Blase wie 2000 oder Kreditkrise wie 2008? Was die Schuldenarchitektur des KI-Booms verrät

Künstliche Intelligenz hat den Punkt hinter sich, an dem eine Technologie noch scheitern kann. Wer heute eine E-Mail entwirft, Code schreibt oder einen Vertrag zusammenfasst, hat dabei oft einen KI-Assistenten im Einsatz, ohne noch darüber nachzudenken. Keine vier Jahre nach dem Start von ChatGPT ist die Technologie dort angekommen, wo das Internet um die Jahrtausendwende stand: Sie ist Alltag.

Bezahlt wird dieser Alltag zunehmend auf Kredit. Die Emissionen KI-naher Anleihen überschritten nach Zählung des Kreditmarktdienstes PitchBook LCD allein in diesem Jahr die Marke von 250 Milliarden Dollar. Damit steht die Frage im Raum, die jeden Boom dieser Größe begleitet: Wiederholt sich 2000, als eine Bewertungsblase platzte und eine Branche in die Rezession riss? Oder 2008, als ein Kreditsystem kollabierte und die Weltwirtschaft mitnahm? Die öffentliche Debatte sucht die Antwort fast ausschließlich am Aktienmarkt. Dort kommen die Folgen nur an, wenn sich das Risiko materialisiert. Als Frühindikator taugt er kaum: Die Verwundbarkeit liegt eine Ebene tiefer, in einem Geflecht aus Zahlungsversprechen, Zweckgesellschaften und Garantien, das in kurzer Zeit hinter dem Boom entstanden ist und sich wie ein Kreditbestand verhält, auch wo er bilanziell keiner ist. Kreditstrukturen, die auf Wachstum ausgerichtet sind, geraten schon unter Druck, wenn das Wachstum nachlässt, nicht erst, wenn die Nachfrage fällt. Wer mit KI arbeitet, sie einkauft, implementiert oder finanziert, sollte diese Konstrukte kennen: wie sie gebaut sind, wie weit sie tragen und wo sie reißen können.

Vom Bleiben einer Technologie und dem Überleben ihrer Finanziers

KI bereitet in Banken Kreditentscheidungen vor, beantwortet in Versicherungen Erstanfragen und steckt als Standardwerkzeug in Millionen Hosentaschen. Organisationen haben ihre Prozesse um sie herum gebaut, Menschen haben ihre Gewohnheiten angepasst. An diesem Punkt werden Technologien historisch unumkehrbar. Was dabei gerne übersehen wird: Das Bleiben einer Technologie und das Überleben ihrer Finanziers sind zwei verschiedene Aspekte. Historische Beispiele dafür gibt es genug: Die Dampfmaschine wurde nicht zurückgedreht, als Eisenbahnaktien kollabierten, und das Internet wuchs durch den Dotcom-Crash hindurch. Die Glasfaser, auf der es groß wurde, funktionierte einwandfrei – nur gehörte sie nach 2002 jemand anderem, zu einem Bruchteil des Einstandspreises. Dass die KI bleibt, ist so gut wie ausgemacht. Offen ist, wem ihre Infrastruktur am Ende gehört, und darüber entscheidet die Finanzierung, nicht die Technologie.

Vom freien Cashflow zur Schuldenfinanzierung

Der Ausbau der KI-Infrastruktur trägt sich nicht mehr selbst, wie auch die Bank für Internationalen Zahlungsausgleich (BIZ) in ihrer Analyse „Financing the AI boom: from cash flows to debt” feststellt. Nach Berechnungen von Epoch AI überholen die Kosten des aggregierten Kapazitätsausbaus der großen Cloud-Anbieter voraussichtlich im dritten Quartal 2026 deren gesamten operativen Cashflow. Die Streuung ist dabei erheblich, einzelne Häuser erreichen diesen Punkt nach derselben Rechnung erst deutlich später. Die Richtung aber ist eindeutig. Jedes weitere Rechenzentrum wird auf Kredit gebaut.

Oracle ist die anschaulichste Fallstudie dieser neuen Phase. Der Konzern hat seine Investitionen im Geschäftsjahr 2026 laut Jahresabschluss von 21 auf 56 Milliarden Dollar mehr als verdoppelt, einen freien Cashflow von knapp minus 24 Milliarden Dollar ausgewiesen und allein in diesem Zeitraum 43 Milliarden Dollar neue Schulden aufgenommen. Die Ratingagentur S&P Global stufte das Haus Anfang Juli auf BBB− herab, die letzte Stufe, bevor eine Anleihe als Junk Bond gilt, und begründete das mit einem projizierten Finanzierungsdefizit von rund 42 Milliarden Dollar für das kommende Jahr.

