KI: Die versteckte Inflationsschleife wird sichtbar

30-Sekunden-Signal

Reuters beziffert die KI-bezogene US-Unternehmensaufnahme 2026 auf rund 220 Mrd. USD; Alphabet meldet in Q2 39,069 Mrd. USD OCF bei 44,924 Mrd. USD PP&E-Käufen. Das ist ein Intensitätssignal, keine Liquiditätskrise.

Meta meldet 31,862 Mrd. USD OCF und 30,116 Mrd. USD PP&E-Käufe; Amazon zeigt 45,4 Mrd. USD OCF bei 53,1 Mrd. USD Bar-Capex. Der Ausbau bindet außergewöhnlich viel internen Cashflow.

Microsoft bestätigt in der FY2026-Q4-Mitteilung einen weiteren großen Capex-Zyklus; PJMs unabhängiger Monitor meldet plus 50,3 Prozent bei den Großhandelsstromkosten. Kapital und Strom sind Teil desselben Investitionszyklus.

Das US-Energieministerium dokumentiert Transformator-Lieferzeiten von Jahren; SNB-Direktorin Petra Tschudin warnt vor kurzfristigem KI-Inflationsdruck. Entscheidend ist die Zeitlücke zwischen Baukosten und Monetarisierung.

KI-Investitionen sind nicht mehr nur eine Technologiegeschichte. Der Ausbau 2026 zwingt dieselben Unternehmen, drei knappe Inputs gleichzeitig zu steuern: langfristiges Kapital, verlässlichen Strom und physische Netzausrüstung. Entscheidend ist, ob die Monetarisierung schneller wächst als die Grenzkosten dieser Infrastruktur.

Diese Analyse trennt Bilanzoptimierung von finanzieller Not. Die großen Technologiekonzerne verfügen weiterhin über starke Liquidität und Kreditqualität. Das Signal ist die wachsende zeitliche Lücke zwischen heute bezahlter Compute-Infrastruktur und über Jahre verdienten Erlösen.

Vier Hyperscaler zeigen bereits den Kapitaldruck

Alphabet liefert das klarste Quartalsbeispiel. Der Q2-2026-SEC-Bericht weist 39,069 Mrd. USD operativen Cashflow gegenüber 44,924 Mrd. USD Käufen von Sachanlagen aus. Auf einer einfachen OCF-minus-Capex-Brücke ergibt das -5,855 Mrd. USD. Das ist kein Liquiditätsproblem; Alphabet verfügt weiterhin über eine außerordentlich starke Bilanz. Das Signal liegt im Timing: Die Infrastrukturinvestitionen übertrafen im Quartal die interne Cash-Generierung, während die Monetarisierung über Jahre erfolgt.

Meta meldet im Q2-2026-10-Q 31,862 Mrd. USD OCF, 30,116 Mrd. USD PP&E-Käufe und 962 Mio. USD Tilgung aus Finanzierungsleasing. Damit verbleiben in der gemeldeten FCF-Brücke nur rund 784 Mio. USD; die vergleichbare Kapitalintensität liegt bei etwa 97,5% des OCF.

Amazon liegt darüber. Der Q2-Bericht zeigt 45,4 Mrd. USD OCF gegenüber 53,1 Mrd. USD Cash-Capex, rund 117%. Microsoft ist weniger angespannt, aber weiterhin kapitalintensiv: Die FY2026-Q4-Mitteilung zeigt ungefähr 35,802 Mrd. USD Cash-Zugänge zu PP&E gegenüber 55,441 Mrd. USD OCF, rund 64,6%.

Diese Kennzahlen sind nicht vollständig standardisiert und dürfen nicht wie identische Branchenmetriken gemittelt werden. Sie bilden ein Druckpanel. Selbst bei vier der cashflowstärksten Technologieunternehmen der Welt absorbiert KI-Infrastruktur einen außergewöhnlich großen Teil des internen Cashflows, bevor der vollständige Umsatzstrom einsetzt.

Die versteckte Variable ist der Zeitabstand. Compute, Umspannwerke, Transformatoren und langfristige Stromverträge benötigen heute Kapital; Cloud-, Software- und Inference-Umsätze entstehen über Jahre. Das SIAIntel-Signal lautet daher nicht „Big Tech geht das Geld aus“, sondern: Der marginale KI-Bau wird sensibler für den Kapitalpreis, bevor die Produktivitätsdividende voll sichtbar ist.

