Ist der KI-Markt größtenteils PR, oder steckt hinter den Schlagzeilen eine tiefere Mathematik? Eine Marktanalyse des KI-Softwareunternehmens Linkmate, früher Linkomo, argumentiert, dass die Antwort in einer Mischung aus Kreditdynamik, Kapitalausgaben und messbarer Unternehmensnachfrage liegt.

Die Kreditmathematik hinter dem KI-Hype

Laut The State of the Agentic Market tritt die KI-Adoption in eine spätere Reifephase ein. Praktisch bedeutet das nach Ansicht von Linkmate, dass der Markt KI nicht mehr als magische Patentlösung betrachtet, sondern als Werkzeug zur Lösung gewöhnlicher geschäftlicher Probleme einsetzt.

Der Bericht argumentiert, dass KI oft als wichtiger Störfaktor am Arbeitsmarkt beschrieben werde, zugleich aber auch als Sündenbock diene. Aus Sicht von Linkmate ist ein wesentlicher Faktor für die Schwäche des Arbeitsmarkts die Kombination aus Krediten aus der COVID-Ära und Zinserhöhungen der Federal Reserve.

2019 begannen große Technologieunternehmen, ihre Büroflächen neu zu bewerten und sich zu fragen, warum sie für vier Büroetagen in New York oder im Silicon Valley zahlen sollten, wenn sie diese nicht mehr benötigten. Dieser Wandel wurde zu einer frühen Maßnahme zur Kostensenkung. Die Lockdown-Phase erhöhte außerdem die Unternehmensverschuldung, da Firmen bei niedrigeren Zinsen mehr Schulden aufnahmen.

Zwischen 2019 und 2020 erreichte der Leitzins der Federal Reserve 0,05%, wodurch Kredite günstiger wurden als seit mehr als 70 Jahren. Linkmate verweist auf Angaben der Federal Reserve und Daten von FRED, wonach Unternehmensdarlehen im Jahr 2020 bei 0,25% lagen, was nach dieser Analyse bedeutet, dass jeder geliehene Dollar nur 0,25 Cent wert war, nicht 25 Cent.

Die Analyse sagt, dass Unternehmensverschuldung nicht konservativ genutzt worden sei. In normalen Phasen nehmen Unternehmen eher kleinere Kredite auf und zahlen sie rasch zurück, doch hier sei das nicht passiert. Innerhalb weniger Jahre stieg die gesamte Unternehmensverschuldung von rund $2 Billionen auf $3,1 Billionen in der ersten Hälfte des Jahres 2020. Anschließend fiel der Wert 2022 um $0,6 Billionen beziehungsweise $600 Milliarden auf $2,4 Billionen, bevor er wieder anstieg.

Linkmate zufolge brachte jeder Marktzyklus neue Wege für Unternehmen hervor, ihre Gewinne zu steigern und den Schuldendruck zu verringern. 2023 stellte OpenAI ein großes Sprachmodell und einen interaktiven Chatbot vor, der Fragen dynamisch beantworten konnte. Nach Einschätzung von Linkmate entstand dadurch die Erwartung, Unternehmen könnten Teile ihrer Kostenbasis ersetzen, erhebliche Teile der Belegschaft abbauen und die Gewinne verbessern.

Diese Erwartung, so die Analyse, habe den Optimismus der Anleger und eine Welle von Entlassungen in großen Technologieunternehmen befeuert, darunter Oracle, Google, Amazon, Payoneer, Intel, HP, Meta, Fiverr, xAI, Salesforce, CISCO und Peloton. TechCrunch veröffentlichte eine vollständige Liste für 2025. Linkmate sagt, dass die Entlassungszahlen seit 2023 jedes Jahr gestiegen seien, was die Einschätzung stütze, der KI-Markt befinde sich auf dem Höhepunkt von Gartners Hype-Zyklus.

Wo steht KI in Gartners Hype-Zyklus?

Gartners Markt-Hype-Modell geht davon aus, dass Technologien verschiedene Reifephasen durchlaufen. Nach dem Gipfel überzogener Erwartungen folgt normalerweise eine Neubewertung des Markts und ein nüchternerer Blick darauf, wie sich die Technologie tatsächlich anwenden lässt.

Linkmate zufolge gehört zu den vielversprechendsten Einsatzgebieten von KI die Lösung realer Entsprechungen von NP-vollständigen Aufgaben. Der Bericht verweist auf Anwendungsfälle wie die Analyse von Proteinketten, die Entwicklung neuer Behandlungen für alte Krankheiten, den Fortschritt in der Krebsforschung, die Rettung von Leben durch unkonventionelle Methoden, die Entdeckung neuer Materialien und die Senkung der Medikamentenkosten. Auch wenn KI keine Patentlösung ist, könne Machine Learning und LLM, so die Analyse, Aufgaben bewältigen, die für herkömmliche Ansätze zu aufwendig seien.

