Goldman Sachs zufolge tritt der AI-Handel in eine Konsolidierungsphase ein

Goldman Sachs zufolge ist der Handel mit künstlicher Intelligenz nach einer scharfen Umkehrbewegung, die überfüllte Positionen, gehebelte Fonds und fragile Marktmechanismen offenlegte, in eine Konsolidierungsphase eingetreten. Diese Unterscheidung ist wichtig. Konsolidierung bedeutet, dass Anleger nach einer längeren Rally ihre Erwartungen neu justieren, statt die Gewinnentwicklung und die Infrastrukturnachfrage aufzugeben, die AI-Unternehmen stützen.

Eine über rsshub 36kr verbreitete Kurzmeldung fasste die Einschätzung der Bank zusammen, wonach starke Gewinne und eine geringere Anlegerpositionierung die extreme Volatilität abschwächen sollten. Das zugrunde liegende Argument ist differenzierter als ein einfacher Aufruf, den Rücksetzer zu kaufen. Die Strategen von Goldman sehen verbesserte Bedingungen, räumen jedoch auch ein, dass Hebelwirkung einen gewöhnlichen Rückgang in Zwangsverkäufe verwandeln kann.

Daraus ergibt sich die zentrale Spannung für Anleger. Die Nachfrage nach AI und die Unternehmensausgaben bleiben erheblich, während die Instrumente zum Handel dieser Nachfrage zunehmend aggressiv geworden sind. Der daraus entstehende Markt kann auf Indexebene ruhig wirken, selbst wenn einzelne Aktien aus den Bereichen Halbleiter, Speicher, Netzwerktechnik und Rechenzentren heftig schwanken.

Der jüngste Rückgang prüft daher zwei konkurrierende Erklärungen. Die eine besagt, dass die Anlageargumentation für AI geschwächt wurde, weil die Ausgaben zu hoch sind und die Bewertungen zu weit gestiegen waren. Die andere besagt, dass ein grundsätzlich intaktes Thema überfüllt wurde und anschließend eine Bereinigung der Positionierung erlebte, die einige Exzesse beseitigte, ohne den breiteren Trend zu beenden.

Goldman neigt derzeit zur zweiten Interpretation. Zu den Belegen zählen anhaltendes Gewinnwachstum, ein geringeres Hedgefonds-Engagement und eine stabile Nachfrage nach Recheninfrastruktur. Der nächste Ergebniszyklus muss jedoch zeigen, dass enorme Investitionsbudgets Umsatz und Gewinn hervorbringen – und nicht lediglich mehr Kapazität.

Der Ausverkauf veränderte die Positionierung, nicht die gesamte AI-These

Goldmans zentrale Einschätzung lautet, dass der jüngste Rückgang überschüssige Positionierung schneller abgebaut hat, als er die fundamentale AI-Anlageargumentation beschädigte.

Technologieaktien gingen mit einem starken Engagement der Anleger in vielen derselben Themen in die Umkehrbewegung. Diese Positionen umfassten Halbleiterhersteller, Speicherlieferanten, Unternehmen für optische Netzwerktechnik, Hersteller von Rechenzentrumsausrüstung und die Hyperscaler, welche die neue Infrastruktur finanzieren.

Eine hohe Konzentration bedeutet nicht automatisch, dass eine Anlageargumentation falsch ist. Sie bedeutet, dass viele Marktteilnehmer aus ähnlichen Gründen ähnliche Vermögenswerte halten. Steigt die Volatilität, können diese Anleger gemeinsam reagieren und damit eine Verkaufswelle auslösen, welche unternehmensspezifische Informationen überlagert.

Die Prime-Brokerage-Daten von Goldman bieten Einblick in diesen Prozess. Vincent Lin, Co-Leiter von Prime Insights and Analytics bei Goldman Sachs, sagte, das Bruttoengagement von Hedgefonds habe Anfang Juni Fünfjahreshochs erreicht. Auch das Nettoengagement sei auf ein Vierjahreshoch gestiegen.

Nach dem Rückzug fielen beide Kennzahlen auf ungefähr das 60. bis 65. Perzentil ihrer Dreijahresspannen. Damit lag die Positionierung nahe der Mitte ihrer jüngsten Verteilung und nicht mehr an einem Extrem.

Lin bezeichnete die Episode als gesunde Bereinigung, betonte jedoch, dass die Positionierung nicht vollständig bereinigt worden sei. Hedgefonds hätten Risiko aus ihren Portfolios genommen, die AI-Infrastruktur jedoch nicht kollektiv verworfen.

