Rechenleistungsinfrastruktur: Plötzlicher Stillstand?
In der jüngsten Vergangenheit hat sich das globale Umfeld der KI-Infrastruktur drastisch verändert. Zuerst kündigte Meta an, einen Teil seiner ungenutzten KI-Rechenkapazitäten extern zu vermieten, was zu starken Turbulenzen auf dem Kapitalmarkt führte; anschließend gründete die SoftBank Group offiziell das neue Unternehmen SB Neo, um massiv in den US-Markt für Rechenkapazitätsvermietung einzusteigen. Gleichzeitig stoppte der etablierte Private-Equity-Riese Blackstone abrupt das ursprünglich geplante, weltweit größte Rechenzentrumsprojekt mit Investitionen von über 100 Milliarden US-Dollar, während Microsoft aufgrund von Sicherheitsbedenken auf eine 30-Milliarden-US-Dollar schwere Vereinbarung zur Vermietung von Cloud-Rechenkapazitäten mit Oracle verzichtete.
Auf der einen Seite steigen Technologiegiganten in das „Verkaufen von Rechenkapazitäten“ ein, auf der anderen Seite werden Infrastrukturprojekte im Wert von Hunderten Milliarden Dollar abrupt gestoppt. Diese Reihe scheinbar widersprüchlicher Maßnahmen lässt den Markt aufschreien: Ist die KI-Rechenkapazität bereits im Überfluss vorhanden? Platzt die Investitionsblase im Bereich der KI-Infrastruktur bald?
Bei einer tiefgreifenden Analyse aus der Perspektive der Halbleiterindustrie erkennen wir nicht einfach einen „Überfluss an Rechenkapazitäten“, sondern eine tiefgreifende Umgestaltung der Entwicklungslogik der KI-Industrie. Die Ära des „wilden Wachstums“ der letzten zwei Jahre, in der ohne Rücksicht auf Kosten nach Marktanteilen gejagt wurde, neigt sich dem Ende zu. Der Wettbewerb um KI-Infrastruktur tritt nun vollständig in eine neue Phase ein, in der „Effizienz König“ ist.
Die Giganten entscheiden sich für die Monetarisierung von Rechenkapazitäten?
Im Juli 2026 kündigte Meta an, ein Cloud-Infrastrukturgeschäft aufzubauen, um KI-Rechenkapazitäten und Modellzugriffsrechte an externe Kunden zu verkaufen. Nach dieser Nachricht stieg der Aktienkurs von Meta an einem einzigen Tag um fast 9 %, und der Marktwert stieg um etwa 127 Milliarden US-Dollar. Dennoch geriet die gesamte KI-Rechenkapazitäts-Industriekette unter Druck – die Aktienkurse neuer Akteure im Bereich der Rechenkapazitätsvermietung wie CoreWeave und Nebius stürzten um mehr als 13 % ab, und die großen Speicherchiphersteller Micron, SK Hynix und Samsung Electronics verzeichneten alle deutliche Kursrückgänge.
Die erste Reaktion des Marktes war Panik: Wenn selbst Meta seine eigenen GPUs nicht vollständig auslasten kann, muss die Rechenkapazität im Überfluss vorhanden sein.
Diese lineare Denkweise ignoriert jedoch die Besonderheiten von KI-Rechenkapazitätsvermögen und die wahren Absichten der Giganten. Die Vermietungsmaßnahme von Meta ist im Wesentlichen eine Verbesserung der Effizienz der Vermögensverwaltung und kein Signal dafür, dass die Nachfrage ihren Höhepunkt erreicht hat.
Im Jahr 2026 belaufen sich die Kapitalausgabenprognosen von Meta auf bis zu 125 bis 145 Milliarden US-Dollar, wobei der größte Teil in Rechenzentren und GPU-Einkäufe fließt. Bislang hat Meta insgesamt 183 Milliarden US-Dollar an Investitionen in KI-Infrastruktur zugesagt. Als Unternehmen, dessen Einnahmen zu 98 % von Werbung abhängen, verwandeln sich die jährlichen Investitionen von Hunderten Milliarden US-Dollar in riesige Rechenkapazitätscluster, aber das quelloffene Llama-Modell selbst generiert keine direkten Einnahmen. Die Monetarisierung von Rechenkapazitäten der vorherigen Generation oder vorübergehend ungenutzten Ressourcen kann nicht nur die Abschreibungs- und Betriebskosten direkt senken, sondern ist auch ein entscheidender Schritt, um GPU-Cluster von „reinen Kostenstellen“ in „ertragbringende Vermögenswerte“ umzuwandeln. Nach Berechnungen von Morgan Stanley kann Meta durch die Vermietung von 250 MW Rechenkapazität über ein Jahr etwa 10 Milliarden US-Dollar an Einnahmen erzielen.
