70 Jahre Künstliche Intelligenz: 14 Erkenntnisse aus den Boom- und Bust-Zyklen
Der neueste Forschungsbericht der Deutschen Bank zeichnet die Entwicklungslinien der künstlichen Intelligenz seit ihrer Entstehung im Jahr 1956 nach und extrahiert 14 wichtige Erkenntnisse aus historischen Mustern, um Anlegern eine Orientierung bei der Einschätzung des aktuellen Verlaufs des KI-Booms zu bieten.
Dieser August ist es genau 70 Jahre her, dass die Dartmouth-Sommerkonferenz – der Geburtsort der künstlichen Intelligenz – im Jahr 1956 stattfand. Adrian Cox, Strategist für Thematische Investitionen am Deutsche Bank Research, weist in seinem neuesten Bericht darauf hin, dass die 70-jährige Geschichte der KI von einem Wechsel zwischen Boom und Rezession geprägt ist, und die aktuelle Runde von Investitions- und Bewertungsboom die Paradigmen technologischer Revolutionen wiederholt, die sich in der Vergangenheit bereits mehrfach gezeigt haben.
Der Bericht stellt fest, dass „Kontext“ für das Verständnis der künftigen Entwicklung der KI von entscheidender Bedeutung ist. Von nichtlinearem Wachstum, Infrastrukturengpässen bis hin zum Aufblähen und Platzen von Bewertungsblasen sind die historischen Signale klar erkennbar. Der Bericht erklärt offen, dass manche vielleicht sagen „dieses Mal ist es anders“, aber die Daten der vergangenen 70 Jahre liefern ein anderes Bezugssystem – für Anleger, die auf das KI-Segment setzen, stehen diese Erkenntnisse in direktem Zusammenhang mit der Logik der Vermögensallokation und der Risikobewertung.
01 Wachstum verläuft nicht linear und wird oft massiv unterschätzt
Der Bericht macht gleich zu Beginn das Kernmerkmal des KI-Fortschritts deutlich: Nichtlinearität. Stellt man die historischen Daten der Trainingsrechenleistung in einem logarithmischen Koordinatensystem dar, lässt sich klar erkennen, dass die Rechenleistung für das Training wichtiger KI-Systeme seit 1956 um Dutzende von Größenordnungen gestiegen ist, während die visuelle Darstellung in einem linearen Diagramm diesen Trend fast vollständig verdeckt. Exponentielles Wachstum wird intuitiv sehr leicht unterschätzt – das ist die erste kognitive Schwelle, um die KI-Welle zu verstehen.
Eng damit verbunden ist die Tatsache, dass die Fortschrittsgeschwindigkeit der KI bereits das Mooresche Gesetz überholt hat. Herkömmliche Rechenleistung verdoppelt sich alle 18 bis 24 Monate, aber seit dem Zeitalter des Deep Learnings beträgt die durchschnittliche jährliche Wachstumsrate der Rechenleistung etwa das Vierfache, weit höher als die jährliche Wachstumsrate von etwa dem 1,4-fachen vor dem Aufkommen des Deep Learnings. Der Grund liegt darin, dass mehrere Faktoren wie die Vergrößerung des Systemumfangs, die Verbesserung des Arbeitsspeichers und die Optimierung von Algorithmen gleichzeitig verbessert werden und einen Überlagerungseffekt erzeugen.
02 Technologische Routen entwickeln sich kontinuierlich weiter – heutige Spitzenreiter sind nicht unbedingt die Gewinner von morgen
Der Bericht stellt die Entwicklung der Routen in den vergangenen 70 Jahren anhand eines KI-Technologiestammbaums dar: Von symbolischer Logik und Expertensystemen über statistisches maschinelles Lernen und Deep Learning bis hin zu den heute dominierenden großen Sprachmodellen. Jede Generation von Mainstream-Technologien durchlief einen Zyklus von dem Aufstieg bis zur Ablösung, einige Routen (wie rekurrente neuronale Netze) wurden bereits überholt, während andere weiterhin parallel weiterentwickelt werden. Der Bericht weist darauf hin, dass große Sprachmodelle künftig möglicherweise neuen Paradigmen wie „Weltmodellen“ weichen werden – der Generationswechsel der Technologie folgt nicht dem Willen der derzeitigen Spitzenreiter.
