Virtuelle Realitäten

Konsensschätzungen gehen davon aus, dass sich die Gesamtinvestitionen führender Hyperscaler und KI-Infrastrukturunternehmen im Jahr 2026 auf rund 940 Milliarden US-Dollar und im Jahr 2027 auf 1.3 Billionen US-Dollar belaufen werden.¹ Auch private Schätzungen gehen in diese Richtung: Die UBS beziffert die kumulierten Investitionen in KI zwischen 2026 und 2030 auf rund 4.7 Billionen US-Dollar.²

Ähnlich sieht die Aufgliederung der zukünftigen KI-Investitionsausgaben durch McKinsey aus: Etwa 60% entfallen auf Chips und Hardware, 25% auf Energie- und Elektroausrüstung und etwa 15% auf Grundstücke und Standorterschliessung.³ Einfach ausgedrückt: Das Geld fliesst in Dinge, die einem auf den Fuss fallen können, und – was noch wichtiger ist – die Investitionen sind mittlerweile zu gross geworden, um allein aus den Unternehmensbilanzen finanziert zu werden. Deswegen spielen die Kapitalmärkte beim Ausbau eine zentrale Rolle.⁴

Strom stellt derzeit einen entscheidenden Engpass dar. KI-Racks sind weitaus dichter bestückt als herkömmliche Server, und das Stromnetz wurde nicht für sie ausgelegt. Die Wartezeiten für den Netzanschluss betragen Jahre, Transformatoren haben lange Lieferzeiten, und qualifizierte Arbeitskräfte sind Mangelware. Obwohl die Gesamtzahlen noch bescheiden sind, steigen sie rapide an: US-Rechenzentren verbrauchten 2023 etwa 4% des nationalen Stroms, und bis 2028 wird ein Anstieg auf 7% bis 12% prognostiziert.⁵ In Irland beziehen Rechenzentren bereits etwa ein Fünftel des Stroms des Landes – ein Anteil, der sich innerhalb weniger Jahre auf ein Drittel erhöhen könnte. Das hat den Netzbetreiber dazu veranlasst, neue Anschlüsse im Raum Dublin zu drosseln.⁶

Die Sicherung dieser lebenswichtigen Energie wird zu einer eigenständigen Disziplin. Angesichts langer Wartelisten für Netzanschlüsse gehen Entwickler zunehmend direkt Verträge über eine feste, stets verfügbare Versorgung ein – darunter langfristige Stromabnahmeverträge für Kernenergie, Gaserzeugung vor Ort und Batterien zur Stabilisierung erneuerbarer Energien⁷. Die Wirtschaftlichkeit hängt zunehmend von den Tarifen, dem Zeitpunkt des Netzanschlusses und der Frage ab, wer letztendlich die Kosten für die unterstützende Infrastruktur trägt.⁸

Der ökologische Fussabdruck umfasst auch Flächen und Wasser. Ein einzelner Hyperscale-Campus kann so viel Strom verbrauchen wie ein mittelgrosser Ort und für seine Kühlung so viel Wasser wie eine Kleinstadt.⁹ Obwohl eine Flüssigkeitskühlung im geschlossenen Kreislauf den eigenen Wasserverbrauch eines Standorts senken kann, erhöht sich dadurch in der Regel sein Strombedarf. Dabei stammt ein Grossteil dieses Stroms aus Wärmekraftwerken, die selbst grosse Mengen an Wasser verbrauchen.
An dieser Stelle sollte man genau sein, da die Umweltdebatte rund um KI-bezogene Aktivitäten voller Falschinformationen ist.

Die weit verbreitete Behauptung, dass ein einzelner KI-Prompt «eine Flasche Wasser verbraucht», ist eine Fehlinterpretation einer Studie der University of California, Riverside, aus dem Jahr 2023, in der tatsächlich von etwa 500 Milliliter pro 10 bis 50 Antworten die Rede war – nicht pro Prompt.¹⁰ Sam Altman von OpenAI beziffert den Verbrauch einer typischen ChatGPT-Abfrage auf etwa 0.34 Wattstunden und einen Bruchteil eines Teelöffels Wasser; eine unabhängige Schätzung von Epoch AI stimmt damit weitgehend überein. Doch wie bei jedem Durchschnittswert spielen auch die Ausreisser eine Rolle: Dieselbe Epoch-Analyse ergab, dass der Energieverbrauch bei Abfragen mit sehr langen oder komplexen Eingaben auf 2.5 bis 40 Wattstunden ansteigt. Neuere «Reasoning»-Modelle und agentenbasierte Workflows können daher weitaus mehr Energie verbrauchen als die einfachen Chatbots, die in diesen offiziellen Zahlen angegeben sind.^11,12

