Fünf Jahre nach seinem letzten Auftritt kehrt Jay Kannan, CFA, Research Analyst im globalen Aktienteam von William Blair, zu The Active Share zurück, um zu erläutern, wie sich Technologie grundlegend von Software und Dienstleistungen hin zu Infrastruktur und Hardware verändert hat. Während sich das Gespräch zwischen Hugo und Jay im Jahr 2021 auf E-Commerce und die Verbreitung der Cloud konzentrierte, steht dieses Mal die physische Begrenztheit hinter künstlicher Intelligenz im Mittelpunkt, von Engpässen bei Halbleitern und Knappheit bei Trägermaterialien bis hin zu Stromnetzen und kaskadierenden Effekten in der Lieferkette. Gemeinsam untersuchen Hugo und Jay, warum sie glauben, dass die Nachfrage nach Rechenleistung das Angebot bei Weitem übersteigt, wo entlang der Wertschöpfungskette Wert erfasst wird und was unter dem Gewicht des explosionsartigen Wachstums von Tokens an seine Grenzen stößt.
Die Kommentare sind redigierte Auszüge aus unserem Podcast, den Sie unten in voller Länge anhören können.
Als Sie das letzte Mal in der Sendung waren, haben wir über immaterielle und 'gewichtlose' Vermögenswerte gesprochen. Heute vermute ich, dass unser Gespräch schwerer wird. Stimmen Sie zu?
Jay Kannan: Der Kontrast ist deutlich. 2021, auf dem Höhepunkt der durch COVID geprägten Geschäftsmodelle, drehte sich alles um Software, Software-as-a-Service, Arbeiten von zu Hause und E-Commerce. Selbst unsere eigene Diskussion konzentrierte sich auf vernetzten Handel. Heute aber ist Technologie deutlich stärker von Heavy Assets geprägt. Derselbe Dollar an Technologieumsatz zieht heute mehr physische, kapitalintensive Infrastruktur nach sich als je zuvor.
Wir haben auch über die Zukunft gesprochen und darüber, was Ihrer Ansicht nach am Horizont lag. Was haben Sie richtig eingeschätzt, und wo lagen Sie falsch?
Jay: Beginnen wir mit dem, was sich bewahrheitet hat. Erstens die digitale Verbreitung und ihre Viralität, sowohl auf Konsumenten- als auch auf Unternehmensebene. Das war strukturell, nicht nur eine durch COVID vorgezogene Entwicklung. Zweitens der lange Wachstumspfad der Cloud, da Dateninfrastruktur weiter vom Server-Rack im Hinterzimmer in die Cloud migrierte.
Es gab aber auch Dinge, die ich unterschätzt habe: die Geschwindigkeit, mit der Rechenleistung zu einem bindenden Engpass wurde; künstliche Intelligenz, die heute im Zentrum jeder Technologiediskussion und jedes Investment-Frameworks steht; und die physische Dimension von Technologie. Das Gespräch dreht sich heute um Strom, Trägermaterialien, Chip-Gehäusetechnik und die Infrastruktur dahinter.
Wo sehen Sie in den kommenden Jahren Wachstum?
Jay: Die Cloud ist auf den Boden der Tatsachen zurückgekehrt. 2021 waren die Kennzahlen, die Wachstum definierten, Abonnements, Werbeeinblendungen und aktive Nutzer. Heute ist die aus meiner Sicht wichtigste Kennzahl Tokens.
Im Kern ist ein Token eine Einheit kognitiver Arbeit. Aber Tokens ersetzen nicht Aufmerksamkeit; sie ersetzen Intelligenz und Denken. Das ist eine völlig andere Kategorie, mit anderen Obergrenzen für den adressierbaren Gesamtmarkt (TAM), anderen Gewinnern und Verlierern und einem anderen Erlöspool.
Emerging Markets—The New Engine of Global Growth
While geopolitical volatility has introduced near-term uncertainty to emerging markets (EMs), we believe the case for EMs remains compelling. A weakening U.S. dollar, attractive valuations, and streng...11.06.2026 17:00
30 Min.
Todd McClone, Romina Graiver
Anzeige
Ich denke, dass selbst die aggressivste TAM-Schätzung für künstliche Intelligenz wahrscheinlich noch zu niedrig ist. Die globalen Softwareausgaben liegen heute knapp über einer Billion US-Dollar, während 5% des globalen Arbeitskräftepools rund 1 Billion bis 1,5 Billionen US-Dollar entsprechen. Wenn künstliche Intelligenz beginnt, auch nur einen Teil davon zu verdrängen, sprechen wir nicht von Hunderten Milliarden US-Dollar, sondern wahrscheinlich von mehreren Billionen US-Dollar Umsatzwachstum.
