Die KI-getriebene Kostenkrise, die die Wall Street noch nicht eingepreist hat

Jeder Technologieboom erreicht irgendwann denselben unbequemen Moment: wenn die Frage nicht mehr lautet, wer am schnellsten wächst, sondern wer sich weiteres Wachstum tatsächlich leisten kann. Für die KI-Softwarebranche könnte dieser Moment schneller kommen, als Investoren erwartet haben.

Die Zahlen, die diese Diskussion ausgelöst haben, sind eindeutig. Allein die vier größten US-Technologieunternehmen (Alphabet, Amazon, Meta und Microsoft) werden laut Bloomberg im Jahr 2026 voraussichtlich 650 Milliarden Dollar für KI-Infrastruktur ausgeben. Wall-Street-Analysten von Evercore und Bank of America prognostizieren laut CNBC bereits, dass die gesamten KI-Investitionsausgaben der Hyperscaler im Jahr 2027 die Marke von 1 Billion Dollar überschreiten könnten.

Das ist die oberste Ebene. Darunter stehen die Unternehmen, die auf dieser Infrastruktur betrieben werden und mit einer anderen Variante desselben Drucks konfrontiert sind. Laut dem Bericht von CloudZero stiegen die durchschnittlichen monatlichen KI-Ausgaben von Unternehmenssoftwareunternehmen im Jahresvergleich um 36 %, von 62.964 auf 85.521 Dollar, während sich der Anteil der Unternehmen, die mehr als 100.000 Dollar pro Monat ausgeben wollen, mehr als verdoppelte – von 20 % auf 45 %.

Nur 51 % der Unternehmen können die Kapitalrendite dieser Ausgaben zuverlässig berechnen. Das Kapital fließt schnell. Die Klarheit darüber, ob es sich auszahlt, hält nicht Schritt.

Das Problem mit der Bezahlung von KI im großen Maßstab

Die Wirtschaftlichkeit von KI-Software unterscheidet sich in einem wichtigen Punkt strukturell von der traditioneller Software: Inferenz ist nicht kostenlos. Jedes Mal, wenn ein KI-System auf eine Anfrage antwortet, ein Dokument verarbeitet, ein Gespräch weiterleitet oder eine Aufgabe erledigt, verbraucht es Rechenleistung. Dieser Verbrauch hat seinen Preis, und mit dem wachsenden KI-Einsatz in Unternehmen steigt auch die Rechnung.

Mehr KI:

• Goldman Sachs hat eine klare Botschaft für KI-Aktieninvestoren
• Microsoft-CEO sendet eine deutliche Warnung zu KI und dem Tech-Ökosystem
• Das nächste KI-Infrastrukturrennen hat nichts mit Chips zu tun

„Traditionelle Softwareunternehmen entwickeln ein Produkt einmal und vertreiben es zu nahezu null Grenzkosten. Ein KI-natives Softwareunternehmen entwickelt ein Produkt, das jedes Mal, wenn ein Kunde es nutzt, eine Rechengebühr zahlen muss", sagte Nimrod Ron, CEO des CX-OS-Anbieters Callers.ai, in einem Interview mit TheStreet.

Dieser Unterschied war leicht zu ignorieren, als die KI-Akzeptanz noch gering und die Nutzung niedrig war. Er wird deutlich schwerer zu ignorieren, wenn Unternehmenskunden KI-Workflows in dem Ausmaß betreiben, das die CloudZero-Daten nahelegen.

Die Folge ist, dass branchenweit sichtbare Verhaltensweisen entstehen. Einige KI-Anbieter haben Berichten zufolge damit begonnen, Verträge mitten im Zyklus neu zu bepreisen, da die Infrastrukturkosten die Annahmen in ihrer ursprünglichen Preisgestaltung übersteigen. Andere haben sich öffentlich zur Preisstabilität trotz derselben Kostensteigerungen bekannt. Die Lücke zwischen diesen beiden Reaktionen liegt in der Infrastruktur, nicht in der Preisstrategie.

Was tatsächlich passiert, wenn ein KI-Anbieter einen Vertrag neu bepreist

Die Interpretation, die aus dem Inneren der Branche entsteht, ist pointiert. „Wenn ein KI-Anbieter einen Vertrag mitten im Zyklus neu bepreist, ist das in der Regel keine kommerzielle Entscheidung. Es ist ein Infrastrukturgeständnis", sagte Ron gegenüber TheStreet. „Es bedeutet, dass das Unternehmen sein Produkt auf einer festen Abhängigkeit von einem oder zwei LLM-Anbietern aufgebaut hat und keine strukturelle Möglichkeit hatte, Kostensteigerungen aufzufangen, als die Nutzung zunahm. Der Kunde trägt die Konsequenzen einer Architekturentscheidung, die der Anbieter vor Jahren getroffen hat."

Das verändert, worauf Investoren tatsächlich achten sollten. Ein Anbieter, der den Vertrag neu bepreist, jagt nicht nur Margen. Er offenbart, dass seine Infrastruktur nicht darauf ausgelegt war, mit der Kostenkurve umzugehen, die mit der Skalierung einhergeht – und der Kunde, der mit der neuen Rechnung konfrontiert wird, zahlt effektiv für diese Architekturentscheidung.

Verwandt: Microsoft-CEO sendet eine deutliche Warnung zu KI und dem Tech-Ökosystem

Die Alternative – den Aufbau einer Infrastruktur, die dynamisch über mehrere LLM-Anbieter in Echtzeit weiterleitet, anstatt sich an eine einzige Abhängigkeit zu binden – ist im Vorfeld teurer und komplexer zu entwickeln. Sie bietet jedoch eine strukturelle Absicherung gegen die Preisentscheidungen eines einzelnen Anbieters.

