Die Besorgnis vor einer KI-Blase flammt wieder auf, und die Rolle des Menschen als Prüf- und Kontrollinstanz für KI ist instabil.

01

Industrie

AI-Geschäftsberichtssaison erlebt Verkaufswelle, Expansion der Infrastruktur stößt auf Zweifel

Die Technologie-Geschäftsberichtssaison der US-Börsen Ende Oktober 2026 zeigte ein Bild, in dem schnelles Geschäftswachstum und heftige Verkäufe auf dem Kapitalmarkt nebeneinander bestehen.

Der von Alphabet am 28. Oktober veröffentlichte Bericht für das dritte Quartal zeigt, dass der Umsatz von Google Cloud im Jahresvergleich um 103 % sprunghaft angestiegen ist, der freie Cashflow in diesem Quartal jedoch -9,1 Milliarden US-Dollar betrug, während die Leistung des Kerngeschäfts mit Suchanzeigen hinter den Markterwartungen zurückblieb. Am nächsten Tag stürzte der Aktienkurs von Alphabet um 12,6 % ein. Die Verdoppelung des Wachstums des Cloud-Geschäfts konnte die Sorgen der Anleger über den außer Kontrolle geratenen Bargeldverbrauch nicht ausgleichen.

Einen Tag später legte Amazon ein Ergebnis des dritten Quartals mit einer sehr ähnlichen Struktur vor: Der Umsatz des AWS-Cloud-Dienstes stieg im Jahresvergleich um 39 % auf 46 Milliarden US-Dollar (die annualisierte Umsatzrate erreichte 184 Milliarden US-Dollar), und der gesamte Betriebsgewinn der Gruppe erreichte einen historischen Höchststand von 28,1 Milliarden US-Dollar. In den zwölf Monaten bis zum 30. September war der freie Cashflow des Unternehmens jedoch trotz eines Anstiegs des operativen Cashflows um 29 % auf 168,3 Milliarden US-Dollar von einem Nettozufluss von 14,8 Milliarden US-Dollar im gleichen Zeitraum des Vorjahres in einen Nettoabfluss von 42,4 Milliarden US-Dollar umgekehrt.

Unter diesen Bargeldlücken spiegelt der negative Betrag von 9,1 Milliarden US-Dollar bei Alphabet die Bargeldlücke eines einzelnen Quartals wider, während der negative Betrag von 42,4 Milliarden US-Dollar bei Amazon den kumulierten Abfluss der letzten zwölf Monate abdeckt. In diesem Zeitraum stiegen die Ausgaben von Amazon für den Kauf von Immobilien und Anlagen nach Abgang von Vermögenswerten im Jahresvergleich um 94,8 Milliarden US-Dollar sprunghaft an, und die gesamten Kapitalausgaben für das laufende Jahr werden voraussichtlich bis zu 220 Milliarden US-Dollar erreichen.

Der von Microsoft am 28. Oktober veröffentlichte Bericht für das erste Quartal des Geschäftsjahres 2027 wurde zu einem der wenigen positiven Beispiele. Der Umsatz von Azure stieg um 48 % (übertrifft die eigene Prognose von 44 % bis 45 %), der Gesamtumsatz der Gruppe erreichte 92,3 Milliarden US-Dollar, und selbst bei Kapitalausgaben von bis zu 45,2 Milliarden US-Dollar in einem einzelnen Quartal behielt das Unternehmen einen positiven freien Cashflow bei. Der entscheidende Grund liegt darin, dass sein riesiges Fundament aus Unternehmenssoftware und Büroabonnements einen extrem hohen laufenden Bargeldpuffer bietet. Daher stieg sein Aktienkurs nach der Veröffentlichung des Berichts um 3 %.

Das zeigt also, dass der Markt derzeit große Sorgen vor den Maßnahmen der großen Unternehmen hat, bei denen die Investitionen in die KI-Infrastruktur über ihre profitablen Cashflows hinausgehen. Sie glauben nicht, dass die derzeitige Rechenleistung knapp ist und dass Rechenzentren ein profitables Geschäft sind. All dies ist eine Scheinblüte. Aber für die Zukunft ist ihr Vertrauen nicht so groß.

Für diese großen Unternehmen müssen sie massiv in zukünftige Infrastruktur und Rechenleistung investieren, um wettbewerbsfähig zu bleiben. Aber es ist ungewiss, ob diese riesigen Investitionen am Ende tatsächlich in effektive Einnahmen umgewandelt werden können.

