Die Dynamik im KI-Sektor verlagert sich sichtbar von der reinen Modellentwicklung hin zur Frage, wie sich KI in großem Maßstab, kosteneffizient und nachhaltig betreiben lässt. Weil die Rechenzentren für Generative AI in den kommenden Jahren zu den größten zusätzlichen Stromverbrauchern weltweit zählen werden, entstehen derzeit entlang der gesamten Wertschöpfungskette neue Technologien, Geschäftsmodelle und Anbieter – vom energieeffizienten Inferenz-Chip über KI-optimierte Rechenzentren bis zu Software, die Workloads intelligent steuert. Für Investoren eröffnet das ein eigenständiges, wachsendes Themenfeld mit klarer Realwirtschaftsbindung. Prognosen gehen davon aus, dass sich der Strombedarf von Rechenzentren bis 2030 mehr als verdoppeln kann, wobei KI den größten Anteil am Zuwachs hat.
„Wir sehen, dass sich der Wettbewerb im KI-Markt gerade verschiebt: Nicht mehr nur die Größe der Modelle entscheidet, sondern die Fähigkeit, sie möglichst günstig, schnell und unter Nachhaltigkeitsgesichtspunkten laufen zu lassen. Das begünstigt Anbieter spezialisierter Inferenz-Beschleuniger, Betreiber KI-optimierter Rechenzentren und Softwarehäuser, die Datenströme, Speicher und Kühlung intelligent orchestrieren. Genau dort entsteht jetzt ein investierbares Ökosystem – und es entsteht sehr nah an den Budgets der Anwender“, sagt Christian Hintz, Portfoliomanager des „AI Leaders“ (WKN: A2PF0M / ISIN: DE000A2PF0M4), ein global investierender Aktienfonds mit dem Fokus auf Anbieter und Anwender Künstlicher Intelligenz. Neue Accelerator-Generationen großer wie neuer Marktteilnehmer zielen ausdrücklich auf geringeren Energieverbrauch pro Rechenoperation und auf skalierbare, flüssigkeitsgekühlte Racks, weil ohne diese Effizienzsprünge die erwarteten KI-Workloads nicht mehr wirtschaftlich darstellbar wären.
Besonders deutlich wird die Investitionsrelevanz an den Engpässen der Infrastruktur. Viele Standorte können die geplanten Rechenzentrums-Kapazitäten nur mit Verzögerung ans Netz bringen, weil Übertragungs- und Verteilnetze bereits heute hoch ausgelastet sind, was wiederum Technologien für Lastverschiebung, für flexible Kühlkonzepte oder für die standortnahe Energieversorgung attraktiv macht. Gleichzeitig steigen die Anforderungen der Unternehmen, KI-Modelle nicht mehr nur zentral, sondern auch „near edge“ und in sicherheitskritischen Umgebungen auszuführen. Damit gewinnen Anbieter, die AI-Workloads auf stromsparende Hardware, synthetische Trainingsdaten und ressourceneffiziente Software-Stacks verteilen können, strategisch an Gewicht – und zwar quer durch Branchen wie Industrie, Handel, Telekommunikation und Finanzwirtschaft.
„Für Investoren ist das ein sehr interessantes Setup“, ergänzt Tilmann Speck aus dem Managementteam des „AI Leaders“. „Zum einen wächst der adressierbare Markt für KI-Hardware und -Infrastruktur weiter zweistellig. Zum anderen verschiebt sich die Preissetzungsmacht zu denen, die KI-Leistung pro Kilowattstunde verbessern, Rechenzentren schneller skalieren oder Inferenzkosten dauerhaft senken können. Diese Unternehmen koppeln sich damit teilweise von der konjunkturellen Nachfrage nach ‚nice-to-have -KI ab und docken an ohnehin steigende IT-, Energie- und Sicherheitsbudgets an. Für uns ist das ein wichtiger Grund, KI nicht nur über Model-Provider oder Big Tech abzubilden, sondern den Infrastruktur-Layer bewusst mitzudenken.“ Dass große Plattformkonzerne inzwischen sogar mit Netzbetreibern und Versorgern Vereinbarungen zur flexiblen Leistungsaufnahme treffen, unterstreicht den strukturellen Charakter dieses Trends.
Aus Sicht des Fonds „AI Leaders“ wird sich der Markt in den kommenden Jahren entlang dreier Linien ausprägen: Erstens werden Anbieter leistungsstarker, aber sparsamer Inferenz-Chips und Hochbandbreitenspeicher zu Kernbausteinen der KI-Ökonomie, weil Inferenz-Workloads das Training mengenmäßig deutlich übersteigen werden. Zweitens entsteht mit KI-ready-Rechenzentren ein Infrastruktursektor, der nicht nur Fläche und Strom bereitstellt, sondern KI-spezifische Orchestrierung, Sicherheit und Kühlung als Service anbietet. Drittens werden Software- und Plattformanbieter, die die Nutzung synthetischer Daten, die Modellkompression und die Verteilung von Workloads automatisieren, dafür sorgen, dass KI auch dort wirtschaftlich einsetzbar bleibt, wo Daten knapp, reguliert oder teuer sind. Zusammen ergibt sich damit ein wachstumsstarkes Anlageuniversum, das technologischen Fortschritt mit sehr konkreten, absehbaren Investitionsentscheidungen der Anwender verknüpft.
Neues Investitionsfeld: KI-Infrastruktur mit Effizienzfokus hinzugefügt von Presse am
Alle Beiträge von Presse →
