Ja, die US-KI-Blase ist real. Hier ist warum.

Position bezogen. Der CrossVol-Desk lässt keinen Raum für Ausflüchte. Der US-KI-Infrastrukturkomplex steckt nach jeder ehrlichen Kennzahl in einer Blase — Capex zu Umsatz, Schuldenfälligkeit zu Abschreibungsdauer, Optionalität zu Fundamentaldaten. Das vollständige Framework, mit datierten Katalysatoren und Trade-Konstruktion, steht in The China AI Disruption Thesis (Amazon Kindle, Mai 2026).

Fast jeder sell-side Desk hat sich auf dieselbe Erzählung eingeschworen: Hyperscaler-Capex wächst mit 25–30 % CAGR bis 2028, der US-Strombedarf verdoppelt sich bis 2027, Memory-Aktien treten in einen Superzyklus ein, der bis 2028 reicht. Die Tabellen bei Goldman, Morgan Stanley und JPMorgan sind nahezu identisch. Die Privatanleger haben diese Erzählung verinnerlicht. NVDA, Vertiv, die datacenter-REITs, der gesamte Stromkomplex — alles wird auf den Konsens eingepreist.

Wenn alle dasselbe Modell laufen lassen, ist das Modell nicht mehr ein Modell, sondern ein Konsensmechanismus. Und Konsensmechanismen brechen nicht graduell, sondern an Kanten — an Datumsterminen, Earnings-Reports, einer einzelnen Zollentscheidung, einem Tweet eines Politikers. Das ist die Charakteristik, an der man eine Blase erkennt, bevor sie platzt: die Verteilung der Meinungen kollabiert in einen einzigen Punkt.

Der Konsens liegt falsch, und er liegt aus quantifizierbaren Gründen falsch. Im Folgenden die fünf Argumente. Keines davon ist spekulativ. Jedes löst sich an einem konkreten Datum oder gegen eine konkrete Zahl auf. Wer die Konstruktion will — die Trades, das Sizing, den Kalender — liest das Buch. Wer wissen will, warum wir eine Blase ausrufen, liest weiter.

Eine Anmerkung zur Methode. Eine Blase auszurufen, heißt nicht, "die Technologie ist Unsinn" zu behaupten. Das Internet war 1999 nicht Unsinn. Die Eisenbahn war 1873 nicht Unsinn. Eine Blase ist eine Diskrepanz zwischen Bewertung und Cashflow-Realität — und sie löst sich auf, wenn diese Diskrepanz nicht mehr durch frisches Kapital überbrückbar ist. Wir argumentieren auf dieser Ebene, nicht auf der Ebene "KI ist eine Modeerscheinung".

1. Hyperscaler-Capex überholt die Hyperscaler-Umsätze

2023 gaben Amazon, Microsoft, Google und Meta zusammen 147 Mrd. USD an Investitionsausgaben aus. 2024 waren es 230 Mrd. USD. 2025 lagen sie bei 310 Mrd. USD. Die Konsens-Run-Rate für 2026 liegt bei 390 Mrd. USD. Im selben Dreijahresfenster wuchsen die Cloud- und KI-bezogenen Umsätze dieser vier Konzerne von rund 230 Mrd. USD auf rund 340 Mrd. USD — eine Ausweitung von 47 % gegen eine Capex-Expansion von 165 %.

Die narrative Erklärung lautet "vorgezogene Investition, die sich über ein Jahrzehnt amortisiert". Das quantifizierbare Problem ist der Durations-Mismatch. Die Abschreibungsdauer der heute installierten GPU liegt bei drei bis sechs Jahren. Die zur Finanzierung emittierten Unternehmensanleihen laufen sieben bis dreißig Jahre. Bis 2028 werden die vier Hyperscaler — nach den Zahlen des Konsens selbst — über 1,4 Billionen USD an KI-Infrastruktur abzuschreiben haben, gegen Umsatzströme, die noch nicht einmal kontrahiert sind.

Hinzu kommt die Kannibalisierung im eigenen Stack. Jede neue GPU-Generation entwertet die vorherige um 30–40 % binnen achtzehn Monaten. Wer 2024 H100 zu Spitzenpreisen bestellt hat, schreibt 2026 gegen Blackwell-B200 ab, der dieselbe Trainingslast zu einem Drittel der Energiekosten erledigt. Das ist kein Bilanzdetail — das ist die strukturelle Falle des gesamten Investment Case.

