KI-Deals: Finanzblase?

Lisa Ernst · 28.11.2025 · Wirtschaft · 11 min

Die Frage, ob der aktuelle KI-Boom eine technologische Zeitenwende darstellt oder sich in eine Finanzblase entwickelt, wird zunehmend diskutiert. Die Investitionen in Rechenzentren, GPUs und KI-Startups erreichen historische Dimensionen, was Parallelen zur Dotcom-Ära aufzeigt. Insbesondere sogenannte „circular AI deals“, bei denen Tech-Konzerne und KI-Firmen sich gegenseitig finanzieren und Leistungen abnehmen, verstärken diese Debatte.

Quelle: Eigene Darstellung

AI-Marktübersicht

Der aktuelle KI-Boom ist ein gigantisches Infrastrukturprojekt und gleichzeitig eine Wette auf zukünftige Nachfrage. Dies führt zu Diskussionen über die Entstehung einer KI-Blase oder ob die Bewertungen durch reale Investitionen und Gewinne gedeckt sind. Wer nach „circular ai deals mögliche finanzblase erklärung“ sucht, findet sich mitten in dieser Debatte wieder.

Der globale Markt für Data-Center-Infrastruktur wird laut IoT Analytics bis 2030 jährlich mehr als 1 Billion US-Dollar erreichen. Allein 2024 wurden rund 290 Milliarden US-Dollar ausgegeben, wovon Alphabet, Microsoft, Amazon und Meta knapp 200 Milliarden an CapEx beigesteuert haben. Die Guardian-Analyse zur „3-Billionen-Dollar-Datacenter-Spending-Spree“ ergänzt, dass Banken wie Morgan Stanley bis 2028 mit kumulierten Datacenter-Investitionen von etwa 3 Billionen US-Dollar rechnen, wovon rund 1,5 Billionen über Fremdkapital finanziert werden könnten.

Gleichzeitig sind die Bewertungen spektakulär. Laut Guardian wurde Nvidia zum ersten Unternehmen mit einer Marktkapitalisierung von 5 Billionen US-Dollar, während Microsoft und Apple bei etwa 4 Billionen liegen. OpenAI wird nach einer Umstrukturierung mit rund 500 Milliarden US-Dollar bewertet, inklusive eines Microsoft-Anteils von über 100 Milliarden.

Circular AI Deals

Bloomberg beschreibt ein Geflecht von Deals zwischen OpenAI, Nvidia und AMD. Nvidia hat sich verpflichtet, bis zu 100 Milliarden US-Dollar in OpenAI zu investieren, um eine neue Generation von Rechenzentren zu finanzieren. OpenAI wiederum sagt zu, diese Rechenzentren mit Millionen von Nvidia-Chips zu füllen.

Kurz darauf folgte eine ähnliche Vereinbarung mit AMD: OpenAI will über mehrere Jahre KI-Hardware von AMD im Wert von mehreren Milliarden Dollar abnehmen, während OpenAI gleichzeitig zu einem der größten Aktionäre von AMD werden soll. Dies wird unter anderem im Harvard Business Review und bei VanEck thematisiert.

Quelle: seekingalpha.com

Die 'KI-Geldmaschine': Wie Nvidia und OpenAI durch zirkuläre Finanzierung den Markt antreiben.

Reuters berichtet parallel über die Cloud-Firma CoreWeave, deren Deals die Logik dieser „circular AI deals“ verdeutlichen. Die Partnerschaft zwischen CoreWeave und OpenAI hat inzwischen ein Volumen von bis zu 22,4 Milliarden US-Dollar, inklusive eines neuen 6,5-Milliarden-Vertrags und früherer Vereinbarungen über 11,9 und 4 Milliarden US-Dollar.

Nvidia hat mehr als 5 % an CoreWeave übernommen. CoreWeave wiederum kauft für Milliardenbeträge Nvidia-Hardware – und Nvidia sichert vertraglich zu, ungenutzte Cloud-Kapazitäten von CoreWeave abzunehmen.

