Was ist die KI-Blase?

Aktualisiert im Juli 2026

Die KI-Blase beschreibt die Befürchtung, dass die Ausgaben und Bewertungen im KI-Bereich den tatsächlichen Umsatz- und Produktivitätsgewinnen der Technologie längst enteilt sind, ein Ungleichgewicht, das schon früheren spekulativen Crashs vorausging. Schließt sich diese Lücke zwischen investiertem Kapital und den zurückfließenden Erträgen nicht, so das Argument, steht eine scharfe Korrektur überfällig an, was aber nicht bedeutet, dass KI ihren Nutzen verliert.

Für Führungskräfte ist das keine abstrakte Marktdebatte. Es ist eine Budgetfrage. Wenn Sie aktuell KI-Ausgaben genehmigen, ist das Blasen-Argument relevant, weil es verändert, was als „angemessen" gilt: wie viel Sie einem Anbieter zusagen, wie schnell Sie ein Pilotprojekt skalieren und wie viel Gewicht Sie einer Demo gegenüber einem dokumentierten Ergebnis geben. Sie müssen keinen Crash vorhersagen, um sich darauf vorzubereiten. Sie brauchen einen Weg, weiter in KI zu investieren, die funktioniert, unabhängig davon, was mit den Bewertungen drumherum passiert.

Warum alle von einer „Blase" sprechen

„KI-Blase" bündelt eigentlich zwei getrennte Behauptungen, die oft als eine einzige diskutiert werden. Die erste ist eine Bewertungsblase: börsennotierte KI-Aktien, angeführt von Nvidia, werden zu Kursen gehandelt, die jahrelange fehlerfreie Ausführung voraussetzen. Die zweite ist eine Ausgabenblase: Hunderte Milliarden Dollar an Zusagen für Rechenzentren und Compute-Kapazität, denen bislang kein entsprechender Umsatz gegenübersteht. Beide hängen zusammen, da die Ausgaben eigentlich die Bewertungen rechtfertigen sollen, können sich aber unterschiedlich auflösen. Eine Aktie kann scharf korrigieren, während die zugrunde liegende Infrastruktur weiterläuft. Ein Ausgabenplan kann still gekürzt werden, während die Aktie sich hält. Wer versteht, welche Behauptung gerade gemeint ist, weiß auch, welche Beweise die Debatte tatsächlich entscheiden.

Der Bull Case: Warum es diesmal anders sein könnte

Das optimistische Argument ist nicht bloße Hoffnung, es verweist auf reale Unterschiede zu früheren Tech-Blasen.

• Es gibt reale, wachsende Umsätze. OpenAI meldete Ende 2025 eine annualisierte Umsatzrate (Run Rate) von über 20 Milliarden Dollar, und die Akzeptanz von KI-Tools in Unternehmen liegt messbar höher als die Internetakzeptanz am vergleichbaren Punkt des Dotcom-Zyklus. Viele Dotcom-Unternehmen hatten damals überhaupt kein Umsatzmodell.
• Die Kerntechnologie funktioniert bereits bei eng abgegrenzten Aufgaben. Coding-Assistenten, die Vorsortierung im Kundensupport und die Dokumentenverarbeitung zeigen im produktiven Einsatz konsistente, messbare Verbesserungen, nicht nur in Demos. Die Debatte dreht sich nicht darum, ob KI überhaupt etwas bewirkt, sondern ob der Ertrag die Ausgaben rechtfertigt.
• Die Nachfrage nach Rechenleistung basiert auf realen Workloads, nicht nur auf Spekulation. Das Inferenzvolumen (die Rechenleistung, die zum Betrieb trainierter Modelle benötigt wird, nicht nur zu deren Training) steigt weiter, da immer mehr Produkte KI-Funktionen ausliefern, was zumindest einem Teil des Ausbaus eine nachweisbare Nachfragekurve verleiht.
• Ein Teil der Infrastruktur hat ein zweites Leben. Rechenzentren, Stromverträge und sogar ein Teil der GPU-Kapazität lassen sich umwidmen oder weiterverkaufen, falls die KI-spezifische Nachfrage abkühlt, anders als etwa die ungenutzten Glasfaserkabel aus der Dotcom-Ära, die teils jahrelang brachlagen, auch wenn Kritiker anmerken, dass GPUs schneller an Wert verlieren als Glasfaser es je tat.

