Ist KI eine Blase? Das Argument für die Unterschätzung des Aufwärtspotenzials

Aktualisiert am 11. Dezember 2025

Update Dezember 2025: Die Prognosen für KI-Investitionsausgaben der Hyperscaler wurden für 2025 auf 405 Milliarden Dollar nach oben korrigiert, gegenüber ursprünglichen Schätzungen von 250 Milliarden Dollar. McKinseys Prognose einer jährlichen Wertschöpfung von 2,6-4,4 Billionen Dollar gewinnt an Bestätigung, da GitHub Copilot 1,8 Millionen zahlende Abonnenten erreicht und 46% des Codes mittlerweile KI-generiert sind. Die KI-Adoption in Unternehmen liegt bei 87% unter großen Organisationen mit einem Ausgabenwachstum von 130% im Jahresvergleich. Das Argument für Infrastrukturinvestitionen verstärkt sich, da sich Produktivitätsgewinne schneller materialisieren, als Vergleiche mit der Dotcom-Ära vermuten ließen.

Die Frage beantwortet sich selbst falsch. Wenn Ray Dalio KI-Investitionen als "sehr ähnlich" zur Dotcom-Blase bezeichnet, wenn der IWF vor einem bevorstehenden Zusammenbruch warnt, wenn Apollos Chefökonom feststellt, dass die heutigen führenden Technologieunternehmen zu höheren Bewertungen gehandelt werden als ihre Pendants der 1990er Jahre – geht die Rahmung davon aus, dass das zentrale Risiko Überinvestition ist.¹ ² ³

Das zentrale Risiko liegt in der anderen Richtung. Die Spekulation unterschätzt das Aufwärtspotenzial.

Viele KI-Unternehmen werden scheitern. Die Mehrheit der Startups, die zu aufgeblähten Bewertungen Kapital aufnehmen, wird Investoren nichts zurückgeben. Pilotprojekte in Unternehmen werden weiterhin eine Misserfolgsquote von 95% aufweisen.⁴ Eine Korrektur wird kommen, wahrscheinlich schmerzhaft. Nichts davon widerspricht der These. Die Gewinner, die aus der aktuellen Investitionswelle hervorgehen, werden einen Wert generieren, der so überproportional zum eingesetzten Kapital ist, dass die heutigen 380 Milliarden Dollar an jährlichen Hyperscaler-Investitionsausgaben wie ein Rundungsfehler aussehen werden.⁵

Die Dotcom-Parallele unterstützt tatsächlich das Argument. Amazon und Google gingen aus diesem Trümmerfeld hervor und schufen Billionenwerte. Die Infrastruktur, die diese Unternehmen der Blasen-Ära aufbauten – die Glasfaserleitungen, die Rechenzentren, die Protokolle – trieb Jahrzehnte wirtschaftlicher Transformation an. Die Verlierer verloren alles. Die Gewinner veränderten die Zivilisation. KI folgt demselben Muster in größerem Maßstab und mit höherer Geschwindigkeit.

Die Wertschöpfungsmathematik, die der Blasen-Diskurs ignoriert

Die Blasen-Analyse fixiert sich auf das falsche Verhältnis. Analysten vergleichen KI-Investitionen mit KI-Umsätzen und finden eine Lücke. Die Lücke existiert. Der Vergleich verfehlt den Punkt.

Der relevante Vergleich misst Investitionen gegen das Wertschöpfungspotenzial. Wenn Anthropic Claude unternehmensweit einsetzt, ist die relevante Kennzahl nicht Anthropics Umsatz. Die relevante Kennzahl umfasst die Produktivitätsgewinne, Kostensenkungen und Kapazitätserweiterungen in jeder Organisation, die die Technologie nutzt. Wenn ein Pharmaunternehmen KI einsetzt, um Wirkstoffkandidaten in Wochen statt Jahren zu identifizieren, übersteigt der geschaffene Wert die Rechenkosten und Lizenzgebühren bei weitem.

McKinsey schätzt, dass generative KI jährlich 2,6 bis 4,4 Billionen Dollar zur Weltwirtschaft beitragen könnte, basierend auf 63 analysierten Anwendungsfällen.⁶ Diese Spanne repräsentiert die Auswirkung eines einzelnen Jahres, nicht den kumulativen Wert. Im Verhältnis zu 380 Milliarden Dollar jährlicher Infrastrukturinvestitionen bevorzugt das Verhältnis die Optimisten um eine Größenordnung – selbst wenn McKinseys Schätzungen um die Hälfte zu optimistisch sind.