Die drei Merkmale der Schuldenarchitektur

Schulden allein machen noch keinen Kreditzyklus. Interessant wird es dort, wo Zahlungsversprechen selbst zu Vermögenswerten werden, gegen die sich weiteres Kapital aufnehmen lässt. Genau das leistet Take-or-pay, der Vertragstyp, der den Boom trägt. Seziert man ihn, zeigt er drei Merkmale, die jeder Kreditvorstand wiedererkennt.

Erstes Merkmal: Vorleistung gegen Zahlungsversprechen. Ein Anbieter baut heute Rechenkapazität für einen konkreten Kunden, der sich im Gegenzug zu festen Zahlungen über viele Jahre verpflichtet. Wirtschaftlich hat der Anbieter die Infrastruktur damit kreditiert: Die Raten enthalten Zins und Tilgung, das Auftragsbuch ist der Kreditbestand. Oracles Remaining Performance Obligations, also die vertraglich zugesagten künftigen Leistungen, sprangen laut Filing bei der US-Börsenaufsicht SEC binnen eines Jahres um 363 Prozent auf 638 Milliarden Dollar. Nur rund 12 Prozent davon werden in den nächsten zwölf Monaten zu Umsatz, ein Fünftel liegt jenseits von fünf Jahren – das ist das Laufzeitprofil eines Kreditbuchs, nicht der übliche Rhythmus eines Auftragsbestands. Diese Analogie hat zwar Grenzen, denn bilanziell bleibt es ein Liefervertrag: Wird er notleidend, entstehen Wertberichtigungen, kein Kreditausfall. So gesehen kann man das Konstrukt auch Leasing nennen, schließlich behält der Anbieter die Infrastruktur und kann sie bei Ausfall weitervermieten. Beruhigender wird das Bild dadurch allerdings kaum: Das Pfand sind Chips, die in drei bis fünf Jahren wirtschaftlich veralten. 2008 ließ sich als Sicherheit wenigstens ein Haus verwerten.

Zweites Merkmal: Syndizierung und Sekundärmarkt. Was wie ein Kredit strukturiert ist, lässt sich wie ein Kredit handeln. CoreWeave, ein Vermieter von KI-Rechenchips (Graphics Processing Units, GPU), schloss im Mai eine Fazilität über 3,1 Milliarden Dollar ab, arrangiert von Morgan Stanley und Mitsubishi UFJ Financial Group. Nach eigener Darstellung ist es die erste öffentlich syndizierte, mit Recheninfrastruktur besicherte Finanzierung, ausdrücklich handelbar am Sekundärmarkt. Für die Chips, auf denen Anthropic rechnet, arrangierten Apollo und Blackstone laut Bloomberg ein Paket über 35 Milliarden Dollar: Eine Zweckgesellschaft kauft die Prozessoren, verleast sie an das KI-Unternehmen und refinanziert sich über Anleihe-Tranchen unterschiedlicher Seniorität, wie sie jede Verbriefung kennzeichnen.

Drittes Merkmal: Garantie-Ketten. Die Senior-Tranchen dieser Zweckgesellschaft sind in Höhe von gut 30 Milliarden Dollar mit einer Restwertgarantie des Chipherstellers Broadcom unterlegt, die dem Papier ein Rating nahe dem des Garanten verschafft. Nvidia geht laut dem Fachdienst SemiAnalysis noch einen Schritt weiter und unterlegt die Mietverträge einzelner GPU-Vermieter mit eigenen Take-or-pay-Zusagen: Der Verkäufer der Chips garantiert die Erlöse derer, die seine Chips kaufen. Die BIZ nennt dieses Muster in ihrem Jahresbericht zirkuläre Finanzierung: Chiphersteller und Cloud-Anbieter beteiligen sich an KI-Firmen, die sich im Gegenzug zu mehrjährigen Abnahmen verpflichten. Veteranen von 2008 erkennen in solchen Ketten die Monoline-Logik wieder. Broadcom und Nvidia sind freilich hochprofitable Konzerne mit breiten Bilanzen, keine dünn kapitalisierten Garantiefabriken. Doch die Parallele liegt nicht in der Solvenz, sondern in der Korrelation. Gezogen wird eine solche Garantie dann, wenn das Kerngeschäft des Garanten selbst schwächelt. 2008 riss die Kette an dieser Stelle, erst bei den Anleiheversicherern, am Ende bei den Hypothekengaranten Fannie Mae und Freddie Mac, die der amerikanische Staat auffangen musste.

