KI-Realitätscheck: Jenseits der Adoptionskurve

KI-Realitätscheck: Jenseits der Adoptionskurve
Künstliche Intelligenz

Langfristige KI-Gewinner werden ihre Implementierung in robuste Gewinne ummünzen müssen.

16.11.2026 | 05:45 Uhr

KI entwickelt sich von einem Versprechen zur Praxis, da die Adoption zunimmt und Unternehmen ihre Implementierung skalieren. Aktienanleger stehen nun vor schwierigen langfristigen Herausforderungen. Offene Modelle, sich wandelnde Wirtschaftsbedingungen und Lieferkettenengpässe bedeuten, dass Anleger über die Schlagzeilen zur KI-Adoption hinausblicken müssen, um Unternehmen mit verteidigbaren Vorteilen und nachhaltigem Gewinnpotenzial zu finden.

Das Tempo der KI-Innovation dominiert weiterhin das Narrativ am Aktienmarkt. Von Halbleiterchips bis hin zu Gasturbinen ist KI zu einer treibenden Kraft des Wirtschaftswachstums geworden. Die Einführung von Anwendungsfällen hat sich verbreitert, da Verbraucher intuitive Plattformen nutzen, Unternehmen KI vertikal integrieren, um Kosten zu senken, und eine agentenbasierte Wirtschaft entsteht.

Die Volatilität im Technologiesektor im dritten Quartal unterstrich die anhaltende Unsicherheit, doch selbst Skeptiker verstehen, dass KI kein vorübergehendes Phänomen sein wird.. Die disruptivste Technologie seit Aufkommen des Internets reicht bereits über Energieinfrastruktur und Rechenzentren hinaus und umfasst eine breite Palette an Branchen und Sektoren. Anstatt sich auf das Narrativ „Blase oder nicht“ zu konzentrieren, sollten Anleger unserer Ansicht nach langfristige Geschäftsmodelle branchenübergreifend bewerten und neue Marktführer identifizieren, die durch KI wachsen und profitieren könnten.

Recheninfrastruktur: Ein neues Versorgungsnetz?

Die KI-Adoption beschleunigt sich und verbreitert sich gleichzeitig. Bislang sind die Ausgaben für KI-Infrastruktur in absoluten US-Dollar-Beträgen gewaltig. Wir erwarten, dass sich dieses Wachstum fortsetzt.

Wenn die Recheninfrastruktur zum Versorgungsnetz der künftigen digitalen und autonomen Wirtschaft wird, sind die derzeit enormen Investitionsausgaben aus unserer Sicht womöglich weniger extrem als wahrgenommen – insbesondere im Vergleich zu früheren großen US-Investitionszyklen (Abbildung).

qui_ai-reality-check-looking-beyond-the-adoption-curve_display-1_d2_de
qui_ai-reality-check-looking-beyond-the-adoption-curve_display-1_d2_de


Angesichts der unstillbaren Nachfrage nach Rechenleistung übersteigt die Nachfrage das Angebot bei Halbleitern, optischen Komponenten, Strom, Rechenzentren und qualifizierten Arbeitskräften. Da dieser Zustand jahrelang anhalten könnte, sollten Anleger die Adoptionsdynamik verfolgen, um Teile der Lieferkette zu identifizieren, in denen langfristiges Gewinnpotenzial bestehen bleiben könnte.

Inferenz könnte das nächste große Computing-Thema sein

Letztlich werden KI-Modelle daran gemessen, wie effektiv sie Probleme der realen Welt lösen. Ein Großteil der frühen Diskussionen über KI-Investitionen konzentrierte sich auf die enormen Rechenressourcen, die für das Training von Frontier-Modellen erforderlich sind. Genau wie beim menschlichen Lernen hört das Training nie auf. Doch die Inferenz – die Nutzung trainierter KI-Modelle zur Beantwortung von Fragen oder zur Erledigung von Aufgaben – dürfte während der Adoptionsphase einen wachsenden Anteil an der Nachfrage nach Rechenleistung ausmachen.

