40 Billionen Dollar Schuldenlast drückt, aber der KI-Rechenzentrum-Bauboom ist nicht zu stoppen! Billionen-Dollar-Welle verlängert den Superzyklus der Rechenleistung

Wie von Smart Finance berichtet wurde, erklärte ein von Andrew Sheets, einem erfahrenen Strategen bei dem Wall Street-Finanzgiganten Morgan Stanley, geleitetes Team kürzlich, dass die US-Regierung etwa 40 Billionen US-Dollar an Bundesstaatsschulden angehäuft habe. Dennoch habe der Anstieg der Staatsverschuldung bislang nicht die historische Kreditwelle von AI-bezogenen Technologieunternehmen gestoppt und auch nicht die nach wie vor widerstandsfähigen Ausgaben amerikanischer Haushalte beeinträchtigt.

Das bedeutet aus Sicht des Morgan Stanley-Strategenteams, dass die 40 Billionen US-Dollar US-Staatsverschuldung noch keinen "Kreditausfall" im Unternehmens- und Haushaltssektor ausgelöst haben – insbesondere weil das Unternehmens-Leverage stabil bleibt, die Emissionsvolumina weiterhin Rekordhöhen erreichen könnten und die Haushalte im Vergleich zu 2000 und 2019 heute weniger Schulden tragen. Die robuste Konsumausgaben und Unternehmensgewinne kompensieren weiterhin die negativen Auswirkungen steigender Zinssätze/Kurven von US-Staatsanleihen auf den US-Aktienmarkt und sogar die globalen Aktienmärkte. Die langfristige Rendite von US-Investment-Grade-Anleihen liegt bei 6,2% und die Rendite 30-jähriger US-Staatsanleihen etwa 300 Basispunkte über der erwarteten Inflation, was die Opportunitätskosten für Aktien weiter steigen lässt. Das, was die "starke Koexistenz von Aktien und Anleihen" wirklich beenden könnte, ist nicht das Schuldenvolumen an sich, sondern letztlich die durch hohe Finanzierungskosten verursachte Verlangsamung des Gewinnwachstums von Unternehmen.

Die 40 Billionen US-Dollar Schuldenberge in den USA haben die Unternehmens-Kreditkanäle noch nicht verschlossen, was bedeutet, dass der aktuelle "Superzyklus der AI-Rechenleistung" eher mit steigenden Finanzierungskosten als mit einer "Austrocknung der Finanzierungsmöglichkeiten" konfrontiert ist. Die Unternehmensverschuldung in den USA bleibt im Verhältnis zum BIP etwa auf dem Niveau von vor zehn Jahren und ist deutlich niedriger als vor der Pandemie. Morgan Stanley erwartet dennoch, dass die Emission von Unternehmensanleihen in diesem Jahr einen Rekord erreichen wird. Die Haushaltsverschuldung liegt bei etwa 67% des BIP und damit unter dem Höchststand, Konsumresilienz unterstützt weiterhin die Unternehmensgewinne.

Daher können riesige Cloud-Anbieter (sogenannte Hyperscaler), Top-AI-Labore wie Anthropic und OpenAI sowie die von "neuen Cloud"-Akteuren geführten AI-Datacenter-Entwickler weiterhin über Investment-Grade-Anleihen, Projektfinanzierungen und private Kreditstrukturen, zukünftige nahezu unendliche Token-Einnahmenerwartungen sowie die realen Cashflows aus AI-Produkten, APIs und Cloud-Services eng mit starken Bestellungen entlang der gesamten AI-Rechenleistungs-Industriekette verknüpfen: GPU-Rechenleistungsracks, HBM/DRAM/NAND-Speicherkomponenten, Datacenter-CPUs und optische Interconnect-Systeme, Strominfrastruktur und Flüssigkeitskühlsysteme. Die gesamtamerikanische Staatsverschuldung hat die 40 Billionen US-Dollar überschritten, aber es gibt bislang keine klassische private "Crowding-out"-Effekte.

