Die KI-Superblase: Wird 2029 unser 1929?

Jede Generation ist überzeugt, ihre wegweisende Technologie breche mit den alten Regeln der Hebelwirkung und Bewertung. In den 1920er-Jahren waren es das Automobil, das Radio, die Haushaltsgeräte. Heute wird die KI-Blase mit dem Jahr 1929 selbst verglichen, und diese Parallele stammt von Professor Steve Keen, dem UCL-Ökonomen, der den Crash von 2008 voraussagte, bevor die meisten an der Wall Street ihn laut aussprechen wollten. Seine Argumentation stützt sich auf drei Punkte, die selten gemeinsam diskutiert werden: die Bewertungsdifferenz zwischen amerikanischen und chinesischen KI-Firmen, die stillschweigende Verschuldung, die den amerikanischen Ausbau finanziert, und das zugrundeliegende Stromnetz.

Steuert der KI-Boom wirklich auf einen Crash wie 1929 zu?

Steve Keen ist dieser Ansicht und macht daraus keine großen Rücksichten. In Andrew Neils Interview mit Professor Steve Keen, „China hat den KI-Krieg gewonnen“ , prognostiziert er, dass die meisten amerikanischen KI-Unternehmen scheitern werden, vielleicht eines von zehn überleben wird und China als struktureller Gewinner hervorgeht – nicht weil seine Modelle besser sind, sondern weil seine Wirtschaftslage stabil ist. Sein Zeitrahmen liegt bei etwa zwei Jahren. Der genaue Zeitpunkt eines Zusammenbruchs ist bekanntermaßen schwer vorherzusagen, und Ökonomen haben schon öfter Fehlalarme ausgelöst. Doch die von ihm beschriebenen zugrunde liegenden Mechanismen sind konkret genug, um sie unabhängig davon zu untersuchen, ob der endgültige Einbruch 2027, 2029 oder später eintritt.

Keen ist nicht der Einzige, der diesen Vergleich zieht. Der New Yorker veröffentlichte einen Artikel auf seiner Finanzseite mit dem Titel „Der KI-Boom und das Gespenst von 1929“. Der Economist fragte direkt, ob China die amerikanische KI-Blase zum Platzen bringen könnte. Bloomberg berichtete, dass chinesische Hedgefonds-Manager die Rallye als „Superblase“ bezeichneten, deren Platzen „möglicherweise nicht mehr fern“ sei.

Die Billionen-Dollar-Wette: Warum sich die Bewertungen amerikanischer und chinesischer KI so stark auseinanderentwickelt haben

Die Zahlen hinter der Lücke

Die amerikanischen Investitionen in KI werden voraussichtlich allein in den nächsten Jahren eine Billion Dollar übersteigen. Keen beziffert den Gesamtwert von Hyperscalern, Chipherstellern und dem gesamten KI-Industriekomplex auf rund 20 Billionen Dollar. OpenAI wird mit etwa 852 Milliarden Dollar, Anthropic mit etwa 965 Milliarden Dollar bewertet – Zahlen, die davon ausgehen, dass beide Unternehmen letztendlich Preise verlangen werden, die diesen Werten entsprechen.

Der chinesische Vergleich

Diese Annahme gerät zunehmend unter Druck. Chinas KI-Unternehmen Moonshot AI, mit einem Wert von rund 31 Milliarden US-Dollar, brachte Kimi K3 auf den Markt, ein Modell, das die Wall Street bei seiner Veröffentlichung verunsicherte. DeepSeek, mit einem Wert von etwa 71 Milliarden US-Dollar, bietet Modelle an, die laut Keen 80 bis 90 Prozent der Leistung der besten amerikanischen Systeme zu einem Zehntel der Kosten erreichen. Anders ausgedrückt: Amerikanische Unternehmen werden derzeit mit dem 10- bis 25-Fachen der Bewertung chinesischer Konkurrenten gehandelt, die vergleichbare Fähigkeiten bieten. Das ist kein unbedeutender Fehler. Es ist die Form einer Blase, die nur darauf wartet, zu platzen.

Eine Blase ist, einfach ausgedrückt, ein Preis, der sich von den plausiblen, durch die zugrunde liegenden Gewinne gerechtfertigten Preisen losgelöst hat und durch die Annahme aufrechterhalten wird, dass jemand anderes morgen mehr zahlen wird. Blasen erfordern weder Unehrlichkeit noch Dummheit. Sie erfordern Optimismus, billige Kredite und eine wirklich bahnbrechende Technologiegeschichte – genau das, was Eisenbahnen, Radio, Internet und nun auch KI nacheinander geliefert haben. Das Platzen einer Blase wird in der Regel nicht dadurch verursacht, dass sich die Geschichte als falsch erweist – das traf größtenteils auch auf Eisenbahnen und das Internet zu –, sondern in dem Moment, in dem die Finanzierungskosten den noch nicht realisierten Cashflow erreichen.

