Die unsichtbare Blase
Warum nicht der Tech-Sektor überhitzt ist, sondern die AI-Infrastruktur
10.04.2026 | JURCO-Blog
Der breite Technologiesektor steht nicht vor einem Dotcom-2.0-Szenario. Wer heute pauschal von einer „Tech-Bubble“ spricht, verkennt die entscheidende Differenzierung: Die eigentliche Überhitzung konzentriert sich auf den Halbleitersektor und die AI-Infrastruktur. Ein CapEx-Zyklus von historischer Dimension, dessen Renditeerwartungen durch kaum nachweisbare Produktivitätsgewinne gedeckt sind.
Der NASDAQ-100 handelt bei einem Forward-P/E von rund 21x, was ein Drittel des Dotcom-Niveaus ausmacht. Die Hyperscaler investieren 2026 jedoch zwischen 600 und 750 Milliarden US-Dollar in AI-Infrastruktur, während die tatsächlich generierten AI-Umsätze bei einem Bruchteil dieser Summe liegen. Dieser Report analysiert die Bewertungskennzahlen des breiten Tech-Sektors im Vergleich zum Halbleiter- und AI-Infrastruktur-Segment, zieht historische Parallelen zur Dotcom- und Telekom-Blase sowie zur britischen Eisenbahnmanie und identifiziert die makroökonomischen Risiken einer schleichenden Kapitalfehlallokation.
NASDAQ bei 21x Forward-P/E – keine klassische Bubble
Die nüchterne Bewertungsanalyse liefert ein differenziertes Bild. Der NASDAQ-100 notiert bei einem Forward-P/E (P/E = KGV, Kurs-Gewinn-Verhältnis) von rund 21x und ist damit deutlich unter seinem 25-Jahres-Durchschnitt und meilenweit entfernt vom Dotcom-Peak bei über 60x. Der S&P 500 IT-Sektor handelt bei 30–32x Forward-Earnings, noch immer 40 % unter dem Dotcom-Niveau von 50x. Der Shiller CAPE liegt bei 37–38. Das ist der zweithöchste Wert in 150 Jahren, jedoch unter dem Dotcom-Rekord von 44,2.
Der entscheidende qualitative Unterschied zu 2000: Die heutigen Mega-Caps sind hochprofitabel. Nvidia erzielt eine Nettomarge von 53 % und einen ROIC von 126 %. Im Jahr 2000 waren 86 % der NASDAQ-Tech-IPOs unprofitabel. Die Magnificent Seven handeln mit einem PEG-Ratio
(PEG Ratio = KGV : zu erwartendes Gewinnwachstum) von 0,5–0,6. Auf wachstumsbereinigter Basis sind sie historisch nicht teuer.
Beispiellose Marktkonzentration
Was hingegen alarmieren sollte, ist die beispiellose Marktkonzentration. Die Top-10-Aktien im S&P 500 repräsentieren heute rund 40 % des Indexgewichts gegenüber 27 % am Dotcom-Peak und einem 30-Jahres-Durchschnitt von 25 %. Die „effektive Mitgliedschaft“ des S&P 500, gemessen am inversen Herfindahl-Index (ein Maß für die effektive Anzahl von Einheiten (z. B. Unternehmen, Parteien) in einer Verteilung), ist auf etwa 44 Unternehmen geschrumpft. Das ist der niedrigste Wert seit über 35 Jahren. Der S&P 500 ist damit kein diversifizierter Index mehr, sondern eine direktionale Wette auf AI-Adoption und -Monetarisierung.
Der CapEx-Tsunami: 700 Milliarden Dollar für eine unbekannte Rendite
Die wirkliche Überhitzung manifestiert sich in den Investitionsausgaben der Hyperscaler. Die kumulierten CapEx-Ausgaben von Amazon, Microsoft, Alphabet, Meta und Oracle sind von 155 Milliarden Dollar (2023) auf geschätzte 600–750 Milliarden Dollar (2026) explodiert – eine Verfünffachung in drei Jahren. Die CapEx-zu-Umsatz-Verhältnisse sind in Bereiche vorgedrungen, die eher an regulierte Versorger als an Tech-Unternehmen erinnern: Oracle investiert rund 86 % seines Umsatzes, Meta 54 %, Microsoft 47 %.