Auch wenn es also durchaus einen ökologischen Fussabdruck gibt, über den man sich Sorgen machen muss, müssen wir den gesamten und den indirekten Verbrauch betrachten – den Wasser- und Stromverbrauch der Anlagen, die die Serverracks versorgen (sozusagen Scope 3), und nicht nur die reinen, beängstigenden Zahlen pro Prompt, auf die laut Schätzungen der IEA der Grossteil des Wasserverbrauchs von Rechenzentren entfällt.¹³

Aus ausreichender Distanz betrachtet, erweisen sich die oben beschriebenen physischen Engpässe als Symptom eines viel umfangreicheren Problems. Im Jahr 1969 beschrieb Buckminster Fuller den Planeten als «Raumschiff Erde».¹⁴ Damit meinte er ein Raumschiff mit endlichen Vorräten, ohne Nachschub und mit einer Besatzung, die mit ihren Ressourcen haushalten muss, um nicht unterzugehen.

KI ist ein Stresstest für dieses geschlossene System – ein neuer und schnell wachsender Anspruch auf die begrenzten Vorräte des Raumschiffs an Energie, Wasser, Materialien und die Fähigkeit, Wärme abzuleiten.

Die anschaulichste Reaktion auf diese Grenze ist der Versuch, sie hinter sich zu lassen. Anfang 2026 beantragte SpaceX den Bau einer Konstellation von bis zu einer Million solarbetriebener Satelliten als Rechenzentren im Orbit und integrierte xAI im Vorfeld eines rekordverdächtigen Börsengangs.^15,16 Elon Musk ist mit diesem Ehrgeiz nicht allein: Google, Amazon, das von Nvidia unterstützte Unternehmen Starcloud (das Ende 2025 eine GPU in den Orbit brachte) und Chinas Raumfahrtprogramm verfolgen allesamt Varianten derselben Idee.¹⁷

Es herrscht grosse Skepsis. Unabhängigen Schätzungen zufolge sind die Kosten für die Stromerzeugung im Orbit weit höher als von Strom aus Sonnenenergie oder Gaskraftwerken auf der Erde¹⁸; die Ableitung von Wärme im Vakuum erfordert Kühlkörper in gewaltigem Ausmass; die dafür erforderliche Rakete befindet sich noch in der Testphase; und die Wartung von Hardware im Orbit stellt offensichtlich eine grosse Herausforderung dar.

Der tiefere Sinn, den Fuller im Grunde schon die ganze Zeit zum Ausdruck brachte, ist also, dass man einem geschlossenen System nicht entkommt, indem man sich an ein noch grösseres anhängt. Selbst der Traum vom Orbit ist eine weitere Wette auf physische Infrastruktur – Chips, Start, Solarmodule und Kühlkörper. Hiermit werden die Einschränkungen lediglich vergrössert und verlagert, anstatt sie zu beseitigen.

Aber Fuller verstand auch die sozialen und zwischenmenschlichen Auswirkungen einer Besatzung, die sich ein einziges, begrenztes Raumschiff teilt. Wie die Kosten und Gewinne des Systems verteilt sind, ist ebenso wichtig wie das Verbrauchsvolumen. Hier liegt wohl der nächste Konfliktpunkt von KI.

Die Verdrängung von Arbeitskräften wird sich wahrscheinlich eher auf bestimmte Bereiche konzentrieren als flächendeckend erfolgen. Sprach- und programmierintensive Bürotätigkeiten scheinen am stärksten gefährdet zu sein.¹⁹

Die meisten KI-Projekte in Unternehmen zielen nach wie vor eher auf eine Unterstützung als auf eine vollständige Automatisierung ab – kaum ein Fünftel strebt einen Endzustand an, in dem kein menschliches Eingreifen mehr erforderlich ist.²⁰ Die kurzfristige Realität sieht also so aus, dass Arbeitsplätze eher umgestaltet als abgebaut werden, wobei sich der erste Druck eher bei der Einstellung neuer Mitarbeiter, insbesondere auf Einstiegsebene, als bei den Löhnen bemerkbar macht.²¹ Das ist jedoch ein schwacher Trost, wenn dadurch die untersten Sprossen der Karriereleiter ausgehöhlt werden und sich die Vorteile an der Spitze konzentrieren.

