Warum James Durance bei KI-finanzierten Tech-Anleihen unter 2 % bleibt

James Durance, Portfoliomanager bei Fidelity International, hält seine Position in Technologieanleihen bewusst klein. In den von ihm betreuten Income-Strategien mit einem Volumen von rund 14 Milliarden US-Dollar liegt der Technologieanteil unter 2 %. Sein Argument: Die rasch wachsende Verschuldung großer Technologiekonzerne für KI-Infrastruktur könnte allein durch ihre Größe zum Risiko werden. 1

Seine Vorsicht richtet sich damit vor allem gegen ein aus seiner Sicht überfülltes, kapitalintensives und zunehmend gleichgerichtetes Kreditmarkt-Thema. Die entscheidende Frage lautet: Erhalten Anleihegläubiger bei den aktuellen Preisen genug Rendite als Ausgleich für diese Risiken?

Keine Wette auf Zahlungsausfälle

Durance prognostiziert nicht zwingend Ausfälle bei den großen Cloud- und Plattformkonzernen. Seine Sorge ist grundsätzlicher: Ein schnell wachsender Technologiesektor kann Kreditportfolios abhängig von denselben Annahmen machen – dauerhaft hohe KI-Nachfrage, produktive Investitionen und eine spätere Monetarisierung der heute aufgebauten Infrastruktur.

Nach seiner Einschätzung sind die Bewertungen derzeit nicht attraktiv. Seine Strategien müssen keinen Index nachbilden. Deshalb kann er Tech-Schuldtitel meiden, statt sie nur deshalb zu kaufen, weil ihr Gewicht in Anleiheindizes durch neue Emissionen steigt. 1

Das ist ein wesentlicher Unterschied: Fondsmanager mit engem Indexbezug können relativ stark untergewichtet sein, wenn ein Sektor immer mehr Anleihen ausgibt und dadurch im Index wächst. Durance kann dagegen ganz auf eine Beteiligung verzichten, wenn ihm das Verhältnis von Risiko und Ertrag nicht genügt.

Die KI-Emissionen verändern das Marktumfeld

Im Zentrum seiner Einschätzung steht das Emissionsvolumen. KI-bezogene Schulden machten zur Jahresmitte knapp 15 % aller 2026 emittierten Investment-Grade-Anleihen aus. Das aufgenommene Kapital fließt unter anderem in Rechenzentren und Lieferketten für Chips. 2

Zudem sind die jüngsten Emissionen KI-naher Unternehmen laut der Federal Reserve Bank of Dallas nicht nur groß, sondern auch auf lange Laufzeiten konzentriert. Von der Wall Street zitierte Schätzungen lagen für 2026 bei etwa 300 Milliarden US-Dollar an KI-bezogenen Investment-Grade-Emissionen. Daraus könnten bis zu 360 Milliarden US-Dollar an zusätzlichem Zinsänderungsrisiko entstehen, gerechnet in zehnjährigen Laufzeitäquivalenten. 15

Je mehr langfristige Unternehmensanleihen auf den Markt kommen, desto mehr Zins- und Kreditrisiko müssen Käufer aufnehmen. Selbst Anleihen finanzstarker Unternehmen können an Wert verlieren, wenn das Angebot groß ist oder Investoren für längere Laufzeiten höhere Renditen verlangen. Genau dieses Marktstrukturproblem steht hinter Durances Vorsicht – nicht nur die Bonität eines einzelnen Schuldners.

Konzentration als systemisches Risiko

Durances Warnung ist vor allem ein Konzentrationsargument. Wenn einige wenige große Emittenten, Anleiheindizes und Kreditportfolios immer stärker vom gleichen KI-Investitionszyklus abhängen, könnte eine Enttäuschung über dessen Erträge weite Teile des Marktes zugleich treffen.

Das bedeutet nicht, dass dieses Szenario eintreten muss. Es verlangt aber die Prüfung, ob die Kreditspreads die Möglichkeit geringerer KI-Cashflows, höherer Verschuldung oder einer länger anhaltenden Emissionswelle ausreichend einpreisen. In einem konzentrierten Marktsegment können sich diese Risiken über Indexgewichte und ähnliche Anlegerpositionierungen verbreiten, statt auf einzelne Unternehmen begrenzt zu bleiben. 115

Die optimistischere Sicht: „Long Compute“

Die Gegenposition setzt auf KI-Infrastruktur: Rechenkapazität, Rechenzentren und damit verbundene Dienstleister. Der Gedanke dahinter ist, dass diese Anlagen eine attraktivere Chance bieten könnten als eine bloße Verlängerung der Laufzeiten bei langlaufenden US-Staatsanleihen – sofern die Nachfrage nach Rechenleistung nachhaltig bleibt.

Diese Sichtweise steckt hinter Goldman-Sachs-Manager Anshul Sehgals Präferenz für „Long Compute“. Anleger, die KI-Infrastruktur finanzieren, setzen dabei auf Wachstumspotenzial zusätzlich zu laufenden Erträgen. Doch die Chance ist untrennbar mit Durances Einwand verbunden: Die Nachfrage nach Rechenleistung muss letztlich in ausreichend Cashflow münden, um die Investitionen und die dafür aufgenommene Finanzierung zu tragen.

Der Kern des Streits liegt daher bei Preis und Dauerhaftigkeit. Die optimistische Seite erwartet anhaltende Nachfrage nach knapper Infrastruktur. Die vorsichtige Seite fragt, ob Anleihegläubiger für einen langfristigen Ausbau, dessen Auslastung und Rendite noch erprobt werden müssen, ausreichend bezahlt werden.

Worauf Anleger jetzt achten sollten

Fidelity nennt mehrere Kennzahlen, die zeigen können, ob sich der KI-Ausbau zunehmend aus eigener Kraft trägt oder stärker von den Kapitalmärkten abhängig wird:

• Freier Cashflow nach Investitionen: Bleibt nach den KI-Ausgaben noch operativ erwirtschafteter Cashflow übrig?
• Nettoverschuldung und Zinsdeckung: Schränkt zusätzliche Verschuldung den finanziellen Spielraum ein?
• Kreditspreads: Kompensieren die Renditeaufschläge Angebotsschub und Unsicherheit ausreichend?
• Langfristige Renditen von US-Staatsanleihen: Sie sind ein wichtiger Maßstab für die Bewertung langlaufender Unternehmensanleihen.
• Extern finanzierte KI-Investitionen: Werden Ausgaben aus dem eigenen Cashflow oder über neue Schulden und anderes externes Kapital bezahlt? 7

Der Technologieanteil von unter 2 % ist für Durance somit eine Entscheidung zur Portfoliokonstruktion. Er will verhindern, dass ein schnell wachsendes KI-Finanzierungsthema eine Ertragsstrategie dominiert, bevor Bewertungen und Spreads einen klareren Sicherheitspuffer bieten. Die „Long Compute“-These kann aufgehen, wenn Nachfrage und Cashflows der Infrastruktur robust bleiben. Durances Gegenargument lautet jedoch: Größe, lange Laufzeiten und gemeinsame Abhängigkeiten können selbst zu Risiken werden. 1715