Aus Investorensicht bedeutet dies:

• Nvidia investiert Eigenkapital in Kunden wie OpenAI oder CoreWeave.
• Diese Kunden nutzen das Kapital, um große Chip-Bestellungen bei Nvidia zu platzieren.
• Die Bestellungen erscheinen als Umsatz bei Nvidia, was Börsenwert und Bilanz stärkt.
• Gleichzeitig steigen die Bewertungen der KI-Partner, wodurch Nvidias Beteiligungen im Wert zulegen.

Bloomberg fasst dieses Geflecht als „web of circular deals“ zusammen, das einen Markt von rund 1 Billion US-Dollar im Bereich KI-Infrastruktur antreibt und gleichzeitig Befürchtungen schürt, dass ein Teil dieses Booms eher durch gegenseitige Deals als durch echte Endkundennachfrage getragen wird.

„Circular AI deals“ sind somit ein konkretes Muster, bei dem Geld und Umsätze innerhalb eines relativ kleinen Kreises von Unternehmen zirkulieren und damit sowohl operative Zahlen als auch Bewertungen stützen. Dies wirft die Frage nach einer möglichen Finanzblase auf.

Vergleich mit Dotcom-Blase

Der Vergleich zwischen der Dotcom-Blase und dem aktuellen KI-Hype konzentriert sich auf die Struktur: Wer finanziert wen, wie solide sind Geschäftsmodelle und wie stark hängen Bewertungen von Storys statt von Cashflows ab.

Die Dotcom-Blase Ende der 1990er-Jahre war geprägt von Internet-Startups mit minimalen Umsätzen, die mit kaum zu rechtfertigenden Umsatz-Multiples bewertet wurden. Der NASDAQ Composite stieg bis März 2000 massiv an und verlor danach bis 2002 rund 78 % seines Wertes, wie Investopedia und Goldman Sachs berichten.

Das World Economic Forum weist darauf hin, dass sich die aktuelle KI-Phase insofern unterscheidet, als heute enorme Summen in physische Infrastruktur wie Rechenzentren, Stromnetze und Halbleiterfertigung fließen – nicht nur in Aktienkurse.

Gleichzeitig erinnert die Stimmung in Teilen des Marktes stark an bekannte Manien. Das WEF verweist auf Parallelen zur Dotcom-Zeit und sogar zur Tulpenmanie des 17. Jahrhunderts, getrieben von der Vorstellung, dass Preise immer weiter steigen können, solange sich ein Käufer findet, der noch mehr zahlt.

Prominente Investoren wie Ray Dalio, Gründer von Bridgewater, haben die KI-Euphorie ausdrücklich mit der Dotcom-Phase verglichen. Baidu-CEO Robin Li stellte 2024 fest, dass ihn die aktuelle Lage an die Internet-Blase erinnert, wie das World Economic Forum und die Financial Times berichten.

Der entscheidende Unterschied zur Dotcom-Zeit: Heute dominieren wenige dominante Konzerne mit bestehenden Gewinnen und Cashflows – Microsoft, Alphabet, Amazon, Meta und Nvidia – statt hunderten kaum profitabler Börsenneulinge. Dies wird von VanEck und The Guardian hervorgehoben.

Bewertung des AI-Marktes

Die Frage, ob der KI-Markt überbewertet ist, lässt sich nicht einfach beantworten, da die Datenlage widersprüchlich ist.

Auf der einen Seite stehen enorme Infrastrukturinvestitionen. IoT Analytics schätzt, dass der globale Markt für Data-Center-Infrastruktur bis 2030 jährlich mehr als 1 Billion US-Dollar erreichen wird. Allein 2024 wurden bereits rund 290 Milliarden US-Dollar ausgegeben, wovon Alphabet, Microsoft, Amazon und Meta knapp 200 Milliarden an CapEx beigesteuert haben.

Die Guardian-Analyse zur „3-Billionen-Dollar-Datacenter-Spending-Spree“ ergänzt, dass Banken wie Morgan Stanley bis 2028 mit kumulierten Datacenter-Investitionen von etwa 3 Billionen US-Dollar rechnen, wobei rund 1,5 Billionen über Fremdkapital finanziert werden könnten.

Quelle: bain.com

Globale Finanzierung im Bereich Generative KI: Ein Überblick über Investitionen und Marktvolumen.