Diese Unterscheidung hilft zu erklären, weshalb die Zusammenfassung von rsshub 36kr von einer möglichen Konsolidierung statt von einem dauerhaften Kollaps sprach. Eine Konsolidierung tritt ein, wenn Kurse frühere Gewinne verarbeiten und Anleger Erwartungen neu bewerten. Sie kann starke Rückgänge, gescheiterte Erholungen und große Unterschiede zwischen einzelnen Aktien umfassen.

Der Rückgang folgte zudem einem bekannten Muster in momentumgetriebenen Märkten. Ein erfolgreiches Thema zieht mehr Kapital an, steigende Kurse fördern höhere Risikobereitschaft und neue Anlageprodukte erleichtern den Zugang zu Engagements. Dreht die Richtung, wirken dieselben Kräfte umgekehrt.

Ein auffälliges Beispiel lieferte Situational Awareness, der AI-fokussierte Hedgefonds des ehemaligen OpenAI-Forschers Leopold Aschenbrenner. Axios berichtete, dass der Fonds sein Aktienportfolio während der Turbulenzen an Citadel verkauft habe. Der Fonds hatte zuletzt rund 20 Milliarden US-Dollar an verwaltetem Vermögen ausgewiesen.

Dieser Verkauf belegt nicht, was im gesamten Markt geschah. Er zeigt jedoch, wie schnell ein AI-fokussiertes Portfolio Teil des Ereignisses werden kann, auf das es ausgerichtet war. Ein konzentrierter Anleger, der Verluste oder Rücknahmen bewältigen muss, kann unabhängig von seinen langfristigen Überzeugungen Liquidität benötigen.

Die Bereinigung war innerhalb des Technologiesektors zudem ungewöhnlich breit. Goldman bezeichnete die Verkäufe als den größten kumulierten Rückgang des Technologieengagements in der Geschichte eines seiner Datensätze. Dennoch deuteten die Gespräche der Bank mit Hedgefonds weiterhin auf fundamentales Interesse an AI-Unternehmen hin.

Deshalb lässt sich die jüngste Entwicklung nicht allein über Kurse interpretieren. Fallende Kurse könnten niedrigere Gewinnerwartungen, schwächere Nachfrage, überhöhte Bewertungen, erzwungenen Schuldenabbau oder mehrere Faktoren zugleich widerspiegeln. Die Positionierungsdaten von Goldman geben der Erklärung über Schuldenabbau mehr Gewicht, schließen die anderen jedoch nicht aus.

Der daraus resultierende Markt ist selektiver. Anleger können nicht länger jeden mit AI-Infrastruktur verbundenen Zulieferer als austauschbaren Profiteur behandeln. Sie müssen zwischen Unternehmen mit sichtbaren Aufträgen, nachhaltigen Margen und Preissetzungsmacht und solchen unterscheiden, deren Aktien vor allem durch thematische Nachfrage gestützt werden.

Starke Gewinne bilden das Fundament für Goldmans Konsolidierungsthese

Die positive Seite von Goldmans Argument hängt davon ab, dass Gewinne einen größeren Teil des Marktes tragen als steigende Bewertungsmultiplikatoren.

Im Mai sagte Shawn Tuteja von Goldman, dass der Gewinn je Aktie im S&P 500 gegenüber dem Vorjahr um 17 % gestiegen sei. Dies markierte das sechste aufeinanderfolgende Quartal mit zweistelligem Gewinnwachstum. Die Erwartungen für die folgenden 12 Monate waren auf 13 % gestiegen.

Gleichzeitig hatte sich das zukunftsgerichtete Bewertungsmultiplikator des Marktes von dem 22-Fachen auf das 21-Fache der Gewinne verringert. Ein Multiplikator von 21 ist historisch nicht günstig, doch die Kombination deutete darauf hin, dass Gewinne mehr trugen als bloßer Anlegerenthusiasmus.

Der AI-Anteil des Marktes leistete einen erheblichen Beitrag zu diesen Ergebnissen. Hyperscaler kauften weiterhin Chips, Netzwerkausrüstung, Stromversorgungssysteme, Kühltechnik und Baukapazitäten. Ihre Ausgaben stützten Umsätze entlang einer Lieferkette, die weit über Entwickler von Modellen hinausreicht.

Tuteja sagte, Hyperscaler hätten sich für 2026 zu Investitionsausgaben von 755 Milliarden US-Dollar verpflichtet, was einem jährlichen Wachstum von 38 % entspreche. Goldman präsentierte diese Zahlen als Beleg dafür, dass die Nachfrage in der gesamten AI-Infrastruktur aktiv bleibe.