Sie sagen also, dass die Nachfrage nach Tokens oder die Nachfrage nach Rechenleistung offenbar so stark ist, dass sie jede Frage danach, ob dieses Narrativ funktioniert, erledigt.
Jay: Ja. Wir befinden uns beim 3G-Moment für Tokens. Ich denke an den Hochlauf der Mobiltechnologie vor 10 bis 15 Jahren. Bei 2G waren Daten knapp. Bei 3G waren sie reichlich vorhanden, aber teuer. Mit 4G und 5G wurden sie zu einer Versorgungsleistung. Wir konsumierten Daten so, wie wir Wasser trinken, und genau das passiert mit Tokens.
Zum Beispiel habe ich im vergangenen Monat dreimal mein Token-Limit in unserem KI-Arbeitstool erreicht, nur wenige Wochen nachdem es im gesamten Unternehmen ausgerollt wurde. Das kann Ihnen ein Gefühl dafür geben, wohin sich das entwickelt.
Die Nachfrage nach Tokens beginnt das Angebot zu übersteigen. Warum kann das Angebot nicht mithalten, und wo liegen die Engpässe?
Jay: Tokens sind wie Barrel Öl, nur dass die Produktionskapazität eine Vorlaufzeit von 18 Monaten hat und die Raffinerie in Hsinchu, Taiwan, steht.
Was sich gegenüber früheren Technologiezyklen unterscheidet, ist, dass sich die Engpässe von Jahr zu Jahr verlagert haben. 2022 waren es die Grafikprozessoren. Seitdem hat sich der Engpass zu Arbeitsspeichern verschoben, dann zur Chip-Gehäusetechnik und anschließend zu den fortgeschrittenen Verfahren, die erforderlich sind, um all das zusammenzuführen.
Heute liegt die Begrenzung bei den physischen vorgelagerten Komponenten, etwa Trägermaterialien, Glas und Kupfer, und zunehmend bei der unterstützenden Infrastruktur darum herum, etwa Strom, Wasser, Genehmigungen und Fachkräfte in den Fabriken. Diese Probleme lassen sich kurzfristig schwerer lösen.
Die Geschichte legt nahe, dass das beste Heilmittel gegen hohe Preise hohe Preise sind: Industrien investieren Capex, das Angebot übersteigt irgendwann die Nachfrage, und die Preise fallen schließlich. Ihrer Ansicht nach kann diese Knappheit jedoch noch recht lange anhalten. Ist das die Mutter aller Angebotsverknappungen?
Jay: In den vergangenen 15 Jahren wurde jede Diskussion über physische und vorgelagerte Komponenten im Kontext von Preiserosion geführt. Aber dies ist das erste Mal seit zwei oder drei Jahrzehnten, dass wir über die Persistenz, Größenordnung und Dauer von Preisprämien sprechen.
Zum Beispiel liegen die Vorlaufzeiten für Netzanschlüsse für neue Stromversorgung in Teilen der Vereinigten Staaten bei 5 bis 7 Jahren, während ein modernes Lithografiesystem für die Fertigung von Hochleistungschips eine Wartezeit von 18 Monaten hat. Selbst Gasturbinen haben eine Wartezeit von mehr als 5 Jahren. Das Angebot wird irgendwann aufholen, aber nicht in absehbarer Zeit.
Kürzlich habe ich eine große Halbleiterfertigungsanlage in Arizona besucht. Als ich dort stand und auf mehr als tausend Acres blickte, wo Beton noch aushärtete, Transformatoren per Kran eingebracht wurden und Meilen von Kabeln verlegt wurden, habe ich sehr unmittelbar gespürt, dass das Angebot weiterhin nicht mithalten kann. Das ist nicht länger ein Modell von „globales Angebot trifft globale Nachfrage“. Vielmehr hat es sich zu einem Modell entwickelt, in dem „lokales Angebot lokale Nachfrage bedienen muss“.
Ist das eine anhaltende Knappheit, bei der diejenigen, die rund um Engpässe gut positioniert sind, länger profitabel bleiben?
