Goldman Sachs lenkt die Aufmerksamkeit auf die physische Infrastruktur, die dem Boom der künstlichen Intelligenz zugrunde liegt, und argumentiert, dass der Zugang zu Hochspannungsstrom zu einem stärkeren Engpass geworden ist als das für den Chipkauf erforderliche Kapital. Die Bank erklärte, dass die Nachfrage nach KI-Infrastruktur weiterhin die verfügbare Kapazität übersteigt und sich die Angebots-Nachfrage-Lücke bei Rechenleistung vergrößert – gestützt auf aktuelle Gespräche mit Managementteams von Technologieunternehmen.

Nach Einschätzung von Goldman verlagert sich der Engpass von den Chips hin zum Strom. Betreiber, die bereits Netzkapazität gesichert haben, könnten besser positioniert sein, um zu expandieren, während die Stromverfügbarkeit – und nicht die Chipversorgung – das Tempo der neuen Rechenzentren bis 2027 bestimmen könnte. Die Bank erklärte, führende Hyperscaler – die größten Betreiber von Cloud- und KI-Rechenzentren – bewegten sich bereits, um Stromverträge für 2028 und darüber hinaus zu sichern, da die Netzkapazität für 2026 und 2027 im Wesentlichen ausgebucht ist; ein Zeithorizont, der zeigt, wie weit im Voraus der Stromzugang heute geplant werden muss.

Goldman erklärte, dass eine wahrscheinliche Verlangsamung des Modelltrainings durch erhöhte Investitionen in KI-Sicherheit und Tempo-Überwachung ausgeglichen wird. Diese Aktivitäten erfordern zusätzliche Rechenressourcen und halten die Gesamtnachfrage nach Rechenleistung hoch, trotz einer möglichen Abkühlung der Trainingsaktivität.

Die Bank sagte zudem, dass die Investitionsausgaben aufgrund von Komponenteninflation und dem Bedarf an mehr Chips steigen. Gleichzeitig ist der Umsatz pro Stromeinheit im vergangenen Jahr um rund zwei Drittel gestiegen verglichen mit früheren Preisniveaus – eine Kennzahl, die den Betreiberumsatz direkt mit dem verbrauchten Strom verknüpft. Aus Goldmans Sicht reicht ausreichend Kapital für den Kauf von GPUs allein nicht mehr aus; der Zugang zu Hochspannungs-Energieinfrastruktur bestimmt zunehmend, welche Unternehmen expandieren können.

Der Bericht brachte die Lage auf den Punkt: Geld kann die GPUs kaufen, aber der Strom entscheidet, wer sie einschalten darf.

Goldman erkannte auch eine strukturelle Verschiebung in den Ausgaben für Unternehmenssoftware. Daten- und Sicherheitsplattformen gehören demnach zu den klarsten Profiteuren der KI-Investitionen, da KI-Systeme auf saubere, strukturierte und sichere Datenewiesen sind. Chief Information Officers lenken ihre Budgets zunehmend auf grundlegende Datenschichten und Cybersicherheitstools, mit dem Ziel, die Datenintegrität zu schützen und die Risiken der nicht genehmigten Nutzung von „Shadow AI“ – also KI-Tools außerhalb offizieller IT-Freigabe – in Organisationen einzudämmen.

Demgegenüber wird Anwendungssoftware zunehmend für KI-Agenten statt für menschliche Nutzer entwickelt. Goldman beschrieb diesen Übergang als „Headless“-Werden der Anwendungssoftware. Diese Veränderung ermöglicht es Anbietern, bestehenden Plattformen leistungsstärkere KI-Funktionen hinzuzufügen und stützt das Branchenwachstum vorerst, wobei die Bank jedoch warnte, dass dies letztlich verändern könnte, wie Softwareunternehmen ihre Produkte bepreisen und monetarisieren.

Die Verschiebung der Ausgaben deutet auf eine wachsende Kluft zwischen fundamentalen Plattformen und Anwendungsanbietern hin. Goldmans Fokus auf die Renditen von Kernplattformen legt nahe, dass eine nachgewiesene Monetarisierung von Rechenleistung positiver bewertet werden könnte als spekulative neue Umsatzquellen, wobei die Bank dies nicht als Prognose der Marktentwicklung formulierte.

Unter den hervorgehobenen Unternehmen sagte Goldman, Meta erzielen in seinem Kerngeschäft weiterhin das Zwei- bis Dreifache des investierten Kapitals pro Megawatt Strom – ein Maß für die Rendite im Verhältnis zum verbrauchten Strom –, während es zusätzliche Quellen für inkrementelle Umsätze prüft. Google setze derweil auf einen Full-Stack-Vorteil, der eigene Chips, Cloud, Sicherheit und eine riesige Vertriebsbasis kombiniert, um die Kernmonetarisierung zu stützen. Der Verkauf von Googles TPU-Chips ist Teil dieser breiteren Portfoliostrategie.

Goldman kam zu dem Schluss, dass die KI-Monetarisierung erhebliche Optionen bietet. Dennoch bleibe die Monetarisierung der Kernplattformen eine der verwenden mit höherer Konfidenz und höherer Rendite. In diesem Kontext könnten etablierte Plattformen, die bereits starke Renditen auf ihren Strom erzielen, die verlässlicheren Profiteure bleiben, solange die Kapazität knapp ist. Die praktischen Indikatoren, die es künftig zu beobachten gilt, umfassen laut den Beobachtungen der Bank die Baupläne für Rechenzentren bis 2027, wie weit im Voraus Betreiber Stromverträge für 2028 und darüber hinaus sichern und ob Unternehmensbudgets sich weiter in Richtung Daten- und Sicherheitsfundamente verlagern.