Dotcom 2.0? Was der KI-Boom mit der Internetblase gemeinsam hat

September 2026: Der Boom hat echte Rechnungen

Eine Nachricht zusammenfassen, einen Brief entwerfen oder ein Bild erzeugen: Dafür gibt es Programme mit künstlicher Intelligenz, kurz KI. Sie haben anhand vieler Beispiele Muster gelernt und erzeugen daraus neue Ausgaben. Ein Chatbot ist ein solches Programm, mit dem du dich schriftlich unterhalten kannst. Seine Antworten können hilfreich sein, aber auch falsch.

Hinter einer Antwort auf deinem Bildschirm arbeiten Computer. Viele davon stehen in großen Gebäuden, den Rechenzentren. Diese Computer zu kaufen und zu betreiben kostet Geld. Weil Firmen sich von KI große Geschäfte versprechen, geben sie derzeit viel dafür aus. Einen solchen starken Aufschwung nennt man Boom.

Am 8. September meldet Mistral drei Milliarden Euro frisches Geld von Investoren. So heißen Geldgeber, die sich davon später einen finanziellen Ertrag erhoffen. Bei dieser „Finanzierungsrunde“ wird das französische KI-Unternehmen insgesamt mit mehr als 21 Milliarden Euro bewertet. Diese Bewertung ist der rechnerische Firmenwert, auf den sich die Beteiligten beim Kauf von Anteilen verständigen. Sie bedeutet nicht, dass Mistral 21 Milliarden Euro auf dem Konto hat. Mistrals Mitteilung

Wenige Tage zuvor, am 26. August, hat der Chipanbieter NVIDIA ganz andere Zahlen vorgelegt: 96,2 Milliarden Dollar Quartalsumsatz, davon 89 Milliarden im Geschäft mit Rechenzentren. Ein Quartal umfasst drei Monate. Umsatz ist der Wert der verkauften Waren und Leistungen, bevor die Kosten abgezogen werden. Erst was nach Kosten übrig bleibt, ist Gewinn. Die Zeitangabe verdient einen zweiten Blick: „Q2 FY2027“ bezeichnet bei NVIDIA ein Quartal, das bereits am 26. Juli 2026 endete. Wer nur die Jahreszahl überfliegt, hält eine veröffentlichte Zahl womöglich für eine Zukunftsprognose. NVIDIAs Quartalsbericht

Von einer Spekulationsblase spricht man, wenn Preise stark steigen und sich immer schwerer durch die erwartbaren Einnahmen rechtfertigen lassen. Käufer setzen dann etwa darauf, dass andere später noch mehr bezahlen. Bricht diese Hoffnung weg, können die Preise schnell fallen: Die Blase „platzt“. Auch eine nützliche Technik kann Gegenstand einer solchen Blase sein. Eine große Finanzierungsrunde allein beweist allerdings noch nicht, dass der Preis zu hoch ist.

Mit „Dotcom 2.0“ ist in diesem Artikel der Vergleich zwischen der damaligen Internet-Euphorie und dem heutigen KI-Investitionsboom gemeint. Der Ausdruck stellt die Frage, ob sich etwas Ähnliches wiederholt. Er bedeutet nicht, dass eine neue Krise bereits feststeht. Unser Stichtag ist der 9. September 2026. Spätere Ereignisse und noch nicht veröffentlichte Jahresergebnisse gehören nicht zu dieser Bestandsaufnahme.

Was damals eigentlich platzte

„Dotcom“ kommt von „.com“ am Ende vieler Internetadressen. Ende der 1990er-Jahre stand sie für Unternehmen, die Geschäfte ins Internet verlagern wollten. Die zugrunde liegende Idee war plausibel: Ein Onlineshop braucht kein Ladenlokal in jeder Stadt. Eine Suchmaschine erreicht Menschen weit über den eigenen Ort hinaus. Wenn solche Angebote wachsen, können sich Märkte grundlegend verändern.

Um Geld für ihr Wachstum zu bekommen, können Unternehmen Anteile verkaufen. Solche Anteile heißen bei einer Aktiengesellschaft Aktien. An einer Börse werden sie gehandelt; ihr jeweiliger Preis heißt Kurs. Wer eine Aktie kauft, besitzt einen kleinen Teil der Firma. Steigt der Kurs, kann der Anteil teurer weiterverkauft werden. Fällt er, verliert der Käufer Geld, wenn er verkauft.

Aus dieser Möglichkeit wurde an der Börse eine sehr anspruchsvolle Rechnung. Künftiges Wachstum musste enorme Preise rechtfertigen. Ein zeitgenössischer Rückblick der Federal Reserve Bank of Cleveland beschreibt Anfang 2001, wie hoch die Gewinnerwartungen besonders bei Aktien großer Technikunternehmen lagen. Die Autoren erinnern daran, dass auch eine echte technische Revolution nicht beliebig hohe Bewertungen rechtfertigt. Rückblick vom Januar 2001

Das Internet verschwand nicht, als die Kurse einbrachen. Genau deshalb ist diese Geschichte heute so unbequem. Man konnte die gesellschaftliche Bedeutung einer Technologie richtig einschätzen und mit einer konkreten Beteiligung trotzdem viel Geld verlieren. Zwischen „Das wird gebraucht“ und „Dieser Preis lohnt sich“ liegt eine vollständige Unternehmensrechnung.

