KI-Entwicklung vor Wendepunkt: Warum der Fortschritt langsamer werden könnte

​Tech-Giganten investieren Hunderte Milliarden Dollar in künstliche Intelligenz. Doch das Rennen um immer leistungsfähigere Modelle wird durch steigende Kosten, Ressourcenknappheit und zunehmende Skepsis der Anleger erschwert. Nähert sich die KI den Grenzen ihrer Fähigkeiten?

Milliarden, die möglicherweise nicht ausreichen

Broadcom-CEO Hock Tan warnte, dass ein Mangel an Kapital zum größten Hindernis für die KI-Entwicklung werden könnte. Auf einer Konferenz in Singapur erklärte er, dass Engpässe bei Chips, Speicher und Strom im Laufe der Zeit nachlassen könnten, wenn Produktionskapazitäten und Infrastruktur ausgebaut werden. Der Zugang zu Kapital könnte jedoch zur wichtigsten Einschränkung für das künftige Wachstum der Branche werden.

Beitrag auf X ansehen Wird geladen...

Der Tweet wurde vom Autor gelöscht.

Aber wir haben alles gespeichert 🙂.

Die größten Technologieunternehmen erhöhen ihre Ausgaben für KI-Infrastruktur weiter. Im zweiten Quartal 2026 beliefen sich die kombinierten Investitionsausgaben von Microsoft, Alphabet, Amazon und Meta auf 165 Milliarden Dollar – 87 % mehr als im Vorjahreszeitraum. Ein erheblicher Teil dieser Ausgaben fließt in den Bau von Rechenzentren und den Kauf von Ausrüstung, die für das Training und den Betrieb von KI-Modellen benötigt wird.

Vor dem Hintergrund dieser massiven Ausgaben wies Intel-CEO Lip-Bu Tan auf ein weiteres Problem hin: die Kapitalkosten und die Zeit, die erforderlich ist, um Investitionen wieder hereinzuholen. Steigende Anleiherenditen verteuern die Kreditaufnahme und erhöhen die Kosten für den Bau von Rechenzentren sowie den Kauf von Ausrüstung. Gleichzeitig wollen Anleger wissen, wann die enormen Investitionen in KI Gewinne abwerfen werden.

Dennoch erwartet keiner der beiden Manager in den kommenden Jahren eine deutliche Abschwächung der KI-Branche. Hock Tan prognostiziert, dass die Nachfrage nach Rechenkapazität bis 2029 und möglicherweise bis 2030 das Angebot übersteigen wird. Gleichzeitig kritisierte der Broadcom-CEO Anleger, die Geld in KI investieren, ohne die Aussichten der Branche zu verstehen. „Viele Anleger haben keine Ahnung, worin sie investieren, setzen aber extrem hohe Erwartungen – nur um dann festzustellen, dass sie sich beinahe wie in einem Casino beim Glücksspiel verhalten“, sagte er.

Wenn KI an physische Grenzen stößt

Selbst bei ausreichender Finanzierung könnte sich die KI-Entwicklung aufgrund von Stromengpässen verlangsamen. Nach Angaben der Internationalen Energieagentur (IEA) verbrauchten Rechenzentren weltweit 2025 insgesamt 485 TWh Strom – 17 % mehr als im Vorjahr. Der Stromverbrauch von auf KI ausgerichteten Rechenzentren stieg um 50 %. Bis 2030 könnte der gesamte Stromverbrauch von Rechenzentren 950 TWh erreichen, was rund 3 % der weltweiten Stromnachfrage entspräche.

Das Problem ist nicht nur die verfügbare Strommenge, sondern auch die Möglichkeit, neue Anlagen an die Stromnetze anzuschließen. Die IEA schätzt, dass es bei rund 20 % der geplanten Rechenzentrumskapazität aufgrund von Einschränkungen der Netzinfrastruktur zu Verzögerungen kommen könnte. So kann der Bau neuer Übertragungsleitungen in Industrieländern vier bis acht Jahre dauern. Gleichzeitig haben sich die Lieferzeiten für Transformatoren und Kabel in den vergangenen drei Jahren verdoppelt.