2000, 2008 und die „zweite Ableitung”

Wer Derivatebücher geführt hat, weiß: Gefährlich ist selten das Preisniveau selbst. Gefährlich wird es, wenn die Veränderungsrate dreht, wenn also aus einem immer schnelleren Anstieg ein immer langsamerer wird, lange bevor die Richtung selbst kippt. Genau dieses Muster zeigte die Subprime-Krise, deren historische Pointe regelmäßig falsch erzählt wird. Der Reihe nach: Im Herbst 2005 stiegen die amerikanischen Immobilienpreise noch mit gut 14 Prozent Jahresrate. Danach verlor der Anstieg stetig an Tempo, doch die Preise kletterten weiter, bis der Case-Shiller-Index im Juli 2006 seinen Höchststand erreichte. Erstmals unter dem Vorjahresniveau lagen sie im März 2007. Die ernsthaften Zahlungsrückstände der Subprime-Hypotheken, also Kredite, die mindestens 90 Tage überfällig oder bereits in der Zwangsvollstreckung waren, drehten dagegen schon Ende 2005 nach oben. Ökonomen der Federal Reserve beziffern ihren Anstieg von 5,6 Prozent Mitte 2005 auf über 21 Prozent im Sommer 2008. Die Ausfälle drehten also, als die Preise noch zulegten, nur eben langsamer als zuvor. Der Grund lag im Geschäftsmodell: Diese Kredite waren darauf gebaut, vor dem Zins-Reset, dem vertraglich fixierten Sprung von der bewusst niedrigen Lockrate der ersten Jahre auf den vollen Zins, refinanziert oder weiterverkauft zu werden. Das funktionierte nur, solange die Preise stiegen. Schon die Verlangsamung genügte, um sie ausfallen zu lassen.

»

Als die Hauspreise aufhörten zu steigen, wurde das Risiko im Markt sichtbar.

«

In der Sprache der Derivate: Der Kreditzyklus reagierte auf die zweite Ableitung der Immobilienpreise, also nicht auf die Höhe der Preise und nicht einmal auf deren Richtung, sondern auf das Tempo, mit dem sich der Anstieg abschwächte.

Übertragen auf den KI-Boom hieße das: Die Take-or-pay-Ketten sind auf steigende Nachfrage zugeschnitten. Das Reset-Äquivalent von 2007 sitzt in den Bilanzen der GPU-Vermieter – vergleichsweise kurz laufende Schulden gegen schnell alternde Assets, deren Anschlussfinanzierung intakte Restwert- und Wachstumsannahmen voraussetzt. Es bräuchte keinen Einbruch der KI-Nachfrage, um diese Ketten zu stressen. Eine Verlangsamung des Vertragswachstums könnte genügen.

Nun ist die Nachfrage real, die Kapazität ausverkauft, die Nutzung wächst messbar. Und anders als der Subprime-Schuldner, der seine Rate nie aus laufendem Einkommen bedienen konnte, stehen hinter den KI-Auftragsbüchern echte Erlöse. Beides stimmt, beruhigt aber weniger, als man meinen möchte: Ausverkaufte Kapazität widerlegt die These nicht, sie ist der Betriebszustand, für den die Konstrukte gebaut wurden. Entscheidend ist nicht, ob heute gezahlt wird. Entscheidend ist, was die Anschlussfinanzierung von morgen trägt, wenn das Wachstum an Tempo verliert.

Wie viel 2000 und wie viel 2008 steckt nun tatsächlich in dieser Lage? Von 2000 mehr, als die gängige Erzählung wahrhaben will: Auch der Dotcom-Boom hatte einen Kreditkern, von der Lieferantenfinanzierung der Netzwerkausrüster bis zu langfristigen Glasfaser-Nutzungsrechten als Vorläufern des heutigen Take-or-pay. Das Ende war für die Branche brutal, wenngleich systemisch verkraftbar: eine Rezession, kein Finanzinfarkt. Von 2008 wiederholt sich bereits die Bauart: die Hebelung über Kreditkonstrukte und deren Derivate, von der Verbriefung in Tranchen bis zu den Garantie-Ketten. Diese Architektur machte damals aus einem überschaubaren Hypothekensegment ein Systemrisiko. Ob sie es wieder so weit bringt, hängt an den Trägern des Risikos und deren Refinanzierung.

Zum vollständigen Bild gehören die Puffer im System. Analysten der Chicago Fed schätzen die ausstehende direkte Kreditexponierung der durchschnittlichen amerikanischen Großbank gegenüber KI-nahen Branchen auf rund 0,8 Prozent der Bilanzsumme. Gemessen am Kernkapital sind das rund 9 Prozent gezogene Kredite, zugesagt sind allerdings Linien über rund 25 Prozent. Diese Puffer sind real. Doch ihre Achillesferse sind die zugesagten Linien, denn gezogen werden sie erfahrungsgemäß genau im Stress.