Die Auswirkungen beschränken sich zudem nicht auf Bürotätigkeiten. Der Transport- und Logistiksektor zeigt, wie schnell sich die Grenze verschieben kann, sobald Technologie, Kapital und Regulierung aufeinander abgestimmt sind. Nehmen wir zum Beispiel John Smith, den CEO von FedEx Freight, der angedeutet hat, dass autonome Lkw kurz vor der betrieblichen Einsatzbereitschaft stehen. Dabei hängt die Nutzung mittlerweile weniger davon ab, ob die Technologie funktioniert, als vielmehr davon, wann die Regulierungsbehörden eine grossflächige Einführung zulassen.²²

Wer tatsächlich von den Vorteilen profitiert und wer die Kosten trägt, ist eine entscheidende Frage. Ein und derselbe KI-Dollar führt zugleich einen Boom bei den Investitionsausgaben, einen potenziellen Ersatz von Arbeitskräften und eine Ausweitung der Margen herbei. Unternehmen richten ihre Strukturen zunehmend auf KI aus und berufen sich auf Effizienz, selbst dort, wo Produktivitätsgewinne noch nicht nachgewiesen sind.²³

Für Aktionäre bedeutet dies eine potenzielle Margenausweitung; für die Gesamtwirtschaft wirft dies jedoch ein heikles Problem hinsichtlich der Zirkularität auf. Eine konsumgetriebene Wirtschaft braucht Verbraucher mit Einkommen. Wenn KI die Gewinne steigert, indem sie Arbeitskräfte verdrängt, die gleichzeitig auch Kunden sind – wer hält dann die Nachfrage aufrecht?²⁴

Bei einem geordneten Übergang übernehmen die verdrängten Arbeitskräfte neue, KI-ergänzende Tätigkeiten und der Produktivitätsgewinn führt zu höheren Einkommen. Bei einem ungeordneten Übergang hingegen führt die Erwartung von Arbeitsplatzverlusten zu vorsorglichem Sparen, dämpft das Wachstum und zwingt Regierungen dazu, mit Unterstützung, Umschulungen und Umverteilung einzugreifen.²⁵

KI-Systeme sind mittlerweile in Entscheidungen eingebunden, die sowohl weitreichende Folgen haben als auch rechtlich geschützt sind: z. B. wer eingestellt wird, wer Kredite erhält, wer versichert wird, wer eine Wohnung bekommt und so weiter. Wenn diese Systeme aus historischen Mustern lernen, neigen sie dazu, diese Muster zu reproduzieren. Im Fall «Mobley gegen Workday» behauptete ein Bewerber, dass ein KI-gestütztes Auswahlverfahren bei der Einstellung ältere, schwarze und behinderte Bewerber unverhältnismässig oft ablehnte; das Gericht hat zugelassen, dass Klagen wegen Altersdiskriminierung als Sammelklage weiterverfolgt werden.²⁶ Das wohl relevanteste Detail für Investoren ist, dass die Kläger nicht nur gegen den Arbeitgeber, sondern auch gegen den Anbieter vorgehen.²⁷

Den führenden Köpfen der Branche ist die Tragweite dieser Entwicklung durchaus bewusst. Im Jahr 2023 schlossen sich die meistzitierten KI-Forscher – darunter Geoffrey Hinton und Yoshua Bengio – den Leitern der grossen Forschungslabore in einer einzeiligen Erklärung an, in der sie feststellten, dass «mitigating the risk of extinction from AI should be a global priority alongside… pandemics and nuclear war» [die Minderung des Risikos einer Auslöschung durch KI sollte neben … Pandemien und Atomkrieg eine globale Priorität sein].²⁸

Obwohl sich der regulatorische Rahmen zunehmend festigt, verschiebt sich der Zeitplan. Im Rahmen des EU-KI-Gesetzes wurden die Verpflichtungen für Bereiche mit hohem Risiko auf Dezember 2027 verschoben.²⁹ Das bestehende Antidiskriminierungsrecht gilt bereits, Rechtsstreitigkeiten warten nicht auf das Gesetz, und eine wachsende Zahl von Pflichten in Bezug auf Datenherkunft, Datenschutz und Sorgfaltspflichten im Bereich der Menschenrechte wird ohnehin kommen.