Diese Asymmetrie ist nicht neu. Sie hat jede Halbleiter-Aufrüstungsphase begleitet. Was neu ist, sind die Größenordnungen. Mit 1,4 Billionen USD an aufgelaufener Infrastruktur und einer Abschreibungsbasis, die schneller schrumpft als der Umsatz wächst, kollabiert das Verhältnis Asset zu Cashflow in ein Niveau, das selbst bei wohlwollender Bewertung keinen Spielraum mehr für Multiple Expansion lässt.

2. Die Schuldenmauer der Unternehmensanleihen

2025 begaben die fünf größten US-Hyperscaler 121 Mrd. USD an langlaufender IG debt — das 4,3-fache des Durchschnitts des Vorjahrzehnts. Bis Jahresmitte 2026 zeichnet sich eine Run-Rate von 230–240 Mrd. USD ab. Die Verbindlichkeiten sind langlaufend (10J, 20J, 30J), die zugrundeliegenden Erlösströme sind kurzzyklisch (Enterprise-Verträge, Werbeausgaben, Cloud-Verlängerungen). Pensionskassen, Versicherer und Staatsfonds haben die Emissionen absorbiert, weil der Spread gegen Treasuries attraktiv aussah.

Sobald die Erlösannahmen revidiert werden — und das werden sie, weil die Token-Preise einbrechen — vollzieht sich das Repricing am Kreditmarkt innerhalb von Tagen. Die 2022er-Episode in langlaufender Tech-IG debt (Meta, Salesforce) gab einen Vorgeschmack: eine Spread-Ausweitung von 65 bp in elf Handelstagen. Wiederholt das in doppeltem Maßstab, auf Hyperscaler-Papier, das in jeder westlichen Pensionskasse liegt. Der Equity-Drawdown ist die eine Konsequenz. Der Kredit-Drawdown ist die größere.

Der zweite Verstärker ist die Konzentration. Mehr als 60 % der 2025er IG-Emissionen aus dem Tech-Komplex landeten in den Top-10-Halterportfolios. Wenn ein einziger dieser Halter zur Risikoreduktion gezwungen wird — durch Solvency-II-Trigger, einen Ratings-Review oder eine Anteilsklassen-Umschichtung — schlägt der Bid-Side-Vakuumeffekt sofort durch. Es gibt schlicht keine natürlichen Marginal Buyer in dieser Größenordnung außerhalb der bereits maximal allokierten Adressen.

Die historische Vergleichsbasis ist ernüchternd. Im Energiesektor-Repricing 2014–2016 weiteten sich die langlaufenden IG-Spreads um über 200 bp aus, bevor die Volatilität wieder Normalniveau erreichte. Die Korrelation zwischen Aktien-Drawdown und Credit-Repricing lag bei 0,82. Wer 2014 das Equity-Risiko gehedged hatte, aber das Kreditrisiko offen ließ, verlor in der zweiten Welle mehr als in der ersten.

3. Die Token-Kommoditisierung hat bereits begonnen

Am 22. Mai 2026 erklärte DeepSeek den 75 %-Rabatt auf V4 Pro Inferenz für dauerhaft. Bis dahin wurde der Abschlag seit Januar als promotionale Subvention behandelt. Die dauerhafte Festschreibung verändert die Rechnung. DeepSeek V4 Pro Inferenz kostet jetzt 0,87 USD je Million Output-Tokens. Dieselbe Aufgabe läuft bei GPT-4o oder Claude Sonnet zwischen 25 und 30 USD je Million Output-Tokens. Die gelieferte Intelligenz liegt nach publizierten Benchmarks für die meisten Enterprise-Workloads innerhalb von 5–10 % gleichauf.

Das ist exakt das Muster jedes Kommoditisierungszyklus in der Technologiegeschichte. Der Frontier-Player investiert massiv, der Fast Follower liefert 90 % der Fähigkeit zu 5 % der Kosten, die Bruttomarge der Frontier kollabiert. Im Storage war es 2007 der chinesische DRAM-Einstieg. Bei Solar war es 2011 der chinesische Polysilizium-Vorstoß. Bei LED war es 2014. Die Frontier verschwand in keinem dieser Fälle — aber die Aktien wurden um 50–70 % heruntergeratet, bevor sich der Boden zeigte.