Investitionsausgaben oder Capex sind Mittel für den Erwerb langlebiger Vermögenswerte wie Server, Rechenzentren und elektrischer Ausrüstung. Sie stützen Zulieferer unmittelbar, werfen für die Unternehmen, die sie finanzieren, jedoch eine schwierigere Frage auf. Diese Käufer müssen letztlich Renditen erzielen, die die Ausgaben rechtfertigen.

Der Markt hat bereits mehrere Ebenen dieses Ausbaus durchlaufen. Die ersten großen Profiteure waren fortschrittliche Halbleiterunternehmen. Anschließend weitete sich die Aufmerksamkeit auf Cloud-Plattformen, Rechenzentren, Stromversorger, Speicherhersteller, optische Netzwerktechnik und spezialisierte Kühlsysteme aus.

Goldman zufolge gewann das Thema optische Netzwerktechnik bis Mitte Mai 2026 mehr als 100 %. Aktien aus dem Bereich Flüssigkeitskühlung, einer weiteren von der Bank hervorgehobenen Ausrüstungskategorie, stiegen um rund 30 %. Solche Gewinne belegen Nachfrage, erhöhen jedoch auch das Risiko, dass Kurse Jahre fehlerfreier Umsetzung vorwegnehmen.

Das Argument für nachhaltige Ausgaben stützt sich nun zunehmend auf die tatsächliche Nutzung von AI. Die Investmentbanking-Forscher von Goldman erklärten, die Einführung in Unternehmen breite sich über Chatbots und Programmierwerkzeuge hinaus aus. Agentische Systeme, die mehrstufige Aufgaben ausführen können, statt nur eine Antwort zu erzeugen, erhöhten den Rechenbedarf.

Ein von Goldman befragtes Unternehmen sagte, seine obersten 5 % der Unternehmenskunden verbrauchten dreimal so viele Tokens wie der Median-Kunde. Tokens sind die kleinen Texteinheiten, die Modelle verarbeiten und erzeugen. Steigender Token-Verbrauch erfordert in der Regel mehr Inferenzkapazität – also Rechenleistung, die eingesetzt wird, wenn bereitgestellte Modelle auf Nutzer reagieren.

Goldman argumentiert, dass begrenztes Angebot die Infrastrukturausgaben über mehrere Jahre strecken kann. Seine Forschung zur Unternehmensadoption verweist auf anhaltende Nachfrage, wenn Unternehmen von Experimenten zu operativen Arbeitsabläufen übergehen.

Dennoch sind Zuliefererumsätze und Renditen der Käufer nicht dasselbe. Ein Chiphersteller kann von großen Bestellungen profitieren, selbst wenn ein Cloud-Anbieter später Schwierigkeiten hat, die daraus resultierende Kapazität zu monetarisieren. Die derzeitige Gewinnstärke bestätigt die Nachfrage nach Infrastruktur, entscheidet jedoch nicht über die Wirtschaftlichkeit des gesamten Systems.

Dies ist die wichtigste Einschränkung in der Darstellung von rsshub 36kr. Starke aktuelle Gewinne können eine Konsolidierungsthese stützen, doch Märkte bewerten künftige Cashflows. Anleger werden weiterhin fragen, ob AI-Umsätze schnell genug steigen können, um Abschreibungen, Energie-, Finanzierungs- und Entwicklungskosten zu decken.

Die nächste Phase dürfte daher eine größere Performancelücke hervorbringen. Unternehmen, die knappe Komponenten verkaufen, könnten ihre Preissetzungsmacht behalten. Geschäftsmodelle, die auf allgemeiner Begeisterung beruhen, werden stärker geprüft werden. Hyperscaler müssen zeigen, dass neue Dienstleistungen, Verbesserungen im Werbegeschäft, Cloud-Workloads und interne Effizienzgewinne Capex in messbare Renditen verwandeln.

Warum gehebelte ETFs einen Rücksetzer in einen Ausverkauf verwandeln können

Die jüngste Volatilität war nicht nur ein Urteil über AI-Unternehmen; sie war auch eine Folge davon, wie Anleger ihr Engagement bündelten und finanzierten.

Gehebelte börsengehandelte Fonds versprechen ein Vielfaches der täglichen Rendite eines Vermögenswerts. Ein zweifach gehebelter Halbleiter-ETF beispielsweise versucht, die doppelte tägliche Bewegung des zugrunde liegenden Index zu liefern. Der Fonds muss häufig neu gewichtet werden, um dieses Ziel beizubehalten.