Der Vorteil, den niemand einkalkuliert hatte: Chinas Stromnetz

Die Übertragungslücke in den Zahlen

China betreibt sein Fernübertragungssystem mit rund 800 Kilovolt, während das amerikanische Netz größtenteils noch immer auf 345- bis 500-Kilovolt-Leitungen basiert, die teilweise noch aus den 1970er-Jahren stammen. Laut Angaben der Nationalen Energiebehörde betreibt China derzeit 45 Höchstspannungs-Übertragungsprojekte mit einer Gesamtlänge von über 40.000 Kilometern, darunter 23 Leitungen mit ±800 Kilovolt Gleichstrom und die weltweit einzige ±1.100-Kilovolt-Leitung. Allein State Grid hat 43 dieser Höchstspannungskorridore errichtet und plant bis 2030 15 weitere. Damit verfügt China über eine provinzübergreifende Übertragungskapazität von über 380 Millionen Kilowatt. Die Vereinigten Staaten haben im gesamten Jahr 2024 insgesamt 888 Meilen neue Übertragungsleitungen mit 345 kV und mehr installiert, und die ersten wirklich leistungsstarken 765-kV-Korridore werden erst jetzt in Texas geplant.

Warum Spannung das A und O ist

Die Physik ist einfach: Eine Verdopplung der Spannung in einer Leitung ermöglicht es, etwa die vierfache Leistung zu übertragen, bei proportional geringeren Verlusten über die Entfernung. China baute diese Hochspannungsübertragungskapazität für Wasserkraft und erneuerbare Energien lange vor dem Aufkommen von KI auf. Genau deshalb betrachten chinesische Unternehmer, wie Keen es ausdrückt, Energie als etwas, das praktisch immer verfügbar ist, egal was man damit macht. Amerikanische KI-Entwickler hingegen müssen ständig an Energieeinsparung denken, da das Stromnetz bereits an seine Grenzen stößt. Chinas Erzeugungskapazität liegt bei fast dem Doppelten des Spitzenbedarfs – ein bewusster strategischer Überschuss –, während die USA eine Reservemarge von etwa 15 Prozent über dem Spitzenbedarf aufweisen. Allein der jährliche Anstieg des Strombedarfs von KI-Rechenzentren in China übersteigt mittlerweile den gesamten jährlichen Stromverbrauch Deutschlands.

Die Schulden, die niemand genau messen kann: Das versteckte KI-Risiko im Privatkreditsektor

Wenn Energie die physikalische Beschränkung darstellt, ist Finanzierung die unsichtbare. Recherchen auf Basis von Nikkei-Daten ergaben, dass fünf große amerikanische Technologieunternehmen 1,65 Billionen US-Dollar an außerbilanziellen Schulden haben, die größtenteils über private Kredite für KI-Rechenzentren finanziert werden. Diese Finanzierungsformen sind weder herkömmliche Bankkredite noch börsennotierte Anleihen oder Eigenkapital und entziehen sich weitgehend der regulatorischen Kontrolle.

Die private Kreditvergabe an den amerikanischen Technologiesektor belief sich Anfang 2025 auf rund 450 Milliarden US-Dollar, ein Anstieg um 100 Milliarden US-Dollar gegenüber dem Vorjahr. Keen geht davon aus, dass sie sich seither mit dem beschleunigten Anstieg der KI-Investitionen wahrscheinlich noch einmal verdoppelt hat. Schätzungen zufolge wird das ausstehende private Kreditvolumen an KI-Unternehmen bis 2030 mindestens 600 Milliarden US-Dollar erreichen, während der globale Markt für private Kredite bereits auf über 3 Billionen US-Dollar geschätzt wird. Dies ist deshalb relevant, weil private Kredite explizit als Umgehung der nach 2008 eingeführten Bankenregulierung entstanden sind und weil, wie Keen es unverblümt formuliert, „niemand genau weiß, wie hoch das private Kreditvolumen im KI-Investitionsboom ist – nur dass es enorm ist.“ Berücksichtigt man die damit verbundenen Bankkredite, könnte das tatsächliche Volumen das Drei- bis Fünffache der offiziell genannten Zahlen für private Kredite betragen.