Die Produktivitätsevidenz sammelt sich bereits an. Nutzer von GitHub Copilot erledigen Aufgaben 55% schneller als Nutzer ohne diese Unterstützung.⁷ BCG-Berater, die GPT-4 nutzten, produzierten Arbeit von 40% höherer Qualität in 25% weniger Zeit.⁸ Kundenservice-Abteilungen berichten von 14% Produktivitätssteigerung bei Mitarbeitern, die KI-Assistenten nutzen, wobei die größten Gewinne bei unerfahrenen Mitarbeitern auftreten.⁹ Diese Zahlen stammen aus frühen, primitiven Einsätzen. Die Modelle verbessern sich monatlich.

Jeder große Plattformwechsel in der Computergeschichte generierte Wertmultiplikatoren, die die ursprünglichen Investitionen überstiegen. Personal Computer schufen während ihrer prägenden Jahrzehnte etwa 10 Dollar wirtschaftlichen Wert für jeden in die Branche investierten Dollar.¹⁰ Das Internet generierte ähnliche oder höhere Verhältnisse. Mobile Computing verstärkte das Muster. KI stellt eine Basistechnologie dar, die fundamentaler ist als alle diese – eine Technologie, die kognitive Arbeit verstärkt, so wie frühere Revolutionen physische und informationsbasierte Arbeit verstärkten.

Die Blasen-Rahmung behandelt KI wie Pets.com: ein Unternehmen ohne Weg zur Wertschöpfung, das Produkte verkaufte, die niemand brauchte. KI schafft nachweislich Wert in jedem Einsatz. Die Frage betrifft Ausmaß und Verteilung, nicht Existenz.

Warum Adoptionsgeschwindigkeit Wertschöpfungsgeschwindigkeit impliziert

Die Federal Reserve Bank of St. Louis veröffentlicht Daten, die KI-Skeptiker erschrecken sollten. Drei Jahre nach der Markteinführung des IBM PC im Jahr 1981 erreichte die Adoption von Personal Computern 19,7%.¹¹ Drei Jahre nach der kommerziellen Öffnung des Internets erreichte die Adoption 30,1%.¹² Drei Jahre nach dem Start von ChatGPT im November 2022 erreichte die Adoption generativer KI bis August 2025 54,6%.¹³

Die Diskrepanz spiegelt einen strukturellen Vorteil mit tiefgreifenden Auswirkungen auf die Wertschöpfung wider. Frühere Plattformwechsel erforderten von den Nutzern den Kauf neuer Hardware, das Erlernen neuer Benutzeroberflächen, die Änderung etablierter Arbeitsabläufe und den Neuaufbau von Prozessen rund um unbekannte Fähigkeiten. Die Adoption von KI erfordert nichts davon. Die Technologie erreicht die Nutzer über vorhandene Geräte, vorhandene Browser, vorhandene Anwendungen. Ein Wissensarbeiter im Jahr 2024 erhielt Zugang zu Fähigkeiten, die 2022 nicht existierten, ohne etwas Neues zu kaufen oder ein neues Schnittstellenparadigma zu erlernen.

Die Adoptionsgeschwindigkeit ist für die Wertschöpfung wichtig, weil Wert mit der Verbreitung kumuliert. Eine Technologie, die in drei Jahren 50% Adoption erreicht, generiert während dieser drei Jahre Wert. Eine Technologie, die fünfzehn Jahre braucht, um dieselbe Durchdringung zu erreichen, verzögert die Wertschöpfung proportional. KIs Adoptionsgeschwindigkeit bedeutet Wertschöpfungsgeschwindigkeit.

Die Adoptionszahlen in Unternehmen machen das Muster konkret. Bis 2025 hatten 87% der großen Unternehmen KI-Lösungen implementiert.¹⁴ Die wöchentliche Nutzung generativer KI-Tools sprang von 37% auf 72% im Jahresvergleich.¹⁵ Die Unternehmensausgaben für KI wuchsen um 130% in einem einzigen Jahr.¹⁶ Diese Organisationen geben nicht aus Begeisterung Geld aus. Sie geben aus, weil die Technologie Renditen produziert.

