Steve Eisman warnt: Der Infrastrukturboom der KI hat eine verborgene Schwachstelle

Steve Eisman verkaufte seine langjährige Alphabet-Beteiligung trotz des stark wachsenden Cloud-Geschäfts und machte aus einer Google-News-Meldung eine Warnung vor einem überfüllten KI-Trade. Der durch die im Film „The Big Short“ dokumentierte Wette gegen den US-Immobilienmarkt bekannte Investor sagt nicht voraus, dass künstliche Intelligenz scheitern wird. Er stellt infrage, ob ihre späteren Gewinne die heutigen außergewöhnlichen Infrastrukturinvestitionen rechtfertigen werden.

Diese Unterscheidung verändert die Debatte. KI-Modelle können besser werden, die Cloud-Nachfrage kann wachsen und Nvidia kann weiterhin Prozessoren verkaufen, während Anleger dennoch enttäuschende Renditen erzielen. Eismans Sorge gilt der wirtschaftlichen Kette, die Chiphersteller, Cloud-Plattformen, Modellentwickler, Unternehmenskreditnehmer und Indexanleger verbindet.

Alphabet veranschaulicht den Konflikt. Sein Cloud-Geschäft wächst schnell, doch das Unternehmen bindet mehr Mittel für Server, Netzwerktechnik, Energie und Rechenzentren. Microsoft steht unter ähnlichem Druck, weil die Nachfrage die verfügbare Rechenkapazität übersteigt.

Das bullishe Szenario besagt, dass diese Engpässe beweisen, dass Kunden mehr KI-Dienste nachfragen, als Anbieter liefern können. Das skeptische Szenario lautet, dass Nachfrage allein nach Abschreibungen, Strom-, Finanzierungs- und Ersatzkosten keine attraktiven Margen garantiert.

Eisman hat keine umfassende Short-Position gegen den Sektor aufgebaut. Stattdessen verringerte er sein KI-Engagement, hielt mehr Barmittel und wartete auf eindeutigere Belege. Seine Entscheidung wirft eine schwierigere Frage auf als die, ob KI funktioniert: Wer verdient letztlich genug Geld, um den Ausbau zu finanzieren?

Was Steve Eisman tatsächlich verändert hat

Eismans Verkauf von Alphabet war eine Risikoentscheidung, keine Erklärung, dass Google oder KI nicht mehr wachsen würden.

Eisman sagte CNBC, er habe Alphabet so lange besessen, dass er sich nicht erinnern könne, wann er die Aktie erstmals gekauft habe. Anschließend verkaufte er die Position, als die KI-Ausgaben im gesamten Technologiesektor zunahmen.

Laut der ursprünglichen Warnung zum KI-Engagement legte Eisman den Erlös in Barmitteln an statt in klassischen defensiven Aktien. Er ersetzte Alphabet nicht durch Versorger, Basiskonsumgüter oder ein anderes vermeintlich sichereres Thema.

Diese Wahl ist bedeutsam, weil sie seine Position von einem herkömmlichen Rezessions-Trade abgrenzt. Er argumentiert nicht, dass langsam wachsende Unternehmen automatisch bessere Renditen bieten. Er sagt vielmehr, dass der Markt derzeit nur wenige attraktive Möglichkeiten bietet, seinem dominanten KI-Engagement zu entkommen.

Eismans direkteste Warnung bezog sich darauf, was passieren würde, falls die Technologie keine angemessene finanzielle Rendite erwirtschaften sollte. Er sagte, er erwarte in diesem Fall eine „große Korrektur“, nannte jedoch weder einen Zeitpunkt noch einen geschätzten Rückgang.

Die Formulierung kann pessimistischer klingen als seine gesamte Position. Eisman räumte ein, dass KI zu einer herausragenden Technologie werden kann. Sein Zweifel betrifft die Frage, ob jedes Unternehmen, das diese Technologie finanziert, liefert oder betreibt, die aktuellen Erwartungen verdient.

Darin liegt die verborgene Schwachstelle hinter der Google-News-Schlagzeile. Technologischer Erfolg und Anlageerfolg hängen zusammen, sind aber nicht austauschbar.

Ein nützliches Produkt kann enorme Aktivitäten auslösen, ohne für jeden Beteiligten ausreichend Gewinn zu erzeugen. Fluggesellschaften veränderten den Transport, doch ihre Wirtschaftlichkeit blieb über lange Zeit schwierig. Telekommunikationsnetze wurden unverzichtbar, selbst nachdem Anleger durch Überkapazitäten Geld verloren hatten.