Erstens: Nach dem aktuellen Wachstum ist es möglich, nicht viel zu verdienen. Nach Berechnungen von Gartner auf Basis des aktuellen KI-Umsatzwachstums könnten die Infrastrukturinvestitionen von KI-Unternehmen und Cloud-Geschäften bis 2030 7 Billionen US-Dollar erreichen, der Gesamtumsatz könnte 8,5 Billionen US-Dollar betragen, und die Einnahmen aus KI für Unternehmen und Verbraucher, die KI-Rechenzentren zuzuordnen sind, übersteigen nicht 3,6 Billionen US-Dollar. Unter Berücksichtigung der Betriebskosten, Abschreibungen und Steuern liegt die effektive Gewinnspanne wahrscheinlich unter 12 %. Das heißt, die Effizienz bei der Geldverdienung ist relativ niedrig. Unter Berücksichtigung der Opportunitätskosten ist dies möglicherweise nicht so profitabel wie Investitionen in andere Richtungen.

Zweitens: Dies basiert noch auf der Erwartung, dass die Nachfrage nach Rechenleistung weiterhin massiv wächst. Was passiert, wenn die Entwicklung der KI behindert wird und die Expansion stagniert? Was passiert, wenn die Anzahl der Akteure abnimmt und der derzeitige Anteil von mehr als 50 % der für das Training genutzten Rechenleistung stark zurückgeht? Was passiert, wenn es große Fortschritte bei der Infrastruktur gibt und die Nachfrage nach Rechenleistung sinkt? Diese Risikofaktoren werden die Erwartungen an eine stabile Rendite dieser groß angelegten Vorabinvestitionen offensichtlich weiter schwächen.

Einfach ausgedrückt: Selbst wenn wir die Rechnung unter den derzeit besten Bedingungen aufstellen, ist es nicht sicher, dass wir viel verdienen. Das Risiko ist zu groß, und der größte Gewinn wird nicht allein durch die Expansion der Rechenleistung erzielt. Wenn ein Unternehmen das Spiel gewinnt, ist die Obergrenze der Einnahmen für andere Unternehmen, die nur als Beteiligte an der Rechenleistung fungieren, nicht hoch, während die Untergrenze sehr niedrig ist.

Die Ratingagenturen prüfen ebenfalls die Grundlinie der Blutbildung der Giganten mit diesem Maßstab. S&P Global behielt am 30. Oktober das AA−-Kreditrating von Meta bei, senkte jedoch den Ratingausblick auf negativ. Der Kerngrund war die Sorge, dass aggressive KI-Kapitalausgaben den Cashflow untergraben könnten, was dazu führen könnte, dass die Leverage-Rate von Meta Anfang 2027 die Obergrenze von 1,0 überschreitet, die für das AA−-Rating zulässig ist.

Aus dem gleichen Grund können wir auch verstehen, warum Anthropic als Junk-Rating eingestuft wurde.

Am 30. Oktober enthüllten die Financial Times und mehrere Marktinstitutionen, dass die Blackstone-Gruppe bei der Kommunikation mit Investoren erwartet, dass das Kreditrating von Anthropic auch nach dem Börsengang wahrscheinlich im Nicht-Investment-Grade-Bereich (d. h. im sogenannten oberen Bereich des „High-Yield-“ oder „Junk-Ratings“) verbleiben wird und es schwierig sein wird, kurzfristig ein Investment-Grade-Rating zu erhalten. Dies liegt auch daran, dass das am 26. Oktober öffentlich eingereichte IPO-Prospekt (Form S-1) von Anthropic zeigt, dass das Unternehmen hohe Verpflichtungen zur Gerätemiete über fünf Jahre trägt (der Gesamtbetrag der fünfjährigen Miete im Zusammenhang mit Broadcom allein beträgt 161,2 Milliarden US-Dollar, ohne Zinsen), und der in diesem Zeitraum abgeschlossene revolvierende Kreditvertrag verstärkte diese Zweifel.

Da Anthropic keinen positiven freien Cashflow hat, kann es nur auf Kredite zurückgreifen, um die Rechenleistungsinfrastruktur aufzubauen. Und diese Kredite erfordern eine Garantie zur Absicherung.

Am 26. Oktober kündigten Broadcom gemeinsam mit der Bank of America, der Blackstone-Gruppe, Citigroup und Morgan Stanley eine Gerätefinanzierungsvereinbarung in Höhe von bis zu 63 Milliarden US-Dollar an, um für Anthropic exklusive KI-Rechenleistungs- und Netzwerkgeräte auf Basis der Broadcom-Technologie bereitzustellen, die voraussichtlich ab 2027 ausgeliefert werden.

