozessordesigns und Kundenpräferenzen weiterhin schnell verändern.

Diese Diskrepanz zwischen langlebigen Vermögenswerten und sich rasch wandelnder Software ist unvermeidlich. Die Frage ist, ob AWS seine Infrastruktur flexibel genug halten kann, um alles zu unterstützen, was Kunden als Nächstes wählen.

Amazons eigentlicher Gegner ist sein eigenes Ausgabenversprechen

Der zentrale Wettbewerb besteht zwischen Amazons Behauptung nachhaltiger, angebotsbeschränkter Nachfrage und der finanziellen Realität, Kapazität Jahre vor dem Umsatz finanzieren zu müssen.

Amazon ist mit dieser Wette nicht allein. Alphabet, Microsoft, Meta und andere Technologieunternehmen lenken außerordentliche Kapitalmengen in KI-Infrastruktur.

Die gemeinsamen Ausgaben beseitigen Amazons Risiko nicht. Sie erhöhen die Kosten des Wettbewerbs um denselben Speicher, dieselben Chips, Glasfasern, Bauarbeitskräfte und Stromanschlüsse.

Sie können auch Prognosen erschweren. Ein Kunde mit begrenzter AWS-Verfügbarkeit könnte Kapazität bei mehr als einem Anbieter reservieren, sodass die sichtbare Nachfrage den späteren tatsächlichen Verbrauch übersteigt.

Cloud-Verträge liefern stärkere Belege, wenn sie feste Zusagen enthalten. Selbst dann können sich Umsetzungspläne ändern, wenn Kunden Produkte, Budgets oder Modellstrategien überarbeiten.

Amazons Antwort konzentriert sich auf die Ökonomie langlebiger Infrastruktur. In einer Erläuterung seines Investitionszyklus sagte Jassy, AWS gebe Geld aus, bevor neue Kapazität monetarisiert werde.

Er merkte an, dass Netzwerk- und Rechenhardware eine Nutzungsdauer von etwa sechs Jahren haben könne. Vermögenswerte von Rechenzentren könnten mehr als 30 Jahre lang nutzbar bleiben.

Dieser Zeithorizont verschafft Amazon mehrere Möglichkeiten, mit einer Anlage eine Rendite zu erzielen. Server können ersetzt werden, während Gebäude, Stromanschluss und Netzwerkinfrastruktur Kunden weiterhin bedienen.

Das Modell funktionierte während der früheren Expansion von AWS. Amazon investierte, bevor sich die Cloud breit durchsetzte, und profitierte anschließend davon, dass Unternehmen immer mehr Rechenleistung aus privaten Rechenzentren auslagerten.

Der KI-Ausbau unterscheidet sich jedoch in wichtigen Punkten. Spezialisierte Prozessoren sind teuer, die Kundennachfrage kann sich auf bestimmte Modelle konzentrieren, und die Hardwareleistung entwickelt sich rasant weiter.

Eine Anlage kann über Jahrzehnte wertvoll bleiben, doch die darin verbauten Prozessoren können deutlich schneller altern. Ältere Geräte können weiterhin Inferenz oder herkömmliche Workloads bedienen, ihr Umsatzpotenzial kann jedoch sinken.

KI-Systeme können zudem effizienter werden. Bessere Modelle, Softwareoptimierung, Quantisierung und kleinere, auf bestimmte Aufgaben zugeschnittene Modelle können den Rechenbedarf für ein gegebenes Ergebnis verringern.

Quantisierung senkt die numerische Präzision, mit der ein Modell arbeitet. Diese Technik kann den Speicher- und Rechenbedarf reduzieren und zugleich für viele Anwendungen ausreichend Genauigkeit bewahren.

Effizienz senkt nicht zwangsläufig die Gesamtnachfrage. Geringere Rechenkosten können die Nutzung erhöhen – ein Muster, das häufig als Rebound-Effekt bezeichnet wird.

AWS setzt darauf, dass die wachsende Verbreitung die Effizienzgewinne überwiegt. Mehr Anwendungen, Nutzer, Agents und automatisierte Prozesse würden den gesamten Rechenverbrauch weiter steigen lassen.

Die Zahlen des Unternehmens für das zweite Quartal stützen diese Sicht vorerst. Das Wachstum von AWS beschleunigte sich, während sowohl KI- als auch herkömmliche Cloud-Dienste zum Anstieg beitrugen.

Auch die Profitabilität bietet einen gewissen Schutz. Das operative Ergebnis von AWS verschafft Amazon eine erhebliche interne Finanzierungsquelle, selbst wenn die Investitionen des Konzerns in bar steigen.

