Fünf Einschätzungen zum KI-Markt deuten auf weiteres Aufwärtspotenzial vor einer möglichen S&P-500-Umkehr 2027 hin

Google News hat fünf wichtige Einschätzungen zum KI-Markt aufgegriffen, die auf eine unbequeme Schlussfolgerung hindeuten: Die Rally kann sich fortsetzen, bevor der S&P 500 eine deutliche Umkehr erlebt.

Die zentrale Warnung kommt von Capital Economics. Das Research-Unternehmen glaubt, dass der KI-Aktienboom in seine Endphase eintritt, auch wenn diese Phase noch nicht abgeschlossen ist. Sein Ausblick lässt einen weiteren Anstieg in technologielastigen Märkten zu, gefolgt von einem breiten Rückgang bis Ende 2027.

Diese Abfolge ist wichtiger als ein schlichtes bullisches oder bärisches Etikett. Analysten bestreiten nicht unbedingt die aktuelle KI-Nachfrage. Sie stellen vielmehr infrage, wie lange Aktienbewertungen schneller steigen können als die Gewinne, die diese Nachfrage hervorbringt.

Der daraus entstehende Konflikt liegt zwischen der Dynamik beim Infrastrukturaufbau und den Markterwartungen. Nvidia, Speicheranbieter, Netzwerktechnikunternehmen und Cloud-Plattformen melden weiterhin Nachfrage im Zusammenhang mit KI-Investitionen. Anleger haben jedoch bereits erheblichen Wert für künftiges Wachstum angesetzt, das noch nicht vollständig eingetreten ist.

Die fünf Analysteneinschätzungen beschreiben daher unterschiedliche Teile desselben Marktzyklus. Sie umfassen eine mögliche Schlussrally, zunehmenden Bewertungsdruck, geografische Unterschiede, eine stärkere Infrastrukturnachfrage und die Notwendigkeit, Geschäftsentwicklung von Aktienentwicklung zu trennen.

Hier braucht auch die Google-News-Schlagzeile Kontext. Sie beschreibt keine einheitliche Konsensprognose aller Analysten. Sie fasst mehrere Einschätzungen zusammen, die zeigen, wie professionelle Anleger sich rund um dieselbe Spannung positionieren.

Ein weiterer Anstieg würde das Blasenargument nicht widerlegen. Nach dieser Sichtweise gehört ein letzter Schub zum Risiko, weil er Erwartungen und Bewertungen noch weiter nach oben treibt.

Was Google News über die KI-Rally verrät

Die wichtigste Analysteneinschätzung ist weder einfach bullisch noch bärisch: Die KI-Rally hat noch Potenzial, doch ihre stärkste Phase nähert sich ihrem Ende.

Capital Economics beschreibt den Boom als in den „letzten Innings“. Das Unternehmen erwartet, dass technologielastige Aktienmärkte in den Vereinigten Staaten, Südkorea und Taiwan ihren Schwung behalten, bevor sich die Bedingungen umkehren.

Diese Sicht betrachtet die Rally als Zyklus und nicht als dauerhafte Neubewertung. KI-Ausgaben können stark bleiben, während Anleger nach und nach weniger bereit sind, für jede Einheit erwarteter Gewinne höhere Multiplikatoren zu zahlen.

Ein Bewertungsmultiplikator setzt den Marktwert eines Unternehmens in Beziehung zu einer Finanzkennzahl wie dem Gewinn. Steigt dieser Multiplikator, kann eine Aktie zulegen, auch ohne einen entsprechenden Anstieg des aktuellen Gewinns.

Dieser Mechanismus half vielen KI-nahen Unternehmen. Anleger rechneten mit jahrelangen Ausgaben für Beschleuniger, Speicher mit hoher Bandbreite, Netzwerktechnik, Rechenzentren und Energieinfrastruktur. Teile dieser künftigen Nachfrage flossen dann bereits in die heutigen Bewertungen ein.

Capital Economics sieht Anzeichen dafür, dass dieser Prozess in eine späte Phase eingetreten ist. Sein Asset-Ausblick nennt Hinweise auf eine mögliche Blow-off-Phase, also einen letzten raschen Anstieg, der von Begeisterung und Momentum getragen wird.

Eine Blow-off-Phase wirkt oft überzeugend, während sie läuft. Gewinne bleiben unterstützend, positive Prognosen häufen sich, und jeder Rücksetzer zieht Käufer an. Das zugrunde liegende Risiko wird erst sichtbar, wenn die Erwartungen nicht weiter steigen.

