Von „Was kann KI leisten?“ bis „Wer zahlt dafür?“: Goldman Sachs analysiert das dreifache Belastungs-Szenario der anhaltenden Schwäche von Technologiewerten

Die jüngste Korrektur im Technologiesektor bedeutet kein Ende der AI-Erzählung, aber der Markt erlebt eine tiefgreifende Rekonstruktion der Bewertungslogik.

Nvidia verzeichnete sieben Handelstage in Folge Verluste, der Nasdaq geriet unter Druck. Rich Privorotsky, Leiter der One-Delta-Trading-Abteilung bei Goldman Sachs, betont, dass die aktuelle Verkaufswelle bei Tech-Aktien schwerlich auf einen einzelnen Auslöser zurückzuführen ist, sondern das Ergebnis eines dreifachen Drucks aus Kreditmärkten, Erwartungen in der Lieferkette und politischen Rahmenbedingungen. Er warnt: „Der Kreditmarkt stellt Fragen, die der Aktienmarkt bisher weitgehend ignoriert hat.“

Diese Neubewertung zeigt sich deutlich auf der Bewertungsebene. Das 24-monatige Forward-KGV des Philadelphia Semiconductor Index ist von 21-22 auf etwa 15 gesunken, die mögliche Ergebnisspanne wird deutlich größer. Auch die Kernfrage hat sich gewandelt – von „Was kann AI leisten?“ zu „Wer zahlt für ihren Betrieb?“

Kreditmärkte schlagen zuerst Alarm

Der Aktienmarkt ist langfristig optimistisch bezüglich der Nachhaltigkeit von Investitionen in AI-Infrastruktur, aber die Haltung der Kreditmärkte verändert sich leise.

Privorotsky stellt fest, dass die CDS-Spreads (Credit Default Swaps) von Nvidia und Broadcom deutlich ausgeweitet wurden, und der Markt beginnt, sich auf die Hinterlegung von AI-Finanzierungen und die Problematik außerbilanzieller Zusagen zu konzentrieren. Diese Sorge überträgt sich zunehmend auf den gesamten Halbleitersektor und ist ein wesentlicher Treiber der aktuellen Neubewertung.

Die Logik der Kreditmärkte unterscheidet sich wesentlich von der des Aktienmarkts: Erstere konzentrieren sich mehr auf die Sicherheit der Cashflows und die Fähigkeit zur Schuldentilgung, weniger auf zukünftige Wachstumschancen. Wenn die CDS-Spreads steigen, bedeutet das, dass Bond-Investoren Zweifel am Return von AI-Investitionen bekommen – das ist oft ein früheres Signal als im Aktienmarkt und schwerer zu ignorieren.

Bedenken wegen Lagerbeständen werden sichtbar

Gleichzeitig verändert sich die Diskussion entlang der Lieferkette im Halbleitersektor; der Markt diskutiert zunehmend Risiken eines Aufbaus bestimmter Lagerbestände.

Privorotsky zitiert Branchendaten, denen zufolge die Bestellungen bei Wafer Manufacturing Equipment (WFE) Herstellern stark gestiegen sind, getrieben durch anhaltend hohe Investitionsbereitschaft der Halbleiterproduzenten. Relevante Institute haben die Prognosen für den globalen WFE-Markt nach oben korrigiert: Für 2026 wird ein Marktvolumen von $150,3 Milliarden erwartet, was einem Wachstum von 36% entspricht; 2027 $217,5 Milliarden, ein Anstieg von 45%; 2028 dann $280,9 Milliarden, plus 29%.

Diese Zahlen spiegeln nicht nur die Begeisterung für AI-Investitionen wider, sondern zeigen auch eine andere Risikoebene: Die aktuellen Bestellungen an der Produktionsfront sammeln sich, und falls die Endnachfrage vom erwarteten Rhythmus abweicht, wird der Lagerdruck entlang der Lieferkette rasch sichtbar. Das ist genau der Grund, warum sich die Marktdiskussion darauf verlagert.

Stromengpässe und politische Widerstände bremsen Bautempo

Abseits von finanziellen und lieferkettenbezogenen Problemen erleben Rechenzentren beim praktischen Aufbau Reibung mit der Realität.

Privorotsky betont, dass Stromengpässe und die zunehmenden politischen Widerstände beim Bau von Rechenzentren die Expansionsgeschwindigkeit und die endgültige Größe der AI-Infrastruktur verunsichern. Diese Spannung zeigt sich auch auf politischer Ebene: Beide Parteien erkennen zunehmend, dass AI-Vorteile landesweit und verstreut auftreten und oft Jahre brauchen, bis sie realisiert werden; die Baukosten sind hingegen lokal, konzentriert und sofortig.

Diese strukturelle Diskrepanz – „Benefits sind verzögert, Kosten vorgezogen“ – führt dazu, dass Lokalregierungen und Gemeinden bei Rechenzentrum-Projekten vorsichtiger werden und so den Gesamtzeitplan ausbremsen.

AI-Hardware-Nachfrage wird wahrscheinlich umverteilt, aber nicht verschwinden

Trotz der genannten Belastungen sieht Privorotsky keine Aufgabe des AI-Investitionsnarrativs, weist aber darauf hin, dass die Bandbreite der möglichen Ergebnisse sich ausweitet.

Bei der Hardware-Nachfrage fällt ihm ein potenzieller struktureller Faktor auf: Die neue Generation von AI-Modellen (wie Safe Superintelligence Inc., gegründet von Ilya Sutskever) erforscht kontinuierliche Lernarchitekturen auf Basis von Test-Time Training (TTT). Im Gegensatz zu traditionellen Pre-Training-Ansätzen erlauben diese Systeme dem Modell, seine Parameter während der Inferenz in Echtzeit zu aktualisieren und jede Interaktion in einen tatsächlichen Lernprozess zu verwandeln.

Falls kontinuierliches Lernen umgesetzt wird, könnte die Abhängigkeit von riesigen Pre-Training-Cluster sinken. Privorotsky bleibt jedoch skeptisch hinsichtlich eines Rückgangs des Gesamtbedarfs an Rechenleistung. Wahrscheinlicher ist für ihn eine Umverteilung des Compute-Consumptions – weg vom großflächigen Pre-Training hin zur kontinuierlichen Inferenz, nicht ein genereller Nachfragerückgang.

Zum kurzfristigen Marktverlauf merkt er an, dass Nvidia-Earnings, PCE-Daten und Äußerungen von Fed-Mitgliedern als kurzfristige Impulse dienen könnten, wenngleich er den Zeitpunkt für den umfassenden Wiedereinstieg noch für etwas zu früh hält. Seine Grundannahme lautet: AI-Bewertungen werden sich zunächst komprimieren, aber sobald Gewinnprognosen Richtung Geschäftsjahre 2027/2028 rollen, wird der Markt neu angreifen – dann werden die Bewertungen wieder besser begründet sein.