Die zentrale Frage bleibt unbeantwortet: Welche Renditen werden diese Investitionen erzielen? Sparkline Capital errechnete, dass AI-Investitionen bis 2030 jährliche Umsätze von zwei Billionen Dollar generieren müssten, um die Kapitalkosten zu rechtfertigen. Das wäre eine Verhundertfachung gegenüber den heutigen durch AI-generierten Erlösen.
OpenAI illustriert die Diskrepanz: Annual Revenue Run Rate von 20–25 Milliarden Dollar, kumulierte Verluste von 85 Milliarden Dollar bis 2028 projiziert, Infrastrukturverträge im Volumen von 1,15 Billionen Dollar. Jim Covello, Head of Global Equity Research bei Goldman Sachs, formulierte die Grundfrage prägnant: „Welches Ein-Billionen-Dollar-Problem wird AI lösen?“
Nvidias zirkuläre Finanzierung: Echos der Telekom-Blase
Ein strukturelles Risiko wird systematisch unterschätzt: die zirkuläre Finanzierungsdynamik im AI-Ökosystem. Nvidia hat 2025 an mindestens 67 Venture-Capital-Deals teilgenommen und über 110 Milliarden Dollar in Unternehmen investiert, die primär Nvidia-GPUs kaufen. Die Mechanik ist bestechend einfach: Nvidia investiert in Startups, diese verwenden das Kapital zum Kauf von Nvidia-GPUs, Nvidia verbucht zusätzlichen Umsatz, steigende Earnings rechtfertigen die Bewertung, höhere Bewertung finanziert weitere Investitionen.
Die größten Positionen verdeutlichen das Muster: 100 Milliarden Dollar Commitment in OpenAI (davon fließt der Großteil in GPU-Käufe zurück), 10 Milliarden in Anthropic, 3 Milliarden in CoreWeave. Microsoft investierte 13 Milliarden Dollar in OpenAI, das seinerseits 250 Milliarden Dollar an Azure-Services committed hat. Eine Konstellation, die Azure-Umsätze substantiell aufbläht.
Die historische Parallele ist offensichtlich: Während der Telekom-Blase vergab Lucent über 7 Milliarden Dollar an Krediten an seine Kunden, bevor die Umsätze von 38 auf 8 Milliarden Dollar kollabierten. Nvidias Circular-Financing-Volumen übersteigt Lucents damaliges Engagement um ein Vielfaches.
Der Produktivitäts-Phantom: Warum die Makro-Daten schweigen
Die Investitionsthese beruht fundamental auf der Erwartung massiver Produktivitätsgewinne. Die empirische Evidenz erzählt eine andere Geschichte. Auf Aufgabenebene sind Gewinne real, aber eng begrenzt: 14 % Produktivitätssteigerung im Kundenservice, 12–25 % bei Consulting-Aufgaben innerhalb der AI-Kompetenzgrenze, 10–20 % bei der Softwareentwicklung. Die Harvard/BCG-Studie zeigte jedoch auch die Kehrseite: Bei Aufgaben außerhalb der AI-Kompetenzgrenze verschlechterte sich die Leistung um 19 Prozentpunkte.
Auf makroökonomischer Ebene ist der AI-Effekt schlicht nicht nachweisbar. Torsten Slok, Chefvolkswirt von Apollo, brachte es im Februar 2026 auf den Punkt: „AI ist überall, außer in den makroökonomischen Daten.“ Eine NBER-Studie vom Februar 2026 unter 6.000 Führungskräften ergab, dass fast 90 % der Unternehmen keinen Einfluss von AI auf Beschäftigung oder Produktivität in den letzten drei Jahren feststellten. Die durchschnittliche AI-Nutzung beträgt gerade einmal 1,5 Stunden pro Woche.
MIT-Nobelpreisträger Daron Acemoglu quantifiziert die Diskrepanz: Seine Modellierung ergibt einen TFP-Zuwachs von lediglich 0,5–0,66 % über zehn Jahre (etwa 0,05 % jährlich). Die Enterprise-Daten verstärken die Skepsis: 95 % der generativen AI-Pilotprojekte lieferten laut MIT (August 2025) keine bedeutsamen Ergebnisse. Microsoft Copilot, das meistverbreitete Enterprise-AI-Tool, erreicht eine Penetrationsrate von lediglich 3,9 % seiner 415 Millionen potenziellen Nutzer.
Historische Parallelen: Cisco, Dark Fiber und Eisenbahnen
Die gegenwärtige AI-Investitionsdynamik findet ihre engste historische Parallele in der Telekom-Blase der späten 1990er Jahre. Damals investierten Unternehmen über 500 Milliarden Dollar in Glasfaserinfrastruktur, angetrieben von der These, dass sich der Internetverkehr alle 100 Tage verdopple. Die reale Verdoppelungsrate lag bei etwa einmal pro Jahr. Das Ergebnis: 85–95 % der verlegten Glasfaser blieben noch vier Jahre nach dem Bust als „Dark Fiber“ ungenutzt. Cisco brauchte 25 Jahre, um seinen Kurs vom März 2000 wieder zu erreichen.
Die britische Eisenbahnmanie der 1840er bietet die zweite relevante Parallele. Investitionen in Höhe von fast 50 % des britischen BIP flossen in ein Schienennetz, das die tatsächliche Nachfrage massiv überschritt. Über 200 Unternehmen gingen bankrott. Doch die entscheidende Lehre ist doppelbödig: 90 % des heutigen britischen Schienennetzes gehen auf die Mania-Ära zurück. Die Technologie war richtig, die Bewertungen waren falsch. Die Infrastruktur überdauerte Generationen, aber die Investoren, die sie finanziert hatten, wurden vernichtet.
Makroökonomische Rückkopplungen: AI-CapEx als Systemrisiko
Die makroökonomischen Folgen des AI-Investitionszyklus sind bereits heute messbar. Laut Pantheon Macroeconomics wäre die gesamte US-Unternehmensinvestition ohne AI-Ausgaben negativ. Während computernahe Investitionen im vierten Quartal 2025 um 61 % zulegten, brachen alle anderen Ausrüstungsinvestitionen um 17 % ein. Harvard-Ökonom Jason Furman quantifizierte, dass AI-getriebene Infrastrukturinvestitionen 92 % des US-BIP-Wachstums im ersten Halbjahr 2025 ausmachten.
Die Energiedimension verschärft das Problem. Globale Datencenter verbrauchten 2024 rund 415 TWh Strom. Die IEA projiziert für 2026 bereits 1.100 TWh, äquivalent zum gesamten Energiebedarf Japans. In den USA stiegen die Strompreise 2025 um 6,9 %. Das ist mehr als doppelt so schnell wie die Gesamtinflation.
Der gefährlichste Transmissionskanal liegt im Kreditsystem. Die Hyperscaler emittierten allein 2025 über 108 Milliarden Dollar an Fremdkapital. JP Morgan schätzt das kumulative AI-bezogene Debt-Volumen auf bis zu 7 Billionen Dollar. Rund 450 Milliarden Dollar an Privatkrediten sind dem Technologiesektor exponiert. Das BIS warnte explizit: „Zirkuläre Finanzierung innerhalb des AI-Ökosystems verbirgt Leverage, der durch Unsichtbarkeit nicht verschwindet.“
Oliver Wyman berechnete, dass ein Aktiencrash im Ausmaß der frühen 2000er bei den heutigen Bewertungen Werte von rund 33 Billionen Dollar vernichten würde. Das wäre mehr als das gesamte US-BIP.
Die Stimmen der erfahrenen Investoren
Jeremy Grantham, Mitgründer von GMO und einer der erfolgreichsten Bubble-Caller der Geschichte, ist unmissverständlich: „Die Wahrscheinlichkeit, dass die AI-Blase nicht platzt, ist nahe null. Sie erfüllt jede Bedingung der Eisenbahnen und des Internets.“ Ray Dalio sieht die AI-Blase bei etwa 80 % der Euphorie, die den Crashs von 1929 und 2000 vorausging, warnt aber: „Blasen platzen nicht von selbst sondern werden durch geldpolitische Straffung zum Platzen gebracht.“
Howard Marks nimmt eine differenziertere Position ein: Er sieht keine klassische „Manie“, identifiziert aber besorgniserregende Parallelen zur Vendor-Finanzierung. Selbst Sam Altman räumte im August 2025 ein, dass eine AI-Blase möglich sei.
Fazit: Die entscheidende Unterscheidung
Der breite NASDAQ erfüllt die akademischen Kriterien einer klassischen Asset-Bubble nicht: Bewertungen sind erhöht aber nicht extrem, Unternehmen sind hochprofitabel, das Wachstum ist real. Der Halbleitersektor und die AI-Infrastruktur hingegen zeigen nahezu sämtliche Merkmale einer infrastrukturellen Investitionsblase: explosives CapEx-Wachstum, das die Umsatzgenerierung um Größenordnungen übersteigt; zirkuläre Finanzierung, die organische Nachfrage simuliert; steigende Kreditfinanzierung bei sinkenden freien Cashflows. Vor allem aber eine fundamentale Diskrepanz zwischen den erwarteten Produktivitätsgewinnen und der empirischen Realität.
Das Hauptrisiko ist nicht ein plötzlicher Crash, sondern eine schleichende Kapitalfehlallokation mit tiefgreifenden makroökonomischen Konsequenzen. Sowohl bei der Eisenbahn als auch beim Internet erwies sich die zugrunde liegende Technologie zwar als transformativ, jedoch verloren die Investoren, die den Aufbau finanzierten, ihr Kapital. AI mag die bedeutendste Technologie unserer Generation sein. Das macht die Investitionen in ihre Infrastruktur nicht automatisch profitabel.
Key Take-aways
1. Der breite Tech-Sektor ist keine klassische Bubble.
Der NASDAQ-100 handelt bei einem Forward-P/E von 21x (ein Drittel des Dotcom-Niveaus von über 60x). Die Magnificent Seven sind mit einem PEG-Ratio von 0,5–0,6 auf wachstumsbereinigter Basis historisch nicht teuer. Die breiten Indizes erfüllen die Kindleberger-Minsky-Kriterien einer Asset-Bubble nicht.
2. Die eigentliche Blase sitzt in der AI-Infrastruktur.
Hyperscaler-CapEx explodierte von 155 Mrd. USD (2023) auf 600–750 Mrd. USD (2026), was eine Verfünffachung in drei Jahren bedeutet. Oracle investiert 86 %, Meta 54 %, Microsoft 47 % des Umsatzes. Die CapEx-zu-Umsatz-Quoten entsprechen regulierten Versorgern, nicht Tech-Unternehmen.
3. Zirkuläre Finanzierung erinnert strukturell an die Telekom-Blase.
Nvidias über 110 Mrd. USD an Investments in Unternehmen, die primär Nvidia-GPUs kaufen, spiegelt Lucents Vendor-Finanzierung vor dem Telekom-Crash – mit einem vielfach größeren Volumen. OpenAI-Microsoft-Azure zeigt dieselbe zirkuläre Dynamik.
4. Produktivitätsgewinne decken die Investitionen nicht. Task-Level-Gewinne von 14–25 % sind real, aber 90 % der CEOs melden keinen makroökonomischen Effekt. Acemoglus empiriegestützte Schätzung von 0,05 % jährlichem TFP-Zuwachs steht in krassem Widerspruch zu den Investitionsvolumina, die Billionen-Renditen erfordern. 95 % der Enterprise-AI-Pilotprojekte liefern keine bedeutsamen Ergebnisse.
5. Die US-Wirtschaft ist von einem einzigen Investitionszyklus abhängig.
AI-CapEx trug 92 % zum US-BIP-Wachstum im ersten Halbjahr 2025 bei; ohne AI wären Non-AI-Investitionen bereits negativ. Ein CapEx-Rückgang würde die US-Wirtschaft unmittelbar in die Rezession drücken.