Das Unternehmen soll prognostiziert haben, dass der S&P 500 zunächst zulegen könnte, bevor er bis Ende 2027 auf etwa 6.500 Punkte fällt. Das wäre eine erhebliche Umkehr gegenüber dem erwarteten Höchststand und keine gewöhnliche Marktkorrektur.

Solche Prognosen sind Szenarien, keine fest terminierten Ergebnisse. Indexstände hängen von Gewinnen, Zinssätzen, der Positionierung von Anlegern, Wirtschaftswachstum und Ereignissen ab, die kein Analyst präzise vorhersagen kann.

Der nützliche Teil ist die vorgeschlagene Abfolge. Capital Economics argumentiert nicht, dass die KI-Nachfrage bereits eingebrochen ist. Das Unternehmen erwartet, dass der Markt das Thema weiter belohnt, bevor der Bewertungsdruck schwerer zu ignorieren wird.

Eine Analyse aus dem Februar formulierte eine frühere Version dieser Position. Der Ökonom Elias Hilmer sagte, die KI-Rally habe noch Potenzial, selbst als US-Technologieaktien zeitweise hinter den Schwellenmärkten zurückblieben.

Diese Markteinschätzung verglich das aktuelle Verhalten mit den Endphasen des Dotcom-Booms. Der Vergleich bezog sich auf Marktstruktur und relative Entwicklung, nicht auf identische Technologien oder Unternehmensfinanzen.

Capital Economics schätzte außerdem, dass der MSCI USA Index zwischen Ende 2026 und Ende 2027 um 12,5 Prozent fallen könnte. Die entsprechende Prognose für den MSCI Emerging Markets Index lag bei einem geringeren Rückgang von 7 Prozent.

Der Unterschied spiegelt mehr als nur KI-Exposure wider. Schwellenmärkte gingen mit anderen Bewertungen, Währungen, Finanzierungsbedingungen und Außenbilanzen in diesen Zeitraum.

Die erste Analysteneinschätzung ist daher eine Timing-Aussage. Die Rally kann sich fortsetzen, doch Anleger sollten einen weiteren Anstieg nicht mit dem Beweis verwechseln, dass das Bewertungsrisiko verschwunden ist.

Starke KI-Nachfrage garantiert keine starken Aktienrenditen

Die zweite wichtige Einschätzung trennt den KI-Investitionszyklus von den Preisen, die Anleger seinen Profiteuren beimessen.

Die Nachfrage nach Recheninfrastruktur bleibt das stärkste Argument gegen einen unmittelbaren Einbruch. Hyperscaler kaufen weiterhin Beschleuniger, Speicher mit hoher Bandbreite, Netzwerkausrüstung, Speicherlösungen und Energiekapazitäten.

Ein Hyperscaler ist ein Unternehmen, das Cloud-Infrastruktur in enormem Maßstab betreibt. Microsoft, Alphabet, Amazon und Meta sind prominente Beispiele, auch wenn sich ihre Geschäftsmodelle und Ausgabenprioritäten unterscheiden.

Diese Unternehmen verfügen über den Cashflow und die strategischen Anreize, weiter zu investieren. Sie konkurrieren darum, größere Modelle zu trainieren, mehr Inferenz-Workloads bereitzustellen und Plattformen zu etablieren, die Entwickler und Unternehmen nutzen.

Inferenz ist der Prozess, bei dem ein trainiertes KI-Modell ausgeführt wird, um eine Antwort zu erzeugen oder eine Aufgabe zu erledigen. Mit wachsender Nutzung kann Inferenz deutlich mehr Rechenkapazität erfordern als das ursprüngliche Training eines Modells.

Diese Nachfrage verschafft Chip- und Infrastrukturanbietern bessere Planungssicherheit. Einige Halbleiteranalysten argumentieren, dass Ausgabenverpflichtungen bis 2027 stabil bleiben, insbesondere bei Beschleunigern, Advanced Packaging und spezialisiertem Speicher.

Neuberger Berman stellte fest, dass Halbleiterunternehmen bereits vor der jüngsten Rally Sichtbarkeit bis 2027 hatten. Seine Halbleiteranalyse argumentiert, dass Belege für reale KI-Umsätze die Wahrnehmung der Anleger über die Nachhaltigkeit der Nachfrage verändert haben.