Der Chiphersteller Broadcom fungierte selbst als Garant für die vorrangigen Kredite. In dem bei der Aufsichtsbehörde eingereichten 8-K-Dokument verpflichtete sich Broadcom, eine Restwertgarantie von bis zu etwa 43 Milliarden US-Dollar (nicht diskontierter Maßstab) für die vorrangigen Kredite zu gewähren. Sollte es zu einem Zahlungsausfall kommen und der Erlös aus dem Verkauf der Schränke unter 72,5 % des noch nicht zurückgezahlten Mietkapitals liegen, muss Broadcom die Differenz aus eigener Tasche ausgleichen.

Ähnliche revolvierende Kredite verschärfen das Übertragungsrisiko der Anfälligkeit der Infrastruktur weiter. Wenn Anthropic scheitert, wird auch Broadcom leiden.

Die Zweifel an der Zahlungsfähigkeit in der fernen Zukunft übertrugen sich schnell auf die vorgelagerte Hardware-Lieferkette. Um 09:45 Uhr östlicher US-Zeit am 30. Oktober erlebte der Sektor für Speicherchips und Festplatten eine kollektive Verkaufswelle. Die Intraday-Aufzeichnungen zeigen, dass Micron um 4,26 % fiel, Sandisk um 8,53 % einbrach, Western Digital um 6,07 % und Seagate um 5,26 % sanken. Bemerkenswerterweise hatte Sandisk unmittelbar nach dem Handelsschluss am Vortag einen extrem beeindruckenden Bericht für das erste Quartal des Geschäftsjahres 2027 vorgelegt: Der Umsatz in diesem Quartal betrug 11,031 Milliarden US-Dollar, stieg im Vergleich zum Vorquartal um 23 % und im Jahresvergleich um 378 % (der Umsatz des Rechenzentrumsgeschäfts stieg im Vergleich zum Vorquartal um 61 % auf 4,802 Milliarden US-Dollar). Die GAAP-Bruttomarge stieg von 29,8 % vor einem Jahr auf 85,0 %. Das Unternehmen kündigte zudem einen Aktiensplit im Verhältnis 1 zu 8 an und hob die Umsatzprognose für das nächste Quartal auf 12,2 bis 12,6 Milliarden US-Dollar an. Die starken Ergebnisse konnten den Aktienkurs nicht nach oben treiben, sondern lösten Gewinnmitnahmen und einen gemeinsamen Rückgang des Sektors aus.

Denn alle prognostizieren, dass diese verrückten und aggressiven Investitionen in die Infrastruktur möglicherweise nicht nachhaltig sind. Dementsprechend werden die zukünftigen Erwartungen der Hardware-Lieferanten, die sich rasant entwickeln, entsprechend herabgesetzt.

Die wissenschaftliche Erforschung der KI tritt in eine Explosionsphase ein, und Spitzenforschung in verschiedenen Bereichen wird durchbrochen

Ende Oktober 2026 erlebte die Rolle der künstlichen Intelligenz im Bereich der Grundlagenwissenschaft eine qualitativ hochwertige Veränderung von Wasserscheide-Bedeutung. Innerhalb weniger Tage enthüllten Spitzenlabore wie OpenAI und Anthropic in dichter Folge eine Reihe bahnbrechender Fortschritte, die sich über die theoretische Informatik, Grundlagenmathematik, theoretische Physik, chemische Kinetik und Biomedizin erstrecken.

Im Gegensatz zu früheren KI-Systemen, die sich nur auf lokale technische Optimierungen unter gegebenen Bewertungsindikatoren beschränkten, dringen diese neuen Ergebnisse direkt in die Kernvermutungen und experimentellen Black Boxes ein, die die akademische Gemeinschaft der Menschen seit Jahrzehnten plagen. Von den beiden Einrichtungen, die am selben Tag unabhängig voneinander die „Exponentialzeithypothese (ETH)“ – den Grundstein der Komplexitätstheorie – widerlegen, bis hin zur umfassenden Überwindung der lokalen Glättungsvermutung und der Kakeya-Vermutung in der harmonischen Analyse.

Von der 1147 Seiten langen Konstruktion der Existenz der vierdimensionalen Quantenfeldtheorie über den formalen Beweis der globalen Konvergenz von chemischen Reaktionsnetzwerken, der durch den Austausch verschiedener Modelle abgeschlossen wird, bis hin zur Automatisierung nasser Labore, die die falschen Bewertungsstandards traditioneller Instrumente widerlegen.

Eine vollständige wissenschaftliche Forschungskette, die sich von der „Ableitung formaler Axiome“ bis zum „Experimentdesign in der realen physischen Welt“ erstreckt, wird schnell aufgebaut.