Dies ist keine einzigartige Idee von Meta. Zuvor hat xAI unter der Leitung von Elon Musk die Rechenkapazität seines Colossus-Supercomputerclusters erfolgreich und in beeindruckendem Umfang vermietet. Laut Berichten mehrerer Medien hat Anthropic die gesamte Kapazität von Colossus 1 – etwa 220.000 Nvidia-GPUs – gemietet und zahlt bis zu 1,25 Milliarden US-Dollar pro Monat an Miete, mit einer Vertragslaufzeit bis Mai 2029 und einem Gesamtwert von etwa 400 Milliarden US-Dollar; auch Google zahlt 920 Millionen US-Dollar pro Monat für die Anmietung von Überbrückungs-Rechenkapazitäten, um den eigenen Rückstand beim Bau von Rechenzentren auszugleichen. Allein diese beiden Transaktionen bringen SpaceX einen monatlichen Cashflow von über 2,1 Milliarden US-Dollar. Nach Berechnungen von Institutionen lässt sich aus diesem monatlichen Mietniveau eine implizite Kapitalrendite ableiten, bei der sich die gesamten Kapitalausgaben nach etwa zwei Jahren amortisieren.
Der Einstieg der SoftBank Group bestätigt die Attraktivität dieses Sektors weiter. Am 2. Juli kündigte SoftBank die Gründung von SB Neo an, mit dem Plan, im Geschäftsjahr 2027 Cloud-Dienste auf Basis der neuesten Nvidia-GPUs für US-Unternehmen anzubieten. Das Ziel ist der Aufbau einer KI-Rechenzentrumsinfrastruktur mit einer Kapazität von 10 GW, wobei der erste Einsatzort ein 800-MW-Standort in Ohio ist. Um diese Expansion zu unterstützen, nimmt SoftBank einen Kredit von 10 Milliarden US-Dollar auf, wobei seine Anteile an OpenAI als Sicherheit dienen.
Von Meta über xAI bis hin zu SoftBank verwandeln sich die Giganten in „Vermieter von Rechenkapazitäten“ – nicht weil sie selbst keine Rechenkapazitäten mehr benötigen, sondern weil sie angesichts der hohen Kapitalausgaben für Rechenkapazitäten neue Wege für die Kapitalrendite suchen müssen. Wie Tianfeng Securities feststellte: „Dass Meta KI-Cloud-Dienste anbietet, bedeutet nicht, dass die GPUs vollständig im Überfluss vorhanden sind. Dies ist nicht das Ende der Transaktionen von KI-Kapitalausgaben, sondern die Weiterentwicklung des Geschäftsmodells von einer rein kostenintensiven Infrastruktur zu einem gebührenpflichtigen Plattformvermögen.“
Es ist bemerkenswert, dass Daten von Synergy Research zeigen, dass die Einnahmen auf dem Markt für „Neocloud“ (neue Formen von Rechenkapazitäts-Cloud) im Jahr 2025 bereits 25 Milliarden US-Dollar überschritten haben, was einem Wachstum von über 200 % gegenüber dem Vorjahr entspricht. Gartner prognostiziert, dass Neocloud-Anbieter bis 2030 einen Marktanteil von 20 % im Bereich der KI-Cloud-Dienste erreichen werden. Gleichzeitig warnt McKinsey jedoch, dass dieses Geschäftsmodell dem Risiko der Kommodifizierung ausgesetzt ist – wenn das GPU-Angebot allmählich großzügiger wird, wird das Modell, das ausschließlich auf die Verfügbarkeit von GPUs setzt, mit einer schrumpfenden Gewinnmarge konfrontiert. Der Einstieg von Großunternehmen wie Meta verschärft zweifellos diesen Wettbewerbsdruck.
Der Bau von Rechenzentren stößt auf Hindernisse
Während der Markt für die Vermietung von Rechenkapazitäten boomt, stößt der Bau von physischen Rechenzentren immer wieder auf harte Realitäten.
