AI Hype vs Internet Blase 2000

Wenn ich mit Anlegern über die aktuelle Marktlage spreche, kommt fast immer der Vergleich zur Dotcom-Blase um die Jahrtausendwende. Kein Wunder – die Kursanstiege rund um KI erinnern auf den ersten Blick an die Euphorie von damals.

Der große Unterschied zu 2000 ist, dass die heutigen Treiber des Booms – Microsoft, Alphabet, Amazon, Meta, Nvidia oder Oracle – extrem profitabel sind. Sie machen nicht nur Visionen, sondern zweistellige Milliardenumsätze, verfügen über robuste Geschäftsmodelle und generieren solide Cashflows.

Gleichzeitig steigen die Erwartungen ins Unermessliche. Für das kommende Geschäftsjahr planen allein diese fünf Konzerne Kapitalausgaben von rund 354 Milliarden US-Dollar – drei Mal so viel wie noch 2021, also vor dem Start von ChatGPT. 

Die Investitionen in Rechenzentren, Chips und KI-Infrastruktur multiplizieren sich– in Erwartung, dass sich diese Ausgaben in hohem Tempo auszahlen werden.

Was passieren kann, wenn Zweifel aufkommen, zeigte sich bereits Anfang des Jahres. Als das chinesische KI-Modell DeepSeek eine vergleichbare Leistung zu US-Spitzenmodellen bei deutlich geringeren Kosten präsentierte, verlor der Nasdaq binnen eines Tages 3 % – und Nvidia stürzte um 17 % ab. 

Solche Rücksetzer sind ein Warnsignal: Die Fantasie ist eingepreist, die Toleranz für Enttäuschungen gering.

Hinzu kommt, dass selbst die finanzstärksten Unternehmen Grenzen haben. Amazon plant den Abbau von 30.000 Stellen – ein klares Zeichen, dass trotz aller Zukunftsinvestitionen auch bei den Hyperscalern Kapitaldisziplin gefragt ist. 

Meta hat nach Ergebnisbekanntgabe einen deutlichen Kursrücksetzer erfahren, da Investoren die geplanten Kapitalausgaben für 2026 zu weit gehen und Zweifel an deren Rentabilität bestehen.

Analysten verweisen darauf, dass diese Unternehmen zunehmend wie klassische, kapitalintensive Branchen agieren – mit steigenden Anlagevermögen und sinkender Kapitalumschlagshäufigkeit.

Wir erleben keinen Hype wie im Jahr 2000 – aber wir erleben hohe Erwartungen und eine sehr niedrige Fehlertoleranz. 

Die nächste Berichtssaison wird zeigen, wie belastbar die KI-Story ist.