Sobald der Markt die Phase überzogener Erwartungen verlässt und in eine nüchternere Phase eintritt, argumentiert Linkmate, treten diese praktischen Anwendungsfälle hervor und werden als konkrete Lösungen bestehender Probleme anerkannt.

Die Analyse sagt außerdem, der Markt setze sich mit der Einsicht auseinander, dass Menschen immer noch günstiger seien als KI. Ein als „tokenmaxxing“ beschriebener Trend, also die Maximierung der Token-Nutzung, wird als Beispiel für den Höhepunkt überzogener Erwartungen dargestellt — die Vorstellung, KI könne menschliche Arbeit in den meisten Bereichen ersetzen. In der Praxis, so Linkmate, sei die Rechnung für diese KI-Tokens oft höher als das Durchschnittsgehalt eines Softwareingenieurs.

Microsoft wird mit den Worten zitiert: „Using tech is more expensive than paying human employees“. Der Bericht verweist außerdem auf Uber, wo Führungskräfte öffentlich beschlossen, die HR-Abteilung zu verkleinern, nachdem sie festgestellt hatten, dass ihr KI-Budget in vier Monaten aufgebraucht war. Auch der amtierende Vizepräsident von Nvidia wird mit der Aussage zitiert, KI koste „far more than humans“.

Linkmate verweist auf Goldman-Sachs-Prognosen, denen zufolge die KI-Nutzung bis 2030 auf 120 Quadrillionen Tokens steigen könnte. Bank of America bestätigte in einer separaten bullischen Prognose die Einschätzung von Goldman Sachs und sagte, die KI-Ausgaben könnten bis 2030 $155 Milliarden erreichen.

Was sagen die Zahlen zur KI-Nutzung?

Der Vergleich von SEC-Einreichungen mit öffentlichen Aussagen liefert laut Linkmate ein klareres Bild. Der Bericht nennt drei Indikatoren, die aus seiner Sicht zeigen, dass der KI-Hype real und messbar ist:

• Die durchschnittlichen PJM-Strompreise, also der Preis pro MW-Tag, sind um 833% gestiegen.
• HBM-Speicher ist vorzeitig zu 100% ausverkauft.
• Die für 2026 prognostizierten CapEx der Hyperscaler für KI sollen $660 Milliarden betragen.

Die Analyse sagt jedoch, dass es eine Diskrepanz zwischen versprochenen CapEx und dem tatsächlichen Free Cash Flow gebe, wie er in SEC-Einreichungen ausgewiesen wird. Insbesondere befänden sich Amazon und Google im negativen Cashflow, während Microsoft irgendwie positive Zahlen vorweise.

Eines der besorgniserregenderen Muster betrifft laut Linkmate die Lage des wichtigsten Marktteilnehmers — OpenAI. Laut PR liegt die prognostizierte APR-Marke für 2026 bei $40 Milliarden, während der tatsächliche jährliche operative Verlust 2025 bei minus $20 Milliarden liegt und für 2026 mit minus $14 Milliarden veranschlagt wird. Diese Diskrepanz zwischen fundamentalen Kennzahlen und offengelegten Daten könnte in Zukunft problematisch werden, falls sich der reale KI-Anwendungsfall nicht materialisiert.

Die aktuelle Markt-Erzählung, so Linkmate, stellt KI oft vor allem als Assistenten dar, der E-Mails liest und Zusammenfassungen aus der Google-Suche erstellt. Die Zahlen zeigten jedoch, dass die Nachfrage vorhanden sei, die eigentliche Anwendung aber anderswo liege — im Bereich der Lösung realweltlicher Entsprechungen von NP-vollständigen Aufgaben.

Die Adoptionskennzahlen seien vorhanden, ebenso wie Risikokapital mit mindestens $510 Milliarden an Ausgaben. Nach Branchen aufgeschlüsselt gingen im Q1 2026 fast 80% des globalen VC-Geldes an KI-Startups, was etwa $242 Milliarden von $300 Milliarden entspricht.

Nach den besten Marktschätzungen wird der KI-Markt 2026 zwischen $375 Milliarden und $0,9 Billionen bewertet, bei einer prognostizierten CAGR von 14% bis 39%.

Linkmate kommt zu dem Schluss, dass die Zahlen eine konkrete und flächendeckende Nachfrage zeigen, es jedoch an Angeboten mit echtem Product-Market-Fit für reale Einsatzszenarien mangele. Grundsätzlich könnte der KI-Markt in naher Zukunft eine Korrekturphase durchlaufen, in der schwächere Anbieter durch Unternehmen ersetzt werden, die anwendbare Use Cases für den realen Markt liefern. Die beste Schätzung von Linkmate sieht eine mögliche Korrektur zwischen 2027 und 2028, falls kein breit anwendbarer realweltlicher Use Case entsteht.