AntwortenVeröffentlicht20 Quellen
Billige KI-Tokens, teure Chips – der KI-Boom gerät in die Margenfalle
Die Kosten für vergleichbare KI Inferenz sind in etwa zwei Jahren um rund 95 Prozent gefallen, während Halbleiter und Finanzierungskosten steigen. Nvidia erzielte im zweiten Quartal des Geschäftsjahres 2027 einen Umsatz von 96,2 Milliarden US Dollar – ein Plus von 106 Prozent.
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- Die Kosten für vergleichbare KI Inferenz sind in etwa zwei Jahren um rund 95 Prozent gefallen, während Halbleiter und Finanzierungskosten steigen.
- Nvidia erzielte im zweiten Quartal des Geschäftsjahres 2027 einen Umsatz von 96,2 Milliarden US Dollar – ein Plus von 106 Prozent.
- Die geplante KI Chip Finanzierung von Broadcom befindet sich noch in Verhandlungen.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is the AI market being squeezed as token prices fall roughly 95% since early 2024—illustrated by the free near-frontier Ox Alpha model a. Article summary: The AI economy is experiencing a margin-and-financing squeeze: model capability is becoming commoditized faster than the physical infrastructure needed to produce it. That favors scarce-hardware suppliers in the near ter. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Der KI-Markt entwickelt sich in zwei entgegengesetzte Richtungen: Die Nutzung leistungsfähiger Modelle wird immer billiger – gleichzeitig steigen die Kosten für die physische Infrastruktur, die diese Modelle am Laufen hält.
Ein kostenloses Modell namens Ox Alpha soll zuletzt nahe an der Leistungsspitze gelegen haben. OpenAI senkte im Juli zudem die Preise für zwei GPT-5.6-Tarife um 80 beziehungsweise 20 Prozent. 17
16 Über einen Zeitraum von zwei Jahren sind die Kosten für vergleichbare Inferenzleistung nach breiteren Schätzungen um rund 95 Prozent gefallen.
22
Auf der anderen Seite verteuerte Samsung bestimmte Aufträge zur Fertigung fortgeschrittener Chips um bis zu 15 Prozent. Der Konzern erwartet außerdem, dass sich der weltweite Speichermangel verschärft und bis 2028 anhält. 32
33
Das ergibt ein ungewöhnliches Muster: Die Preise für das KI-Ergebnis sinken, während sich entscheidende Produktionskosten weiter inflationär entwickeln.
Die KI-Wertschöpfungskette spaltet sich
Der zentrale Unterschied liegt zwischen der zunehmend austauschbaren Intelligenzschicht und der infrastrukturellen Engpassschicht.
Der Zugang zu allgemeinen KI-Modellen lässt sich immer leichter ersetzen. Senkt ein Anbieter seine API-Preise, bringt ein kleineres Modell heraus oder bietet ein leistungsfähiges Modell kostenlos an, geraten die Wettbewerber unter Druck. OpenAIs Preisänderungen im Juli senkten den Eingabepreis von GPT-5.6 Luna von 1 auf 0,20 US-Dollar je eine Million Tokens und den Preis von Terra von 2,50 auf 2 US-Dollar. 16
Bei der Infrastruktur ist die Lage anders. Fertigungskapazitäten für moderne Chips, High-Bandwidth Memory (HBM), Netzwerktechnik, Stromversorgung und komplette KI-Serversysteme lassen sich nicht so schnell ausweiten, wie Softwarepreise gesenkt werden können. Samsung erklärte, Kunden fragten zunehmend nach mehrjährigen Lieferverträgen; zugleich könnten sich die Engpässe bis 2028 verschärfen. 33 Berichte über geplante Preissteigerungen von mehr als 15 Prozent für Nvidia-basierte Server zeigen, wie Zulieferer die höheren Kosten weitergeben könnten. Dabei handelt es sich nicht um eine offizielle Nvidia-Preismitteilung.
36
Für Anbieter von KI-Diensten ist die wirtschaftliche Herausforderung klar: Der Umsatz pro Token kann sinken, obwohl die Nutzung steigt – während Kosten für Rechenkapazität, Energie, Hardware und Finanzierung nicht im gleichen Maß fallen.