Anfang Juli stoppte QTS, ein Rechenzentrumsbetreiber im Besitz von Blackstone, offiziell das Digital Gateway-Projekt in Virginia. Das Projekt erstreckte sich über 2100 Acres, war ursprünglich mit Investitionen von über 100 Milliarden US-Dollar geplant und sollte 37 Rechenzentrumsgebäude umfassen, was es nach Fertigstellung zum größten Rechenzentrumscampus der Welt gemacht hätte. Nach fünf Jahren langwieriger Proteste der lokalen Bevölkerung, einer gerichtlichen Niederlage durch ein Urteil des Staatsgerichtshofs, das die Zonenbewilligung für ungültig erklärte, und dem vorzeitigen Ausstieg von Partnern entschied sich Blackstone schließlich, den Verlust zu begrenzen und sich zurückzuziehen. Einige Tage zuvor hatte Blackstone drei etablierte Rechenzentrumsanlagen in Virginia für 3,5 Milliarden US-Dollar verkauft, was ein deutliches Signal für eine strategische Einschränkung aussendete.
Gleichermaßen kündigte das Unternehmen für Recheninfrastruktur Crusoe im Juni an, ein riesiges 1,8-GW-Rechenzentrumsprojekt in Wyoming „vorübergehend auszusetzen“. Berichten zufolge geschah dies aufgrund des Drucks des Hauptkunden Google, der „schwerwiegende Bedenken“ bezüglich des Projekts äußerte. Der Stromverbrauch dieses Projekts reicht aus, um eine mittelgroße Stadt zu versorgen.
Das Scheitern dieser Großprojekte deckt mehrere reale Probleme auf, die sich hinter dem rasanten Ausbau der KI-Rechenkapazitätsinfrastruktur verbergen.
Zuerst gibt es die physische Engstelle bei der Stromversorgung. Rechenzentren sind wahre „Stromfresser“. Nach Daten des Electric Power Research Institute machen Rechenzentren derzeit 5 % des US-Strombedarfs aus, und bis 2035 könnte sich dieser Wert verdreifachen. In Virginia – der Region mit der höchsten Dichte an Rechenzentren weltweit – liegt dieser Anteil bereits über 25 %. Die vorhandenen Stromnetze können das Ausmaß und das Wachstumstempo des KI-Infrastrukturbedarfs nicht bewältigen. Analysen von JPMorgan zeigen, dass über 60 % der Rechenzentrumsprojekte, die 2027 fertiggestellt werden sollen, noch nicht begonnen haben – einer der Hauptgründe ist die Engstelle bei der Stromversorgung. Allein im ersten Quartal 2025 belief sich der Gesamtwert der in den USA verzögerten Rechenzentrumsprojekte auf etwa 130 Milliarden US-Dollar.
Zweitens gibt es Widerstand aus der Bevölkerung und strengere regulatorische Maßnahmen. Eine Gallup-Umfrage zeigt, dass sieben von zehn Amerikanern den Bau von KI-Rechenzentren in ihrer Nachbarschaft ablehnen. Probleme wie hoher Energieverbrauch, Lärm, Wasserverbrauch und steigende Lebenshaltungskosten lassen die große Vision der KI auf Gemeindeebene immer wieder auf Hindernisse stoßen. Im ersten Quartal 2026 haben Gegner in den USA mindestens 75 Rechenzentrumsprojekte blockiert oder verzögert. Die Zahl der aktiven Basisorganisationen gegen Rechenzentren in den USA ist von 396 Ende 2025 auf 833 im März 2026 gestiegen und deckt 49 Bundesstaaten ab. Statistiken zufolge hat sich die Zahl der im Jahr 2025 abgesagten Rechenzentrumsprojekte vervierfacht auf 25, Projekte im Wert von 18 Milliarden US-Dollar wurden blockiert und Projekte im Wert von 46 Milliarden US-Dollar verzögert.
Darüber hinaus sind Anforderungen an Compliance und Sicherheit ebenfalls zu einem einschränkenden Faktor geworden. Dass Microsoft auf die 30-Milliarden-US-Dollar schwere Cloud-Rechenkapazitätsvermietungsvereinbarung mit Oracle verzichtete, liegt genau daran, dass Oracle nicht über die föderalen Sicherheitszertifizierungen verfügt, die für die Verwaltung von US-Regierungsdaten erforderlich sind, und nicht bereit ist, umfangreiche technische Umrüstungen dafür durchzuführen. Dieses Ereignis zeigt, dass vor dem Hintergrund eines zunehmend ausreichenden Angebots an Rechenkapazitäten Sicherheit und Compliance zu einer harten Schwelle für Rechenkapazitätstransaktionen werden.