Historische Veränderungen von Marktanteilen bestätigen dies ebenfalls. Internet Explorer hat einst Netscape überboten, wurde später selbst von Chrome abgelöst. In der aktuellen Wettbewerbslandschaft generativer KI-Plattformen hat ChatGPT die höchsten monatlichen Zugriffszahlen, aber Google Gemini, DeepSeek und Claude holen alle schnell auf. Frühe Vorteile bedeuten noch keinen langfristigen Wettbewerbsvorteil.
03 F&E-Akkumulation bestimmt die Wettbewerbslandschaft – der Aufstieg von DeepSeek ist kein Zufall
Der überraschende Aufstieg chinesischer KI-Modelle – vertreten durch DeepSeek – scheint oberflächlich über Nacht erfolgreich zu sein, ist aber in Wirklichkeit das Ergebnis jahrelanger Akkumulation von F&E-Investitionen. Daten zeigen, dass China die USA im Jahr 2024 bei den gesamten F&E-Ausgaben überholt hat, und die Aufholgeschwindigkeit bei der Anzahl wichtiger KI-Modelle ist ebenfalls bemerkenswert. Bei der Anzahl erteilter KI-Patente liegt die Wachstumskurve Chinas ebenfalls weit vor anderen Volkswirtschaften. Für Anleger bedeutet dies, dass Veränderungen in der Wettbewerbslandschaft oft schon Jahre bevor sie oberflächlich sichtbar werden, auf unterster Ebene anwachsen.
04 Sinkende Kosten verringern nicht die Nachfrage, sondern erweitern sie
Der Bericht zitiert das „Jevons-Paradoxon“, um zu erläutern: Ein starker Rückgang der Nutzungskosten von KI führt nicht zu einer Verringerung der Gesamtausgaben, sondern stimuliert einen sprunghaften Anstieg der Nachfrage. Seit 2006 sind die Kosten für GPU-Rechenleistung um mehr als 99 % gesunken, aber laut Prognose der Internationalen Energieagentur (IEA) wird der weltweite Stromverbrauch von Rechenzentren von 2024 bis 2030 verdoppelt. Niedrigere Grenzkosten bedeuten mehr Anwendungsszenarien und eine höhere Gesamtnachfrage.
05 Die Softwarerevolution braucht Hardware als Vorreiter – die aktuellen Engpässe liegen auf der Angebotsseite
Jede technologische Revolution hängt von großangelegten Hardware-Investitionen ab, und die KI bildet da keine Ausnahme. Seit ChatGPT im November 2022 online ging, liegt die Gesamtrendite von Branchen im Zusammenhang mit Rechenzentren, Hardware und Chips im Russell-1000-Index weit über der der Softwarebranche. Anders als in der Vergangenheit, wo die Verbreitung von Endgeräten auf der Verbraucherseite als Einschränkung wirkte, liegen die aktuellen Engpässe eher auf der Angebotsseite von KI-Chips: Der stündliche Mietpreis von Nvidias H100-GPU-Chip schwankte in den vergangenen Quartalen kontinuierlich, was die strukturelle Spannung zwischen Angebot und Nachfrage widerspiegelt.
06 Globalisierung senkt die Technologiekosten, birgt aber auch Risiken für die Lieferkette
Mit dem Anheizen des KI-Booms sind die Einfuhren von Halbleitern in den USA stark gestiegen. Gleichzeitig steigt die Konzentration der globalen Lieferkette kontinuierlich an, und die Abhängigkeit der Produkte von einzelnen Bezugsquellen hat deutlich zugenommen. Der Bericht weist darauf hin, dass die Globalisierung die Technologie billiger gemacht hat, aber gleichzeitig die Lieferkette höheren geopolitischen und Konzentrationsrisiken aussetzt.