Diese Belege sind wichtig, weil die schwächste Version der KI-Rally davon ausging, dass den Infrastrukturausgaben kein wirtschaftlich tragfähiger Kunde gegenübersteht. Wachsende KI-Umsätze bieten Unternehmen, die diese Infrastruktur finanzieren, eine potenzielle Rendite.

Stärkere Nachfrage rechtfertigt jedoch nicht automatisch jede Bewertung. Ein Anbieter kann seinen Umsatz steigern, während seine Aktie fällt, wenn Anleger zuvor noch schnelleres Wachstum erwartet hatten.

Diese Unterscheidung zeigt sich häufig während großer Investitionszyklen. Märkte belohnen zunächst Knappheit, dann Produktionswachstum und schließlich die Unternehmen, die neue Kapazitäten in nachhaltige Gewinne umwandeln. Unterschiedliche Gruppen führen zu unterschiedlichen Zeitpunkten.

KI-Infrastruktur birgt zudem Umsetzungsrisiken. Neue Kapazitäten benötigen Strom, Kühlung, Netzwerktechnik und Kunden, die bereit sind, für die daraus entstehenden Dienste zu zahlen. Engpässe können die Bereitstellung verzögern, selbst wenn die Aufträge stark bleiben.

Wettbewerb schafft eine weitere Einschränkung. Nvidia behält eine zentrale Position bei der KI-Beschleunigung, doch AMD, kundenspezifische Siliziumprogramme und von Cloud-Anbietern entwickelte Chips streben alle größere Rollen an.

Ein kundenspezifischer Beschleuniger kann die Abhängigkeit von einem allgemeinen Anbieter für bestimmte Workloads verringern. Er kann jedoch auch erhebliche Entwicklungsinvestitionen erfordern und möglicherweise nicht über die breitere Softwareunterstützung einer etablierten Plattform verfügen.

Speicher- und Netzwerktechnikanbieter durchlaufen ihre eigenen Zyklen. Die Nachfrage kann für eine Zeit das Angebot übersteigen und so zu Expansion ermutigen. Wenn Kunden später Lagerbestände abbauen oder ihre Ausgaben senken, kann dieselbe Kapazität Auslastung und Margen unter Druck setzen.

Die zweite Analysteneinschätzung ist daher ein Qualitätstest. Anleger müssen erkennen, welche Unternehmen über nachhaltige Nachfrage, Preissetzungsmacht, technische Vorteile und wiederkehrende Kunden-Workloads verfügen.

Dieser Test geht über Chiphersteller hinaus. Cloud-Unternehmen müssen zeigen, dass KI-Produkte Umsatz generieren, ohne eine nicht nachhaltige Menge an Rechenkapazität zu verbrauchen.

Softwareunternehmen stehen vor einer ähnlichen Herausforderung. Sie müssen Kunden dazu bringen, dauerhaft für KI-Funktionen zu zahlen, statt sie lediglich im Rahmen von Werbeprogrammen zu testen.

Keine dieser Bedingungen erfordert einen unmittelbaren Einbruch. Sie erklären, warum ein Markt steigen und zugleich selektiver werden kann. Unternehmen mit bestätigten Umsätzen können besser abschneiden als Unternehmen, deren Bewertung hauptsächlich auf weit entfernten Erwartungen beruht.

Der Konflikt verschärft sich gegen Ende einer Rally. Positive operative Ergebnisse bleiben real, doch der Markt verlangt zunehmend stärkere Belege, um weitere Gewinne zu rechtfertigen.

Der S&P 500 ist stärker exponiert, als die Schlagzeile vermuten lässt

Die dritte Analysteneinschätzung richtet den Blick auf Konzentration: Eine kleine Gruppe KI-naher Unternehmen kann den S&P 500 anheben und seinen Rückgang verstärken, wenn sich die Erwartungen ändern.

Der S&P 500 gewichtet Unternehmen nach ihrer Marktkapitalisierung. Größere Unternehmen üben daher mehr Einfluss auf den Index aus als kleinere Indexmitglieder.

Diese Struktur half dem Index, von Gewinnen großer Technologieplattformen und führender Halbleiterunternehmen zu profitieren. Sie konzentrierte aber auch die Sensitivität des Markts gegenüber deren Gewinnen, Ausgabenplänen und Bewertungsmultiplikatoren.

