$725 Milliarden KI-CapEx, 90 % ohne Produktivitätsgewinn: Was dieses Paradox für Anleger bedeutet
Siebenhundertfünfundzwanzig Milliarden Dollar. Das ist der kombinierte KI-CapEx-Commit von Microsoft, Google, Meta und Amazon allein im Jahr 2026 – ein Anstieg von 77 % gegenüber $410 Milliarden im Jahr 2025. Halten Sie diese Zahl neben diese: Laut einer NBER-Studie vom Februar 2026 melden 90 % der Unternehmen null messbaren KI-Produktivitätseffekt. Unsere Analysten haben in den letzten zwei Wochen bewertet, ob dies der rücksichtsloseste Kapitalallokationszyklus der modernen Geschichte ist – oder einfach das frühe Kapitel einer Geschichte, die ein Jahrzehnt braucht, um sich zu entfalten.
Die $725-Mrd.-Wette: Was Microsoft, Google, Meta und Amazon wirklich kaufen
Die Schlagzeile gliedert sich wie folgt auf: Microsoft hat $190 Milliarden verpflichtet, Google liegt bei $180–190 Milliarden, Meta hat $125–145 Milliarden geführt, und Amazon führt mit $200 Milliarden. Das sind keine vagen Bestrebungen – es sind vertragliche CapEx-Schedules, die in GPUs, Custom-Silicon, Glasfaser, Kühlinfrastruktur und Immobilien für Datenzentren fließen werden.
Um zu verstehen, was sie tatsächlich kaufen, blickten unsere Analysten über das Aggregat hinaus. Azure wuchs im Q1 2026 um 33 % im Jahresvergleich, wobei KI 16 Prozentpunkte dieses Wachstums beisteuerte. Google Cloud erreichte in Q1 $20 Milliarden – ein Anstieg von 63 % im Jahresvergleich. AWS meldete im gleichen Quartal $37,59 Milliarden, wuchs um 28 % im Jahresvergleich – sein schnellstes Quartalstempo in 15 Quartalen. Das sind keine theoretischen KI-Rückenwinde. Unternehmenskunden betreiben Produktions-KI-Workloads, und die Cloud-Infrastruktur, die diese Workloads unterstützt, ist die erste Monetarisierungsschicht.
Was im Maßstab gekauft wird, ist Optionalität und strukturelle Position. Microsofts $190 Milliarden kaufen ihm weiterhin priorisierte GPU-Zuteilung von NVIDIA, erweiterte Azure-Kapazität in unterversorgten Regionen und die physische Infrastruktur, um OpenAIs Inferenzverkehr zu bedienen, während er wächst. Googles Ausgaben kaufen TPU-8-Deployment im Maßstab – proprietäres Silicon, das NVIDIAs Preismacht aus dem eigenen Stack entfernt. Metas $125–145 Milliarden finanzieren sowohl Llama-Modelltraining als auch seinen MTIA (Meta Training and Inference Accelerator) bei 500-Einheiten-Deployments, eine langfristige Absicherung gegen Drittanbieter-Chip-Abhängigkeit. Amazons $200 Milliarden ist das breiteste: AWS-Datenzentren, Trainium-2-Custom-Chips und Satelliten-Bodeninfrastruktur durch Projekt Kuiper.
Es gibt eine zweite Schicht, die der Markt untergewichtet: Energie. Das Team schätzte, dass ein Engpass von 7 Gigawatt in der geplanten US-Datenzentrumskapazität für 2026 besteht, und 30–50 % der geplanten Kapazität hat sich in Lieferzeiträume bis 2028 verschoben. Das ist kein spekulativer Engpass – es ist ein physischer. Die Unternehmen, die $725 Milliarden verpflichten, kaufen nicht nur Rechenleistung; sie kaufen Warteschlangenposition in einer eingeschränkten Lieferkette.
Der Gesamtkontext ist noch größer: Gartner schätzt, dass die globalen KI-Ausgaben für Software, Dienstleistungen und Infrastruktur im Jahr 2026 $2,52 Billionen erreichen werden. Die $725 Milliarden Hyperscaler-CapEx sind das Rückgrat dieser Zahl.
Das NBER-Produktivitätsparadox: 90 % null Wirkung und warum diese Zahl irreführend ist
Der NBER-Befund vom Februar 2026 ist real und ernst zu nehmen: In einer breiten Unternehmensumfrage melden 90 % null messbaren KI-Produktivitätseffekt. Für Anleger, die das KI-Narrativ mit der Erwartung einer nahen Gewinntransformation der gesamten Wirtschaft kauften, ist diese Zahl eine kalte Dusche.
Aber unsere Analysten stellen fest, dass die NBER-Zahl in beide Richtungen falsch gelesen wird. Die korrekte Lesart ist nuancierter, und die Geschichte bietet einen präzisen Rahmen dafür.
Als Elektrizität in den 1880er Jahren US-Fabrikhallen in großem Maßstab erreichte, begannen Unternehmen sofort, Motoren und Generatoren zu kaufen. Die Produktivität folgte nicht sofort. Zwei Jahrzehnte lang organisieren sich Fabriken weiterhin rund um das zentrale Wellen-und-Riemen-Energieverteilungsmodell, das für Wasser und Dampf konzipiert worden war – nur mit einem Elektromotor im Zentrum statt. Die Transformation materialisierte sich erst, als Fabriken von Grund auf neu rund um die neue Technologie gebaut wurden. Die Produktivitätsverzögerung aus der Elektrizitätsadoption dauerte nach der Adoption etwa 10–20 Jahre.