Am 26. Oktober warf OpenAI in der offiziellen Ankündigung „Zusammenarbeit mit akademischen Gemeinschaften zum Aufbau wissenschaftlichen Verständnisses“ eine Bombe: Es veröffentlichte ein 67-seitiges Preprint-Papier mit dem Titel „Die Exponentialzeithypothese ist falsch“ und den dazugehörigen formalen Beweiscodes in Lean 4. Es kündigte an, dass sein internes Inferenzmodell am 16. Oktober einen Beweis in natürlicher Sprache gefunden hat, der die Exponentialzeithypothese (ETH) widerlegt, und am nächsten Tag die maschinelle formale Prüfung abgeschlossen hat.

Dramatischerweise veröffentlichte Anthropic nur einen Tag später, am 27. Oktober, ebenfalls das Papier „Ein ATime-Algorithmus für 3-SAT“ auf der mathematischen Preprint-Plattform Hexagon und im eigenen formalen Mathematik-Repository. Aus der Erklärung von Anthropic geht hervor, dass sein internes Forschungsmodell Claude ebenfalls am 16. Oktober ohne menschliches Eingreifen 14 Millionen Ausgabe-Token verbraucht hat, um den Kernalgorithmus, der die ETH widerlegt, unabhängig zu entdecken. Anschließend wurde der formale Beweis in Lean nach der Verbesserung der Darstellung mit Unterstützung menschlicher Forscher abgeschlossen.

Gleichzeitig mit der Veröffentlichung der Ergebnisse zur Berechnungskomplexität gab OpenAI in derselben Ankündigung vom 26. Oktober der reinen Mathematikgemeinschaft ein weiteres vollständig öffentliches Papier in natürlicher Sprache und ein Lean-Beweispaket mit dem Titel „Lokale Glättung für die euklidische Wellengleichung“ frei (das interne Modell erzeugte den Beweis in natürlicher Sprache am 18. Oktober und schloss die formale Formalisierung in Lean am 19. Oktober ab). Diese Arbeit behauptet direkt, die „Lokale Glättungsvermutung“ der euklidischen Wellengleichung gelöst zu haben, die 1991 von dem Meister der harmonischen Analyse Christopher Sogge aufgestellt wurde. Nebenbei wurden die berühmte Kakeya-Vermutung, die Nikodym-Maximalvermutung und die Stein-Fourier-Einschränkungsvermutung in der geometrischen Maßtheorie und harmonischen Analyse auf beliebige Dimensionen erweitert.

In der Geschichte der Fortschritte menschlicher Mathematiker geht jedes Hochklettern in eine höhere Dimension mit extrem harten geometrischen und analytischen Anstrengungen einher: Larry Guth, Hong Wang und Ruixiang Zhang überwanden erstmals die lokale Glättungsvermutung im zweidimensionalen Raum in einem langen Papier, das 2019 eingereicht und 2020 in den Annals of Mathematics veröffentlicht wurde. 2025 bewiesen Hong Wang und Joshua Zahl gemeinsam die Kakeya-Vermutung im dreidimensionalen Raum.

Neben den beiden Ergebnissen in Mathematik und Informatik, deren Quellcode direkt offen zugänglich ist, kündigte OpenAI in der Ankündigung vom 26. Oktober einen dritten Durchbruch an, der auf einen der heiligen Grale der modernen theoretischen Physik abzielt: Sein internes Modell erzeugte am 9. September einen Beweis in natürlicher Sprache für die mathematische Existenz der vierdimensionalen reinen Yang-Mills-Eichtheorie. Am 18. September erzeugte es weiter eine vierdimensionale wechselwirkende Quantenfeldtheorie, die Eichtheorien und Fermionen (Materieteilchen) einschließt, einschließlich des Beweises der Existenz der Quantenchromodynamik (QCD), die die starke Wechselwirkung beschreibt, und des einheitlichen vollständigen Schemas des Standardmodells der Teilchenphysik. Am 16. Oktober wurde die formale Formalisierung in Lean für den Teil der Existenz des reinen Yang-Mills abgeschlossen.

Im Gegensatz zu den ersten beiden Ergebnissen, die direkt online gestellt und zum Herunterladen freigegeben wurden, sind diese physischen Materialien derzeit nicht öffentlich zugänglich. Sie wurden vollständig an eine unabhängige Arbeitsgruppe aus fünf Wissenschaftlern übergeben, deren Vorsitzender David Gross, Preisträger des Nobelpreises für Physik 2004, ist und der Arthur Jaffe, Michael Douglas,