Wie sich viele Aktien zusammen entwickeln, lässt sich mit einem Aktienindex verfolgen. Er bündelt ihre Kursbewegungen in einer Kennzahl. Der hier gezeigte Index heißt Nasdaq Composite. Seine Punkte sind keine Euro- oder Dollarbeträge: Eine steigende Kurve bedeutet, dass die enthaltenen Aktien nach ihrer Gewichtung insgesamt teurer werden. „Schlusskurs“ heißt der Stand am Ende eines Handelstages.

Der Nasdaq Composite fiel zwischen den beiden markierten Schlusskursen um knapp 78 Prozent. Das war kein einzelner schlechter Börsentag. Die Strecke vom Hoch zum Tief dauerte mehr als zweieinhalb Jahre. Der Index enthält außerdem unterschiedliche Unternehmen; er misst weder sämtliche Internetfirmen noch den Wert „des Internets“. Die Kurve zeigt einen historischen Verlauf, keine Schablone für den nächsten KI-Crash. Historische Indexreihe

Ein kurzer Umweg zur Mathematik: Nach einem Verlust von 80 Prozent bleiben von 100 Euro noch 20. Um wieder auf 100 zu kommen, braucht es anschließend 400 Prozent Gewinn. Ein späterer Aufschwung repariert den Schaden deshalb nicht so leicht, wie zwei ähnlich große Prozentzahlen vermuten lassen. Das ist eine reine Rechenregel, unabhängig davon, welche Aktie oder Technologie gerade im Gespräch ist.

Der Begriff „Blase“ ist rückblickend bequemer als während des Geschehens. Niemand kann die Gewinne der nächsten Jahrzehnte heute ablesen. Was sich prüfen lässt, sind die Voraussetzungen: Wie schnell müsste ein Unternehmen wachsen? Wie viel dürfte die Konkurrenz davon abbekommen? Und wie lange müsste ein außergewöhnlich großer Teil des Umsatzes als Gewinn übrig bleiben? Wenn fast jede Annahme günstig ausfallen muss, wird die Bewertung empfindlich.

Woher das Geld kommt – und wohin es fließt

Stell dir eine Architektin vor, die ein KI-Abo bezahlt. Der Anbieter mietet dafür die Arbeit leistungsfähiger Computer. Das nennt man Rechenleistung. Wer diese Computer über das Internet bereitstellt, ist ein Cloudanbieter. Er kauft dafür Server, also Computer, die Aufgaben für andere Geräte bearbeiten. Der Hersteller dieser Geräte bezahlt wiederum seine Zulieferer. Auf mehreren Stufen entsteht Umsatz. Trotzdem hat die Architektin ihren Euro nur einmal ausgegeben.

Für die Größe eines Marktes ist das entscheidend. Wer sämtliche Umsätze entlang dieser Kette addiert und das Ergebnis als Nachfrage der Endkunden ausgibt, zählt auch die Einkäufe der Firmen untereinander mit. Ebenso wenig darf man eine Finanzierung mit einem Verkauf verwechseln: Ein Investor kauft einen Anteil am Unternehmen. Ein Kunde kauft eine Leistung. Beide überweisen Geld, erwarten aber etwas anderes zurück.

Komplizierter wird es, wenn ein Unternehmen mehrere Rollen übernimmt. Der Internationale Währungsfonds, kurz IWF, beschreibt in seinem Bericht zur Stabilität des Finanzsystems vom April 2026 zunehmend verflochtene Finanzierungen im KI-Sektor: Entwickler, Chipanbieter und große Technologiekonzerne treten zugleich als Kunden, Investoren oder Geldgeber auf. Dadurch lässt sich schwerer erkennen, wer von wem abhängt. Wenn eine Firma nicht mehr zahlt, kann auch ihr Geschäftspartner in Schwierigkeiten geraten. Der Bericht bewertet die Auswirkungen auf die Finanzstabilität zum damaligen Zeitpunkt dennoch als begrenzt. IWF-Analyse, April 2026

Das Schema beschreibt zunächst einen Finanzierungsweg. Daraus folgt kein Betrugsvorwurf. Ein junges Unternehmen darf Geld aufnehmen und damit Infrastruktur kaufen. Die wirtschaftliche Frage lautet: Wachsen seine unabhängigen Kundeneinnahmen schnell genug, um irgendwann ohne fortgesetzte neue Finanzierungsrunden auszukommen?

