KI-Ausgaben von Big Tech: Droht daraus ein Kreditereignis zu werden?

Ein einzelnes Quartal mit negativem freien Cashflow ist kein Beleg für eine drohende Insolvenz. Halten die Defizite jedoch an, steigt die Abhängigkeit von Barreserven, Anleihen, Aktienemissionen, Leasingverträgen und langfristigen Abnahmeverpflichtungen. Aus einem Technologiezyklus kann so ein Finanzierungszyklus werden.

Warum die Infrastruktur ein Ungleichgewicht schafft

Die KI-Infrastruktur besteht aus Vermögenswerten mit sehr unterschiedlichen wirtschaftlichen Lebensdauern:

• GPUs und andere Ausrüstung können schnell an Wert verlieren, wenn neue Systeme mehr Leistung zu geringeren Kosten liefern.
• Rechenzentren und Strominfrastruktur sind langlebig, teuer und schwer umwidmbar.
• Cloud-Preise könnten unter Druck geraten, wenn mehrere Anbieter gleichzeitig Kapazitäten aufbauen.
• Bau-, Ausrüstungs- und Stromverträge laufen weiter, auch wenn ein Kunde seine Expansion verlangsamt.

Wenn die KI-Nachfrage enttäuscht, können Hyperscaler künftige Investitionen kürzen. Damit sind Anlagen im Bau, bereits bestellte Ausrüstung, unterschriebene Mietverträge oder aufgenommene Projektkredite jedoch nicht automatisch erledigt. Die ersten Verluste könnten deshalb bei Eigentümern von Infrastruktur und deren Finanzierern anfallen – und nicht beim größten Technologieunternehmen selbst.

Finanzierungen außerhalb der Bilanz können Risiken verlagern

Der Ausbau wird über eine Mischung aus Unternehmensanleihen, Leasing, Joint Ventures, Projektgesellschaften, Garantien und Drittmittel finanziert. Die Bank für Internationalen Zahlungsausgleich (BIZ) beschreibt Strukturen, in denen eine Zweckgesellschaft ein Rechenzentrum entwickelt oder erwirbt, dafür Schulden aufnimmt und sich auf langfristige Miet- oder Kapazitätsverpflichtungen eines Hyperscalers stützt.

Wirtschaftlich können solche Konstruktionen eng mit einem Hyperscaler verbunden sein, auch wenn die entsprechende Kreditaufnahme nicht als gewöhnliche Unternehmensschuld ausgewiesen wird. Ein Moody’s-Update vom Juli, über das berichtet wurde, bezifferte die Leasingverpflichtungen für Rechenzentren von Amazon, Alphabet, Meta, Microsoft, Oracle und CoreWeave auf etwa 1,2 Billionen US-Dollar. Mehr als 820 Milliarden US-Dollar davon standen mit Anlagen in Verbindung, die noch im Bau waren.

Schätzungen zu „verdeckten“ KI-Verpflichtungen sollten deshalb vorsichtig interpretiert werden. Eine Summe von beispielsweise 3 Billionen US-Dollar kann unterschiedliche Kombinationen aus Leasingverträgen, Kaufverpflichtungen, Garantien und anderen vertraglichen Risiken enthalten. Sie ist nicht automatisch mit der ausgewiesenen Verschuldung vergleichbar. Die belastbarere Aussage lautet: Die sichtbare Bilanzschuld erfasst nicht jeden Anspruch, der durch den Infrastrukturboom entsteht.

Private Credit steht vor dem ersten großen Stresstest

Private Kreditgeber finanzieren zunehmend Rechenzentren, Bauprojekte, Grundstücke, Stromausrüstung und damit verbundene Infrastruktur. Eine Studie der Columbia Business School verweist unter Berufung auf Schätzungen von Morgan Stanley darauf, dass von den etwa 2,9 Billionen US-Dollar, die zwischen 2025 und 2028 für zusätzliche Rechenkapazitäten der Hyperscaler erforderlich sein könnten, mehr als die Hälfte von externem Kapital kommen dürfte. Private Credit könnte dabei einen großen Teil der Fremdfinanzierung übernehmen.