Die Investitionen in die Inferenzkapazität steigen bereits schneller als die Investitionen in die Trainingskapazität, was aus unserer Sicht eine andere Gruppe von Profiteuren in den Fokus rückt (Abbildung).

qui_ai-reality-check-looking-beyond-the-adoption-curve_display-2_d5_de
qui_ai-reality-check-looking-beyond-the-adoption-curve_display-2_d5_de


Diese Unterscheidung ist wichtig, da die Nachfrage nach Inferenz durch die tatsächliche Nutzung von KI angetrieben wird. Das Training schafft das Modell, während die Inferenz für den produktiven Einsatz des Modells steht. Da KI zunehmend Teil des täglichen Geschäftsbetriebs wird, könnten sich die potenziellen Profiteure ausweiten – von der Edge-Hardware-Infrastruktur bis hin zu Data-Governance- und Analysesoftware.

Offene vs. geschlossene Modelle: Ein Nullsummenspiel?

Während die Nutzung von KI-Token sprunghaft ansteigt, sinken die Kosten pro Token rapide, aber auch die Modellebene befindet sich im Wandel. Es wurde bereits viel über die in China entwickelten Open-Source- und Open-Weight-Modelle im Vergleich zu den in Nordamerika vorherrschenden geschlossenen Modellen diskutiert.

Geschlossene Modelle sind von Natur aus proprietär. Nutzer können auf ihre Funktionen zugreifen, doch die zugrunde liegende Technologie wird von ihren Entwicklern streng gehütet.

Im Gegensatz dazu stellen Open-Weight-Modelle ihre Parameter der Öffentlichkeit zur Verfügung, damit andere Entwickler sie frei anpassen und implementieren können, während einige sogar so weit gehen, den Zugang zum rohen Trainingscode und den Daten zu öffnen. Die Nutzung offener Modelle wächst schnell, bleibt aber laut YipitData ein kleiner Bestandteil der Gesamtmarkts.

Der Wettbewerb zwischen offenen und geschlossenen Modellen wird oft als Überlebenskampf dargestellt. Wir sind der Auffassung, dass die beiden Modelle in der Praxis koexistieren werden, da jedes Modell spezifische Vorteile bietet und die tatsächlichen Kosten komplexer Natur sind. Über die Grundkosten hinaus hängen die Gesamtkosten für die Erzielung eines Ergebnisses von Nutzungsgebühren, Betriebskosten und der Datenverfügbarkeit ab.

Allgemein gesprochen trägt die Demokratisierung von KI durch kostengünstige offene Modelle zur Massenadaption bei, während geschlossene Modelle für hochkomplexe Probleme relevanter sind. Während offene Modelle also zunehmend an Akzeptanz gewinnen, werden sie fortgeschrittene geschlossene Systeme nicht zwangsläufig verdrängen.

Wir erwarten, dass die Zukunft der KI – insbesondere für Unternehmen – langfristig hybrid ausgerichtet sein wird, um unterschiedlichen Aufgaben gerecht zu werden. Es ist verfrüht, das geschlossene Modell für tot zu erklären; wir erleben das klassische Jevons-Paradoxon, bei dem sinkende Kosten die Nachfrage beschleunigen (Abbildung).

qui_ai-reality-check-looking-beyond-the-adoption-curve_display-3_d2_de
qui_ai-reality-check-looking-beyond-the-adoption-curve_display-3_d2_de


Adaption hängt vom Vertrauen ab

Aktuelle Nachrichten über eigenmächtige KI-Agenten unterstreichen die Notwendigkeit für Organisationen und die Politik, geeignete Cybersicherheitsvorkehrungen zu treffen. Wir gehen davon aus, dass die regulatorische Aufsicht in den kommenden Jahren zunehmen wird, ebenso wie die Ausgaben für Cybersicherheit deutlich steigen werden.

