Columbia-Business-School-Studie beziffert Umsatzbedarf von 3,7 Billionen US-Dollar für KI-Rechenzentren
Wichtige Erkenntnisse
- •Die Investitionen in die KI-Infrastruktur der USA werden zwischen 2025 und 2032 auf rund 10,3 Billionen US-Dollar projiziert; der Sektor müsste bis 2032 etwa 3,7 Billionen US-Dollar Jahresumsatz erwirtschaften, um die Ausgaben zu rechtfertigen.
- •Der Ausbau sieht rund 182,7 Gigawatt an neuer Rechenzentrumskapazität bis 2032 vor, mit jährlichen Investitionsausgaben von etwa 3,63 % des US-BIP, und übertrifft historische Projekte wie das Eisenbahnnetz und das Interstate-Highway-System.
- •Die Profitabilität erfordert etwa 5,50 US-Dollar Umsatz pro GPU-Stunde bei voller Auslastung, steigend auf 6,90 US-Dollar bei 80 % Auslastung – ein Beleg dafür, wie empfindlich die Renditen auf Nachfrageschwankungen reagieren.
- •Hyperscaler wie Microsoft, Amazon und Google finanzieren ihre KI-Infrastruktur zunehmend über externe Schulden und komplexe Finanzierungsarrangements, was der Bericht als potenzielle Quelle systemischer Risiken bezeichnet, falls die KI-Nachfrage mit dem Kapazitätsausbau nicht Schritt hält.
- •Stromerzeugung, Netzkapazität und Genehmigungsverfahren für neue Kraftwerke und Übertragungsleitungen bleiben physikalische Engpässe, die den Ausbau unabhängig von der Finanzierungsverfügbarkeit verlangsamen könnten.
Der Aufbau der Infrastruktur für künstliche Intelligenz wird allein in den USA zwischen 2025 und 2032 voraussichtlich rund 10,3 Billionen US-Dollar kosten. Damit sich diese Investition rechnet, müsste der KI-Sektor bis zum Ende dieses Zeitraums etwa 3,7 Billionen US-Dollar an Jahresumsatz erwirtschaften.
Diese Zahlen stammen von Stijn Van Nieuwerburgh, Professor an der Columbia Business School, dessen Analyse auf der Konferenz Brookings Papers on Economic Activity vorgestellt wurde, einem langjährig etablierten Forum, auf dem Ökonomen neue Forschung zur US-Wirtschaft präsentieren. Die Studie versucht, eine Frage zu beantworten, die alle beschäftigt, die den KI-Ausbau verfolgen: Geht die Rechnung tatsächlich auf?
Die Zahlen hinter dem Ausbau
Die Kernprojektion sieht den Ausbau von rund 182,7 Gigawatt an Rechenzentrumskapazität bis 2032 vor. Zur Einordnung: Das ist eine gewaltige Menge an Energieinfrastruktur, mit Investitionsausgaben von jährlich etwa 3,63 % des US-BIP.
Um das Ausmaß zu veranschaulichen: Der Bericht weist darauf hin, dass dieser Ausbau historische Infrastrukturinvestitionen wie den Bau des Eisenbahnnetzes und des Interstate-Highway-Systems übertreffen würde.
Die Stückökonomie erzählt eine ebenso anspruchsvolle Geschichte. Der Analyse zufolge erfordert die Profitabilität bei voller Auslastung etwa 5,50 US-Dollar Umsatz pro installierter GPU-Stunde – eine Benchmark, die den Ertrag jedes installierten Chips unmittelbar an das koppelt, was Kunden tatsächlich für KI-Rechenleistung zahlen. Sinkt die Auslastung auf realistischere 80 %, steigt der Wert auf 6,90 US-Dollar pro GPU-Stunde.
Die im Modell verwendete Renditeschwelle geht von einer unverschuldeten Rendite von 10 % – einer Kennzahl, die vor den Effekten der Fremdfinanzierung berechnet wird – bei einer Cashflow-Marge von 50 % aus. Um diese Benchmarks zu erfüllen, müsste der KI-Sektor von heute bis 2032 eine durchschnittliche jährliche Umsatzwachstumsrate von rund 80 % halten.
Diese Wachstumsrate wird an der derzeitigen kombinierten Umsatzrate von etwa 100 Milliarden US-Dollar von OpenAI und Anthropic, den Entwicklern hinter ChatGPT bzw. Claude, gemessen. Der Weg von 100 Milliarden auf 3,7 Billionen US-Dollar Jahresumsatz innerhalb von etwa sieben Jahren ist eine Entwicklung, die in einem Pitch-Deck beeindruckend und auf dem Whiteboard eines Risikoausschusses einschüchternd wirkt.
Wie die Finanzierung erfolgt
Der Bericht beleuchtet die Finanzierungsstrukturen – ein Bereich, der für alle, die sich um systemische Risiken sorgen, von besonderer Relevanz ist. Hyperscaler – die Betreiber der größten Cloud- und Rechenzentrennetze wie Microsoft, Amazon und Google – greifen zunehmend auf externe Schulden und komplexe Finanzierungsarrangements zurück, um ihre KI-Infrastrukturambitionen zu finanzieren.
Der Bericht kennzeichnet diese Verflechtung als potenzielle Quelle systemischer Risiken, insbesondere wenn die Nachfrage nach KI-Diensten nicht so schnell wächst wie die Kapazitäten. Ein Ausbleiben der KI-Nachfrage würde sich dann nicht nur bei den Technologieunternehmen selbst bemerkbar machen, sondern auch bei den Kreditgebern und Investoren auf der anderen Seite dieser Schulden. Überkapazitäten bei fremdfinanzierten Rechenzentren sind ein ganz anderes Problem als Überkapazitäten, die aus einbehaltenen Gewinnen finanziert wurden.
Die Frage der 3,7 Billionen
Das Ziel von 3,7 Billionen US-Dollar Jahresumsatz bis 2032 entspräche rund 9,2 % des für dieses Jahr prognostizierten US-BIP.
Es gibt zudem physikalische Einschränkungen, die den Ausbau unabhängig von der Verfügbarkeit von Finanzierung verlangsamen könnten. Stromerzeugung und Netzkapazität bleiben in vielen Teilen des Landes Engpässe, und Genehmigungsverfahren für neue Kraftwerke und Überungsleitungen dauern oft weit länger, als der Zeitrahmen der KI-Investitionen es erfordert.
Der Bericht wirft auch Fragen zur Auslastung auf. Der Aufbau von 182,7 GW Kapazität erwirtschaftet nur Erträge, wenn diese Kapazität tatsächlich genutzt wird. Der Unterschied zwischen den Umsatzanforderungen von 5,50 und 6,90 US-Dollar pro GPU-Stunde bei voller gegenüber 80 % Auslastung zeigt, wie empfindlich die Ökonomie auf Nachfrageschwankungen reagiert.
Die Studie rahmt diese Zahlen als Benchmark ein, um zu bewerten, ob die Umsatzentwicklung des Sektors das Tempo der derzeit laufenden Infrastrukturinvestitionen tragen kann. Gemessen an diesem Maßstab sind die beobachtbaren Indikatoren für die Zukunft die Umsatzmeldungen der großen KI-Labore, die Auslastung der installierten GPU-Kapazitäten, die Konditionen, zu denen Hyperscaler externe Schulden aufnehmen, und das Tempo, mit dem neue Stromerzeugung und Genehmigungen die im Bericht benannten Engpässe überwinden.
