Von Hypothekenanleihen zu GPU-besicherten Anleihen: Kopiert Nvidia das Vorgehen von AIG?

Nvidia plant erneut die Verbriefung von Rechenzentrumsvermögen, was die KI-Rechenleistung in eine gefährliche neue Phase treiben könnte.

Laut Analyse des Bloomberg-Makrostrategen Simon White könnte Nvidias geplantes Geschäft, Rechenzentren in investierbare Vermögenswerte umzuwandeln, zu einer schweren Überkapazität im Bereich der KI-Rechenleistung führen, insbesondere da das ergebnisbasierte Preisfindungsmodell zunehmend zum Branchenstandard wird. Das Kernargument: Die Finanzialisierung verstärkt künstlich das Nachfrage-Signal und verdeckt den tatsächlichen Zustand eines bereits überversorgten Marktes – dies gleicht der Immobilienblase vor der Finanzkrise 2008.

White stellt fest, dass Nvidia mit Apollo, Brookfield, KKR, Blackstone, BlackRock und Goldman Sachs einen Rahmen für Zusammenarbeit geschaffen hat, um mehr als 500 Milliarden Dollar Kapital in sogenannte „AI-Fabriken“ zu lenken. Nvidia bietet für einen Teil der Geschäfte eine Versicherung für bis zu 25% des GPU-Pfandwerts an, also eine Rückkaufgarantie. Die Parallelen zur Immobilienblase sind unübersehbar. Damals verkaufte AIG Versicherungen für vorrangige CDO-Anleihen, wodurch Banken weniger Eigenkapital vorhalten mussten und mehr toxische Schulden ausgeben konnten – letztlich führte die sprunghafte Korrelation zum staatlichen Bailout.

Beschleunigte Finanzialisierung: AIG-Moment am GPU-Anleihemarkt

Simon White sieht in dieser KI-Infrastruktur-Euphorie eine größere Dimension als die US-Interstaatenautobahn (1960er) und die Breitbandinfrastruktur (2000er). Um diese Party aufrechtzuerhalten, wurden bereits zahlreiche Cross-Finanzierungen und Lieferantenfinanzierungen umgesetzt – allein die durch Nvidia involvierten Geschäfte summieren sich auf gigantische 750 Milliarden Dollar.

Nvidia-CEO Jensen Huang hat klar signalisiert, dass sein Ziel darin besteht, „KI-Fabrik-Rechenleistung“ zu einer investierbaren Vermögensklasse zu machen. Der durch GPU gesicherte Anleihemarkt explodiert dieses Jahr und das neue Abkommen treibt diesen Prozess – Verbriefung und Vertrieb – noch weiter voran. Die Partner bringen Kapital, Infrastruktur-Expertise und fördern die Verbriefung sowie den Vertrieb.

Nvidia macht die Deals attraktiver, indem vorrangige Anleihen dadurch höhere Ratings bekommen. Parallel hat die US-Börsenaufsicht SEC jüngst Regeln zur Verbriefung von Rechenzentrumsanleihen gelockert. White vergleicht dies mit dem Moment, als Pensionsfonds während der Finanzkrise letztlich einstiegen – meist das Signal, dass sich Risiken auf breitere Schuldenbasis ausweiten und der Weg zum Finale des Krisenzyklus beginnt.

Oberflächlich scheint das Risiko für Nvidia begrenzt. Doch White warnt, dass dies die gleiche Fehleinschätzung wie bei AIG damals sei – mit der Zeit übernimmt man immer mehr scheinbar risikolose und rentable Verpflichtungen, bis die Korrelation der Kreditbelastung der Schuldner plötzlich desaströse Ausmaße annimmt.

Überkapazitäts-Signale: Das Ungleichgewicht von Angebot und Nachfrage verdeckt durch Finanzalchemie

Whites Hauptsorge: Die Finanzialisierung schirmt systematisch die Markt-Signale für Überkapazitäten ab. Wie bei der Immobilienkrise zieht die aktuelle Investitionswelle durch Finanzalchemie immer mehr Kapital an, führt so zu Überbau – das Signal, dass genügend Rechenleistung da ist, bleibt unbeachtet.

Auf der Nachfrageseite stellt White fest, dass sich der Bewertungsmaßstab grundlegend wandelt: Die Standardmessung für GPU-Vermietung ist die Kosten pro Stunde, beim Inferenzprozess die Kosten pro verarbeitetem token. Aber für Endnutzer zählt letztlich nur das Resultat – wie viel Intelligenz bekomme ich für jeden ausgegebenen Cent oder salopp: Was kostet das Erledigen einer Aufgabe?

Die Intelligenzkosten sinken, doch diese Veränderung wirkt sich nicht unmittelbar auf das GPU-Pricing aus. Wenn ein Modell eine Aufgabe mit 10-mal weniger tokens erledigt und die GPU-Preise pro token gleich bleiben, steigt die tatsächliche Effizienz jeder GPU um das Zehnfache.

Da „token maximieren“ Geschichte ist und sich die token-Menge pro Aufgabe bei Modellen deutlich schwankt, und Large Language Models (LLM) leicht so angepasst werden können, dass sie mehr token verbrauchen, wird das ergebnisbasierte Preismodell immer beliebter bei Unternehmenskunden. Wird dies zum Mainstream, erhöht das den Druck auf Modellanbieter, die token-Nutzung zu senken und damit auch GPU-Mietpreise zu drücken.

Ebenso bemerkenswert: Die tatsächliche GPU-Auslastung gilt als sehr gering. Cast AI berichtet von durchschnittlich nur 5% GPU-Auslastung; ClearML fand heraus, dass fast die Hälfte aller Unternehmen Millionen Dollar für ungenutzte Chips verschwenden.

Grenzen des Jevons-Paradox: Pfadabhängigkeit birgt echtes Marktrisiko

Die KI-Capex-Bullen widersprechen typischerweise mit dem Jevons-Paradox: Je kostengünstiger die Rechenleistung, desto mehr Nachfrage – Mengen kompensieren Preise.

Doch White hält nicht viel davon. Er meint, das Jevons-Paradox halte nicht auf allen Zeithorizonten, vielmehr sei Pfadabhängigkeit aus Marktsicht das Entscheidende. Sein Urteil: In der aktuellen von LLMs dominierten KI-Phase wird das Wachstum der Intelligenz-Nachfrage (nicht der token-Nachfrage) auf dem momentanen Preisniveau zwangsweise abbremsen – und das führt zu dauerhaft fallenden Rechenleistungspreisen.

Als Kreditgeber steigt das Risiko exponentiell, sobald sich die Korrelation der Sicherheiten verschlechtert und gleichzeitig die Kreditausfallwahrscheinlichkeit der Schuldner steigt. Dann muss Nvidia die Versicherungszusagen erfüllen, während parallel Probleme mit anderen Eigengeschäften auftreten, ganz zu schweigen vom Wertverlust der Hauptprodukte. Firmen wie Google, die ebenfalls auf ihrer Bilanz diese Capex-Party absichern, sehen sich denselben Gefahren gegenüber.

Wie bei der Immobilienkrise ist die Korrelation, einmal aktiviert, nicht mehr aufzuhalten. White resümiert: Nvidias aktuelle Pläne bringen den Markt nur einen Schritt näher daran, diesem Naturgesetz der Finanzwelt erneut zuzusehen.