Was Nvidias Zahlen tatsächlich zeigen
Nvidias Ergebnisse für das zweite Quartal des Geschäftsjahres 2027 belegen, wie stark der Infrastrukturboom weiterhin ist. Der Umsatz erreichte 96,2 Milliarden US-Dollar und lag damit 106 Prozent über dem Vorjahreswert. Das bereinigte Ergebnis je verwässerter Aktie betrug 2,22 US-Dollar. 60 Das Management stellte für das Geschäftsjahr 2028 außerdem ein Umsatzwachstum von ungefähr 70 Prozent in Aussicht.
51
Diese Zahlen bedeuten jedoch nicht, dass die gesamte KI-Wirtschaft ihr Profitabilitätsproblem gelöst hätte. Sie zeigen vor allem, dass die Nachfrage nach knappen Beschleuniger-Systemen weiterhin enorm ist. Nvidia sitzt an einem Engpass, an dem Kunden nach wie vor um verfügbare Kapazitäten konkurrieren.
Steigende Speicherkosten beginnen allerdings, die Qualität dieses Wachstums zu beeinflussen. Nvidia stellte für das folgende Quartal eine Bruttomarge von etwa 74 Prozent in Aussicht – nach 75 Prozent im Berichtsquartal. In der Berichterstattung zur Prognose wurden unter anderem höhere Speicherpreise als Belastungsfaktor genannt. 51
Das muss keine grundlegende Verschlechterung von Nvidias Geschäftsmodell bedeuten. Künftig dürfte die Entwicklung aber stärker davon abhängen, ob das Unternehmen höhere Systempreise durchsetzen, Netzwerke und Software mitverkaufen sowie Lieferketten effizient steuern kann. Der Gewinn entsteht dann nicht mehr allein aus dem Verkauf knapper Chips zu hohen Margen.
Broadcom macht aus Infrastruktur ein Finanzierungsexperiment
Broadcom verdeutlicht eine andere Seite des Problems. Reuters und Bloomberg berichteten, der Konzern verhandele über eine Fremdfinanzierung von mehr als 60 Milliarden US-Dollar für eine KI-Chip-Struktur zugunsten von Anthropic und anderen Kunden. Möglich wäre unter anderem eine nachrangige Tranche von rund 30 Milliarden US-Dollar neben einer vorrangig besicherten Finanzierung; die Bedingungen waren noch nicht endgültig vereinbart. 1
2
Diese Unterscheidung ist entscheidend: Es ging um einen Finanzierungsvorschlag in Verhandlung, nicht um eine bereits abgeschlossene Kreditaufnahme. Die genannten Beträge sind daher als mögliche Größenordnung und nicht als endgültige Transaktionssumme zu verstehen.
Die entscheidende wirtschaftliche Frage lautet, ob die mit diesen Chips erzielten KI-Umsätze stabil genug sein werden, um den Schuldendienst zu tragen. Ein Chip kann technologisch wertvoll sein und sich dennoch als schlechtes fremdfinanziertes Investment erweisen – etwa wenn Modellpreise fallen, die Kundenbasis zu konzentriert ist, der Wert der Hardware sinkt oder eine Refinanzierung teurer wird.
Damit gewinnen die Kreditmärkte an Bedeutung. Sobald Infrastruktur in großem Umfang über Schulden finanziert wird, sind sinkende Token-Preise nicht mehr nur ein Problem von Softwareanbietern. Sie können auch die erwarteten Zahlungsströme von Leasingstrukturen, Zweckgesellschaften, Zulieferern und Kreditgebern beeinflussen.
Hyperscaler haben Vorteile – aber keinen Freifahrtschein
Große Cloudkonzerne sind besser aufgestellt als eigenständige Modellanbieter. Sie können KI mit bestehenden Cloud-Diensten, Unternehmenssoftware, Werbung, Datenbeständen und Vertriebskanälen bündeln. Außerdem können sie KI-Funktionen subventionieren und ihre Kunden an anderer Stelle monetarisieren.
Das garantiert jedoch keine attraktive Rendite auf jede einzelne KI-Investition. Günstigere Modelle können die Nutzung erhöhen und zugleich den Umsatz pro Einheit senken. Überkapazitäten könnten dazu führen, dass KI zu einer margenschwächeren Zusatzfunktion des Cloudgeschäfts wird – statt einen eigenständigen Gewinnpool zu bilden.
Entscheidend ist deshalb nicht, wie viele Tokens verarbeitet werden. Entscheidend ist, ob Kunden für die daraus entstehende Produktivität, zusätzlichen Umsatz oder nachweisbare Kosteneinsparungen genug bezahlen.