Dadurch entsteht eine mechanische Rückkopplungsschleife. Steigen die zugrunde liegenden Vermögenswerte, muss der Fonds häufig zusätzliches Engagement kaufen. Fallen sie, muss er verkaufen. Händler bezeichnen dieses Verhalten als Short Gamma, weil die Neugewichtung dazu neigt, die vorherrschende Richtung zu verstärken.

Tuteja warnte vor dieser Struktur bereits vor dem jüngsten Ausverkauf. Er erklärte, dass eine Aktie, die nach negativen Nachrichten voraussichtlich um 3 % fallen würde, stattdessen um 10 % nachgeben könnte, wenn gehebelte Produkte und andere erzwungene Verkäufer gemeinsam ihr Engagement reduzieren. Derselbe Mechanismus kann während einer Rally Gewinne verstärken.

Das Risiko wächst, wenn gehebelte Fonds volatile Wertpapiere mit begrenzter Handelstiefe halten. Ein kleines Produkt hat nur geringe Marktauswirkungen. Ein großes Produkt, das gezwungen ist, nahe Börsenschluss zu handeln, kann Kurse bewegen – insbesondere wenn mehrere Fonds ähnlichen Mandaten folgen.

Brian Garrett von Goldman sagte später, jeder fünfte ETF enthalte eine gehebelte oder inverse Komponente. Bei den im Jahr 2026 aufgelegten ETFs lag der Anteil bei einem von drei. Dieses Wachstum machte den Markt aggressiver und vergrößerte den potenziellen Einfluss automatischer Neugewichtungen.

Besonders sichtbar war das Problem außerhalb der großen US-Indizes. Garrett beobachtete, dass die implizite Volatilität des südkoreanischen KOSPI über die während der globalen Finanzkrise verzeichneten Niveaus gestiegen war. Der Index war stark von einer kleinen Zahl volatiler Aktien beeinflusst worden, die mit der AI-Lieferkette verbunden sind.

Konzentration kann diesen Stress verdecken. Ein Index bündelt viele Wertpapiere, sodass Gewinne in einer Gruppe Verluste an anderer Stelle ausgleichen können. Niedrige Indexvolatilität kann mit extremen Bewegungen einzelner Aktien einhergehen und so das erzeugen, was Garrett als Unterschied zwischen dem Aktienmarkt und einem Markt aus Aktien bezeichnete.

In diesem Umfeld könnte ein Anleger, der nur den S&P 500 oder Nasdaq beobachtet, den Druck unter der Oberfläche unterschätzen. Aktien aus den Bereichen Halbleiter, Speicher und Ausrüstung können starke tägliche Kursbewegungen erleben, während diversifizierte Indizes vergleichsweise stabil wirken.

Die Diskussion über ETF-Volatilität verdeutlicht zudem, warum eine bereinigtere Positionierung künftige Turbulenzen verringern kann. Wenn Hedgefonds ihre Exponierung senken und gehebelte Produkte Vermögen verlieren, gibt es bei der nächsten Abwärtsbewegung weniger Teilnehmer, die verkaufen müssen.

Bereinigter bedeutet jedoch nicht sauber. Lin sagte, die Hedgefonds-Exponierung habe nach dem Ausverkauf weiterhin etwa in der Mitte ihrer jüngsten Bandbreite gelegen. Anleger reduzierten zudem ihre Makroabsicherungen, während sie AI-Bestände verkauften – ein Prozess, den er als De-Grossing bezeichnete.

Eine Makroabsicherung ist eine Position, die darauf ausgelegt ist, breite Marktrisiken auszugleichen, etwa ein Index-Put oder eine Short-Position in Futures. Wenn Anleger sowohl Long-Positionen als auch Schutzabsicherungen abbauen, schrumpfen ihre Bilanzen. Das senkt die unmittelbare Exponierung, kann den verbleibenden Markt jedoch anfällig für einen erneuten Anstieg der Korrelationen machen.

Korrelation misst, wie eng sich Wertpapiere gemeinsam bewegen. Niedrige Korrelation kommt Stock Pickern zugute, weil unternehmensspezifische Entwicklungen stärker ins Gewicht fallen. Steigende Korrelation zeigt an, dass Anleger viele Wertpapiere wieder als Ausdruck eines gemeinsamen Risikos behandeln.