Ein Anleger mit einem breit gestreuten Indexfonds kann folglich ein erhebliches indirektes KI-Exposure haben. Der Fonds mag Hunderte Unternehmen halten, doch seine tägliche Entwicklung kann weiterhin stark von einer deutlich kleineren Gruppe abhängen.

Konzentration macht den Index nicht unzuverlässig. Sie verändert jedoch die Bedeutung von Diversifikation. Eine Streuung nach Unternehmensanzahl bietet weniger Schutz, wenn die größten Positionen auf dieselbe Investmenterzählung reagieren.

Das KI-Thema verbindet Unternehmen, die ansonsten unterschiedliche Geschäfte betreiben. Eine Cloud-Plattform, ein Chipdesigner, ein Speicheranbieter und ein Netzwerktechnikunternehmen können alle auf eine Änderung bei den Hyperscaler-Ausgaben reagieren.

Dadurch entsteht ein Übertragungsmechanismus. Wenn Cloud-Unternehmen ihre Investitionsausgaben verlangsamen, können Zulieferer schwächere Aufträge erhalten. Senken Zulieferer ihre Prognosen, könnten Anleger die gesamte KI-Nachfragekurve infrage stellen.

Der Prozess kann auch umgekehrt ablaufen. Höhere Ausgabenprognosen stützen die Gewinne von Zulieferern, stärken das Marktvertrauen und fördern weitere Kapitalallokationen in KI-nahe Aktien.

Capital Economics erwartet, dass diese Rückkopplung während der Endphase der Rally günstig bleibt. Die Gefahr entsteht, wenn zusätzliche Nachrichten nicht mehr zu höheren Gewinnschätzungen oder steigenden Bewertungen führen.

Dann kann Konzentration von einer Performancequelle zu einer Quelle für Indexdruck werden. Portfoliomanager könnten mehrere korrelierte Positionen gleichzeitig reduzieren.

Der S&P 500 benötigt keinen Einbruch der KI-Umsätze, um einen Rücksetzer zu erleben. Es genügt, dass Anleger für denselben Strom erwarteter Gewinne eine niedrigere Bewertung akzeptieren.

Zinssätze können diese Anpassung beschleunigen. Höhere Renditen verringern den Gegenwartswert, der Gewinnen zugeschrieben wird, die erst in vielen Jahren erwartet werden.

Die Beziehung ist nicht an jedem Handelstag mechanisch. Starke Gewinne können höhere Zinsen ausgleichen, während wirtschaftliche Schwäche die Zinsen senken, aber Umsatzprognosen belasten kann.

Dennoch reagieren Unternehmen, deren Bewertung auf weit entferntem künftigem Wachstum basiert, in der Regel empfindlicher auf Veränderungen des Abzinsungssatzes. Diese Sensibilität ist relevant, wenn Inflation oder staatliche Kreditaufnahme die Anleiherenditen hoch halten.

Ein weiteres Risiko ergibt sich aus der Positionierung der Anleger. Ein stark verbreiteter Trade kann anfällig werden, wenn immer weniger Käufer verfügbar sind, um Verkäufe aufzufangen.

Momentum-Strategien können beide Richtungen verstärken. Sie erhöhen das Engagement bei steigenden Kursen und reduzieren es nach einer Abschwächung von Trends, wodurch Bewegungen in späten Marktphasen abrupter ausfallen können.

Der dritte Analystenschritt ist keine Prognose, dass jedes AI-Unternehmen gemeinsam fallen wird. Er warnt vielmehr davor, dass der Referenzindex mehr gemeinsames AI-Risiko enthält, als seine breite Bezeichnung vermuten lässt.

Leser, die die Geschichte über Google News verfolgen, sollten daher über den Indexstand hinausblicken. Marktbreite, Gewinnrevisionen und die Sektorführerschaft zeigen, ob die Gewinne von einer immer kleineren Gruppe von Unternehmen abhängen.

Die Marktbreite misst, wie viele Aktien an einer Marktbewegung teilnehmen. Ein steigender Index, der von vielen Sektoren getragen wird, hat in der Regel ein anderes Risikoprofil als einer, der von einer Handvoll großer Namen angetrieben wird.

Verbessert sich die Marktbreite, während AI-Aktien steigen, erhält die Rally Unterstützung aus der breiteren Wirtschaft. Verengt sich die Führungsrolle weiter, wird der Index zunehmend von anhaltender Begeisterung für seine größten Bestandteile abhängig.

