Der KI-Boom sorgt für massive Investitionen in Grafikprozessoren-Cluster. Entsprechend verändert sich die IT-Infrastruktur, und der Energiebedarf steigt. Wegen der disruptiven Erschütterungen im Softwarebereich herrscht Zurückhaltung bei den Ausgaben, denn Firmen warten die KI-Fortschritte ab, wobei davon auszugehen ist, dass die damit erzielten Umsätze bis 2025 steigen werden. Die Bewertungen von Tech-Aktien sind trotz Marktsorgen weiterhin solide, und zwar dank hoher erwarteter Erträge und Gewinnmargen, die vor allem auf KI-Innovationen und Kostenmanagement-Strategien beruhen.

Rückblick auf das erste Halbjahr 2024

Der Technologiesektor war im ersten Halbjahr 2024 Motor der globalen Aktienmärkte. Angesichts von höherer Inflation, hohen Zinsen und steigenden Ausgaben für Künstliche Intelligenz (KI) prägte 2023 die Outperformance einer Handvoll von Tech-Riesen (die „Glorreichen Sieben“) die Märkte. Dieses Thema setzte sich im ersten Halbjahr 2024 fort, sodass der S&P 500 Index (mit +15 Prozent gegenüber dem Vergleichszeitraum des Vorjahres) den S&P 500 Equal Weight Index (+5 Prozent) übertraf.

Im Fokus der Anleger in Tech-Aktien stand jedoch der Ausbau der KI-Lieferkette. Künftig stehen sie vor der Aufgabe, Bereiche zu identifizieren, die Chancen bieten, und zu erkennen, welche Geschäftsmodelle durch die immer komplexere KI-Entwicklung gefährdet sein könnten.

Grafik 1: Renditen in Technologie-Subsektoren, 1. Halbjahr 2024. Gewichtete Durchschnittsrendite von Technologiewerten im MSCI ACW

KI-Fabriken

Der Startschuss für ChatGPT Ende 2022 löste ein Rennen um den Ausbau einer schnelleren KI-Infrastruktur aus, um große KI-Modelle zu trainieren. Wir befinden uns jetzt in Jahr zwei des KI-Fabrikausbaus. Tech-Riesen und KI-Start-ups investieren massiv in GPU-Cluster, um immer größere KI-Modelle zu bauen. Ein GPU-Cluster besteht aus einer Vielzahl von Grafikprozessoren, die in einem Rechenzentrum vernetzt sind, um komplexe Berechnungen im Verbund effizienter durchführen zu können. GPT-4, das bislang beste Große Sprachmodell (Large Language Model; LLM) von OpenAI, wurde auf einem Cluster mit 20.000 A100-Grafikprozessoren von NVIDIA trainiert. Inzwischen bauen mehrere Unternehmen Cluster mit 100.000 moderneren NVIDIA-H100-GPUs.

Bisher wurde unter anderem deshalb noch kein 100.000-GPU-Cluster gebaut, weil es kein Rechenzentrum gibt, das solche Energiemengen bereitstellen kann. Ein solcher Cluster würde laut SemiAnalysis rund 150 Megawatt an Strom verbrauchen – die Leistung eines kleinen Kraftwerks. Diese Situation spielt auf Rechenzentren spezialisierten Herstellern von Energie- und Klimatechnik in die Karten, wobei unserer Ansicht nach der Markt den Umfang der Investitionen unterschätzt. Aber nicht nur die Tech-Riesen wetteifern um KI-Rechenzentren. Auch Tier-2-Cloud-Anbieter, Unternehmen und Regierungen haben ambitionierte Pläne für den Bau von KI-Fabriken.

Die Entwicklung von KI-Fabriken ist in vollem Gang und führt zu einer deutlichen Verschiebung der Technologie- und Infrastrukturinvestitionen.

Grafik 2: Umsatz mit Rechenzentren, in Milliarden US-Dollar