KI-Investitionen heizen Inflation an und erschweren den Kampf der US-Notenbank

Die unerwartete Inflationswelle durch KI-Infrastruktur

Die Vision der künstlichen Intelligenz als treibende Kraft hinter beispiellosen Kostensenkungen und Fülle, wie sie von Tech-Größen wie Sam Altman von OpenAI und Elon Musk von Tesla propagiert wird, stößt auf eine deutliche Hürde: die Realität. Zwar bleibt das langfristige Versprechen von KI-gestützten Produktivitätssteigerungen bestehen, doch die unmittelbaren wirtschaftlichen Auswirkungen erweisen sich als kurzfristiger inflationärer Faktor, der die heikle geldpolitische Balance der Federal Reserve direkt kompliziert. Die prognostizierte Preissenkung um 40% und die Eliminierung mühsamer Arbeit, wie von Persönlichkeiten wie Masayoshi Son von SoftBank erträumt, sind noch ferne Ziele. Stattdessen wird die breite Integration von KI in die Weltwirtschaft durch die Trägheit der Unternehmen gebremst. Diese schleppende Adaption geschieht zeitgleich mit einer kolossalen Investitionswelle in Rechenzentren und KI-Hardware im Wert von mehreren Billionen Dollar. Diese massiven Investitionsausgaben belasten die Lieferketten und treiben die Kosten in die Höhe, insbesondere in Sektoren wie der Stromversorgung, noch bevor die versprochenen Produktivitätsgewinne realisiert werden.

Ronnie Chatterji, Chefökonom bei OpenAI, räumte ein, dass die unmittelbaren Kosten greifbarer sind als die letztendlichen Vorteile. „Damit es sich auf die Wirtschaft auswirkt, muss es von Organisationen angenommen werden“, erklärte Chatterji. „Diese Organisationen müssen einen Mehrwert erkennen.“ Er rechnet damit, dass es einige Zeit dauern wird, bis diese Auswirkungen in den Produktivitätsstatistiken klar ersichtlich sind.

Investitionsboom trifft auf langsame KI-Integration

Das schiere Ausmaß der Investitionen ist atemberaubend. Schätzungen von Goldman Sachs Research zufolge werden die Investitionsausgaben für den KI-Aufbau in den USA in diesem Jahr 581 Milliarden US-Dollar erreichen, wobei die globalen Ausgaben potenziell bei 1 Billion US-Dollar liegen könnten. Dies entspricht in den Vereinigten Staaten 1,8 % des Bruttoinlandsprodukts, eine Zahl, die bis 2028 voraussichtlich auf 2,8 % ansteigen wird. Die Adoptionsraten zeichnen jedoch ein gemäßigteres Bild. Eine aktuelle Umfrage des Census Bureau ergab, dass derzeit nur 17 % bis 20 % der US-Unternehmen KI einsetzen, wobei größere Konzerne deutlich höhere Adoptionsraten aufweisen als kleinere.

Peter Boockvar von One Point BFG Wealth Partners zieht eine Parallele zur Integration des Internets und merkt an, dass selbst diese transformative Technologie über drei Jahrzehnte nur einen Produktivitätsgewinn von 1,5 % erzielte. Er bezweifelt, ob generative KI eine substanziell höhere Steigerung liefern kann. „Technologie hat die Menschen schon immer produktiver gemacht. Aber ist generative KI um ein Vielfaches besser? Das wissen wir einfach nicht“, bemerkte Boockvar.

Die „schwachen Glieder“ in der KI-Adaptionskette

Innerhalb der Unternehmen stellen Manager, die KI implementiert haben, fest, dass die Realität komplexer ist als der Hype. Julie Averill, ehemalige Chief Information Officer bei Lululemon, schilderte ihre Erfahrungen bei der Überwachung der KI-Adaption. „Die Realität ist, dass die Technologie da ist“, sagte Averill. „Der Hype dreht sich um die Einfachheit der Technologie in einer großen Organisation.“ Sie betonte, dass die Implementierung von KI für Aufgaben wie Umsatzprognosen weitaus komplexer sei als die einfache Nutzung von Chatbots.

Averill wies darauf hin, dass die grundlegenden Herausforderungen des groß angelegten organisatorischen Wandels bestehen bleiben. „Menschen dazu zu bringen, ihr Verhalten zu ändern, sie auf dem Weg mitzunehmen und sie dem Modell vertrauen zu lassen, das ist schwierig“, erklärte sie. Chatterjis Daten stützen dies und zeigen, dass KI-Power-User die Technologie achtmal so schnell einsetzen wie durchschnittliche Unternehmen, ein Abstand, der sich in nur drei Monaten erheblich vergrößert hat. Diese Diskrepanz unterstreicht den Vorteil von Firmen, die ihre Arbeitsabläufe aktiv um KI herum neu organisieren.

