KI wird billiger – doch die Infrastruktur dahinter wird zum Engpass

Die KI-Wirtschaft teilt sich zunehmend in zwei Hälften: Die Kosten, künstliche Intelligenz zu nutzen, sinken rasant. Gleichzeitig bleiben die Kosten für den Bau und Betrieb der dafür nötigen Infrastruktur hoch und schwer kalkulierbar.

Fortschrittliche Chips, High-Bandwidth Memory (HBM), Server, Netzwerke, Strom und Rechenzentrumskapazitäten sind knapp. Diese Entwicklung ist mehr als ein gewöhnlicher Preisrückgang. Sie entscheidet darüber, welche Unternehmen ihre Margen verteidigen können, wie Anleger die KI-Ausgaben bewerten sollten und an welcher Stelle sich Kreditrisiken sammeln.

Die wahrscheinlichen Gewinner sind deshalb nicht unbedingt jene Anbieter, die die meisten Tokens verkaufen. Mehr Schutz bieten knappe Infrastruktur, starke Vertriebskanäle, proprietäre Daten oder Software, deren Nutzen sich an einem konkreten Geschäftsergebnis messen lässt.

Der KI-Preiskampf entwertet den Token

Mehrere Schätzungen kommen zu dem Ergebnis, dass die Kosten für eine vergleichbare KI-Inferenz – also die Berechnung einer Antwort durch ein Modell – innerhalb von etwa zwei Jahren um rund 95 % gefallen sind. Die genaue Größenordnung hängt davon ab, welche Modelle, Aufgaben und Qualitätsstufen verglichen werden. Die Richtung ist jedoch eindeutig: Fähigkeiten, für die früher Premiumpreise bei API-Zugängen verlangt wurden, sind zunehmend über günstigere Modelle und offene Modellgewichte verfügbar. 39

OpenAIs jüngste Preissenkungen zeigen den Druck besonders deutlich. Im Juli 2026 reduzierte das Unternehmen den Preis für sein kleineres GPT-5.6-Luna-Modell um 80 % und für das Modell Terra aus dem mittleren Segment um 20 %. Im August kündigte OpenAI zudem eine weitere Senkung von mehr als 20 % für das fortschrittliche GPT-5.6-Sol-Modell für Entwickler an. 3433

Für Nutzer ist das zunächst eine gute Nachricht. Günstigere Inferenz macht KI-Agenten, automatisierten Kundensupport, die Erstellung von Inhalten, Programmierhilfe und die Verarbeitung großer Datenmengen wirtschaftlicher.

Für Modellanbieter sinkt dagegen der Umsatz pro Nutzungseinheit. Das lässt sich nur auffangen, wenn das Nutzungsvolumen stark genug steigt. Ein Geschäftsmodell, das allein auf dem Verkauf eines teuren Zugangs zu austauschbarer Modellleistung beruht, wird damit zunehmend angreifbar.

Wichtig ist die Unterscheidung zwischen billigerer Intelligenz und billigeren KI-Systemen. Ein Token kann weniger kosten, während der zuverlässige Betrieb eines Produkts weiterhin teuer bleibt – etwa wegen Datenabruf, Überwachung, Sicherheit, Antwortgeschwindigkeit, Systemintegration und menschlicher Kontrolle.

Die physische Lieferkette entwickelt sich in die Gegenrichtung

Die Infrastruktur für KI wächst derzeit nicht so schnell wie die Nachfrage. Samsung soll die Preise für bestimmte fortschrittliche Auftragsfertigungsdienste bei neuen Bestellungen um bis zu 15 % erhöht haben. Hintergrund ist die wachsende Nachfrage nach KI-Chips und die dadurch knappere Kapazität. 1

Samsung erklärte außerdem, dass sich die Chipknappheit verschärfen und bis 2028 anhalten könnte. Zugleich arbeitet der Konzern an mehrjährigen Liefervereinbarungen mit großen Rechenzentrumsbetreibern. 2 In Samsungs Speichergeschäft könnte ein Rahmenmodell greifen, bei dem etwa 60 bis 70 % der Kapazität durch langfristige Verträge gebunden werden, sofern die laufenden Verhandlungen abgeschlossen werden. 56

Damit verändert sich der Markt grundlegend. Kapazität steht nicht mehr einfach demjenigen zur Verfügung, der kurzfristig den höchsten Preis zahlt. Große Kunden sichern sich Lieferungen Jahre im Voraus. Das verbessert ihre eigene Versorgung, kann kleinere Abnehmer aber stärker Preisschwankungen und Engpässen aussetzen.