Die KI-Infrastruktur steht vor einer eigenen Variante dieses Problems. Chiplieferanten können Umsätze verbuchen, wenn Cloud-Unternehmen Prozessoren kaufen. Cloud-Anbieter können Nachfrage ausweisen, wenn Modellunternehmen Kapazitäten reservieren. Keine der beiden Transaktionen beweist, dass Endkunden aus den daraus entstehenden Diensten dauerhafte Gewinne erzielen werden.

Eisman hinterfragte auch die zunehmend vernetzten Finanzierungsstrukturen rund um den Sektor. Chiphersteller, Cloud-Anbieter, Modellentwickler und Infrastrukturanleger können sich über Verträge, Beteiligungen, Kredite oder Kapazitätszusagen gegenseitig stützen.

Diese Beziehungen sind nicht automatisch unangemessen. Sie können helfen, knappe Infrastruktur während einer echten Expansion zu finanzieren. Sie erschweren jedoch auch die Identifizierung des Punkts, an dem unabhängige, profitable Nachfrage beginnt.

Der Verkauf von Alphabet fungiert daher als Portfoliowarnung. Eisman verringerte sein Engagement, bevor eindeutige Belege dafür vorlagen, dass der KI-Zyklus gescheitert war. Barmittel gaben ihm die Möglichkeit abzuwarten, ohne ein anderes überfülltes Thema auswählen zu müssen.

Seine Handlung hat die Debatte nicht entschieden. Sie zeigte, welche Belege er nun sehen will: nachhaltige Umsätze, dauerhafte Margen und Cash-Generierung, die die gesamten Kosten der KI-Infrastruktur übersteigen.

Google News trifft auf Alphabets wachsende Kapitalrechnung

Alphabets operative Dynamik stützt das KI-Szenario, doch sein Kapitalbedarf zeigt, warum Wachstum allein die Debatte nicht entscheiden kann.

Alphabet meldete am 22. Juli 2026 starke Ergebnisse für das zweite Quartal. Der Umsatz erreichte 119,8 Milliarden US-Dollar, ein Anstieg um 24% gegenüber dem Vorjahreszeitraum. Das Betriebsergebnis stieg um 30% auf 40,8 Milliarden US-Dollar.

Google Cloud verzeichnete das auffälligste Wachstum. Der Umsatz stieg um 82% auf 24,8 Milliarden US-Dollar, während der Auftragsbestand 514 Milliarden US-Dollar erreichte. Der Auftragsbestand umfasst vertraglich vereinbartes Geschäft, das noch nicht als Umsatz erfasst wurde.

Diese Zahlen liefern substanzielle Unterstützung für die Rentabilität der KI-Infrastruktur. Sie zeigen, dass Alphabet keine Rechenzentren ohne kommerzielle Nachfrage errichtet. Kunden gehen Verpflichtungen ein, nutzen mehr Kapazität und setzen die KI-Dienste von Google ein.

Alphabet erklärte, dass fast 90% der Fortune 100 Gemini Enterprise nutzten. Außerdem berichtete das Unternehmen, dass mehr als 2.000 Unternehmen in den vorangegangenen zwölf Monaten über 100 Milliarden Tokens verarbeitet hätten.

Das Token-Volumen misst Texte, Code, Bilder oder andere Daten, die ein KI-Modell verarbeitet. Es zeigt Aktivität, verrät jedoch nicht, welcher Gewinn mit jeder Einheit erzielt wird.

Die Quartalsergebnisse des Unternehmens zeigten außerdem, dass pro Minute etwa 22 Milliarden API-Tokens verarbeitet wurden. Das waren mehr als die 16 Milliarden eines Quartals zuvor.

Auch die Suche liefert ein weiteres unterstützendes Signal. Alphabet erklärte, dass AI Mode nach der weltweiten Einführung eine Milliarde monatlich aktive Nutzer überschritten habe. Die Umsätze aus Suche und anderer Werbung stiegen um 17%.

Diese Ergebnisse stellen das einfachste Blasenargument infrage. Google meldet keine stagnierenden Produkte, während es Geld für ein unabhängiges Experiment ausgibt. KI-Funktionen erreichen große Nutzergruppen, und Cloud-Kunden nutzen erhebliche Rechenkapazitäten.

Alphabet gab jedoch im Quartal 44,9 Milliarden US-Dollar für Investitionsausgaben aus. Investitionsausgaben, auch Capex genannt, umfassen langlebige Vermögenswerte wie Server, Netzwerksysteme und Rechenzentren.