Gleichzeitig sehen wir Bewertungen, die selbst in diesem Kontext spektakulär sind. Laut Guardian wurde Nvidia zum ersten Unternehmen mit einer Marktkapitalisierung von 5 Billionen US-Dollar, während Microsoft und Apple bei etwa 4 Billionen liegen. OpenAI wird nach einer Umstrukturierung mit rund 500 Milliarden US-Dollar bewertet, inklusive eines Microsoft-Anteils von über 100 Milliarden.

Auf der anderen Seite weist dieselbe Guardian-Recherche darauf hin, dass ein Großteil dieser Infrastruktur auf stark optimistischen Umsatzprognosen für generative KI basiert: Morgan Stanley erwartet einen Anstieg der Gen-KI-Umsätze von 45 Milliarden US-Dollar im Vorjahr auf 1 Billion US-Dollar bis 2028 – ein Wachstum, das noch bewiesen werden muss.

Besonders ernüchternd: Die Guardian-Autoren verweisen auf eine MIT-Studie, der zufolge 95 % der Unternehmen bislang keinen finanziellen Return aus ihren Gen-KI-Pilotprojekten realisieren.

Die Weltbank-nahe und andere Analysen, etwa beim World Economic Forum, warnen vor einer Konzentration des Risikos: Wenn eine kleine Gruppe von Unternehmen mit massiven KI-Investitionen schwächelt, könnten auch andere Anleger – etwa Pensionsfonds – empfindliche Verluste sehen, was wiederum Konsum und Wachstum bremsen könnte.

Gleichzeitig argumentieren Marktteilnehmer wie VanEck, dass der aktuelle Ausbau fundamental anders ist als die Dotcom-Spekulation: Die großen Tech-Konzerne investieren überwiegend aus laufendem Cashflow. Amazon plant für 2025 CapEx von etwa 100 Milliarden US-Dollar, Microsoft rund 80 Milliarden, Alphabet etwa 85 Milliarden und Meta zwischen 66 und 72 Milliarden – überwiegend finanziert aus profitablen Kerngeschäften.

Die US-Notenbank spiegelt diese Ambivalenz: Fed-Vize Philip Jefferson erklärte in einem Reuters-Interview, dass der KI-getriebene Aktienanstieg weniger wie die Dotcom-Blase aussehe, weil viele KI-Gewinner etablierte, profitable Unternehmen mit soliden Bilanzen seien. Gleichzeitig verweist der jüngste Financial-Stability-Report darauf, dass rund 30 % der befragten Marktteilnehmer ein Platzen des KI-Optimismus als bedeutendes Risiko sehen.

Unterm Strich entstehen zwei konkurrierende Narrative:

• Blasen-These: Bewertungen und Infrastrukturinvestitionen laufen der realisierten Nachfrage weit voraus; Pilotprojekte scheitern, und ein Teil der Umsätze könnte aus „circular AI deals“ stammen statt aus stabilen Endkundenbeziehungen. (Bloomberg, Reuters)
• Transformations-These: Der KI-Boom ist eine frühe Phase eines langfristigen Strukturwandels, analog zu Eisenbahn, Elektrifizierung oder Internet – mit heftigen Ausschlägen, aber realem Produktivitätsgewinn. (World Economic Forum, VanEck)

Nachhaltige AI-Investitionen

Viele Anleger suchen nach „wie erkenne ich nachhaltige ai startups investition“, um Substanz im Portfolio zu haben. Hier helfen harte Indikatoren, besonders vor dem Hintergrund der circular deals.

Ein erster Prüfstein ist der Umsatzmix. Ein KI-Startup, dessen Kernumsätze fast ausschließlich aus ein oder zwei Großprojekten mit strategischen Investoren stammen, bewegt sich näher an der „circular“-Logik. Dies gilt insbesondere, wenn derselbe Konzern als Investor beteiligt ist, Großaufträge vergibt und Infrastruktur abnimmt. Reuters zeigt dies am Beispiel CoreWeave: Nvidia ist Aktionär, beliefert die Firma mit Hardware und verpflichtet sich gleichzeitig, überschüssige Kapazität zurückzukaufen.