Die größeren Risiken liegen außerhalb der Bankbilanzen. Die Europäische Zentralbank beziffert den amerikanischen Private-Credit-Markt auf 1,4 Billionen Dollar und zieht in ihrem Finanzstabilitätsbericht selbst den Vergleich zum Subprime-Segment von 2006. Zwar hält das Risiko hier anders als 2008 kein gehebeltes Bankensystem mit kündbarer Refinanzierung. Versicherer, Pensionskassen und Kreditfonds arbeiten mit gebundenem Langfristkapital, das Verluste absorbiert statt sie über Runs und Nachschusspflichten zu verstärken. Doch auch dieses System kennt seine Verstärker: Rating-getriebene Zwangsverkäufe, Bewertungsverzögerungen in illiquiden Fonds und die Zweitrunden-Effekte, die im Stress-Szenario der EZB den größten Schaden anrichten. Pensionsfonds verlieren in diesem Szenario fünf bis sechs Prozent ihrer Anlagen, Versicherer rund vier Prozent. Dazu kommt die Indexkonzentration, die die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) nüchtern ausweist: Drei Konzerne stellen gut 20 Prozent der Marktkapitalisierung des S&P 500. Diese Konzentration liegt in praktisch jedem Depot und jeder fondsgebundenen Police.

Bleibt der wichtigste Unterschied zu 2008, und er ist zugleich der trügerischste: Verhandelbarkeit. Anfang des Jahres steckte OpenAI sein Ausgabenziel gegenüber Investoren neu ab, auf rund 600 Milliarden Dollar bis 2030, wie CNBC berichtete – zuvor waren Zusagen über 1,4 Billionen Dollar durch die Schlagzeilen gelaufen. Gekündigt wurde nach vorliegender Berichterstattung kein bestehender Großvertrag. Stattdessen driftete die Struktur vom Bauen zum Mieten. Möglich macht das der Vertragstyp: Ein Take-or-pay-Vertrag lässt sich neu verhandeln, anders als der Zins-Reset einer Subprime-Hypothek, der zu einem festen Datum automatisch griff. Solange diese Anpassungen bei den kapitalstärksten Adressen landen, bleibt das verkraftbar, denn hinter den größten Zusagen stehen Konzerne mit historisch hohen Barreserven. Eine Etage tiefer sieht die Rechnung anders aus. Hochgehebelte GPU-Vermieter, deren Zweckgesellschaften ohne Rückgriff auf die Konzernmutter finanziert sind, überstehen eine nachverhandelte Zusage nur, wenn ihre Anschlussfinanzierung mitspielt. Der Kreditmarkt bepreist genau diese Schicht bereits vorsichtiger: CoreWeaves im Juni begebene Hochzinsanleihe notierte laut PitchBook LCD binnen eines Monats unter 97 Prozent, der Risikoaufschlag einer 30-jährigen Meta-Anleihe erreichte sein bisheriges Maximum, und Pimco stellte Teile seiner Oracle-besicherten Rechenzentrums-Papiere zum Verkauf.

Für die Aktienmärkte hat derselbe Mechanismus ein präzises Signal: die Investitionspläne der großen Plattformen. Ein Gesamtmarkt, dessen Bewertung so stark an den KI-Erwartungen hängt, braucht für einen Realitätscheck keinen Nachfrageeinbruch. Es genügt, wenn diese Pläne erstmals spürbar zurückhaltender ausfallen, denn sie spielen für den Aktienmarkt dieselbe Rolle wie die Anschlussfinanzierung für das Kreditbuch: An ihnen muss sich das Wachstumstempo beweisen.

Wenn die Kette reißt

Was würde ein Riss bedeuten? Das Folgende ist eine Ableitung aus den Konstrukten und der Erfahrung von 2000 und 2008, keine Prognose. Vier Gruppen stehen an verschiedenen Stellen der Kette.

Anbieter und ihre Finanziers träfe es zuerst: Konsolidierung unter den GPU-Vermietern, Zweckgesellschaften, deren Sicherheiten den Besitzer wechseln, Abschreibungen bei den Garantiegebern der Ketten. Die Infrastruktur selbst verschwände so wenig wie 2002 die Glasfaser – sie würde billiger und bekäme neue Eigentümer.