Diese Quartalsausgaben überstiegen Alphabets operativen Cashflow von 39,1 Milliarden US-Dollar. Nach Investitionsausgaben und weiteren Anpassungen lag der Free Cash Flow bei minus 5,9 Milliarden US-Dollar.

Das Management erhöhte die erwarteten Investitionsausgaben für 2026 auf 195 bis 205 Milliarden US-Dollar. Es erklärte außerdem, dass die Ausgaben im Jahr 2027 erneut deutlich steigen würden.

Hier wird die KI-Warnung von Steve Eisman schwerer abzutun. Starke Umsätze beseitigen die Kostenfrage nicht, wenn Infrastrukturinvestitionen noch schneller wachsen.

Ein Rechenzentrum erfordert mehr als eine anfängliche Bauzahlung. Es benötigt Prozessoren, Speicher, Kühlung, Netzwerktechnik, Strom, Wartung und qualifizierte Betreiber. Ältere Hardware verliert zudem an wirtschaftlichem Wert, wenn schnellere Systeme verfügbar werden.

Bilanzierungsregeln verteilen die erfassten Kosten vieler Vermögenswerte über ihre erwartete Nutzungsdauer. Dieser als Abschreibung bezeichnete Prozess mindert den ausgewiesenen Gewinn über mehrere Perioden, statt die gesamte Ausgabe sofort zu erfassen.

Abschreibungen verursachen nicht das gesamte Risiko. Die größere Frage ist, ob die wirtschaftliche Lebensdauer der Hardware mit dem Abschreibungsplan übereinstimmt. Ein funktionsfähiger Prozessor kann nützlich bleiben, nachdem neuere Chips ihn weniger wettbewerbsfähig gemacht haben.

Alphabet argumentiert, dass technische und Hardware-Verbesserungen die Kosten für die Bereitstellung von KI senken. Das Unternehmen erklärte, die Kosten für Antworten in AI Mode hätten im Quartal den niedrigsten Stand seit der Einführung erreicht.

Dieser Fortschritt ist wichtig. Sinkende Stückkosten können wachsende Nutzung in steigende Margen verwandeln. Sie können außerdem die nützliche Rolle bestehender Infrastruktur durch bessere Software und Workload-Management verlängern.

Niedrigere Kosten pro Antwort führen jedoch nicht automatisch zu geringeren Gesamtausgaben. Die Nutzung kann schneller wachsen, als die Effizienz zunimmt. Leistungsfähigere Modelle können zudem für jede komplexe Aufgabe mehr Rechenressourcen erfordern.

Anleger benötigen daher zwei Zahlenreihen. Die Google-News-Berichterstattung betont naturgemäß Wachstum, Produkte und Nutzung. Der finanzielle Test erfordert jedoch auch Kapitalintensität, Abschreibungen, Betriebsausgaben und Free Cash Flow.

Der gesamte Markt stützt sich auf eine KI-Annahme

Eismans umfassendere Sorge lautet Konzentration: Aktien und Anleihen können von derselben KI-Ökonomie abhängen, obwohl sie diversifiziert erscheinen.

Ein breiter Indexfonds hält Hunderte von Unternehmen. Diese Struktur reduziert normalerweise den Schaden, den der Rückgang eines einzelnen Unternehmens verursacht. Sie beseitigt das Risiko jedoch nicht, wenn die größten Positionen denselben Investitionszyklus teilen.

S&P Dow Jones Indices stuft den S&P 500 als Benchmark für große Unternehmen ein, der etwa 80% der verfügbaren US-Marktkapitalisierung abdeckt. Seine Gewichtung nach Marktkapitalisierung verleiht den größten Unternehmen den stärksten Einfluss.

Die zehn größten Unternehmen stellten etwa 36,4% des Index dar, als TheStreet seinen Bericht veröffentlichte. Alphabet, Microsoft, Nvidia, Amazon, Meta und weitere KI-nahe Unternehmen nahmen einen großen Teil dieser konzentrierten Gruppe ein.

Die offizielle Indexmethodik verspricht keine gleichmäßige Gewichtung über Unternehmen oder wirtschaftliche Themen hinweg. Anleger können 500 Aktien besitzen, während eine kleine Gruppe weiterhin einen großen Teil der Wertentwicklung bestimmt.

Daraus entsteht eine Seite von Eismans gefährlichem Trade. Aktienanleger hängen stark davon ab, dass große Technologieunternehmen das KI-bezogene Gewinnwachstum aufrechterhalten.

Die zweite Seite reicht in den Anleihenmarkt. Rechenzentren erfordern langlebige physische Anlagen, und das Ausmaß des Ausbaus fördert die Kreditaufnahme durch Technologieunternehmen, Entwickler, Versorger und Infrastrukturpartner.