Der Bear Case: Wo die Risse sichtbar werden

Das skeptische Argument dreht sich weniger darum, ob KI nützlich ist, sondern vor allem darum, ob die Zahlen derzeit aufgehen.

• Die Umsatzlücke ist enorm und gut dokumentiert. Der Global Technology Report 2025 von Bain & Company schätzt, dass die Branche bis 2030 rund 2 Billionen Dollar an zusätzlichem Jahresumsatz benötigt, nur um den bereits zugesagten Ausbau der Rechenkapazität zu finanzieren, und selbst unter großzügigen Annahmen bleibt eine Lücke von 800 Milliarden Dollar.
• Einzelne Unternehmen zeigen das Missverhältnis unmittelbar. OpenAI legte Infrastrukturzusagen von rund 1,4 Billionen Dollar über acht Jahre offen, denen etwa 13 Milliarden Dollar Umsatz im Jahr 2025 gegenüberstehen, eine Lücke, die das Unternehmen seither selbst zu verkleinern versucht, indem es sein Compute-Ausgabenziel bis 2030 auf näher an 600 Milliarden Dollar zurückgesetzt hat.
• Pilotprojekte in Unternehmen zahlen sich meist noch nicht aus. Die NANDA-Initiative des MIT stellte fest, dass rund 95 % der generativen KI-Pilotprojekte in Unternehmen keine messbare Wirkung auf Gewinn und Verlust zeigen, wobei nur ein kleiner Teil der Implementierungen (häufiger über Partnerschaften mit Anbietern realisiert als intern entwickelt) die von der Führungsebene erwarteten schnellen Erträge liefert.
• Auch in den Daten sind Produktivitätsgewinne bislang nicht sichtbar. Ein NBER-Arbeitspapier vom Februar 2026, das fast 6.000 Führungskräfte in den USA, Großbritannien, Deutschland und Australien befragte, ergab, dass 89 % in den vergangenen drei Jahren keine messbare Auswirkung des KI-Einsatzes auf die Arbeitsproduktivität feststellten, obwohl dieselben Führungskräfte künftige Gewinne prognostizierten.
• Die Finanzierung wird zirkulärer und stärker fremdfinanziert. Chiphersteller und Cloud-Anbieter investieren direkt in die KI-Unternehmen, die dieses Geld anschließend wieder für den Kauf der Chips und Cloud-Kapazitäten eben dieser Investoren ausgeben, ein Kreislauf, den Analysten inzwischen auf weit über 800 Milliarden Dollar an verflochtenen Deals schätzen. Ein erheblicher Teil des Rechenzentrenausbaus ist zudem fremdfinanziert, teils über Anleihen mit einem Rating auf oder nahe Ramschniveau.
• Die Marktkonzentration ist historisch hoch. Ende 2025 machten die fünf größten US-Unternehmen, die meisten davon im Bereich KI-Infrastruktur, rund 30 % des Gesamtwerts des S&P 500 aus, die stärkste Konzentration seit etwa 50 Jahren, was bedeutet, dass viele Altersvorsorgekonten diesem einen Wetteinsatz stärker ausgesetzt sind, als den meisten Menschen bewusst ist.

Historische Vergleiche: Wie sich das zum Dotcom-Crash verhält

Der Vergleich mit den Jahren 1999-2000 taucht ständig auf, auch vom IWF selbst, der in seinem Kommentar zur Finanzstabilität vom Oktober 2025 von „Anklängen" an die Dotcom-Ära sprach. In mancher Hinsicht trägt der Vergleich, in anderer nicht.