Anwender mit laufenden KI-Projekten haben ein Kontrahentenproblem, bevor sie ein Technologieproblem haben: Ein Modellanbieter oder GPU-Vermieter in der Restrukturierung bedeutet Migrationsaufwand, gestrandete Vorauszahlungen und blockierte Projektpläne. Zugleich liegt darin eine Chance, denn reißende Finanzierungsketten machen Rechenleistung billiger, aber nur für die, deren Architektur den Anbieterwechsel technisch und vertraglich erlaubt.

Umsetzer und Beratungshäuser erleben das Muster jedes Abschwungs, nur schneller: Neuprojekt-Budgets frieren zuerst ein. Die Nachfrage wandert dann von Einführungsprojekten zu Neuverhandlung, Migration und Restrukturierung. Nur Einführungsprojekte im Angebot zu haben, wird dann zum Verlustgeschäft. Konjunktur bekommen Vendor-Bewertung, Exit-Management und Kostensanierung.

Banken und institutionelle Investoren schließlich stehen vor der Kernfrage: Wo sitze ich in der Kette? Die Antwort steht selten im eigenen Kreditbuch und häufig in der zweiten Reihe: im Private-Credit-Fonds, in der Verbriefung, in der Indexkonzentration, im Vertragsverhältnis zum eigenen Technologielieferanten.

Vorsicht ist besser als Nachsicht

Man versichert sein Haus nicht, weil man mit dem Brand rechnet. Absicherung gegen ein Ereignis, das vielleicht nie eintritt, ist kein verschwendeter Aufwand, sondern Handwerk. Und sie ist deutlich billiger, solange niemand sie für nötig hält. Sieben Schritte lassen sich aus der Anatomie dieser Schuldenarchitektur unmittelbar ableiten.

1. 01
   Vendor-Due-Diligence um die Finanzierungsfrage erweitern Beschaffung

   Die Wahl eines KI-Anbieters ist eine Kontrahentenentscheidung. Zur Prüfung gehören Finanzierungsstruktur, Refinanzierungsabhängigkeit und Garantie-Beziehungen – nicht nur Benchmark-Ergebnisse und Preis pro Token.

2. 02
   Verträge kurz und portabel halten Verträge

   Laufzeiten begrenzen, Ausstiegs- und Übertragungsklauseln verankern, hohe Vorauszahlungen an gehebelte Adressen vermeiden. Nach einer Korrektur profitieren genau die Verträge, die sich schnell neu verhandeln lassen.

3. 03
   Architektur auf Anbieterwechsel bauen Technologie

   Modell- und Cloud-Abstraktionsschichten, migrierbare Daten und Workloads, dokumentierte Exit-Pfade. Nur wer portabel ist, kann von fallenden Compute-Preisen profitieren.

4. 04
   Durchschau ins eigene Anlagebuch Anlage

   Indirekte KI-Kreditrisiken systematisch aufdecken: Private-Credit-Fonds, Verbriefungen, Garantiegeber, Indexkonzentration. Gesucht wird die eigene Position in der Kette, nicht die Schlagzeile.

5. 05
   Zugesagte Linien inventarisieren und limitieren Kreditrisiko

   Die offene Flanke der Banken ist weniger der gezogene Kredit als die zugesagte Linie. Ziehungsszenarien für KI-nahe Adressen in den Stresstest aufnehmen, Konzentrationslimite für Private-Credit-Vehikel und Garantiegeber setzen, die Underwriting-Pipeline mitzählen.

6. 06
   Frühindikatoren beobachten statt Schlagzeilen Monitoring

   Sekundärmarktkurse der KI-Anleihen, Risikoaufschläge, Rating-Aktionen, neue Garantie-Konstruktionen und die Capex-Guidance der Hyperscaler. Der Kreditmarkt preist die zweite Ableitung früher als der Aktienmarkt.

7. 07
   Die Chancenseite vorbereiten Strategie

   Ein Drehbuch für den Fall der Korrektur: welche Standorte, Stromlieferverträge, Teams und langlebigen Assets bei welchen Preisen interessant werden, wer entscheidet, welche Mittel bereitstehen. Die Chips selbst altern zu schnell, um Schnäppchen zu sein. 2002 machten die vorbereiteten Käufer der Glasfaser das Geschäft, nicht ihre Erbauer.

Vielleicht tritt keines dieser Szenarien ein. Dann kostet die Vorbereitung wenig und diszipliniert nebenbei Einkauf, Architektur und Anlageprozess. Tritt aber ein, was die Konstrukte möglich machen, gilt die Lehre von 2000 und 2008: Über Gewinner und Verlierer entschied nicht der Einbruch selbst. Es war die Vorbereitung.