Die geliehene Erzählung: Wie die KI-Branche ihre Zukunft vorfinanziert

Ende Juli 2026 stürzte der südkoreanische Leitindex Kospi innerhalb von zwei Handelstagen ab: Am 28. Juli verlor er rund 11 Prozent, am 29. Juli fiel er intraday um weitere 12,6 Prozent, bevor er den Tag noch etwa 6 Prozent im Minus schloss. Zusammen vernichteten die beiden Tage rund 2,18 Billionen Dollar Börsenwert, verteilt über Speicherhersteller, Chipproduzenten und Zulieferer, deren Geschäft an der einen großen Wette hängt, dass die Nachfrage nach KI-Rechenleistung ungebrochen weiterwächst (1).

Auslöser war ausgerechnet ein Rekordquartal: Speicherhersteller SK Hynix meldete einen versechsfachten Gewinn und verpasste damit trotzdem die noch höher liegenden Erwartungen der Analysten, verstärkt durch stark verschuldete private Anleger, die ihre gehebelten Positionen auflösen mussten (2). Der Markt reagierte nicht auf ausbleibende Nachfrage, sondern auf etwas Empfindlicheres: die Möglichkeit, dass selbst Rekordzahlen nicht genügen, wenn zuvor noch höhere Erwartungen eingepreist waren.

Die Bank für Internationalen Zahlungsausgleich liefert dazu den eigentlich belastbaren Befund. Die fünf größten US-Hyperscaler, Microsoft, Amazon, Alphabet, Meta und Oracle, werden 2025 und 2026 zusammen mehr als eine Billion Dollar an KI-bezogenen Investitionen ausgeben, ein Tempo, das schneller wächst als ihre Gewinne und freien Cashflows.

Die Institution warnt ausdrücklich vor einem Winner-take-most-Wettlauf, der zu Überinvestitionen führen könnte, und hält fest, dass die von den Kursen einiger dieser Unternehmen implizierten langfristigen Gewinnwachstumsraten bereits über dem liegen, was sie selbst in ihren wachstumsstärksten Jahren je erreicht haben (3). Global summieren sich die KI-bezogenen Ausgaben laut einer Gartner-Prognose vom 16. September 2026 auf rund 2,67 Billionen Dollar für 2026, ein Plus von 49,5 Prozent gegenüber dem Vorjahr; rund 1,48 Billionen davon entfallen allein auf Infrastruktur (4).

Der Ökonom Robert Shiller erhielt den Wirtschaftsnobelpreis unter anderem für die These, dass wirtschaftliche Erzählungen nicht nur nachträglich erklären, was Märkte tun, sondern selbst Investitionsentscheidungen und damit reale wirtschaftliche Entwicklungen beeinflussen können (5). Genau das lässt sich am KI-Boom beobachten: Die Erwartung künftiger Nachfrage mobilisiert Kapital, das Kapital baut Rechenzentren und Stromkapazität, mehr Rechenleistung verbessert die Modelle und senkt langfristig Kosten, und daraus entstehen wiederum Anwendungen, die neue Nachfrage erzeugen.

Die Erzählung finanziert damit einen Teil der Voraussetzungen ihrer eigenen Wahrheit. Wie sehr diese Doppeldeutigkeit auch die Warnungen der Branche selbst durchzieht, zeigt sich an Anthropic: Firmenchef Dario Amodei forderte im September öffentlich eine Verlangsamung der Entwicklung an der Spitze, während sein Unternehmen zur gleichen Zeit einen Börsengang vorbereitete (6). Unabhängig davon, wie ernst solche Warnungen gemeint sind, tragen sie eine ökonomische Doppeldeutigkeit in sich: Wer vor der Macht seiner eigenen Technologie warnt, beschreibt ein Risiko und erzählt zugleich von ihrem außerordentlichen Potenzial.

Für dieses Muster kursiert inzwischen sogar ein eigener Begriff, Doom Marketing, diese Woche durch ein virales Video des Datenwissenschaftlers Lautaro Borrovinsky populär geworden, mit einer Kernzeile, die sich kaum kürzer fassen lässt: Wer die eigene Technologie für gefährlich erklärt, erklärt sie damit zugleich für mächtig (7).

Das zeigt sich auch daran, wie Wagniskapital derzeit auf die Branche reagiert. Im ersten Halbjahr 2026 flossen laut Crunchbase weltweit rekordhohe 510 Milliarden Dollar an Venture-Finanzierung, davon allein 217 Milliarden, 43 Prozent des gesamten globalen Start-up-Kapitals, an OpenAI und Anthropic (8). In den USA kam PitchBook für denselben Zeitraum auf 412,7 Milliarden Dollar Venture-Kapital, wovon 355,9 Milliarden, rund 86 Prozent, auf KI-Unternehmen entfielen; 87,5 Prozent des gesamten Kapitals landeten in Finanzierungsrunden über 100 Millionen Dollar (9).

