Wie ist die große Korrektur bei KI zu bewerten? Tiefgehende Analyse des 120-seitigen Forschungsberichts von Morgan Stanley

Seit Ende Juni hat der globale KI-Sektor eine deutliche Korrektur durchlaufen.

Ob dies eine kurzfristige technische Korrektur oder ein Signal für das zyklische Top ist, ist eine Frage von großem Wert.

Morgan Stanley veröffentlichte am 27. Juli einen 120 Seiten langen ausführlichen Bericht zu diesem Thema, mit dem Titel „Playing the AI Infrastructure Dip“.

Der Bericht kommt zu einer klaren Einschätzung: Die Haupttriebkraft der Rückgänge sind technische Faktoren, darunter die Bereinigung von überfüllten Positionen, die Enthebelung von Margin-Finanzierungen und die Umkehr des Momentums, nicht aber eine Störung der fundamentalen Logik.

Ich habe den Bericht sorgfältig gelesen und viele Erkenntnisse gewonnen, die ich jetzt erläutere.

(1) Sorge der Kapitalmärkte: Umkehr der Tokenmaxxing-Narrative?

Der erste negative Hinweis, der zuletzt im Markt Beachtung fand, ist die Umkehr der "Tokenmaxxing" Narrative.

Viele Unternehmen setzen inzwischen Obergrenzen für den AI Token-Verbrauch ihrer Mitarbeiter, was zu Zweifeln an der Nachhaltigkeit des Umsatzwachstums von Large-Model-Firmen führt.

Diese Sorge ist nicht begründet.

Erstens: Das aktuelle Niveau der Token-Ausgaben von Firmenmitarbeitern ist sehr niedrig, der ROI dafür aber extrem hoch.

Die Studien von Morgan Stanley zu zahlreichen unternehmensbezogenen KI-Anwendungen zeigen, dass durchschnittlich pro KI-Aufruf etwa 55 USD Arbeitskosten eingespart werden, während die durchschnittlichen Kosten für einen unternehmensweiten Task durch Agent-Kooperation nur 2–5 USD betragen – der ROI liegt über dem 10-fachen.

Bei Tools mit einem ROI von mehr als 10x ist die Einführung keine Budgetentscheidung, sondern eine Frage der Kernkompetenz, Unternehmen, die KI nicht proaktiv einsetzen, werden zunehmend Wettbewerbsnachteile haben.

Zweitens: Die Entwicklung neuer GPU-Generationen wird die Profitabilität von Rechenzentren erhöhen. Das bedeutet, dass Tokens künftig deutlich günstiger angeboten werden können, ohne die Rentabilität zu beeinträchtigen, was die Nachfrage weiter freisetzen wird.

Das Intelligence Factory-Modell von Morgan Stanley kalkuliert, dass die Nettomarge beim Tokenverkauf in Datenzentren auf Basis von Blackwell etwa 58% beträgt.

Mit der Einführung der Generationen Rubin und Feynman steigt die Marge auf etwa 80% bzw. 90%.

Heißt: Hyperscaler können die Tokenpreise um etwa 75% senken, ohne dass sich die Margen ändern, die Kostenkurve sinkt deutlich, Preissenkung und Profitabilität gehen Hand in Hand.

(2) Sorge der Kapitalmärkte: Kimi-Moment widerlegt die Angemessenheit von Kapitaleinsatz?

Mit der Veröffentlichung von Kimi K3 überdenken die Kapitalmärkte einen zentralen Grundsatz: Wenn China zu geringeren Kosten leistungsfähige Modelle trainieren kann, muss die jährliche KI-Capex der US-Hyperscaler – über eine Billion Dollar – anders bewertet werden?

Morgan Stanley meint: Der extreme Effizienzanspruch der US- und chinesischen Large-Model-Firmen schwächt die Nachfrage nach Rechenleistung nicht – im Gegenteil, er verstärkt die strukturelle Einschätzung „Nachfrage weit über Angebot“.

Im 19. Jahrhundert beobachtete der Ökonom William Stanley Jevons, dass Watts Verbesserungen der Dampfmaschine zwar die Effizienz des Kohleverbrauchs steigerten, doch der Gesamtkohleverbrauch in Großbritannien explodierte. Denn die wirtschaftlich gewordenen Dampfmaschinen wurden in viel mehr Fabriken und Minen eingesetzt.

Daher formulierte er das bekannte Jevons-Paradox: Wenn die Nutzungseffizienz einer Ressource steigt, steigt auch deren Gesamtverbrauch.

Das Jevons-Paradox gilt auch für die aktuelle KI-Revolution: Steigende Effizienz der Rechenleistung senkt die Token-Kosten, niedrigere Kosten bedeuten mehr Szenarien, mehr Nutzer, häufigere Aufrufe – und so steigt der Gesamtverbrauch an Rechenkapazität.

Morgan Stanley referenziert hierzu Zahlen:

Google-Manager sagten jüngst, das Unternehmen müsse seine Rechenleistung alle sechs Monate verdoppeln, was in fünf Jahren etwa das 1000-fache bedeutet.

Auf der Angebotsseite ist der CAGR von NVIDIA’s KI-Chip-Verkäufen 2025-2028 etwa 140%. Selbst wenn man diesen Trend fünf Jahre fortschreibt, kann die gelieferte Rechenkapazität nicht einmal 10% der Prognose von Google abdecken.

Mit anderen Worten: Selbst der weltweit größte Anbieter von Rechenleistung ist bei maximalem Wachstum nur in der Lage, einen Bruchteil des Bedarfs eines einzelnen Kunden zu decken.

(3) Sorge der Kapitalmärkte: Begrenzung auf der Angebotsseite als harter Deckel?

