Als NVIDIA für das dritte Quartal einen Umsatz von 57 Milliarden Dollar meldete, ein Plus von 62 Prozent, atmete die Wall Street kollektiv auf. Die KI-Blase hatte, so schien es, noch einmal Aufschub bekommen. Doch hinter den Zahlen, die Schlagzeilen machen, steht eine Finanzarchitektur, die jeden beunruhigen sollte, der sich an die früheren Monopole der Tech-Branche erinnert und an die katastrophalen Zusammenbrüche, die sie am Ende zu Fall brachten.
Die Parallelen zum „Wintel“-Duopol der 1990er sind frappierend. Microsoft und Intel schufen damals eine außerordentlich dominante Partnerschaft, die man „Wintel“ nannte: Windows von Microsoft auf Rechnern mit CPUs von Intel. Ähnlich prägt heute die symbiotische Beziehung zwischen NVIDIAs GPUs und den LLMs, die auf ihnen laufen, immer stärker das KI-Ökosystem, vor allem bei den Modellen von OpenAI und Microsoft.
Beunruhigender wird das Muster, wenn man sich die finanziellen Verflechtungen ansieht. Die zirkulären Kapitalflüsse, die den heutigen KI-Boom ausmachen, ähneln auf unheimliche Weise den Modellen der Lieferantenfinanzierung, die Anfang der 2000er Telekom-Riesen wie Cisco, Nortel und Lucent zu Fall brachten. Dieser Zusammenbruch vernichtete Hunderte Milliarden an Börsenwert und unzählige Arbeitsplätze.
Das Wintel-Drehbuch: Wie zwei Unternehmen die Computerwelt kontrollierten
Um zu verstehen, wohin wir vielleicht steuern, müssen wir verstehen, wo wir herkommen. Das Wintel-Monopol der 1990er bestand aus mehr als Marktanteilen: Es schuf ein Ökosystem, das so eng verzahnt war, dass ein Entkommen praktisch unmöglich wurde.
IBM hat Intel und Microsoft für seinen PC womöglich bewusst als schwache Partner ausgewählt, um die Kontrolle über die Kernfunktionen zu behalten. Womit IBM nicht rechnete: dass diese „schwachen Partner“ den Spieß umdrehen würden. Über gegenseitige Lizenzvereinbarungen zum geistigen Eigentum an Windows und Pentium schufen sie die „Wintel-Allianz“, die Softwareentwickler und Hardwarehersteller gleichermaßen band.
Für den Wettbewerb waren die Netzwerkeffekte verheerend. Anwendungen, die für ein Betriebssystem geschrieben wurden, laufen auf einem anderen nur, wenn der Entwickler sie in einem zeitaufwendigen und teuren Prozess anpasst, also portiert. Microsoft nutzte das, um sein Monopol zu halten. Das Bezirksgericht der Vereinigten Staaten für den District of Columbia urteilte schließlich, dass Microsofts Vorgehen eine rechtswidrige Monopolisierung nach Section 2 des Sherman Antitrust Act von 1890 darstellte.
Die Parallelen zum heutigen KI-Ökosystem sind unübersehbar. NVIDIAs Programmier-Framework CUDA erzeugt ähnliche Lock-in-Effekte für KI-Entwickler, und die Trainingskosten für LLMs, die oft in die Hunderte Millionen Dollar gehen, errichten Eintrittsbarrieren, bei denen selbst Microsoft-Manager der 1990er rot geworden wären.
Die Rückkehr der zirkulären Finanzierung: NVIDIAs wachsendes Netz
Genau hier wird das historische Echo alarmierend. NVIDIA verkauft der KI-Branche längst nicht mehr nur Chips, es finanziert sie zunehmend auch, und zwar auf eine Weise, die an die problematischsten Seiten der Dotcom-Blase erinnert.
Laut Branchendaten investierte NVIDIA 2024 rund 1 Milliarde Dollar in KI-Startups und beteiligte sich an 48 Finanzierungsrunden. Das Beteiligungsportfolio zieht sich durch das gesamte KI-Ökosystem: OpenAI (Berichten zufolge 100 Millionen Dollar im Rahmen einer Runde über 6,6 Milliarden Dollar, die das Unternehmen mit 157 Milliarden Dollar bewertete), xAI (Beteiligung an Elon Musks Runde über 6 Milliarden Dollar) und Dutzende weitere KI-Startups.