Aktien und Anleihen verhalten sich unter normalen Bedingungen unterschiedlich. Beide können jedoch leiden, wenn ihre zugrunde liegenden Emittenten von denselben erwarteten Cashflows abhängen.

Ein Anleger könnte Technologieaktien für Wachstum und Unternehmensanleihen für Stabilität halten. Wenn KI-Infrastruktur die Gewinne der Aktien und die Kreditwürdigkeit der Anleihen stützt, besitzt dieses Portfolio weniger wirtschaftliche Vielfalt, als seine Bezeichnungen vermuten lassen.

Die Federal Reserve hat keine KI-Krise ausgerufen. Ihre Überprüfung vom Mai 2026 bezeichnete die Schwachstellen bei Haushalts- und Unternehmensschulden insgesamt als moderat. Sie erklärte außerdem, dass Banken solide und widerstandsfähig blieben.

Die Fed stellte jedoch fest, dass der Bewertungsdruck am Aktienmarkt erhöht blieb. Das Kurs-Gewinn-Verhältnis der S&P-500-Unternehmen lag weiterhin nahe am oberen Ende seiner historischen Verteilung.

Von der Fed befragte Marktteilnehmer nannten Entwicklungen rund um KI häufig als potenzielle Bedrohung. Sie verwiesen außerdem auf geopolitische Risiken, einen Ölschock, private Kredite und anhaltende Inflation.

Die Überprüfung der Finanzstabilität bietet einen nützlichen Ausgleich. Sie erkennt KI als Risikokanal an, ohne zu behaupten, dass ein Zusammenbruch sicher oder unmittelbar bevorsteht.

Diese Unterscheidung entspricht Eismans Position. Hohe Konzentration schafft Anfälligkeit, liefert jedoch kein verlässliches Timing-Signal. Teure Märkte können weiter steigen, solange die Gewinne stark bleiben.

Konzentration wirkt zudem in beide Richtungen. Eine kleine Gruppe profitabler Unternehmen kann einen Index stützen, wenn schwächere Branchen kämpfen. Alphabet und Microsoft verfügen über etablierte Geschäftsbereiche, die über ihre KI-Aktivitäten hinaus Cash generieren.

Google erzielt weiterhin erhebliche Werbeeinnahmen. Microsoft verkauft Software und Cloud-Dienste für zahlreiche Arbeitslasten. Amazon betreibt Handels- und Logistikgeschäfte, während Meta seine Infrastruktur über Werbung finanziert.

Diese Cash-Generatoren unterscheiden die heutigen Marktführer von spekulativen Unternehmen ohne etablierte Umsätze. Sie geben Hyperscalern mehr Zeit, die Wirtschaftlichkeit von KI zu verbessern und frühe operative Verluste aufzufangen.

Der Druck bleibt dennoch bestehen. Große Unternehmen können sich umfangreiche Ausgabenprogramme leisten, doch Anleger vergleichen jedes Programm weiterhin mit anderen Kapitalverwendungen. Rechenzentren konkurrieren mit Übernahmen, Forschung, Dividenden und Aktienrückkäufen.

Eine große Bilanz macht Kapital nicht kostenlos. Jeder Server muss letztlich zu Umsätzen beitragen, Kosten senken, ein Kerngeschäft verteidigen oder eine wertvolle strategische Option schaffen.

Dieser Maßstab erklärt, warum der KI-Boom zugleich gesund und fragil wirken kann. Die stärksten Unternehmen finanzieren ihn, doch viele diversifizierte Portfolios hängen davon ab, dass genau diese Unternehmen die wirtschaftliche Rechnung richtig lösen.

Cloud-Nachfrage ist real, doch die Profitabilität ist der Prüfstein

Der zentrale Konflikt lautet nicht reale gegen imaginäre Nachfrage. Es geht um reale Nachfrage gegenüber den Kosten, sie profitabel zu bedienen.

Microsoft liefert wichtige Belege für das optimistische Szenario. Das Unternehmen meldete im dritten Geschäftsquartal 2026 Investitionsausgaben von 31,9 Milliarden US-Dollar.

Etwa zwei Drittel dieser Ausgaben entfielen auf kurzlebigere Vermögenswerte, darunter Grafikprozessoren und Zentralprozessoren. Diese Anlagen übernehmen die Berechnungen hinter Cloud- und KI-Workloads.

Microsoft erklärte, die Cloud-Kapazität bleibe weiter hinter der Kundennachfrage zurück. Seine Kapazitätsangaben deuten darauf hin, dass das Unternehmen auf tatsächliche Engpässe reagierte und nicht bloß ungenutzte Anlagen errichtete.

