Das Netz der KI-Schulden

Vergleiche zwischen KI und der Internet-Blase der späten 1990er und frühen 2000er Jahre folgen derzeit Schlag auf Schlag. Parallelen sind immer nützlich – ebenso sehr wegen der Unterschiede, die sie aufzeigen, wie wegen der Gemeinsamkeiten, die sie offenbaren. Zirkuläre Finanzierung an sich ist kein neues Phänomen. Doch das Ausmass dieses Kreislaufs ist beispiellos und führt in Verbindung mit der Unsicherheit über die Nutzungsdauer der finanzierten Vermögenswerte zu einer neuen Dynamik.

Wie der Anthropic-Deal verdeutlicht, treten dieselben Unternehmen oft zu unterschiedlichen Zeitpunkten innerhalb der Kapital- und Beziehungsstruktur als Kunde, Lieferant, Bürge und Gläubiger auf. Dennoch sind die Labore selbst die grösste Schwachstelle im System, da sie unrentabel sind und sich auf Modellebene einen heftigen Wettbewerb liefern.

OpenAI und Anthropic gehören zu den grössten Nutzern von Rechenleistung und sind am ehesten in der Lage, die Grenzen weiter zu verschieben, doch nach herkömmlichen Massstäben gelten sie als schwache Kreditnehmer. Tatsächlich soll OpenAI im ersten Quartal 2026 allein 3.7 Milliarden US-Dollar verbrannt und zeitweise Verbindlichkeiten in Höhe von fast 1.4 Billionen US-Dollar^4,5 eingegangen sein; nach eigenen Angaben wird das Unternehmen frühestens 2030 einen ausgeglichenen freien Cashflow erreichen.⁶ Gleichzeitig ist gerade das Fehlen eines Kreditratings bei Anthropic der Grund dafür, dass die Schulden des Unternehmens durch eine Garantie von Broadcom abgesichert werden mussten, um als «Investment Grade» eingestuft zu werden.

Die Konzentration zieht sich auch auf Hardwarebene durch. Eine kleine Gruppe von Entwicklern, Halbleiterherstellern und Chip-Packaging-Unternehmen kann bei anhaltender Verknappung die Preise für die gesamte Produktpalette neu festlegen, und hinter den Schulden in Höhe von mehreren zig Milliarden aus Chip-Leasing-Verträgen steht nun ein einziger Bürge. Der zunehmende Einsatz von TPUs von Google, von Trainium-Chips von Amazon und anderen selbst entwickelten Chips führt zu Schwankungen bei den Marktanteilen. Das könnte zwar langfristig die Wirtschaftlichkeit der Rechenleistung verbessern, kann aber auch den Restwert schmälern, von dem diese Leasingverträge abhängen.

Für Anleger bedeutet dies in der Praxis, dass ein KI-Engagement nicht nur auf Emittentenebene, sondern auch auf Netzwerkebene analysiert werden sollte. Bei Anleihen, bei denen Anleger nur begrenztes Ertragspotenzial haben, müssen die Renditen die sich im System kumulierenden Risiken ausgleichen.

Deswegen ist es nun unabdingbar, herauszufinden, wer von wessen Rechenleistung, Energie, Daten und Finanzierung abhängig ist, welche Unterstützung ausdrücklich vereinbart ist und nicht als selbstverständlich vorausgesetzt wird und wie schnell Verträge neu angepasst werden, wenn sich wirtschaftliche Rahmenbedingungen ändern. Ein starkes Wachstum und ein knappes Angebot verbessern die kurzfristigen Rahmenbedingungen für die Emission von Anleihen. Doch die Qualität der Anleihen hängt nach wie vor davon ab, wo der Anleger in diesem Netzwerk steht und welche Risiken durch die Vertragsunterlagen tatsächlich übertragen werden. Auch Diskrepanzen bei den vertraglichen Laufzeiten innerhalb der Struktur können die potenziellen Auswirkungen dieser Zirkularität verstärken.