Dieser Mechanismus stützt Goldmans Erwartung, dass die Volatilität nach der Bereinigung nachlassen sollte. Weniger überfüllte Positionierungen reduzieren den Treibstoff für erzwungene Verkäufe. Dennoch bleibt dieselbe Marktstruktur bestehen, einschließlich gehebelter ETFs, Optionsaktivität, konzentrierter Indizes und eng vernetzter AI-Lieferketten.

Die Konsolidierungsthese verspricht daher keinen ruhigen Handel. Sie legt nahe, dass die Wahrscheinlichkeit wiederholter, sich selbst verstärkender Rückgänge gesunken ist, weil Anleger bereits erhebliche Risiken abgebaut haben. Ein neuer negativer Auslöser könnte die Maschinerie dennoch wieder in Gang setzen.

Der eigentliche Gegner ist die Gewinnentwicklung gegenüber überzogener Positionierung

Der entscheidende Wettbewerb findet nicht zwischen AI-Bullen und AI-Skeptikern statt, sondern zwischen operativer Leistung und den überhöhten Erwartungen, die in überfüllten Trades stecken.

Goldmans konstruktive Sichtweise funktioniert nur, wenn die Gewinne den Infrastrukturzyklus weiterhin bestätigen. Eine geringere Positionierung kann Preise stabilisieren, aber keine Umsätze schaffen, Margen verbessern oder Renditen auf das investierte Kapital erzeugen.

Der AI-Trade umfasst Unternehmen mit sehr unterschiedlichen Geschäftsmodellen. Nvidia und andere Chipanbieter verkaufen knappes Computing-Equipment. Cloud-Anbieter finanzieren Rechenzentren. Versorger und Industrieunternehmen liefern Strom und Kühlung. Softwareentwickler streben Umsätze mit Modellen und Anwendungen an.

Ein einziges Etikett kann diese Unterschiede verdecken. Einige Infrastrukturanbieter erfassen Umsätze, sobald Ausrüstung ausgeliefert wird. Hyperscaler tragen jahrelange Abschreibungen und Betriebsausgaben. Anwendungsunternehmen müssen Kunden davon überzeugen, genug für AI-Dienste zu zahlen, um die Inferenzkosten zu decken.

Diese Trennung wird während einer Konsolidierung wichtiger. In einer breit angelegten Rally belohnen Anleger häufig die Exponierung gegenüber einem beliebten Thema. In einem langsameren Markt schaffen Quartalsergebnisse und Prognosen deutlichere Unterschiede zwischen Unternehmen.

Goldmans Einschätzung vom Mai bot einen starken Ausgangspunkt. Das Gewinnwachstum blieb hoch, und die AI-bezogene Nachfrage schien trotz Inflation und schwächerem Wirtschaftswachstum widerstandsfähig. Tuteja beschrieb AI sogar als vergleichsweise resistent gegenüber Belastungen, die Verbraucher- und zyklische Unternehmen treffen.

Diese defensive Interpretation hat Grenzen. AI-Ausgaben werden von Unternehmen mit starken Bilanzen finanziert, bleiben jedoch eine diskretionäre Kapitalallokation. Führungskräfte können Projekte verschieben, wenn die erwarteten Renditen sinken, die Finanzierung teurer wird oder Stromengpässe die Bereitstellung behindern.

Zinssätze fügen eine weitere Ebene hinzu. Höhere langfristige Anleiherenditen erhöhen den Abzinsungssatz für künftige Gewinne. Dieser Effekt kann besonders stark auf Unternehmen lasten, deren Bewertungen auf Gewinnen beruhen, die erst in vielen Jahren erwartet werden.

Tuteja hob das Überschreiten einer Rendite von 5 % bei 30-jährigen US-Staatsanleihen im Mai als wichtige psychologische Schwelle hervor. Das genaue Niveau verändert sich mit dem Markt, doch der zugrunde liegende Zusammenhang bleibt relevant. Teures Kapital setzt Unternehmen stärker unter Druck, kurzfristige Renditen nachzuweisen.

Der skeptische Fall konzentriert sich auch auf die Konzentration. AI-bezogene Unternehmen machen einen großen Anteil wichtiger US-Indizes aus, was bedeutet, dass enttäuschende Ergebnisse einiger weniger Unternehmen passive Anleger weit über spezialisierte Technologieportfolios hinaus treffen können.

Goldman hat zuvor gewarnt, dass eine enge Marktführerschaft und schnelle Momentum-Gewinne häufig höherer Volatilität und schwächeren Renditen vorausgehen. Das identifiziert keinen Marktgipfel, stellt aber die Annahme infrage, dass eine starke Indexentwicklung eine breite wirtschaftliche Gesundheit belegt.