Ehrlich betrachtet: Der KI-Boom ist im Verhältnis zur Wirtschaft kleiner als der Dotcom-Anstieg und wird von mehr echtem Umsatz getragen. Doch die Konzentration auf eine Handvoll Aktien, die Schuldenlast und die zirkuläre Finanzierung zwischen Chipherstellern und ihren eigenen Kunden sind Risiken, die es in der Dotcom-Ära in dieser Form nicht gab. Ein anderer Mechanismus, nicht zwangsläufig ein kleineres Risiko.

Warnsignale 2026: Wer Alarm schlägt

Wer vor einer Blase warnt, ist keine Randgruppe. Im August 2025 sagte OpenAI-CEO Sam Altman selbst gegenüber Reportern, Investoren seien „insgesamt" überhitzt in Sachen KI, und verglich die Dynamik mit der Dotcom-Ära, während sein Unternehmen gleichzeitig weiter Kapital zu Rekordbewertungen einsammelte. JPMorgan-Chef Jamie Dimon sagte, „KI ist real", warnte aber zugleich vor einer höher als üblichen Wahrscheinlichkeit eines deutlichen Kurseinbruchs innerhalb von zwei Jahren. Bridgewater-Gründer Ray Dalio bezeichnete das aktuelle Niveau der KI-Investitionen als vergleichbar mit der Dotcom-Zeit. Im Oktober 2025 stuften der IWF und die Bank of England in derselben Woche beide KI-bezogene Bewertungen als Risiko für die Finanzstabilität ein, ein ungewöhnliches gemeinsames Signal zweier Institutionen, die selten übereinstimmende Warnungen aussprechen. Nvidia verlor im Januar 2025 an einem einzigen Tag kurzzeitig rund 600 Milliarden Dollar an Marktwert, als der günstigere chinesische Konkurrent DeepSeek zeigte, dass er bei einem Bruchteil der Rechenkosten mithalten kann, ein Vorgeschmack darauf, wie schnell die Stimmung an einem einzigen Datenpunkt kippen kann. Und Gartner prognostiziert, dass über 40 % der agentenbasierten KI-Projekte bis Ende 2027 wegen Kosten, unklarem Nutzen oder schwacher Risikokontrolle eingestellt werden, eine Warnung, die eng mit dem verknüpft ist, was Gartner Agent Washing nennt: Anbieter etikettieren bestehende Tools als autonome „Agenten" um, ohne dass die entsprechende Fähigkeit dahintersteckt.

Was ein Platzen der Blase für Ihr Unternehmen bedeuten würde (und was nicht)

Sollten sich die KI-Bewertungen scharf korrigieren, bricht vor allem Finanzielles zusammen, nicht Technisches. Das würde nicht bedeuten, dass die zugrunde liegende Technologie aufhört zu funktionieren. Der Dotcom-Crash vernichtete Billionen an Marktwert und zahlreiche Unternehmen, doch das Internet verschwand nicht, es entwickelte sich weiter, während sich die Finanzierung drumherum wieder normalisierte. Dieselbe Logik dürfte auch hier gelten: Eine Korrektur würde vor allem die Unternehmen und Investoren treffen, die am stärksten unrealistischen Wachstumsannahmen ausgesetzt sind, nicht den Nutzen eines gut abgegrenzten KI-Tools, das Ihrem Team schon jetzt echte Zeit spart.

Was ein Platzen der Blase wahrscheinlich bedeuten würde: günstigere Rechenleistung und KI-Preise für Unternehmen, da überschüssige Kapazität mit Rabatt verkauft wird, eine Konsolidierung unter KI-Anbietern, da den schwächsten das Geld ausgeht, engere Budgets und mehr Prüfung neuer KI-Ausgaben insgesamt sowie ein härterer Markt für KI-Start-ups, die eher nach Narrativ als nach Umsatz bewertet wurden. Tools, die in Ihrem Unternehmen bereits gemessenen, dokumentierten ROI liefern, werden kaum gestrichen, nur weil der breitere Markt korrigiert. Gefährdet sind jene, bei denen niemand nachweisen konnte, dass sie überhaupt funktionierten, weshalb KI-ROI-Messung gerade dann wichtiger wird, wenn der Hype am lautesten ist, nicht weniger.

Wie Führungskräfte trotzdem planen sollten

Sie müssen die Blase nicht timen, um gute Entscheidungen zu treffen. Ein paar Vorgehensweisen schützen Sie unabhängig davon, ob die Korrektur dieses Jahr, in drei Jahren oder nie kommt.

1. Verlangen Sie Nachweise, keine Demos. Eine Live-Demo zeigt, was ein System unter idealen Bedingungen leisten kann. Fordern Sie dokumentierte Ergebnisse aus einer vergleichbaren Implementierung, bevor Sie Budget zusagen, und wenden Sie dieselbe Disziplin der KI-ROI-Messung an, die Sie bei jeder Kapitalinvestition anwenden würden.
2. Modellieren Sie die vollen Kosten, nicht nur die Lizenzgebühr. Rechenleistung, Integration, Schulung und Wartung summieren sich schnell. Prüfen Sie jede ernsthafte KI-Zusage vor der Unterschrift, nicht danach, mit einer Analyse der KI-Gesamtbetriebskosten.
3. Prüfen Sie Anbieter so, als müssten Sie für das Ergebnis geradestehen, denn genau das müssen Sie. Ein strukturierter Prozess zur KI-Anbieterbewertung entlarvt überzogene Versprechen, bevor sie zu Ihrem Problem werden, einschließlich der Prüfung, ob der „Agent" eines Anbieters wirklich autonom ist oder nur Agent-Washing-Branding auf einem älteren Produkt.
4. Finanzieren Sie zuerst den eng umrissenen, nachweisbaren Anwendungsfall. Breite, vage KI-Initiativen sind es, die als Erstes gestrichen werden, wenn Budgets enger werden. Die Priorisierung von KI-Anwendungsfällen bindet Ausgaben an Probleme, die Sie tatsächlich messen können.
5. Entscheiden Sie Build versus Buy anhand nüchterner Zahlen, nicht aus FOMO. Die Entscheidung KI: Build vs. Buy sollte auf der Kapazität Ihres Teams und den Gesamtkosten des Tools beruhen, nicht auf der Angst, hinter Wettbewerbern zurückzubleiben, die möglicherweise ebenfalls zu viel ausgeben.
6. Behalten Sie Governance bei, auch wenn Wachstum Priorität hat. AI Governance ist keine Bremse für die Einführung, sondern das, was verhindert, dass aus einem Abschwung zusätzlich zur Budgetkrise auch noch eine Compliance- oder Sicherheitskrise wird.
7. Informieren Sie CFO und Vorstand mit Zahlen, nicht mit Narrativen. Führungskräfte, die zeigen können, wie man die Rendite von KI-Investitionen misst, und über KI-Investitionen in die Belegschaft ohne Hype sprechen, behalten ihr Budget auch während einer Korrektur. Wer KI-Ausgaben nur mit Begeisterung verkauft hat, verliert es zuerst.

Die Unternehmen, die nach dem Abflauen einer Blase, in jedem Zyklus, am Ende vorn liegen, sind selten die, die die Technologie gemieden haben. Es sind die, die weiter in das investiert haben, was bereits bewiesen war, während alle anderen damit beschäftigt waren, über das Etikett zu streiten.

Wichtige Fakten

• Die KI-Branche benötigt bis 2030 rund 2 Billionen Dollar an zusätzlichem Jahresumsatz, um den bereits zugesagten Ausbau der Rechenkapazität zu finanzieren, und selbst unter optimistischen Annahmen bleibt eine Lücke von 800 Milliarden Dollar. Bain & Company, Global Technology Report 2025
• Rund 95 % der generativen KI-Pilotprojekte in Unternehmen zeigen keine messbare Auswirkung auf Gewinn und Verlust, wobei über Anbieterpartnerschaften realisierte Implementierungen etwa dreimal häufiger erfolgreich sind als intern entwickelte. MIT NANDA, „The GenAI Divide" via Fortune
• 89 % der Führungskräfte in fast 6.000 befragten Unternehmen in den USA, Großbritannien, Deutschland und Australien berichteten von keiner messbaren Auswirkung des KI-Einsatzes auf die Arbeitsproduktivität in den vergangenen drei Jahren, obwohl sie künftige Gewinne prognostizierten. NBER Working Paper w34836, „Firm Data on AI", Februar 2026
• Über 40 % der agentenbasierten KI-Projekte werden bis Ende 2027 wegen steigender Kosten, unklarem geschäftlichem Nutzen oder unzureichender Risikokontrolle eingestellt. Gartner
• KI-bezogene Investitionen haben seit 2022 weniger als 0,4 Prozentpunkte zum US-BIP beigetragen, verglichen mit rund 1,2 Prozentpunkten während der vergleichbaren Dotcom-Aufbaujahre (1995-2000), auch wenn der IWF weiterhin von „Anklängen" an jene frühere Blase spricht. IWF, via CNBC, Oktober 2025
• OpenAI legte über acht Jahre Zusagen für Rechenzentren und Compute in Höhe von rund 1,4 Billionen Dollar offen, denen etwa 13 Milliarden Dollar Umsatz im Jahr 2025 gegenüberstehen, bevor das Unternehmen sein Compute-Ausgabenziel später auf näher an 600 Milliarden Dollar bis 2030 zurücksetzte. TechCrunch, November 2025
• Nvidia war im Oktober 2025 das erste Unternehmen, das mit einer Marktbewertung von über 5 Billionen Dollar schloss, gegenüber 1 Billion Dollar gut zwei Jahre zuvor, und die fünf größten US-Unternehmen repräsentieren inzwischen rund 30 % des Gesamtwerts des S&P 500. CNBC, Oktober 2025

Verwandte KI-Konzepte

• Was ist Agentic AI? - Die Fähigkeit, die einen Großteil der aktuellen Investitionswelle antreibt
• Was ist Agent Washing? - Wie das Übertreiben von KI-Fähigkeiten die Blasen-Skepsis nährt
• KI-ROI-Messung - Die Disziplin, die bewiesene KI-Ausgaben vom Hype trennt
• KI-Gesamtbetriebskosten - Vollständige Kostenrechnung für KI-Investitionen
• KI-Anbieterbewertung - Ein Due-Diligence-Rahmen für jede KI-Anschaffung
• AI Governance - Aufsicht aufrechterhalten, sowohl in Wachstums- als auch in Abschwungphasen

Externe Ressourcen

• Bain & Company: 2 Billionen Dollar an neuem Umsatz nötig, um den KI-Skalierungstrend zu finanzieren - Der Global Technology Report 2025 und seine Capex-versus-Umsatz-Rechnung
• Fortune: MIT-Bericht zeigt, dass 95 % der generativen KI-Pilotprojekte scheitern - Berichterstattung über die „GenAI Divide"-Studie von MIT NANDA
• NBER Working Paper w34836: Unternehmensdaten zu KI - Die länderübergreifende Umfrage vom Februar 2026 zur gemessenen Produktivitätswirkung von KI
• Gartner: Einstellung agentenbasierter KI-Projekte - Prognose und Begründung der Abbruchrate für 2027
• CNBC: IWF und Bank of England warnen vor einer KI-Blase - Die gemeinsame Warnung zur Finanzstabilität vom Oktober 2025
• CNBC: Nvidia wird erstes Unternehmen mit Schlusskurs über 5 Billionen Dollar - Daten zur Marktkonzentration hinter dem Bewertungsblasen-Argument
• TechCrunch: Sam Altman sagt, OpenAI habe 20 Mrd. Dollar ARR und 1,4 Billionen Dollar an Zusagen - Die Lücke zwischen Ausgaben und Umsatz beim sichtbarsten Unternehmen der Branche

Teil der KI-Begriffe-Sammlung. Zuletzt aktualisiert: 2026-07-20