Nachhaltiger wirkt ein Startup, dessen wiederkehrende Umsätze über viele Kunden, Branchen und Regionen verteilt sind – und dessen Wachstum nicht von einem einzelnen Partner abhängt. Harvard Business Review warnt ausdrücklich vor Strukturen, in denen Umsatz und Bewertung sich gegenseitig hochschaukeln, ohne dass klar messbarer Mehrwert für Endkunden entsteht.

Quelle: user-added

Dieses Diagramm veranschaulicht die komplexen Interaktionen zwischen KI-Arbeitern, Unternehmen, Regierungen und den KI-Märkten, die die Grundlage für 'circular AI deals' bilden können.

Ein zweiter Prüfstein ist die Kostenstruktur. Seriöse KI-Firmen weisen transparent aus, wie viel des Kapitals in GPUs, Cloud-Infrastruktur, Personal und Produktentwicklung fließt – und wie sich daraus Bruttomargen und Payback-Zeiten ergeben. Wenn ein Startup mehr oder weniger ausschließlich für GPU-Kosten Geld einsammelt, aber kaum in Produkt, Vertrieb oder Integration investiert, deutet das eher auf einen Infrastruktur-Spekulations-Case hin als auf ein produktives Geschäftsmodell. Analysen wie die von IoT Analytics zeigen, wie teuer GPU-lastige Rechenzentren sind – und wie stark ihre Profitabilität von hoher Auslastung abhängt.

Dritter Prüfstein: echte Produktivitätsgewinne statt „Demo-Theater“. Die Guardian-Recherche verweist auf das Problem, dass viele Gen-KI-Piloten zwar eingekauft, aber nicht skaliert werden – MIT-Daten zufolge erzielen 95 % der Organisationen derzeit keinen messbaren Return aus ihren Projekten. Wenn ein Startup zwar beeindruckende Demos zeigt, aber kaum belastbare ROI-Cases, Referenzkunden oder Vertragsverlängerungen vorweisen kann, ist Vorsicht angesagt.

Harvard Business Review betont, dass nachhaltige KI-Investments sich daran erkennen lassen, ob Produkte tief in Geschäftsprozesse integriert werden, Fehlerquoten senken, Durchlaufzeiten verkürzen oder Umsätze nachweisbar steigern – und ob Kunden bereit sind, dafür langfristige Verträge abzuschließen, nicht nur kurzfristig mit Pilotbudgets zu experimentieren.

Ein vierter Punkt ist die Finanzierung. Die Guardian-Analyse zeigt, wie stark Private-Credit-Strukturen und andere Formen des Schattenbankwesens in die KI-Infrastruktur drängen, oft mit sehr optimistischen Annahmen zur Werthaltigkeit von Rechenzentren. Ein KI-Startup, das sich auf hochverzinsliche Kredite und immer größere Runden stützt, ohne dass Cashflows Schritt halten, trägt ein anderes Risiko als eines, das organisch wächst oder nur moderat gehebelt ist.

Wer dieses Thema kompakt aufbereitet sehen will, findet in Videos wie „Let’s Talk About the AI Bubble“ eine anschauliche Diskussion über Bewertungsniveaus, Kapitalflüsse und die Frage, welche Geschäftsmodelle langfristig tragen.

Implikationen für CFOs und Regulatoren

Aus Sicht von CFOs großer Unternehmen ist KI längst keine abstrakte Tech-Wette mehr, sondern ein milliardenschweres Investitionsprogramm mit sehr konkreten Bilanzwirkungen. Studien wie die von VanEck zeigen, dass Hyperscaler inzwischen nahezu ihren gesamten freien Cashflow in KI-Rechenzentren lenken.

Das zwingt Finanzchefs dazu, strenger zu prüfen, welche KI-Projekte wirklich strategisch sind und welche eher durch Partnerdeals getrieben werden. Ein Projekt, das nur deshalb zustande kommt, weil ein großer Chip-Anbieter im Gegenzug Kapital oder Marketingunterstützung anbietet, sieht in der GuV anders aus als eines, das aus einer klaren Effizienz- oder Umsatzlogik heraus initiiert wird.

