Citadel: Der Mangel an Rechenleistung bleibt das größte Hindernis für KI, hyperskalierte Cloud-Anbieter könnten die endgültigen Gewinner sein

Das Wettbewerbsumfeld in der KI-Branche differenziert sich immer schneller, und der entscheidende Faktor für Sieg und Niederlage ist nicht die Fähigkeit der Modelle, sondern die Verfügbarkeit physischer Rechenleistung.

Die jüngste Analyse von Citadel Securities zeigt, dass die Nachfrage nach Rechenleistung das Tempo des Angebotswachstums kontinuierlich übersteigt,das wirklich knappe Asset sind nicht die Chips im Lager, sondern die bereits mit Strom versorgte und sofort nutzbare Rechenleistung.

Diese strukturelle Engstelle lässt sich kurzfristig kaum beseitigen – der Anschluss ans Stromnetz und die Genehmigungszyklen für Projekte dauern oft Jahre, und selbst umfangreiche Investitionsprogramme können die Lücke kurzfristig nicht schließen. Das bedeutet, dass die aktuellen Cashflows von hyperscalern möglicherweise das tatsächliche Gewinnpotenzial ihrer bestehenden Infrastruktur unterschätzen.

Marktsignale zeigen, dass die Preise für das Mieten von Rechenleistung, auch bei älteren GPU-Modellen, stabil bleiben,was darauf hinweist, dass die vorhandene Kapazität weiterhin absorbiert wird und das angespannte Verhältnis zwischen Angebot und Nachfrage durch umfangreiche Investitionen nicht wesentlich entspannt wurde.Gleichzeitig verstärkt der Aufstieg von KI-Agenten den Verbrauch an Rechenleistung – ein einziger menschlicher Befehl kann Dutzende oder sogar Hunderte Modellaufrufe auslösen, wodurch der Verbrauch für einzelne Aufgaben steigt und die Nachfrageseite weiter gestützt wird.

01

Das Wesen des Rechenleistungs-Engpasses: Es geht nicht nur um Chips

Der Analyst von Citadel Securities, Nohshad Shah, weist darauf hin, dass unter "Rechenleistung" nicht nur die GPU allein zu verstehen ist,sondern vielmehr eine Kombination aus GPU, Stromversorgung, Platz im Rechenzentrum, Speicher, Netzwerk, Kühlsystemen und betrieblicher Expertise. Das wirklich Knappes ist die "sofort verfügbare, betriebsbereite Rechenleistung" – und nicht die Hardware, die im Lager liegt.

Die Forward-Kurve für Rechenleistung zeigt, dass das Angebot zwar steigt, die Nachfrage jedoch noch schneller wächst. Aufgrund der Stromnetzanschlüsse und langjährigen Genehmigungszyklen können selbst Großprojekte die Lücke kurzfristig nicht schließen. Die derzeitige Beschränkung für KI besteht nicht an zu wenigen Nutzern, sondern an mangelnder Rechenleistung, die tatsächlich im Betrieb ist.

Beachtenswert ist, dass die derzeitige Menge der Rechenleistung an Verträge aus den Jahren 2024 bis 2025 gebunden ist, als die Nachfrage noch nicht vollständig sichtbar war. Mit dem Ablauf dieser Verträge kann die bestehende Infrastruktur eine Neubewertung erfahren und gleichzeitig die Auslastung steigern – während die Kostenbasis weitgehend fixiert bleibt, wird der operative Hebeleffekt nach und nach freigesetzt.Die Analyse deutet darauf hin, dass der Markt dazu neigt, die Investitionskosten sofort zu berücksichtigen, aber das Potenzial für zukünftige Erträge unterschätzt.

Außerdem muss ein Preisrückgang beim token nicht unbedingt negativ sein. Günstigere intelligente Kosten machen mehr Anwendungsszenarien wirtschaftlich sinnvoll, und gemeinsam mit dem erhöhten Verbrauch durch KI-Agenten dürfte die Gesamtnachfrage nach Rechenleistung weiter wachsen. Entscheidend ist die Nachfrageelastizität: Wenn das Nutzungswachstum den Preisrückgang übertrifft, vergrößert der niedrige Preis den Markt, statt ihn zu schrumpfen; ein echtes Negativszenario ist, wenn der token günstiger wird, aber die Nutzung nicht deutlich zunimmt.

02

Die Branchenfragmentierung nimmt zu, hyperscaler profitieren doppelt

Die Analyse von Citadel Securities zeichnet das immer klarer werdende bipolare Muster der KI-Branche:Auf der einen Seite stehen pure Forschungslabore wie OpenAI und Anthropic, die Intelligenz selbst als Produkt anbieten; auf der anderen Seite diversifizierte hyperscaler wie Google und Microsoft, die unabhängig vom Sieger der Modell-Wettbewerbe Monetarisierung durch Full-Stack-Abdeckung erreichen können.

Innerhalb dieses Rahmens konzentrieren sich die fortschrittlichsten Modelle auf hochwertige Aufgaben wie Planung, Logik, Programmierung und Task-Organisation – und erzielen auf einem kleineren token-Anteil Premium-Gewinne; billigere oder Open-Source-Modelle übernehmen die hoch parallelen Ausführungsschichten. Forschungslabore mögen auf High-End-Aufgaben die Preismacht behalten, aber hyperscaler und Anbieter von Inferenz-Services profitieren auf beiden Ebenen – denn unabhängig von der Art der Aufgaben sind Chips, Speicher, Netzwerk und Strom unverzichtbar.

Das Fazit: Fortschrittliche Modelle planen, günstige Modelle führen aus, und diejenigen mit "betriebsbereiter Rechenleistung" profitieren auf beiden Seiten. Für Investoren, angesichts der Unsicherheiten bei der KI-Kommerzialisierung, sind hyperscaler, die physische Recheninfrastruktur kontrollieren, wahrscheinlich die risiko-ertragsmäßig sichersten Kandidaten dieses Wettbewerbs.

Wenn Sie es gut finden, klicken Sie bitte auf „Im Blick“