Was günstigere Tokens für Unternehmen bedeuten
Für Unternehmen sind sinkende Inferenzpreise zunächst eine gute Nachricht. Sie erleichtern Tests, die Automatisierung einzelner Arbeitsabläufe und den Einsatz leistungsfähigerer Modelle für Aufgaben, die bislang wirtschaftlich nicht darstellbar waren.
Tokens sind allerdings nur ein Teil der Gesamtkosten. Hinzu kommen die Integration in bestehende Systeme, Datenaufbereitung, Sicherheitsvorkehrungen, Governance, Qualitätskontrollen und organisatorische Veränderungen. Eine niedrigere API-Rechnung führt daher nicht automatisch zu einer positiven Rendite.
Der Markt stellt deshalb eine anspruchsvollere Frage: Welches messbare Geschäftsergebnis erzeugt jede Einheit KI-Rechenleistung? Unternehmen, die den Einsatz von Modellen mit zusätzlichen Einnahmen oder überprüfbaren Einsparungen verbinden können, dürften stärker profitieren als Firmen, die lediglich Rechenkapazität aufbauen, ohne einen klaren Anwendungsfall zu haben.
Was Anleger und Kreditgeber beobachten sollten
Anleger sollten zwischen dem Engagement in knappen Produktionsfaktoren und dem Engagement in zunehmend austauschbarem Modellzugang unterscheiden.
Zur angebotsbeschränkten Seite gehören Speicher, moderne Chipfertigung, Netzwerktechnik, Stromversorgung und integrierte Beschleuniger-Systeme. Diese Unternehmen können ihre Verhandlungsmacht behalten, solange Kunden um Kapazitäten konkurrieren. Die Preiserhöhungen und der Ausblick auf anhaltende Engpässe bei Samsung sind ein Beleg für diese aktuelle Position der Zulieferer. 32
33
Die Modellseite steht vor einer schwierigeren Prüfung. Kostenlose oder stark verbilligte Modelle können den Gesamtmarkt vergrößern, erschweren es aber, für austauschbare Inferenz dauerhaft hohe Preise zu verlangen. Nachhaltige Erträge dürften eher von proprietären Vertriebswegen, Daten, spezialisierten Arbeitsabläufen, langfristigen Kundenverträgen oder Software abhängen, die einen Wert über das einzelne Token hinaus abschöpft.
Kreditinvestoren sollten auf vertraglich gesicherte Zahlungsströme, Kundenkonzentration, den Restwert der Hardware, die konkrete Schuldenstruktur und anstehende Refinanzierungstermine achten. Die geplante Broadcom-Finanzierung ist ein Warnsignal, weil sie zeigt, wie schnell KI-Infrastruktur neben einer Technologie- auch zu einer Finanzierungsfrage werden kann. 1
2
Das Fazit
Der KI-Boom folgt nicht einer einheitlichen Kostenkurve. Die digitale Intelligenz wird billiger und reichlicher verfügbar, während die physische Kapazität für ihre Erzeugung knapp und teuer bleibt.
Das erklärt, warum Nvidia einerseits außergewöhnliches Wachstum meldet und andererseits vor Margendruck warnt. Es erklärt auch, warum eine geplante Finanzierung von KI-Chips im zweistelligen Milliardenbereich die Kreditmärkte beschäftigt, obwohl die Nachfrage nach KI weiterhin stark ist.
In der nächsten Marktphase wird daher nicht allein die Leistungsfähigkeit von Modellen entscheiden. Ausschlaggebend ist vielmehr, ob Kunden aus günstiger Intelligenz dauerhaft zahlungswirksame Ergebnisse machen können – bevor teure, fremdfinanzierte Rechenkapazitäten refinanziert werden müssen.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Billige KI-Tokens, teure Chips – der KI-Boom gerät in die Margenfalle“?
Die Kosten für vergleichbare KI Inferenz sind in etwa zwei Jahren um rund 95 Prozent gefallen, während Halbleiter und Finanzierungskosten steigen.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Die Kosten für vergleichbare KI Inferenz sind in etwa zwei Jahren um rund 95 Prozent gefallen, während Halbleiter und Finanzierungskosten steigen. Nvidia erzielte im zweiten Quartal des Geschäftsjahres 2027 einen Umsatz von 96,2 Milliarden US Dollar – ein Plus von 106 Prozent.
Was soll ich als nächstes in der Praxis tun?
Die geplante KI Chip Finanzierung von Broadcom befindet sich noch in Verhandlungen.