Die rsshub 36kr-Zusammenfassung betont verbesserte Aussichten nach der Bereinigung. Eine vollständigere Lesart ist bedingt. Geringere Hedgefonds- und ETF-Exponierung beseitigt eine Quelle der Instabilität, während Gewinne weiterhin anspruchsvolle Bewertungen und immense Kapitalanforderungen überwinden müssen.

Zudem besteht eine Verifizierungslücke rund um die jüngste Strategienotiz. Der öffentliche Newsflash liefert eine knappe Paraphrase, während Goldmans öffentliche Marktdiskussionen verwandte Daten und Argumentationen liefern. Ohne die vollständige Kundennotiz sollten Leser vermeiden, jedes Detail als feste Prognose für alle AI-Aktien zu behandeln.

Goldman selbst unterscheidet zwischen institutionellen Einschätzungen und individueller Marktkommentierung. In seinen öffentlichen Transkripten heißt es, dass sich die Meinungen der Sprecher ändern können und nicht zwingend die Bank als Ganzes vertreten. Sie werden zudem ausdrücklich als Informationen und nicht als Anlageberatung präsentiert.

Diese Vorsicht ist wichtig, weil verschiedene Goldman-Teams unterschiedliche Teile des Marktes untersuchen. Prime-Brokerage-Spezialisten konzentrieren sich auf die Positionierung von Hedgefonds. Volatilitätshändler analysieren Options- und ETF-Ströme. Aktienstrategen bewerten Gewinne, Bewertungen und Portfoliokonstruktion.

Ihre Ansichten können dennoch ein stimmiges Bild ergeben. Die Positionierung war extrem geworden, Marktstrukturen verstärkten Umkehrungen, und die Gewinne blieben vergleichsweise unterstützend. Nach dem Schuldenabbau wurde das Gleichgewicht zwischen Fundamentaldaten und technischem Druck weniger ungünstig.

Doch eine stimmige Erklärung ist keine Garantie. Eine Konsolidierung kann sich durch erneute Gewinne, einen lang anhaltenden Seitwärtsmarkt oder einen weiteren Rückgang auflösen. Das Ergebnis hängt davon ab, ob die Gewinne mit den Erwartungen Schritt halten, bevor ein neuer makroökonomischer oder unternehmensspezifischer Schock eintritt.

Leser sollten daher zwei einfachen Erzählungen widerstehen. Der Ausverkauf hat nicht bewiesen, dass AI-Investitionen gescheitert sind. Hohe Infrastrukturausgaben beweisen nicht, dass jede AI-bezogene Bewertung gerechtfertigt ist.

Was der AI-Ausblick von Goldman Sachs weiterhin nicht klären kann

Drei ungelöste Fragen können die Konsolidierungsprognose schwächen: die Monetarisierung von Capex, anhaltende Hebelwirkung und steigende Korrelationen zwischen AI-Anlagen.

Die erste Frage ist die Monetarisierung. Hyperscaler müssen zeigen, wie sich Infrastrukturausgaben in Cloud-Umsätze, Werbeerlöse, Abonnementwachstum oder niedrigere interne Kosten übersetzen. Allgemeine Behauptungen über künftige Produktivität werden nicht genügend Belege liefern.

Anleger sollten Investitionsausgaben mit zusätzlichen Umsätzen und Betriebserträgen vergleichen. Sie sollten auch die Abschreibungen beobachten, weil Server und Netzwerkausrüstung über ihre Nutzungsdauer hinweg Kosten verursachen. Schneller Hardwareaustausch kann diese Belastung verstärken.

Der Zeitpunkt der Bilanzierung kann die Geschichte vorübergehend vorteilhafter erscheinen lassen. Barmittel fließen ab, wenn Unternehmen Rechenzentren bauen, während Abschreibungen über künftige Gewinn- und Verlustrechnungen verteilt werden. Umsätze können schrittweise eintreffen oder sich nur schwer direkt AI zuordnen lassen.

Die zweite Frage ist die Hebelwirkung. Hedgefonds haben ihre Exponierung reduziert, doch Goldman sagte, die Positionierung sei nicht vollständig bereinigt. Gehebelte ETFs und Optionsaktivität bleiben ebenfalls strukturelle Merkmale des Marktes und nicht bloß vorübergehende Teilnehmer.