Bedenklich an diesem Muster ist, wohin das Geld fließt. Branchenberichte deuten auf große Finanzierungszusagen an Kunden hin. So entstehen Kreisläufe, in denen NVIDIAs Kapital es Unternehmen ermöglicht, NVIDIAs Produkte zu kaufen. Ein Analyst merkte an: Weil NVIDIA GPUs verleast, statt den Kauf zu verlangen, müssen Kunden die hohen Abschreibungen auf die Chips nicht verbuchen. NVIDIA trägt dann aber selbst diese Abschreibungskosten und das Risiko, auf entwertetem Bestand sitzen zu bleiben, falls die Nachfrage nachlässt.
Dieser zirkuläre Kapitalfluss sollte bei jedem die Alarmglocken schrillen lassen, der sich an den Telekom-Boom erinnert. In der Dotcom-Ära sagte Lucent 8,1 Milliarden Dollar an Lieferantenfinanzierung zu, Nortel vergab 3,1 Milliarden Dollar, von denen 1,4 Milliarden Dollar ausstanden, und Cisco versprach 2,4 Milliarden Dollar an Kundenkrediten. Die Strategie wirkte damals brillant: Man leiht klammen Telekom-Firmen Geld, damit sie einem die Ausrüstung abkaufen können.
Bis das Ganze kippte. Als die Blase platzte, gingen 47 Competitive Local Exchange Carriers (CLECs) zwischen 2000 und 2003 pleite, und die Ausrüster blieben auf wertlosen Forderungen sitzen.
Ein Vergleich der beiden Epochen zeigt beunruhigende Ähnlichkeiten. Bei Lucent entsprachen die Zusagen zur Lieferantenfinanzierung 1999/2000 rund 20 Prozent des Umsatzes. Schätzungen zufolge könnten NVIDIAs Direktinvestitionen und Finanzierungszusagen dagegen einen deutlich größeren Anteil am Jahresumsatz ausmachen. Gemessen an der Unternehmensgröße scheint das Volumen wesentlich höher als vor dem Telekom-Crash.
GPUs als Sicherheit: eine neue Anlageklasse oder ein neues Risiko?
Das Muster der zirkulären Finanzierung setzt sich in einer noch bedenklicheren Innovation fort: KI-Startups nutzen inzwischen GPUs als Sicherheit für riesige Kredite. Damit entsteht ein Schuldenmarkt, den es vor zwei Jahren noch nicht gab.
Das britische Startup Fluidstack und andere besichern Kredite mit KI-GPUs von NVIDIA. CoreWeave war Vorreiter dieses Modells und beschaffte sich 9,9 Milliarden Dollar über GPU-gedeckte Finanzierungen. Branchenschätzungen zufolge ist das gesamte Kreditvolumen mit GPUs als Sicherheit auf über 20 Milliarden Dollar angewachsen.
Das Grundrisiko: Der kurze Produktzyklus von NVIDIAs GPUs lässt die Chips schnell an Wert verlieren, und die Kreditgeber fragen sich zunehmend besorgt, wie lange sich dieser Wert halten lässt. Sie verlangen inzwischen auch höhere Zinsen und stärkere Absicherungen, weil sie diese Risiken erkennen.
Das sollte bekannt klingen. Dieser ganze Schuldenmarkt beruht auf der Annahme, dass GPUs ihren Wert über 4 bis 6 Jahre halten. NVIDIA verkürzt aber seine Entwicklungszyklen, wodurch vorhandene GPUs womöglich schneller veralten, als sich die damit besicherten Kredite zurückzahlen lassen. Das erinnert daran, wie rasch Telekom-Ausrüstung an Wert verlor, als die Blase platzte, und die Kreditgeber auf Sicherheiten sitzen blieben, die nur noch ein paar Cent pro Dollar wert waren.
Der Knoten zwischen Microsoft und OpenAI: Wenn Partner zu Konkurrenten werden
Die finanziellen Verflechtungen reichen weit über NVIDIA hinaus. Kürzlich geleakte Dokumente, die der Tech-Blogger Ed Zitron ausgewertet hat, zeigen die enorme gegenseitige Abhängigkeit von Microsoft und OpenAI. Unabhängig bestätigt sind diese Angaben nicht, sie decken sich aber mit anderen Branchenberichten.
Laut diesen Dokumenten erhielt Microsoft 2024 von OpenAI 493,8 Millionen Dollar an Umsatzbeteiligung, in den ersten drei Quartalen 2025 sprang die Zahl auf 865,8 Millionen Dollar. Die Beziehung ist aber noch verwickelter: Auch Microsoft beteiligt OpenAI am Umsatz und reicht rund 20 Prozent der Erlöse aus Bing und dem Azure OpenAI Service zurück.