Angebotsengpässe können auf Preissetzungsmacht hindeuten. Wenn Kunden mehr Kapazität nachfragen, als ein Anbieter bereitstellen kann, kann dieser wertvolle Workloads priorisieren und vorteilhafte Zusagen verhandeln.

Sie können jedoch auch unprofitable Nachfrage verschleiern. Kunden werden mehr von einem subventionierten Dienst anfordern, insbesondere wenn Anbieter um Marktanteile konkurrieren oder Anreize bieten.

Die entscheidende Kennzahl ist nicht eine Warteliste. Entscheidend ist die Marge nach Kosten für Rechenleistung, Energie, Abschreibungen, Netzwerke, Support und Finanzierung.

Inference steht im Zentrum dieser Frage. Inference bezeichnet den Prozess, ein trainiertes Modell auszuführen, um eine Anfrage zu beantworten, Inhalte zu generieren oder eine Aufgabe zu erledigen.

Das Training erzeugt das Modell, doch Inference bedient die alltäglichen Nutzer. Ihre Wirtschaftlichkeit entscheidet darüber, ob die großflächige Einführung zu einem wiederkehrenden Gewinnmotor oder zu einer teuren Engagement-Strategie wird.

Eismans Sorge ist, dass Kunden sich den Preisen widersetzen könnten, die für profitable Inference erforderlich sind. Unternehmen mögen kostengünstige KI-Unterstützung, doch ihre Zahlungsbereitschaft hat Grenzen.

Modellanbieter können die Preise senken, wenn Chips und Software besser werden. Wettbewerb kann diese Senkungen jedoch auch erzwingen, bevor die Kosten ausreichend zurückgehen, und so die Margen im gesamten Sektor drücken.

Geschlossene Modelle stehen unter Druck durch Open-Weight-Alternativen. Ein Open-Weight-Modell macht seine erlernten Parameter unter festgelegten Bedingungen verfügbar, sodass Organisationen es selbst hosten oder anpassen können.

Selbsthosting beseitigt Kosten nicht. Unternehmen benötigen weiterhin Hardware, Engineering, Sicherheit, Monitoring und Governance. Es gibt anspruchsvollen Käufern jedoch eine weitere Verhandlungsoption.

Cloud-Plattformen können darauf reagieren, indem sie vollständige Systeme statt bloßem Modellzugang anbieten. Diese Systeme bündeln Datenwerkzeuge, Sicherheitskontrollen, kundenspezifische Prozessoren, Software-Agenten und Enterprise-Support.

Alphabets Ansatz folgt dieser Strategie. Google Cloud verkauft Chips, Modelle, Datendienste, Sicherheitsprodukte und Tools zur Agentenentwicklung als integriertes Paket.

Integration kann Margen verbessern, weil Kunden eine breitere Geschäftsbeziehung erwerben. Sie kann auch Wechselkosten erhöhen, wenn Anwendungen von proprietären Diensten eines Anbieters abhängen.

Dadurch entsteht ein differenzierterer Profitabilitätstest für KI-Infrastruktur. Anleger sollten nicht nur Umsätze aus direkten Modellaufrufen messen. KI kann Werbung, Cloud-Bindung, Entwicklerakzeptanz, Sicherheitsverkäufe und Produktivität stärken.

Einige Erträge werden zudem als verteidigte Umsätze statt als neue Umsätze erscheinen. Google könnte stark in KI investieren, weil ein Ausbleiben von Verbesserungen bei Search sein bestehendes Geschäft gefährden würde.

Defensive Investitionen können weiterhin rational sein. Sie erschweren jedoch die Berechnung, weil das Management nicht leicht zeigen kann, welche Umsätze nur deshalb bestehen, weil das Unternehmen mehr Infrastruktur aufgebaut hat.

Eismans These gewinnt an Stärke, wenn die Investitionsausgaben weiter steigen, während Margen, Cashflow und Kundenpreise nachgeben. Sie wird schwächer, wenn die Umsätze sich dynamisch entwickeln, Stückkosten fallen und sich der freie Cashflow erholt.

Die aktuelle Evidenz stützt beide Seiten. Cloud-Wachstum und begrenzte Kapazitäten belegen Nachfrage. Der negative quartalsweise freie Cashflow bei Alphabet belegt die unmittelbaren Kosten, sie zu bedienen.