Möglicherweise gibt es in diesem System niemals einen einzigen Ausfallpunkt. Die offensichtlichsten Kreditrisiken lassen sich jedoch letztendlich auf die Forschungslabore zurückführen. Zirkuläre Finanzierungsvereinbarungen können ausgewiesene Umsätze verzerren, während fehlgeschlagene Kapitalbeteiligungen an Kunden und Partnern die Bewertungen belasten würden; der überwiegende Teil der neuen Fremdkapitalaufnahme des Systems hängt jedoch nicht direkt von diesen Faktoren ab. Anleihen von zunehmend verschuldeten Cloud-Betreibern und den dazugehörigen Rechenzentren wären besonders gefährdet, sollte es einem Forschungslabor nicht gelingen, rentabel zu skalieren. Die Sekundäreffekte würden stark vom Auslöser abhängen und könnten von einer geordneten Anpassung bis hin zu einem schwerwiegenderen Übergreifen reichen.
Mangelnde Transparenz wird jedoch zu einem grossen Problem. Nach unseren Berechnungen steigen die gesamten Verbindlichkeiten der Hyperscaler unter Einbeziehung der ausserbilanziellen Verpflichtungen von rund 800 Milliarden US-Dollar auf etwa 3.5 Billionen US-Dollar. Konstrukte wie Anthropic lagern die Hardware sowie die Schulden effektiv vollständig aus dem operativen Unternehmen aus, ersetzen diese jedoch durch Leasingverbindlichkeiten und andere Verpflichtungen, die an anderer Stelle in den Unternehmensangaben aufgeführt sind. Dennoch führt der private Charakter der Labore dazu, dass ein grösserer Teil der Schulden nicht bilanziert wird.

Abbildung 3: Hinter den Verpflichtungen der Hyperscaler steckt mehr, als man auf den ersten Blick sieht

Der öffentliche und der private Markt hatten sich bereits angenähert, doch die jüngsten Ereignisse lassen die Grenzen wohl bis zur Unkenntlichkeit verschwimmen. Um sich effektiv anzupassen, müssen Anleihenportfolios nicht nur nach Sektoren oder Ratings, sondern auch nach Märkten und gemeinsamen Gegenparteien diversifiziert werden. Und Transparenz wird bei Risikoprüfungen eine entscheidende Rolle spielen, weil Bilanzen weiterhin nur die halbe Wahrheit widerspiegeln.

Abgesehen von den Fundamentaldaten von Unternehmen beruht diese gesamte Finanzierung auf der Annahme, dass die Nachfrage nach Rechenleistung während der gesamten Anleihenlaufzeit mindestens dem Angebot entspricht bzw. das Angebot übersteigt. Die jüngsten Diskussionen darüber, dass Unternehmen Kapazitäten weiterverkaufen, werfen die Frage nach der Gefahr eines Überangebots auf, da angeblich weitere Kapazitäten in Betrieb gehen sollen.

Bislang deuten die Anhaltspunkte jedoch in die andere Richtung. Wiederverkaufsverträge sind kurzfristig angelegt und mit einem Preisaufschlag versehen. Das erweckt den Anschein, dass Käufer eher für den knappen Zugang tief in die Tasche greifen, als dass sie Überschüsse abstossen, und die anhaltenden Investitionen von Meta in Frontier-Modelle lassen sich nur schwer mit einem Unternehmen vereinbaren, das glaubt, der Wettlauf sei bereits vorbei. Ein Teil der ungenutzten Kapazität ergibt sich schlichtweg aus den Pausen zwischen Trainingsläufen. Das Gleichgewicht kann sich verschieben, sobald neue Standorte in Betrieb gehen, doch derzeit ist der Mangel an Rechenkapazitäten der Spitzenklasse eine Tatsache.

Abbildung 4: Token-Preisindizes

Gläubiger sollten dies zur Kenntnis nehmen, da knappe Rechenkapazitäten Rechenzentren auf Hochtouren laufen lassen, die Position von Betreibern bei Vertragsverlängerungen stärken und den Zugang zu Standorten mit ausreichender Stromversorgung noch wertvoller machen. Es wäre naiv, davon auszugehen, dass die heutigen Preise auf Dauer Bestand haben werden, doch das derzeitige Ungleichgewicht schafft eine stabilere kurzfristige Grundlage, als es die offiziellen Kapazitätszahlen vermuten lassen.