Man kann das an einer erfundenen Bäckerei nachvollziehen. Ein Ofenhersteller beteiligt sich an ihr, die Bäckerei kauft von dem Geld einen Ofen, der Hersteller meldet Umsatz. Der Ofen steht tatsächlich da und backt tatsächlich Brot. Ob die Bäckerei überlebt, entscheidet sich trotzdem daran, wie viele Menschen morgens bezahlen. Den Ofenverkauf als Beweis für ausreichend verkaufte Brötchen zu nehmen, wäre voreilig.

OpenAI, NVIDIA und die Serverfarmen: Wer bezahlt wen?

ChatGPT ist ein Produkt; das Unternehmen dahinter heißt OpenAI. Geld kommt etwa durch Abos und durch Firmen herein, die OpenAIs Programme in eigene Anwendungen einbauen und für deren Nutzung bezahlen. Diese Kundeneinnahmen sind der Ausgangspunkt der Geschäftsrechnung. Die Finanzierung durch Anteilseigner ist ein anderer Geldtopf.

Am 31. März 2026 meldete OpenAI den Abschluss einer Runde mit 122 Milliarden Dollar zugesagtem Kapital. Zugleich nannte das Unternehmen damals zwei Milliarden Dollar Monatsumsatz. Das sind weder 122 Milliarden Jahresumsatz noch ein Beleg, dass alle Zusagen bereits überwiesen wurden. Die Mitteilung enthält auch keine vollständige Gewinn- und Kapitalflussrechnung. Wie viel Geld OpenAI nach sämtlichen Ausgaben übrig hatte, lässt sich daraus nicht ablesen. OpenAIs Angaben vom März

Amazon gibt Geld hinein und bekommt Aufträge zurück

Amazon macht diese Doppelrolle besonders greifbar. Sein Quartalsbericht weist bis Ende Juni 28,7 Milliarden Dollar für die OpenAI-Beteiligung aus. Für die Zeit danach meldet er weitere 21,3 Milliarden. Zusammen sind das die angekündigten 50 Milliarden Dollar. Hier dokumentiert ein Bericht tatsächlich geleistete Investitionen, nicht bloß einen Plan. Amazon erhält dafür eine Beteiligung am Unternehmen. Amazons Bericht samt Nachtragsangaben

In die Gegenrichtung kauft OpenAI Computerleistung bei Amazon Web Services, kurz AWS. Die im Februar angekündigte Vereinbarung erweitert einen bestehenden Vertrag um 100 Milliarden Dollar über acht Jahre. Dieser Betrag steht für zusätzliche langfristige Bestellungen; er ist keine sofortige Rücküberweisung von 100 Milliarden. Die Partnerschaft umfasst auch Amazons eigene Trainium-Chips. Deshalb wäre die Behauptung falsch, das gesamte AWS-Geld lande automatisch bei NVIDIA. Vereinbarung von Amazon und OpenAI

Amazon finanziert also einen Kunden mit, der später Leistungen bei Amazon bezahlt. Das erklärt den Kreis. Es beweist nicht, dass genau dieselben Dollars zweckgebunden zurückfließen oder dass die Aufträge ohne Nutzen wären. Dafür müsste man die einzelnen Vertragsbedingungen und die tatsächliche Nutzung kennen.

Auch NVIDIA ist auf mehreren Seiten beteiligt. OpenAI nannte im Februar einen vorgesehenen Beitrag von 30 Milliarden Dollar durch NVIDIA zur damaligen Finanzierungsankündigung. Diese Summe darf nicht noch einmal auf die später gemeldeten 122 Milliarden aufgeschlagen werden: Es geht um die Entwicklung derselben Runde. Finanzierungsankündigung vom Februar Wie weit die Verbindung über einen Anteilskauf hinausgeht, zeigt ein Bauprojekt in Ohio.

Ein Chatfenster braucht Gebäude, Strom und jemanden, der dafür haftet

Beim im August angekündigten PORTS-Pike-Projekt soll SB Energy einen großen Rechenzentrumskomplex bauen, besitzen und betreiben. OpenAI soll ihn für 20 Jahre mieten; eingesetzt werden soll NVIDIA-Technik. Geplant sind rund acht Gigawatt Leistung für die Computertechnik. Ein Gigawatt entspricht einer Milliarde Watt: Das ist eine Leistungsgröße, kein Geldbetrag und keine Angabe über bereits verbrauchten Strom. Die ersten 800 Megawatt, also 0,8 Gigawatt, werden für 2028 erwartet. Weitere Ausbaustufen sollen bis 2032 folgen. OpenAI beschreibt Zahlungen, die mit fertiggestellter, verfügbarer Kapazität beginnen. Am Stichtag steht hier ein Ausbauplan, keine vollständig laufende Serverfarm. Projektbeschreibung von OpenAI

NVIDIA übernimmt laut seinem August-Bericht Garantien von höchstens 105 Milliarden Dollar für bestimmte Miet- und Stromzahlungsverpflichtungen einer ersten Ausbaustufe mit 4,25 Gigawatt. Eine Garantie bedeutet: Unter festgelegten Bedingungen muss der Garant einspringen, wenn der andere nicht zahlt. Sie ist keine bereits überwiesene Bausumme. Die Absicherung wird mit den fertiggestellten Phasen wirksam und nimmt mit OpenAIs Zahlungen ab. NVIDIAs Angaben zur Garantie

Damit hat der Hardwareanbieter ein Interesse auf zwei Seiten: Die geplante Anlage verwendet seine Technik; zugleich trägt er einen Teil des Zahlungsausfallrisikos. Das lässt sich nicht durch einen einzigen Umsatzwert ausdrücken. Wer nur verkaufte Chips zählt, sieht die mitübernommene Verpflichtung nicht.

