Aus dem Internet-Observatorium #146

Investitionen in KI-Rechenzentren: Systemische Risiken

Aug. 17, 2025

Hallo zu einer neuen Ausgabe - der ersten im “neuen” Format (ICYMI). Bedeutet: Dieser Newsletter startet immer mit Empfehlungen aus dem Tagesspiegel Background Digitalisierung & KI (€), den ich seit 1. August gemeinsam mit Oliver Voß leiten darf. Dieser Newsletter hier erscheint jeden zweiten Sonntag.

Google-Rechenzentrum (Foto: chaddavis.photography, CC BY **2.0**)

Gutes aus dem Tagesspiegel Background Digitalisierung

Iris2 auf dem Weg zum Debakel: Iris 2 galt einmal als die große Hoffnung, Starlink eine europäische Satelliten-Konstellation entgegen zu setzen. Theresa Locker und Josefine Kulbatzki haben sich umgehört, wie es nach den Startproblemen inzwischen läuf. Das Fazit ist ernüchternd, der Projekt-Crash am Horizont bereits erkennbar.
Das BMDS-Organigramm: Die Zuständigkeiten sind zwar weiterhin noch nicht vollständig geklärt, aber immerhin hat das Digitalministerium nun ein offizielles Organigramm. Lisa Oder, Benjamin Hilbricht und Oliver Voß erklären, was drin steckt und wer wohin wechselt.
Wildberger im Interview: Oliver Voß und Caspar Schwietering haben mit dem Digitalminister gesprochen.
KI-Richtlinien im AI Act: Die EU hat die Richtlinien für die Anbieter von LLMs (“General Purpose AI”) veröffentlicht. Alexandra Ketterer über die Details und warum Metas Modelle die Kriterien für “Open-Source-KI” nicht erfüllen.
Wie Cyberkriminelle generative KI nutzen: Da sich das Feld ständig weiterentwickelt, gibt Paul Dalg einen Überblick über Stand und aktuelle Strategien im Bereich Cybercrime-KI.
Staatstrojaner-Urteil mit unterschätzten Folgen: Das Bundesverfassungsgericht hat die Quellen-TKÜ grundsätzlich bestätigt, aber Teile aus dem zugehörigen Straftatenkatalog gestrichen. Weil Karlsruhe das Computer-Grundrecht gestärkt hat, könnten das Urteil aber weitergehende Folgen haben, als das auf den ersten Blick erkennbar ist. Das Stück stammt von mir.

Die Tagesspiegel Backgrounds Digitalisierung & KI, Cybersicherheit und Smart City/Stadtentwicklung sind kostenpflichtig. Wer Interesse an einem Multi-Abo für seine Organisation hat, kann einfach auf diese E-Mail antworten, ich vermittle dann jemanden aus der Sales-Abteilung.

Investitionen in KI-Rechenzentren: Systemische Risiken

Das wichtigste Makro-Thema in Sachen Technologie und Digitalisierung der vergangenen 14 Tage war ein makroökonomisches: Die Frage nach den Folgen der massiven Ausgaben für KI-Infrastruktur in den USA - konjunkturell und im Bezug auf die strukturellen Folgen der offenen Refinanzierungsfrage.

Doch von vorne: Den Anstoß gab schon Mitte Juli Paul Kedrosky mit seiner Berechnung des Anteils der Investitionen in KI-Rechenzentren am BIP der USA.

Hochgerechnet kommt er in absoluten Zahlen auf eine Investitionssumme von 520 Milliarden US-Dollar für 2025, vorausblickend prognostiziert Morgan Stanley bis 2028 eine globale Investitionssumme von 2,9 Billionen (!) US-Dollar in Rechenzentren (McKinsey kommt auf 6,7 Milliarden bis 2030).

Kedrosky kommt damit zu dem Ergebnis: KI-Investitionen werden in den USA 2025 etwa 1,2 Prozent des Bruttoinlandsprodukts (BIP) sowie 0,7 Prozent des Wachstums ausmachen. Daraus ergeben sich zwei Schlussfolgerungen. Einerseits basiert ein relevanter Teil des US-Wachstums (0,7 von derzeit ca. 2%) auf KI-Investitionen. Und historisch betrachtet haben wir es mit einem gewaltigen Infrastruktur-Boom zu tun:

Kedrosky betont dabei stets die Unterschiede zum Eisenbahn- und Dotcom-Boom: Die dort gelegte Infrastruktur (Schienen & Internet-Kabel) brauchten keine beziehungsweise nur wenig Erneuerung. Weshalb die Dotcom-Firmen zwar pleite gingen, aber der parallel stattfindende Netzausbau letztlich für die Anbindung der Bevölkerung ans Internet sorgte. Der Lebenszyklus der GPU in KI-Rechenzentren dagegen beträgt nur drei Jahre. Der Return on investment (ROI) ist also kein dauerhaftes, die Amortisationszeit eine sehr kurze.

