KI-Ausgaben der Big Tech: Analyse des Renditenachweises

Ich habe angefangen, KI-Hype nach den Substantiven zu beurteilen. Vor einem Jahr waren die Substantive Modelle, Copiloten, Agenten und Demos. Jetzt sind es Halbleiter, Netzwerkausrüstung, Stromsysteme, Rechenzentren, Eigenkapital, Umsatz und Renditen. Dieser Wandel ist nicht weniger spannend. Er ist erwachsener. Die Technologiebranche hat die Angewohnheit, Infrastruktur wie Kulisse zu behandeln, bis die Rechnung kommt. Dann wird die Kulisse zur Handlung. Die KI-Ausgaben von Big Tech erleben genau diesen Moment: Sie bewegen sich von einer Geschichte darüber, wer sich die Zukunft am schnellsten vorstellen kann, zu einer Geschichte darüber, wer sie am schlüssigsten finanzieren, betreiben und monetarisieren kann.

Die Ausgabengeschichte wurde zu physisch

RBC Wealth Management sagt, dass die Einführung von ChatGPT Ende 2022 dazu beigetragen hat, einen der schnellsten und größten Investitionszyklen seit Jahrzehnten auszulösen, aufgebaut rund um die Infrastruktur, die nötig ist, um KI im großen Maßstab zu trainieren und einzusetzen. Dazu gehören Halbleiter, Netzwerkausrüstung, Stromsysteme und Rechenzentren, und das sind keine abstrakten Inputs. Sie sind das teure Skelett des KI-Zeitalters.

Laut RBC Wealth Management haben sich die Investitionsausgaben der führenden Big-Tech-Unternehmen in den letzten zwei Jahren mehr als verdoppelt und erreichen 2025 427 Milliarden US-Dollar. RBC prognostiziert außerdem einen weiteren Anstieg um 30 Prozent gegenüber dem Vorjahr auf rund 562 Milliarden US-Dollar im Jahr 2026. Microsoft, Amazon, Alphabet, Meta und seit Kurzem auch Oracle machen laut RBC einen großen Teil dieses Anstiegs aus.

Hier verändert sich die Form der Diskussion. Eine Produktdemo fragt, ob sich ein System magisch anfühlt. Ein Investitionsplan fragt, ob diese Magie oft genug und mit ausreichend hohen Margen verkauft werden kann, um den Beton zu rechtfertigen, der darunter gegossen wurde. Die unbequeme Frage ist nicht, ob KI funktioniert. Sie lautet, ob die teuerste Version von KI immer die Version ist, für die Kunden bezahlen werden.

Das Umsatzpolster ist keine Trostdecke mehr

Marketplace berichtete am 3. Juni 2026, dass Big Tech in diesem Jahr voraussichtlich mehr als 700 Milliarden US-Dollar für KI-Infrastruktur ausgeben wird. Außerdem berichtete Marketplace, dass dieser Ausgabenrausch fast den gesamten Umsatz verschlingt, den diese Unternehmen einnehmen. Dieser Satz sollte jeden Gründer, jede Produktleiterin und jeden Investor dazu bringen, etwas aufrechter zu sitzen.

Marketplace berichtete außerdem, dass Alphabet, Googles Muttergesellschaft, plant, Aktien im Wert von 80 Milliarden US-Dollar zu verkaufen, um in KI zu investieren, ein Schritt, den Marketplace als etwas beschrieb, das Alphabet seit 20 Jahren nicht getan hat. Das bedeutet nicht, dass der KI-Ausbau irrational ist. Es bedeutet, dass die Ära scheinbar müheloser Fülle zu einer Ära sichtbarer Kompromisse geworden ist.

Das Lustige an Plattformen ist, dass sie von außen schwerelos wirken können. Suchergebnisse, Cloud-APIs, soziale Feeds und KI-Assistenten erscheinen als Schnittstellen, nicht als industrielle Systeme. Aber jeder Prompt ist mit einer Lieferkette verbunden, mit einem Strombedarf, einer Bilanzentscheidung und schließlich mit einer Frage von jemandem, der wissen will, was für das ausgegebene Geld zurückgekommen ist.

Investoren stellen die Frage eines Builders

Reuters formulierte das Thema klar in seiner Berichterstattung darüber, dass Meta und Microsoft ihre KI-Ausgaben erhöhen und damit die Wall Street vor den Amazon-Ergebnissen beunruhigen. Das ist nicht nur eine Geschichte über Marktstimmung. Es ist dieselbe Frage, die eine gute Engineering-Managerin stellt, bevor sie eine weitere teure Abhängigkeit genehmigt: Was bekommen wir, das sich mit der Zeit verstärkt?

RBC Wealth Management argumentiert, dass die Verschiebung hin zu Monetarisierung, Kapitalrendite und Unternehmensanwendungen den Fall dafür stärkt, über die erste Welle der Big-Tech-Gewinner hinauszuschauen. Das ist eine hilfreiche Perspektive, weil sie die Aufmerksamkeit von roher Leistungsfähigkeit auf Wege der Einführung lenkt. Die Gewinner sind vielleicht nicht die Unternehmen mit dem auffälligsten Chatbot auf einer Bühne. Es könnten diejenigen sein, die KI an Arbeitsabläufe anbinden, in denen Kunden bereits Zeit, Qualität, Kosten und Risiko messen.

Dies ist der Teil des Zyklus, in dem Sprache wichtig ist. Wenn KI eine Allzwecktechnologie ist, wie RBC sie beschreibt, dann wird sich der Nutzen nicht als eine riesige Produktkategorie zeigen. Er wird durch unzählige langweilige Verbesserungen sichtbar werden, die Rechnungen schneller abschließen, Kundenfragen früher lösen, Code-Reviews straffer machen, Prognosen verbessern und internes Wissen davon abhalten, sich in Ordnern zu verstecken, die niemand öffnet.

Die Lektion unterhalb der Gewinnzeile

Die nützliche Erkenntnis aus Marketplace und RBC Wealth Management ist nicht, dass Big Tech weniger ausgeben sollte. Sie ist, dass alle anderen präziser werden sollten. Wenn die größten Technologieunternehmen unter Druck stehen, Renditen auf Infrastruktur nachzuweisen, sollten kleinere Unternehmen davon ausgehen, dass auch ihre KI-Projekte einen schärferen Business Case brauchen.

Das bedeutet nicht, dass jede KI-Initiative eine Tabelle braucht, bevor jemand experimentiert. Frühes Erkunden bleibt wichtig. Aber die Ära des Renditenachweises belohnt Teams, die den Unterschied zwischen einer Fähigkeitsdemo und einem Weg zur Bereitstellung kennen. Eine Demo sagt: Schaut, was das kann. Ein Bereitstellungspfad sagt: Hier ist, wer es nutzt, wie oft, was es ersetzt, was es verbessert und warum die Kostenkurve sinnvoll ist.

Für Leserinnen und Leser, die mit KI bauen, ist die nächste Frage nicht, ob Big Tech weiter Geld ausgibt. Die praktischere Frage ist, welche Art von KI-Ausgaben den Kontakt mit Kunden, Budgets, Beschaffung und täglicher Arbeit übersteht. Wenn die größten Unternehmen der Welt lernen, Visionen in Renditen zu übersetzen, welche Belege sollten wir übrigen dann jetzt sammeln?