Die Frage, über die wir immer wieder nachdenken, ist, ob Nachfrage, Preisgestaltung und vertraglicher Schutz ausreichen, um einen Emittenten so lange zu stützen, bis sich sein Cashflow verbessert. Kurzfristig können der Nachweis einer angemessenen Kapitalrendite und eine positive Stückkostenrechnung ausreichen, um diese Lücke zu schliessen.

Oracle ist hier ein nützlicher Massstab. S&P stufte das Unternehmen auf BBB- mit stabilem Ausblick herab, nachdem es eingeräumt hatte, den Kapitalbedarf für seine KI-Pläne unterschätzt zu haben.⁷ Die verbleibenden Leistungsverpflichtungen sind von 138 Milliarden US-Dollar im Vorjahr auf 638 Milliarden US-Dollar gestiegen, was einen echten Einblick in die künftigen Umsätze ermöglicht. Ein Grossteil dieses Betrags hängt jedoch ausschliesslich von OpenAI ab. Dieser Auftragsbestand umfasst auch Kundenvorauszahlungen und Vereinbarungen über die Beistellung eigener Hardware, wodurch sich der von Oracle selbst zu finanzierende Anteil verringert, und die Firmenleitung hat deutlich gemacht, dass sie ihr Investment-Grade-Rating halten will. Auch wenn es noch eine Weile dauern könnte, bis sich der Cashflow erholt, stellen das vertraglich vereinbarte Wachstum, die Kundenfinanzierung und die knappen Kapazitäten doch eine echte Stütze für die Risikoprüfung dar.

Auf den Kreditmärkten bestehen nachgelagert noch andere Risiken, die sich aus dem Erfolg von KI ergeben. Bei Softwareunternehmen im Hochzinssegment waren viele Bilanzen auf ein Niedrigzinsumfeld ausgerichtet. Angesichts sinkender Werte bei börsennotierten Unternehmen haben Bedenken wegen der Nachhaltigkeit dieser Kapitalstrukturen zugenommen. Bei den Spreads in Europa hat sich die seit Januar beobachtete Ausweitung weitgehend wieder umgekehrt, während die Spreads bei US-Hochzinsanleihen aus dem Technologiesektor nun etwa 40 Basispunkte über dem Index liegen, nachdem sie zuvor fast 100 Basispunkte darüber gelegen hatten. Die Erholung der Spreads bedeutet nicht, dass die Fragen zum Geschäftsmodell geklärt sind; sie bedeutet vielmehr, dass Anleger erneut aufgefordert sind, zwischen vorübergehender Volatilität und dauerhafter Ertragsminderung zu unterscheiden.

Eine ähnliche Spannung ist im Investment-Grade-Segment zu beobachten. Bei US-Softwareunternehmen wie Salesforce und Adobe, bei denen die vermeintlichen Auswirkungen von KI möglicherweise stärker sind, kam es bei Marktkapitalisierungen und Anleihespreads zwar zu einem Volatilitätsschub, doch der Cashflow ist weiterhin robust und dürfte dies auch noch einige Zeit bleiben.

Versierte Anleger werden sich fragen, wie sich etablierte Unternehmen wohl behaupten werden. Für uns sind drei Aspekte der Geschäftsmodellabsicherung dabei die wichtigsten Indikatoren. Erstens sind dies firmeneigene Daten, auf die sich die Kunden weiterhin verlassen müssen. Zweitens ist die regulatorische und fachliche Komplexität ein Faktor, der die unternehmensweite Automatisierung verlangsamt. Drittens geht es um das Vertrauen in Dienste, bei denen ein Ausfall oder eine fehlerhafte Zahlung weitaus mehr kostet als der Dienst selbst. Alles verschafft jeweils eher Zeit zur Anpassung als Immunität.

Nichts von dem, was wir heute erleben, ist völlig neu. Sowohl der Ausbau der Telekommunikationsinfrastruktur in den 2000er Jahren als auch der Schiefergasboom in den USA in den 2010er Jahren wurden in hohem Masse durch Fremdkapital finanziert, und in beiden Fällen mussten Kreditgeber bittere Lektionen in Sachen Angebot lernen.

Ein direkterer Vergleich ist wohl das herstellerfinanzierte Leasing, das GE Capital erstmals in den 1960er Jahren für Flugzeuge eingeführt hat. Hierbei trägt der Hersteller des Vermögenswerts zu dessen Finanzierung bei und behält einen Anspruch auf dessen Restwert.