Besonders angespannt ist die Lage beim Speicher. SK-Hynix-Chef Kwak Noh-jung sagte, 2027 könne für die Branche das schwierigste Jahr auf der Angebotsseite werden. Außerdem könnte die Nachfrage über 2030 hinaus über der Produktionskapazität liegen. Das ist eine Unternehmensprognose und keine garantierte Entwicklung – sie zeigt aber, wie lange eine Ausweitung des Angebots dauern könnte. 17

Nvidia zeigt, warum Infrastruktur weiterhin Preissetzungsmacht besitzt

Nvidias jüngste Zahlen machen deutlich, dass die sinkenden Modellpreise die Nachfrage nach der Hardware bislang nicht gebremst haben. Im zweiten Fiskalquartal 2027 erzielte Nvidia einen Umsatz von 96,2 Milliarden US-Dollar – 106 % mehr als im Vorjahreszeitraum. Der Umsatz im Rechenzentrumsgeschäft stieg um 117 % auf 89,0 Milliarden US-Dollar. 4950

Darin liegt der zentrale Widerspruch des KI-Marktes: Effizientere Modelle können für eine einzelne Aufgabe weniger Rechenleistung benötigen. Sinkende Preise können aber zugleich die Nutzung massiv ausweiten. Wenn die Nachfrage schneller wächst als die Effizienz, steigt der gesamte Infrastrukturverbrauch weiter, obwohl die Kosten pro Inferenz sinken.

Der Engpass kann sich deshalb lediglich verlagern. Beschleunigerchips sind möglicherweise verfügbar, während HBM-Speicher, fortschrittliche Verpackung, Netzwerktechnik, Strom, Netzanschlüsse oder Baukapazitäten fehlen.

Nvidia meldete für das Quartal eine Bruttomarge von 75 %. Zugleich wurde darauf hingewiesen, dass steigende Speicherkosten künftig Druck auf die Margen ausüben könnten. 4953 Die Schlussfolgerung lautet nicht, dass die Wirtschaftlichkeit der Infrastruktur zusammenbricht. Sie lautet vielmehr: Starke Nachfrage macht nicht automatisch jeden Abschnitt der Lieferkette gleich profitabel.

Hyperscaler können den Kostendruck abfedern – bis zu einem gewissen Punkt

Die größten Cloudanbieter sind besser als kleinere KI-Unternehmen in der Lage, den Widerspruch zwischen sinkenden Servicepreisen und steigenden Infrastrukturkosten zu verkraften. Sie verteilen ihre Investitionen auf Cloud Computing, Werbung, Unternehmenssoftware und Verbraucherplattformen. Außerdem können sie KI in umfassendere Verträge integrieren, ihre Reichweite zur Auslastungssteigerung nutzen und sich mit langfristigen Liefervereinbarungen absichern.

Hyperscaler könnten damit als Stoßdämpfer der Branche fungieren. Sie könnten bei KI-Diensten zunächst niedrigere Margen akzeptieren, um Cloud-Kunden zu halten oder Marktanteile zu gewinnen. Der Preis dafür ist eine schlechtere Kapitaleffizienz: Wenn die Preise schneller fallen als die Nutzung steigt, dauert es länger, bis sich die enormen Investitionen in Rechenzentren rentieren.

Für kleinere Anbieter ist die Lage deutlich härter. Wer teure Kapazität anmietet und den Zugang zu allgemeinen Modellen weiterverkauft, hat wenig Schutz, wenn die API-Preise schneller sinken als der Kundenstamm wächst.

Nachhaltigere Geschäftsmodelle dürften daher auf mindestens einem dieser Vorteile beruhen:

• Kontrolle über einen konkreten Arbeitsablauf oder proprietäre Daten;
• etablierte Vertriebskanäle im Unternehmensgeschäft;
• besondere Sicherheits-, Zuverlässigkeits- oder Compliance-Vorteile;
• eine Preisgestaltung, die an ein nachweisbares Ergebnis statt an die Zahl der Tokens gekoppelt ist.

Günstigere Modelle bedeuten nicht automatisch höhere Produktivität

Sinkende Preise fördern Experimente und Verbreitung. Verbreitung ist jedoch nicht dasselbe wie ein tatsächlich erzielter wirtschaftlicher Nutzen.

Unternehmen müssen Prozesse neu gestalten, Daten bereinigen, Systeme integrieren, Beschäftigte schulen und Kontrollmechanismen einführen, bevor KI dauerhaft die Produktivität steigern kann. Für Anleger entsteht dadurch ein zeitliches Risiko: Die Ausgaben können den messbaren Erträgen deutlich vorauslaufen.

Das gilt besonders, wenn Unternehmen Kapazität oder Software kaufen, weil Wettbewerber es ebenfalls tun. Bleiben die erhofften Produktivitätsgewinne hinter den Erwartungen zurück, sind Infrastrukturverpflichtungen weiterhin fix, während die Annahmen zu den KI-Erlösen nach unten korrigiert werden müssen.

Das positive Szenario wäre eine starke Nachfrageausweitung: Viel günstigere Inferenz führt zu so viel mehr Nutzung, dass die gesamten KI-Ausgaben, der Cloud-Verbrauch und die Produktivität weiter steigen.

Im negativen Szenario brechen die Modellpreise schneller ein, als das Nutzungsvolumen wächst. Dann könnten manche Rechenzentrumsprojekte schwächere Renditen erzielen als in ihren Finanzierungsplänen angenommen.

Das Kreditrisiko hängt an vertraglich gesicherter Nachfrage

Der KI-Ausbau wird damit auch zu einer Frage für die Kreditmärkte. Rechenzentren, Infrastrukturübernahmen und langfristige Komponentenbestellungen benötigen enorme Kapitalbeträge, häufig mit langen Laufzeiten.

