IBMs CEO sagt, die Rechnung für KI-Infrastruktur geht nicht auf

Aktualisiert am 11. Dezember 2025

Update Dezember 2025: IBM-CEO Arvind Krishna warnt: 100 GW geplante KI-Infrastruktur erfordern 8 Billionen Dollar Investitionen und 800 Milliarden Dollar jährlichen Gewinn zur Rechtfertigung – „Es gibt keine Möglichkeit, darauf eine Rendite zu erzielen." Krishna schätzt die Wahrscheinlichkeit, dass aktuelle LLM-Architekturen AGI erreichen, auf 0-1%. Die Hardware-Abschreibung, die alle 5 Jahre einen Austausch erzwingt, verschärft die Herausforderung zusätzlich. Enterprise-KI funktioniert; spekulative AGI-Infrastruktur kämpft.

Arvind Krishna, der Vorstandsvorsitzende von IBM, lieferte eine ernüchternde Einschätzung im Decoder-Podcast von The Verge: Der billionenschwere Ausbau der KI-Infrastruktur kann unter den aktuellen wirtschaftlichen Bedingungen keine Rendite erwirtschaften.¹ Krishnas Analyse beruht auf einfacher Arithmetik, die die Branche weitgehend ignoriert hat.

Die Zahlen funktionieren so: Ein KI-Rechenzentrum mit einem Gigawatt Leistung erfordert etwa 80 Milliarden Dollar an Compute-Hardware.² Aktuelle Pläne aus öffentlichen und privaten Ankündigungen deuten auf etwa 100 Gigawatt AGI-fokussierte Kapazität hin.³ Das summiert sich auf 8 Billionen Dollar an Investitionsausgaben. Um diese Investition zu rechtfertigen, benötigen Betreiber etwa 800 Milliarden Dollar jährlichen Gewinn allein zur Bedienung der Kapitalkosten.⁴

„Es gibt meiner Ansicht nach keine Möglichkeit, darauf eine Rendite zu erzielen", erklärte Krishna unverblümt.⁵

Das Abschreibungsproblem, über das niemand spricht

Krishna identifizierte Abschreibungen als die Kalkulation, die von Investoren und Analysten am meisten unterschätzt wird. KI-Beschleuniger werden über fünf Jahre abgeschrieben. Das Tempo des architektonischen Wandels bedeutet, dass Betreiber ganze Flotten ersetzen müssen, anstatt sie weiterzubetreiben. Heute gekaufte Geräte werden obsolet, bevor sie sich amortisiert haben.

„Man muss sie innerhalb von fünf Jahren komplett nutzen, denn dann muss man sie wegwerfen und neu befüllen", erklärte Krishna.⁶ Jede Hardware-Generation liefert erhebliche Leistungsverbesserungen. Inferenz auf fünf Jahre alten GPUs zu betreiben bedeutet, mehr für Strom zu bezahlen, als der Rechenbetrieb an Wert erzeugt. Der Abschreibungszyklus erzwingt kontinuierliche Reinvestitionen, die den Kapitalbedarf potenzieren.

Die Hyperscaler, die diese Anlagen bauen, verstehen die Abschreibungsmathematik. Sie bauen trotzdem, in der Wette, dass das KI-Umsatzwachstum die Infrastrukturkosten übertreffen wird. Krishna bezweifelt, ob diese Wette im aktuell geplanten Umfang aufgehen kann. Die Lücke zwischen Kapitalbedarf und plausiblem Umsatz bleibt zu groß.

Krishna weicht von den AGI-Gläubigen ab

Der IBM-CEO äußerte Skepsis darüber, ob künstliche allgemeine Intelligenz mit den aktuellen Ansätzen erreicht werden kann. Krishna schätzte die Wahrscheinlichkeit, dass bestehende Large-Language-Model-Architekturen AGI erreichen, auf irgendwo zwischen null und einem Prozent.⁷ AGI „wird mehr Technologien erfordern als den aktuellen LLM-Pfad", argumentierte er.

Als Decoder-Moderator Nilay Patel anmerkte, dass OpenAI-CEO Sam Altman glaubt, OpenAI könne Renditen auf seine Investitionsausgaben erzielen, bot Krishna eine direkte Antwort: „Das ist ein Glaube. Das ist etwas, dem manche Menschen gerne nachjagen. Ich verstehe das aus ihrer Perspektive, aber das ist etwas anderes, als ihnen zuzustimmen."⁸

Die Meinungsverschiedenheit verdeutlicht einen fundamentalen Riss in der KI-Branche. Ein Lager glaubt, AGI werde aus der Skalierung aktueller Architekturen entstehen und rechtfertige jedes Niveau an Infrastrukturinvestitionen. Das andere Lager, einschließlich Krishna, glaubt, der Weg zu AGI erfordere Durchbrüche jenseits größerer Modelle und mehr Rechenleistung. Diese Glaubenslücke treibt völlig unterschiedliche Investitionskalkulationen an.