Operatives Ergebnis und Cashflow messen jedoch unterschiedliche Dinge. Investitionen erfordern sofort Barmittel, während bilanzielle Aufwendungen über die Nutzungsdauer eines Vermögenswerts erfasst werden.

Anleger müssen daher zwei Zeitachsen bewerten. Aktuelle Cloud-Gewinne können steigen, während der freie Cashflow schwächer wird, weil Amazon zukünftige Anlagen finanziert.

Der Druck verschärft sich, wenn Baukosten steigen oder Zeitpläne für die Inbetriebnahme ins Rutschen geraten. Verzögerte Kapazitäten binden Kapital, ohne unmittelbar Cloud-Umsätze zu generieren.

Amazons breitere Geschäftsbereiche verkomplizieren das Bild. Das Investitionsprogramm unterstützt auch Logistik, Robotik, Satelliten und andere Projekte, sodass die ausgewiesenen Gesamtausgaben nicht vollständig AWS zuzuordnen sind.

Dadurch ist eine präzise Renditeanalyse allein anhand öffentlicher Zahlen schwierig. Anleger können AWS-Umsatz und operatives Ergebnis sehen, jedoch keine vollständige Aufschlüsselung der Infrastrukturökonomie auf Projektebene.

Amazons Investitionszusage sollte daher als disziplinierte Wette verstanden werden, nicht als Beweis für künftige Renditen. Das Management sieht genug Nachfrage, um Kapazität gegenüber der kurzfristigen Schonung von Barmitteln zu priorisieren.

Der Markt wird diese Entscheidung anhand von Auslastung, Umsatzwachstum, Margen und Cash-Generierung bewerten. Garmans Nachfrageaussage verdeutlicht die Chance, doch die Umsetzung entscheidet darüber, ob daraus ein attraktives Geschäft wird.

Microsoft und Google erhöhen den Druck von beiden Seiten

AWS führt den Cloud-Markt in enormem Maßstab an, doch Wettbewerber können Druck ausüben, indem sie Kapazitäten schneller ausbauen oder KI-Nachfrage effizienter in Cloud-Wachstum umwandeln.

Microsoft geht mit einer großen Basis an Unternehmenssoftware und einer engen Verbindung zwischen Azure und seinen Geschäftsanwendungen in den Wettbewerb. Kunden können KI über bestehende Verträge, Entwicklertools und Arbeitsplatzprodukte einführen.

Google bringt eigene KI-Modelle, maßgeschneiderte Tensor Processing Units, Forschungskompetenz und ein Cloud-Geschäft ein, das von einer kleineren Basis aus wächst. Das Cloud-Wachstum im zweiten Quartal übertraf den prozentualen Anstieg von AWS.

Prozentuales Wachstum allein begründet keine Marktführerschaft. Ein kleineres Geschäft kann schneller wachsen und dennoch weniger zusätzlichen Umsatz erzielen als ein größerer Wettbewerber.

Dennoch ist das schnelle Wachstum der Konkurrenz wichtig, weil Kunden Workloads auf mehrere Anbieter verteilen können. Multicloud-Strategien verringern die Abhängigkeit von einem Anbieter und schaffen Verhandlungsspielraum bei Kapazitätsgesprächen.

Wettbewerb wirkt auch in die entgegengesetzte Richtung. Wenn jeder große Anbieter unter Kapazitätsengpässen leidet, haben Kunden weniger unmittelbare Alternativen. Das kann die Auslastung stützen und das Risiko leerer Anlagen verringern.

Die Wirkung hängt davon ab, wo Kapazitäten verfügbar werden. KI-Infrastruktur ist nicht über Regionen, Prozessortypen, Netzwerkkonfigurationen oder Softwareplattformen hinweg perfekt austauschbar.

Ein Kunde, der an einem Standort einen bestimmten Beschleuniger benötigt, kann nicht immer auf Allzweckkapazität an anderer Stelle ausweichen. Vorschriften zur Datenresidenz und Latenzanforderungen begrenzen die Verlagerung zusätzlich.

Dadurch entstehen innerhalb des breiteren Cloud-Markts viele kleinere Angebotsmärkte. AWS kann bei einem Dienst über freie Kapazität verfügen und gleichzeitig Nachfrage nach einem anderen ablehnen müssen.

Auch Softwarekompatibilität beeinflusst diese Entscheidungen. Kunden, die Bedrock, SageMaker AI oder AWS-Datenbanken nutzen, stehen vor Migrationsaufwand, wenn sie ein produktives System zu Azure oder Google Cloud verlagern.