Eine ruhigere Phase kann Risiken schnell wieder anziehen. Wenn die Volatilität sinkt und sich die Kurse erholen, könnten Fonds Positionen wieder aufbauen, Privatanleger zu Call-Optionen zurückkehren und gehebelte Produkte neue Mittel einsammeln. Dieser Prozess kann dieselbe Anfälligkeit bei anderen Kursniveaus erneut schaffen.

Die dritte Frage ist die Korrelation. Lin nannte steigende Aktienkorrelationen ein wichtiges Signal, das nach dem Risikoabbau beobachtet werden sollte. Bleiben Korrelationen niedrig, können Gewinne und unternehmensspezifische Umsetzung die Renditen bestimmen. Steigen sie stark, könnte makroökonomischer Druck fundamentale Unterschiede erneut überlagern.

Die jüngste Liquidation eines prominenten AI-Portfolios verdeutlicht dieses Risiko. Axios berichtete, dass Situational Awareness seine börsennotierten Aktienbestände angesichts hoher Verluste bei AI-Aktien an Citadel verkauft habe. Diese Erfahrung sagt keine weitere Liquidation voraus, zeigt aber, wie konzentrierte Exponierung Stress übertragen kann.

Der Verkauf des AI-Fonds erschwert zudem die Annahme, dass geringere Positionierung automatisch bullisch ist. Einige Verkäufe verbessern das künftige Marktgleichgewicht. Andere können signalisieren, dass Verluste, Finanzierungsdruck oder Rücknahmen weiterhin ungelöst sind.

Eine weitere Unsicherheit betrifft die Zusammensetzung der Nachfrage. Das Training von Frontier-Modellen erfordert enorme Cluster, während Inferenz den Computing-Bedarf über bereitgestellte Produkte verteilt. Eine Verschiebung hin zur Inferenz kann die Nachfrage verbreitern, aber auch andere Hardware- und Softwareanbieter begünstigen.

Effizienzverbesserungen schaffen einen zusätzlichen Zielkonflikt. Bessere Chips, optimierte Modelle und günstigere Inferenz können die Kosten jeder Aufgabe senken. Niedrigere Kosten können die Nutzung ausweiten, aber auch die Umsatzerwartungen der Anbieter verringern, wenn die Nachfrage nicht schnell genug wächst.

Die Verfügbarkeit von Strom kann beide Seiten begrenzen. Rechenzentren benötigen Elektrizität, Übertragungskapazität, Kühlung und Genehmigungen. Starke Chipbestellungen garantieren nicht, dass fertige Systeme planmäßig in Betrieb genommen werden können.

Geopolitische Politik bleibt eine weitere Variable. Exportkontrollen, Zölle und US-chinesische Technologiebeschränkungen können die Nachfrage nach fortschrittlichen Prozessoren und Fertigungsausrüstung verändern. Sie können zudem alternative Lieferketten beschleunigen, die um Kapital konkurrieren.

Keine dieser Unsicherheiten widerlegt Goldmans Schlussfolgerung, dass sich die Bedingungen verbessert haben. Sie erklären, warum verbesserte Bedingungen als bessere Ausgangslage und nicht als abgeschlossener Investment Case beschrieben werden sollten.

Der beste Beleg für die Konsolidierungsthese wird aus enger abgegrenzten Kursreaktionen kommen. Wenn Unternehmen mit starken Aufträgen und verbesserten Margen schwächere Wettbewerber übertreffen, kehrt der Markt zur fundamentalen Differenzierung zurück. Bewegt sich die gesamte Gruppe weiterhin gemeinsam, dominiert die Positionierung noch immer.

Drei Signale für die nächsten drei Monate

Die nächste Phase wird von Hyperscaler-Renditen, Hedgefonds-Exponierung und der Korrelation zwischen einzelnen AI-Aktien entschieden.

Das erste Signal ist die Umwandlung von Investitionsausgaben. Die kommenden Ergebnisse der Hyperscaler sollten Ausgabenpläne offenlegen und Belege liefern, dass AI-Kapazität Umsätze oder messbare Effizienzgewinne erzeugt.

Anleger sollten sich auf Veränderungen beim Cloud-Wachstum, der Nachfrage nach AI-Diensten, den operativen Margen und den Management-Prognosen konzentrieren. Steigende Capex bei gleichzeitig verbesserten Umsätzen würden Goldmans Konsolidierungsthese stärken. Steigende Capex ohne klarere Renditen würden sie schwächen.

