KI-Cashflows auf dem Prüfstand: Lehren aus der internationalen Finanzkrise

Im Überblick

• KI-Unternehmen brauchen regelmäßige Cashflows für den Schuldendienst – so wie Hausbesitzer vor der internationalen Finanzkrise.
• Infrastrukturanbieter leihen sich Geld in der Hoffnung auf künftige Umsätze, die bei Kapitalmangel oder Nachfrageverschiebungen vielleicht ausbleiben.
• Aktive Manager können das nutzen, um Gewinner zu erkennen und Verlierer zu meiden.

Parallelen zu 2008?

Oft wurde KI mit dem Technologie-, Medien- und Telekommunikationsboom in der zweiten Hälfte der 1990er verglichen. Natürlich gibt es Parallelen. Damals wie heute fließt enorm viel Kapital in eine neue und mächtige Technologie. Damals wie heute fragt man sich, wer am Ende daran verdient. Aber es gibt auch Unterschiede.

Vergleiche der KI-Euphorie mit dem amerikanischen Immobilienboom vor der Finanzkrise 2008 sind dagegen eher selten. Aber sie lohnen sich. Ich will damit nicht sagen, dass KI so etwas Ähnliches ist wie eine Immobilie oder dass gar eine Bankenkrise droht. Die Analogie gilt nur einem Teilaspekt. Wie so oft in unseren Analysen geht es dabei um den Cashflow.

2006 schien der US-Immobiliensektor gesund. Die Preise stiegen und stiegen, und es fehlte nicht an Krediten. Aber die Preise stiegen langsamer. Viele finanzschwächere Hauskäufer waren aber auf kontinuierliche Wertsteigerungen angewiesen. Nur dann konnten sie ihre Kredite refinanzieren, wenn sie neu verhandelt werden mussten. Da der Hauspreisanstieg nachließ und die Preise schließlich sogar fielen, wurde das zum Problem. Der Schulden-dienst stieg, die Zahlungsausfälle ebenfalls. Es kam zu Notverkäufen – und zur Bankenkrise.

Kreditnehmer und Zahler

Vieles ist heute anders als damals, aber eines nicht: die Abhängigkeit von künftigen Zahlungen und kontinuierlichem Zugang zu Kapital. Man sollte sich einmal vor Augen führen, wie zumindest ein Teil der KI-Finanzierungen funktioniert.

Nehmen wir an, ein innovativer Modellentwickler oder ein großer KI-Nutzer sagt zu, einem Hyperscaler oder einer Neocloud Rechenleistung für Milliarden von Dollar abzukaufen. Anleger werten das als künftige Erträge und Gewinne. Der Cloud-Anbieter kauft unter anderem Chips, Speicherkapazität, Kühlsysteme und Grundstücke, schließt langfristige Energielieferverträge ab und stellt neue Mitarbeiter ein. Wegen des zunehmenden Kapital-bedarfs und der knappheitsbedingten Kosteninflation besichern die Cloud-Anbieter ihre Kredite faktisch mit den Aktiva und Kaufabsichten ihrer Kunden.

Genau hier liegt ein wichtiger Unterschied zu damals. Bei Immobilien nimmt der Hausbesitzer den Kredit auf und zahlt ihn auch zurück. Bei KI ist das anders. Der Infrastrukturanbieter ist der Kreditnehmer. Der KI-Entwickler, der das Modell erstellt, ist ebenso wie andere Kunden ein Subskribent. Er bestellt Produkte oder Dienstleistungen vor, die später hergestellt werden. Aber er zahlt schon jetzt, um die Produktion zu ermöglichen.

Dieses Arrangement funktioniert – aber nur so lange, wie ausreichend günstiges Kapital zur Verfügung steht, die Kundennachfrage weiter wächst und die Verträge erfüllt werden. Zusagen sind aber noch kein Geld. Ihr Wert hängt von der Kreditwürdigkeit des Kunden und den Vertrags- bedingungen ab – und davon, ob ein anderer einspringen kann, wenn der Kunde zahlungs-unfähig wird.

Wenn die Finanzbedingungen noch straffer werden, steht weniger Private Capital zur Verfügung. Wenn die Zahlungen enttäuschen oder sich die Kunden für kostengünstigere Modelle ent-scheiden, sind die versprochenen Cashflows am Ende vielleicht weniger wert, als die Anleger glauben. Das KI-Unternehmen schuldet seinen Kreditgebern, Vermietern, Zulieferern und Strom-versorgern aber auch dann noch Geld, wenn die Umsätze nachlassen, mit denen die Zahlungen finanziert werden sollen.

Die größten Hyperscaler haben gut gefüllte Kassen. Es dürfte daher kaum ein Solvenzproblem entstehen. Das ist ein wesentlicher Unterschied zu 2008. Heute ist das Risiko ein anderes: Die Frage ist, ob man mit dem nächsten investierten Dollar ausreichend verdient. Das ist die wichtigste Kennzahl in diesem Zyklus.

Fazit

Nichts von alledem stellt KI infrage. Menschen nutzen immer mehr Künstliche Intelligenz, und die Produktivität dürfte steigen. Aber wir haben schon oft geschrieben, dass den Investoren nicht die Produktivitätsgewinne gehören, sondern die Cashflows.

Die Benchmarks decken die gesamte KI-Wertschöpfungskette ab – von Modellentwicklern über Cloud-Anbieter, Datenzentren, Anbieter knapper Chips und Speicherkapazität bis zu Investitionsgüterherstellern. Dazu zählen aber auch mögliche Verlierer. Wie schon 2008 unter-scheiden die Benchmarks nicht zwischen sicheren und unsicheren Forderungen, zwischen anderweitig nutzbarer und obsoleter Kapazität, zwischen Unternehmen, deren Erträge über den Kapitalkosten liegen und jenen, die von der künftigen Kreditverfügbarkeit abhängen.

Bei aktiven Managern ist das anders. Sie können eine zu starke Abhängigkeit von einzelnen Kunden, vertragliche Vereinbarungen, Verschuldungsgrad, Fälligkeitenstruktur, Preismacht, Kapitaldisziplin und vieles andere berücksichtigen. Wenn Kreditgeber wählerischer werden und KI allein keine Lizenz zum Geldverdienen mehr ist, werden die Finanzkennzahlen stärker streuen – und damit auch die Kurse.

KI könnte die wichtigste Technologie unserer Zeit werden. Aber das heißt nicht, dass jedes Unternehmen des Sektors hohe Kapitalrenditen erzielt. Markt und Benchmark orientieren sich an Versprechen, aktive Manager an den harten Fakten.

Die oben genannten Informationen sowie die Nennung einzelner Unternehmen und/oder Wertpapiere sollten nicht als Anlageberatung, Kauf- oder Verkaufsempfehlung oder als Hinweis darauf verstanden werden, dass für irgendein MFS-Produkt eine Transaktion geplant ist.

Alle Anlagen gehen mit gewissen Risiken einher, einschließlich des Risikos eines möglichen Kapitalverlusts.

Die hier dargestellten Meinungen sind die des Autors/der Autoren und können sich jederzeit ändern. Sie dienen ausschließlich Informationszwecken und dürfen nicht als Empfehlung oder Ange-bot zum Kauf eines Wertpapiers oder als Anlageberatung verstanden werden. Prognosen sind keine Garantien. Die Wertentwicklung der Vergangenheit ist keine Garantie für künftige Ergebnisse.