Schulden sind leichter zu rechtfertigen, wenn sie durch bonitätsstarke Kunden mit mehrjährigen Verträgen und planbarer Nutzung abgesichert sind. Anfälliger wird die Finanzierung, wenn die Rückzahlung von spekulativer Nachfrage in der Zukunft abhängt.

Niedrigere KI-Preise, eine langsamere Auslastungssteigerung, höhere Stromkosten oder Engpässe bei Komponenten könnten die Zahlungsströme eines Infrastrukturprojekts schwächen. Eine größere nachrangige Schuldenquote oder höhere Kosten für eine Kreditversicherung wären Hinweise darauf, dass Kreditgeber eine größere Verlustgefahr einpreisen. Beides würde allerdings nicht automatisch bedeuten, dass ein Kreditausfall unmittelbar bevorsteht.

Entscheidend wird vielmehr die Qualität der zugrunde liegenden Verträge und die Widerstandsfähigkeit der Cashflows sein – nicht allein die Schlagzeile von einer boomenden KI-Nachfrage.

Die Folgen für die Wirtschaft sind widersprüchlich

KI kann bei digitalen Dienstleistungen preisdämpfend wirken. Günstigere Inferenz kann die Kosten für Programmierung, Analysen, Kundensupport, Content-Produktion und bestimmte Verwaltungsaufgaben senken. Wenn der Wettbewerb diese Einsparungen weitergibt, könnten sie letztlich Unternehmen und Verbraucher erreichen.

Der Ausbau der Infrastruktur kann in einzelnen Märkten den gegenteiligen Effekt haben. Knappheit bei Speichern, fortschrittlichen Chips, Servern, Baukapazität, Grundstücken, Strom und Netzanschlüssen kann die Preise erhöhen.

Kurzfristig könnte deshalb beides gleichzeitig passieren: digitale KI-Dienstleistungen werden günstiger, während die für ihre Produktion nötigen Investitionsgüter und Energieinputs teurer werden. Einen einheitlichen Effekt namens „KI-Inflation“ oder „KI-Deflation“ wird es wahrscheinlich nicht geben. Entscheidend ist, ob Effizienzgewinne schneller verbreitet werden als die Engpässe – und ob Unternehmen die Einsparungen an Kunden weitergeben oder als zusätzliche Marge behalten.

Lieferketten werden zu strategischen Vermögenswerten

Mehrjährige Reservierungen von Produktionskapazität erhöhen auch die geopolitische Bedeutung der Halbleiterindustrie. Samsung und SK Hynix verfügen über größeren Einfluss beim Speicher. Bei fortschrittlicher Logikfertigung und Chipverpackung konzentriert sich das Angebot weiterhin auf wenige Anbieter und Regionen.

Wenn Kapazität Jahre im Voraus gebucht wird, haben Exportkontrollen, Subventionen und regionale Störungen größere Folgen. Das Angebot kann nicht kurzfristig in eine andere Region umgeleitet werden.

Chinesische Speicherhersteller könnten bei weniger stark eingeschränkten Produktsegmenten Chancen erhalten, wenn die weltweite Nachfrage steigt. Die Lücke bei modernstem HBM und anderen für KI entscheidenden Komponenten zu schließen, ist jedoch schwieriger. Kundenfreigaben, Zuverlässigkeitsanforderungen, technische Komplexität, Exportkontrollen und Beschaffungsregeln können den Aufstieg alternativer Anbieter verlangsamen.

Wer bezahlt am Ende die Differenz?

Die offene Kernfrage lautet, wer die Lücke zwischen günstigerer KI-Nutzung und teurerer KI-Produktion übernimmt. Mehrere Möglichkeiten sind denkbar:

• Hyperscaler akzeptieren niedrigere Margen, um ihre Ökosysteme zu schützen.
• Chip- und Speicherhersteller behalten ihre durch Knappheit gestützte Preissetzungsmacht.
• Investoren tragen niedrigere Renditen auf KI-Infrastrukturinvestitionen.
• Kreditgeber verlangen höhere Zinsen oder erleiden Verluste, wenn Projekte zu stark fremdfinanziert sind.
• Kunden zahlen mehr, wenn Anbieter Infrastrukturkosten erfolgreich in höherwertige, ergebnisbasierte Produkte integrieren.

Kurzfristig ist eine Kombination aus den ersten drei Szenarien am wahrscheinlichsten. Der Zugang zu KI wird weiter günstiger werden. Die Infrastruktur, die diese Nutzung ermöglicht, bleibt jedoch teuer, solange das Angebot nicht aufholt – oder sich herausstellt, dass die Nachfrage die bereits eingegangenen Verpflichtungen nicht rechtfertigt.

Die strategische Schlussfolgerung ist klar: Sinkende Tokenpreise bedeuten nicht das Ende der KI-Investitionsgeschichte. Sie sind vielmehr ein Test dafür, wo der dauerhafte Wert liegt, wenn intelligente Software im Überfluss vorhanden ist, während Maschinen, Speicher, Strom und Vertrieb knapp bleiben.