KI-Infrastruktur wird schneller gebaut als ausgelastet
Der Markt für spezialisierte KI-Clouds steht laut Gartner vor einer deutlichen Konsolidierung. Sogenannte Neoclouds konzentrieren sich auf GPU-Kapazitäten für Training und Inferenz von KI-Modellen. Zu diesem Segment zählen etwa CoreWeave und Nebius.
Das grundlegende Problem ist die Lücke zwischen Investitionen und erwarteten Erlösen. Für 2026 rechnet Gartner weltweit mit Ausgaben von rund 1 Billion US-Dollar für KI-Infrastruktur. Von 2027 bis 2030 sollen weitere 6 Billionen US-Dollar hinzukommen.
| Kennzahl | Gartner-Prognose |
|---|---|
| Ausgaben für KI-Infrastruktur 2026 | 1 Billion US-Dollar |
| Ausgaben von 2027 bis 2030 | 6 Billionen US-Dollar |
| Erforderlicher Umsatz bis 2030 | 8,5 Billionen US-Dollar |
| Erwarteter maximaler KI-Umsatz bis 2030 | 3,6 Billionen US-Dollar |
| Angenommene Kapitalrendite | 12 % |
„Bis 2030 müssten die Betreiber von KI-Rechenzentren kumuliert 8,5 Billionen US-Dollar umsetzen, um die angekündigten Investitionen, Finanzierungskosten und eine Kapitalrendite von 12 % zu decken.“
Will Sommer, Gartner, sinngemäß aus dem Englischen übersetzt
Gartner erwartet aus dem KI-Geschäft mit Unternehmen und Endkunden dagegen höchstens 3,6 Billionen US-Dollar Umsatz. Selbst starkes Marktwachstum würde damit nicht ausreichen, um alle angekündigten Investitionen rentabel zu machen.
Kurze GPU-Zyklen erhöhen den Abschreibungsdruck
KI-Rechenzentren kämpfen nicht nur mit hohen Bau- und Finanzierungskosten. GPU-Hardware verliert durch kurze Produktzyklen schnell an wirtschaftlichem Wert. Eine Anlage kann technisch weiter funktionieren, während neuere Hardware bereits deutlich bessere Leistung oder niedrigere Betriebskosten bietet.
Gartner prognostiziert deshalb bis 2030 Wertminderungen von rund 3,5 Billionen US-Dollar auf Sachanlagen. Bis 2032 könnte das Risiko auf 4 Billionen US-Dollar steigen. Solche Wertberichtigungen belasten Bilanzen und erschweren die Finanzierung weiterer Ausbaustufen.
| Zeitraum | Prognostizierte Wertminderung |
|---|---|
| Bis 2030 | 3,5 Billionen US-Dollar |
| Bis 2032 | 4 Billionen US-Dollar |
Der Markt für KI-optimierte IaaS soll dennoch wachsen. IaaS bezeichnet gemietete Rechen-, Speicher- und Netzwerkinfrastruktur. Gartner erwartet einen Anstieg von 66 Milliarden US-Dollar im Jahr 2027 auf 174 Milliarden US-Dollar im Jahr 2030.
Das Wachstum kommt nach Einschätzung der Marktforscher jedoch zu spät und fällt zu gering aus. Viele Anbieter könnten ihre Investitionen nicht zurückverdienen, bevor die nächste GPU-Generation auf den Markt kommt.
80 Prozent der Neoclouds verlieren ihre Eigenständigkeit
Besonders gefährdet sind Anbieter, deren Geschäftsmodell fast vollständig von vermieteter KI-Rechenleistung abhängt. Gartner erwartet, dass 80 Prozent der Neoclouds bis 2030 ihren eigenständigen Betrieb einstellen müssen.
Das bedeutet nicht zwangsläufig, dass alle betroffenen Unternehmen vollständig verschwinden. Möglich sind auch Übernahmen oder die Eingliederung in größere Plattformen. Welche Anbieter zu den verbleibenden 20 Prozent gehören und welche Kriterien dafür entscheidend sein werden, ist bislang nicht belegt.
Der hohe Kapitalbedarf zeigt sich bereits an den Finanzierungsplänen des GPU-Cloud-Anbieters Lambda. Ob die erwartete Marktbereinigung langfristig zu sinkenden GPU-Mietpreisen durch Überkapazitäten oder zu steigenden Preisen durch weniger Wettbewerb führt, bleibt offen.
Was die Prognose für DACH-Unternehmen bedeutet
Für Unternehmen im DACH-Raum entsteht vor allem ein Betriebs- und Migrationsrisiko. Wer Training, Inferenz oder produktive KI-Anwendungen vollständig an eine Neocloud bindet, ist nicht nur von deren Technik abhängig. Auch Finanzierung, Eigentümerstruktur und Fortbestand des Providers werden zu relevanten Faktoren.
Langfristige Rabatte und reservierte GPU-Kapazitäten können attraktiv wirken. Sie erhöhen aber die Bindung an einen Anbieter, wenn Anwendungen, Datenformate und Betriebsprozesse nicht portabel ausgelegt sind. Ein Vertrag über mehrere Jahre ersetzt deshalb keine technische Exit-Strategie.
Portabilität sollte Teil der Architektur sein
Containerisierte Anwendungen, standardisierte Schnittstellen und Open-Source-Modelle erleichtern den Wechsel zwischen Cloud-Anbietern. Datenhaltung und Rechenbetrieb sollten möglichst getrennt geplant werden. Dadurch lässt sich ein Modell auf eine andere Infrastruktur verschieben, ohne die gesamte Anwendung neu aufzubauen.
Auch Egress-Gebühren für den Abzug großer Datenmengen gehören in die Kalkulation. Konzepte wie die Cloudflare-Datenplattform ohne Egress-Gebühren zeigen, wie relevant planbare Wechselkosten inzwischen für Infrastrukturentscheidungen sind.
Für stabile oder besonders sensible Workloads kann eigene Hardware eine Ergänzung sein. Lokale Systeme wie Nvidia DGX Spark ersetzen kein großes Rechenzentrum, erweitern aber die Möglichkeiten für lokale Inferenz und Entwicklung. Ob sich On-Premises-Infrastruktur rechnet, hängt von Auslastung, Stromkosten, Personalaufwand und Datenschutzanforderungen ab.
Die Gartner-Prognose spricht damit nicht gegen den Einsatz spezialisierter GPU-Clouds. Sie spricht gegen eine Architektur, die nur mit einem einzelnen Anbieter funktioniert. In einem Markt mit hohem Abschreibungsdruck wird technische Wechselbarkeit zu einer geschäftlichen Absicherung.