Deshalb bringt ein simples Blasenetikett wenig. Eine Blase impliziert, dass sich Preise von nachhaltiger Wirtschaftlichkeit entkoppelt haben, doch diese Wirtschaftlichkeit entwickelt sich noch.

Die hilfreichere Frage ist enger gefasst: Können Hyperscaler knappe Rechenkapazität in Renditen oberhalb ihrer gesamten Kapitalkosten verwandeln, bevor der Wettbewerb diese Kapazität zur Massenware macht?

Was das optimistische Szenario über den Ausbau richtig erkennt

Eismans Warnung verdient Prüfung, weil das stärkste Gegenargument aus operativen Ergebnissen stammt, nicht aus Optimismus.

Alphabets Zahlen für das zweite Quartal zeigen steigende Umsätze, operative Gewinne, Cloud-Auftragsbestände und KI-Nutzung. Das sind nicht die typischen Anzeichen eines Unternehmens, dessen Kunden verschwunden sind.

Microsofts Kapazitätsengpässe liefern ein weiteres konkretes Signal. Unternehmen bleiben normalerweise nicht angebotsbeschränkt, wenn die Nachfrage rein werblich ist oder sich auf kleine Experimente beschränkt.

Nvidia nimmt ebenfalls eine günstige Position in der Wertschöpfungskette ein. Das Unternehmen kann Gewinn erzielen, wenn Kunden seine Prozessoren kaufen, selbst wenn einige nachgelagerte Anwendungen später enttäuschen.

Eisman räumte Berichten zufolge ein, dass Nvidia seine Chips wahrscheinlich profitabel verkaufen werde. Seine Sorge beginnt weiter unten in der Kette, wo Cloud-Anbieter und Endnutzer aus dieser Rechenkapazität Renditen erzielen müssen.

Die Unterscheidung ähnelt der eines Lieferanten, der während eines Rohstoffbooms Ausrüstung verkauft. Der Lieferant kann florieren, selbst wenn einige Kunden den Wert der von ihnen erworbenen Anlagen überschätzen.

Hyperscaler sind jedoch keine passiven Käufer. Alphabet, Amazon und Microsoft betreiben globale Cloud-Plattformen mit großen Kundenstämmen und umfangreichen Softwareportfolios.

Sie können Infrastruktur für Suche, Werbung, Produktivitätssoftware, Cybersicherheit, Video und externe Cloud-Workloads wiederverwenden. Ein für einen Dienst gekaufter Prozessor kann andere Aufgaben unterstützen, wenn sich die Nachfrage verschiebt.

Eigene Chips können ebenfalls die Kosten senken. Alphabet entwickelt Tensor Processing Units, während Amazon und Microsoft eigene KI-Prozessoren entwickelt haben. Diese Systeme verringern die vollständige Abhängigkeit von einem einzelnen Lieferanten.

Softwareoptimierung erweitert das Argument. Bessere Compiler, Modellkomprimierung, Workload-Planung und Caching können den mit bestehender Hardware erzielten Output erhöhen.

Effizienzgewinne können schneller eintreten, als Jahresabschlüsse sie sichtbar machen. Capex erscheint unmittelbar im Cashflow, während die daraus entstehenden Anlagen über mehrere Jahre Umsätze erzielen können.

Große Bauprogramme führen zudem zu ungleichmäßigen Quartalen. Eine Phase negativen freien Cashflows beweist nicht, dass eine mehrjährige Investition scheitern wird.

Alphabets Auftragsbestand weist auf künftige vertraglich gebundene Nachfrage hin, obwohl Auftragsbestand kein garantierter Gewinn ist. Zeitpunkt, Kundennutzung, Servicekosten und Vertragsbedingungen beeinflussen weiterhin die letztliche Rendite.

Das optimistische Szenario erkennt auch die strategische Notwendigkeit. KI verändert, wie Menschen suchen, Software schreiben, Informationen analysieren und mit Geschäftssystemen interagieren.

Ein Hyperscaler, der zu wenig ausgibt, kann an Produktrelevanz verlieren, selbst wenn geringere Capex-Ausgaben den kurzfristigen Cashflow verbessern. Managementteams müssen gegenwärtige Renditen gegen dieses Wettbewerbsrisiko abwägen.

Für Entwickler kann ein größeres Infrastrukturangebot die Latenz senken und die Verfügbarkeit von Modellen verbessern. Es kann zudem kleinere Unternehmen unterstützen, die keine eigenen Rechenzentren errichten können.

Unternehmenskunden profitieren, wenn Cloud-Anbieter bei Preis, Governance und Leistung konkurrieren. Wettbewerb kann die Wirtschaftlichkeit für Kunden verbessern, selbst wenn er die Margen der Anbieter unter Druck setzt.

