Über KI: Das Zeitalter der Extreme

Wir scheinen uns in einer Phase des Marktzyklus zu befinden, in der extreme Ansichten vorherrschen. Dies gilt für viele Bereiche, aber besonders deutlich wird es unserer Meinung nach in der aktuellen KI-Debatte. Auf der einen Seite stehen die Befürworter der AGI (¹), die eine bevorstehende technologische Singularität sehen, die es dem Unternehmen, das als erstes dieses Ziel erreicht, ermöglichen wird, die meisten Branchen zu dominieren. Auf der anderen Seite stehen die Schwarzmaler, die eine Blase, Überinvestitionen und niedrige Renditen sehen. Aber könnte es sein, dass beide Ansichten teilweise richtig sind? Unserer Meinung nach ist KI real und wird die meisten Bereiche beeinflussen – aber die investierbaren Ergebnisse dürften bescheidener und diffuser ausfallen, als die Schlagzeilen vermuten lassen.  

KI ist eine echte Allzwecktechnologie. Wie die Erfindung des Automobils vor einem Jahrhundert und die Containerisierung 50 Jahre später wird KI unsere Arbeitsweise verändern und ganze Branchen umgestalten. Die Geschichte zeigt jedoch auch, dass ein Großteil des wirtschaftlichen Mehrwerts dieser technologischen Innovationen den Verbrauchern und der Gesellschaft zugutekommt. Mit steigender Kapazität sinken tendenziell die Preise, und Unternehmen, die ihre Geschäftsmodelle anpassen, gewinnen in der Regel Marktanteile hinzu. Investoren sind erfolgreich, wenn sie Unternehmen unterstützen, die in der Lage sind, Kostensenkungen in dauerhafte Wettbewerbsvorteile umzuwandeln. Weniger erfolgreich sind sie, wenn sie die Erbauer generischer Infrastruktur unterstützen, sobald der Wettbewerb und das Kapital aufgeholt haben.    

Warren Buffett verwendete in einer Rede vor Studenten der University of Georgia im Jahr 2001 die Analogie der Automobilindustrie zu Beginn des 20^.Jahrhunderts, um zu beschreiben, warum die meisten schnell wachsenden Unternehmen langfristig nicht die gewünschten Renditen erzielen. Die Erfindung des Automobils und seine Auswirkungen auf die Gesellschaft waren zwar bedeutend, aber das Verständnis der wirtschaftlichen Merkmale eines Unternehmens ist etwas anderes als die Vorhersage des Erfolgs einer Branche. Von den 2.000 amerikanischen Automobilunternehmen, die in den 1920er Jahren existierten, überlebten nur drei bis ins nächste Jahrhundert hinein, und – wie Buffett betont – ihre Leistung im Laufe der Zeit war fragwürdig.    

Der gleiche Punkt wurde kürzlich in einem Essay des erfahrenen Risikokapitalgebers Jerry Neumann mit dem Titel „AI Will Not Make You Rich” (Colossus, Sept. 2025) angesprochen. Ausgehend von der Geschichte der Containerisierung argumentierte er, dass bestimmte technologische Revolutionen – obwohl sie für die Gesellschaft transformativ waren – es weitgehend versäumt hätten, dauerhaften Wohlstand für Investoren zu schaffen.    

Die Containerisierung senkte die Kosten und die Komplexität des globalen Handels radikal, beschleunigte die Globalisierung und steigerte die Produktivität in allen Branchen. Doch obwohl sie die Weltwirtschaft neu gestaltete, wurde fast keines der Unternehmen, die die Infrastruktur aufgebaut oder betrieben hatten, nachhaltig profitabel. Der Wettbewerb verschärfte sich, es kam zu Überkapazitäten und die Renditen wurden wegkonkurriert. Die wahren Gewinner waren die Unternehmen, die ihre Geschäftsmodelle an das neue Logistikparadigma anpassten – Unternehmen wie Walmart und IKEA, die günstige und vorhersehbare Transportwege nutzten, um eine globale Reichweite aufzubauen und die Preise für die Verbraucher zu senken.  