Dasselbe gilt für Workloads, die um Plattformen von Wettbewerbern herum aufgebaut sind. Technische Wechselkosten können Kundenbeziehungen sichern, garantieren jedoch nicht, dass jedes neue KI-Projekt bei einem Anbieter bleibt.

Die Strategie von AWS betont die Auswahl von Modellen und die unterstützende Infrastruktur. Amazon möchte, dass Kunden Modelle auswählen und gleichzeitig Daten, Anwendungen, Sicherheitskontrollen und Agent-Dienste innerhalb von AWS behalten.

Diese Positionierung unterscheidet sich von einer Strategie, die auf einem einzigen Flaggschiff-Modell beruht. Sie betrachtet die Cloud-Plattform als dauerhafte Ebene, selbst wenn sich das beliebteste Modell ändert.

Der Ansatz kann funktionieren, wenn Unternehmen Flexibilität höher bewerten als eine enge Integration mit einem einzelnen Modellentwickler. Er wird schwächer, wenn die Kombination aus Modell und Plattform eines Wettbewerbers deutlich bessere Wirtschaftlichkeit bietet.

Eigene Prozessoren sind ein weiteres Wettbewerbsfeld. AWS bewirbt Trainium und Graviton, Microsoft entwickelt eigenes Silizium, und Google betreibt seit Jahren maßgeschneiderte KI-Beschleuniger.

Diese Chips können die Verhandlungsmacht verbessern und Dienste schaffen, die auf die Infrastruktur jedes Anbieters zugeschnitten sind. Sie erfordern jedoch auch große Forschungsinvestitionen und genügend Kundennachfrage, um die Produktion zu rechtfertigen.

Kein Anbieter kontrolliert den gesamten Stack. Fortschrittliche Halbleiterfertigung, Speicher, Netzwerkkomponenten, Netzinfrastruktur und Baukapazitäten bleiben auf externe Zulieferer verteilt.

Diese Abhängigkeit bedeutet, dass der Cloud-Wettlauf nicht allein durch Software-Releases gewonnen werden kann. Beschaffung, Anlagenplanung und Abstimmung mit Versorgungsunternehmen prägen inzwischen die Produktverfügbarkeit.

Amazons Vereinbarung mit Corning zeigt eine Reaktion darauf: strategische Inputs durch langfristige Zusagen sichern. Ähnliche Vereinbarungen können die Unsicherheit in der Lieferkette verringern, binden das Unternehmen jedoch auch an künftige Käufe.

Das Wettbewerbsrisiko ist daher zweiseitig. AWS kann Geschäft verlieren, wenn es zu langsam baut, während Überkapazitäten entstehen können, wenn jeder Anbieter entlang derselben optimistischen Nachfragekurve baut.

Ein breiter Rückgang bei der KI-Nutzung ist nicht erforderlich, um Überkapazitäten zu erzeugen. Effizientere Modelle, verzögerte Unternehmenseinführungen oder doppelte Reservierungen könnten zu einer kleineren Fehlanpassung führen.

Für Unternehmenskäufer bietet der Wettbewerb Verhandlungsspielraum, aber auch Planungsrisiken. Ein in einem Katalog aufgeführter Cloud-Dienst kann weiterhin regionalen Quoten, Wartezeiten oder einer begrenzten Hardwareauswahl unterliegen.

Käufer sollten verfügbare Kapazitäten, Bereitstellungszeitpläne und vertragliche Flexibilität neben Modell-Benchmarks bewerten. Die leistungsstärkste Demonstration hat wenig Wert, wenn die Produktionsinfrastruktur zu spät bereitsteht.

Entwickler stehen vor einem verwandten Zielkonflikt. Ein Design für portable Modelle und Standard-Schnittstellen kann die Abhängigkeit von einem Anbieter verringern, doch die effizientesten Dienste nutzen häufig proprietäre Infrastruktur.

Wissensarbeiter könnten die Folgen indirekt spüren. Mehr Kapazität kann Antwortzeiten verbessern und KI-Funktionen erweitern, während Infrastrukturengpässe Produkteinführungen verzögern oder den Zugang einschränken können.

Die Cloud-Anbieter liefern sich ein Rennen, um diese Einschränkungen unsichtbar zu machen. Garmans Kommentare zeigen, dass AWS dieses Ziel trotz seiner Größe und Investitionen noch nicht erreicht hat.