Daraus ergeben sich mehrere miteinander verbundene Schwachstellen. Verzögert sich die Eröffnung eines Rechenzentrums, verschieben sich die Einnahmen, während die Zinsen weiterlaufen. Sinkt die Nachfrage von Mietern, verschlechtert sich die Schuldendienstdeckung. Fallen die Wiederverkaufswerte von GPUs oder anderer Ausrüstung, verlieren Sicherheiten an Wert – genau dann, wenn auch der operative Cashflow schwächer wird.

Müssen Private-Credit-Fonds gleichzeitig Rücknahmeanträge bedienen, obwohl sich ihre Anlagen nur schwer verkaufen lassen, können Abschreibungen zusätzlichen Finanzierungsdruck erzeugen. Dafür muss ein Hyperscaler nicht einmal ausfallen.

Unternehmensanleihen könnten sich verteuern

Hyperscaler können sich günstiger refinanzieren als schwächere Schuldner. Eine sehr hohe Emissionstätigkeit beansprucht jedoch ebenfalls die Bilanzen der Anleger. Die Federal Reserve Bank of Dallas nennt langfristige Investment-Grade-Anleihen, die Refinanzierung von Private-Credit-Krediten und eine mögliche Verdrängung anderer Finanzemittenten als Kanäle, über die die KI-Finanzierung das Angebot an langfristigen Anleihen und die Zinsen beeinflussen kann.

Wenn der freie Cashflow sinkt, während Schulden und Leasingverpflichtungen wachsen, könnten Ratinganalysten die Verschuldung und die Finanzpolitik der Unternehmen vorsichtiger bewerten. Moody’s warnte, dass KI-Ausgaben, Aktienverkäufe und Finanzierungen außerhalb der Bilanz die Kreditqualität gefährden können – betonte aber zugleich die grundsätzliche Stärke der Unternehmen.

Die Folgen würden über die Technologiebranche hinausreichen. Betreiber von Rechenzentren, Versorger, Telekommunikationsunternehmen, Baukonzerne, Chiphersteller und andere Industrieunternehmen könnten höhere Kreditaufschläge zahlen müssen, wenn Anleger für ein gemeinsames KI-Risiko mehr Entschädigung verlangen.

Strukturierte Finanzierungen könnten Verluste verstärken

Cashflows aus Rechenzentren, Leasingforderungen, Ausrüstungskredite und Projektfinanzierungen können über strukturierte Vehikel finanziert oder gebündelt werden. Solche Konstruktionen wirken zunächst robust, wenn sie auf einem hoch bewerteten Mieter mit langfristigem Vertrag beruhen. Der Schutz ist jedoch weniger vollständig, wenn viele Projekte von derselben kleinen Gruppe von Hyperscalern und denselben Annahmen zur KI-Nachfrage abhängen.

Eine gleichzeitige Kürzung der Investitionen könnte mehrere Effekte auslösen: Neuverhandlungen von Mietverträgen, Verstöße gegen Kreditvereinbarungen, sinkende Sicherheitenwerte und niedrigere Annahmen zum Restwert der Ausrüstung. Senior-Anleger könnten weiterhin geschützt sein. Nachrangige Tranchen, Warehouse-Kreditgeber und Eigenkapitalgeber wären aber deutlich stärker verlustgefährdet.

Die zentrale Gefahr ist die Korrelation: Vermögenswerte, die einzeln diversifiziert aussehen, können aus demselben Grund gleichzeitig schlecht abschneiden.

Staatsanleihen sind ein indirekter Übertragungskanal

Allein die KI-Ausgaben werden voraussichtlich keine Staatsschuldenkrise auslösen. Ihre Wirkung auf die Staatsanleihemärkte dürfte eher über den Wettbewerb um Kapital und höhere Laufzeitprämien entstehen.

