Da es hier besser passt als in den Speicherthread.
Für alle, die GenAI noch als Hype abtun:
Azeem Azhar /
Exponential View hat heute ein spannendes Deck veröffentlicht.
Die Zahlen sind klar:
$110 Milliarden trailing 12-month revenues.
$175 Milliarden annualisierte Run Rate.
AI skaliert laut Analyse dreimal schneller als frühere IT-Wellen wie Internet, Mobile Apps oder Cloud.
Man kann über Bewertungen streiten.
Aber das Wachstum ist real.
Für alle, die GenAI noch als Hype abtun: Azeem Azhar / Exponential View hat heute ein spannendes Deck veröffentlicht. Die Zahlen sind klar: $110 Milliarden trailing 12-month revenues. $175 Milliarden annualisierte Run Rate. AI skaliert laut Analyse dreimal schneller als frühere IT-Wellen wie...
www.linkedin.com
Hier das Deck
Das aktuelle Exponential-View-Deck zeigt eigentlich ziemlich gut, was momentan passiert.
Bis Ende 2025 haben die AI-Umsätze der Hyperscaler erstmals die laufende Abschreibung ihrer AI-Infrastruktur übertroffen. Anders gesagt: Die neu gebauten Rechenzentren finanzieren inzwischen ihren laufenden Kapitalverbrauch selbst. Die kumulierten Investitionen sind natürlich noch nicht vollständig wieder verdient – wäre nach zwei bis drei Jahren bei Infrastrukturinvestitionen dieser Größenordnung auch ziemlich unrealistisch –, aber operativ wurde ein wichtiger Meilenstein erreicht.
Gleichzeitig erzählen die GPU-Märkte eine völlig andere Geschichte als die permanente "Überkapazität kommt gleich"-These.
Die H100-Mietpreise sind 2025 zunächst gefallen, weil viele auf Blackwell und eine massive Angebotsausweitung gewettet haben. Seit Anfang 2026 ziehen die Mietpreise aber wieder deutlich an. Wäre tatsächlich zu viel Kapazität vorhanden, müssten die Preise weiter kollabieren. Stattdessen scheint die Nachfrage das zusätzliche Angebot schneller aufzunehmen als viele erwartet haben.
Hinzu kommt, dass GPUs offenbar deutlich länger wirtschaftlich nutzbar sind als die häufig angenommenen sechs Jahre. Selbst sieben, acht oder teilweise neun Jahre alte Karten erzielen auf dem Mietmarkt noch attraktive Renditen. Dadurch verbessert sich die Wirtschaftlichkeit der Milliardeninvestitionen automatisch, weil sich die Abschreibungen auf eine längere Nutzungsdauer verteilen.
Auch bei den Tokenpreisen ist die Situation deutlich differenzierter, als häufig behauptet wird. Ja, Inferenz wird günstiger. Aber günstiger bedeutet nicht automatisch unprofitabel. Das Deck kommt für moderne Infrastruktur auf reine Inferenzkosten von ungefähr 10 Cent pro Million Tokens. Selbst bei weiter sinkenden Preisen bleibt damit durchaus Spielraum für profitable Geschäftsmodelle.
Der eigentliche Wettbewerbsdruck entsteht inzwischen vielmehr bei den Foundation Models selbst. Genau deshalb sieht man OpenAI und Anthropic zunehmend in Anwendungen, Enterprise-Lösungen und sogar Infrastruktur investieren. Das ist keine Kapitulation, sondern das gleiche Muster, das man in nahezu jeder großen Technologiewelle gesehen hat: Sobald die Basistechnologie stärker standardisiert wird, verlagert sich die Wertschöpfung nach oben in die Anwendungsebene.
Was ich außerdem etwas merkwürdig finde, ist die Gleichsetzung von Börsenkursen und tatsächlicher AI-Nutzung.
Man liest momentan häufig sinngemäß:
"AI-Aktien fallen, also bricht der AI-Hype zusammen." Das ist aber kein logischer Zusammenhang.
Aktienkurse spiegeln Erwartungen über zukünftige Gewinne wider, nicht die aktuelle Nutzung einer Technologie. Gerade Wachstumswerte reagieren extrem sensibel auf Veränderungen der Zinserwartungen. Nach der Neubewertung der Zinspolitik durch die neue Fed-Führung wurden insbesondere hoch bewertete Wachstumsunternehmen unter Druck gesetzt. Das sagt aber zunächst einmal wenig darüber aus, ob Unternehmen plötzlich aufhören, AI einzusetzen.