Was Amazons Kapazitätswette zum Scheitern bringen könnte

Amazons größtes Risiko besteht nicht darin, dass KI verschwindet. Es besteht darin, dass Infrastrukturkosten schneller steigen als die profitable Kundennutzung.

Das aktuelle Wachstum liefert Hinweise auf reale Nachfrage, beantwortet jedoch nicht, wie lange diese Nachfrage anhalten wird. Unternehmen können ihre KI-Budgets ausweiten und dennoch Schwierigkeiten haben, verlässliche Anwendungen bereitzustellen.

Viele Projekte stoßen auf Probleme bei Datenqualität, Sicherheit, Governance und Integration. Diese Hürden können die produktive Nutzung verzögern, nachdem ein Unternehmen Infrastruktur reserviert oder einen Pilotversuch abgeschlossen hat.

Agentische Anwendungen schaffen eine weitere Unsicherheit. Agents können einen hohen Cloud-Verbrauch erzeugen, weil sie wiederholt Modelle aufrufen und auf mehrere Systeme zugreifen.

Sie können jedoch auch unvorhersehbare Kosten oder Fehler verursachen. Unternehmen könnten die Nutzung begrenzen, bis Überwachung, Identitäts- und Richtlinienkontrollen verlässlicher werden.

Amazon baut Dienste auf, um diese Bedenken anzugehen. Das Vorhandensein verwalteter Tools bestätigt jedoch nicht, dass Kunden Agents in dem Umfang einsetzen werden, den Infrastrukturpläne voraussetzen.

Das zweite Risiko betrifft die technologische Effizienz. Neue Prozessoren und Modelltechniken können dieselbe Aufgabe mit weniger Energie, Speicher oder Beschleunigerzeit erledigen.

Diese Effizienz kann den Markt erweitern, doch der Zeitpunkt ist entscheidend. Eine plötzliche Verbesserung könnte die Nachfrage nach bestimmten Hardwarekonfigurationen senken, bevor Amazon sie vollständig abgeschrieben hat.

Auch der Hardwaremix schafft eine ähnliche Herausforderung. Kapazität, die auf einem Beschleuniger basiert, lässt sich bei veränderten Kundenpräferenzen nicht immer wirtschaftlich auf einen anderen umstellen.

AWS kann dieses Risiko verringern, indem es mehrere Prozessoroptionen unterstützt. Es muss dennoch prognostizieren, wie viele Einheiten jedes Typs Kunden in bestimmten Regionen benötigen werden.

Das dritte Risiko ist die Umsetzung. Rechenzentren benötigen Genehmigungen, Ausrüstung, Strom, Netzwerkanbindung und qualifizierte Arbeitskräfte, die in der richtigen Reihenfolge verfügbar sein müssen.

Eine Verzögerung bei nur einem dieser Elemente kann die übrigen ungenutzt lassen. Amazon könnte Server besitzen, die nicht mit Strom versorgt werden können, oder ein Gebäude fertigstellen, bevor dessen Netzwerkanbindung bereit ist.

Lieferverträge verringern einige Unsicherheiten, schaffen jedoch Verpflichtungen. Wenn die Nachfrage später nachlässt, könnte Amazon weiterhin Komponenten kaufen oder eine ausgeweitete Fertigung unterstützen müssen.

Auch Druck aus der Bevölkerung und von Regulierungsbehörden kann den Bau beeinflussen. Große Rechenzentren können Bedenken hinsichtlich Strompreisen, Wasserverbrauch, Flächenverbrauch, Lärm und Notstromerzeugung auslösen.

Diese Bedenken bedeuten nicht, dass Projekte gestoppt werden. Sie können Genehmigungsfristen verlängern oder zusätzliche Investitionen erfordern, die die Projektwirtschaftlichkeit verändern.

Das vierte Risiko ist die finanzielle Transparenz. Amazon weist AWS-Umsätze und operatives Ergebnis aus, doch Anleger können nicht jeden Infrastruktur-Dollar direkt einem bestimmten Kunden-Workload zuordnen.

Die konzernweiten Investitionen decken zudem Geschäfte außerhalb von AWS ab. Dieser breite Umfang erschwert es, die Rendite des KI-Ausbaus anhand öffentlicher Angaben zu berechnen.

Amazons Investition in Anthropic verkompliziert Quartalsvergleiche zusätzlich. Der Nettogewinn des zweiten Quartals enthielt erhebliche nicht operative Erträge im Zusammenhang mit dieser Investition.