In Sachen Verantwortung und Engagement tut sich eine auffällige Lücke auf. Untersuchungen der Oxford AI Governance Initiative zeigen, dass Anleger derzeit nur in geringem Umfang KI-Governance verlangen und dass das Engagement von Vermögensverwaltern, sofern es überhaupt stattfindet, (einstweilen) oft eher auf der eigenen Einschätzung der Wesentlichkeit beruht als auf Druck von Kundenseite.³⁰

Die Qualität der Governance sollte als Massstab für die Kontrolle im Bereich der KI betrachtet werden, so wie dies seit Jahren in vielen anderen Bereichen der Unternehmenstätigkeit der Fall ist. Ein Unternehmen, das nicht erklären kann, wie seine Modelle zu folgenreichen Entscheidungen gelangen, dürfte diese wahrscheinlich auch nicht effektiv steuern können und könnte durchaus Eventualverbindlichkeiten aufweisen, die noch von niemandem bewertet wurden.

Insgesamt bergen die physischen, endlichen und menschlichen Aspekte der KI-Einführung sowohl Chancen als auch Risiken.

Als Investoren konzentrieren wir uns bei der Suche nach unerschlossenen Werten oft darauf, Einschränkungen zu minimieren. In diesem Fall könnten die Werte in vertraglich gesicherten und zuverlässigen Stromlieferungen liegen; in Übertragungsleitungen, Transformatoren und Netzausrüstung mit mehrjährigen Vorlaufzeiten; in den Rohstoffen, die diese mit Strom versorgen; sowie in digitaler Infrastruktur mit gesicherter Energieversorgung und Genehmigungen. Die Auswirkungen sind nicht hypothetisch, da KI-bezogene Titel bereits im Jahr 2026 überdurchschnittliche Marktschwankungen verursachten und bei jeder Stimmungsänderung hinsichtlich der Dauerhaftigkeit des Ausbaus eine drastische Neubewertung erfuhren.

Betrachtet man das Thema unter dem Gesichtspunkt des «Raumschiffs Erde», so werden Effizienz und Kreislaufwirtschaft zu Anlagethemen. Flüssigkeits- und Kreislaufkühlung, Wasserrecycling und Wärmerückgewinnung; Netzeffizienz und Langzeitspeicherung; sowie die Langlebigkeit von Hardware und die E-Müll-Kette. Orbital-Computing sollte unterdessen vielleicht eher als langfristige Option betrachtet werden – als Call-Option auf einen Einbruch der Startkosten – statt als Anlageobjekt.

Es gibt zudem einen reflexiven Ansatz, bei dem KI nicht nur Gegenstand, sondern zunehmend auch ein Werkzeug von nachhaltigem Investieren ist: KI wird genutzt, um ESG-Signale in Unternehmensberichten zu erkennen und Satellitenbilder auf Entwaldung, Methan- und Scope-3-Emissionen zu analysieren. So können Unternehmensangaben anhand physischer Beweise überprüft werden.³¹ DeepMind von Google beispielsweise senkte den Energieverbrauch für die Kühlung seiner Rechenzentren um etwa 40% – was einer Reduzierung der Gesamtenergieeffizienz um 15% entspricht –, indem es die Kühlanlage nicht mehr anhand statischer Sollwerte, sondern mit Hilfe eines Modells steuern liess.³² Dieses frühe Ergebnis warf später Fragen zur Reproduzierbarkeit auf, und Produktionssysteme verzeichnen in der Regel bescheidenere Einsparungen von 14% bis 21%, doch es diente als Konzeptnachweis, dem andere folgen könnten.³³ Tatsächlich kann KI sowohl die Rolle des Helden als auch des Bösewichts spielen.

Letztendlich erfordert die Umsetzung von Modellen in einsatzbereite Kapazitäten Strom, der bereitgestellt werden kann, Wasser, dessen Nutzung gerechtfertigt werden kann, Materialien, die beschafft werden können, Arbeitskräfte, die sich anpassen können, und eine Governance, die glaubwürdig genug ist, um einer genauen Prüfung standzuhalten. Ein Grossteil dieser Kosten liegt ausserhalb der von Modellanbietern ausgewiesenen Stückkostenrechnung, aber innerhalb der Bilanz der Gesellschaft.