Das aufstrebende Asien verändert die Landkarte des AI-Markts

Der vierte Analystenschritt ist geografisch: Der AI-Trade hat sich über US-Technologieplattformen hinaus auf asiatische Halbleiter- und Infrastrukturmärkte ausgeweitet.

Capital Economics stellte fest, dass technologieintensive Schwellenmärkte in Asien weiterhin von der AI-Begeisterung profitierten, während US-Technologieaktien vorübergehend ins Stocken gerieten.

Südkorea und Taiwan nehmen wichtige Positionen in der Halbleiter-Lieferkette ein. Ihre börsennotierten Unternehmen liefern Speicher, Fertigung, Packaging, Komponenten und Produktionsdienstleistungen, die für fortschrittliche Computersysteme erforderlich sind.

Das macht ihre Märkte empfindlich gegenüber globalen AI-Investitionen. Zugleich bedeutet es, dass ihre Entwicklung andere Geschäftsmodelle widerspiegelt als die Verbraucherplattformen, die die Diskussionen am US-Markt dominieren.

Dieser Unterschied hilft zu erklären, warum AI-nahe Märkte nicht immer gemeinsam laufen. Ein Cloud-Unternehmen kann mit Fragen zur Monetarisierung konfrontiert sein, während ein Speicheranbieter von knappen Kapazitäten profitiert.

Ebenso kann ein Chiphersteller eine stabile Nachfrage melden, während Softwareunternehmen unter Druck durch Preise, Wettbewerb oder die Kundenakzeptanz geraten.

Capital Economics erklärte, die Bewertungen von AI-Unternehmen in Schwellenmärkten erschienen weniger extrem als sowohl im aktuellen US-AI-Boom als auch auf dem Höhepunkt des Dotcom-Markts.

Die Analyse verwies zudem auf stärkere Außenpositionen in Teilen Asiens. Diese Bedingungen können die Anfälligkeit für den finanziellen Druck verringern, der Schwellenmärkte bei früheren globalen Abschwüngen belastete.

Das macht asiatische Technologieaktien nicht zu defensiven Anlagen. Halbleiterunternehmen bleiben zyklisch, und Handelskonflikte können Produktion, Zugang zu Ausrüstung und Kundenbeziehungen beeinflussen.

Geopolitische Risiken fügen eine weitere Variable hinzu. Ein stark konzentriertes Produktionsnetzwerk kann effiziente Spezialisierung ermöglichen, erhöht aber zugleich die Anfälligkeit für regionale Störungen.

Auch Währungsbewegungen beeinflussen die Renditen internationaler Anleger. Eine Aktie kann in ihrem Heimatmarkt steigen, während Wechselkursveränderungen die in US-Dollar gemessenen Gewinne schmälern.

Die geografische Ausweitung schwächt dennoch eine vereinfachte Sicht auf den AI-Trade. Es handelt sich nicht allein um einen Wettbewerb zwischen US-Softwareplattformen.

Es ist ein Investitionszyklus, an dem Chipentwickler, Foundries, Speicherhersteller, Netzwerkausrüster, Versorger, Bauunternehmen und Betreiber von Rechenzentren beteiligt sind.

Kanada liefert ein weiteres Beispiel für diese Ausweitung. Eine Reuters-Umfrage ergab, dass Strategen darüber nachdachten, wie der steigende AI-Strombedarf einem Aktienmarkt mit erheblichem Energieanteil zugutekommen könnte.

Der kanadische Ausblick zeigt, wie das Thema Sektoren erreichen kann, die weder Modelle entwickeln noch Beschleuniger entwerfen. Rechenzentren benötigen Strom, Übertragungsinfrastruktur, Kühlung und bauliche Anlagen.

Auch Japans Aktienmarkt hat neben Reformen der Unternehmensführung und Unterstützung durch die Binnenpolitik von AI-Optimismus profitiert. Eine Reuters-Umfrage prognostizierte weitere Gewinne, obwohl einige Analysten warnten, dass der rasche Anstieg des Markts das Korrekturrisiko erhöht habe.

Die Japan-Prognose veranschaulicht eine wichtige Komplikation. AI kann einen Markt stützen, ohne dessen einziger Treiber zu sein.

Diese Nuance wird beim Vergleich von Regionen entscheidend. Ein von teuren Technologieunternehmen dominierter US-Index unterscheidet sich von einem kanadischen Index, der von Energie- und Finanzunternehmen beeinflusst wird.

Ebenso unterscheidet sich das Engagement in asiatischen Halbleitern vom Besitz von US-Anwendungssoftware. Alle können vom gleichen Investitionszyklus profitieren, doch ihre Ertragsmechanismen und Bewertungsrisiken bleiben unterschiedlich.

Der vierte Analystenschritt spricht daher für eine selektive geografische Allokation statt für einen einzigen undifferenzierten AI-Trade. Er erklärt auch, warum Capital Economics erwartet, dass Schwellenmärkte in seinem Umkehrszenario weniger stark fallen.

Diese Prognose bleibt unsicher. Ein scharfer Rückgang der globalen Technologieausgaben würde exportorientierte Volkswirtschaften treffen, selbst wenn ihre Ausgangsbewertungen niedriger wären.

Niedrigere Bewertungen können jedoch einen Puffer bieten. Anleger, die weniger für jede Ertragseinheit bezahlt haben, müssen bei einem Stimmungsumschwung weniger Bewertungsdruck verkraften.

Der eigentliche Konflikt lautet: Gewinne gegen Erwartungen

Der fünfte Analystenaufruf fragt, ob AI-Gewinne schnell genug wachsen können, um die bereits in den Marktbewertungen eingepreisten Erwartungen zu erfüllen.

Dies ist die entscheidende Frage, weil Nachfrage allein die Debatte nicht entscheiden kann. Anleger müssen wissen, wer diese Nachfrage abschöpft, mit welcher Marge und wie lange.

Die erste Phase des AI-Booms belohnte knappe Infrastruktur. Nvidia-Beschleuniger wurden für das Training von Modellen zentral, während High-Bandwidth Memory und fortschrittliche Netzwerke strategisch an Bedeutung gewannen.

Die nächste Phase verlangt Belege dafür, dass Kunden ihre Investitionen in Rechenleistung in Umsatz oder Produktivität umwandeln können. Diese Belege gibt es in Teilen des Markts, doch sie bleiben uneinheitlich.

Cloud-Anbieter melden eine zunehmende AI-Nutzung, und Modellentwickler haben ihre Angebote für Unternehmen erweitert. Dennoch können die Kostenstrukturen für den Betrieb komplexer Modelle je nach Workload stark variieren.

Ein Produkt kann Nutzer gewinnen, ohne attraktive Margen zu erzielen. Hohe Inferenzkosten, Kundenrabatte und der schnelle Wettbewerb bei Modellen können das Umsatzwachstum aufzehren.

Auch die Einführung in Unternehmen verläuft langsamer als das Experimentieren von Verbrauchern. Unternehmen müssen Daten-Governance, Sicherheit, Integration, Genauigkeit und Mitarbeiterschulungen klären, bevor sie Einsätze ausweiten.

Das schafft einen zeitlichen Widerspruch. Infrastrukturanbieter verbuchen Umsätze, während Kapazitäten aufgebaut werden, während Endnutzer möglicherweise Jahre benötigen, um Arbeitsabläufe neu zu gestalten und Renditen zu messen.

Wissensarbeiter stehen bereits vor einer praktischen Variante dieses Problems. AI kann Dokumente zusammenfassen oder Entwürfe erstellen, doch ihr Wert hängt vom Zugang zu verlässlichem Kontext und überprüfbarem Quellenmaterial ab.

Eine strukturierte AI-Wissensdatenbank kann diesen Kontext verbessern. Ein besseres Informationsmanagement beseitigt jedoch weder die Notwendigkeit menschlicher Prüfung noch die eines klaren Geschäftsziels.

Die Frage auf Marktebene ist ähnlich. Infrastruktur ermöglicht künftigen Wert, doch Anleger benötigen weiterhin den Nachweis, dass dieser Wert die Kosten seiner Schaffung übersteigt.

Analysten, die die Rally unterstützen, verweisen auf wachsende Umsätze, Lieferzusagen und anhaltende Investitionen der Hyperscaler. Skeptiker konzentrieren sich auf Bewertungen, konzentrierte Marktführerschaft und unsichere Renditen enormer Investitionsprogramme.

Beide Seiten können über unterschiedliche Zeithorizonte hinweg recht haben. Starke Aufträge können die Gewinne im Jahr 2026 stützen, während überhöhte Bewertungen 2027 zu schwächeren Renditen führen.

Das ist die zentrale Umkehrung hinter der Google-News-Geschichte. Die Bedingungen, die eine weitere Rally unterstützen, können auch das spätere Abwärtsrisiko erhöhen.