Warum das Jahr 1929 eine bessere Analogie ist als der Dotcom-Crash.

Der Dotcom-Crash gilt als häufig zitiertes Beispiel für die Überheblichkeit von Technologieunternehmen, doch die von Keen beschriebenen Mechanismen ähneln eher denen von 1929. Bis September 1929 hatten sich die Margin-Schulden – also Kredite, die für den Kauf von Aktien mit nur 10 Prozent Anzahlung aufgenommen wurden – auf rund 8,5 Milliarden Dollar belaufen. Das entsprach etwa 10 bis 12 Prozent der gesamten Marktkapitalisierung der amerikanischen Aktienmärkte und fast der Höhe des Bundeshaushalts. Diese Hebelwirkung funktionierte hervorragend, solange die Kurse stiegen. Als sich der Cashflow der Realwirtschaft bereits 1927, zwei volle Jahre vor dem Crash, abzuschwächen begann, erzwangen Margin Calls Verkäufe. Diese Verkäufe drückten die Kurse weiter, und das gesamte System brach innerhalb weniger Wochen im Oktober 1929 zusammen.

Die Finanzierungsstruktur für KI-Systeme präsentiert sich im modernen Gewand nahezu identisch. Anstelle von Aktienkrediten finanziert nun privates Kreditwesen den Bau von Rechenzentren. Anstelle eines Brokers, der zusätzliche Sicherheiten verlangt, fordert ein Kreditgeber den Schuldendienst von einem Unternehmen, dessen Umsatz die Kapitalausgaben nicht deckt. Keens Beschreibung des Auslösemechanismus ist hier besonders treffend: Beim Bau von Rechenzentren und der Systeminstallation fehlt der Cashflow noch, und die entscheidende Frage ist, ob er ein profitables Niveau erreichen kann, bevor sich die Verluste zu hoch anhäufen. Genau diese Wette setzten die Aktionäre von Energieversorgungsunternehmen und Investmentfonds in den 1920er Jahren auf die Elektrifizierung – eine weitere kapitalintensive, transformative Technologie, die spektakuläre Konkurse auslöste, obwohl die zugrundeliegende Technologie die Wirtschaft grundlegend veränderte.

Der dreifache Schlag: Chinesische Konkurrenz, versteckte Schulden und physische Grenzen

Wettbewerb unterbietet Preissetzungsmacht

Der chinesische Wettbewerb schwächt die Preissetzungsmacht, auf der amerikanische Bewertungen beruhen. Wenn günstigere chinesische Modelle standardisiert werden und genügend Marktanteile erobern, wird die in amerikanischen Bewertungen eingepreiste Premium-Preisgestaltung nicht mehr tragbar. Open-Source-Modelle aus China beschleunigen diese Standardisierung zusätzlich, da sie es jedem ermöglichen, ein leistungsfähiges Modell zu betreiben, ohne ein Rechenzentrum eines Hyperscalers mieten zu müssen.

Schuldenkaskade durch ein undurchsichtiges System

Private Kreditrisiken bedeuten, dass bei enttäuschenden Erträgen die Auswirkungen nicht nur die Aktionäre betreffen. Sie breiten sich kaskadenartig in einem intransparenten, vernetzten und weitgehend unregulierten Teil des Finanzsystems aus – und zwar auf eine Weise, die die Aufsichtsbehörden nach eigenen Angaben noch nicht vollständig verstehen.

Physischer Ausbau kann den Zeitplan nicht einhalten

Der physische Ausbau ist in dem von den aktuellen Bewertungen angenommenen Zeitrahmen schlichtweg unmöglich, da das Stromnetz, die Transformatoren, die Turbinen und die Fachkräfte für deren Installation nicht in der erforderlichen Menge vorhanden sind und selbst mit unbegrenztem Kapital nicht in weniger als sieben Jahren realisiert werden können. Hinzu kommen geopolitische Spannungen – Keen nennt die Kriege in der Ukraine und im Nahen Osten sowie Chinas Wiederaufbau seiner strategischen Ölreserven –, was seiner Meinung nach eine „dreifache Katastrophe“ darstellt.