Mit anderen Worten: Die 40 Billionen US-Dollar Schulden haben den AI-Rechenleistungs-Investitionsboom nicht beendet, sondern die Infrastruktur-Bauphase in einen zweiten Abschnitt geführt, in dem Kredit weiterhin verfügbar ist, Kapital jedoch teurer wird. Für die kommenden 2–3 Jahre wird deshalb wahrscheinlich eine intensive Bauzyklusphase in der AI-Infrastruktur erhalten bleiben.

Solange die Kapitalmärkte offen bleiben, können die großen Cloud-Anbieter über ihre Bilanzen Investment-Grade-Anleihen ausgeben, AI-Labore erhalten Kapital über Eigenkapital, Rechenleistungs-Beschaffungszusagen und Drittgarantien, und Datacenter-Entwickler nutzen langfristige Pachtverträge, Stromverträge und Projektanlagen für Projektfinanzierung und private Kredite. Dieses Kapital wird schließlich in Bestellungen für GPU, HBM, optische Interconnects, Energieversorgung und Kühlsysteme umgesetzt. Die Rückzahlung erfolgt aus den realen Cashflows von AI-Abos, API-Aufrufen und Cloud-Diensten und nicht ausschließlich aus Erwartungen an starke Token-Einnahmenwachstum.

Ein weiterer Wall-Street-Riese, Goldman Sachs, erwartet, dass große Technologieunternehmen zwischen 2025 und 2030 kumulativ rund 5,3 Billionen US-Dollar an Investitionsausgaben tätigen werden. Der Anteil von Fremdfinanzierungen bei AI-Investitionen könnte von etwa 33% im Jahr 2026 auf 35% im Jahr 2027 steigen. Allein 2026 könnten Hyperscaler rund 250 Milliarden US-Dollar direkte Anleiheemissionen auflegen, wobei Projektfinanzierungen noch nicht enthalten sind. Diese Prognosen und Trends bestätigen, dass die 40 Billionen US-Dollar US-Schulden noch nicht die Unternehmens-Kreditkanäle geschlossen haben: Investment-Grade-Anleihen, projektfinanzierte langfristige Mietverträge, private Kredite und Lieferantengarantien sorgen weiterhin gemeinsam dafür, dass Rechenleistungs-Assets realisiert werden.

40 Billionen US-Dollar Schuldenberge drücken, der Unternehmensfinanzierungsstrom ebbt nicht ab! Morgan Stanley: Die wirkliche Gefahr für US-Aktien liegt nicht bei den Zinssätzen, sondern beim Einbruch der Gewinne

Rund die Hälfte der US-Bundesverschuldung ist in den vergangenen zehn Jahren hinzugekommen, auch die Staatsverschuldung im Verhältnis zum BIP stieg bei führenden Weltwirtschaften. Mit Ausnahme von Großbritannien wird erwartet, dass die Haushaltsdefizite weiterhin hoch bleiben werden, sodass die staatlichen Kreditaufnahmen weiter steigen.

Trotz steigender Leitzinsen und langfristiger Staatsanleiherenditen bleiben die Unternehmensbilanzen relativ widerstandsfähig. Die Unternehmensverschuldung im Verhältnis zum BIP hat sich im Vergleich zu vor zehn Jahren kaum verändert und liegt weiterhin deutlich unter dem Niveau von vor der Pandemie. Gleichzeitig prognostiziert das Kreditstrategeteam von Morgan Stanley weiterhin, dass die Emission von Unternehmensanleihen in diesem Jahr einen historischen Höchststand erreichen wird. Sheets betont, dass man nicht erwarten sollte, dass steigende Renditen die aktuelle, beispiellose AI-Rechenleistungs-Finanzierungswelle stoppen werden.

Auch die Finanzlage der US-Haushalte bleibt vergleichsweise gesund. Die Haushaltsverschuldung liegt aktuell bei etwa 67% des BIP, niedriger als ungefähr 70% im Jahr 2000 und dem Rekordhoch von 74%, das 2019 erreicht wurde. Sheets weist darauf hin, dass die Haushaltssausgaben trotz steigender Zinssätze und längerfristiger US-Staatsanleiherenditen weiterhin robust bleiben.

Für die Finanzmärkte ist die größere und schwerwiegendere Frage: Werden Renditen/Zinssätze letztlich steigen, sodass Anleger ihre Nachfrage von Aktien hin zu Anleihen umschichten? Daten von Morgan Stanley zeigen, dass die Rendite der 30-jährigen US-Staatsanleihen aktuell etwa 300 Basispunkte über der erwarteten Inflation liegt, während die Rendite langfristiger US-Investment-Grade-Anleihen bei 6,2% liegt.

Bislang ist diese Umschichtung noch nicht in großem Umfang zu beobachten. Obwohl die Rendite 10-jähriger US-Staatsanleihen dieses Jahr um rund 50 Basispunkte gestiegen ist, legte der Benchmark US-Aktienindex S&P 500 ebenfalls kräftig um 13% zu. Nach dem umfassenden KI-Boom seit 2023 unterstützt das kräftige Gewinnwachstum der Tech-Unternehmen die Wettbewerbsfähigkeit von Aktien auch angesichts höherer Anleiherenditen.

Für das von Sheets geleitete Strategenteam bei Morgan Stanley ist die entscheidende Frage, ob das Gewinnwachstum des Aktienmarkts angesichts steigender Kreditkosten weiterhin widerstandsfähig bleibt. Sollte das Gewinnwachstum merklich nachlassen, wäre die Bedeutung der steigenden Renditekurve langfristiger US-Staatsanleihen für die Aktienbewertung deutlich höher.

Token-Verbrauch peilt das 24-fache an, 10 Billionen US-Dollar institutionelles Kapital breitet sich entlang der KI-Rechenleistungs-Flaschenhälse weiter aus! 40 Billionen US-Dollar Schuldenberge können die Ausweitung von Krediten nicht stoppen

Der jüngste Bericht von Goldman Sachs über institutionelle Bestände im Wert von 10 Billionen US-Dollar zeigt nicht, dass der "Glaube an KI" völlig erloschen ist, sondern dass Kapital von GPU-Kernführern hin zu "unersetzlichen Infrastruktur-Flaschenhälsen" umgeschichtet wird. Goldman Sachs erfasste 991 Hedgefonds mit insgesamt 5,4 Billionen US-Dollar Aktienbeständen sowie 504 große aktiv gemanagte Investmentfonds, die 4,6 Billionen US-Dollar an Aktienvermögen verwalten.

Beide Kapitaltypen stocken gemeinsam ihre Positionen bei Unternehmen wie Bloom Energy, Flex und Seagate Technology etc. auf – bei Speicherprodukten, Stromversorgung für Datacenter, Serverfertigung und weiteren KI-Rechenleistungs-Infrastrukturengpässen entsteht eine institutionsübergreifende Einigkeit. Neun der zehn beliebtesten Hedgefonds-Bestände sind KI-bezogen, Amazon bleibt im elften Quartal in Folge das größte Einzelinvestment. Die Investmentfonds sind bei Nvidia und AMD im Vergleich zur Benchmark rund 100 bzw. 60 Basispunkte untergewichtet, was bedeutet, dass KI-Investments noch nicht das Portfolio-Maximum erreicht haben. Zukünftige Aufstockungen müssen durch Gewinnverwirklichung und nicht nur durch Stimmung für das Thema erfolgen.