Die dritte Sorge der Kapitalmärkte lautet: Selbst wenn die Nachfrage sicher ist – führen die physischen Bedingungen in der echten Welt dazu, dass die Infrastruktur für Rechenleistung nicht bedarfsgerecht geliefert werden kann?

Morgan Stanley nennt die physikalischen Begrenzungen „3P“: People, Power, Politics.

People: Qualifizierte Fachkräfte für den Bau von Rechenzentren (Elektriker, Schweißer, Rohrleitungsbauer) sind strukturell knapp.

Power: Die Wartezeit für den Netzanschluss beträgt in manchen Regionen mittlerweile 5–7 Jahre und ist damit der größte zeitliche Flaschenhals beim Betrieb von Rechenzentren.

Politics: Der Bau von Rechenzentren trifft auf vielschichtigen politischen Widerstand von Kommunen bis zur Bundesebene – die Stimmungslage dreht sich strukturell.

In den letzten Jahren lieferten die Bundesstaaten großzügige Förderprogramme, um Rechenzentren anzulocken. Jetzt kehrt sich der Trend um: Die Staaten pausieren, versehen die Projekte mit Auflagen oder streichen Vergünstigungen komplett.

Die Themen Verlangsamung des Rechenzentrumsausbaus und Schutz der Strompreisbelastungen für Haushalte werden immer häufiger zu Wahlkampfthemen von Gouverneuren und dürften bei den Wahlen im November eine wichtige Rolle spielen.

Gleichzeitig versucht die Bundesebene, eine landesweite „Datacenter-Tarifstruktur“ zu etablieren.

Das Repräsentantenhaus prüft gerade den Ratepayer Protection Act, der erstmals eine Kostenverteilung für Infrastrukturgesetzgebung vorsieht und die Versorgungsunternehmen dazu verpflichtet, einen „High Load Standard“ zu definieren, sodass Rechenzentren für Netzaufrüstung zahlen müssen.

Im März hatten Amazon, Google, Meta, Microsoft, Oracle, xAI etc. bereits das Ratepayer Protection Pledge des Weißen Hauses unterschrieben und sich freiwillig verpflichtet, die Kosten für Rechenzentrum-Infrastruktur nicht auf die Verbraucher abzuwälzen.

Dieses Gesetz macht die freiwillige Verpflichtung verbindlich und etabliert de facto eine landesweite Zusatzgebühr für den Stromverbrauch von Rechenzentren.

Morgan Stanley erkennt die Plausibilität dieser Sorge an, qualifiziert sie aber als „speed bumps“, nicht als grundlegende strukturelle Barrieren.

Mit den langen Wartezeiten und wachsendem Druck zur eigens organisierten Stromversorgung wird Onsite-Eigeneration zur zentralen Lösung.

(4) Time to Power: unterschätzte Stromzeit-Arbitrage

Morgan Stanley hat die Stromlücke amerikanischer Rechenzentren quantitativ berechnet.

Ergebnis: Der Strombedarf 2026–2028 liegt bei etwa 68 GW. Abzüglich laufender Bauprojekte (15 GW) und bestehender Netzkapazitäten (15 GW) bleibt ein potenzieller Mangel von 38 GW, die Wartezeit für Netzanschluss beträgt in manchen Regionen 5–7 Jahre.

Vor diesem Hintergrund hält Morgan Stanley die Zeit zum Stromanschluss („Time to Power“) für die derzeit am stärksten falsch bepreiste Richtung am Markt.

Das Prinzip ist klar: Die Inbetriebnahme von Rechenzentren hängt an der Stromversorgung → 5–7 Jahre Netzanschluss-Wartezeit → Alternativen, die innerhalb von 1–3 Jahren Strom liefern, bieten erhebliche Arbitrage-Vorteile.

Morgan Stanley identifiziert zwei Kernlösungen für das Flaschenhalsproblem:

• Bitcoin-Minen: Diese Firmen besitzen bereits erhebliche Netzkapazitäten und Flächen – sie könnten sie direkt für Rechenzentren nutzen, insgesamt 10–19 GW.

• Schnell einsetzbare Stromerzeugungs-Alternativen: Gegenüber Netzanschluss bieten sie 1–3 Jahre Zeitvorteil, darunter könnten Gasturbinen 15–20 GW und Brennstoffzellen 5–8 GW liefern.

Auch wenn man Gasturbinen, Brennstoffzellen, Direktversorgung durch Kernkraftwerke und die Umnutzung von Bitcoin-Minen in „Time-to-Power“-Szenarien einbezieht und gewichtet, bleibt im Basisszenario ein Nettomangel von etwa 1 GW – im pessimistischen Szenario wächst dieser auf 11 GW.

Mit anderen Worten: Das derzeit knappste Gut der Hyperscaler ist nicht Capex, sondern physischer Raum mit verfügbarer Stromversorgung – die „Powered Shell“.

Morgan Stanleys Studien zeigen, dass der Markt diese „Powered Shell Provider“-Unternehmen nicht ausreichend bepreist.

Zur Quantifizierung des Unterbewertung vergleicht Morgan Stanley mit traditionellen PPA für erneuerbare Energien, siehe Tabelle unten:

Aktuell liegt das EV/Watt dieser Powered Shell Provider bei nur $2–4, darunter TeraWulf, Cipher Mining, HUT 8, Riot Platforms, Applied Digital, Galaxy Digital usw.

Auf Basis der Bewertung von etablierten Rechenzentrum-Betreibern (wie Equinix und Digital Realty) mit 20–25x EV/Watt gibt Morgan Stanley diesen Transformationsfirmen ein Ziel von 15x EV/Watt Abschlag.