1,2 Billionen Dollar für KI-Rechenzentren: Wer die Rechnung am Ende bezahlt

Die großen US-Cloudkonzerne bauen ihre Rechenzentren schneller aus als bisher erwartet. Nach einer Analyse von Goldman Sachs, über die Bloomberg am 25. September 2026 berichtete, werden Amazon, Alphabet, Microsoft, Oracle und Meta im Jahr 2027 zusammen rund 1,2 Billionen Dollar investieren. Einen Tag zuvor hatte der Ökonom Stijn Van Nieuwerburgh von der Columbia Business School auf einer Tagung der Brookings Institution vorgerechnet, welche Umsätze nötig sind, damit sich dieser Ausbau jemals trägt. Zusammen ergeben beide Arbeiten ein klares Bild: Das Geld für die Infrastruktur muss am Ende über die Preise der KI-Dienste zurückkommen.

Von 400 Milliarden auf 1,2 Billionen in zwei Jahren

Das Team um Goldman-Stratege Ryan Hammond erwartet für 2027 ein Plus von 54 Prozent. Der Durchschnitt der Analystenschätzungen an der Wall Street lag bisher bei 1,1 Billionen Dollar. Für 2028 rechnet Goldman mit 1,4 Billionen Dollar, das Wachstum flacht dann auf 12 Prozent ab.

Wie steil die Kurve ist, zeigt der Blick zurück. Nach den Zahlen der Columbia-Studie gaben die fünf Konzerne 2020 zusammen 97 Milliarden Dollar für Investitionen aus, 2025 waren es gut 400 Milliarden. Für 2026 werden rund 800 Milliarden erwartet, fast eine Verdopplung. Damit übersteigen die Investitionen nach Van Nieuwerburghs Auswertung erstmals den operativen Cashflow der Unternehmen. Anders gesagt: Das laufende Geschäft allein finanziert den Ausbau nicht mehr.

Die Lücke schließen die Konzerne zunehmend über Wege außerhalb der klassischen Bilanz, etwa Leasing, Gemeinschaftsunternehmen, Kredite privater Fonds und Zweckgesellschaften. Als Beispiel nennt die Studie Meta, das die Mehrheit an einem Rechenzentrumsprojekt an den Finanzinvestor Blue Owl abgegeben hat.

Größer als der Eisenbahnboom

Van Nieuwerburgh beziffert den geplanten Ausbau in den USA von 2025 bis 2032 auf insgesamt 10,3 Billionen Dollar. Das entspricht im Schnitt 3,63 Prozent der jährlichen US-Wirtschaftsleistung. Zum Vergleich: Der Eisenbahnbau band zwischen 1870 und 1890 im Durchschnitt 2,24 Prozent, der Ausbau der Autobahnen 1,13 Prozent und der Glasfaserboom um die Jahrtausendwende 1,10 Prozent. Auch Goldman Sachs spricht vom größten Investitionszyklus einer Technologie, gemessen an der Wirtschaftsleistung, seit den Eisenbahnen im späten 19. Jahrhundert.

Hinter der Summe steht ein Ausbau auf eine Rechenzentrumsleistung von 183 Gigawatt bis 2032. Ein Standort mit einem Gigawatt kostet nach der Studie rund 41 Milliarden Dollar.

Welcher Umsatz nötig wäre

Spannend für Anwender ist die Gegenrechnung. Damit sich die Investitionen mit 10 Prozent verzinsen, bräuchte die Branche im Jahr 2032 nach Van Nieuwerburghs Basisrechnung KI-Umsätze von rund 3,7 Billionen Dollar im Jahr. Je nach Annahmen liegt die Spanne zwischen 2,3 und 6,7 Billionen. OpenAI und Anthropic kommen heute zusammen auf etwa 100 Milliarden Dollar, Anthropic allein nähert sich einem Jahreslauf von 100 Milliarden. Um die Zielmarke zu erreichen, müsste der Umsatz bis 2032 um rund 80 Prozent pro Jahr wachsen.

Die Frage ist nicht, ob die Rechenzentren gebaut werden, sondern ob Nachfrage und Preissetzungsmacht mit ihnen Schritt halten.

So lässt sich der Kern der Studie zusammenfassen. Umgerechnet entspricht der nötige Umsatz etwa 5,50 Dollar je GPU-Stunde bei voller Auslastung. Das liegt im Bereich heutiger Mietpreise. Sinkt die Auslastung auf 70 Prozent, steigt der Wert auf 7,90 Dollar. Und müssen die Chips schon nach drei statt nach sechs Jahren ersetzt werden, wächst der Umsatzbedarf auf rund 6 Billionen Dollar.

Goldman Sachs setzt die Schwelle niedriger an: Um die Gewinnschwelle zu erreichen, bräuchten die fünf Konzerne nach dieser Rechnung jährlich rund 300 Milliarden Dollar KI-Umsatz. Beide Rechnungen haben unterschiedliche Annahmen, zeigen aber dieselbe Richtung.

Was die Zahlen für die Preise bedeuten

Keine der beiden Analysen sagt konkrete Preiserhöhungen voraus. Sie zeigen aber, unter welchem Druck die Anbieter stehen. Solange Marktanteile wichtiger sind als Rendite, bleiben Einstiegspreise niedrig. Wenn Investoren und nach einem Börsengang auch Aktionäre eine Verzinsung der Billionen erwarten, verschiebt sich das Gewicht. Wie das aussehen kann, zeigt DeepSeekDeepSeekChinesischer Anbieter kostengünstiger, teils offener Modelle.Im Glossar ansehen →: Der chinesische Anbieter hat seine Preise seit August um ein Mehrfaches angehoben und trotzdem den Umsatz verdoppelt.

Gleichzeitig wirkt eine Gegenkraft. Neue Modellgenerationen erledigen dieselbe Aufgabe mit weniger Rechenaufwand, und der Wettbewerb durch offene Modelle bleibt hoch. Wahrscheinlich ist daher kein gleichmäßiger Anstieg, sondern ein Markt, in dem Preise, Kontingente und Tarifmodelle häufiger wechseln als bisher.

Was das für Ihr Unternehmen heißt

• Rechnen Sie mit Spielraum nach oben. Eine KI-AutomatisierungKI-AutomatisierungWiederkehrende Abläufe mit KI teilweise oder ganz automatisch erledigen.Im Glossar ansehen → sollte sich auch dann noch lohnen, wenn die Kosten je Anfrage um das Zwei- bis Dreifache steigen.
• Vermeiden Sie lange Bindungen ohne Ausstieg. Mehrjährige Verträge mit einem einzigen Anbieter sollten Preisanpassungsklauseln und ein Sonderkündigungsrecht enthalten.
• Halten Sie den Modellwechsel technisch offen. Eine Zwischenschicht zwischen Ihrer Anwendung und der Modell-Schnittstelle macht einen Anbieterwechsel zur Einstellungsfrage statt zum Projekt.
• Prüfen Sie offene Modelle für Standardaufgaben. Klassifizieren, Zusammenfassen oder Daten auslesen gelingt oft mit kleineren Modellen auf eigener oder europäischer Infrastruktur. Das senkt die Abhängigkeit und hilft zugleich beim Datenschutz.
• Überwachen Sie Verbrauch und Kosten laufend. Budgetgrenzen und Warnungen sorgen dafür, dass eine Preisänderung nicht erst mit der Monatsrechnung auffällt.

Wenn Sie wissen möchten, wie robust die Kostenrechnung Ihrer KI-Anwendungen gegenüber steigenden Preisen ist, sprechen Sie uns an.