Wissensarbeiter könnten bessere Werkzeuge sehen, bevor Anleger klare Renditen erkennen. Ein Dienst kann Mitarbeitern Zeit sparen, ohne dass sein Anbieter den gesamten Wert dieser Produktivität abschöpft.

Dadurch entsteht eine Lücke zwischen gesellschaftlichem Nutzen und Aktionärsrendite. Eine breit nützliche Technologie kann Gewinne auf Kunden, Beschäftigte und konkurrierende Unternehmen verteilen, statt sie bei Infrastrukturbetreibern zu konzentrieren.

Der historische Präzedenzfall ist keine exakte Wiederholung der Dotcom-Ära. Die heutigen führenden Käufer erzeugen erhebliche Cashflows, und viele KI-Dienste haben bereits zahlende Kunden.

Dennoch liefert die Geschichte eine relevante Lehre. Unverzichtbare Infrastruktur kann überbaut werden, wenn jeder Teilnehmer erwartet, dass die Nachfrage eine gleichzeitige Expansion rechtfertigt.

Die späteren Gewinner könnten Kapazitäten günstig erwerben, nachdem schwächere Betreiber sich zurückziehen. Kunden können von niedrigeren Preisen profitieren, während frühe Anleger Verluste erleiden.

Eismans Vorsicht bleibt daher trotz der optimistischen Evidenz bestehen. Reale Akzeptanz reduziert die Wahrscheinlichkeit einer wertlosen Technologie, garantiert jedoch nicht auf jeder Ebene attraktive Renditen.

Auch das skeptische Szenario muss gleichermaßen diszipliniert bleiben. Ein Quartal mit negativem freien Cashflow beweist keine Überinvestition. Eine hohe Capex-Prognose beweist nicht, dass Kunden aufhören werden zu zahlen.

Bislang belegt keine öffentliche Evidenz die endgültige Profitabilität dieses Investitionszyklus. Der Ausbau bleibt aktiv, die Kapazität bleibt begrenzt, und die Unternehmen berichten weiterhin über starke Nutzung.

Drei Signale werden entscheiden, ob die Warnung zutrifft

Anleger sollten Umsatz-zu-Kosten-Wachstum, freien Cashflow und Kundenpreise beobachten, statt jedes Google-News-Update als Urteil zu behandeln.

Das erste Signal ist, ob KI-bezogene Umsätze schneller wachsen als die Infrastrukturkosten. Cloud-Umsätze liefern eine Kennzahl, doch Anleger sollten auch operative Margen und Abschreibungen prüfen.

Alphabets Cloud-Wachstum von 82 % schafft Raum für Optimismus. Der Vergleich wird ungünstiger, wenn Capex, Stromkosten und Abschreibungen weiter beschleunigen, nachdem sich das Wachstum normalisiert hat.

Die Angaben des Managements sollten mit der Zeit konkreter werden. Anleger benötigen eine klarere Trennung zwischen Ausgaben für KI-Nachfrage, allgemeinem Cloud-Ausbau und dem Ersatz bestehender Anlagen.

Sie benötigen außerdem Belege zur Anlagenauslastung. Ein voll ausgelastetes Rechenzentrum mit profitablen Workloads stützt das optimistische Szenario. Eine voll ausgelastete Anlage mit rabattierten Workloads beantwortet die Renditefrage nicht.

Das zweite Signal ist die Erholung des freien Cashflows. Alphabets negatives Quartalsergebnis von 5,9 Milliarden US-Dollar spiegelte eine bedeutende Bauphase wider, nicht unbedingt einen dauerhaften Zustand.

Eine Erholung bei anhaltendem Umsatzwachstum würde Eismans Warnung schwächen. Sie würde zeigen, dass das Unternehmen die Expansion finanzieren und zugleich mehr operativen Gewinn in verfügbares Geld umwandeln kann.

Anhaltend schwacher Cashflow würde die Warnung stärken, insbesondere wenn das Management die Prognosen für Investitionsausgaben weiter anhebt. Der Druck würde zunehmen, falls Unternehmen mehr Schulden aufnehmen, während Renditen weiter in der Ferne liegen.

Investoren sollten mehrere Quartale statt nur eines Berichts betrachten. Bauzeitpläne, Geräteauslieferungen und Steuerzahlungen können Volatilität erzeugen, die den zugrunde liegenden Trend verschleiert.

Das dritte Signal ist die Zahlungsbereitschaft der Kunden für Inferenz. Nutzungswachstum ist weniger relevant, wenn Anbieter ihre Preise fortlaufend schneller senken müssen, als ihre Kosten zurückgehen.