Jay: Wenn die Nachfrage linear wäre, könnte das Narrativ vom Aufholen des Angebots Bestand haben. Aber das Token-Wachstum liegt heute bei 10- bis 15-fach und beschleunigt sich Monat für Monat. Kombiniert man diese exponentielle Nachfrage mit den langen Vorlaufzeiten, die erforderlich sind, damit Angebot verfügbar wird, dann hat sich die Zykluszeit nicht verkürzt, sondern wahrscheinlich verlängert. Ich denke, diese Knappheit wird wahrscheinlich mehrere Jahre anhalten, in manchen Bereichen chronisch.
Als Investoren suchen wir stets nach Knappheit. An den Märkten zeigt sich derzeit jedoch ein Spannungsverhältnis zwischen Unternehmen, die von dieser Knappheit profitieren, und jenen, die dazu beitragen, sie zu beseitigen.
Jay: Es gibt ein Investmentprinzip, das oft Mark Twain zugeschrieben wird und an das ich denke, wenn es um Angebot und Nachfrage geht: Während des kalifornischen Goldrauschs von 1849 eilten Goldsucher los, um Gold zu finden. Wohlhabend wurden aber oft diejenigen, die den Minenarbeitern Ausrüstung verkauften: Spitzhacken, Schaufeln, Jeans, Lebensmittel und Geräte. Die eigentlichen Goldsucher gingen häufig pleite oder fanden nur wenig Gold.
Heute werden die Jeans in Taiwan hergestellt, die Schaufeln in den Niederlanden und die Spitzhacken in Japan. Wo wird tatsächlich Wertschöpfung erfasst? Ich denke über diese Frage gerne in drei Ebenen nach.
Die erste Ebene ist Software, einschließlich Anwendungen und großer Sprachmodelle. Dort entstehen die Schlagzeilen, dort fließt das Venture-Capital-Geld hin, und dort liegt das höchste Aufwärtspotenzial. Aber Software hat auch die fragilsten ökonomischen Grundlagen, und aus meiner Sicht kann es schwierig sein, Gewinner im Voraus zu identifizieren.
Die zweite Ebene sind die großen Cloud- und Infrastrukturplattformen, also dort, wo heute Kapital eingesetzt wird. Die Skalenvorteile sind real, aber die Stückökonomie bildet sich noch heraus. Ich denke, es wird an der Spitze Differenzierung geben, aber die Anziehungskraft bestehender Arbeitsabläufe dürfte am unteren Ende dieser Ebene zu einer Kommodifizierung führen.
Die dritte Ebene ist Infrastruktur, einschließlich Halbleitern und Ausrüstung. Aus meiner Sicht ist dies der verlässlichste langfristige Wertschöpfer, denken Sie an Eisenbahnen, Elektrifizierung, das Internet und Mobilfunk. Es ist eher ein „Wie viel?“-Problem als ein „Welche Anwendung gewinnt?“-Problem. Sie mag weniger spektakulär sein, doch Infrastruktur ist tendenziell cashflow-stärker und aus Investorensicht besser einschätzbar.
Aus meiner Sicht ist Infrastruktur der verlässlichste langfristige Wertschöpfer.
Spielt es eine Rolle, das beste LLM zu haben? Wenn jeder große Player eines hat, wo wird dann der tatsächliche Wert erfasst?
Jay: Es gibt heute eine Vielzahl an LLMs, und man kann sie nach Leistungsfähigkeit, Markt und Geografie ordnen. Was bei allen großen Sprachmodellen klar ist, ist die aggregierte Viralität der Verbreitung. Große Sprachmodelle werden zweifellos genutzt, aber sie sind auch teuer zu trainieren. Das neueste, leistungsfähigste große Sprachmodell ist typischerweise am schwierigsten und teuersten zu bauen, aber genau dort wird Umsatz generiert.
Hinzu kommt, dass die üblichen Wettbewerbsvorteile auch für diese großen Sprachmodelle gelten: installierte Basis, Marktzugang, tiefe Einbettung in Unternehmensanwendungen und alltägliche Werkzeuge sowie die Frage, ob sie auf einen bestimmten Anwendungsfall fokussiert sind oder breit aufgestellt werden. All das wird bestimmen, wer gewinnt und wer verliert.
Zwar dürfte es zu Konsolidierung kommen, aber es wird kein Winner-takes-all-Markt sein: Es wird mehrere Überlebende geben, nur nicht so viele, wie es heute gibt.
Wenn sich der Wert von Software von etablierten Altanbietern zu neuen Marktteilnehmern verlagert, beginnen diese neuen Marktteilnehmer dann irgendwann so auszusehen wie die Giganten, die sie verdrängen?
Jay: Die Antwort liegt wahrscheinlich irgendwo dazwischen. Viele dieser neuen Unternehmen haben bereits tiefe Verbindungen, wenn nicht formale Verknüpfungen, mit etablierten Altanbietern. Und eines haben die etablierten Anbieter in den vergangenen 15 Jahren gelernt: es nicht zu einem „wir gegen sie“ werden zu lassen. Stattdessen engagieren sie sich früh als Partner, Aktionäre, Kunden oder Lieferanten. Jeder der großen Anbieter großer Sprachmodelle hat mehrere Verbindungen innerhalb des Ökosystems. Sie sind nicht von einem einzelnen Unternehmen abhängig und haben häufig Vereinbarungen mit mehreren dieser Unternehmen sowie Aktionäre unter ihnen.
Wir bewegen uns also auf eine Welt deutlich größerer Komplexität zu. Mehr Unternehmen sind mit mehr etablierten Anbietern im gesamten Ökosystem verbunden. Es ist keine Eins-zu-eins-Zuordnung, sondern ein Netz.
Was funktioniert derzeit im Tech-Sektor nicht?
Jay: Es gibt zwei Achsen der Bifurkation. Die erste Achse verläuft entlang der Hardware- und Halbleiterlinie. Die Dynamik hier ist, dass die Nachfrage von Rechenzentren den Rest der Hardware-Infrastruktur verdrängt und die Kosten für Endgeräte wie Smartphones und PCs bis zu einem Punkt steigen, an dem Nachfrage zerstört wird.
Die zweite Achse sind Dienstleistungen. In den vergangenen 25 Jahren wurden ausgelagerte Technologiedienstleistungen auf einer Prämisse aufgebaut: geografische Arbeitskostenarbitrage, also weniger für dieselbe Arbeit zu zahlen, indem man sie an einen Offshore-Standort mit niedrigeren Kosten verlagert.
Große Sprachmodelle haben dieses Modell vollständig aufgebrochen. Wir nutzen nicht länger geografische Arbitrage. Wir nutzen Arbitrage zwischen Menschen und großen Sprachmodellen. Und die LLMs werden jedes Jahr um rund 60% günstiger, während die Kosten menschlicher Arbeit das nicht tun. Das ist kein zyklisches Problem, sondern ein existenzielles, weil die gesamte Umsatzbasis auf einer Arbitrage aufgebaut wurde, die nicht mehr existiert.
Glauben Sie, dass wir uns in einer KI-Blase befinden?
Jay: Ehrlich gesagt, ich weiß es nicht. Es gibt Bereiche des Aktienmarkts, in denen die Nachfrage das Angebot klar übersteigt und die Fundamentaldaten extrem stark aussehen. Es gibt aber auch Bereiche, in denen die kurzfristigen Bewertungsmultiplikatoren extrem ausgeweitet sind und frühe Anzeichen von Überhitzung zeigen.
Was ich sagen kann, ist: Die meisten Blasen basieren auf Geschichten und Narrativen ohne Cashflows. Die Marktnachfrage nach künstlicher Intelligenz hat jedoch begonnen, bedeutende Cashflows zu generieren, und es dürfte mehr kommen.
Ich dachte früher auch, dass sich die Stückökonomie von künstlicher Intelligenz etwas fragil anfühlte. Heute aber wächst mein Vertrauen in den Monetarisierungspfad, in die Verbesserung der Modellfähigkeiten und in den kumulierenden wirtschaftlichen Wert der Verbreitung schneller als das, was der Markt meiner Ansicht nach einpreist.
Wir haben vor allem über digitale künstliche Intelligenz gesprochen, aber einige argumentieren, dass physische künstliche Intelligenz letztlich die größere Chance sein wird. Könnte Robotik das nächste Kapitel sein?
Jay: Ein Smartphone enthält Komponenten im Wert von rund 50 US-Dollar; ein humanoider Roboter enthält etwa 5.000 US-Dollar an denselben Arten von Komponenten. Das sind zwei Größenordnungen mehr, mit einer Lieferkette zum Bau dieser Komponenten, die bereits bezahlt ist. Sie wurde zunächst für Endgeräte aufgebaut und dann für KI-Rechenzentren erweitert. Sie weiter für Robotik zu skalieren, ist eine Erweiterung desselben Ausbaus. Aber wie wir zuvor gesagt haben, dürfte das eine ohnehin chronische Angebots-Nachfrage-Lücke nur weiter vertiefen.
Möchten Sie mehr Einblicke in die Wirtschaft und die Investitionslandschaft? Abonnieren Sie hier den William Blair Investment Management Blog
Weitere beliebte Meldungen:
