Künstliche Intelligenz (KI) hat die Marktführerschaft an den Finanzmärkten, die Kapitalallokation, die Geschäftsprozesse und die Art und Weise, wie Investoren langfristiges Wachstum bewerten, nachhaltig verändert. Für langfristig orientierte Anleger stellt sich nicht mehr die Frage, ob KI eine Rolle spielt, sondern wie ihre Weiterentwicklung die Anlagelandschaft verändern wird. Im Folgenden beleuchten wir die aktuelle Begeisterung von Anlegern und Wirtschaft für das Thema KI sowie die Art und Weise, wie die Märkte diese Entwicklung einpreisen.
Wie KI zu einer bahnbrechenden Technologie wurde
Auch wenn der Durchbruch von KI plötzlich erscheinen mag, ist der heutige Fortschritt das Ergebnis jahrzehntelanger Forschung. KI wurde erstmals in den 1950er-Jahren als eigenständiges Forschungsfeld definiert; begrenzte Rechenkapazitäten verlangsamten jedoch zunächst die Entwicklung. Die heutigen generativen KI-Modelle basieren auf „Deep Learning“, einem Teilbereich des maschinellen Lernens, der vom menschlichen Gehirn inspiriert ist. Die Konzepte des Deep Learning reichen bis in die 1940er-Jahre zurück, erforderten jedoch weit mehr Rechenleistung, als frühere Systeme bereitstellen konnten.
Erst die Skalierung des Cloud Computings in den 2010er-Jahren ermöglichte den Durchbruch von Modellen, die Handschriften lesen, Bilder erkennen und schlussendlich heutige Systeme wie ChatGPT, Claude und Gemini antreiben können. Ihr Erfolg hängt jedoch von enormen Kapitalsummen für die Entwicklung, den Aufbau und den Betrieb von Rechenzentren ab.
Die Wegbereiter der KI
Seit generative KI ihren Siegeszug im Mainstream angetreten hat, schreitet die Verbreitung rasant voran – mit insgesamt mehr als zwei Milliarden monatlichen Nutzerinnen und Nutzern auf den führenden Plattformen.1 Die Leistungsfähigkeit entwickelt sich eher in Wochen als in Jahren weiter, angetrieben von sprunghaft steigenden Investitionen in die KI-Infrastruktur. US-Hyperscaler rechnen in diesem Jahr mit Ausgaben von 730 Milliarden US-Dollar, Grossteils für KI-Projekte,2 während Gartner davon ausgeht, dass die weltweiten KI-Ausgaben im Jahr 2026 die Marke von 2,5 Trillionen US-Dollar überschreiten werden. Unsere Analyse zeigt: Die meisten Unternehmen haben bereits konkrete KI-Ziele formuliert.
Ein Grossteil dieser Ausgaben ist auf den immensen Rechenbedarf zurückzuführen. Laut Epoch AI hat sich der Rechenbedarf für bahnbrechende Spitzenmodelle in den letzten zehn Jahren etwa alle sechs Monate verdoppelt. Nach dem Training eines Modells fallen bei jeder Nutzung laufende Kosten für die sogenannte „Inferenz“ an. Dieser Bedarf steigt mit der breiteren Akzeptanz und dem Aufkommen agentischer KI-Systeme weiter an.
Um diese Nachfrage zu decken, liefern sich Hyperscaler, Neocloud-Anbieter und Rechenzentrumsentwickler ein Wettrennen um Rechenkapazitäten in vier Kernbereichen: Rohstoffe, Halbleiter, Rechenzentrumsinfrastruktur und Energie.
Aus unserer Sicht dürfte die Energieversorgung der entscheidende Engpass und somit die vierte Kernsäule sein. Die Internationale Energieagentur (IEA) geht davon aus, dass der weltweite Stromverbrauch von Rechenzentren bis 2030 jährlich um 15 % steigen wird – viermal schneller als in allen anderen Sektoren – und damit auf 3,0 % des Gesamtstromverbrauchs anwächst.3 In den entwickelten Märkten werden Rechenzentren im selben Zeitraum voraussichtlich 20 % des gesamten Strombedarfswachstums ausmachen. Da die Netzkapazitäten an ihre Grenzen stossen, weichen Entwickler zunehmend auf eigene Stromerzeugungsmodelle („Bring-Your-Own-Generation“) aus. Dabei setzen sie auf Quellen wie erdgasbetriebene Turbinen oder Kernenergie, die jedoch Vorlaufzeiten von 5 bis 7 Jahren benötigen.
Vom Infrastrukturausbau zu den Fundamentaldaten
Bisher konzentrierte sich das Marktengagement im Bereich KI vor allem auf Halbleiter und rechenzentrumsnahe Unternehmen. Dieser Trend wurde durch den raschen Ausbau der Rechenkapazitäten zur Erschliessung neuer KI-Anwendungsfälle sowie durch die steigende Nutzung bei Verbrauchern und Unternehmen gestützt.
Wir gehen davon aus, dass sich dieser Trend fortsetzen wird – allerdings mit einer differenzierteren Betrachtung. Die Märkte haben vor Kurzem damit begonnen, Unternehmen stärker nach ihrer Bilanzstärke, Kapitaldisziplin und ihren konkreten Monetarisierungspfaden zu unterscheiden. Während KI-bezogene Titel zuvor weitgehend gemeinsam im Rahmen eines allgemeinen „KI-Beta-Trades“ stiegen, legen die Märkte unseres Erachtens nun einen stärkeren Fokus auf Fundamentaldaten, die Kapitalstruktur sowie die wirtschaftliche Rentabilität des Infrastrukturausbaus.
