Für viele Anleger ist der enorme Anstieg der Investitionen in den Ausbau der künstlichen Intelligenz ein Beweis dafür, dass es an der Börse keine Blase gibt. Bei GQG Partners jedoch untermauert es die Überzeugung, dass dieser Boom einem Einbruch weichen wird – genau wie damals in der Telekommunikationsbranche in den 1990er Jahren und beim Schieferöl vor einem Jahrzehnt.
Die Portfoliomanager und Analysten von GQG, das ein Vermögen von 160 Mrd. USD verwaltet, erklären, die enormen Bestellungen für Halbleiter, Speicherhardware und die damit verbundenen Ausgaben für Rechenzentren in den letzten Quartalen beruhten auf unbewiesenen Hoffnungen hinsichtlich der künftigen Nachfrage und Preisgestaltung für KI-Unternehmen und deren Nutzung. Sie verweisen auf Anzeichen für übermäßige Ausgaben, wie beispielsweise die jüngsten Entwicklungen im Zusammenhang mit potenziellen Preiskämpfen – wobei Unternehmensnutzer ihre Budgets straffen, während sie nach kostengünstigeren Möglichkeiten zum Betrieb von KI-Modellen suchen – sowie auf sich verlangsamende Fortschritte bei der Effektivität neuer großer Sprachmodelle. Darüber hinaus sind sie der Ansicht, dass die fortgesetzte Nutzung von zirkulären Investitionen und undurchsichtigen Bilanzierungsmethoden Risiken mit sich bringt.
Selbst die massiven Aufträge für Halbleiter, die zu enormen Kursgewinnen bei Chip-Aktien geführt haben, sind laut Brian Kersmanc, Portfoliomanager bei GQG, ein „Merkmal, kein Fehler“. „Blasen zeichnen sich oft aus durch eine reale Nachfrage auf kurze Sicht, massive Kapitalinvestitionen, die Überzeugung der Anleger, dass die Nachfrage praktisch unbegrenzt ist, sowie eine schwache Vorhersehbarkeit der langfristigen Renditen. Starke Chip-Aufträge widerlegen keine Blase, vielmehr können sie die deutlichsten Anzeichen dafür sein“, sagt er.
Die Fondsmanager und Analysten von GQG sind keine Dauerpessimisten, was den Technologiesektor oder den Aktienmarkt insgesamt betrifft. Noch 2024 bestanden mehr als 70 % ihrer Portfolios aus Technologieaktien oder tech-nahen Titeln, wie beispielsweise Uber. Im Jahr 2017 setzte GQG auf Halbleiterchips, die damals in Ungnade gefallen waren, darunter Nvidia (NVDA).
Ab Ende 2024 bis in die ersten Monate des Jahres 2025 hinein hat GQG seine Portfolios jedoch weg von Aktien aus den Bereichen KI-Technologie und Infrastruktur positioniert, die enorme Kursanstiege verzeichneten und zur Aufwertung des gesamten Aktienmarktes beitrugen. Die Entscheidung hat die Performance der Strategien des Unternehmens beeinträchtigt, darunter auch die des mit Gold bewerteten GQG Partners US Select Quality Equity Fund (GQEIX). Aber das Unternehmen bleibt bei seiner Strategie.
Ein entscheidender Faktor für den Kursanstieg solcher Aktien (und ein zentrales Argument der Bullen) ist der massive Anstieg der KI-getriebenen Bestellungen bei Halbleiterherstellern wie Nvidia, Broadcom (AVGO) und zuletzt Micron sowie bei Anbietern von Computerspeicherhardware wie SanDisk (SNDK) und Western Digital (WDC).
Kersmanc weist jedoch darauf hin, dass Anleger an dieser Stelle skeptisch sein sollten, angefangen bei der Diskrepanz in der bilanziellen Erfassung der Käufe. „Man sieht, dass Aufträge und Umsätze heute verbucht werden, während sich die Kosten (für den Käufer) über drei, fünf, sechs oder sogar zehn Jahre verteilen“, erklärt er. Das Problem liegt nicht in dieser Bilanzierungsmethode an sich, die dem Standard entspricht, sondern in den damit verbundenen Auswirkungen angesichts der hohen Unsicherheit hinsichtlich der Wirtschaftlichkeit des KI-Einsatzes. „Die entscheidende Frage ist nicht, ob die Nachfrage heute stark ist, sondern ob diese Nachfrage wirtschaftlich gerechtfertigt und nachhaltig ist, sobald sich die Kapitalrendite, die Auslastung und die Preissetzungsmacht bewährt haben.“
Das „Bear-Szenario“ von GQG stützt sich auf diese Aspekte. Das Unternehmen argumentiert, dass die Investitionsausgaben weit vor dem nachgewiesenen wirtschaftlichen Nutzen getätigt werden. Kersmanc geht von einer Annahme aus, die von den großen KI-Labs und anderen Unternehmen getroffen wird: „Sie lautet: ‚Ich gebe diesen Betrag aus und erhalte dafür diese Verbesserung.‘ Nach ChatGPT-4 hat sich diese Entwicklung jedoch abgeflacht.“
Auch wenn weiterhin in die fortschrittlichsten Modelle (die sogenannten „Frontier“-Modelle) investiert wird, gibt es laut Kersmanc zunehmend Anzeichen dafür, dass viele KI-Entwickler und Unternehmen den umgekehrten Weg einschlagen. Anstatt große Sprachmodelle wie Claude zu nutzen, tendieren sie zunehmend zu kleinen Sprachmodellen. Diese werden in der Regel anhand begrenzter Datensätze für bestimmte Texte trainiert und benötigen daher weniger Rechenleistung. „Wenn Sie beispielsweise eine Live-Übersetzung wünschen, können Sie das über ein SLM auf Ihrem Smartphone durchführen – ganz ohne Token-Generierung und ohne dass Sie eine Anfrage an ein Rechenzentrum senden müssen.“
Sollten Unternehmen für ihre Lösungen SLMs bevorzugen, „bedeutet das im weiteren Sinne, dass der Markt möglicherweise bei weitem nicht so viel Rechenleistung im Frontier-Bereich benötigt, wie Investoren derzeit annehmen“, so Kersmanc. „Wenn sich die KI-Entwicklung in diese Richtung bewegt, schwächt das die Argumente für massive Investitionen in Rechenzentren und GPUs.“
Gleichzeitig setzen Entwickler zunehmend auf chinesische Open-Source-Modelle, deren Training kostengünstiger ist und die mit deutlich geringeren Investitionskosten für die Infrastruktur verbunden sind. „In China sind 500 Rechenzentren geplant, in den USA sind es 5.500“, sagt Kersmanc. Das geschieht vor dem Hintergrund, dass Unternehmen bestrebt sind, die explodierenden Kosten für den Einsatz von KI einzudämmen.
Kersmanc erläutert, dass ein weiterer Aspekt darin besteht, wie Hyperscaler den Ausbau ihrer Rechenzentren bilanziell erfassen. Er verweist auf das im letzten Jahr angekündigte Joint Venture von Meta Platforms „META“ mit Blue Owl Capital OBDC, das es dem Unternehmen ermöglichte, ein 30-Milliarden-Dollar-Rechenzentrumsprojekt in Louisiana aus seiner Bilanz auszulagern. Meta hat zudem einige bedeutende Infrastrukturvermögen als „im Bau befindliche Anlagen“ klassifiziert. Dieser Posten hat sich zwischen 2024 und 2025 verdoppelt.
Solche Bilanzierungsfragen hängen laut Kersmanc mit der Diskrepanz zwischen den Ausgaben für Chips und andere Hardware zusammen. „Wenn große Mengen an Hardware als ‚in Arbeit befindlich‘ oder ähnliche Bilanzposten ausgewiesen werden, können Investoren möglicherweise nicht erkennen, welcher Teil dieser Ausgaben tatsächlich eingesetzt wird und Rendite abwirft. Das ist von Bedeutung, da Unternehmen im Vorfeld enorme Geldbeträge ausgeben können, während sich diese Kosten in ihren Gewinn- und Verlustrechnungen erst schrittweise niederschlagen. Die Sorge betrifft also nicht nur die Darstellung in der Rechnungslegung. Vielmehr besteht die Befürchtung, dass die Rechnungslegung Überkapazitäten, Unterauslastung oder schwächere Renditen verschleiern könnte.“
Hinzu kommen die Unsicherheiten hinsichtlich der Möglichkeit, die in Auftrag gegebenen Rechenzentren tatsächlich zu errichten. Der Widerstand gegen die Infrastruktur von Rechenzentren nimmt zu, da diese Gebäude einen hohen Strom- und Wasserverbrauch und zudem weitere Auswirkungen auf die Gemeinden haben. „Etwa die Hälfte der Projekte, die eigentlich fertiggestellt werden sollten, wurde noch nicht einmal in Angriff genommen oder wurde gestrichen“, sagt Kersmanc.
Insgesamt betrachtet, “weist der Ausbau im KI-Bereich viele klassische Anzeichen einer Blase auf“, so Kersmanc. „Die Investoren extrapolieren die Nachfrage nach wie vor weit über das hinaus, was die zugrunde liegenden wirtschaftlichen Gegebenheiten zu rechtfertigen scheinen.“
