Bedeutet „ai“ (バブル崩壊) , dass künstliche Intelligenz nicht mehr funktioniert? Nein. Der japanische Ausdruck bedeutet so viel wie „KI-Blasenkollaps“ oder „KI-Blasenplatzen“. In der Marktdiskussion beschreibt er einen möglichen starken Rückgang der Preise KI-bezogener Vermögenswerte, wenn die Erwartungen die erwarteten Cashflows übersteigen. Er beweist nicht, dass nützliche KI-Produkte gescheitert sind oder dass ihre Verbreitung zum Erliegen gekommen ist.
Die hier dargestellten Erkenntnisse vom 3. November 2026 belegen keinen branchenweiten Zusammenbruch des KI-Sektors. Der Internationale Währungsfonds (IWF) beschrieb die Märkte angesichts soliden Wachstums und starker Unternehmensgewinne als widerstandsfähig, warnte jedoch gleichzeitig davor, dass nachlassende KI-Investitionen oder -Rentabilitäten eine Korrektur bei KI-bezogenen Vermögenswerten auslösen könnten. Dies ist ein Risikoszenario, keine Vorhersage eines Zusammenbruchs. Die IWF-Analyse vom 13. Oktober 2026 bietet einen nützlichen Ausgangspunkt, um Marktrisiken von der Produktperformance zu trennen.
Beispiel: Stellen Sie sich einen mittelständischen Einzelhändler vor, der einen KI-Assistenten testet, der Kundendienstantworten entwirft. Dieses Beispiel ist fiktiv. Seine Ergebnisse lassen keine Rückschlüsse auf den Erfolg eines realen Unternehmensprojekts zu, und der Pilotversuch eines einzelnen Einzelhändlers kann nicht den Wert der KI-Branche insgesamt bestimmen. Er verdeutlicht jedoch, warum Aktienbewertungen, Investitionsausgaben, Projektwirtschaftlichkeit und breite Akzeptanz gesondert geprüft werden müssen.
Was würde ein „Platzen der KI-Blase“ konkret bedeuten?
Der Aktienmarkt kann Unternehmen neu bewerten, selbst wenn sich deren Technologie stetig verbessert. Der Aktienkurs spiegelt die Erwartungen hinsichtlich zukünftiger Gewinne, Wachstum, Risiken und Zinssätze wider. Haben Anleger ein sehr schnelles Umsatzwachstum im Bereich KI und hohe Margen eingepreist, könnte ein langsameres – aber dennoch positives – Geschäftswachstum diese Erwartungen enttäuschen.
Halten Sie vier verschiedene Fragen voneinander getrennt:
- Bewertungen: Basieren die Aktienkurse auf Wachstums- und Gewinnprognosen, die Unternehmen möglicherweise nicht realisieren können?
- Produkte und Projekte: Lösen bestimmte KI-Tools ein reales Problem zuverlässig und zu akzeptablen Gesamtkosten?
- Investitionsausgaben: Werden Rechenzentren, Chips, Stromversorgung und Netzwerkausrüstung über ihre Nutzungsdauer hinweg eine Rendite erzielen?
- Akzeptanz: Verändern die Kunden ihre Arbeitsabläufe und zahlen sie für nachhaltigen Nutzen, oder testen sie nur Pilotprojekte?
Ein Kursverfall von KI-Aktien allein würde keine dieser Fragen beantworten. Ein gescheitertes Chatbot-Pilotprojekt beweist nicht, dass jede KI-Investition unproduktiv ist. Ebenso wenig bedeutet steigende Nutzung automatisch, dass ein Unternehmen genug Gewinn erwirtschaftet, um seinen Aktienkurs oder seine Infrastrukturinvestitionen zu rechtfertigen.
Was sagen die Daten aus dem Jahr 2026 über das Bewertungsrisiko aus?
Der Globale Finanzstabilitätsbericht des IWF vom 14. April 2026 identifizierte überzogene Aktienbewertungen und Marktkonzentration – insbesondere bei KI-Unternehmen – als Abwärtsrisiken. In seiner Analyse Europas und des globalen KI-Wettlaufs vom 21. September 2026 wurde zudem beschrieben, wie Fremdkapital, grenzüberschreitende Beteiligungen und Kreislauffinanzierungen eine Enttäuschung verstärken könnten. Dies sind Warnungen vor Risiken und Übertragungsmechanismen, kein Beweis dafür, dass alle KI-Aktien einheitlich bewertet sind oder gleichzeitig fallen werden.