Die KI-Infrastruktur stösst zudem auf physische Grenzen: Die Stromverfügbarkeit, die Netzkapazitäten und der lokale Widerstand erweisen sich zunehmend als Engpässe. Diese Hemmnisse dürften den Ausbau der KI zwar nicht stoppen, aber sie werden voraussichtlich die wirtschaftlichen Rahmenbedingungen und das Profil der langfristigen Renditen verändern.
Produktivität und Wachstum
Das langfristige makroökonomische Potenzial von KI basiert auf Produktivitätssteigerungen. Generative KI kann Arbeit unterstützen, automatisieren und erweitern – insbesondere bei informationsintensiven Aufgaben. Führende Anwendungsfälle, etwa in der Softwareentwicklung, deuten auf erhebliche Effizienzgewinne hin, auch wenn die Schätzungen weit auseinandergehen. Over time, AI is likely to replace some tasks and transform many others, while still leaving a substantial role for labor in our view.
Sollte die Verbreitung von KI früheren Technologiewellen folgen, dürften die Produktivitätsgewinne zunächst schrittweise und ungleichmässig verlaufen, sich aber im Laufe der Zeit breiter und wirkungsvoller entfalten. Für entwickelte Volkswirtschaften, die mit einer alternden Bevölkerung und Fachkräftemangel konfrontiert sind, ist das Potenzial von KI als arbeitsverstärkende Technologie von besonderer Relevanz. Langfristig sollte eine höhere Produktivität unseres Erachtens das durchschnittliche Wirtschaftswachstum stützen und dämpfend auf die Inflation wirken.
Disruption und Streuung über Branchen hinweg
Mit steigender Leistungsfähigkeit und sinkenden Kosten rückt der Fokus von den Entwicklern der Technologie hin zu jenen Akteuren, die von ihr verdrängt oder verändert werden könnten. Software, professionelle Dienstleistungen, Finanzvermittlung und andere informationsintensive Branchen sind zunehmend betroffen, da KI-Tools bestehende Geschäftsmodelle transformieren oder teilweise ersetzen. Die Kursentwicklungen im ersten Quartal 2026 sind ein Beispiel dafür, wie sich diese Bedenken am Markt niederschlagen: Softwareunternehmen gerieten infolge neuester KI-Fortschritte unter deutlichen Verkaufsdruck.4
Dennoch sind nicht alle Sektoren gleichermassen verwundbar. Bereiche, die ein hohes Mass an Vertrauen, Nachvollziehbarkeit, Erklärbarkeit, komplexer Regulierung, proprietären Daten, hohen Wechselkosten oder stark variablen Interaktionen in der realen Welt erfordern, dürften weiterhin eine starke menschliche Komponente behalten und kurzfristig weniger von Disruption betroffen sein. Dies dürfte die Bewertungsunterschiede innerhalb und zwischen den Branchen vergrössern, weshalb eine breit gefächerte Diversifikation für langfristig orientierte Anleger von zentraler Bedeutung ist.
Kapitalallokation über den Technologiesektor hinaus
Ein entscheidender Wandel könnte bevorstehen: die Ausweitung von KI-Chancen über eine Handvoll führender Tech-Giganten hinaus auf den breiteren Markt. Die bisherige Marktführerschaft war stark auf die USA und den Halbleitermarkt konzentriert; inzwischen zeichnen sich jedoch andernorts – etwa in China – alternative Lösungsansätze ab.
Nationale KI-Strategien dürften die Spielregeln auch künftig massgeblich bestimmen. Zu den Risiken zählen Überinvestitionen, Regulierungen, geopolitische Fragmentierung, gesellschaftlicher Gegenwind, Verschiebungen bei der Verhandlungsmacht von Arbeitnehmern und der Einkommensverteilung sowie sich verändernde Standards rund um Dateneigentum und geistiges Eigentum. Diese Faktoren könnten regionale KI-Strategien nachhaltig prägen und die wirtschaftliche Entwicklung sowie politische Reaktionen langfristig beeinflussen.
Was dies für langfristig orientierte Anleger bedeuten könnte
Wir sind der Überzeugung, dass sich KI ökonomisch betrachtet noch in einer frühen Phase befindet. Für langfristig orientierte Anleger ergeben sich daraus aus unserer Sicht folgende strategische Konsequenzen:
- Wir konzentrieren uns auf langfristige Produktivitäts- und Wachstumseffekte – insbesondere in Volkswirtschaften, die optimal positioniert sind, um von der Nutzung von KI zu profitieren.
- Wir erwarten eine grössere Renditestreuung, da sich die Disruption zunehmend über den Technologiesektor hinaus ausweitet.
- Wir steuern Konzentrationsrisiken aktiv und beobachten Zweitrundeneffekte aufmerksam.
Um die technologische Evolution von KI erfolgreich zu nutzen, braucht es unseres Erachtens Geduld, Weitblick und die Bereitschaft, den Blick über die heute offensichtlichsten Gewinner hinaus zu richten. Wir beobachten weiterhin aufmerksam, wie sich die Anlagelandschaft verändert und welche Unternehmen am besten aufgestellt sind, um in diesem neuen Umfeld Wertschöpfung zu erzielen.