6. Der Kreditkanal ist der gefährlichste Transmissionsmechanismus.
Hyperscaler emittierten 2025 über 108 Mrd. USD an Fremdkapital; 450 Mrd. USD an Privatkrediten sind dem Tech-Sektor exponiert. Das BIS warnt vor versteckter Leverage in der zirkulären AI-Finanzierung. Ein Crash im Ausmaß der frühen 2000er würde rund 33 Bio. USD an Vermögen vernichten.
7. Die Marktkonzentration übertrifft den Dotcom-Peak.
Die Top-10-Aktien im S&P 500 repräsentieren 40 % des Indexgewichts – gegenüber 27 % am Dotcom-Peak. Der S&P 500 ist damit keine diversifizierte Anlage mehr, sondern eine direktionale Wette auf AI-Monetarisierung.
8. Historische Lehre mit doppeltem Boden.
Wie bei Eisenbahnen (90 % des heutigen britischen Schienennetzes stammen aus der Mania-Ära) und Glasfaser wird AI wahrscheinlich transformativ sein. Die Investoren, die den Aufbau finanzieren, könnten trotzdem erhebliche Verluste erleiden. Die Frage ist nicht, ob AI funktioniert, sondern ob die Bewertungen Zeitpunkt und Ausmaß der Produktivitätsgewinne korrekt einpreisen.
Quellen:
MacroMicro, FactSet, GuruFocus, State Street, Conestoga Capital, The Motley Fool, Futurum Group, CreditSights, Platformonomics, Morningstar, Introl, CNBC, Apollo Academy, RBC Wealth Management, Tema ETFs, Goldman Sachs, Sparkline Capital, Sacra, OpenAI, TapTwice Digital, SaaStr, Tradingkey, Calcali Tech, Advisor Perspectives, Tomasz Tunguz, Fortune, Substack (Recursively Financed Singularity), TechCrunch, AI Funding Tracker, InvestorPlace, Where’s Your Ed At, 7gc&co, Institutional Investor, Slashdot, Nanalyze, Data Center Dynamics, R&D World, IntuitionLabs, NBER, IDEAS/RePEc, MIT Sloan, MIT Technology Review, Project Syndicate, American Enterprise Institute, Tech Startups, Medium, AI Business Weekly, Stackmatix, Wikipedia (Telecoms Crash, AI Bubble), A Wealth of Common Sense, Wealthy Way Today, Craigmccaskill, Transformernews, Variant Perception, Theawarenessnews, GMO, Ropes & Gray, Crunchbase News, Ithron, Oliver Wyman, IEA (International Energy Agency), Tech Insider, Humai, Pew Research Center, S&P Global, Real Investment Advice, Alternative Credit Investor, Capital Founders OS, Bank for International Settlements (BIS), I3-invest, The Acquirer’s Multiple, Yahoo Finance, MarketPulse, Al Jazeera, Counterfire, CGPH Banque d’affaires, Ainvest, Guinness Global Investors, Nasdaq, Tonygrayson, FinancialContent, Stock Analysis, CEIBS (China Europe International Business School), Gwkinvest, Marketsentiment, Tech Policy Press.
Weitere Beiträge:
Private Debt als Wachstums-Assetklasse für Family Offices
Diese Analyse beleuchtet die deutsche Besteuerung von Direct Lending, Mezzanine und Unitranche und warum Direktinvestments über die richtige Holding-Struktur klar im Vorteil sind.
Der Nahostkonflikt und die Weltwirtschaft
Der Ausbruch des Krieges im Nahen Osten Ende Februar 2026 hat eine Energiekrise ausgelöst, die das globale Wachstum bremst, die Inflation antreibt und die Zentralbanken vor ein Dilemma stellt.
Die Demokratisierung der Private Markets
Über Jahrzehnte galt Private Equity als exklusive Domäne großer Pensionskassen, Staatsfonds und Stiftungen. Privatanleger? Ausgeschlossen. Family Offices? Nur am Rand beteiligt. Das ändert sich gerade und zwar dramatisch.