Hoe de financieringsgolf rond AI de kredietmarkt verandert

De AI-infrastructuur is niet langer alleen een technologisch verhaal. Het is ook een verhaal over kredietmarkten. Volgens Morgan Stanley bedroeg de wereldwijde uitgifte van AI-gerelateerde schuld op 31 mei 2026 ongeveer 236 miljard dollar — circa vier keer zoveel als in dezelfde periode een jaar eerder. De zakenbank verwacht dat dit bedrag over heel 2026 kan oplopen tot bijna 570 miljard dollar. Goldman Sachs kwam later uit op ongeveer 489 miljard dollar per 22 juli, al meer dan de bank voor heel 2025 raamde.

Die cijfers spreken elkaar niet tegen: ze hebben betrekking op verschillende peildata en schattingen. Samen laten ze vooral zien hoe snel de financiering van datacenters, rekenkracht, elektriciteitsvoorziening en aanverwante infrastructuur naar de publieke en private kredietmarkten is verschoven.

De hyperscalers zorgen voor het aanbod

De belangrijkste leners zijn Amazon, Alphabet, Meta, Microsoft en Oracle. Amazon, Alphabet, Meta en Oracle hadden op 7 juli samen ongeveer 194 miljard dollar aan obligaties uitgegeven in 2026. In heel 2025 was dat nog circa 108 miljard dollar, blijkt uit een analyse van Reuters op basis van LSEG-gegevens.

Een latere uitsplitsing per uitgever kwam ongeveer uit op:

• Amazon: 53 miljard dollar schuld, waaronder een Amerikaanse obligatie-uitgifte van 37 miljard dollar en meer dan 16 miljard dollar aan obligaties in euro’s;
• Alphabet: ongeveer 20 miljard dollar aan obligaties;
• Oracle: circa 25 miljard dollar, opgehaald voor de uitbreiding rond AI.

Deze bedragen zijn momentopnames. De uitkomst hangt af van de peildatum en van wat precies als AI-gerelateerde financiering wordt meegeteld. Obligaties, leases, private kredietconstructies, joint ventures en projectfinanciering komen niet altijd in dezelfde datasets terecht. Daardoor is er geen definitieve, volledig vergelijkbare ranglijst van de schulden per bedrijf.

Waarom lenen bedrijven die al veel cash hebben?

De omslag is opmerkelijk. Grote technologiebedrijven financierden investeringen traditioneel grotendeels uit hun eigen kasstromen. Maar de AI-infrastructuur vraagt om meerdere dure investeringen tegelijk: geavanceerde processors, netwerkapparatuur, datacenters, grond, koeling en elektriciteitscapaciteit.

Die uitgaven moeten bovendien worden gedaan voordat duidelijk is hoeveel omzet AI-diensten uiteindelijk opleveren. Reuters meldde dat de gezamenlijke uitgaven van technologiebedrijven in 2026 naar verwachting boven 730 miljard dollar uitkomen, tegen een eerdere raming van ongeveer 700 miljard dollar.

Schuld maakt het mogelijk om nu al te bouwen en capaciteit veilig te stellen, in afwachting van toekomstige AI-inkomsten. Ook leases, aandelenuitgiftes, private kredietfondsen, infrastructuurfondsen en joint ventures vergroten de financieringsmogelijkheden.

Daar staat een duidelijke ruil tegenover: een groter deel van het uitvoeringsrisico verschuift van de kasbalansen van technologiebedrijven naar obligatiehouders, kredietverstrekkers en investeerders in infrastructuurprojecten.

Wat verandert er op de kredietmarkt?

Het directe effect is een sterke toename van langlopende obligaties met een investmentgrade-rating. Naarmate technologiebedrijven meer schuld uitgeven, worden beleggers selectiever over hoeveel nieuw papier ze willen opnemen — en tegen welke rente.

Reuters meldde dat grote uitgevers tegen steeds hogere rendementen moesten lenen doordat de vraag afkoelde. Dat kan ook gevolgen hebben voor andere bedrijven die op dezelfde looptijdgevoelige beleggers mikken. Een grote golf aan technologie-obligaties kan leiden tot:

• hogere vereiste rendementen;
• ruimere kredietspreads;
• grotere renteopslagen bij nieuwe uitgiftes;
• hogere herfinancieringskosten; en
• meer financiering in euro’s of andere valuta, via private kredietmarkten of buiten de balans.

Het effect op Amerikaanse staatsobligaties is indirect. Veel nieuwe bedrijfsobligaties vergroten de concurrentie om langlopend kapitaal en kunnen daardoor bijdragen aan druk op lange rentes. Maar staatsrentes worden vooral bepaald door economische groei, inflatieverwachtingen, monetair beleid en de hoeveelheid nieuwe staatsobligaties. AI-leningen zijn dus een extra factor die de vraag naar langlopende financiering beïnvloedt, geen zelfstandige verklaring voor bewegingen op de Amerikaanse staatsobligatiemarkt.

De Bank voor Internationale Betalingen wees er bovendien op dat de uitgifte van obligaties door hyperscalers sterk is gestegen en dat veel van die leningen een lange looptijd hebben. De spreads van kredietverzuimswaps — contracten waarmee beleggers zich tegen wanbetaling kunnen verzekeren — liepen vooral bij lager gewaardeerde uitgevers op, omdat beleggers twijfelen aan het uiteindelijke rendement van sommige projecten.

NVIDIA zoekt een tweede financieringskanaal

NVIDIA kondigde in augustus samenwerkingen aan met Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs en KKR. De partijen willen onafhankelijke financieringsplatforms opzetten die op termijn meer dan 500 miljard dollar aan extern kapitaal kunnen mobiliseren.