Eine weitere Rückverbindung steht im selben NVIDIA-Bericht: 36 Milliarden Dollar Verpflichtungen für Cloud-Leistungen zum 26. Juli. NVIDIA kauft selbst Computerleistung bei Partnern, die seine Technik einsetzen. Die Verpflichtungen können durch Nutzung sinken, auch wenn die Partner Kapazität an andere Kunden vergeben. Es bleibt das Risiko, für nicht benötigte oder nicht weiterverkaufbare Kapazität einzustehen. Cloud-Verpflichtungen im Quartalsbericht

Viel Umsatz schützt nicht vor einer knappen Kasse

Amazon erwirtschaftete in den zwölf Monaten bis Ende Juni 161,4 Milliarden Dollar an Geldzufluss aus dem laufenden Geschäft. Nach den in seiner Kennzahl berücksichtigten Auszahlungen für Sachanlagen blieben minus 7,6 Milliarden Dollar. Diese Differenz heißt freier Cashflow: vereinfacht das Geld aus dem Betrieb abzüglich der Anschaffungen für Gebäude und Technik. Amazon baute in diesem Zeitraum teurer aus, als das laufende Geschäft Geld hereinbrachte. Das heißt nicht, dass die Firma zahlungsunfähig ist. Es zeigt aber, dass selbst ein großer Konzern nicht unbegrenzt aus seinen laufenden Einnahmen bauen kann. Beteiligungskäufe wie die an OpenAI sind in dieser Kennzahl noch nicht als weitere Ausgaben abgezogen. Amazons Kapitalflusszahlen

Microsoft gehört ebenfalls zu OpenAIs Geldgebern und stellt über seine Cloud Azure Computerleistung bereit. OpenAIs Liste der Finanzierungs- und Cloudpartner Microsoft meldete Ende Juni 678 Milliarden Dollar noch zu erfüllende Kundenverträge. Das sind künftige Leistungen, kein schon vereinnahmter Umsatz. Zugleich kamen laut Management fast 90 Prozent des jährlichen Microsoft-Cloud-Umsatzes von Kunden außerhalb der Firmen, die die leistungsfähigsten KI-Modelle entwickeln. Microsofts Geschäft reicht also weit über diese Entwickler hinaus. Microsofts Erläuterungen vom Juli

Die optimistische Geschäftsannahme formuliert OpenAIs Finanzchefin Sarah Friar am 8. September: Wachsende Nutzung und Einnahmen sollen den weiteren Ausbau und die Forschung tragen. Das ist die Sicht des Unternehmens auf seine Zukunft. Ob sie aufgeht, entscheidet sich daran, wie viel Kunden nach Kosten tatsächlich einbringen. Friars Einordnung

Unsere Schlussfolgerung aus diesen Verbindungen: Das Risiko sitzt nicht nur im Aktienkurs. Bleiben die erwarteten Kundenzahlungen aus, braucht ein Anbieter zusätzliches Geld, muss Ausgaben senken oder Verträge neu verhandeln. Davon können Vermieter, Lieferanten und Garanten betroffen sein. Die Verträge verteilen dieses Risiko; sie beseitigen es nicht. Umgekehrt können gut ausgelastete Anlagen echte Leistungen erbringen und ihre Kosten verdienen. Die entscheidende offene Rechnung ist die zwischen bezahlter Nutzung und sämtlichen dafür nötigen Ausgaben.

Die Unterschiede zu 2000

Ein Vergleich, der alle heutigen KI-Unternehmen zu verlustreichen Start-ups erklärt, scheitert schon an Microsofts veröffentlichten Geschäftszahlen. Der Konzern meldet für das Geschäftsjahr bis Juni 2026 rund 331,8 Milliarden Dollar Umsatz und 155,2 Milliarden operativen Gewinn, also Gewinn aus dem laufenden Geschäft vor Zinsen und Steuern. Gleichzeitig flossen rund 115,9 Milliarden Dollar in Sachanlagen: greifbare Anschaffungen wie Gebäude und Computer. Diese Geschäftsjahreswerte betreffen den gesamten Konzern. Sie sind weder reine KI-Umsätze noch ausschließlich KI-Investitionen. Microsofts Jahreszahlen

Eine Firma mit laufenden Einnahmen aus etablierten Produkten kann einen Ausbau anders finanzieren als eine junge Firma, die KI entwickelt und deren Kosten die Kundenzahlungen übersteigen. Der Sammelbegriff „KI-Branche“ verdeckt diese Unterschiede. Ein Chiphersteller verkauft Ausrüstung. Ein Cloudanbieter vermietet die Leistung seiner Computer. Ein Anwendungsanbieter muss Menschen von einem konkreten Produkt überzeugen. Für ihre Gewinne sind unterschiedliche Dinge knapp.