Die von Kritikern zitierte Pilotprojekt-Misserfolgsquote von 95% unterstützt bei genauer Betrachtung tatsächlich das optimistische Szenario.¹⁷ Unternehmen führen Pilotprojekte durch, um herauszufinden, was funktioniert. Eine 95%ige Misserfolgsquote bei Pilotprojekten bedeutet eine 5%ige Erfolgsquote – und erfolgreiche Pilotprojekte skalieren zu Produktionseinsätzen, die nachhaltigen Wert generieren. Die Unternehmen, die weiterhin investieren, nachdem sie hohe Pilotprojekt-Misserfolgsquoten erlebt haben, haben die 5% gefunden, die funktionieren. Sie optimieren, sie geben nicht auf.

Die Revolution der Programmierproduktivität

Die Softwareentwicklung bietet den klarsten Einblick in die Wertschöpfung durch KI, weil Produktivitätsgewinne messbar, unmittelbar und bereits in großem Maßstab wirksam sind. Anders als abstrakte Prognosen über zukünftige Anwendungen generieren Verbesserungen der Programmierproduktivität harte Daten von Millionen von Entwicklern, die täglich KI-Tools nutzen.

GitHub Copilot liefert die robusteste Evidenz. GitHubs interne Forschung ergab, dass Entwickler, die Copilot nutzen, Aufgaben 55% schneller erledigten als Entwickler, die ohne Unterstützung arbeiteten.⁷ Die Studie kontrollierte Aufgabenkomplexität und Erfahrungslevel der Entwickler. Bis Ende 2024 hatte Copilot über 1,8 Millionen zahlende Abonnenten angesammelt, die 400 Millionen Dollar an jährlich wiederkehrenden Einnahmen generieren.²⁷ Noch bemerkenswerter: 46% des Codes in Copilot-fähigen Repositories stammt mittlerweile aus KI-Vorschlägen.²⁸

Die Technologie hat sich über Autovervollständigung hinaus entwickelt. Frühe Versionen schlugen die nächsten paar Codezeilen vor. Aktuelle Versionen schlagen Architekturmuster vor, generieren umfassende Testsuiten, schreiben Dokumentation und debuggen komplexe Probleme. Der Wandel von "schlage die nächste Zeile vor" zu "implementiere diese Funktion" geschah in etwa 18 Monaten.

Das Ökosystem erstreckt sich weit über Copilot hinaus. Cursor, eine KI-native IDE, wuchs bis Ende 2024 von null auf über 40.000 zahlende Nutzer, mit monatlichen Wachstumsraten von über 50%.²⁹ Claude Code, Aider und Cline ermöglichen autonome Coding-Agents, die Änderungen über mehrere Dateien mit minimalem menschlichem Eingriff ausführen. Entwickler beschreiben zunehmend, was sie wollen, anstatt jedes Zeichen zu schreiben. Die Workflow-Transformation ähnelt dem Wandel von Assemblersprache zu Hochsprachen – eine kategoriale Änderung der Abstraktionsebene.

Die wirtschaftliche Mathematik macht die Blasen-Rahmung schwer haltbar. Das US Bureau of Labor Statistics berichtet eine mittlere Vergütung für Softwareentwickler von etwa 127.000 Dollar jährlich.³⁰ Eine 55%ige Produktivitätssteigerung entspricht etwa 70.000 Dollar an äquivalentem zusätzlichem Output pro Entwickler. Die USA beschäftigen etwa 4,4 Millionen Softwareentwickler.³¹ Selbst konservative Annahmen – 20% Adoption bei 30% Produktivitätssteigerung – ergeben 26 Milliarden Dollar jährlicher Wertschöpfung allein aus der US-Softwareentwicklung. Die weltweite Entwicklerpopulation übersteigt 28 Millionen.³²

Das Gegenargument der Skeptiker verdient ernsthafte Auseinandersetzung: KI-generierter Code enthält Bugs, führt Sicherheitslücken ein und schafft technische Schulden. Entwickler verbringen genauso viel Zeit mit dem Debuggen von KI-Output wie sie beim Generieren sparen. Die Produktivitätsstudien wurden von KI-Unternehmen finanziert, die offensichtlich ein Interesse an günstigen Ergebnissen haben. Die Nutzung in der Praxis zeigt, dass Junior-Entwickler von Tools abhängig werden, die sie nicht verstehen, was ihre grundlegenden Fähigkeiten verschlechtert.