Die zugrundeliegende Logik dieser Expansion und Rotation ist der Wandel von "Superzyklen bei leistungsstarken Rechenchips" hin zum vollständigen KI-Kapitalzyklus: Mehr GPU/TPU/AI-ASICs führen gleichzeitig zu mehr Servern, mehr Speicher, Unternehmens-NAND-Komponenten, Ethernet-Switches, optischen Modulen, Datencenter-Glasfaserverbindungen und Interconnects, Hochleistungskonnektoren, Server-Racks, Kühl- und Verteilungsbedarf; je größer die Trainings- und Inferenz-Cluster, desto mehr Ports, höherer Einzelrack-Wert und mehr Interconnect-Komplexität.

Morgan Stanley prognostiziert, dass bis 2028 fast 3 Billionen US-Dollar an AI-infrastrukturellen Investitionen die globale Wirtschaft durchströmen werden, über 80% der Ausgaben liegen noch vor uns. Goldman Sachs aktuellste Schätzung zeigt: Das globale KI-Capex-Basismodell erwartet, dass die jährlichen Ausgaben von 765 Milliarden US-Dollar im Jahr 2026 auf 1,6 Billionen US-Dollar im Jahr 2031 steigen. Insgesamt sollen die Kapitalausgaben zwischen 2026 und 2031 rund 7,6 Billionen US-Dollar erreichen; der US-Datacenter-Strombedarf dürfte von 31 GW im Jahr 2025 auf 66 GW bis 2027 steigen – das diffundiert die KI-Rechenleistungs-Infrastruktur-Investitionen direkt auf Server-CPUs, DRAM/NAND/HBM, fortschrittliches Packaging, Flüssigkühlung, Stromgeräte, Transformatoren, Gasturbinen, Netztechnik, Data-Center-REITs und Bauindustrie.

Der Kernausbau der Nachfrage nach KI-Rechenleistung stammt aus dem Wandel "von der Beantwortung von Fragen hin zur Durchführung von Arbeitsabläufen": Intelligente Agenten müssen Aufgaben planen, Tools aufrufen, Ergebnisse überprüfen, Fehler neu ausführen – bei einzelnen Aufgaben könnten Token-Verbrauchswerte zehn-, zwanzig-, sogar fünfzigfach höher liegen als bei klassischen Chat-Abfragen. Weltmodelle verlagern die Rechenleistungsgrenzen von Text zu Robotik, Industrialsimulation und physischen Systemen. Die offizielle Prognose von Goldman Sachs lautet: Bis 2030 könnte der globale Token-Verbrauch um das 24-fache steigen – auf 120 Billiarden Token pro Monat. Zugleich sinken die Kosten pro Token für Inferenz jährlich um 60–70%, was zu einem "Kostensenkung–Anwendungsdiffusion–Gesamtnachfrageanstieg"-Jevons-Paradoxon führt.

Die 40 Billionen US-Dollar Schuldenberge haben den KI-Investitionsboom nicht beendet, sondern führen die Branche in einen zweiten Abschnitt, in dem Kredit weiterhin offen ist, Kapital aber teurer wird. Die 30-jährige US-Staatsanleiherendite liegt bei etwa 5,23%, Investment-Grade-Unternehmensanleihen bei 6,2%. Das zwingt jedes KI-Projekt, seine interne Rendite (IRR) so zu gestalten, dass die steigenden Kapitalkosten gedeckt werden. Folgeinvestitionen werden daher nicht wahllos in alle Konzeptaktien fließen, sondern bevorzugt in GPU-Cluster, HBM/DRAM/NAND-Speicher, Datacenter-Highspeed-Netze & Interconnects, neue Cloud-Anbieter etc., die langfristige Aufträge, freien Cashflow, Preissetzungsmacht und Schlüsselpositionen im KI-Rechenkompetenznetz haben. Setzt die Token-Monetarisierung sich fort, verlängert der Unternehmensfinanzierungsstrom den KI-Kapitalzyklus. Bricht die Gewinnentwicklung jedoch ab oder steigen die langfristigen Renditen durch "Bond Vigilantes" wieder chaotisch an, werden hochverschuldete neue Cloud-Anbieter und Projekte mit externen Garantien zuerst eine doppelte Abwertung bei Bewertung und Kredit erleben.