Die Unternehmenschance bleibt real

Krishnas Skepsis gegenüber der AGI-Infrastrukturökonomie erstreckt sich nicht auf Enterprise-KI. Der IBM-CEO vertritt die Ansicht, dass KI „Billionen von Dollar an Produktivität in Unternehmen freisetzen wird."⁹ Die Unterscheidung ist wichtig: Enterprise-KI operiert in Größenordnungen, in denen Infrastrukturkosten klare Renditen generieren.

Ein Unternehmen, das KI zur Automatisierung des Kundenservice, zur Optimierung von Lieferketten oder zur Beschleunigung der Medikamentenentwicklung einsetzt, kann den Return on Investment mit angemessener Präzision berechnen. Der Rechenbedarf bleibt begrenzt. Der generierte Wert fließt direkt an die Organisation, die die Technologie einsetzt. Die Wirtschaftlichkeit von Enterprise-KI funktioniert im menschlichen Maßstab.

Die AGI-Ökonomie funktioniert anders. Der Aufbau von Infrastruktur zur Erreichung künstlicher allgemeiner Intelligenz erfordert massive Vorabinvestitionen mit ungewissem Ertrag. Der Zeithorizont erstreckt sich über normale Investitionszeiträume hinaus. Die Wettbewerbsdynamik fördert Überkapazitäten, da jeder Akteur darum rennt, zuerst Durchbruchsfähigkeiten zu erreichen. Rationale Investitionsanalyse weicht existenziellem Wettbewerb.

IBMs strategische Positionierung spiegelt Krishnas Sichtweise wider. Das Unternehmen konzentriert sich auf die Bereitstellung von Enterprise-KI statt auf die Entwicklung von Frontier-Modellen. Die 11 Milliarden Dollar schwere Confluent-Übernahme, die Tage nach Krishnas Podcast-Auftritt angekündigt wurde, unterstreicht diesen Fokus.¹⁰ IBM baut die Dateninfrastruktur, die Unternehmen für den KI-Einsatz benötigen, und überlässt das AGI-Streben anderen, die bereit sind, längere Quoten zu akzeptieren.

Was, wenn Krishna recht hat?

Der Ausbau der KI-Infrastruktur geht ungeachtet von Krishnas Warnungen weiter. Microsoft, Google, Amazon und Meta planen zusammen Hunderte Milliarden an Rechenzentrum-Investitionen. OpenAI zielt durch seine Stargate-Partnerschaft auf 500 Milliarden Dollar Infrastrukturausgaben ab.¹¹ Das Kapital fließt weiter.

Wenn sich Krishnas Analyse als richtig erweist, kommt die Abrechnung innerhalb des Abschreibungszyklus. Anlagen, die 2025 gebaut werden, müssen bis 2030 Renditen erwirtschaften oder Abschreibungen hinnehmen. Unternehmen, die zu viel gebaut haben, werden Kapazitäten rationalisieren. Der KI-Infrastrukturmarkt wird sich um Überlebende mit nachhaltiger Wirtschaftlichkeit konsolidieren.

Das Szenario erfordert nicht, dass KI scheitert. KI kann enormen Wert liefern, während Investitionen in AGI-Infrastruktur dennoch unwirtschaftlich bleiben. Enterprise-KI floriert, während das AGI-Streben Kapital ohne angemessene Rendite verschlingt. Die Unterscheidung zwischen wertvoller Technologie und solider Investition bleibt wichtig.

Wenn sich Krishnas Analyse als falsch erweist, gewinnen die AGI-Gläubigen die größte Wette der Technologiegeschichte. Erfolgreiche AGI würde jede Infrastrukturinvestition rechtfertigen und frühe Erbauer mit transformativen Fähigkeiten belohnen. OpenAI, xAI und andere AGI-fokussierte Organisationen operieren auf dieser These.

Der Markt wird entscheiden

IBM nimmt eine andere Position ein als die Unternehmen, die Krishna implizit kritisiert. Big Blue fehlen die Ressourcen, um im AGI-Infrastruktur-Rennen zu konkurrieren, und hat sich entschieden, es nicht zu versuchen. Krishnas Warnungen könnten strategische Positionierung ebenso widerspiegeln wie analytische Überzeugung. IBM profitiert, wenn Enterprise-KI mehr Aufmerksamkeit und Kapital anzieht als das AGI-Streben.

Diese Positionierung entkräftet die Analyse nicht. Die Arithmetik, die Krishna präsentiert, erfordert Widerlegung, nicht Ablehnung. Acht Billionen Dollar Kapital erfordern Hunderte Milliarden an jährlichen Renditen. Die aktuellen KI-Umsätze, obwohl sie schnell wachsen, bleiben weit dahinter zurück. Die Lücke muss sich schließen, damit sich die Investitionen auszahlen.