Strommangel, Wassermangel und fehlende Genehmigungen ersetzen nun den „Chipsmangel“ als größte harte Einschränkung für die Rechenkapazitätsinfrastruktur. Der Rückzug von Blackstone und die Aussetzung des Projekts durch Crusoe markieren, dass sich die Investitionshaltung des Kapitals in die KI-Infrastruktur von der Euphorie zur Rationalität zurückkehrt. Diese Engstellen werden die Nachfrage nach Rechenkapazitäten nicht zunichte machen, aber sie werden das Tempo der Nachfrageerfüllung verlangsamen – bereits festgelegte Aufträge werden nicht verschwinden, aber der Umsetzungszeitraum neuer Projekte wird deutlich verlängert.
Angebot und Nachfrage nach Rechenkapazitäten erreichen ein neues Gleichgewicht
Was bedeutet der Aufstieg der Rechenkapazitätsvermietung und die Verzögerung von Infrastrukturprojekten für die Halbleiterindustrie?
Zuerst muss klar sein: Hochwertige KI-Rechenkapazitäten sind nicht im Überfluss vorhanden. Eine industrielle Untersuchung weist darauf hin, dass der aktuelle Markt für Rechenkapazitäten „strukturell fehlausgerichtet“ ist – obwohl einige niedrigwertige allgemeine Rechenkapazitäten ohne klare Anwendungsfälle ungenutzt bleiben, beträgt die Lücke bei hochwertigen intelligenten Rechenkapazitäten, die für das Training großer Modelle benötigt werden, immer noch 40 %, und es besteht eine Nachfrage, die das Angebot übersteigt.
Diese Einschätzung wird in den Finanzberichten der Halbleiterriesen voll und ganz bestätigt. Nvidias Gesamteinnahmen im Geschäftsjahr 2026 erreichten einen Rekordwert von 215,9 Milliarden US-Dollar, ein Wachstum von 65 % gegenüber dem Vorjahr, wobei die Einnahmen aus Rechenzentren 193,7 Milliarden US-Dollar ausmachten, fast 90 % der Gesamteinnahmen. Der jüngste Quartalsbericht ist noch beeindruckender: Die Einnahmen aus Rechenzentren sind im Jahresvergleich um 92 % gestiegen. Der CEO von TSMC, C.C. Wei, erklärte im Juni ausdrücklich, dass die weltweite Nachfrage nach KI-Chips nach wie vor stark ist – obwohl das Unternehmen seine Produktion auszuweiten versucht, wird das Angebot die Nachfrage in den nächsten Jahren nicht decken können. Die Umsätze von TSMC im Mai sind im Jahresvergleich um 30 % gestiegen, und die Kapitalausgaben für 2026 werden auf 52 bis 56 Milliarden US-Dollar prognostiziert, wobei das interne Unternehmen eher den oberen Wert anstrebt. Nach aktuellen Berichten leiden KI-Chiphersteller wie Nvidia immer noch unter Engpässen, und die Kapazitäten von TSMC für fortschrittliche Fertigungsverfahren und fortschrittliche Verpackung sind nach wie vor knapp.
Im Speicherbereich bleibt der Wettbewerb um HBM äußerst intensiv. Dank seiner führenden Position auf dem HBM-Markt hat SK Hynix den Marktwert von Samsung Electronics übertroffen und ist damit das wertvollste Unternehmen Südkoreas. Samsung und SK Hynix haben die Massenproduktion der nächsten Generation von HBM4 auf Anfang 2026 vorgezogen, um der stetig steigenden KI-Nachfrage gerecht zu werden.
Dennoch verändert die Verbreitung des Modells der Rechenkapazitätsvermietung tatsächlich die Einkaufslogik der gesamten Industriekette. Wenn Giganten wie Meta und xAI ihre Rechenkapazitäten externen Kunden öffnen, steigern sie tatsächlich die Auslastung der Rechenkapazitäten in der gesamten Gesellschaft. Kleine und mittlere KI-Unternehmen müssen keine teure Hardware mehr kaufen, sondern wechseln zur Vermietung. Ein Bericht von Apollo weist darauf hin, dass die GPU-Preise seit Anfang 2025 um etwa das Achtfache gestiegen sind, was das Vermietungsmodell für KMU attraktiver macht. Dieses Ressourcen-Sharing-Modell verlangsamt in gewissem Maße das absolute Wachstumstempo der Gesamtnachfrage nach Rechenkapazitäten und führt dazu, dass Cloud-Anbieter beim Kauf von Hardware mehr Wert auf Kosten-Nutzen-Verhältnis und Energieeffizienz legen.
Dies ist auch der tiefere Grund, warum große K