Große Emissionen von Unternehmens- und Projektfinanzierungen treffen auf Regierungen, die ebenfalls erhebliche Schulden refinanzieren müssen. Verlangen Anleger für langfristige Anlagen oder Kreditrisiken eine höhere Prämie, können die Renditen sowohl für öffentliche als auch für private Schuldner steigen. Höhere Zinsen verteuern wiederum die Finanzierung von Rechenzentren, Versorgern und anderer Infrastruktur. Dadurch geraten Projekte mit ohnehin knapper Wirtschaftlichkeit zusätzlich unter Druck.

Das systemische Risiko liegt in Konzentration und Gleichlauf

Die von Anlegern geäußerte Sorge ist kein Szenario, in dem Alphabet, Amazon, Meta oder Microsoft plötzlich zahlungsunfähig werden. Es geht um einen gemeinsamen Schock. In einer Umfrage der Bank of America nannten 38 Prozent der Fondsmanager die Investitionsausgaben der KI-Hyperscaler als wahrscheinlichste Quelle eines systemischen Kreditereignisses.

Der Grund ist die hohe Konzentration. Dieselben Unternehmen treiben die Nachfrage nach modernen Chips, Strom, Bauleistungen, Rechenzentrumskapazitäten und Finanzierung an. Bleiben die Renditen stark, beschleunigt diese Konzentration den Investitionszyklus. Enttäuschen die Renditen, könnten dieselben Unternehmen gleichzeitig kürzen – und den Schock zeitgleich an Kreditgeber, Vermieter, Versorger, Zulieferer und strukturierte Finanzierungen weiterreichen.

Welche Signale würden das Risiko bestätigen oder abschwächen?

Nicht die Investitionssumme allein ist entscheidend. Anleger sollten vor allem folgende Punkte beobachten:

1. Wachstum der KI- und Cloud-Erlöse im Verhältnis zu Abschreibungen, Strom-, Leasing- und Finanzierungskosten.
2. Freier Cashflow nach Investitionsausgaben und Finanzierungsleasing.
3. Auslastung und Preise von Rechenzentren, insbesondere wenn mehrere Anbieter gleichzeitig Kapazitäten aufbauen.
4. Beginn und Stornierung von Mietverträgen für Anlagen, die sich noch im Bau befinden.
5. Kreditvergabe und Liquidität privater Kreditfonds, einschließlich der Abhängigkeit von einzelnen Mietern oder Regionen.
6. Anleiheemissionen, Ratingausblicke und Kreditaufschläge von Hyperscalern und verbundenen Infrastrukturunternehmen.
7. Wiederverkaufswerte von GPUs und anderer Ausrüstung, die Sicherheiten und Rückgewinnungsquoten beeinflussen.

Das Risiko bliebe beherrschbar, wenn KI-Erlöse und operativer Cashflow die zusätzlichen Infrastrukturinvestitionen letztlich übertreffen. Eine Marktprognose geht davon aus, dass Gewinn- und Cashflow-Wachstum der Hyperscaler ab Ende 2027 oder im Jahr 2028 schneller wachsen könnten als die zusätzlichen Investitionsausgaben. Das ist allerdings eine Prognose und kein gesichertes Ergebnis.

Kritisch würde es, wenn das Umsatzwachstum dauerhaft unter dem Niveau bleibt, das für Abschreibungen, Strom, Leasing, Finanzierungskosten und neue Investitionen erforderlich ist. Dann könnte der KI-Ausbau von einer profitablen Kapazitätserweiterung in einen Überkapazitätszyklus kippen: Die Hyperscaler würden niedrigere Renditen verkraften, während stärker verschuldete Zwischenfinanzierer mit Zahlungsausfällen, Wertverlusten bei Sicherheiten, Refinanzierungsproblemen und breiteren Kreditaufschlägen konfrontiert wären.