Eine Sorge besteht darin, dass eine kleine Gruppe von Unternehmen durch Investitionen, Kredite, Cloud-Käufe und zukünftige Service- oder Chip-Verpflichtungen miteinander verbunden sein kann. In seiner Analyse vom Oktober fasste der IWF 14 öffentlich bekanntgegebene Transaktionen seit 2023 zusammen, die Eigenkapitalinvestitionen in Höhe von rund 300 Milliarden US-Dollar und Fremdkapital in Höhe von 650 Milliarden US-Dollar sowie zukünftige Umsatzzusagen in Höhe von 1,4 Billionen US-Dollar umfassen. Diese Zahlen beschreiben offengelegte Finanzierungen und Verpflichtungen; sie stellen weder realisierte Verluste noch garantierte Umsätze dar und sind auch kein Indikator für die Verschuldung jedes KI-Unternehmens. Das Risiko besteht darin, dass Schwierigkeiten bei einem wichtigen Marktteilnehmer mehrere damit verbundene Erwartungen gleichzeitig schwächen könnten.
Zinssätze und Marktkonzentration spielen ebenfalls eine Rolle. Höhere Diskontsätze können den Barwert von Erträgen, die Anleger erst in ferner Zukunft erwarten, verringern. Wenn einige wenige große KI-Unternehmen einen großen Anteil an einem Marktindex ausmachen, kann eine Neubewertung dieser Aktien Portfolios auch außerhalb des KI-Sektors beeinflussen. Diese Übertragung bedeutet nicht, dass die zugrunde liegende Technologie wertlos ist.
Wie können hohe Ausgaben gleichzeitig ein Wachstumssignal und ein Risiko darstellen?
Hohe Ausgaben können die tatsächliche Nachfrage widerspiegeln, erhöhen aber auch die Rendite, die zukünftige Einnahmen decken müssen. Ein gutes Beispiel hierfür ist die Telefonkonferenz von Alphabet am 28. Oktober 2026. Das Unternehmen berichtete, dass der Umsatz von Google Cloud im dritten Quartal im Vergleich zum Vorjahr um 103 % auf 30,7 Milliarden US-Dollar gestiegen ist und bestätigte die Prognose für die Investitionsausgaben im Gesamtjahr 2026 von 195 bis 205 Milliarden US-Dollar. Zudem wurden Investitionsausgaben in Höhe von 51,4 Milliarden US-Dollar und ein negativer freier Cashflow von 9,1 Milliarden US-Dollar für das dritte Quartal ausgewiesen. Als Gründe wurden Investitionsdruck sowie weitere Auswirkungen aus Lagerbeständen und einer behördlichen Strafe genannt. Alphabet erklärte, dass Abschreibungen und die Betriebskosten der Rechenzentren, einschließlich Energiekosten, mit den Infrastrukturinvestitionen steigen würden. Es handelt sich hierbei um vom Unternehmen selbst gemeldete Ergebnisse und Erwartungen , nicht um eine unabhängige Prüfung der Rendite einzelner KI-Projekte über deren gesamte Laufzeit.
Das Beispiel ist bewusst gemischt: Das gemeldete Cloud-Wachstum kann die Nachfrage belegen, während Investitionsausgaben, Cashflow, Abschreibungen und Energiekosten zeigen, welche Kosten gedeckt werden müssen. Ein Quartal mit negativem freien Cashflow ist allein kein Beweis für ein gescheitertes Projekt – insbesondere bei steigenden Investitionen. Entscheidend ist, ob Nutzung und Umsatz letztendlich die Kosten für Bau, Finanzierung, Betrieb und Ersatz decken.
Wie sollte ein Unternehmen ein KI-Projekt beurteilen?
Kehren Sie zum Support-Assistenten des fiktiven Einzelhändlers zurück. Bevor der Einzelhändler das Pilotprojekt ausweitet, sollte er es mit seinen bestehenden Prozessen vergleichen und Kosten berücksichtigen, die über den beworbenen Preis des Modells hinausgehen:
- Messen Sie die tatsächlich geleistete Arbeit: Erfassen Sie korrekt gelöste Fälle, Eskalationen und die eingesparte Arbeitszeit der Mitarbeiter, nicht nur Eingabeaufforderungen, Anmeldungen oder das Entwurfsvolumen.
- Berechnen Sie die Gesamtkosten pro erfolgreichem Ergebnis: Berücksichtigen Sie dabei Schlussfolgerungen, Software, Integration, menschliche Überprüfung, Sicherheit, Überwachung, Ausfallzeiten und die Kosten für die Korrektur von Fehlern.
- Qualität prüfen, wo Fehler wichtig sind: Unwesentliche Fehler im Text von Fehlern unterscheiden, die Rückerstattungen, Kontozugriff, personenbezogene Daten oder rechtliche Verpflichtungen betreffen.
- Überprüfen Sie die nachhaltige Nutzung: Prüfen Sie, ob die Mitarbeiter das Tool auch nach der Neuheitsphase noch nutzen und ob sich der Arbeitsablauf tatsächlich verändert.