Das Internet bietet eine engere Analogie. Von 1993 bis 1999 gaben US-Unternehmen aggressiv für Internet-Infrastruktur aus. Der Dotcom-Crash 2000–2002 war real und schmerzhaft. Aber die überlebenden Unternehmen – Amazon, Google, später Salesforce – bauten die Infrastruktur, die die tatsächlichen Produktivitätsgewinne der 2000er und 2010er Jahre generierte.
KI folgt der gleichen Kurve. Der 90-%-Null-Produktivitätsbefund spiegelt Unternehmen wider, die Chatbots, interne Copiloten oder grundlegende Automatisierung eingesetzt haben – aber noch keine Prozesse rund um KIs tatsächliche Fähigkeiten neu aufgebaut haben. Eine Anwaltskanzlei, die Mitarbeitern Zugang zu einem Dokumentenzusammenfassungstool gibt, aber ihr Abrechnungsmodell, ihren Review-Workflow und ihre Partnerhebelstruktur identisch hält, hat ihre Produktivität nicht geändert; sie hat eine teure Suchmaschine gekauft.
Die Einschätzung unserer Analysten: Die 90-%-Zahl wird 2028 sehr anders aussehen. Die Unternehmen in den heutigen 10 % – die frühen Anwender, die Workflows neu organisiert haben, nicht nur Tools hinzugefügt haben – bauen dauerhafte Wettbewerbsvorteile auf. Für Anleger ist die Implikation klar: KI-Produktivität ist keine 2026-Geschichte auf Makroebene. Es ist eine 2027–2030-Geschichte.
NVDA, H20-Exportschock und Positionierung im KI-CapEx-Zyklus
Kein Unternehmen sitzt näher am Zentrum dieses Zyklus als NVIDIA. Der Rechenzentrumsumsatz in Q1 FY2026 erreichte $39,1 Milliarden, ein Anstieg von 73 % im Jahresvergleich. Gaming erreichte einen Rekord von $3,8 Milliarden. Aber der H20-Exportkontrollschock führte ein materielles Risiko ein, das drei Quartale zuvor nicht existierte.
H20-Chips – NVIDIAs exportkonformes Produkt, das speziell für den chinesischen Markt entwickelt wurde – unterliegen nun Beschränkungen des US-Handelsministeriums. Die finanzielle Auswirkung ist direkt: NVIDIA leitete eine $8-Milliarden-Q2-Belastung im Zusammenhang mit H20-Inventar und Kundenverpflichtungen, die nicht erfüllt werden können.
Unsere Analysten sehen drei Positionierungsschlussfolgerungen daraus.
Erstens bleibt NVDA die dominante Position in der KI-Infrastruktur – aber das Risikoprofil hat sich verändert. Der H20-Schock ist eine Realisierung regulatorischen Risikos, kein Nachfragesignal. Die US-Hyperscaler-Nachfrage nach Blackwell und nächster Generation Architekturen ist nicht beeinträchtigt. Die Q2-Belastung ist real; die langfristige Nachfragekurve ist es nicht.
Zweitens ist Custom Silicon die aufkommende strukturelle Herausforderung für NVDA, die eine Portfolio-Absicherung rechtfertigt. Googles TPU 8, Metas MTIA bei 500-Einheiten-Deployment und AMDs kürzlich angekündigte $60-Milliarden-Liefervereinbarung mit Meta repräsentieren einen kohärenten Wandel. Hyperscaler verlassen NVIDIA nicht – sie bauen benutzerdefinierte Alternativen für Inferenz-Workloads, wo NVIDIAs Preismacht am höchsten ist.
Drittens ist das Konzentrationsrisiko in KI-Aktien der systemische Faktor, den die meisten Anleger untergewichten. Die sechs größten KI-exponierten Aktien repräsentieren derzeit etwa 30 % des S&P-500-Gewichts. Dieses Konzentrationsniveau ist historisch anomal. Anleger, die im S&P 500 indexiert sind, haben bereits eine große KI-Wette gemacht, ob sie es erkennen oder nicht.
Unsere Positionierungsthese für Q2 und Q3 2026: Kern-Exposure gegenüber NVDA und Hyperscalern beibehalten, da der Infrastrukturzyklus noch Jahre zu laufen hat. Selektive Exposure gegenüber Energieinfrastruktur hinzufügen – Versorgungsunternehmen mit Rechenzentrum-Exposure und Übertragungsausrüstungsherstellern –, wo der 7-GW-Kapazitätsengpass ein dauerhaftes Nachfragesignal schafft. AMD als den glaubwürdigsten kurzfristigen Nutznießer von Custom-Silicon-Verträgen beobachten.
Die $725 Milliarden sind kein Fehler. Es ist eine Wette, dass der Elektrizitätsmoment für KI eintrifft – und dass die Unternehmen, die das Netz besitzen, wenn er es tut, die Renditen einsammeln werden. Die 90-%-Produktivitätslücke ist kein Beweis gegen diese Wette. Es ist Beweis dafür, dass wir uns noch in der frühen Phase eines Adoptionszyklus befinden, den die Geschichte uns sagt, dass er ein Jahrzehnt braucht, um sich zu vollenden.