Bei der KI könnte es ähnlich sein. Die gesellschaftlichen Auswirkungen werden wahrscheinlich tiefgreifend sein, aber die Gewinne dürften den Nutzern oder denjenigen zugutekommen, die Prozesse, Vertrieb und Produkte rund um die neue Technologie neu gestalten – nicht denen, die die frühe Infrastruktur bereitgestellt haben. Wie bei der Containerisierung hat die frühe Infrastrukturphase enorme Investitionen (Capex) angezogen, bevor eine nachhaltige Nachfrage entstanden ist. Heute baut jeder Hyperscaler parallel seine eigenen Rechenzentren, Cluster und Modellinfrastrukturen auf, wobei jeder darauf setzt, dass sich Größe oder First-Mover-Vorteile letztendlich in eine marktbeherrschende Stellung umsetzen lassen. Für die Ausrüstungslieferanten in der Wertschöpfungskette sieht dies wie ein goldenes Zeitalter aus – mehrere Kunden, die sich gegenseitig mit Ausgaben übertrumpfen wollen und alle auf dieselbe Lieferkette zurückgreifen. Diese Phase ist jedoch von Natur aus nicht nachhaltig. Es ist ein bisschen so, als würde jedes Unternehmen seine eigenen Eisenbahnschienen zwischen denselben zwei Städten verlegen, obwohl nur eine Strecke – vielleicht höchstens zwei – nachgefragt wird.

Die Realität des heutigen KI-Wettlaufs ist, dass sich die meisten Modellfunktionen annähern. Der Open-Source-Wettbewerb verringert den Abstand, und Kunden betrachten Modelle zunehmend als austauschbar. Wenn sich dieser Trend fortsetzt, ist mit einer allmählichen Marktbereinigung zu rechnen, da die schwächeren Akteure nach und nach aus dem Investitionswettlauf ausscheiden, wenn die Monetarisierung nicht mit den Kosten Schritt halten kann. Die Nutznießer auf der Infrastruktur-Ebene – die Chiphersteller, Speicherlieferanten und Komponentenhersteller – werden den Abschwung als Erste zu spüren bekommen.   

Natürlich könnte KI sich von den innovativen Technologien der Vergangenheit unterscheiden. Unserer Ansicht nach sind die aktuellen Investitionsausgaben jedoch nur dann gerechtfertigt, wenn eines von zwei Dingen eintritt:    

1. Ein Unternehmen erreicht echte AGI – eine Form der maschinellen Kognition, die über Domänen hinweg denken, planen und verallgemeinern kann. Oder:
2. Einem oder mehreren Akteuren gelingt es, einen Netzwerkeffekt oder hohe Wechselkosten zu schaffen, die Kunden binden und Preissetzungsmacht generieren.    

Dies ist im Wesentlichen das „Winner-takes-most”-Szenario, das den heutigen Investitionsboom der Hyperscaler untermauert. Jeder der großen Akteure – OpenAI/Microsoft, Google, Anthropic, Amazon und Meta – investiert so, als ob die Dominanz der KI erreichbar wäre. Die Logik ist einfach: Wenn Intelligenz zu einer knappen und handelbaren Ressource wird, dann sichert sich derjenige, der zuerst dort ankommt, den Gewinnpool.  

Beide oben genannten Ergebnisse sind weiterhin möglich, aber unserer Meinung nach sind sie in absehbarer Zukunft nicht wahrscheinlich. Die Unterscheidung zwischen Kognition und statistischer Inferenz ist für unsere Sichtweise von zentraler Bedeutung. Die heutigen großen Sprachmodelle sind außergewöhnliche Werkzeuge der Inferenz – sie identifizieren Muster, Korrelationen und wahrscheinliche Fortsetzungen von Text oder Code in riesigen Datensätzen. Aber das ist nicht dasselbe wie Kognition. Sie sagen voraus, sie denken nicht.    

Wenn es bei AGI wirklich um Kognition geht – die Fähigkeit, aus ersten Prinzipien zu schließen, originelle Ideen zu entwickeln oder autonom zu handeln, mit einem beständigen Verständnis des Was und Warum –, dann scheint die derzeitige Architektur grundlegend begrenzt zu sein. Eine Erhöhung der Parameter und der Rechenleistung kann zwar die Leistung verbessern, bringt uns aber nicht unbedingt dem Endziel der AGI näher. Mit anderen Worten: Die Modelle können zwar das nächste Wort besser vorhersagen, aber sie sind immer noch nicht in der Lage, die Welt zu verstehen.    

Dieser Unterschied ist für Investoren von Bedeutung. Die These „Der Gewinner bekommt alles“ geht davon aus, dass ein Unternehmen die Schlüsselmodelle kontrollieren wird, auf die alle angewiesen sind, wodurch es eine monopolähnliche Wirtschaftlichkeit und die Möglichkeit erhält, die Investitionsausgaben fortzusetzen. Wenn die zugrunde liegende Technologie jedoch eher statistischer als kognitiver Natur bleibt, wird der Wettbewerb intensiv bleiben, Open-Source-Modelle werden die Lücke verringern und die Wechselkosten werden niedrig bleiben. In diesem Fall könnte KI zwar weiterhin massiv deflationär wirken und die Gesellschaft verändern, aber die Wirtschaftlichkeit würde eher der Containerschifffahrt als einem natürlichen Monopol ähneln – hohe Volumina, geringe Margen und der größte Teil der wirtschaftlichen Wertschöpfung wird nicht von den Erbauern der Infrastruktur, sondern von den Nutzern und Verbrauchern aufgefangen.    

Wir erwarten keinen unmittelbar bevorstehenden „Over-the-Cliff”-Moment, aber wir halten es für sinnvoll, sorgfältig zu überlegen, an welcher Stelle der Wertschöpfungskette man exponiert ist – sei es im Bereich Training, Inferenz oder Produktisierung. Die drei Phasen unterscheiden sich wirtschaftlich voneinander und werden im Laufe des Zyklus nicht gleichermaßen betroffen sein.    

Das Training – die Phase, in der Modelle erstellt und verfeinert werden – ist am kapitalintensivsten und zyklischsten. Die Nachfrage wird derzeit durch die parallele Modellentwicklung mehrerer Akteure angekurbelt, die alle darum wetteifern, größere Versionen weitgehend ähnlicher Architekturen zu trainieren. Diese Ebene hat den größten Teil der zusätzlichen Ausgaben angezogen und ist der Bereich, in dem die Bewertungen bereits am stärksten neu bewertet wurden. Wenn sich die Branche auf eine geringere Anzahl von Modellen konsolidiert oder die Trainingseffizienz verbessert, könnten die Ausgaben hier stark zurückgehen.    

Die Inferenz – die Anwendung trainierter Modelle zur Generierung von Ergebnissen – dürfte mit zunehmender Nutzung wachsen, wird aber wahrscheinlich zunehmend preislich wettbewerbsfähig werden, da sie die Phase ist, in der das Risiko einer Kommodifizierung am größten ist. Die Leistungsunterschiede verringern sich, die Wechselkosten sind gering und Open-Source-Modelle verbreiten sich, während Effizienzgewinne, sinkende Kosten und standardisierte Schnittstellen eine Differenzierung erschweren und die Preissetzungsmacht schwer aufrechtzuerhalten machen.  

Die Produktisierung – die Einbettung von KI in Verbrauchergeräte, Unternehmenssoftware und physische Systeme – befindet sich noch in einem frühen Stadium, dürfte sich aber strukturell als dauerhafter erweisen. Sie hängt weniger von der Modellgröße als vielmehr von der Akzeptanz durch die Nutzer und der Neugestaltung von Arbeitsabläufen ab. Hier entsteht eine stabilere Wirtschaftlichkeit, da Unternehmen KI in ihre Produkte und Prozesse integrieren und so Wechselkosten und wiederkehrende Einnahmequellen schaffen.    

Bislang hat der Markt die Trainingsschicht belohnt, in der das Wachstum vor allem zu Beginn stattfand. Mit der Normalisierung der Investitionsausgaben erwarten wir jedoch eine Verlagerung des Fokus von der Kapazitätserweiterung hin zu Produktivitätssteigerungen – von denjenigen, die die Infrastruktur finanzieren, hin zu denjenigen, die sie effektiv nutzen.    

Nach Neumanns Logik sind die Risiken daher am höchsten auf der Ebene des Modelltrainings, wo noch unklar ist, wie die Investoren ihre Investitionen effektiv wieder hereinholen können. Aus Sicht der Investitionen liegen der längerfristige Wert und die nachhaltigeren Chancen weiter unten in der Produktionsstufe – Unternehmen, die auf die letztendliche Verbreitung von KI in Verbrauchergeräten, Robotern, Autos und anderen Endmärkten ausgerichtet sind, dürften besser positioniert sein.  

Vor diesem Hintergrund haben wir uns Gedanken darüber gemacht, wie sich diese Trends auf das Portfolio auswirken könnten. Insgesamt glauben wir, dass die Einführung von KI für die meisten unserer Beteiligungen langfristig einen positiven Effekt haben wird, wenn auch indirekt, indem sie die Produktivität steigert, das Kundenerlebnis verbessert und es unseren Beteiligungen in vielen Fällen ermöglicht, noch stärkere Wettbewerbsvorteile für ihre Geschäfte  aufzubauen.  