Damit ist die Bewertungsfrage noch offen. Auch ein profitables Unternehmen lässt sich zu teuer kaufen. In einem vereinfachten Beispiel verdient eine Firma dauerhaft zehn Millionen Euro im Jahr. Wer hundert Millionen bezahlt, stellt eine andere Rechnung auf als jemand, der eine Milliarde bezahlt. Der gute Betrieb ist derselbe. Der Preis verändert die Erwartungen, die ein Käufer erfüllen muss.

NVIDIA-Chef Jensen Huang vertritt bei der Vorstellung der August-Zahlen eine ausgesprochen optimistische Sicht: KI leiste nützliche Arbeit und die Nachfrage beschleunige sich. Das passt zum Interesse eines Unternehmens, das die dafür benötigte Hardware verkauft. Seine Einschätzung ist eine relevante Stimme aus dem Markt; sie ersetzt keine Prüfung, ob sich die Ausgaben auch für sämtliche Kunden lohnen. Huangs Einschätzung im Ergebnisbericht

Auch der Schaden fallender Preise hängt davon ab, woher das Geld stammt. Beim Eigenkapital tragen die Eigentümer das Risiko: Ihr Anteil kann an Wert verlieren. Anders als bei einem Kredit schuldet die Firma ihnen dafür keine feste Rückzahlung zu einem bestimmten Termin. Schulden bringen Zinszahlungen und Rückzahlungstermine mit. Wenn ein Rechenzentrum nur mit ausreichend vielen bezahlten Computeraufträgen genug Geld verdient, geraten diese festen Zahlungen bei ausbleibenden Aufträgen unter Druck. Ein Kursverlust, eine Unternehmenspleite und eine Bankenkrise sind verschiedene Ereignisse. Ihre Verbindung muss man nachweisen.

Warum sich die Forschung widerspricht

Die Forschung liefert keinen einheitlichen Blasenalarm. Sie stellt unterschiedliche Fragen. Ein wirtschaftliches Modell ist eine vereinfachte Rechenwelt: Forschende legen Annahmen fest und untersuchen, was daraus folgt. Statistische Tests suchen dagegen nach bestimmten Mustern in gemessenen Daten, etwa Aktienkursen. Beides ist etwas anderes als die Prüfung, ob eine einzelne Anwendung ihren Kunden Geld spart.

Der Wettlauf macht übermäßiges Bauen plausibel

Der Ökonom Phurichai Rungcharoenkitkul untersucht einen Markt, in dem der Sieger einen großen Teil der Einnahmen bekommt. Seine Studie „The AI investment race“ erschien im Juli 2026 bei der Bank für Internationalen Zahlungsausgleich. Dort arbeiten Zentralbanken verschiedener Länder zusammen. Jeder Teilnehmer hat einen Anreiz, früh viel Geld einzusetzen. In einer vorsichtig angesetzten Variante wird ungefähr 50 Prozent mehr investiert, als im Modell für die Gesellschaft insgesamt wirtschaftlich sinnvoll wäre. Vereinfacht: Wo 100 Einheiten Investition den größten Nutzen nach Abzug der Kosten liefern würden, führt der Wettlauf zu etwa 150. Das ist ein Modellergebnis, keine Messung, dass die Hälfte der heutigen Rechenzentren nutzlos sei. Schulden und der geringe Wiederverkaufswert spezialisierter Hardware verschärfen im Modell einen Abschwung. BIS Working Paper 1367

Das lässt sich auch ohne Formel verstehen: Du baust mehr, weil du den Wettbewerb verlieren könntest. Deine Konkurrenz baut aus demselben Grund mehr. Was für jeden einzeln als Absicherung gegen den anderen erscheint, kann in der Summe zu viel sein. Eine solche Dynamik braucht keine dummen Beteiligten.