Die zweite Welle der Kommoditisierung kommt von der edge inference. Sobald 70B-Modelle lokal auf Consumer-Hardware mit akzeptabler Latenz laufen — und das ist Stand Q2 2026 bereits Realität auf Apple-Silicon- und Snapdragon-X-Geräten — wandert ein nicht trivialer Teil des Inference-Volumens aus den Hyperscaler-Datacenter heraus. Genau dieser Volumenanteil ist es, gegen den der Capex-Case angeschrieben wurde.

4. Der Engpass im US-Stromnetz ist Mathematik, keine Erzählung

Die PJM-Kapazitätsauktion 2026/2027 wurde im Mai 2025 bei 329,17 USD je MW-Tag gecleart — eine Steigerung um den Faktor 11,4 gegenüber der Vorauktion. Von den angekündigten US-Rechenzentrumsprojekten bis 2030 sind rund 50 % verschoben oder gestrichen worden, weil die Netzanschluss-Warteschlangen in den dichtesten Märkten inzwischen vier bis sieben Jahre laufen. Die Capex-Erzählung unterstellt, dass die datacenter gebaut werden. Die Hälfte davon wird nicht termingerecht gebaut, und die andere Hälfte ist 25–40 % teurer, als das Underwriting 2023 angenommen hatte.

PJM ist nicht der einzige Markt mit diesem Profil. ERCOT in Texas, MISO im Mittleren Westen, NYISO in New York — überall verschärfen sich die Engpässe parallel. Der Auktionspreis ist die direkte ökonomische Übersetzung eines physischen Mangels, und er fließt ohne Umweg in die Stromkosten jeder einzelnen GPU-Stunde ein. Wenn die Compute-Kosten pro Token-Output um 30 % steigen, während die Token-Verkaufspreise um 70 % fallen, kollabiert die Margenstruktur — ohne dass irgendein Marktteilnehmer "etwas falsch gemacht" hätte.

Das ist kein regulatorisches Risiko. Das ist Elektrotechnik. Transformatoren brauchen achtzehn Monate in der Fertigung. Hochspannungs-Übertragungskorridore brauchen fünf Jahre Genehmigungsverfahren. Der Engpass ist real, die Zahlen sind öffentlich, und die Aktienkurse spiegeln sie nicht.

Das gilt auch für die Lieferkette: Großtransformatoren werden nur von einer Handvoll Anbieter weltweit gefertigt, und ihre Backlogs reichen bereits in das Jahr 2028. Die Annahme, ein zusätzlicher Capex-Dollar lasse sich umstandslos in zusätzliche Compute-Kapazität übersetzen, scheitert an der physischen supply chain — nicht an der Bereitschaft, das Geld auszugeben.

5. Das Dotcom-Analogon sitzt enger, als alle es haben wollen

Der Vergleich mit 1999–2000 lädt zu trägem Denken ein — jeder Markteinbruch wird zum "neuen Dotcom" erklärt. Die meisten sind nichts dergleichen. Dieser hier schon. Das gemeinsame Muster ist nicht "Internet schlecht". Das gemeinsame Muster ist vorgezogenes Capex gegen unbewiesene Unit Economics, finanziert über langlaufende Schulden, an Privatanleger und Pensionsfonds-Allokatoren verkauft auf der Grundlage einer einzigen dominanten Erzählung.

1999 unterstellte der Telekom-Buildout exponentielles Bandbreitenwachstum. Die reale Bandbreitennachfrage wuchs, aber mit einem Drittel der prognostizierten Rate. Cisco, Lucent, JDS Uniphase — die picks-and-shovels-Namen — fielen zwischen März 2000 und Oktober 2002 um 80–95 %. Das Internet wurde gebaut. Die Unternehmen, die es finanziert haben, wurden zerstört. Zwei Jahrzehnte später wiederholt sich dasselbe Muster auf einer anderen Schicht des Stacks. Die Namen sind andere. Die Mechanik ist dieselbe.

Auch das Zeitgefühl der Marktteilnehmer wiederholt sich. Im Frühjahr 2000 galt jeder Skeptiker als jemand, der "das Internet nicht verstanden hat". 2026 gilt jeder Skeptiker als jemand, der "KI nicht verstanden hat". Das ist in beiden Fällen ein Argument-ad-hominem, das die Bewertung ersetzt — und in beiden Fällen ist es das letzte Signal vor dem Umschwung der Stimmung.

Schließlich: 2000 wie 2026 ist die Aufnahmefähigkeit der Bilanz der finalen Käufer das letzte Glied der Kette. Wenn die Pensionsfonds saturiert sind, wenn die Indexfonds nicht weiter kaufen können, ohne ihre eigenen Konzentrationsgrenzen zu sprengen, wenn die ETF-Flüsse umkehren — dann ist der Grenzkäufer nicht mehr da. Genau an diesem Punkt sind wir 2026 in jenem Teil des US-Aktienmarkts angekommen, der direkt am KI-Capex hängt.

Das Fenster: Q4 2026 → Q1 2027

Das ist keine Prognose, dass der sell-off nächste Woche beginnt. Blasen enden an Katalysatoren, nicht allein an Bewertungen. Zwei datierte Katalysatoren sind erkennbar:

• 10. November 2026 — die US-China-Zoll-Waffenruhe läuft aus. Wie auch immer die neu verhandelten Bedingungen aussehen, die supply chain-Annahmen, die in die Unit Economics der Hyperscaler eingepreist sind, werden revidiert werden.
• 27. November 2026 — die Aussetzung der chinesischen Exportkontrollen auf Gallium, Germanium und Antimon läuft ab. Das sind die Seltenerd-Inputs, ohne die mehr als 30 % der US-KI-Infrastrukturausrüstung zu den aktuellen Preispunkten nicht produziert werden können.

Zwischen diesen beiden Daten und dem Earnings-Zyklus Q1 2027 wird die Konsens-Erzählung gegen die Realität stresstesten. Der CrossVol-Desk erwartet in diesem Fenster Drawdowns von 25–40 % auf reine KI-Infrastruktur-Aktien. Die korrespondierende Outperformance liegt in Open-Source-KI-Architekturen, edge inference-Plattformen, Förderern kritischer Mineralien außerhalb Chinas und chinesischen KI-Plattformen mit klaren Monetarisierungspfaden.

Wer den Sequencing genauer liest: die Equity-Bewegung führt, die credit-Bewegung folgt mit zwei bis vier Wochen Verzögerung, und das Repricing der memory- und power-Komplexe schließt das Fenster. Das ist die historische Reihenfolge in jedem vergleichbaren Capex-Cycle-Top, und es gibt keinen Grund anzunehmen, dass es diesmal anders abläuft.

Was dieser Artikel nicht abdeckt

Dieser Text legt die These dar. Er konstruiert nicht den Trade. Eine Positionierung mit angemessenem Sizing, Duration, Vega-Exposure und Hedge-Legs aufzubauen, verlangt das vollständige Framework — keine Stichpunkte. The China AI Disruption Thesis deckt das in vierzehn Kapiteln im Detail ab: die fünf Vektoren, das geopolitische Vier-Fronten-Schachbrett (Iran, Grönland, Venezuela, Kuba), den Katalysator-Kalender und ein Kapitel zur Trade-Konstruktion (Dispersion, Variance, Single-Name-Shorts, Credit-Hedges).

Insbesondere die Trade-Konstruktion ist nicht-trivial. Wer den Capex-Komplex direkt shortet, kämpft gegen einen Momentum-Trend, der sich noch Monate hinziehen kann. Wer Hedges über Vega-Long aufbaut, zahlt Carry. Wer auf Credit-Spreads setzt, hat Liquiditätsfenster zu beachten. Die Lösung im Buch ist eine Kombination — kalibriert auf das spezifische Katalysator-Fenster Q4 2026 → Q1 2027 — die Direktionalität, Volatilitäts-Exposure und Schutz gegen ein verspätetes Top in einer einzigen Position bündelt.

Das Vier-Linsen-Framework zur Marktlektüre, das den Call hervorgebracht hat — Gamma, Vega, Risk Reversal, Term Structure & Physical — steht im Begleitband Beyond Gamma Exposure, ebenfalls auf Amazon Kindle.

Ein letzter Punkt zur Disziplin. Eine Blase auszurufen heißt nicht, sofort short zu gehen. Es heißt, die Position so zu konstruieren, dass sie den Katalysator überlebt — mit definiertem Risiko, gestaffeltem Einstieg und einem Vega-Profil, das vom anstehenden Volatilitäts-Repricing profitiert, ohne durch ein verspätetes Top in der Auflösung der Erzählung zerquetscht zu werden. Das Buch geht genau auf diese Konstruktionsebene ein. Der vorliegende Artikel hat nur eine Aufgabe: zu zeigen, dass die Zahlen den Call decken. Sie tun es.

---