Höhere Aktienkurse fördern mehr Kapitalbeschaffung und Ausgaben. Anbieter bauen Kapazitäten aus, Wettbewerber treten ein, und Kunden erhalten Alternativen.

Diese Reaktionen verringern die Knappheit schrittweise. Wenn das Angebot aufholt, beginnen Anleger, echte Plattformvorteile von vorübergehenden Nutzen zu unterscheiden, die durch einen eingeschränkten Markt entstanden sind.

Eine Parallele gab es während der Dotcom-Ära, auch wenn die führenden Unternehmen heute deutlich stärkere Umsätze und Bilanzen haben. Die Technologie überlebte und veränderte die Wirtschaft, doch viele Bewertungen fielen dennoch stark.

Dieser Präzedenzfall beweist nicht, dass AI-Aktien denselben Weg gehen werden. Er zeigt, warum technologische Bedeutung und Anlagerenditen getrennte Fragen sind.

Eine nützliche Analyse vermeidet daher zwei Extreme. AI ist nicht automatisch eine Blase, weil die Kurse gestiegen sind, und echte Umsätze rechtfertigen nicht automatisch jede Bewertung.

Die stärksten Unternehmen werden wahrscheinlich auch in Zeiten von Marktvolatilität weiter investieren. Sie betrachten Rechenkapazität, proprietäre Modelle, Distribution und Entwicklerbeziehungen als strategische Vermögenswerte.

Kleinere Unternehmen stehen vor schwierigeren Entscheidungen. Sie können von externen Modellanbietern abhängen, über keine Einkaufsskala verfügen oder Schwierigkeiten haben, Inferenzkosten an Kunden weiterzugeben.

Die öffentlichen Märkte werden diese Gruppen zunehmend unterschiedlich beurteilen. Breite AI-Begeisterung kann viele Aktien während einer frühen Rally tragen, doch spätere Phasen belohnen in der Regel messbare Gewinne.

Anleger sollten auch genau prüfen, wie Unternehmen AI-Umsätze definieren. Ein Produkt kann bestehende Cloud-Dienste, neue Modellnutzung und gebündelte Softwarefunktionen kombinieren.

Änderungen in der Rechnungslegungsdarstellung oder Produktbündelung können Vergleiche erschweren. Klare Angaben zu Kunden, Nutzung, Margen und Vertragslaufzeiten würden das optimistische Argument stärken.

Der fünfte Schritt verlagert die Aufmerksamkeit daher von Ankündigungen auf die finanzielle Umwandlung. Die Frage lautet nicht mehr, ob Unternehmen für AI ausgeben. Sie lautet, ob diese Ausgaben dauerhafte wirtschaftliche Renditen erzeugen.

Drei Signale werden die Prognose eines Rückgangs 2027 prüfen

Die nächsten drei Signale werden zeigen, ob die Rally auf nachhaltigen Gewinnen aufbaut oder sich der von Capital Economics beschriebenen Umkehrung nähert.

Das erste Signal sind die Investitionsausgaben der Hyperscaler. Anleger sollten die tatsächlichen Ausgaben mit früheren Prognosen von Microsoft, Alphabet, Amazon und Meta vergleichen.

Anhaltende Zuwächse würden die Nachfrage nach Halbleitern, Speicher, Netzwerken und Rechenzentren stützen. Sie würden das Argument für einen weiteren AI-getriebenen Marktanstieg stärken.

Entscheidend ist jedoch nicht nur die Höhe der Ausgaben, sondern auch ihre Qualität. Anleger benötigen Belege dafür, dass neue Kapazitäten wachsende Workloads bedienen, statt ungenutzt zu bleiben.

Eine Reduzierung würde nicht zwangsläufig bedeuten, dass die AI-Einführung gescheitert ist. Sie könnte auf effizientere Hardware, abgeschlossene Bauphasen oder eine vorübergehende Pause nach rascher Expansion hindeuten.

Eine gleichzeitige Abschwächung bei mehreren Hyperscalern hätte mehr Gewicht. Dieses Muster würde Zulieferer unter Druck setzen und das Argument schwächen, dass die Infrastrukturnachfrage breit nachhaltig bleibt.

Das zweite Signal sind Gewinnrevisionen entlang der AI-Lieferkette. Analysten sollten ihre Schätzungen weiter anheben, wenn sich Aufträge, Auslastung und Margen wie von den Bullen erwartet entwickeln.