Kurzfristig sehen wir jedoch Risiken für den aktuellen Investitionsboom und haben begonnen, das Portfolio entsprechend zu positionieren. Wir sind über TSMC und SK Hynix sowie in gewissem Umfang auch über Mediatek direkt in KI-bezogene Investitionsausgaben engagiert. Die ersten beiden Unternehmen werden betroffen sein, wenn die KI-Investitionen in den Bereichen Training und Inferenz deutlich zurückgehen, aber TSMC dürfte weiterhin von der breiteren Verbreitung von KI in Endgeräten und industriellen Anwendungen profitieren. Durch seine natürliche Monopolstellung an der Spitze der Technologie und die enge Integration mit wichtigen Kunden ist das Unternehmen ein struktureller Nutznießer der Produktisierung, die unserer Meinung nach in den kommenden Jahren zunehmen wird, selbst wenn sich das kurzfristige Wachstum der Nachfrage im Bereich Training normalisiert.

Mediatek ist vor allem durch sein Geschäft mit kundenspezifischen integrierten Schaltkreisen (ASIC) exponiert, die für die Entwicklung von Chips für KI-Beschleuniger und Edge-Geräte genutzt werden. Ein Rückgang der KI-Ausgaben würde sich zwar wahrscheinlich auf dieses Segment auswirken, doch macht es nach unserer Schätzung nur einen relativ geringen Anteil am Umsatz aus – etwa im mittleren einstelligen Bereich – und sollte im Kontext des breiteren Smartphone- und Konnektivitätsgeschäfts zu bewältigen sein. Insgesamt gilt unsere größte Sorge SK Hynix, das in hohem Maße vom aktuellen Aufschwung bei hochbandbreitigen Speichern (HBM) profitiert hat, die für das Training benötigt werden. Wir haben die jüngste Kursstärke genutzt, um unsere Position zu reduzieren, da wir der Ansicht sind, dass dieser Teil der Wertschöpfungskette am anfälligsten ist, wenn die Ausgaben für groß angelegte Trainingsinfrastrukturen zurückgehen.

Indirekt erwarten wir jedoch, dass die meisten unserer Beteiligungen von der zunehmenden Verbreitung von KI profitieren werden. Viele unserer Software-, Internet- und Technologieunternehmen, die zusammen etwa 50 % des Portfolios ausmachen, dürften von Kostensenkungen und einer verbesserten Kundenbindung profitieren. In der Praxis kann KI ihnen helfen, Supportfunktionen zu automatisieren, Dienstleistungen zu personalisieren, Produktempfehlungen zu verfeinern und Werbung gezielter zu schalten. Die Auswirkungen mögen allmählich eintreten, aber im Laufe der Zeit dürften diese Anwendungen ihre Rentabilität stärken und ihre Wettbewerbsvorteile ausbauen.

Ein Beispiel hierfür ist Totvs, ein brasilianischer Anbieter von ERP-Software (Enterprise Resource Planning), den wir seit 2022 in unserem Portfolio halten. Bei einem kürzlichen Treffen beschrieb CEO Dennis Herszkowicz die Einführung von KI als langfristige strukturelle Chance, die für Totvs möglicherweise bedeutender ist als der frühere transformative Wandel von On-Premise- zu Cloud-Lösungen, der dazu beitrug, die Margen der Gruppe innerhalb von fünf Jahren um rund 10 % zu steigern.²

Der Vorteil von Totvs liegt in seinen proprietären Kundendaten und seiner lokalen Fachkompetenz. Seine Software unterstützt zentrale operative und finanzielle Prozesse in einer großen installierten Basis und verschafft ihm Zugang zu hochwertigen, strukturierten Datensätzen, die zum Trainieren von Modellen für jede einzelne Branche genutzt werden können. Dadurch sollten seine Lösungen genauer und tiefer in die Arbeitsabläufe der Kunden integriert werden, was die Wechselkosten erhöht und das Risiko einer Verdrängung verringert.

Einmal entwickelt, können diese KI-Module mit minimalen zusätzlichen Kosten auf die gesamte Kundenbasis skaliert werden, was eine schrittweise Margenausweitung bei zunehmender Verbreitung unterstützen dürfte. Gleichzeitig fügt die neue KI-Funktionalität den bestehenden Systemen eine monetarisierbare Ebene hinzu, wodurch der Umsatz pro Kunde ohne proportionale Kostensteigerungen erhöht wird. Kurz gesagt, KI dürfte Totvs dabei helfen, seine Wettbewerbsposition zu stärken und gleichzeitig die Kapitalrendite zu verbessern.

Tencent ist ein weiteres Beispiel dafür, wie KI bestehende Franchises stärken kann, anstatt völlig neue zu schaffen. Obwohl Tencent keine Fundamentmodelle im gleichen Umfang wie die US-amerikanischen Hyperscaler entwickelt, verfügt das Unternehmen über einzigartige Vorteile: eine riesige Nutzerbasis über WeChat, Spiele und Zahlungen hinweg, umfangreiche First-Party-Daten sowie integrierte Werbe- und Content-Ökosysteme.