Ökonomen identifizieren diese Implementierungshürden als „schwache Glieder“ – Aufgaben, die sich einer einfachen Automatisierung widersetzen. Während KI bei spezifischen Aufgaben wie dem Lesen von medizinischen Scans glänzt, sind viele Arbeitsplätze Bündel verschiedener Aufgaben. Der Stanford-Professor Charles Jones stellt fest, dass KI-Tools bestehende Fähigkeiten ergänzen, indem sie nur einen Teil der Aufgaben eines Fachmanns automatisieren, anstatt sie vollständig zu ersetzen. Das volle Ausmaß dieser schwachen Glieder wird erst sichtbar, wenn die KI-Adaption skaliert.

Das KI-Dilemma der Federal Reserve

Die Federal Reserve ringt aktiv mit den wirtschaftlichen Auswirkungen von KI. Fed-Vorsitzender Kevin Warsh hat eine Task Force eingesetzt, der unter anderem der Risikokapitalgeber Marc Andreessen und Professor Charles Jones angehören, um die Auswirkungen von KI zu untersuchen. Während einige wie Andreessen eine Ära der „Hyperdeflation“ vorhersagen, äußern andere innerhalb der Fed Vorsicht. Der Präsident der Minneapolis Fed, Neel Kashkari, brachte die erheblichen Investitionen in Rechenzentren direkt mit erhöhter Inflation in Verbindung. „Die massiven Investitionen in Rechenzentren haben auch ein neues Nachfrageelement zu der hohen Inflation hinzugefügt, die die Amerikaner erleben“, erklärte Kashkari. So stiegen die Strompreise für Haushalte in den zwei Jahren bis Juni um 10,1 % und übertrafen damit den allgemeinen Preisanstieg.

Darüber hinaus treiben Engpässe in der Lieferkette für wesentliche KI-Hardware, wie z. B. Chips von Nvidia, die Kosten in die Höhe. JPMorgan Chase schätzt, dass der Preis für DRAM, eine Art Speicherchip, bis Jahresende im Vergleich zu 2024 um 400 % steigen könnte. Daten des Verbraucherpreisindex zeigen, dass die Kosten für Software und Zubehör seit Juni 2024 um 22,9 % gestiegen sind. Dieses komplexe Inflationsbild hat dazu geführt, dass Fed-Vertreter die Unsicherheit über den genauen Zeitpunkt und das Ausmaß der angebotsseitigen Effekte von KI anerkennen.

Marktausblick und Anlegerperspektive

Die aktuelle Erzählung rund um KI präsentiert einen starken Kontrast zwischen ihrem langfristigen Potenzial zur Deflation und ihren unmittelbaren inflationären Folgen, die durch Infrastrukturanforderungen und Adoptionsreibung bedingt sind. Für Anleger schafft diese Dualität ein komplexes Umfeld. Während das Versprechen verbesserter Produktivität und geringerer Kosten durch KI eine überzeugende langfristige These darstellt, schaffen die erheblichen Vorabinvestitionen und die langsamer als erwartete Integration spürbare Gegenwinde für die Wirtschaft und für die Inflationsziele der Federal Reserve.

Die Auswirkungen auf den US Dollar Index (DXY) und die breiteren Aktienmärkte könnten erheblich sein. Anhaltende Inflation, selbst wenn sie teilweise durch KI-Aufbauten verursacht wird, könnte die Fed zwingen, höhere Zinssätze länger beizubehalten, was den Dollar kurzfristig stärken, aber auch das Wirtschaftswachstum dämpfen könnte. Technologiewerte, insbesondere solche, die in der KI-Infrastruktur und der Chipherstellung wie Nvidia tätig sind, könnten weiterhin Volatilität erfahren. Während sie von der Ausgabenwelle profitieren, sehen sie sich auch Risiken durch Lieferkettenengpässe und potenzielle Nachfrageschwankungen ausgesetzt, falls die Unternehmensadoption weiter ins Stocken gerät. Umgekehrt könnten Sektoren, die KI für sofortige Effizienzgewinne ohne massive Vorabinvestitionen nutzen können, relative Widerstandsfähigkeit bieten.

Trader sollten Unternehmensberichte auf konkrete Beweise für KI-gesteuerte Produktivitätsverbesserungen im Gegensatz zu reinen Mehrausgaben beobachten. Das Hauptrisiko bleibt die Reaktionsfunktion der Fed: Wird sie der Eindämmung der KI-getriebenen Inflation Priorität einräumen oder riskieren, diese anzuheizen, um genau die Produktivitätsgewinne zu fördern, die derzeit schwer fassbar sind? Der Fokus des Marktes verlagert sich vom abstrakten Versprechen der KI zu den konkreten Kosten und ihren unmittelbaren wirtschaftlichen Folgen.