Die Rechenkosten sind schwindelerregend. Laut den geleakten Dokumenten gab OpenAI in den ersten drei Quartalen 2025 allein bei Azure 8,7 Milliarden Dollar für Inferenzkosten aus, mehr als das Doppelte der 3,7 Milliarden Dollar, die für 2024 genannt werden.
Am beunruhigendsten: OpenAIs Trainingsausgaben fließen größtenteils nicht in bar, sie werden mit Guthaben beglichen, die Microsoft im Rahmen seiner Investition gewährt hat. Die Inferenzausgaben dagegen zahlt das Unternehmen großteils bar. Falls die Zahlen stimmen, heißt das: OpenAI könnte für Inferenz mehr ausgeben, als es an Umsatz einnimmt.
Microsofts Anteil an OpenAI liegt mittlerweile bei rund 135 Milliarden Dollar, das entspricht etwa 27 bis 32,5 Prozent von OpenAI und macht ihn zu einer der größten Wetten der Tech-Geschichte. Trotzdem ist das Verhältnis zunehmend angespannt. Die Verhandlungen über eine Umstrukturierung wurden so konfliktreich, dass OpenAI Berichten zufolge erwog, Kartellbehörden einzuschalten, um mögliche Wettbewerbsprobleme prüfen zu lassen.
Zentralbanken schlagen Alarm
Anders als in der Dotcom-Ära warnen die Zentralbanken diesmal vor einem möglichen Crash und nicht erst danach. Die Europäische Zentralbank warnte, dass die Aktienmärkte, vor allem in den USA, zunehmend von einer kleinen Gruppe von Technologieunternehmen abhängen, die als Profiteure des KI-Booms gelten: „Diese Konzentration auf wenige große Unternehmen weckt Bedenken wegen einer möglichen KI-bezogenen Vermögenspreisblase“.
Der Internationale Währungsfonds und die Bank of England haben sich dem wachsenden Chor der Warner vor einer KI-Blase angeschlossen, und das Analysehaus Capital Economics prognostizierte, dass die aktuelle KI-getriebene Rally in einer Blase gipfeln werde, die voraussichtlich bis 2026 platzt.
Manche Analysten werden noch drastischer. Julien Garran von der MacroStrategy Partnership schätzt, dass die von KI getriebene „Fehlallokation von Kapital in den USA“ 17-mal so groß ist wie die Dotcom-Blase und viermal so groß wie die Immobilienblase von 2008.
Ob diese konkreten Prognosen zutreffen oder nicht: Dass große Finanzinstitutionen Warnungen aussprechen, spricht dafür, dass die Muster für jene sichtbar sind, deren Aufgabe die Überwachung systemischer Risiken ist.
Warum es diesmal anders sein könnte, im Guten wie im Schlechten
Bei allen Parallelen gibt es entscheidende Unterschiede, die diese Ära entweder robuster machen könnten als die Dotcom-Blase oder noch katastrophaler.
Was für Robustheit spricht:
Lucents Kunden waren hoch verschuldete Startups, die Geld verbrannten. NVIDIAs vier größte Kunden erwirtschafteten dagegen 2024 einen operativen Cashflow von 451 Milliarden Dollar (Microsoft 119 Milliarden Dollar, Alphabet 125 Milliarden Dollar, Amazon 116 Milliarden Dollar, Meta 91,3 Milliarden Dollar). Diese Unternehmen haben die Mittel, einen Abschwung zu überstehen.
Außerdem waren Glasfasernetze im Jahr 2000 zu weniger als 0,002 Prozent ausgelastet, während Microsoft und AWS 2025 Engpässe bei der KI-Kapazität melden. Das spricht für echte Nachfrage und gegen einen rein spekulativen Überausbau.
Was Sorgen macht:
Das Konzentrationsrisiko scheint allerdings größer. Lucents zwei größte Kunden, AT&T mit 10 Prozent und Verizon mit 13 Prozent, standen im Geschäftsjahr 2000 für 23 Prozent des Umsatzes. NVIDIA erzielt Berichten zufolge 39 Prozent des Umsatzes mit nur zwei Kunden und 46 Prozent mit vier, fast das Doppelte von Lucents Konzentration.
Noch bedenklicher: Microsoft entwickelt Maia-Beschleuniger und will „hauptsächlich Microsoft-Chips im Rechenzentrum“ einsetzen. Wechseln die Hyperscaler zu eigenen Chips, wird NVIDIAs Lieferantenfinanzierung zum Risiko gegenüber Kunden, die konkurrierende Alternativen bauen.