- Legen Sie einen Überprüfungs- und Ausstiegspunkt fest: Entscheiden Sie im Voraus, welche Beweise eine Ausweitung, eine engere Verwendung, einen anderen Anbieter oder die Beendigung des Pilotprojekts rechtfertigen würden.
Diese Prüfungen gelten auf Projektebene. Ein Einzelhändler kann einen Anwendungsfall einstellen, KI aber für einen anderen weiterhin nutzen. Das ist eine normale Projektauswahl und kein Anzeichen für einen branchenweiten Boom.
Welche Szenarien für 2026 sollten die Leser unterscheiden?
Die Produktivität entspricht den Erwartungen.
Kunden integrieren KI in wertvolle Arbeitsabläufe, die wiederholte Nutzung nimmt zu, und Umsatz- oder Kosteneinsparungen kompensieren die Rechen- und Implementierungskosten. In diesem Szenario könnten einige Aktien weiterhin teuer oder volatil sein, aber reale operative Gewinne decken einen Teil des Investitionszyklus ab. Für den fiktiven Einzelhändler wäre eine Expansion nur dann sinnvoll, wenn die gemessenen Ergebnisse nach Berücksichtigung aller Kosten und der manuellen Überprüfung weiterhin besser sind als die Ausgangswerte.
Selektive Preisanpassung und Projektbeschneidung
KI bleibt nützlich, doch ihre Einführung und Monetarisierung verlaufen langsamer als von Investoren erwartet. Unternehmen reduzieren weniger erfolgreiche Pilotprojekte, verhandeln Kapazitäten neu oder verlagern Budgets hin zu kostengünstigeren Modellen und enger gefassten Aufgaben. Aktienkurse können sinken, selbst wenn sich die eingesetzten Tools weiter verbessern. Der Einzelhändler könnte den Assistenten nur noch für Routineanfragen nutzen und ihn nicht mehr einsetzen, sobald die Überprüfungskosten den Nutzen übersteigen.
Eine schärfere Korrektur mit finanziellen Folgewirkungen
Umsatzenttäuschende Ergebnisse, hoher Finanzierungsbedarf oder schwächere Renditen könnten Unternehmen dazu veranlassen, ihre Rechenzentrumspläne zu drosseln und Investoren dazu, KI-bezogene Erträge neu zu bewerten. Fremdkapital und miteinander verknüpfte Verpflichtungen könnten die Neubewertung verstärken, wie der IWF bereits gewarnt hat. Ein solcher Schock könnte Zulieferer, Kreditgeber und Märkte mit konzentrierten Engagements treffen. Es bliebe ein Finanz- und Investitionsereignis; ob bestimmte KI-Fähigkeiten weiterhin nützlich sein werden, bedarf weiterer Untersuchungen.
Dies sind Szenarien, keine Prognosen oder Anlageempfehlungen. Diese Unterscheidung ist wichtig: Eine Technologie kann im Laufe der Zeit bahnbrechend sein, während manche Unternehmen, Projekte oder Bewertungen unterwegs enttäuschen.
Eine praktische Checkliste zur Verfolgung von KI-Risiken
Vergleichen Sie beim Lesen eines Unternehmensberichts die KI-bezogenen Umsätze und die Kundennutzung mit den Investitionsausgaben, dem operativen Cashflow, den Abschreibungen, den Energiekosten, der Finanzierung und Verpflichtungen, die sich möglicherweise nur schwer auflösen lassen. Achten Sie auf Hinweise auf Wiederkäufe und Kundenretouren und hinterfragen Sie, ob die Nachfrage stark von wenigen verbundenen Unternehmen abhängt. Betrachten Sie die Prognosen des Managements als Vorhersagen und nicht als endgültige Ergebnisse.
Bei der Überprüfung eines Projekts sollten die Ergebnisse mit einer dokumentierten Ausgangsbasis verglichen, die Gesamtkosten pro erfolgreichem Ergebnis berechnet, die Schwere von Fehlern und der Aufwand für die manuelle Überprüfung geprüft und ein Entscheidungstermin festgelegt werden. Das beste Signal für den fiktiven Einzelhändler wäre nicht eine spektakuläre Produktdemonstration, sondern eine nachhaltige Verbesserung der Kundenservice-Ergebnisse nach Berücksichtigung aller Kosten und Risiken.
„ai“ ist daher am besten als Frage nach Erwartungen und Risiken zu verstehen, nicht als Urteil über KI an sich. Im Jahr 2026 wird es darauf ankommen, zu beobachten, ob sich Investitionen in nachhaltige Erträge umwandeln, ob Projekte in realen Arbeitsabläufen funktionieren und ob die Marktpreise mehr annehmen, als die Faktenlage hergibt.
Quellen und Datumsbereich