Schon die Messung einer Blase ist umstritten

Abir Sarkar und Martin T. Wells entwickeln einen Test, der stark wechselnde Kursschwankungen besser berücksichtigen soll. In ihrer im Mai 2026 überarbeiteten Untersuchung finden sie bei KI-nahen Aktien verbreitete, aber zeitlich unterschiedliche Übertreibungsphasen. Die Ergebnisse stammen aus einer statistischen Preisuntersuchung. Sie liefern keinen Kalendertermin für einen Einbruch. Sarkar und Wells, Version 2

Haiqiang Chen und Mitautoren setzen an einer anderen Schwachstelle an: Technischer Fortschritt kann selbst Preisverläufe erzeugen, die herkömmliche Tests als explosiv einstufen. Sie schätzen deshalb zunächst, welchen Teil des Anstiegs technische Verbesserungen erklären könnten. Im verbleibenden Teil finden sie für die untersuchten KI-Kurse von 2020 bis 2025 kein entsprechendes Warnsignal. Die Juli-Fassung betont zugleich, dass ein ausbleibender Alarm keine Blasenfreiheit beweist. Sie untersucht zudem nicht die gesamte Entwicklung bis September 2026. Chen et al., Version 3

Beide Arbeiten sind Preprints: vorab veröffentlichte Forschungsarbeiten, bei denen eine unabhängige fachliche Begutachtung für eine Zeitschrift noch nicht vorausgesetzt werden darf. Die Forschenden lösen unterschiedliche Probleme ihrer Rechenverfahren. Sie haben also nicht denselben Versuch gemacht und dabei einfach entgegengesetzte Antworten erhalten. Wer daraus nur „Studie beweist KI-Blase“ oder „Studie widerlegt KI-Blase“ macht, unterschlägt genau die Annahmen, von denen das Ergebnis abhängt. Für unsere Einordnung zählen sie als Hinweise auf die Unsicherheit der Diagnose.

Was KI bei der Arbeit tatsächlich bringt

Produktivität beschreibt, wie viel Ergebnis mit einem bestimmten Aufwand entsteht. Wenn jemand in einer Stunde zwölf Kundenanliegen korrekt löst statt zehn, schafft diese Person bei gleicher Arbeitszeit mehr. Nur schneller zu schreiben reicht dafür nicht; das Ergebnis muss auch brauchbar sein.

Es gibt belastbare Belege für nützliche Anwendungen. Brynjolfsson, Li und Raymond untersuchen in einer 2025 im Quarterly Journal of Economics veröffentlichten Studie die Einführung eines KI-Assistenten bei 5.172 Beschäftigten im Kundendienst eines Softwareunternehmens. Die Zahl gelöster Anliegen pro Stunde steigt im Durchschnitt um 15 Prozent. Besonders profitieren weniger erfahrene beziehungsweise weniger leistungsstarke Beschäftigte. Das ist ein Ergebnis aus einem konkreten Arbeitsumfeld, keine Produktivitätssteigerung der gesamten Wirtschaft. Begutachtete Studie: Generative AI at Work

Ein anderes Bild liefert „Firm Data on AI“. Das Autorenteam befragt zwischen November 2025 und Januar 2026 fast 6.000 Führungskräfte in den USA, Großbritannien, Deutschland und Australien. Rund 70 Prozent der Unternehmen nutzen KI. Mehr als 80 Prozent berichten für die zurückliegenden drei Jahre keinen Einfluss auf Beschäftigung beziehungsweise Produktivität. Das sind Selbstauskünfte über Unternehmen, keine kontrollierte Messung einzelner Aufgaben. Und es sind keine im September erhobenen Daten. Yotzov et al.: Firm Data on AI

Die Befunde müssen sich nicht widersprechen. Ein hervorragend eingebauter Assistent in einer bestimmten Tätigkeit kann helfen, während sich über alle Abläufe eines Unternehmens bisher wenig verändert. Zwischen einer schnelleren Antwort und einem besseren Jahresergebnis liegen Rückfragen, Freigaben, Schulungen und manchmal schlicht ein anderes Nadelöhr.

Das kennst du vielleicht ohne jede KI: Du hast eine Präsentation früher fertig, aber der Termin bleibt Donnerstag. Die gewonnene Stunde ist angenehm. Mehr Umsatz entsteht daraus erst, wenn du in dieser Stunde etwas erledigen kannst, das sonst liegen bliebe. Zeitersparnis ist deshalb ein guter Anfang für eine Rechnung und ein schlechter Ersatz für die ganze Rechnung.

In unserem Beispiel sinkt die reine Entwurfszeit von 20 auf fünf Minuten. Das klingt nach 75 Prozent Ersparnis. Nach Prüfung und Korrektur bleiben für den gesamten Vorgang 32 Prozent. Beides lässt sich korrekt ausrechnen; die größere Zahl beantwortet nur eine engere Frage. Wer Produktivitätsmeldungen liest, sollte deshalb nach dem gemessenen Arbeitsablauf suchen.

Für einen eigenen Versuch reichen zwei vergleichbare Aufgabenserien. Miss die Zeit bis zum verwendbaren Ergebnis, einschließlich Nacharbeit. Lege vorher fest, was als korrekt gilt. Erfasse auch Fälle, in denen du von vorn beginnen musstest. Ein schöner erster Entwurf und ein seltener, aber teurer Fehler dürfen nicht in getrennten Schubladen verschwinden. Mehr zur praktischen Arbeit steht im Ratgeber zur KI-Nutzung.