Die Adaption von KI in Unternehmen wird teilweise davon abhängen, angemessene Sicherheitsvorkehrungen zu etablieren und Rahmenbedingungen für die Unternehmensführung zu definieren. Trotz der jüngsten Fortschritte befindet sich die Innovation im Bereich Cybersicherheit noch in einem frühen Stadium.

Von den Ertüchtigern zur Wirtschaftlichkeit

Seit den Anfängen von ChatGPT konzentriert sich das KI-Narrativ vorwiegend auf eine begrenzte Gruppe von KI-Enablern – jene Unternehmen, die die notwendige Basis für den Infrastrukturausbau lieferten. In den kommenden Jahren erwarten wir ein vielfältigeres Spektrum an KI-Gewinnern und -Verlierern. Die jüngste Marktvolatilität spiegelt eine Verlagerung des Fokus von Ertüchtigern auf Anwender wider – und nicht die Sorge, dass KI die in sie gesetzten Erwartungen nicht erfüllen könnte.

Das nächste Kapitel der KI wird durch dauerhafte wirtschaftliche Stärke geprägt sein. Mit zunehmender Skalierung der Implementierung sind wir davon überzeugt, dass die stärksten Unternehmen KI nutzen werden, um ihre Wettbewerbsgräben zu vertiefen, Kundenbeziehungen zu festigen und attraktive Erträge zu erzielen. Angesichts der rasanten Verbreitung von KI erwarten wir eine stärkere Divergenz bei Wachstum und Profitabilität zwischen Gewinnern und Verlierern.

Das Wesen disruptiver Innovation liegt darin, dass sie das Potenzial besitzt, neue Anwendungsfälle zu schaffen, die zusätzliches Wirtschaftswachstum generieren. Das hat sich bereits bei Öl, Strom und dem Internet gezeigt. Netflix brachte Streaming-Medien hervor, während Tesla den Verbrennungsmotor ersetzte und eine neuartige Form der automatisierten Fertigung im großen Maßstab entwickelte. Um Unternehmen zu identifizieren, die an einem Wendepunkt echten Wandel vorantreiben können, müssen Aktienanleger über die KI-Adoptionskurve hinausblicken und neue Ideen sowie Geschäftsmodelle aufgreifen, die heute vielleicht noch schwer vorstellbar sind.


Die in diesem Dokument zum Ausdruck gebrachte Meinungen stellen keine Recherchen, Anlageberatungen oder Handelsempfehlungen dar und spiegeln nicht notwendigerweise die Ansichten aller Portfoliomanagementteams bei AB wider. Die Einschätzungen können sich im Laufe der Zeit ändern.

Dies ist eine Marketing-Anzeige. Diese Informationen werden von AllianceBernstein (Luxemburg) S.à.r.l. gegeben, einer im Luxemburger Handels- und Unternehmensregister (R.C.S.) eingetragenen Gesellschaft mit beschränkter Haftung. Luxemburg B 34 305, 2-4, rue Eugène Ruppert, L-2453 Luxemburg. AllianceBernstein S.à.r.l. unterliegt der Aufsicht durch die Aufsichtskommission des Finanzsektors (CSSF). Dies wird nur zu Informationszwecken angegeben und ist nicht als Anlageberatung oder Aufforderung zum Kauf eines Wertpapiers oder einer sonstigen Anlage zu verstehen. Die hier geäußerten Ansichten und Meinungen basieren auf unseren internen Prognosen und geben keine zuverlässigen Hinweise auf die zukünftige Marktperformance. Die Fondsanlagen können an Wert gewinnen und verlieren, und es kann vorkommen, dass die Anleger nicht den vollen angelegten Betrag zurückerhalten. Die Performances der Vergangenheit bieten keine Gewähr für zukünftige Ergebnisse.
Diese Informationen richten sich lediglich an Privatpersonen und sind nicht für die Öffentlichkeit bestimmt.

© 2026 AllianceBernstein L.P.

Diesen Beitrag teilen: