Value-Investing an KI-gesteuerten Märkten

Künstliche Intelligenz lässt sich heute am besten als breit einsetzbare Basistechnologie verstehen – eine Ebene, die Entscheidungsfindung, Automatisierung und Informationsverarbeitung in der gesamten Wirtschaft unterstützt. Ihre Anwendungsbereiche reichen von öffentlichen Dienstleistungen über globale Unternehmen, Wissenschaft, Gesundheitswesen und Verteidigung bis hin zu Verbraucherplattformen, wobei sich diese Anwendungen in Arbeitsabläufe einbinden lassen, anstatt als eigenständige Systeme zu fungieren.

Dies ist unstrittig. Weitaus weniger klar ist jedoch, wie sich dieser technologische Wandel in wirtschaftlichen Mehrwert, Wettbewerbsvorteile und langfristige Erträge übersetzen lässt. KI entwickelt sich rasant von einer vielversprechenden Technologie zu einer praktisch umgesetzten Anwendung. In unseren Augen besteht die zentrale Herausforderung für Investoren darin zu erkennen, wo KI langfristig Wert schaffen kann und wo Marktnarrative den Fundamentaldaten vorauslaufen.

Nur wenige Technologien haben Kapital in einem solchen Umfang und mit einer solchen Geschwindigkeit angezogen wie KI. Die Hyperscale-Cloud-Anbieter – nämlich Microsoft, Alphabet, Amazon, Meta und Oracle – haben in den letzten drei Jahren insgesamt über 1 Billionen US-Dollar in Rechenzentren, Netzwerke und Halbleiter investiert.¹ Die jährlichen Investitionen der größten Akteure bewegen sich auf einem Niveau, das bisher nur bei großen Ölkonzernen oder staatlichen Infrastrukturprogrammen zu sehen war.

Entscheidend ist, dass sich KI nicht linear weiterentwickelt. Die Modellleistung kann sich durch Skalierung, Datenrückkopplungsschleifen und selbstlernende Architekturen verbessern, während die Nachfrage steigen dürfte, wenn die Kosten sinken und die Leistungsfähigkeit zunimmt. Wir beobachten rasante und sich gegenseitig verstärkende Fortschritte bei der Funktionalität. Der Verbrauch von KI-Token und der Gesamtbedarf an Rechenleistung steigen exponentiell an, während die Kosten pro Recheneinheit sinken. Fortschritte werden nicht mehr von den vorhersehbaren, hardwaregetriebenen Leistungssteigerungen nach dem Moore’schen Gesetz bestimmt, sondern von Skaleneffekten, Daten und Softwareeffekten, die eine weitaus schnellere Steigerung der Leistungsfähigkeit ermöglichen.²

Auch wenn sich die Einführung von KI je nach Branche unterschiedlich entwickeln wird, gehen wir davon aus, dass diese Technologie flächendeckend in digitale Arbeitsabläufe integriert wird – ähnlich wie sich das Internet innerhalb von zwei Jahrzehnten von einem eigenständigen Produkt zu einer unsichtbaren Infrastruktur entwickelt hat.

KI wird sich nicht auf alle Unternehmen gleichermaßen auswirken. Die wirtschaftlichen und finanziellen Auswirkungen werden gleichermaßen verteilt sein, was klare Gewinner, strukturelle Verlierer und eine breite Mitte hervorbringen wird.

Die wichtigsten Profiteure lassen sich in zwei unterschiedliche Gruppen einteilen. Die erste Gruppe umfasst Infrastruktur- und «Picks-and-Shovels»-Anbieter: Unternehmen, die entscheidendes geistiges Eigentum und Infrastruktur im Bereich der KI entwickeln, besitzen oder kontrollieren, darunter führende Halbleiterhersteller, Cloud-Plattformen, Entwickler von Basismodellen, spezialisierte Netzwerkunternehmen und Anbieter von Rechenzentrumsinfrastruktur.

Technologische Relevanz allein garantiert jedoch keine attraktiven Renditen – Kapitalintensität, Wettbewerbsdynamik und Preissetzungsmacht bestimmen in der Regel die wirtschaftlichen Ergebnisse Auf vielen Technologiemärkten konzentriert sich ein Großteil der Wertschöpfung auf wenige Gewinner. Wer letztlich zu diesen Gewinnern zählen wird, ist jedoch nicht immer offensichtlich. Das macht die Bilanzstärke, Reinvestitionsfähigkeit und die Bindungskraft von Ökosystemen zu entscheidenden Faktoren bei der Bewertung langfristiger Cashflows.

Die zweite Gruppe bilden pragmatische KI-Anwender: Unternehmen, die KI einsetzen, um ihre Kapitalrendite zu steigern, anstatt bahnbrechende Produkte zu entwickeln. Die Anwendungen reichen von der Beschleunigung des Umsatzwachstums und der Verbesserung der Preisgestaltung bis hin zur Personalisierung von Angeboten, der Optimierung von Lieferketten und der strukturellen Kostensenkung – in jedem Fall fungiert KI eher als Hebel für Margen und Produktivität denn als eigenständiges Produkt.

Viele der erfolgreichsten Nutzer werden vielleicht nie als «KI-Unternehmen» bezeichnet werden. Wir glauben, dass die attraktivsten Anwender oft diejenigen sind, die über proprietäre Daten, hochfrequente Entscheidungszyklen und die Fähigkeit verfügen, KI in Arbeitsabläufe zu integrieren, die Kunden nur ungern grundlegend ersetzen.

Auch die Gegenseite spaltet sich in zwei Gruppen. Die erste Gruppe sind die «Under-Adopters» – Unternehmen, die aufgrund von Selbstzufriedenheit oder mangelnder Umsetzung zu wenig in KI und Auch die Gegenseite spaltet sich in zwei Gruppen. Die erste Gruppe sind die «Under-Adopters» – Unternehmen, die aufgrund von Selbstzufriedenheit oder mangelnder Umsetzung zu wenig in KI und organisatorische Veränderungen investieren – und die Gefahr laufen, dass ihre Wettbewerbsfähigkeit langsam schwindet, während ihre Konkurrenten sich schneller anpassen.

Die zweite und für Value-Investoren gefährlichere Kategorie sind strukturell unter Druck geratene Unternehmen: Unternehmen, deren wirtschaftliche Grundlagen durch externe, KI-gestützte Wettbewerber untergraben werden.

Diese sind besonders tückisch, da Umsatzerlöse oder Gewinne möglicherweise stabil erscheinen, obwohl sich die Kapitalrendite verschlechtert.

Durch rasante Innovationen verkürzt sich der Zeitraum, in dem sich disruptive Veränderungen in den Jahresabschlüssen niederschlagen. Dadurch können Value Traps schneller entstehen als in den meisten anderen Bereichen, und scheinbar günstige Bewertungskennzahlen können sich eher als Trugbild denn als Sicherheitsspielraum erweisen.

Value-Investoren messen der Gegenwart und der Vergangenheit traditionell größere Bedeutung bei und ziehen konkrete Fakten spekulativen Zukunftsprognosen vor.

KI stellt diesen Instinkt in Frage. Frühere Erfolge sind kein verlässlicher Indikator mehr für die Zukunftsfähigkeit eines Unternehmens, und Value-Investoren müssen sich ausdrücklich bewusst machen, dass das Risiko einer Disruption des Geschäftsmodells gestiegen ist. KI stellt zudem eine zweite zentrale Annahme in Frage: die Mean Reversion, also die Rückkehr zum Mittelwert. Auf vielen Technologiemärkten können überdurchschnittliche Renditen länger als erwartet anhalten, da sich Wettbewerbsvorteile durch Softwareökonomie und Netzwerkeffekte im Laufe der Zeit weiter ausbauen lassen. Unterdessen können Verlierer in der Bedeutungslosigkeit versinken, anstatt wieder «angemessene» Renditen zu erzielen.

Verlierer zu meiden, ist oberstes Gebot. Entscheidend ist jedoch: Verlierer lassen sich im Vorfeld selten klar erkennen. Viele von Umbrüchen betroffene Unternehmen gelten als günstig, stabil und ertragsstark. Dies unterstreicht, wie zentral die Value Trap-Analyse für unseren Anlageprozess ist. Durch die systematische Bewertung von Reinvestitionsquoten, der Anpassungsfähigkeit des Managements, der Preismacht, der Wechselkosten für Kunden und der Bilanzflexibilität versuchen wir, vorübergehende Fehlbewertungen von einem strukturellen Niedergang zu unterscheiden. Die Geschichte zeigt, dass Vermögenswerte, deren strategische Bedeutung schwindet, sich in der Regel nicht erholen – sie bleiben günstig oder werden sogar noch günstiger.

Es gibt jedoch zweifellos Chancen. Durch KI-bedingte Unsicherheiten gibt es Fälle, in denen schlechte Nachrichten überbewertet und Optionen außer Acht gelassen werden. Es ist nach wie vor von entscheidender Bedeutung, einen großen Sicherheitsspielraum einzuplanen. Ein Bereich, den wir interessant finden, sind Softwareunternehmen, die Branchenvertikale bedienen. Hier sind SaaS-Anwendungen (Software as a Service) branchenspezifisch, maßgeschneidert und tief in die Geschäftsprozesse eingebunden. Diese Software wird regelmäßig in regulierten oder betrieblich komplexen Branchen eingesetzt, in denen die Wechselkosten aufgrund proprietärer Datenbestände und eng verflochtener Kundenbeziehungen hoch sind. Wo diese Unternehmen KI als Ergänzung und nicht als Ersatz einsetzen können, sehen wir Potenzial für dauerhafte Wettbewerbsvorteile sowie für Bewertungschancen, die in den derzeit stark narrativ getriebenen Märkten übersehen werden.

Darüber hinaus können Value-Investoren verborgene Werte in Unternehmen mit bisher unentdecktem oder latentem KI-Bezug erschließen. Diese Logik lässt sich auch auf Teile des «Picks-and-Shovels»-Bereichs von KI übertragen. Zwar richtet sich das Augenmerk vieler Anleger vor allem auf die besonders sichtbaren Gewinner im Infrastrukturbereich, doch die starke Positionierung vieler Investoren hat dazu geführt, dass diese Aktien in vielen Fällen mit sehr hohen Bewertungsmultiplikatoren gehandelt werden. Im Gegensatz dazu konzentrieren wir uns auf weniger offensichtliche Schlüsselsegmente – beispielsweise auf Spezialhalbleiter für Mobilgeräte und Geräte für das Internet der Dinge (IoT).

Insgesamt kommt es bei der Bewertung auf die Feinheiten an: Ein Unternehmen mit einem auf den ersten Blick «hohen» Kurs-Gewinn-Verhältnis kann dennoch eine Wertanlage sein, wenn es dauerhaft hohe Kapitalrenditen erzielt, eine starke Cash-Conversion aufweist und über ausreichend Spielraum für Reinvestitionen verfügt. Umgekehrt kann ein niedriges Kurs-Gewinn-Verhältnis teuer sein , wenn die Ertragskraft eines Unternehmens schwindet.

Die Aktienmärkte versuchen derzeit aktiv, die wirtschaftlichen Auswirkungen von KI einzupreisen, verfügen dabei jedoch nur über sehr wenige konkrete Daten. Das Anlegerverhalten schwankt zwischen Begeisterung und Angst; zeitweise herrscht die Einstellung «Erst schießen, dann fragen»: SaaS-Modelle werden für tot erklärt, und ganze Schichten von Middleware- und Plattformunternehmen gelten als strukturell gefährdet.

Wir vertreten ganz bewusst eine gegensätzliche Perspektive. Technologische Umbrüche verlaufen selten auf diese Weise. Unserer Ansicht nach wird die Nachfrage nach Software durch KI nicht verdrängt, sondern KI verändert Wertschöpfungsketten, Preismodelle und Bereitstellungsmechanismen. Die Geschichte zeigt, dass angstgetriebene Hochrechnungen und FOMO - getriebenes Trendfolgen zwar kurzfristig Momentum erzeugen können, aber nur selten langfristigen Wert schaffen.

Disziplinierte Anleger müssen das Tamtam von Narrativen durchschauen und erkennen, wo vermeintliche Umbrüche fälschlicherweise als dauerhafter Kursrückgang eingepreist werden. Insbesondere im Softwarebereich ist das Risiko einer Disruption zwar durchaus real – aber es ist auch ungleichmäßig verteilt. Unternehmen mit proprietären Datenbeständen, die allgemeinen Modellen nicht frei zugänglich sind, sowie «Systems of Record», die in Arbeitsabläufe bei Kunden eingebettet sind, lassen sich möglicherweise schwerer verdrängen, als der Markt vermutet. In manchen Fällen können KI-Funktionen (z. B. Copiloten und Automatisierungsebenen) zusätzliche Umsatzquellen eröffnen oder die Kundenbindung verbessern, anstatt das Kernprodukt lediglich zu einem austauschbaren Gut verkommen zu lassen.

Umgekehrt können Teile der Halbleiterfertigung und der zugrunde liegenden Infrastruktur auf strukturell unterschiedliche Weise von KI profitieren. Diese Bereiche weisen zunehmend oligopolähnliche Merkmale auf, wobei eine strengere Angebotsdisziplin und eine beständige Nachfrage die langfristige Ertragskraft im Vergleich zu früheren Konjunkturzyklen verändern können. Sinnvoll ist eine Investition jedoch nur dann, wenn die Branchenstruktur, die Kapitalintensität und das Preisverhalten dies zulassen.

Insgesamt unterstreichen diese Entwicklungen die Bedeutung von fundamentalem Investieren: Um zwischen vorübergehenden Marktverwerfungen und strukturellen Veränderungen unterscheiden zu können, bedarf es einer detaillierten Analyse der Wettbewerbsposition, der Branchenökonomie und der Nachhaltigkeit von Cashflows – und nicht nur eines thematischen Engagements.

Auch wenn wir uns mit direkten Vergleichen zum Internet zurückhalten, kann die Geschichte doch nützliche Erkenntnisse liefern.

Bedeutende technologische Fortschritte mit vielfältigen Anwendungsmöglichkeiten setzen sich in der Regel allgemein durch, doch wird diese Allgegenwärtigkeit anfangs oft unterschätzt. Gleichzeitig setzen sich die frühen Marktführer nicht immer durch – AOL dominierte den Internetzugang in der Anfangszeit, konnte sich aber nicht an die veränderten wirtschaftlichen Rahmenbedingungen anpassen. Einige der Unternehmen, die derzeit eine Vorreiterrolle einnehmen, könnten letztendlich ins Hintertreffen geraten, wenn es ihnen nicht gelingt, ihre Produkte zu vermarkten und ihr Wachstum zu finanzieren.

Schließlich neigt Technologie dazu, sich immer weiter zu konzentrieren. Suchen konzentrieren sich auf Google, soziale Netzwerke auf Meta und E-Commerce auf Amazon. Wir glauben, dass dies bei KI wahrscheinlich nicht anders sein wird. Zu den Mechanismen dieser Konzentration gehören häufig aggressive Reinvestitionen, die Erweiterung der Produktpalette und die Übernahme aufstrebender Wettbewerber. Das kann Marktführer zwar in ihrer Position festigen, führt aber auch dazu, dass sich die Frage, «wer» die langfristigen Gewinner sein werden, immer wieder neu stellt.

Für Value-Investoren besteht die Herausforderung nicht darin, das Narrativ vorherzusagen, sondern Preisstabilität, Anpassungsfähigkeit und die Fähigkeit zur Cash-Generierung im Zuge dieser Entwicklung richtig zu bewerten.

¹ «Big Tech to Spend USD 650 Billion This Year as AI Race Intensifies», Bloomberg, 6. Feb. 2026, und Diagramm: «The USD 448B AI Spending Surge by Big Tech», Visual Capitalist, 20. Apr. 2026.
² Das Moore’sche Gesetz besagt, dass sich die Anzahl der Transistoren auf einem Mikrochip etwa alle zwei Jahre verdoppelt, während sich die Kosten für Computer halbieren. Dieses Prinzip, das 1965 vom Intel-Mitbegründer Gordon Moore geprägt wurde, dient der Halbleiterindustrie seit über einem halben Jahrhundert als Richtschnur.