Das ist für Big Tech ein Problem, aber eines, dessen Ausmaß von den Einnahmen aus den daran geknüpften Services abhängen dürfte (denn man baut ja für den Eigenbedarf). Komplexer wird die Sache bei KI-Rechenzentren, die für die Vermietung errichtet werden. In diesen Bereich sind Private-Equity-Investoren wie Blackrock, Real-Estate-Investment-Trusts (REITs) oder kleinere Cloud-Anbieter aktiv. Deren Wette auf hohe Renditen könnte platzen. Kedorsky rechnet in einem Podcast vor:

Vor einem Jahr: 50% Rendite bei 14% Kapitalkosten
Heute: Nur noch 22% bei 14% Kapitalkosten
Im Wiederverkaufsmarkt: Bereits unter den Kapitalkosten (5-6% Return bei 12% Kosten).

Wenn man nun davon ausgeht, dass das Angebot an Rechenkapazitäten durch den Ausbau der Infrastruktur weiter steigt, lassen sich für Kunden sinkende Preise erwarten. Und damit für Vermieter sinkende Renditen.

Interessant wird es, wenn wir auf die Finanzierung des KI-Infrastrukturbooms blicken. Denn dort findet eine massive Verlagerung weg von transparenten Finanzierungsformen hin zu undurchsichtigen Private Credit-Strukturen statt, derer sich auch die amerikanischen Tech-Firmen bedienen.

Denn während traditionell Infrastruktur-Investitionen über Bankkredite oder Anleihen finanziert wurden, fließen nun 800 Milliarden Dollar über Private Credit und Off-Balance-Sheet SPVs (special-purpose vehicles) in den KI-Sektor. Diese Instrumente verschleiern das wahre Ausmaß der Verschuldung. Dazu ist diese Grafik aus der Financial Times neulich hilfreich:

Das wiederum und schafft ein systemisches Risiko: Nämlich wenn die KI-Erwartungen sich als übertrieben herausstellen. Dieses Risiko besteht natürlich, siehe Ausgabe #133 zu KI als “normaler Technologie”, die Übersicht von Helen Toner zu ungeklärten Fragen und Cal Newport jüngst im New Yorker zur Frage, ob GPT-5 eine Plateauisierung für LLMs verkörpert.

Wenn die Erwartungen sich nicht - oder nicht schnell genug - erfüllen, könnte sich ein Dominoeffekt ergeben: Die Investmentblase platzt und alle Kredite beginnen gleichzeitig zu wackeln. Gleiches gilt für externe makroökonomische Effekte (Trump!), die plötzlich zu massivem Misstrauen in die wirtschaftliche Zukunft der KI-Branche führen.

Das systemische Risiko entsteht durch die Verflechtung mit dem traditionellen Finanzsystem: Private Credit Funds borgen sich Geld von Banken (der Anteil stieg von 1% auf 14% der Bankkredite), REITs sind zu 18% mit Rechenzentren belastet (von null vor drei Jahren), und Lebensversicherer haben ein höheres Risiko mit Blick auf minderwertige Unternehmensschulden als vor der Subprime-Krise 2007. Die Immobilienbranche ist über die REITs also direkt mit der zukünftigen Entwicklung der KI-Nachfrage (und Rechenkraft-Preisgestaltung) verbunden.

Ein Kollaps würde deshalb nicht nur Tech-Aktionäre treffen, sondern über die Private Credit-Kanäle das gesamte Bankensystem und institutionelle Investoren erfassen. Ironischerweise wären mit dem Unterschied zu 2008, dass das Risiko diesmal außerhalb der inzwischen stärker regulierten Banken konzentriert ist, aber trotzdem auf sie überspringen kann.

Das wäre natürlich das Extremszenario. OpenAI-Chef Sam Altman hängt zum Beispiel der Theorie an, dass KI sich zwar in einer Blase befindet, die großen Firmen aber nicht in den Abgrund gezogen würden, wenn sie platzt. Er zieht die Parallele zum Dotcom-Boom, den bekanntlich einige Firmen (Google, Amazon) überlebten, um zu den Mega-Konzernen zu werden, die sie heute sind. Und wer Open-Source-/Open-Weights-Modelle für das überlege Konzept hält, könnte ein anderes Szenario aufmachen: Proprietäre Anbieter wie OpenAI krachen zusammen, während KI dezentral reüssiert und auch für entsprechende Rechenzentren-Auslastung durch die massenhafte Anwendung sorgt.

Allerdings bleibt festzuhalten: Das systemische Risiko des aktuellen KI-Booms ist keineswegs zu unterschätzen. Wenn überhöhte Renditeerwartungen plötzlich Common Sense sind und - auch mangels Rendite-Alternativen - unperfekte Technologien zum Heilsversprechen werden, ist eine Korrektur irgendwann absehbar.

GPT-5

Ich habe das Release von GPT-5 nur am Rande verfolgt und auch bisher nur ein bisschen rumgetestet. Für eine ausführliche Analyse verweise ich wie immer an Zvi Mowshowitz. Drei Beobachtungen:

Ryan Broderick hat darauf hingewiesen, dass beim Shitstorm gegen das Update auch die AI-Companion-Community lautstark beteiligt war. Das Thema KI-Begleiter beschäftigt mich ja auch immer wieder (vgl. Ausgabe #139) und ich habe inzwischen eine Ahnung, dass das Phänomen tatsächlich bereits verbreiteter ist, als es sich der Mainstream vorstellen kann.
Erstaunlich finde ich tatsächlich den Preiskampf, den OpenAI mit GPT-5 forciert: 1,25 US-Dollar pro 1 Million Input-Token und 10 US-Dollar pro 1 Million Output-Token für das Topmodell bedeutet, dass man bei Googles Gemini 2.5 Pro mit geht und Anthropics Spitzenmodell Claude Opus 4.1 deutlich unterbietet (15 US-Dollar Input/ 75 US-Dollar Output pro 1 Million Token).
Weiterhin die offene Frage für mich: Welche der Benchmarks, auf die optimiert wird, sind sinnvoll - und welche haben mit “realem” Fortschritt gar nichts zu tun?

AI und Coding-Jobs

Das Narrativ, dass Programmier und Programmiererinnen die ersten Betroffenen des KI-Booms sind, hat sich in den vergangenen Monaten deutlich verfestigt. Mein Eindruck ist, dass die unterschiedlichsten Ebenen betroffen sind, vor allem aber Einsteiger/Junior Level. Als Chiffre dürfte das Zitat einer Informatik-Absolventin aus der New York Times gelten: “Ich habe gerade mein Informatikstudium abgeschlossen, und das einzige Unternehmen, das mich zu einem Vorstellungsgespräch eingeladen hat, ist Chipotle.” Auch Coding-Bootcamps erleben einen Nachfrage-Einbruch.

Parallel dazu gibt es natürlich die Entwickler, die mit KI als Werkzeug deutlich schneller geworden sind und inzwischen als AI-Supervisor ganz neue Elemente in ihre Projekte einbauen können. Wer da gerade wen verdrängt und wie stark, ist aber schwer zu verallgemeinern. Was für mich ziemlich deutlich ist: Gerade bei Büroberufen werden die klassischen Einsteiger-Aufgaben künftig automatisiert werden. Damit verändert sich auch die Definition, was ein Einstiegsjob überhaupt ist.

Notizen

Differenzierung 1 - Digitale Souveränität: BSI-Chefin Claudia Plattner hält digitale Souveränität für vorerst unerreichbar und spricht damit das offensichtliche aus. Aber statt jetzt den nächsten LinkedIn-Beitrag zu verfassen (wie es viele machten), könnten wir mal darüber sprechen, wie wir überhaupt “Souveränität” definieren wollen und was das in einem von KI geprägten Zeitalter bedeutet. Das ist ja kein An/Aus-Schalter, wie Marcel Weiß neulich auch zurecht festgestellt hat.

Differenzierung 2 - Pfadabhängigkeiten vs. Determinismus: Johannes Klingebiel und Peter Bihr haben zwei Johannes erinnern auf unterschiedliche Weise daran, dass technologische Veränderung und die Anpassung daran keinem vorgezeichneten Weg folgen, wir aber oft so tun, als wäre das so. Johannes warnt davor, dass der Journalismus sich im Zeitalter der KI-Chatbots nicht darauf fokussieren sollte, bezahlten Rohstoff für diese Bots zu liefern. Denn damit folgt man einem Techno-Determinismus, der erst einmal nur als einer von mehreren möglichen Zukunftspfaden existiert. Peter wiederum vertritt die These, dass viele Systeme inzwischen „hoch effizient, aber brüchig“ sind: Sie funktionieren nur im Standardfall, brechen aber häufig bei Abweichungen unerwartet zusammen - logisch, da sie mit der Realität in Kontakt kommen oder Menschen beteiligt sind. Als Fallback-Lösung sind aber nur noch Chatbots vorgesehen, die ihrerseits diese Edge-Cases aber nicht kennen. Weniger menschlicher Service und mehr KI gehen auf Kosten der Problemlösungsfähigkeit und Kundenzufriedenheit. Eine Entwicklung in die falsche Richtung.

1 Zitat

“Es gibt hier eine bestimmte Art von Typen mittleren Alters (als Mitglied dieser Community darf ich das sagen), die ganz offensichtlich darin, 'der maximalistischste aller KI-Maximalisten zu werden und alle anderen ständig vor dem Risiko zu warnen, zurückzubleiben', ihre berufliche Zukunft sehen.
Stellt Euch die Keynotes vor! Die Gelegenheiten, als Vordenker zu glänzen! Jeder, wie er möchte. Ich persönlich bin mir sicher, dass ich in vielerlei Hinsicht wirklich nervig bin. Aber ich werde Ratschläge von solchen Menschen nicht besonders ernst nehmen.”

- Oliver Burkeman