Eine weitere Einschränkung ist die Produktion moderner Chips. Das niederländische Unternehmen ASML, das Anlagen zur Herstellung hochmoderner Halbleiter produziert, erwartet, dass die Nachfrage der KI-Branche bis mindestens 2028 das Angebot übersteigen wird. Das Unternehmen erwägt eine Ausweitung der Produktionskapazität, da Kunden bereits nach Lieferungen von Anlagen für 2029–2030 fragen.

Beitrag auf X ansehen Wird geladen...

Der Tweet wurde vom Autor gelöscht.

Aber wir haben alles gespeichert 🙂.

Gleichzeitig steigen die Anforderungen an Rechenzentren. Nach Schätzungen der IEA hat sich der Stromverbrauch von KI-Servern zwischen 2020 und 2025 verelffacht und könnte sich bis 2027 erneut vervierfachen. Ein einzelnes Server-Rack in der Größe eines großen Kühlschranks könnte potenziell so viel Strom verbrauchen wie 65 Haushalte. Dies stellt höhere Anforderungen an Kühlsysteme, Stromversorgungen und Ausrüstung, die bei der Ausführung von KI-Modellen plötzliche Änderungen der Arbeitslast verkraften muss.

Wo liegen die Grenzen des Fortschritts?

Engpässe bei Strom, Chips und Rechenzentren sind nicht die einzigen Hindernisse für die weitere technologische Entwicklung. Selbst wenn diese Probleme gelöst werden, bleibt eine weitere Frage: Werden sich neue Modelle ausreichend verbessern, um die steigenden Kosten zu rechtfertigen? Hock Tan räumt ein, dass sich die Nachfrage nach Rechenkapazität verlangsamen könnte, wenn neue Generationen von KI-Modellen ihre Vorgänger nicht mehr deutlich übertreffen. Derzeit gibt es jedoch keine Anzeichen dafür, dass der Fortschritt zum Stillstand gekommen ist.

Gleichzeitig garantiert eine steigende Rechenleistung nicht, dass KI alle Aufgaben gleichermaßen gut bewältigt. So können moderne Modelle bereits komplexe mathematische Probleme lösen, haben aber weiterhin Schwierigkeiten, selbstständig mit Computern zu arbeiten. Beim OSWorld-Benchmark, der die Fähigkeit von KI testet, Aufgaben in Computeranwendungen auszuführen, erledigten die besten Systeme etwa zwei Drittel der Aufgaben erfolgreich.

Ebenso wichtig sind die praktischen Vorteile von KI für Unternehmen. Im August 2026 veröffentlichte McKinsey die Ergebnisse einer Befragung von 1.719 Unternehmensvertretern aus 97 Ländern. Rund 80 % der Befragten gaben an, dass KI ihre persönliche Produktivität gesteigert habe. Allerdings berichteten nur 37 % von einem positiven Einfluss auf die operativen Gewinne ihrer Unternehmen.

Eine neue Realität im Technologiewettlauf

Derzeit gibt es keinen Grund zu dem Schluss, dass sich künstliche Intelligenz den Grenzen ihrer Fähigkeiten nähert. Die Aufrechterhaltung des aktuellen Entwicklungstempos könnte jedoch selbst für die größten Technologieunternehmen zu teuer werden. Wenn die Ausgaben weiterhin schneller wachsen als die Umsätze, müssen Anleger möglicherweise ihre Erwartungen überdenken, während Entwickler die Kosten für die Entwicklung und den Betrieb neuer Modelle senken müssen.

Dies dürfte eher zu einer Verschiebung der Prioritäten als zu einem Ende des technologischen Fortschritts führen. Statt um die leistungsfähigsten Modelle zu wetteifern, könnten sich Unternehmen auf günstigere, effizientere Lösungen konzentrieren, die echte Gewinne erwirtschaften können. In diesem Fall wird die Zukunft der KI-Entwicklung weniger von der Höhe der Investitionen abhängen als von der Fähigkeit der Technologie, praktische Probleme für Unternehmen und alltägliche Nutzer zu lösen.