Regulatoren wiederum beobachten vor allem die Systemrisiken. Reuters berichtet, dass Notenbanken und Aufsichtsbehörden zunehmend darauf achten, wie viel der KI-Infrastruktur über Fremdkapital und Private Credit finanziert wird und wie schnell die zugrunde liegenden Assets – insbesondere spezialisierte GPUs – wirtschaftlich veralten. Die Guardian-Analyse ergänzt diese Bedenken.

Das World Economic Forum warnt, dass überschuldete Datencenter-Projekte im schlimmsten Fall zu einer Art „neuer Einkaufszentren-Ruine“ werden könnten – teure, unterausgelastete Infrastrukturen, die zwar keiner mehr braucht, deren Schulden aber auf der Realwirtschaft lasten.

Für CFOs heißt das:

• KI-Investitionen sollten klar mit operativen Kennzahlen verknüpft werden – etwa Kosten pro verarbeitetem Ticket, Umsatz pro Nutzer oder Zeitersparnis pro Prozess.
• Verträge mit KI-Partnern müssen so strukturiert sein, dass sie nicht nur kurzfristig Umsätze und Bewertungen hochziehen, sondern auch Stand-Alone tragfähige Cashflows erzeugen.
• Die Abhängigkeit von einzelnen Chip- oder Cloud-Anbietern sollte aktiv gemanagt werden, um nicht in eine einseitige Verhandlungssituation zu geraten.

Eine nüchterne, zahlengetriebene Sichtweise ist auch deshalb wichtig, weil die öffentliche Debatte stark von Narrativen und Symbolen geprägt ist. Videos wie „Why the A.I. Boom Isn’t A Bubble“ zeigen, wie professionelle Investoren versuchen, die Story vom Substanzkern zu trennen – genau das, was im Controlling Alltag sein sollte.

Der KI-Boom bewegt sich in einem Spannungsfeld. Auf der einen Seite stehen reale, gigantische Investitionen: Data-Center-CapEx, die bis 2030 auf über 1 Billion US-Dollar pro Jahr steigen könnten, milliardenschwere GPU-Bestellungen und eine physische Infrastruktur, die in ihrer Größenordnung an Eisenbahn, Stromnetze und die frühe Internet-Backbone-Phase erinnert. (IoT Analytics, VanEck)

Auf der anderen Seite gibt es eine wachsende Zahl von Warnsignalen: circular AI deals, die Umsatz und Bewertungen im Kreis treiben; Datacenter-Projekte, die auf aggressiven Schuldenstrukturen beruhen; und Studien, die zeigen, dass viele Unternehmen bisher keinen klaren ROI aus ihren Gen-KI-Piloten ziehen. (Bloomberg, Reuters, The Guardian)

Das Bild ähnelt der Dotcom-Episode, aber mit entscheidenden Unterschieden. Damals brach eine breite, oft unprofitable Startup-Landschaft zusammen. Heute konzentriert sich das Risiko auf wenige sehr große, überwiegend profitable Konzerne und auf spezialisierte Infrastruktur-Player. Das World Economic Forum bringt es auf den Punkt: Entscheidend ist weniger, ob es eine KI-Blase gibt, sondern was von ihr übrig bleibt – an Infrastruktur, Produktivität und echten, tragfähigen Geschäftsmodellen.

Wer als Investor oder Unternehmensentscheider nicht im „Hype-Nebel“ verschwinden will, sollte daher zweigleisig denken: einerseits die langfristige Bedeutung von KI als Basistechnologie ernst nehmen, andererseits jede konkrete KI-Investition so behandeln wie jedes andere Großprojekt – mit sorgfältiger Risikoanalyse, klaren Renditeerwartungen und einer gesunden Skepsis gegenüber Konstruktionen, die nur deshalb gut aussehen, weil alle Beteiligten gegenseitig bei- und verkaufen.

Der KI-Hype ist real – die Frage ist, wie viel davon Substanz und wie viel davon Bewertungsakrobatik ist. Genau diese Frage entscheidet, ob wir in zehn Jahren von einer geplatzten Blase sprechen oder von einer Investitionswelle, die die Grundlage für den nächsten Produktivitäts-Schub gelegt hat.