Es ist sinnvoll, grosse Rechenzentrumsprojekte weniger wie gewöhnliche Technologieinvestitionen und mehr wie Flughäfen, Häfen oder Versorgungsunternehmen zu behandeln – also Vermögenswerte, deren Rendite davon abhängt, dass physische Kapazität, planetarische Bilanzierung und gesellschaftliche Legitimität gemeinsam gewährleistet werden. Investoren müssen herausfinden, ob das System, das KI unterstützt, verantwortungsvoll, rentabel und mit öffentlicher Zustimmung skaliert werden kann. Hier laufen die physische, die endliche und die menschliche Dimension zusammen.

¹ Bloomberg Consensus Estimates, August 2026
² Invest in transformational innovation, UBS CIO GWM, November 2025.
³The cost of compute: A USD 7 trillion race to scale data centers, McKinsey & Company, April 2025.
⁴Key Questions on Energy and AI, International Energy Agency, 2026.
⁵ 2024 United States Data Center Energy Usage Report, Lawrence Berkeley National Laboratory / US-Energieministerium, Dezember 2024.
⁶AI: Five charts that put data-centre energy use – and emissions – into context, Carbon Brief, September 2025.
⁷Beyond the Hype: Assessing Hyperscaler Nuclear Commitments Against U.S. Energy Realities, Carnegie Endowment for International Peace, Juni 2026.
⁸Key Questions on Energy and AI, International Energy Agency, 2026.
⁹Data Drain: The Land and Water Impacts of the AI Boom, Lincoln Institute of Land Policy, Februar 2026.
¹⁰Google games numbers to make AI look less thirsty, The Register, August 2025.
¹¹ Sam Altman: ChatGPT queries consume 0.34 watt-hours of electricity and 0.000085 gallons of water, Data Center Dynamics, Juni 2025.
¹² OpenAI's Sam Altman superintelligence blog (Epoch AI GPT-4o estimate), The Register, June 2025. 
¹³Energy and AI, International Energy Agency, 2025.
¹⁴ R. Buckminster Fuller, Operating Manual for Spaceship Earth, 1969
¹⁵SpaceX files plans for million-satellite orbital data center constellation, SpaceNews, Jeff Foust, Januar 2026.
¹⁶Will data centers in space work? Elon Musk says yes, NPR, April 2026.
¹⁷SpaceX files for million satellite orbital AI data center megaconstellation, Data Center Dynamics, Juni 2026.
¹⁸SpaceX Vow To Loft 1 Million AI Satellites Could Spark Doomsday Dive, Forbes, Kevin Holden Platt, Mai 2026.
¹⁹Generative AI and Jobs: A Refined Global Index of Occupational Exposure (ILO Working Paper 140), Internationale Arbeitsorganisation & NASK, Mai 2025.
²⁰The AI and labor landscape 2026, S&P Global, Juli 2026.
²¹Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Brynjolfsson, Chandar & Chen, Stanford Digital Economy Lab, November 2025.
²²FedEx Freight CEO says self-driving trucks are ready for prime time, The Wall Street Journal, 1. Juni 2026.
²³Every major tech layoff in 2026 that has name-checked AI, TechCrunch, Juli 2026.
²⁴The simple macroeconomics of AI, Daron Acemoglu, Economic Policy 40(121), Januar 2025.
²⁵ Gen-AI: Artificial Intelligence and the Future of Work, IMF Staff Discussion Note SDN/2024/001, Januar 2024.
²⁶ Workday AI Lawsuit Explained: Implications for HR, OutSolve, April 2026.
²⁷ Why AI Hiring Discrimination Claims Are More Dangerous to Employers Than They Look, ABA Business Law Today, Juni 2026.
²⁸Statement on AI Risk, Center for AI Safety, Mai 2023.
²⁹ EU Approves Delays and Other Amendments to Certain EU AI Act Obligations, Morgan Lewis, Juni 2026
³⁰ The Role of Investors in AI Governance, Oxford AI Governance Initiative, April 2026.
³¹Addressing the “AI” in sustainability, Bank of America Institute, September 2025.
³² Evans, R. & Gao, J., DeepMind AI Reduces Google Data Centre Cooling Bill by 40%. Google DeepMind, 2016.
³³ Zhan et al., Data Center Cooling System Optimization Using Offline Reinforcement Learning, 2025.