Privates Kapital zieht sich also nicht zurück, es konzentriert sich: Je unsicherer die künftigen Gewinner werden, desto stärker bündelt sich das Kapital auf jene wenigen Unternehmen, denen man zutraut, diese Gewinner zu sein, exakt das Winner-take-most-Motiv, das auch die BIZ beschreibt.

Noch komplizierter wird die Bilanz dort, wo sich Kapital und Nachfrage gegenseitig erzeugen. Die BIZ spricht inzwischen ausdrücklich von zirkulärer Finanzierung innerhalb des KI-Sektors: Hyperscaler und Chiphersteller beteiligen sich an KI-Labs oder spezialisierten Cloud-Anbietern, die sich ihrerseits zu langfristigen Käufen von Rechenleistung und Chips verpflichten. Rechenzentren werden über eigene Zweckgesellschaften finanziert und anschließend langfristig an genau jene Unternehmen vermietet, deren Kreditwürdigkeit die Finanzierung erst ermöglicht hat.

Die Bedingungen solcher Deals seien oft schlecht offengelegt, warnt die BIZ, mit dem Risiko, dass dieselben Vermögenswerte mehrfach als Sicherheit dienen (10). Kapital finanziert Rechenleistung, Rechenleistung ermöglicht leistungsfähigere Modelle, leistungsfähigere Modelle begründen höhere Erwartungen, und höhere Erwartungen mobilisieren neues Kapital. Solange sich dieser Kreislauf beschleunigt, lässt sich kaum trennen, welcher Teil der Nachfrage bereits von unabhängigen Kunden getragen wird und welcher Teil noch innerhalb des Ökosystems entsteht, das auf die eigene Zukunft wettet.

Auf der Nachfrageseite zeigt sich eine ähnliche Asymmetrie. Laut einer repräsentativen Bitkom-Umfrage unter 1.003 Menschen, davon 579 KI-Nutzer:innen, zahlen aktuell 13 Prozent der KI-Nutzenden für mindestens eine Anwendung, ein Anstieg gegenüber 8 Prozent im Vorjahr; weitere 29 Prozent könnten sich das für die Zukunft vorstellen, 49 Prozent lehnen es derzeit ab (11). Im Consumer-Markt ist KI damit längst eine Selbstverständlichkeit, für die die meisten Menschen nicht zahlen wollen.

Auf Unternehmensseite sieht das anders aus: Gartner rechnet 2026 allein bei KI-Modellen und -Plattformen mit rund 64 Milliarden Dollar Endkundenausgaben, 63 Prozent mehr als im Vorjahr (12). Die Zahlungsbereitschaft sitzt selten dort, wo die Nutzung am sichtbarsten ist: in APIs, Coding-Agenten, Cloud-Kapazität und eingebetteten Funktionen, die Unternehmen zahlen, ohne dass ein einzelner Nutzer je eine Rechnung sieht.

Am eindrücklichsten zeigt sich diese Gleichzeitigkeit bei Anthropic. Der Umsatz wuchs von 4,73 Milliarden Dollar im ersten Quartal 2026 auf mehr als 11,5 Milliarden im zweiten, deutlich über dem eigenen Ziel von 10,9 Milliarden, bei erstmals positivem bereinigtem operativem Ergebnis. Die annualisierte Umsatzrate lag Ende Juli bereits bei mehr als 65 Milliarden Dollar, gegenüber 47 Milliarden im Mai und rund 9 Milliarden Ende 2025 (13). Hier wachsen keine hypothetischen Unternehmen mit bloßer Fantasie, sondern reale Umsätze in einem Tempo, das trotzdem noch nicht mit dem eigenen Kapitalbedarf gleichziehen muss.

Bei OpenAI liegt das Verhältnis andersherum: Der Umsatz soll einem Bericht zufolge von rund 36 Milliarden Dollar 2026 auf etwa 350 Milliarden 2030 steigen, während allein die Ausgaben für Rechenleistung und Infrastruktur bis 2030 auf rund 856 Milliarden Dollar taxiert werden, mit kumuliert 278 Milliarden Dollar negativem freiem Cashflow über den Zeitraum. Das sind interne Prognosen, keine geprüften Zahlen, aber als Maß für den Kapitalhunger der Branche sind sie aufschlussreich (14).

Ein Geschäftsmodell verdient sein Kapital durch das, was es bereits leistet. Eine Erzählung leiht sich Kapital gegen das, was sie noch leisten könnte. Die KI-Branche bewegt sich derzeit in beiden Modi zugleich, und eine geliehene Erzählung muss irgendwann zurückgezahlt werden: durch Wachstum, das die Erwartung einholt, vor allem aber durch tatsächliche Rendite auf das gebundene Kapital. Genau dort liegt der Unterschied zwischen einer revolutionären Technologie und einer guten Investition.