KI ermöglicht es Tencent, den Fokus der gezielten Werbung in seinem gesamten Netzwerk zu schärfen – indem Kontext, Absichten und Konsumgewohnheiten mit weitaus größerer Präzision verstanden werden. Dies dürfte zu höheren Werbeeinnahmen führen, insbesondere da KI eine dynamische kreative Optimierung ermöglicht (Anpassung von Bildmaterial und Texten für jeden Nutzer). Über die Monetarisierung hinaus haben KI-Tools auch die technische Effizienz im gesamten Unternehmen verbessert. Die Codegenerierung und automatisierte Tests haben Berichten zufolge die Entwicklungszyklen in bestimmten Produktteams um 20 bis 30 % verkürzt, wodurch Tencent neue Funktionen schneller und kostengünstiger bereitstellen kann.

Im Gaming-Bereich kann Tencent KI einsetzen, um das Spielerlebnis zu personalisieren und Inhalte im Spiel dynamisch zu generieren, wodurch sich der Produktlebenszyklus verlängert. In seinem gesamten Unternehmens-Cloud- und Mini-Programm-Ökosystem steigert KI die Produktivität seiner Entwickler und ermöglicht es dem Unternehmen, seinen kleinen und mittleren Geschäftskunden reaktionsschnellere, datengesteuerte Dienste anzubieten.

Der kumulative Effekt der KI-Integration in allen Geschäftsbereichen von Tencent dürfte eine höhere Produktivität, relevantere Inhalte und eine stärkere Kundenbindung sein – eine Art von schrittweiser Steigerung, die zwar selten Schlagzeilen macht, aber langfristig zum Franchise-Wert des Unternehmens beiträgt.

Wir halten die Aussichten für die Schwellenländer sowohl absolut als auch relativ gesehen für günstig. Die Bewertungen sind attraktiv, die Währungen sind günstig, und im Gegensatz zu den USA – die möglicherweise einige magere Jahre vor sich haben, die den Dollar belasten und globale Anleger dazu veranlassen könnten, nach Alternativen zu suchen – scheinen die Schwellenländer nach einigen eher unspektakulären Jahren nun vor einem stärkeren Wachstum zu stehen. Darüber hinaus glauben wir, dass die Möglichkeit eines „Deals” zwischen China und den USA zu einer Neubewertung der Vorstellung führen könnte, dass China in einigen Teilen der Welt „nicht investierbar” ist, was möglicherweise zu einem erneuten Interesse an Schwellenländern führen könnte. Schließlich bleibt China der größte Markt im globalen Kontext der Schwellenländer.

Aus einer Bottom-up-Perspektive erwarten wir für die nächsten zwei Jahre ein jährliches Wachstum der Gesamtgewinne und des freien Cashflows des Portfolios im mittleren Zehnerbereich. Derzeit zahlen wir für dieses Wachstum eine freie Cashflow-Rendite von 5 % – das ist ein Abschlag gegenüber den langfristigen durchschnittlichen Bewertungen und beinhaltet keine Annahmen hinsichtlich einer Neubewertung. Dies stimmt uns optimistisch, was das Renditepotenzial von hier aus angeht.. Wir glauben, dass die Kombination aus angemessenen Bewertungen, sich verbessernden Fundamentaldaten und starken zugrunde liegenden Geschäften eine solide Grundlage für attraktive langfristige Renditen bildet.

Wie immer danken wir Ihnen für Ihre anhaltende Unterstützung. Wenn Sie Fragen zur Strategie, unserem Ansatz oder bestimmten Positionen haben, stehen wir Ihnen gerne für weitere Gespräche zur Verfügung. 

Fußnoten

¹ Künstliche allgemeine Intelligenz – eine hypothetische künstliche Intelligenz, die die allgemeine Intelligenz des Menschen erreicht.

² Quelle: Alle hierin enthaltenen Unternehmensdaten stammen aus Unternehmensjahresberichten oder anderen ähnlichen Investorenberichten. Als unter 13. Oktober 2025 oder anderweitig angegeben.

Quelle: Alle hierin enthaltenen Unternehmensdaten stammen aus den Jahresberichten der Unternehmen oder anderen ähnlichen Investorenberichten. Die Finanzkennzahlen und Bewertungen stammen von FactSet und Bloomberg. Stand: 13^.Oktober 2025 oder wie anderweitig angegeben.