Dass Börsenbewertung und tatsächliche Adoption auseinanderlaufen können, hat man in den letzten Jahren oft genug gesehen. Unternehmen aus dem Bereich erneuerbare Energien haben seit 2021 teilweise massive Kursverluste erlitten. Gleichzeitig wurde weltweit so viel Solar- und Windkraft zugebaut wie nie zuvor. Die Kurse korrigierten, die reale Nutzung stieg trotzdem auf Rekordniveau. Schlechte Börsenperformance und technologische Adoption sind eben zwei völlig unterschiedliche Dinge.
Ein weiterer Punkt, der in der Diskussion häufig komplett untergeht: AI bedeutet nicht automatisch immer größere Rechenzentren.
Parallel erleben wir nämlich einen enormen Effizienzsprung bei den Modellen selbst. DeepSeek hat eindrucksvoll gezeigt, wie leistungsfähig destillierte und optimierte Modelle inzwischen geworden sind. Gleichzeitig entwickeln sich Quantisierung, Mixture-of-Experts-Architekturen und spezialisierte Inferenz-Engines rasant weiter. Dadurch lassen sich immer leistungsfähigere Modelle lokal ausführen, für die vor zwei Jahren noch zwingend ein Rechenzentrum notwendig gewesen wäre.
Gleichzeitig bauen AMD, Intel, Qualcomm, Apple und künftig praktisch alle relevanten Chipentwickler immer leistungsfähigere NPUs direkt in ihre Prozessoren ein. Microsoft treibt mit den Copilot+-PCs genau diese Entwicklung voran. AI-Rechenleistung wandert damit zunehmend direkt auf den PC, das Smartphone oder andere Endgeräte.
Das ersetzt Cloud-Inferenz nicht, sondern ergänzt sie. Kleine Modelle profitieren lokal von niedriger Latenz, geringeren Kosten und besserem Datenschutz, während große Reasoning-Modelle, Agenten oder komplexe Unternehmensanwendungen weiterhin enorme Rechenzentren benötigen. Genau dadurch entstehen künftig deutlich mehr Einsatzmöglichkeiten als heute. AI wird dadurch eher allgegenwärtiger als seltener.
Interessant finde ich außerdem den wirtschaftlichen Teil des Decks. Unternehmen mit hoher AI-Nutzung wachsen laut den gezeigten Daten seit Ende 2022 inzwischen rund 90 % stärker als Unternehmen ohne nennenswerte AI-Investitionen. Das erinnert stark an frühere Automatisierungswellen, bei denen frühe Anwender ihren Wettbewerbsvorsprung kontinuierlich ausgebaut haben.
Genau deshalb überzeugt mich die These
"AI ist nur ein kurzfristiger Hype und die Nutzung bricht bald wieder ein" immer weniger.
Man kann problemlos argumentieren, dass einzelne Unternehmen aktuell zu hoch bewertet sind oder dass Foundation Models langfristig geringere Margen erzielen werden. Beides halte ich sogar für durchaus plausible Szenarien.
Aber daraus folgt eben nicht, dass die Nutzung verschwindet.
Ganz im Gegenteil:
- Microsoft integriert Copilot in praktisch jede Produktlinie.
- Google baut Gemini quer durch Workspace, Search und Android ein.
- Meta investiert weiter zweistellige Milliardenbeträge in AI-Infrastruktur.
- OpenAI und Anthropic entwickeln sich zunehmend zu Infrastruktur-, Plattform- und Enterprise-Unternehmen.
- Gleichzeitig wird AI immer häufiger lokal auf Endgeräten verfügbar.
Das erinnert mich wesentlich stärker an Cloud Computing, Smartphones oder das Internet als an NFTs oder das Metaverse.
Bei praktisch jeder großen Plattformtechnologie gab es irgendwann die Phase, in der die Margen auf der Basisebene unter Druck gerieten, während die Nutzung trotzdem weiter explodierte.
Für mich ist genau das der eigentliche Denkfehler vieler Diskussionen hier: Aus einer möglichen Margennormalisierung oder einer Kurskorrektur wird automatisch auf ein Ende der AI-Adoption geschlossen. Diese drei Dinge haben aber nur sehr bedingt miteinander zu tun. Die Geschichte der Technologiebranche spricht bislang eher für das Gegenteil.
