Die künstliche Intelligenz verspricht, den Übergang zu einer grüneren Wirtschaft erheblich zu beschleunigen. Doch diese technologische Revolution steckt noch in den Kinderschuhen und stellt bereits jetzt ein erhebliches Risiko für die Ressourcen der Erde dar. Da die Nachfrage nach KI weiter steigt, nehmen auch die Energieintensität und der Kohlenstoff-Fußabdruck der Rechenzentren zu, die diese Technologie unterstützen. Wie können sich nachhaltige Investoren angesichts dieser Herausforderungen effektiv mit dem transformativen Thema KI auseinandersetzen und sich gleichzeitig mit den Umweltauswirkungen befassen?

KI wird so schnell wie keine andere Technologie in der Geschichte angenommen

KI wird von Unternehmen und Privatpersonen so schnell angenommen wie keine andere Technologie in der Geschichte. ChatGPT von OpenAI hat in Rekordzeit 100 Mio. Nutzer erreicht, nur zwei Monate nach dem Start im November 2022, und zählt jetzt 180 Mio. Nutzer, von denen 23 % der erwachsenen US-Bürger und 92 % der Fortune-500-Unternehmen den Dienst nutzen sollen². KI-Lösungen und die ihnen zugrunde liegenden Modelle haben sich in den letzten 18 Monaten rasant entwickelt. In den nächsten 5-10 Jahren dürfte die KI die Weltwirtschaft durch erhebliche Effizienz- und Produktivitätssteigerungen und auch unser Leben verändern.

ChatGPT reached mainstream adoption in record time

Time required for various apps to reach 100mn users

Source: Visual Capitalist, Bank of America

KI durchdringt bereits praktisch alle Aspekte unseres Lebens, revolutioniert Branchen und verändert die Art und Weise, wie wir arbeiten, leben und interagieren. Während wir uns bei der Entwicklung von KI-Lösungen noch in den Kinderschuhen befinden, eröffnet sich bereits ein faszinierendes Spektrum potenzieller Anwendungsfälle – von KI-gestützten Diagnosetools im Gesundheitswesen über Automatisierung und vorausschauende Wartung in der Fertigung bis hin zu optimierten Lieferketten und personalisiertem Einkaufen im Einzelhandel, Betrugserkennung im Finanzwesen sowie virtuellen Assistenten und intelligenten Geräten im Haushalt, personalisiertem Lernen und Automatisierung im Bildungswesen und vielen weiteren Bereichen. Softwareunternehmen erweitern ihr Angebot durch die Entwicklung generativer KI-Anwendungen für Geschäfts- und Verbraucheranwendungen und beschleunigen so die Verbreitung der Technologie. Das Potenzial der agentenbasierten³ und physischen KI⁴ wird die Anwendungsfälle nur erweitern und die KI in der gesamten Gesellschaft verbreiten.

Das KI-Ökosystem ist riesig und wächst schnell

Die KI-Infrastrukturebene umfasst die essentielle Hardware- und Cloud-Infrastruktur, die benötigt wird, um massive Datenmengen zu speichern und zu verarbeiten, wodurch das Training von KI-Modellen und die Durchführung von Inferenzaufgaben in Echtzeit ermöglicht werden.

• Die KI-Hardware bildet das Rückgrat der KI-Berechnungen und bietet spezialisierte Chips mit der erforderlichen Rechenleistung für Trainings- und Inferenzaufgaben: Nvidia ist hier mit seinen Hooper- und Blackwell-GPUs⁵ der unbestrittene Marktführer. Mehrere Konkurrenten wie AMD und die meisten großen Technologieunternehmen bieten ihre eigenen KI-Chips an oder entwickeln sie. TSMC ist als führende Halbleiter-Foundry und mit seiner einzigartigen fortschrittlichen CoWoS-Packaging-Technologie⁶ entscheidend für die Herstellung von KI-Chips. Diese Hardware wird mit einer Softwareschicht (wie Nvidias CUDA⁷ mit vorgefertigten Bibliotheken gepaart, um die Entwickler von KI-Modellen zu unterstützen.
• Cloud-Service-Anbieter (CSPs): Hyperscaler (wie Amazon Web Services, Google Cloud, Microsoft Azure) ermöglichen es Unternehmen, Hardware und Software für KI als Service zu mieten, so dass sie Daten speichern und KI-Tools nutzen können, ohne in eigene GPUs, Infrastruktur und Rechenzentren investieren zu müssen.
• Infrastruktur: KI-Rechenzentren benötigen spezielle Hardware, Netzwerkausrüstung, Kühlsysteme und eine robuste Energieinfrastruktur, um die wachsenden Rechenanforderungen der KI zu bewältigen. Dies erfordert erhebliche Investitionen in die Energieinfrastruktur, einschließlich Stromerzeugung, -übertragung, -verteilung und Notstromlösungen. Darüber hinaus sind effektive Lösungen für das Energiemanagement unerlässlich, um eine zuverlässige Verfügbarkeit und Stabilität der Stromversorgung zu gewährleisten.

Quarterly capex by hyperscale in US$bn

Record-high capex spend well expected, particularly Meta

Source : Bank of America, entreprises - Données Microsoft ajustées pour la base CY

In die KI-Infrastruktur wird in noch nie dagewesenem Ausmaß investiert, angetrieben von Technologiegiganten wie Alphabet, Meta, Microsoft und Amazon, die ihre Investitionen (jeweils geschätzte 40-75 Mrd. USD für 2024) in Server und Rechenzentren rasch ausweiten, um die Nachfrage nach generativer KI, großen Sprachmodellen und Cloud-Diensten zu decken. Im Jahr 2024 könnten die Gesamtausgaben dieser Hyperscaler rund 240 Mrd. USD erreichen (laut Jefferies mehr als ein Fünftel der gesamten S&P500-Investitionen), ein deutlicher Anstieg gegenüber 148 Mrd. USD im Jahr 2023. Es wird erwartet, dass sich diese Investitionen in naher Zukunft weiter beschleunigen werden, wobei die kombinierten Investitionen der Tech-Giganten im Jahr 2025 rund 300 Mrd. USD erreichen werden, wobei der Schwerpunkt auf Rechenzentren liegt, die mit Hochleistungs-GPUs (wie den neuen Blackwell-Chips von Nvidia), eigener Siliziumentwicklung und Energieinfrastruktur zur Unterstützung von KI-Workloads ausgestattet sind. Allein Microsoft wird bis 2025 rund 80 Mrd. USD in den Aufbau von KI-fähigen Rechenzentren investieren, um KI-Modelle zu trainieren und KI- und Cloud-basierte Anwendungen auf der ganzen Welt einzusetzen.

Quellen: Bank of America & Alphabet, Meta, Microsoft und Amazon Webseiten.

Investment in ICT-related assets and infrastructures as a share of GDP

United States, 1995-2023

• Grundlegende Modelle und GenAI-Dienste: Der Aufbau, das Testen und die Verfeinerung von KI-Modellen ist von zentraler Bedeutung für die Schaffung von vortrainierten intelligenten Systemen, z. B. von Basismodellen (führend ist GPT von OpenAI), die dann für verschiedene Anwendungen (Verarbeitung natürlicher Sprache, GenAI usw.) feinabgestimmt werden können. Das berühmte ChatGPT ist heute führend bei GenAI-Diensten⁸.