Goldman Sachs hat die kumulierten Ausgaben für KI-Infrastruktur zwischen 2026 und 2031 auf rund 7,5 bis 7,6 Billionen US-Dollar geschätzt. Die Prognose entfällt auf etwa 5,1 Billionen US-Dollar für Rechenleistung, 2,1 Billionen US-Dollar für Rechenzentren und 358 Milliarden US-Dollar für Energieinfrastruktur, während die jährlichen KI-Capex von geschätzten 765 Milliarden US-Dollar in diesem Jahr auf 1,6 Billionen US-Dollar bis 2031 steigen sollen.

Der Research-Rahmen von Goldman sieht NVIDIA als den dominierenden Nutznießer der Rechenleistungsebene, wobei der Chiphersteller voraussichtlich rund 75% dieses Segments auf sich vereinen wird. Goldman sagte, ein solches Konzentrationsniveau habe in früheren Technologie-Capex-Zyklen kein Vorbild.

Allein die jährliche Ausgaberate würde dies zur größten einzelnen Kapitalallokation in der Technologiegeschichte machen. Goldman-Sachs-Analysten erklärten zudem, dass Konsensschätzungen dem Tempo der Ausgaben wiederholt hinterherhinkten; so sei der Konsens für die Capex im Jahr 2026 innerhalb nur einer Berichtssaison von 465 Milliarden US-Dollar auf 527 Milliarden US-Dollar gestiegen.

“$7.6 trillion in AI CAPEX by 2031? Striking but what really bothers me in Goldman Sachs’ estimates is the tiny share allocated to electricity,” schrieb Christophe Barraud in einem X-Beitrag am 11. Juli 2026. “Over the full period, Goldman expects around $5.1 trillion to be spent on compute, more than $2.1 trillion on data centers and…”

Für Privatanleger im Kryptobereich, die KI-Infrastruktur verfolgen, sind Goldmans Zahlen kein Hintergrundrauschen. Sie bilden den makroökonomischen Rahmen, vor dem KI-Compute-Token, dezentrale GPU-Netzwerke und KI-Token-Presales bewertet werden, insbesondere weil sich der Ausgabenzyklus auf genau jene Infrastrukturebenen konzentriert, die krypto-native Projekte oft nachzubilden oder zu ergänzen versuchen.

Die Prognose von 7,5 Billionen US-Dollar steht für einen Kapitalzyklus, der groß genug ist, dass bereits eine Umleitung von 0,1% in krypto-native Infrastrukturrouten einen spürbaren Katalysator für den Token-Markt darstellen würde. Die entscheidende Frage ist nicht, ob dieser Zyklus real ist, sondern welche Token-Segmente strukturell positioniert sind, um einen Anteil daran zu gewinnen.

Was Goldmans Prognose von 5,1 Billionen US-Dollar für Rechenleistung über die KI-Chance von Krypto aussagt

Die Schlagzeile ist zwar beeindruckend, doch die interne Struktur von Goldmans Prognose macht sie für die Einschätzung von Krypto-Positionierungen erst wirklich nützlich. Die Rechenleistungsebene mit 5,1 Billionen US-Dollar ist die größte Ausgabenkategorie, mehr als doppelt so hoch wie die Zuweisung für Rechenzentren und etwa vierzehnmal so groß wie das Budget für Energie.

Goldmans Forschung verknüpft diese Schätzung mit konkreten Hardware-Annahmen, darunter GPU-Knoten der nächsten Generation mit einem Preis von rund 80.500 US-Dollar pro Einheit, einem Strombedarf von 3.000 Watt pro Paket und einem Power Usage Effectiveness-Verhältnis von 1,2. Goldman sagte, dies seien keine spekulativen Annahmen, sondern spiegelten die tatsächlichen Beschaffungskosten für NVIDIAs Architektur der aktuellen Generation wider.

Die erwartete Konzentration von etwa drei Vierteln der Rechenleistung bei NVIDIA ist der Punkt, der dezentrale Alternativen analytisch relevant macht. Wenn ein einzelner Anbieter voraussichtlich einen so großen Anteil einer Ausgabenkategorie von 5,1 Billionen US-Dollar auf sich vereint, schaffen Lieferkettenrisiken, Preissetzungsmacht und Exportkontrollrisiken eine strukturelle Öffnung für genehmigungsfreie Rechenalternativen.

Goldmans Forschung weist zudem darauf hin, dass Unsicherheit, also die Angst, bei der KI-Infrastruktur etwas zu verpassen, ebenso ein Treiber des Capex-Booms ist wie der gemessene Return on Investment. Das deutet darauf hin, dass der Zyklus auch ein Verlaufsrisiko in sich trägt. Goldmans breitere KI-Investmentthese beeinflusst bereits Kapitalströme in Schwellenländern und über verschiedene Anlageklassen hinweg.

Energie ist mit 358 Milliarden US-Dollar zwar der kleinste Posten in Dollar, doch Goldmans Analysten sehen sie als den zentralen Engpass, der die Geschwindigkeit der Umsetzung begrenzt, nicht die Verfügbarkeit von Rechenleistung. Die Kostenannahmen für Rechenzentren liegen bei 15 Millionen US-Dollar pro Megawatt Kapazität, während neue Stromkapazität mit 2.500 US-Dollar pro Kilowatt angesetzt wird.

Brownfield-Rechenzentrumsflächen machen derzeit 15% der Deployments im Jahr 2026 aus und sollen bis 2031 auf 30% steigen, da Greenfield-Standorte mit Verzögerungen beim Netzanschluss konfrontiert sind. Goldman erwartet, dass der Energieengpass während des gesamten Zeitraums 2026–2031 bestehen bleibt, was flexible, dezentralisierte KI-Compute-Infrastruktur zu einem besonders relevanten Thema für krypto-native Infrastrukturprojekte macht.

EXPLORE: Best Memecoins Presales to Watch in July

The post Goldman Sachs $7.5T AI Capex Breakdown and What It Means for Crypto appeared first on icobench.com .