Die Kartellfrage: nichts gelernt?
Das Wintel-Monopol geriet schließlich ins Visier der Regulierer, allerdings erst, nachdem Microsoft und Intel ihre Dominanz über mehr als ein Jahrzehnt gefestigt hatten. Das Bezirksgericht ordnete zunächst die Zerschlagung von Microsoft an: Das Unternehmen sollte in zwei getrennte Einheiten aufgeteilt werden, eine für das Betriebssystem und eine für andere Softwarekomponenten. In der Berufung wurde das später aufgehoben.
Heute hat das US-Justizministerium zwei getrennte Kartelluntersuchungen gegen NVIDIA eingeleitet. Geprüft wird, ob das Unternehmen seine Marktmacht missbraucht und Firmen gezwungen hat, zusätzliche Produkte zu kaufen, um GPUs zu erhalten, und ob es Käufer von Konkurrenzchips bestraft. Das Justizministerium untersucht Berichten zufolge auch die Übernahme von Run:ai für 700 Millionen Dollar im April 2024 und den Kauf der Softwarefirma Bright Computing im Jahr 2022.
Die Lehre aus der Geschichte lautet allerdings: Marktkräfte haben Monopolmacht in der Technologiebranche weit wirksamer gebremst als staatliche Politik. Das Wintel-Monopol wurde am Ende nicht in erster Linie durch Kartellverfahren untergraben, sondern dadurch, dass Apple in rascher Folge iPod, iPhone und iPad herausbrachte: leichte, tragbare Smartphones und Tablets, neben denen schwere, klobige Desktops und Laptops veraltet wirkten.
Die Frage ist, ob eine ähnliche Marktumwälzung eintritt, bevor die heutige Finanzarchitektur auf die Probe gestellt wird, oder ob zuerst eine Korrektur im Stil der Dotcom-Ära kommt.
Was die Muster nahelegen
Das Wintel-Monopol der 1990er hat gezeigt, dass technischer Lock-in in Verbindung mit Netzwerkeffekten scheinbar unangreifbare Marktpositionen schaffen kann. Die Dotcom-Blase hat gezeigt, dass Lieferantenfinanzierung und zirkuläre Kapitalflüsse die Illusion einer tragfähigen Nachfrage erzeugen können, lange nachdem echte Marktkräfte die Preise korrigiert hätten.
Der heutige KI-Boom scheint beides zu vereinen: den technischen Lock-in und die Ökosystembindung, die an Wintel erinnern, und zirkuläre Finanzierungsmuster, die an die Telekom-Blase denken lassen. Man nehme GPU-gedeckte Schuldinstrumente dazu, rühre Kunden-Investoren-Beziehungen unter, in denen die Grenze zwischen Käufer und Verkäufer verschwimmt, und heraus kommt eine Finanzarchitektur, die allen, die sich mit Marktgeschichte befassen, beunruhigend bekannt vorkommt.
Die EZB warnte: „Eine Korrektur der Bewertungen von KI-Aktien könnte angesichts der engen Verflechtung der globalen Aktienmärkte weltweite Übertragungseffekte auslösen“. Da 88 Prozent von NVIDIAs Umsatz aus Rechenzentren stammen und das gesamte Ökosystem der KI-Startups vom Zugang zu Rechenleistung abhängt, verdient diese Risikokonzentration Aufmerksamkeit.
Dass der heutige KI-Markt Muster zeigt, die an Wintel und an die Dotcom-Blase erinnern, ist offensichtlich. Die Frage ist, ob die Unterschiede (stärkere Bilanzen der großen Akteure, echte technologische Durchbrüche und reale Nachfrage nach KI-Fähigkeiten) ausreichen, um einen ähnlichen Verlauf zu verhindern.
Märkte haben die Angewohnheit, Annahmen auf die Probe zu stellen, die auf zirkulärer Finanzierung und überhöhten Bewertungen beruhen. Der entstehende Markt für GPU-gedeckte Schulden baut auf der Annahme, dass GPUs ihren Wert über 4 bis 6 Jahre halten. Die Geschichte legt nahe, dass solche Annahmen viel früher auf die Probe gestellt werden, als Investoren erwarten.
Und wenn Märkte Annahmen auf die Probe stellen, die auf Lieferantenkrediten, zirkulären Kapitalflüssen und konzentrierten Kundenabhängigkeiten beruhen, geht das selten sanft aus.
Aus dem Englischen übersetzt: zum Originalbeitrag