Die heutige KI-Version weist zwar eindeutig ähnliche Elemente auf, hat aber einen völlig anderen Ausgangspunkt. Hyperscaler verfügen über solidere Bilanzen, echte Cashflows und diversifizierte Geschäftsmodelle, und die Nachfrage, die sie finanzieren, zeigt sich in Cloud-Umsätzen, vertraglich vereinbarten Auftragsbeständen und einem anhaltenden Mangel an Rechenleistung. Das bietet Gläubigern eine wesentlich solidere Grundlage, als die reinen Emissionszahlen allein vermuten lassen würden.

Wenn man auf diese Weise Abstand gewinnt, kann man sich ein besseres Bild machen. KI verstärkt den Druck auf bestimmte Bereiche der Wirtschaft, konzentriert die Abhängigkeit von einer Handvoll Anbietern und beschleunigt den Wechsel zwischen Gewinnern und Verlierern – und das alles auf einmal. Für Gläubiger ist das Umfeld ebenso konstruktiv wie mit Vorsicht zu geniessen. Das knappe Angebot stützt die Preise, und «Take-or-Pay»-Verträge, Vorauszahlungen, Garantien und Tilgungen können den Abwärtsdruck abfedern. Und auch wenn sie das Laufzeit-, Gegenparteien- oder Technologierisiko nicht aus der Welt schaffen, können sie den Besitz der Anleihen lohnenswert machen, wenn die Struktur der Nutzungsdauer des Vermögenswerts entspricht und der Kreditgeber für das, was ungewiss bleibt, entschädigt wird.

Vermieden werden sollten Emittenten, die langlebige Infrastruktur mit kurzlebiger Technologie und unzureichendem Schutz finanzieren, sich in einer so frühen Phase übermässig gegenüber einer bestimmten Gegenpartei engagieren oder sich auf KI stützen, um ihre Umsätze zu sichern, ohne über den nötigen bilanziellen Spielraum für Anpassungen zu verfügen. Zudem bestehen erhebliche regulatorische und bauliche Risiken, die noch auftreten können und die im Vergleich zur Risikoprüfung ohne KI in der Regel nicht so gravierend sind.

Nun gilt es herauszufinden, wo im Netz starkes Wachstum und knappe Kapazitäten ausreichend Rückhalt bieten, um das Finanzierungsrisiko zu rechtfertigen.

In diesem Zusammenhang suchen wir nach Emittenten, die von einer Schliessung des Finanzierungsfensters und/oder einer bevorstehenden Abweichung von den Modellskalierungsgesetzen nicht negativ betroffen wären. Wir sehen durchaus Wertpotenzial bei Anleihen von hochstrategischen Rechenzentren mit geringem Energierisiko und einer soliden Umsetzungshistorie sowie bei höher verzinslichen Anleihen im Bereich Rechenleistung, die sich überdurchschnittlich entwickeln können, wenn die Preise fester bleiben als vom Markt erwartet. Zwar könnten die Hyperscaler weiterhin unter Versorgungsengpässen leiden, doch nach unserer Ansicht entsprechen Konsensschätzungen von Investitionsaufwendungen inzwischen wahrscheinlich der Realität und dürften den Druck in Zukunft etwas mindern; in absoluten Zahlen bleiben die Spreads jedoch weiterhin eng.

¹ Apollo and Blackstone complete USD 35 billion private-credit deal to fund Anthropic’s compute expansion, Financial Times, Juni 2026.

² Bloomberg Consensus Estimates, August 2026
³ Bloomberg, August 2026
⁴ OpenAI burned USD 3.7 billion in first quarter of 2026, The Information reports, Reuters, 16. Juni 2026.
⁵ OpenAI data center pivot underscores Wall Street IPO concerns, CNBC, 22. März 2026 (Hinweis: Die Zahl zu den Verpflichtungen in Höhe von 1.4 Billionen US-Dollar stammt direkt von Sam Altman.).
⁶ OpenAI resets spending expectations, tells investors compute target is around USD 600 billion by 2030, CNBC, 20. Februar 2026.
⁷ Oracle Corp. downgraded to BBB- on elevated AI-related capital spending; outlook stable, S&P Global Ratings, 9. Juli 2026.