Was dies für Unternehmensführer und nicht nur für Investoren bedeutet

Das alles bedeutet nicht, dass künstliche Intelligenz eine Illusion ist. Jedes der von Keen angeführten historischen Beispiele – Eisenbahn, Elektrifizierung, Luftfahrt, Internet – hat eine Technologie hervorgebracht, die die Wirtschaft tatsächlich transformiert hat, auch wenn die Unternehmen, die deren Entwicklung in der Anfangsphase finanzierten, größtenteils Konkurs anmelden mussten. Die Lehre daraus ist nicht, KI zu meiden. Sie lautet vielmehr, die Technologie von den Bilanzen zu unterscheiden, die sie finanzieren. Ein Einbruch der Bewertungen von Hyperscalern und privaten Kreditinstituten wäre ein schwerwiegendes finanzielles Ereignis, würde aber weder große Sprachmodelle noch Fortschritte im Chipdesign oder die bereits erzielten Produktivitätsgewinne in Branchen von der Logistik über die Fertigung bis hin zur Automobilfinanzierung – die sich bereits jetzt durch die Einführung von KI in Europa verändert – zunichtemachen .

Für alle, die in Branchen mit langen Kapitalzyklen arbeiten – Automobilindustrie, Leasing, Energiewende –, liegt die nachhaltigere Lehre in der Planungsdauer und nicht im Crash selbst. Chinas Netzvorteil war nicht für KI ausgelegt. Er wurde über zwei Jahrzehnte durch Industriepolitik und Wettbewerbsfähigkeit im produzierenden Gewerbe aufgebaut, und die KI fand lediglich die bereits vorhandene Infrastruktur vor. Das Scheitern des Westens liegt nicht in mangelndem Ehrgeiz im Bereich KI. Es liegt in jahrzehntelanger Unterinvestition in die unscheinbare Infrastruktur – Transformatoren, Umspannwerke, Hochspannungsleitungen –, auf die jede kapitalintensive Transformation letztendlich angewiesen ist. Es lohnt sich auch, auf eine bereits aufgeworfene Frage nach den Auswirkungen von KI auf unser Denken und Entscheiden zurückzukommen , denn eine echte Korrektur würde zeigen, wie viel unabhängiges Urteilsvermögen Führungskräfte in einem Boom bewahrt haben, der Konsens belohnte, anstatt ihn zu hinterfragen.

Häufig gestellte Fragen

1. Warum hat China im Bereich der künstlichen Intelligenz einen Vorteil im Stromnetz?

China betreibt Übertragungsspannungen von rund 800 Kilovolt gegenüber dem amerikanischen Rückgrat von 345 bis 500 Kilovolt, betreibt 45 Ultrahochspannungsprojekte mit einer Gesamtlänge von über 40.000 Kilometern und hält eine Erzeugungskapazität von nahezu dem Doppelten des Spitzenbedarfs aufrecht, im Gegensatz zu einer US-Reservemarge von nur rund 15 Prozent.

2. Wie hoch ist das Risiko von privaten Krediten im Zusammenhang mit KI-Rechenzentren?

Bei fünf großen US-amerikanischen Technologieunternehmen belaufen sich die geschätzten außerbilanziellen Schulden auf 1,65 Billionen US-Dollar. Sie werden größtenteils durch private Kreditvereinbarungen außerhalb des üblichen regulatorischen Blickfelds finanziert, wobei das Gesamtrisiko potenziell drei- bis fünfmal höher ist, sobald die damit verbundenen Bankkredite einbezogen werden.

3. Ist der KI-Boom vergleichbar mit dem Börsencrash von 1929?

Steve Keen argumentiert, ja, und zwar noch mehr als beim Dotcom-Crash, denn 1929 ging es um konzentrierte Hebelwirkung, die durch erzwungene Verkäufe kaskadierte – eine Struktur, die den heutigen, durch private Kredite finanzierten Schulden von KI-Rechenzentren sehr ähnlich ist, und nicht um eine rein eigenkapitalgetriebene Blase.

4. Wie viel günstiger sind chinesische KI-Modelle im Vergleich zu amerikanischen?

Berichten zufolge erreichen die Modelle von DeepSeek 80 bis 90 Prozent der Leistung führender amerikanischer Systeme zu etwa einem Zehntel der Kosten, während amerikanische KI-Firmen mit dem 10- bis 25-Fachen ihrer chinesischen Konkurrenten bewertet werden, die vergleichbare Fähigkeiten bieten.

5. Welche Prognose stellt Steve Keen für die KI-Branche vor?

Keen prognostiziert, dass die meisten amerikanischen KI-Unternehmen scheitern werden, vielleicht nur eines von zehn überleben wird, und dass China innerhalb von etwa zwei Jahren als struktureller Gewinner hervorgehen wird, angetrieben von einer solideren Wirtschaftslage und nicht allein von überlegener Technologie.