Die Rechnung hinter den Rechenzentren

Ein Rechenzentrum kostet lange vor dem ersten zahlenden Auftrag Geld. Gebäude und Stromanschluss müssen bereitstehen, Server eingebaut werden. Danach laufen Stromverbrauch, Wartung und Personal weiter. Ein Betreiber verdient genug, wenn die verkaufte Rechenleistung über die Zeit auch diese Kosten und den anfänglichen Kapitaleinsatz trägt.

In Geschäftsberichten heißen solche Anschaffungsausgaben oft CapEx. Für die Gewinnrechnung werden größere Anschaffungen häufig über mehrere Jahre verteilt. Diese Verteilung nennt man Abschreibung. Ein erfundenes Beispiel: Ein Computer kostet 6.000 Euro und soll drei Jahre genutzt werden. Bei gleichmäßiger Abschreibung werden jedes Jahr 2.000 Euro als Kosten angesetzt. Bezahlt die Firma sofort, verlassen trotzdem schon beim Kauf die ganzen 6.000 Euro ihr Konto. Diese tatsächlichen Zahlungen zeigt die Kapitalflussrechnung.

Wie stark Definitionen eine Schlagzeile beeinflussen, zeigt Microsofts Gespräch zu den Juli-Zahlen. Der Konzern nennt für das Quartal rund 41 Milliarden Dollar CapEx, einschließlich bestimmter langfristig geleaster Anlagen, die wirtschaftlich ähnlich wie ein finanzierter Kauf behandelt werden; die tatsächlichen Auszahlungen für Sachanlagen betragen 35,8 Milliarden. Rund zwei Drittel der Investitionen entfallen laut Management auf Anlagen mit kürzerer Nutzungsdauer, vor allem Rechenchips. Im Bericht stehen dafür die Kürzel CPU für allgemeine Prozessoren und GPU für Prozessoren, die viele Berechnungen parallel ausführen können. Außerdem erläutert Microsoft eine veränderte Leasing-Einordnung, die die ausgewiesene CapEx-Prognose beeinflusst. Ein niedrigerer Prognosewert ist dadurch nicht automatisch ein kleinerer Ausbauplan. Microsofts Erläuterung zur Bilanzierung

Für den wirtschaftlichen Erfolg zählt schließlich die Nutzung. Werden neue Chips deutlich leistungsfähiger, müssen ältere Systeme nicht sofort wertlos sein. Sie können noch passende Aufgaben übernehmen. Aber ein Betreiber darf dann möglicherweise nicht mehr dieselben Preise verlangen. Eine längere angenommene Nutzungsdauer verbessert keine Maschine und erzeugt keinen zusätzlichen Kunden.

Auch fallende Kosten pro KI-Anfrage haben zwei Seiten in derselben Rechnung: Sie machen mehr Anwendungen bezahlbar, drücken bei starkem Wettbewerb aber den Preis, den Anbieter verlangen können. Ob am Ende mehr verdient wird, hängt davon ab, wie stark die Nachfrage steigt und wer die Ersparnis behält. Aus „KI wird billiger“ folgt deshalb weder ein garantierter Zusammenbruch noch ein garantierter Gewinnsprung.

Ein Rechenzentrum muss nicht jede Minute voll beschäftigt sein, um sinnvoll zu sein. Zusätzliche Computer können zum Beispiel Aufträge übernehmen, wenn andere ausfallen. Für einen Investor ist jedoch entscheidend, wer dafür bezahlt. Eine gesellschaftlich gewünschte Infrastruktur und eine rentabel betriebene Anlage sind zwei Rechnungen, die sich überschneiden können. Man sollte die Kosten nicht zwischen ihnen verstecken.

Ein Abstecher nach Europa

Mistral begründet seine aktuelle Finanzierungsrunde auch mit dem Wunsch nach Kontrolle über Modelle und Infrastruktur. Samsung führt die Runde an; beteiligt sind weitere neue und bestehende Investoren. Das Unternehmen positioniert sich mit zugänglichen „Modellgewichten“. Das sind die beim Lernen entstandenen Zahlenwerte einer KI. Mit ihnen lässt sich ein Modell unter den jeweiligen Lizenzbedingungen auch selbst betreiben. Mistral verbindet das mit dem Versprechen größerer technologischer Eigenständigkeit. Das ist seine strategische Selbstdarstellung. Mistrals Begründung der Runde

Die Debatte reicht damit über den Preis eines Chatbots hinaus. Eine öffentliche Verwaltung kann Wert darauf legen, den Anbieter wechseln zu können. Ein Industrieunternehmen will womöglich sensible Unterlagen in einer kontrollierten Umgebung bearbeiten. Solche Anforderungen sind Gründe für eine Kaufentscheidung, auch wenn ein anderes Angebot bei einer einzelnen Modellaufgabe besser abschneidet.