Aktienkurse können hoch bleiben, während Revisionen steigen. Probleme beginnen, wenn Aktien steigen, die Gewinnschätzungen jedoch stagnieren oder sinken.

Diese Divergenz würde darauf hindeuten, dass Anleger höhere Multiplikatoren zahlen, ohne stärkere zugrunde liegende Prognosen zu erhalten. Sie würde die Interpretation einer späten Marktphase stützen.

Auch die Zusammensetzung der Revisionen ist wichtig. Gewinne, die sich auf einen Chipanbieter konzentrieren, geben weniger Sicherheit als Verbesserungen bei Speicher, Netzwerken, Cloud-Diensten und Unternehmenssoftware.

Das dritte Signal ist die Marktbreite. Eine gesündere Rally sollte sich über eine kleine Gruppe von Technologieführern hinaus ausweiten.

Eine Beteiligung von Industrie-, Energie-, Finanz- und kleineren Technologieunternehmen würde darauf hindeuten, dass KI-Investitionen eine breitere wirtschaftliche Aktivität stützen.

Eine zunehmend engere Marktführerschaft würde die Abhängigkeit des S&P 500 von seinen größten Bestandteilen erhöhen. Außerdem würde der Index empfindlicher auf eine enttäuschende Gewinnentwicklung oder eine Anpassung der Ausgaben reagieren.

Diese Signale sollten gemeinsam betrachtet werden. Hohe Investitionsausgaben, steigende Gewinnprognosen und eine breitere Beteiligung würden die Prognose einer großen Umkehr im Jahr 2027 abschwächen.

Hohe Ausgaben bei gleichzeitig sinkenden Gewinnschätzungen würden hingegen eine andere Geschichte erzählen. Das könnte bedeuten, dass Wettbewerb, Abschreibungen, Energiekosten oder Preisdruck die erwartete Rendite aufzehren.

Ebenso würden steigende Gewinne bei gleichzeitig abnehmender Marktbreite einzelne Unternehmen stützen, ohne die Gesundheit des breiteren Index zu bestätigen.

Das Szenario von Capital Economics ist daher noch vor Ende 2027 überprüfbar. Anleger müssen nicht auf einen prognostizierten Indexstand warten, um festzustellen, ob seine zugrunde liegende Logik an Stärke gewinnt.

Quartalsberichte werden zeigen, ob die KI-Umsätze mit den Investitionen Schritt halten. Prognosen der Zulieferer werden offenlegen, ob die Nachfrage über bestehende Verpflichtungen hinausgeht. Die Marktbreite wird zeigen, ob sich die Begeisterung ausweitet oder konzentriert.

Für Entwickler und Unternehmenskäufer beeinflussen dieselben Signale die Produktstrategie. Anhaltende Infrastrukturinvestitionen können die Inferenzkosten senken und die Verfügbarkeit von Modellen erhöhen.

Ein Marktrückgang könnte auch das Verhalten der Anbieter verändern. Unternehmen könnten Effizienz, nachhaltige Preisgestaltung und messbare Kundenerträge stärker betonen als einen raschen Kapazitätsausbau.

Wissensarbeiter sollten die fünf Analysteneinschätzungen als Erinnerung verstehen, nützliche Technologie von finanzieller Euphorie zu trennen. Eine Marktkorrektur würde den Wert von Systemen, die Zeit sparen oder Entscheidungen verbessern, nicht zunichtemachen.

Anleger sollten dieselbe Unterscheidung treffen. KI-Einführung, Unternehmensgewinne und Aktienbewertungen stehen in Wechselwirkung, sind jedoch keine austauschbaren Messgrößen.

Die Google-News-Schlagzeile beschreibt einen Markt, der zwischen glaubwürdiger Nachfrage und hohen Erwartungen gefangen ist. Capital Economics erwartet, dass diese Spannung noch einen weiteren Anstieg stützen wird, bevor sie eine Umkehr auslöst.

Wird die nächste Runde der Ausgaben von Hyperscalern und der Gewinnberichte eine nachhaltige Expansion bestätigen oder einen Markt offenlegen, der bereits zu viel eingepreist hat? Beobachten Sie Investitionsausgaben, Anpassungen der Gewinnschätzungen und die Marktbreite, bevor Sie entweder die Rally oder den Rückgang 2027 als ausgemacht betrachten.