07 Technologische Vorteile brauchen Zeit, um sich auszuzahlen – die kommerzielle Anwendung befindet sich noch im Frühstadium
Technologische Revolutionen weisen normalerweise einen „J-Kurven“-Effekt bei der Produktivität auf: Kosten treten vor Erträgen auf. Der Bericht zitiert Daten, wonach derzeit weniger als die Hälfte der US-amerikanischen Angestellten KI für ihre Arbeit nutzen und durchschnittlich 6 % ihrer Arbeitszeit für KI-bezogene Aufgaben aufwenden, was nur eine Einsparung von etwa 2 % der Arbeitszeit bewirkt.
Die Übernahmegeschwindigkeit auf der Verbraucherseite hat historische Rekorde erreicht, die Verbreitung von generativer KI verläuft schneller als die des Internets und der PCs. Allerdings schreitet die Monetarisierung von Anwendungen auf der Unternehmensseite deutlich langsamer voran – das Herunterladen einer App dauert nur wenige Minuten, aber die Umgestaltung der Unternehmensbetriebsabläufe rund um neue Technologien erfordert Jahre. Die KI-Anwendungsrate in den Branchen Information, professionelle Dienstleistungen sowie Finanzen und Versicherungen liegt an der Spitze, während das verarbeitende Gewerbe relativ hinterherhinkt.
08 Die Bewertung liegt auf historischem Hoch, die Umsatzerwartungen müssen „andersartiger“ sein, um erfüllt zu werden
Aus Sicht des Shiller Cyclically Adjusted Price Earnings Ratio (CAPE) ist das aktuelle Bewertungsniveau des S&P 500 nahe dem Spitzenwert der Internetblase im Jahr 2000 und liegt im höchsten Bereich der vergangenen 150 Jahre. Fast jeder Bewertungsgipfel in der Geschichte entspricht einer bahnbrechenden technologischen Welle: die Elektrifizierung 1899, Radio und Automobil 1929, die elektronische Welle 1966, das Internet 2000 – und die KI 2026.
Auf der Einnahmeseite übersteigt das aktuelle Umsatzwachstum von OpenAI und Anthropic bereits die historischen Spitzenwerte vergleichbarer Unternehmen aus entsprechenden Zeiträumen. Der Bericht weist aber gleichzeitig darauf hin, dass die Wachstumskurven der beiden Unternehmen im Vergleich zu den historischen Wegen von Technologiegiganten wie Google, Meta und Nvidia „andersartiger“ sein müssen, um die in der aktuellen Bewertung implizierten langfristigen Umsatzerwartungen zu erfüllen.
09 Langfristige Trends sind widerstandsfähig, aber extreme Szenarien werden bereits diskutiert
Der Bericht schließt mit dem langfristigen Trend des Ergebnisses pro Aktie des S&P 500, die Daten zeigen, dass dieser Indikator seit 1935 um durchschnittlich etwa 6,5 % pro Jahr gewachsen ist und diesen Trend trotz mehrerer Kriege und Rezessionen stabil gehalten hat. Auf der BIP-Ebene stellt der Bericht drei KI-Szenarien vor: das Basisszenario, ein moderates, durch KI angetriebenes beschleunigtes Wachstum (durchschnittliche jährliche Wachstumsrate von etwa 2,1 % in den nächsten 10 Jahren) sowie zwei Extreme im „Singularitäts“-Szenario – von einem technologischen Utopie bis zum Aussterben der Menschheit. Der Bericht nimmt dazu eine neutrale Position ein, weist Anleger aber darauf hin: Zwischen historischen Trends und extremen Szenarien ist es ein Kernproblem, das laufend verfolgt werden muss, welcher der beiden Seiten die aktuelle Marktbewertung näher ist.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Hard AI“, Autor: Fokus auf Technologie-Forschung und -Entwicklung, veröffentlicht mit Genehmigung von 36Kr.