Diese gewünschte Eigenständigkeit wird oft „digitale Souveränität“ genannt. Sie bezahlt allerdings keine Stromrechnung von selbst. Wer diese Eigenschaft als Vorteil anbietet, muss zeigen, dass Kunden dafür zahlen und die zugesagte Kontrolle tatsächlich bekommen. Offene Modellgewichte allein beantworten noch nicht, wo die Hardware steht, welche Abhängigkeiten bestehen oder wer den Betrieb übernimmt. Im Ratgeber für Unternehmen geht es um solche praktischen Auswahlfragen.

Gerade deshalb lohnt es sich, den Boom nicht nur als amerikanisches Börsenthema zu lesen. Forschungspolitik, Beschaffung und Wettbewerbspolitik können andere Ziele verfolgen als der schnelle Gewinn von Geldgebern. Diese Ziele sollten offen benannt werden. Dann lässt sich auch streiten, welche Kosten dafür angemessen sind, statt jede Ausgabe nachträglich als wirtschaftlichen Erfolg zu verbuchen.

Wie dieser Boom enden könnte

Ein Boom muss nicht an einem einzigen Tag enden. Denkbar ist eine längere Phase, in der Umsätze steigen, Bewertungen aber sinken oder stagnieren. Die Unternehmen verdienen dann allmählich mehr, ohne dass ihre Anteile gleich teurer werden. Wer diese Anteile vorher zu einem hohen Preis gekauft hat, kann trotzdem enttäuscht werden. Dafür braucht es keinen Zusammenbruch der Technik.

Ein schärferer Verlauf wäre eine Auslese unter Anbietern: Eine neue Finanzierungsrunde scheitert, Aufträge werden kleiner, der Bau neuer Rechenzentren wird verschoben. Besonders abhängig wären Unternehmen, deren laufende Ausgaben ohne frisches Kapital nicht gedeckt sind. Etablierte Firmen könnten Teile des Geschäfts übernehmen, Kunden zu günstigeren Angeboten wechseln. Die KI-Nutzung könnte dabei weiter zunehmen.

Für einen breiteren finanziellen Schock müssten Verluste über die betroffenen Firmen hinauswirken, etwa wenn eine Firma einen Kredit nicht zurückzahlt und dadurch ihren Geldgeber belastet. Oder wenn Geld dringend gebraucht wird und Anlagen deshalb selbst zu schlechten Preisen verkauft werden müssen. Der IWF nennt solche Übertragungswege und unterschiedliche Verwundbarkeiten entlang der KI-Kette. Seine Analyse vom April ist eine Momentaufnahme; sie bescheinigt dem September keine unveränderte Risikolage. Finanzstabilitätsbericht

Das sind bedingte Entwicklungsmöglichkeiten, keine Vorhersagen mit erfundenen Prozentwahrscheinlichkeiten. Unsere redaktionelle Einschätzung: Die Gefahr liegt besonders dort, wo Kapazität, Preise und Finanzierung gleichzeitig auf anhaltend außergewöhnliches Wachstum angewiesen sind. Ein enttäuschendes Quartal wird umso gefährlicher, je weniger Spielraum vorher eingeplant war.

Woran wir die Entwicklung messen

Für die nächsten Berichte sind konkrete Fragen hilfreicher als das tägliche Zählen von Blasenwarnungen. Bleiben Kunden nach einem Pilotprojekt dabei? Zahlen sie aus ihrem eigenen laufenden Geschäft? Steigen die Einnahmen schneller als die Kosten des Dienstes? Und welche Verpflichtungen bestehen auch dann weiter, wenn die Auslastung enttäuscht?

Bei einer großen Zahl lohnt eine kleine Pause: Ist das Umsatz, Gewinn, Finanzierung oder Bewertung? Geht es um ein Quartal, ein Geschäftsjahr oder einen Plan für mehrere Jahre? Um den gesamten Konzern oder nur ein KI-Produkt? Unsere September-Grafik trennt diese Größen deshalb sichtbar. Ein spektakulärer Balkenvergleich würde die Aussage verschlechtern.

Für Menschen, die KI im Alltag verwenden, hat die Debatte eine sehr praktische Konsequenz. Beurteile ein Werkzeug an deiner Aufgabe. Du brauchst keine Meinung zum Nasdaq, um festzustellen, dass ein Assistent dir bei einer Zusammenfassung hilft. Für langfristige Arbeitsabläufe lohnt sich zusätzlich die Frage, wie du Dateien und Ergebnisse wieder herausbekommst und weiterarbeiten könntest, falls ein Anbieter sein Angebot ändert.

Der Stand vom 9. September 2026 rechtfertigt weder eine pauschale Entwarnung noch einen behaupteten Crash-Termin. Er zeigt einen Investitionsboom, dessen wirtschaftliche Ergebnisse je nach Teilmarkt weit auseinanderliegen. Die offene Rechnung betrifft den dauerhaften Ertrag: Wer bekommt am Ende genug Geld von Kunden, um die heute gebauten Anlagen und die eingegangenen Erwartungen zu tragen? An dieser Frage muss sich die nächste Milliardenschlagzeile messen lassen.

Weiterlesen