Die Unterscheidung ist wichtig, weil Infrastrukturanbieter ausgezeichnete Ergebnisse vorlegen können, bevor ihre größten Kunden überzeugende Wirtschaftlichkeit nachweisen. Der Markt braucht Belege von beiden Seiten der Transaktion.

Goldmans eigene Trader identifizierten die Gewinne der Hyperscaler als ihren zentralen kurzfristigen Test. Lin sagte, er beobachte die Ausgabenentwicklung sowie die Fortschritte dabei, Investitionsausgaben in zusätzliche Umsätze und Gewinne umzuwandeln. Das ist ein anspruchsvollerer Maßstab als die bloße Aufrechterhaltung von Investitionen.

Das zweite Signal ist, ob Hedgefonds ihre Exponierung wieder aufbauen. Die Spanne nach dem Ausverkauf von etwa dem 60. bis 65. Perzentil deutet auf Spielraum für Käufe hin, bedeutet aber auch, dass der Markt nicht aus einer außergewöhnlich defensiven Position heraus startet.

Ein schrittweiser, durch Gewinne gestützter Anstieg würde die Annahme stärken, dass die Korrektur schwache Hebelpositionen bereinigt hat. Eine rasche Rückkehr in Richtung der früheren Höchststände würde erneut Gedränge schaffen, bevor sich die Fundamentaldaten verbessern konnten.

ETF-Vermögen und die Positionierung am Optionsmarkt verdienen neben Hedgefonds ebenfalls Aufmerksamkeit. Ein anhaltendes Wachstum gehebelter und inverser Produkte würde den Anteil mechanischen Handels rund um volatile Wertpapiere erhöhen.

Das dritte Signal ist die Aktienkorrelation. Eine niedrige Korrelation würde darauf hindeuten, dass Anleger Gewinner von schwächeren Unternehmen trennen. Sie würde aktiven Managern zudem mehr Spielraum geben, unternehmensspezifische Fundamentaldaten zu handeln.

Ein starker Anstieg der Korrelation würde darauf hindeuten, dass sich der AI-Komplex erneut wie eine einzige gehebelte Makroposition verhält. In einem solchen Umfeld können selbst starke Unternehmen fallen, weil Anleger liquide Positionen verkaufen, um ihr Gesamtrisiko zu verringern.

Diese Signale sollten gemeinsam gelesen werden. Bessere Ökonomie bei Hyperscalern kann eine erneute Exponierung rechtfertigen. Eine moderate Exponierung kann eine geordnete Preisfindung unterstützen. Eine niedrige Korrelation kann es der Gewinnqualität ermöglichen, darüber zu entscheiden, welche Aktien sich erholen.

Die gegenteilige Kombination wäre riskant. Schwache Monetarisierung, rasch zurückkehrende Hebelwirkung und steigende Korrelation würden die These untergraben, dass der jüngste Ausverkauf lediglich eine gesunde Korrektur war.

Der rsshub 36kr newsflash griff die optimistische Richtung von Goldmans Einschätzung auf, doch die öffentliche Analyse der Bank liefert die notwendigen Bedingungen. Starke Gewinne und eine bereinigtere Positionierung verbessern die Ausgangslage. Sie beseitigen weder Bewertungs-, Hebel- noch Umsetzungsrisiken.

Für Entwickler, Unternehmenskäufer und Nutzer von AI-Produkten hat diese Marktdebatte praktische Folgen. Ein nachhaltiger Infrastrukturzyklus kann die Inferenzkosten senken und die verfügbare Kapazität erweitern. Eine Verlangsamung der Ausgaben kann Rechenzentren verzögern, den Zugang einschränken und Anbieter dazu veranlassen, profitable Workloads zu priorisieren.

Unternehmensteams sollten daher die Produktökonomie ebenso im Blick behalten wie die Finanzmärkte. Wachstum bei tatsächlichen Implementierungen liefert belastbarere Hinweise als Aktienmomentum. Goldmans These wird überzeugender, wenn die zunehmende Token-Nutzung wiederkehrende Umsätze und messbare Geschäftsergebnisse hervorbringt.

Der AI-Trade braucht keine weitere ununterbrochene Rally, um intakt zu bleiben. Er braucht einen ruhigeren Markt, in dem die Gewinne zu den Erwartungen aufschließen können. Beobachten Sie in den kommenden drei Monaten, ob Investitionsausgaben Renditen liefern, ob Hebelwirkung verantwortungsvoll wieder aufgebaut wird und ob einzelne Aktien beginnen, auf Basis ihrer eigenen Ergebnisse zu handeln.