Dieser bilanzielle Gewinn stellt keine von AWS-Kunden generierten Barmittel dar. Leser sollten ihn von den zugrunde liegenden Umsätzen und der operativen Leistung der Cloud-Sparte trennen.

Eine vorsichtige Analyse sollte zudem zwischen Nachfrage und Knappheit unterscheiden. Kapazitätsengpässe können außergewöhnliches Kundenwachstum, langsamen Baufortschritt, ineffiziente Zuteilung oder mehrere Faktoren zugleich widerspiegeln.

Garmans Aussage beschreibt das Ergebnis, nicht die vollständige Zusammensetzung des Engpasses. Öffentliche Berichte zeigen nicht, wie viel der angefragten Kapazität durch feste vertragliche Verpflichtungen gedeckt ist.

Keine dieser Lücken widerlegt Amazons Argumentation. Sie definieren die Belege, die erforderlich sind, um sie zu prüfen.

Das erste Signal, auf das zu achten ist, ist das Umsatzwachstum von AWS im nächsten Ergebniszyklus. Eine anhaltende Beschleunigung würde Amazons Behauptung stützen, dass zusätzliche Kapazität schnell in Kundenausgaben umgewandelt wird.

Eine Verlangsamung würde eine genauere Einordnung erfordern. Sie könnte auf eine schwächere Nachfrage hindeuten, aber auch darauf, dass Angebotsengpässe AWS daran hinderten, vorhandenes Geschäft zu bedienen.

Daher wären Aussagen des Managements zu Kapazitätserweiterungen entscheidend. Anleger sollten den Zeitpunkt aktivierter Infrastruktur mit Veränderungen bei Umsatz und vertraglich zugesagten Verpflichtungen vergleichen.

Das zweite Signal sind Amazons Cashflow und die operative Marge von AWS. Umsatzwachstum überzeugt weniger, wenn die Infrastrukturinvestitionen den durch dieses Wachstum erzeugten Cashflow dauerhaft übersteigen.

Kurzfristiger Druck ist während eines Ausbaus zu erwarten. Der aussagekräftigere Test ist, ob sich die Auslastung verbessert, wenn neue Rechenzentren und Prozessoren in Betrieb gehen.

Steigende Auslastung bei stabilen Margen würde die Investmentthese stärken. Wiederholte Kostensteigerungen ohne proportionalen Umsatzanstieg würden sie schwächen.

Das dritte Signal ist die Kundenbewegung zwischen AWS, Azure und Google Cloud. Große Verträge, regionale Verfügbarkeit und produktive Deployments werden zeigen, ob Engpässe AWS helfen oder schaden.

Kunden, die auf AWS-Kapazität warten, könnten Verzögerungen akzeptieren, Workloads neu gestalten oder sie anderswohin verlagern. Jede Reaktion hat unterschiedliche Folgen für Amazons langfristige Position.

Amazon muss außerdem zeigen, dass seine KI-Dienste Nachfrage für die breitere Plattform erzeugen. Wachstum bei Speicher, Datenbanken, Netzwerken und allgemeiner Rechenleistung würde den vom Management beschriebenen Multiplikatoreffekt bestätigen.

Leser, die diesen Ausbau verfolgen, sollten sich auf messbare Umsetzung konzentrieren, nicht allein auf Bauankündigungen. Aktivierte Kapazität, anhaltende Nutzung, Margen und Cash-Generierung sagen mehr aus als die angegebene Größe eines Projekts.

Teams, die Cloud-Anbieter bewerten, können Ergebnisnotizen, Kapazitätsupdates, Verträge und Deployment-Aufzeichnungen in einer durchsuchbaren Wissensdatenbank verwalten. Diese Dokumentation erleichtert es, sich verändernde Aussagen von Anbietern im Zeitverlauf zu vergleichen.

AWS hat seine Position klar gemacht: Die Kundennachfrage rechtfertigt weitere Investitionen, selbst in einem Umfang, der einst extrem erschienen wäre. Die nächste Frage lautet, ob Amazon Kapazitäten aktivieren kann, bevor Kunden Alternativen finden.

Achten Sie bei den nächsten AWS-Ergebnissen auf drei Antworten. Beschleunigt sich das Cloud-Wachstum weiter, verbessern neue Einrichtungen die Verfügbarkeit, und beginnt die Cash-Generierung, zur Investitionskurve aufzuschließen?

Diese Signale werden bestimmen, ob Amazons Kapazitätsengpass einen dauerhaften Vorteil oder einen kostspieligen Wettlauf gegen die Erwartungen darstellt.