Verlängerungen von Unternehmensverträgen, verbindliche Cloud-Verträge und wachsende Workloads können die optimistische These stützen. Kunden, die auf günstigere Modelle oder kleinere Implementierungen umsteigen, würden Eismans Bedenken untermauern.

Die Modellqualität allein wird diesen Wettbewerb nicht entscheiden. Käufer vergleichen zunehmend Leistung, Datenschutz, Latenz, Governance und die gesamten Betriebskosten.

Open-Weight-Modelle werden eine weitere Preisreferenz liefern. Wenn Unternehmen ihren Bedarf mit kostengünstigeren Systemen decken können, müssen Premiumanbieter ihre Preise durch bessere Ergebnisse rechtfertigen.

Kapazitätsengpässe verdienen innerhalb dieses dritten Signals besondere Aufmerksamkeit. Anhaltende Knappheit bei stabilen Margen würde auf nachhaltige Nachfrage hindeuten. Knappheit in Verbindung mit aggressiven Rabatten würde eine andere Geschichte erzählen.

Auch die Breite des Marktes bietet eine zusätzliche Kontrollmöglichkeit. Breiteres Gewinnwachstum würde die von Eisman identifizierte Portfoliokonzentration verringern.

Wenn Marktgewinne weiterhin auf wenige KI-nahe Unternehmen konzentriert bleiben, werden Investoren weiterhin von einer einzigen finanziellen Annahme abhängig sein. Diese Abhängigkeit kann jede Enttäuschung verstärken.

Auch Anleiheemissionen sollten ähnlich genau geprüft werden. Kredite, die vertraglich gesicherte und profitable Infrastruktur finanzieren, bergen ein anderes Risiko als Kredite, die hauptsächlich auf prognostizierter Nachfrage beruhen.

Keines dieser Signale erfordert die Vorhersage des exakten Höhepunkts eines Investitionszyklus. Sie ermöglichen es Lesern, die These anhand der berichteten Ergebnisse zu prüfen.

Entwickler sollten sich dafür interessieren, weil eine Korrektur den Zugang zu Rechenressourcen verändern kann. Anbieter könnten Subventionen reduzieren, experimentelle Produkte einstellen oder Kapazitäten auf Kunden mit stärkeren Verträgen konzentrieren.

Unternehmenskäufer sollten sich dafür interessieren, weil die heutigen niedrigen Nutzungspreise möglicherweise nicht von Dauer sind. Ein Dienst, der auf subventionierter Inferenz basiert, wird teuer zu ersetzen, sobald Workflows und proprietäre Daten von ihm abhängen.

Wissensarbeiter sollten zwischen nützlichen Produkten und langfristig stabilen Anbietern unterscheiden. Wichtige Arbeiten in portablen Formaten aufzubewahren und eine durchsuchbare persönliche Wissensdatenbank zu pflegen, kann die Abhängigkeit von einem einzelnen Anbieter verringern.

KI-Produktteams sollten die Kosten unter mehreren Preisszenarien modellieren. Sie sollten außerdem messen, ob Kunden für abgeschlossene Ergebnisse statt für den reinen Tokenverbrauch zahlen.

Eismans Verkauf beweist weder, dass Alphabet überbewertet ist, noch dass KI eine Blase ist oder eine Korrektur bevorsteht. Er zeigt, dass ein angesehener Investor das Risiko als schwieriger diversifizierbar einschätzte.

Die überzeugendste Antwort wird nicht aus einer weiteren dramatischen Schlagzeile kommen. Sie wird sich in Cloud-Margen, freiem Cashflow, Kundenverlängerungen und den Kosten für die Bearbeitung jeder einzelnen KI-Anfrage zeigen.

Der nächste Ergebniszyklus sollte verdeutlichen, ob die aktuellen Ausgaben ein profitables Versorgungsunternehmen aufbauen oder eine längere Phase subventionierter Einführung finanzieren. Beobachten Sie diese Zahlen, bevor Sie eines der beiden Extreme akzeptieren.

Google News wird weiterhin Behauptungen über Blasen, Durchbrüche und enorme neue Verpflichtungen verbreiten. Leser sollten sich unter jeder Meldung eine einheitliche Frage stellen: Wer verdient den letzten Dollar?

Diese Frage macht die KI-Berichterstattung zu einem praktischen Entscheidungsinstrument. Verfolgen Sie die Einnahmen, zeichnen Sie die Kosten nach und prüfen Sie, ob der Kunde am Ende die gesamte Kette tragen kann.