Krishnas Bereitschaft, öffentlich Skepsis zu äußern, bietet ein nützliches Gegengewicht zum vorherrschenden Enthusiasmus. Die KI-Branche profitiert von Führungskräften, die Annahmen hinterfragen und eine rigorose Finanzanalyse fordern. Ob Krishna recht behält oder nicht, die Disziplin, seine Herausforderung zu beantworten, stärkt Investitionsentscheidungen im gesamten Ökosystem.

Die Billionen-Dollar-Frage bleibt offen: Kann KI-Infrastruktur im aktuell geplanten Umfang Renditen erwirtschaften? Krishna sagt nein. Die Erbauer sind anderer Meinung. Die nächsten fünf Jahre werden zeigen, welche Sichtweise sich als richtig erweist.

Referenzen

1. Fortune. "IBM CEO warns there's 'no way' hyperscalers like Google and Amazon will be able to turn a profit at the rate of their data center spending." 3. Dezember 2025. https://fortune.com/2025/12/03/ibm-ceo-no-way-hyperscalers-google-amazon-turn-profit-data-center-spending/

2. Tom's Hardware. "IBM CEO warns that ongoing trillion-dollar AI data center buildout is unsustainable." 4. Dezember 2025. https://www.tomshardware.com/tech-industry/ibm-ceo-warns-trillion-dollar-ai-boom-unsustainable-at-current-infrastructure-costs

3. Tom's Hardware. "IBM CEO warns that ongoing trillion-dollar AI data center buildout is unsustainable."

4. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

5. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

6. TechRadar. "IBM CEO warns trillion-dollar AI data center expansions risk catastrophic losses if hardware refresh cycles stay relentlessly fast." Dezember 2025. https://www.techradar.com/pro/there-is-no-way-ibm-ceo-says-current-ai-data-center-trends-are-unsustainable-and-he-would-know

7. CXO Digital Pulse. "IBM's Arvind Krishna Warns of Unsustainable Economics Behind AGI-Scale Data Center Race." Dezember 2025. https://www.cxodigitalpulse.com/ibms-arvind-krishna-warns-of-unsustainable-economics-behind-agi-scale-data-center-race/

8. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

9. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

10. IBM. "IBM to Acquire Confluent to Create Smart Data Platform for Enterprise Generative AI." IBM Newsroom, 8. Dezember 2025. https://newsroom.ibm.com/2025-12-08-ibm-to-acquire-confluent-to-create-smart-data-platform-for-enterprise-generative-ai

11. OpenAI Stargate Partnership Ankündigungen, 2025.

• Primär: ibm-ceo-krishna-ai-infrastructure-trillion-unsustainable
• Alt 2: ibm-ceo-8-trillion-ai-infrastructure-returns

Wichtigste Erkenntnisse

Für strategische Planer: - 1-GW-KI-Rechenzentrum erfordert ~80 Mrd. Dollar Compute-Hardware; 100 GW geplante AGI-Kapazität = 8 Billionen Dollar Investitionsausgaben - 800 Milliarden Dollar jährlicher Gewinn allein zur Bedienung der Kapitalkosten für 8 Billionen Dollar Infrastrukturinvestition erforderlich - Krishna schätzt die Wahrscheinlichkeit, dass aktuelle LLM-Architekturen AGI erreichen, auf 0-1%

Für Finanzteams: - KI-Beschleuniger werden über 5 Jahre abgeschrieben; architektonische Änderungen erzwingen vollständigen Flottenersatz - Inferenz auf 5 Jahre alten GPUs kostet mehr Strom, als die Rechenleistung an Wert erzeugt - Die Lücke zwischen Kapitalbedarf und plausiblem Umsatz bleibt laut Krishna zu groß

Für Enterprise-KI-Teams: - Krishna unterscheidet AGI-Streben von Enterprise-KI: begrenzter Rechenbedarf, kalkulierbarer ROI - IBMs 11 Milliarden Dollar Confluent-Übernahme unterstreicht den Fokus auf Unternehmensdateninfrastruktur statt Frontier-Modelle - Enterprise-KI-Ökonomie funktioniert im menschlichen Maßstab; AGI-Ökonomie erfordert massive Vorabinvestitionen mit ungewissem Ertrag

Für Investoren: - Wenn Krishna recht behält, kommt die Abrechnung innerhalb des 5-Jahres-Abschreibungszyklus (2025 gebaute Anlagen müssen bis 2030 Rendite bringen) - OpenAI Stargate-Partnerschaft zielt auf 500 Milliarden Dollar Infrastruktur; Microsoft/Google/Amazon planen weitere Hunderte Milliarden - IBM positioniert für Enterprise-KI-Bereitstellung statt Frontier-Modell-Entwicklung