Die Kritik verwechselt naive Nutzung mit kompetenter Nutzung. Studien, die Qualitätsverschlechterung zeigen, untersuchen typischerweise Neulinge, die KI als Krücke nutzen, anstatt Profis, die KI als Hebel einsetzen. Die BCG/Harvard-Studie, die 40% Qualitätsverbesserung feststellte, untersuchte speziell erfahrene Berater – nicht Junior-Entwickler, die mit unbekannten Tools herumfummeln.⁸

Code-Review-Prozesse fangen KI-Fehler genauso wie menschliche Fehler auf. Die Sicherheitsbedenken haben Berechtigung, übersehen aber die Entwicklung: Statische Analysetools scannen jetzt KI-generierten Code automatisch, und die GitHub Advanced Security-Integration bedeutet, dass KI-Vorschläge vor dem Merge einer Sicherheitsüberprüfung unterzogen werden. Die Werkzeuge holen die Fähigkeiten ein.

Am wichtigsten ist: Entwickler stimmen mit ihren Fingern ab. Die Bindungsraten bei Copilot übersteigen 80%.³³ Cursor wuchs in Monaten von null auf 40.000 zahlende Nutzer. Wenn die Tools netto negativen Wert lieferten, würden Entwickler sie aufgeben. Sie geben sie nicht auf; sie erweitern die Nutzung.

Software repräsentiert eine 650 Milliarden Dollar schwere globale Industrie.³⁴ Eine 20%ige Produktivitätssteigerung in der gesamten Branche schafft 130 Milliarden Dollar jährlichen Wert – aus einem Sektor unter Dutzenden, in denen KI messbare Gewinne erzielt. Die Infrastrukturinvestitionen, die KI-Coding-Tools ermöglichen, stellen einen Bruchteil dieser Wertschöpfung dar. Die Blasen-Rahmung fragt, ob KI-Investitionen zu KI-Umsätzen passen. Die korrekte Rahmung fragt, ob KI-Investitionen zur KI-Wertschöpfung passen. Allein in der Software ist das Verhältnis nicht einmal annähernd ausgeglichen.

Die Dark-Fiber-Lektion: Verlierer finanzieren Gewinner

Zwischen 1995 und 2000 investierten Telekommunikationsunternehmen etwa 2 Billionen Dollar in den Aufbau von 80 bis 90 Millionen Meilen Glasfasernetzen.¹⁸ Als die Blase platzte, lag 95% dieser Glasfaser ungenutzt da.¹⁹ Die Unternehmen, die sie bauten – Global Crossing, Level 3, Qwest, WorldCom – gingen bankrott oder fast. Investoren in diese Unternehmen verloren alles.

Die Glasfaser selbst behielt ihren Wert. Die Infrastruktur, die ihre Erbauer zerstörte, ermöglichte deren Nachfolger. Netflix streamt Videos über Kabel, für die WorldComs Aktionäre bezahlten. Cloud Computing läuft über Dark Fiber, die ihre ursprünglichen Eigentümer in den Bankrott trieb. Der wirtschaftliche Wert, der durch diese Infrastruktur über zwei Jahrzehnte geschaffen wurde, übersteigt die investierten 2 Billionen Dollar um mindestens eine Größenordnung.

Die Verlierer finanzierten die Gewinner. Eigenkapitalinvestoren in Telekommunikationsunternehmen der Blasen-Ära trugen die Verluste. Die breitere Wirtschaft erntete die Gewinne. Amazon baute nicht die Internetinfrastruktur auf, von der es abhängt; es baute auf Infrastruktur auf, die Investoren anderer Unternehmen finanzierten und verloren.

KI folgt demselben Muster mit einem entscheidenden Unterschied: Das Verhältnis zwischen Infrastrukturkosten und geschaffenem Wert ist noch günstiger. Glasfaser erforderte physische Installation über Kontinente hinweg. KI-Infrastruktur konzentriert sich in Rechenzentren, die globale Nutzerbasen bedienen. Die Kapitaleffizienz der KI-Infrastruktur übersteigt die Kapitaleffizienz physischer Netzwerkinfrastruktur um ein erhebliches Maß.

Die heutigen KI-Infrastrukturinvestitionen werden Verlierer hervorbringen. Startups, die mit Milliarden bewertet werden, werden null zurückgeben. Manche spekulativ gebaute Infrastruktur wird jahrelang unterausgelastet sein. Die Unternehmen, die

[Inhalt für Übersetzung gekürzt]