„KI-Modelle mögen austauschbar werden, Rechenkapazitäten und Plattformen sind es nicht“

Die rasante Entwicklung künstlicher Intelligenz versetzt die Technologiemärkte in Aufruhr. Während Infrastrukturanbieter von massiven Investitionen profitieren, geraten klassische Softwareunternehmen unter Bewertungsdruck. Malte Kirchner, Head of DACH bei DNB Asset Management, analysiert die strukturellen Verschiebungen und erklärt, warum pauschale Marktreaktionen der komplexen Realität nicht gerecht werden.

Volatilität als Folge eines Paradigmenwechsels

Die ausgeprägte Volatilität bei Software-Aktien in den vergangenen Monaten spiegelt nach Einschätzung Kirchners weniger schwächere Fundamentaldaten wider als vielmehr einen technologischen Paradigmenwechsel. „Die Dynamik des globalen Technologie- und KI-Ökosystems lässt sich derzeit am besten als Zusammenspiel aus massiven Infrastrukturinvestitionen, strukturellen Verschiebungen entlang der Wertschöpfungskette und einer Neubewertung klassischer Software-Geschäftsmodelle beschreiben“, erklärt der Experte.

Der Markt diskutiere zunehmend, ob bestehende Softwaremodelle durch KI strukturell unter Druck geraten könnten und wie nachhaltig aktuelle Bewertungen sind. Diese Unsicherheit habe zu einer spürbaren Neubewertung vieler Titel geführt, häufig pauschal und wenig differenziert.

Hyperscaler als strukturelle Gewinner

Kirchner identifiziert eine wachsende Entkopplung zwischen der Qualität einzelner KI-Modelle und der Ertragskraft der zugrunde liegenden Plattformen. Unternehmen wie Microsoft, Amazon oder Alphabet profitierten weniger davon, welches KI-Modell sich durchsetze, sondern davon, dass KI-Modelle überhaupt in großem Umfang genutzt werden.

„Jede Anwendung erzeugt Rechenlast. Und Rechenlast bedeutet Nachfrage nach Cloud-Infrastruktur, Netzwerken und Rechenzentren. Selbst wenn Preise und Margen auf Modellebene unter Druck geraten, bleibt die strukturelle Nachfrage nach Inferenz-Kapazitäten bestehen.“

Genau deshalb erwiesen sich große Cloud-Plattformen trotz hoher Investitionen kurzfristig als robust positioniert, so Kirchner.

Kapitalintensität als Risikofaktor

Mit der Verschiebung der Wertschöpfung hin zur Infrastruktur rückt laut dem DNB-Experten der Investitionszyklus stärker in den Fokus. Besonders kapitalintensive Segmente wie GPU-Produzenten, Speicherhersteller oder Halbleiter-Foundries reagierten sensibel auf Veränderungen in der Nachfrage.

Unternehmen wie Nvidia hätten zuletzt stark vom KI-Boom profitiert. Gleichzeitig steige mit zunehmender Kapazitätsausweitung das Risiko temporärer Überangebote, falls sich Investitionsentscheidungen verzögerten oder die Monetarisierung langsamer verlaufe als erwartet. „Der Kapitalzyklus wird damit zu einer zentralen Determinante der Ertragskraft“, warnt Kirchner.

Preisdruck durch Modellkonvergenz

Ein weiterer struktureller Treiber sei die rasche Konvergenz der Modellqualität bei Large Language Models. Leistungsunterschiede zwischen kommerziellen Modellen und hochwertigen Open-Source-Alternativen würden kleiner, während die Preisspannen teils erheblich blieben.

Diese Entwicklung erhöhe den Druck auf Modellanbieter, stabilisiere aber gleichzeitig die Nachfrage nach Infrastruktur. „Modelle mögen austauschbar werden, skalierbare Rechenkapazitäten, Datenintegration und operative Plattformen sind es nicht“, betont Kirchner.

Software: Differenzierung statt Pauschalurteil

Der Softwaresektor sei aktuell der Bereich, in dem Marktstimmung und fundamentale Realität am stärksten auseinanderfielen. Breite Verkaufsbewegungen suggerierten teilweise, Software sei strukturell gefährdet. Eine differenzierte Analyse zeige jedoch ein deutlich heterogeneres Bild.

Kirchner identifiziert drei Risikoebenen:

• Automatisierungseffekte, die die Zahl menschlicher Nutzer reduzieren können, primär ein Preismodell-Thema
• KI-gestützte Code-Generierung, die Entwicklungsprozesse beschleunigt, aber nicht gleichbedeutend mit dem Aufbau belastbarer, regulierungskonformer Systeme ist
• Neue, KI-native Architekturen, die langfristig die größte strukturelle Herausforderung darstellen, deren Durchsetzung jedoch Zeit benötigt

„Ein ERP-System wie SAP oder komplexe Engineering-Software bildet jahrzehntelang gewachsenes Domain- und Regulierungswissen ab. Diese Tiefe lässt sich nicht kurzfristig durch Sprachmodelle ersetzen.“

Genau hier liege die strukturelle Stabilität vieler etablierter Anbieter, so der Experte.

Kollaborations-Software bleibt relevant

Robust zeigten sich auch jene Unternehmen, die tief in organisatorische Abläufe eingebettet sind. Atlassian stehe exemplarisch für Kollaborations- und Prozesssoftware, die unabhängig davon relevant bleibe, ob Code von Menschen oder autonomen Agenten geschrieben werde. „Planung, Dokumentation, Koordination und Nachvollziehbarkeit bleiben zentrale Anforderungen“, erklärt Kirchner.

Auch klassische Technologieanbieter wie Nokia oder Ericsson profitierten von strukturellen Trends: geringere Wettbewerbsintensität, planbare Cashflows und eine zunehmende Bedeutung stabiler Netzwerkinfrastruktur im Zuge wachsender Datenströme.

Fazit: Differenzierung als Erfolgsfaktor

Der KI-Boom schaffe klare strukturelle Gewinner, insbesondere dort, wo Geschäftsmodelle skalierbar, infrastrukturell verankert und tief in Prozesse integriert sind. Gleichzeitig zwinge er Investoren dazu, Wertschöpfungsketten genauer zu analysieren und Risiken differenzierter zu bewerten.

„Nicht jede Disruption ist unmittelbar, nicht jeder Zyklus dauerhaft. Doch dort, wo Technologie, Daten, Infrastruktur und Organisation zusammenwirken, bleibt das langfristige Potenzial außergewöhnlich, trotz anhaltender Volatilität.“

Die wesentlichen Risiken lägen weniger im „Ob“ der KI-Revolution, sondern im „Wie schnell“ und „Wie gleichmäßig“ sich Wertschöpfung entlang des KI-Stacks materialisiere, resümiert Kirchner.