Unternehmen, die diese Investition frühzeitig getätigt haben, befinden sich nun in einer grundlegend anderen Position als diejenigen, die es nicht getan haben, und das nun branchenweit sichtbare Neubepreisungsverhalten ist einer der ersten Orte, an denen dieser Unterschied zutage tritt.

Warum Investoren den Bruttomargentrend statt des Umsatzwachstums verfolgen sollten

Die Investitionsimplikationen dieser Spaltung sind noch früh, aber zunehmend sichtbar. Für den größten Teil des KI-Booms haben Investoren Softwareunternehmen anhand von Umsatzwachstum, Nettoumsatzbindung und der Anzahl von Unternehmenskunden bewertet. Diese Kennzahlen bleiben wichtig, aber sie zeigen nicht, was mit der Wirtschaftlichkeit des Unternehmens passiert, wenn die Nutzung skaliert.

„Der Markt hat KI-Softwareunternehmen größtenteils anhand von Umsatzwachstum und Nettobindung bewertet. Das sind nachlaufende Indikatoren", fügte Ron hinzu. „Was Investoren zunehmend fragen, ist: Wie entwickelt sich Ihre Bruttomarge, wenn die Inferenzkosten steigen? Diese Frage führt direkt zum Infrastrukturdesign."

Wenn das Umsatzwachstum eines KI-Unternehmens mit statischer Abhängigkeit verlangsamt, weil die Neubepreisung die Kundenbindung beschädigt hat, werden Investoren, die nur auf die oberste Linie schauen, bereits im Rückstand sein. Das Margensignal kommt zuerst. Es zeigt sich in der Umsatzkosten-Zeile, in der Bruttomargenverengung, in der Lücke zwischen Umsatzwachstum und Free-Cash-Flow-Generierung.

Morsa&solGetty Images

Was unterschiedliche Infrastrukturentscheidungen im Jahr 2026 bewirken

Die KI-Softwarebranche besteht aus sehr unterschiedlichen Unternehmen, und die nächste Phase der Implementierung beginnt zu zeigen, welche welche sind. Der Kostendruck hat die Hyperscaler-Ebene bereits erreicht: Metas freier Cashflow fiel laut CNBC von 26 Milliarden Dollar in Q1 2025 auf nur noch 1,2 Milliarden Dollar in Q1 2026, unter anderem aufgrund höherer KI-Komponentenkosten einschließlich der Speicherpreise.

Wenn Unternehmen in Metas Größenordnung und Margenstruktur dies bereits spüren, trifft die Auswirkung kleinere KI-native Softwareanbieter mit schlankerer Einheitswirtschaftlichkeit und geringerer Preismacht noch härter. Die Infrastrukturentscheidungen, die einzelne Unternehmen in den Jahren 2023 und 2024 getroffen haben, werden 2026 und 2027 zu sehr unterschiedlichen Gewinn- und Verlustrechnungen führen.

Die Anbieter, die in dynamische Routing-Infrastruktur investiert haben, treten in eine Phase steigenden Volumens mit einer Kostenstruktur ein, die sich verbessert, wenn die Nutzung wächst. Je mehr Gespräche, Transaktionen oder Inferenzen sie verarbeiten, desto mehr Cross-Region-Arbitrage-Möglichkeiten haben sie zwischen Anbietern, und desto stärker tendieren ihre Stückkosten zu sinken. Die Anbieter, die auf feste LLM-Abhängigkeiten aufgebaut haben, treten in dieselbe Phase mit einer Kostenstruktur ein, die sich in die entgegengesetzte Richtung bewegen kann: Mit wachsender Nutzung steigt auch die Exponierung gegenüber den Preisen der Anbieter.

Die Bereiche Conversational AI und AI Agent stehen diesem Druck am akutesten gegenüber, weil ihr Kernprodukt von Natur aus inferenzintensiv ist. Jede Kundeninteraktion ist ein Rechen-Event.

Ein Conversational-AI-Unternehmen mit einer Million aktiver Nutzer verarbeitet potenziell Hunderte von Millionen Inferenzaufrufen pro Monat. Bei diesem Volumen schlägt ein Unterschied von wenigen Cent pro tausend Tokens zwischen einer gut optimierten Routing-Architektur und einer Single-Provider-Abhängigkeit direkt auf die Bruttomarge durch. Im großen Maßstab entscheiden diese Punkte darüber, ob ein Unternehmen Wert aufbaut oder ihn abbaut.

Der Unternehmenssoftwaremarkt hat begonnen, KI-Anbieter so zu prüfen, wie er einst Industrieunternehmen geprüft hat. Kapitalintensität, Kostenstruktur und operativer Hebel haben jetzt genauso viel Gewicht wie die Anzahl der Kunden und die Nettoumsatzbindung.

Für Investoren, die KI-Softwareunternehmen im Jahr 2026 bewerten, werden die nützlichen Fragen zunehmend spezifischer: Welcher Prozentsatz der Umsatzkosten ist an drittanbieterbasierte LLM-Inferenz gebunden? Ermöglicht die Architektur dynamisches Provider-Routing, oder ist das Produkt an einen festen Modell-Stack gebunden? War die Bruttomarge stabil, expandierend oder komprimierend, als die Unternehmensnutzung in den letzten vier Quartalen skaliert hat?

Diese Fragen tauchen in den meisten Aktienforschungsberichten zu KI-Softwareunternehmen heute nicht auf. Das nun branchenweit sichtbar werdende Neubepreisungsverhalten legt nahe, dass sie es wahrscheinlich sollten.

Verwandt: Umstrittenes KI-Unternehmen hat gerade Insolvenz nach Chapter 7 beantragt