Het idee gaat verder dan simpelweg opnieuw bedrijfsobligaties uitgeven. Externe investeerders zouden via afzonderlijke kapitaalpools datacenters, energie-infrastructuur, AI-fabrieken en NVIDIA-hardware kunnen financieren. NVIDIA presenteert rekenkracht en volledige AI-infrastructuur daarmee als een nieuwe beleggingscategorie.

Als het model werkt, hoeft minder infrastructuur rechtstreeks op de balans van hyperscalers te staan. AI-projecten kunnen dan gemakkelijker worden gekoppeld aan private-equityfondsen, private kredietverstrekkers, infrastructuurfondsen en projectfinanciers.

Maar risico verdwijnt daarmee niet. Het verandert vooral van eigenaar: andere partijen bezitten de activa, verstrekken de leningen en dragen de verliezen als de bezettingsgraad of inkomsten tegenvallen.

De risico’s die beleggers volgen

1. Hogere langetermijnrentes maken de bouw duurder

Een hogere rente op langlopende staatsobligaties verhoogt de totale financieringskosten van bedrijfsobligaties, leases en projectleningen. Ook daalt de huidige waarde van kasstromen die pas ver in de toekomst worden verwacht. Een project dat aantrekkelijk lijkt bij goedkope financiering, kan veel minder rendabel worden zodra de rentelasten stijgen.

2. AI-omzet kan later komen dan de schuld

Infrastructuurfinanciering wordt vaak jaren geregeld voordat een faciliteit volledig is benut. De schuldendienst begint echter volgens een vast schema, terwijl de vraag naar rekenkracht en de omzet uit AI-producten zich mogelijk trager ontwikkelen.

De kernvraag is daarom niet of hyperscalers nog kunnen lenen. Veel van hen hebben daarvoor nog aanzienlijke financiële ruimte. De vraag is of de totale schuld sneller groeit dan de duurzame vraag naar AI en de bijbehorende kasstromen.

3. Oracle laat zien hoe kredietzorgen bedrijfsspecifiek worden

Oracle wordt nauwlettend gevolgd omdat het bedrijf een agressieve AI-expansie financiert en gevoeliger is voor schuld- en herfinancieringsrisico’s dan de grootste, meest kapitaalkrachtige technologiebedrijven. Berichten wijzen op een duidelijke stijging van de credit-default-swap-spreads van Oracle, al verschillen de precieze niveaus per bron en peildatum.

Een hogere CDS-spread betekent niet dat een faillissement op handen is. Het betekent dat de verzekering tegen wanbetaling duurder is geworden en dat beleggers een grotere vergoeding vragen voor het waargenomen kredietrisico.

4. GPU’s veroorzaken een mismatch tussen activa en verplichtingen

AI-hardware kan economisch sneller in waarde dalen dan de obligaties of infrastructuurleningen waarmee die hardware is gefinancierd, aflopen. Als nieuwe processorgeneraties bestaande GPU’s minder concurrerend maken of de bezettingsgraad daalt, kan de waarde van het onderpand afnemen terwijl de schuld blijft staan.

Dat verschilt van klassieke vastgoedfinanciering. Een datacentergebouw kan jarenlang bruikbaar blijven, maar de rekenapparatuur binnenin kan snel technisch verouderen.

5. Projecten kunnen afhankelijk zijn van weinig huurders

Datacenters en projectfinancieringen kunnen sterk leunen op een klein aantal hyperscalers als huurders. Een lagere investeringsbereidheid, heronderhandeling van contracten of zwakkere vraag naar cloud- en AI-diensten bij één grote klant kan meerdere projecten tegelijk raken — zeker wanneer die locaties voor gespecialiseerde AI-toepassingen zijn gebouwd.

6. De opnamecapaciteit van de kredietmarkt kan de grens worden

De grootste technologiebedrijven kunnen mogelijk nog veel schuld toevoegen zonder direct hun investmentgrade-status te verliezen. Maar het vermogen van de obligatiemarkt om al die schuld tegen gunstige voorwaarden op te nemen is niet onbeperkt.

Onderzoek van Goldman Sachs wijst op een mogelijk verschil tussen wat hyperscalers zouden kunnen lenen en wat de markt voor Amerikaanse investmentgrade-obligaties comfortabel kan absorberen.

Dat helpt verklaren waarom bedrijven uitwijken naar euro-obligaties en andere valuta, private investmentgrade-kredieten, infrastructuurfondsen, leases en obligaties voor joint-ventureprojecten. Deze kanalen spreiden de financiering, maar kunnen het ook moeilijker maken om de totale schuldenlast van het AI-ecosysteem te overzien.

De conclusie

De AI-boom verandert de manier waarop infrastructuur wordt betaald. Wat begon als een technologie-investering die grotendeels uit bedrijfsreserves werd gefinancierd, ontwikkelt zich tot een brede kapitaalmarktronde met publieke obligaties, private kredieten, infrastructuurfondsen, leases en projectfinanciering.

Op korte termijn betekent dat vooral meer aanbod van investmentgrade-obligaties en een kritischere houding van beleggers. Het langetermijnrisico is een mismatch tussen activa en verplichtingen: infrastructuur en hardware worden vandaag gefinancierd op basis van AI-vraag en inkomsten die later komen — of uiteindelijk lager uitvallen dan verwacht.

De beslissende scheidslijn loopt tussen een productieve infrastructuurcyclus en een schulden- of hefboomcyclus. Lenen is houdbaar als de bezettingsgraad, prijzen en inkomsten uit AI-diensten stijgen voordat hardware-afschrijving en schuldendienst knellend worden. Het model wordt kwetsbaar als de capaciteit sneller groeit dan de duurzame vraag.