Die 220-Mrd.-USD-Schuldenwelle bestätigt die Finanzierungsseite

Reuters berichtete am 21. August, dass KI-bezogene US-Unternehmensaufnahme 2026 etwa 220 Mrd. USD erreicht habe, gegenüber rund 12,5 Mrd. USD 2025 — ungefähr 17,6-mal so viel. Dieselbe Reuters-Kreditanalyse setzte Technology-Investment-Grade-Spreads bei rund 89 Basispunkten an, gegenüber etwa 80 Basispunkten im breiten IG-Markt.

Das ist kein „Kreditkrisen“-Signal. Die Emittenten gehören zu den stärksten Schuldnern weltweit. Der Druck entsteht aus Volumen und Konzentration. Versicherer, Pensionsfonds und Asset Manager arbeiten mit Emittenten- und Sektorlimits; wiederholte Mega-Emissionen derselben kleinen Unternehmensgruppe können deshalb einen höheren Neuemissionsaufschlag verlangen, obwohl die Kreditqualität stark bleibt.

Eine zweite Ebene entsteht rund um Nvidia. Reuters berichtete, Nvidia habe sich mit Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR an einer Finanzierungsarchitektur beteiligt, die mehr als 500 Mrd. USD Drittmittel für KI-Infrastruktur mobilisieren soll; Jensen Huang sprach von einer möglichen Absicherung von bis zu 25%, ungefähr 125 Mrd. USD, qualifizierter Transaktionen. Diese Finanzierungsarchitektur ist weder 500 Mrd. USD Nvidia-Schulden noch 500 Mrd. USD Nvidia-Cash. Sie zeigt, dass um Chips, Rechenzentren und Strom eine eigene Finanzierungsschicht entsteht.

Damit reicht die Frage „Wie viele GPUs kann Nvidia verkaufen?“ nicht mehr. Entscheidend wird: Wie viel Finanzinfrastruktur ist nötig, damit der marginale Kunde den nächsten GPU-Cluster kaufen, beherbergen, mit Strom versorgen und monetarisieren kann?

KI-Anleihen sind nicht die Hauptursache höherer Treasury-Renditen. Fiskaldefizite, Treasury-Angebot, Inflationserwartungen, Wachstum und globale Safe-Asset-Nachfrage sind größere Kräfte. Eine Reuters-Open-Interest-Analyse warnt ausdrücklich vor falscher Kausalität. SIAIntel sieht ein marginales Crowding: Hyperscaler-Anleihen, Utility Debt, Data-Center-Projektfinanzierung und Staatsanleihen konkurrieren um überlappende Duration-Käufer.

PJM zeigt denselben Schock auf der Stromseite

Der PJM Independent Market Monitor für H1 2026 liefert das physische Spiegelbild. Energiekosten stiegen von 49,21 auf 72,68 USD/MWh, also 47,7%. Kapazitätskosten stiegen von 6,39 auf 19,61 USD/MWh, rund 207,1%. Transmission stieg von 18,82 auf 19,88 USD/MWh, während die gesamten Großhandelskosten von 76,16 auf 114,50 USD/MWh zunahmen — 50,3%.

Monitoring Analytics schätzt, dass Data-Center-Last im Kapazitätsmarkt 11,11 USD/MWh zu den gesamten Großhandelskosten hinzugefügt hat, noch vor zusätzlichen Energie- und Übertragungseffekten. Über vier Delivery-Year-Auktionen wird der Effekt auf Kapazitätsmarkterlöse auf etwa 29,37 Mrd. USD geschätzt.

Auch die Netzengpässe verschärfen sich. Im detaillierten Congestion-Bericht stieg „total congestion“ von rund 1,265 Mrd. USD in H1 2025 auf 3,540 Mrd. USD in H1 2026 — +179,9%. Real-time congestion erhöhte sich von ungefähr 1,872 auf 4,539 Mrd. USD. Die DOM-Zone und Engpässe im Umfeld von Ashburn gehören zu den wichtigen geografischen Signalen.

Eine methodische Trennung ist entscheidend: Reuters hat separat rund 6 Mrd. USD breiterer Preisanpassungen im Zusammenhang mit Übertragungsengpässen beschrieben. Das ist nicht dieselbe Kennzahl wie die formale 3,54-Mrd.-USD-„total congestion“-Messung. PJM widerspricht zudem Teilen der Line-Rating- und Penalty-Methodik des Monitors. Premium-Analyse darf unterschiedliche Größen nicht zu einer einzigen Schlagzeilenzahl vermischen.

Die Daten beweisen nicht, dass jede PJM-Preissteigerung durch KI verursacht wird. Brennstoffpreise, Ausfälle, Wetter, Netztopologie, Elektrifizierung und Marktregeln zählen. Sie beweisen etwas Präziseres: Data-Center-Last ist in einem bereits angespannten Netz groß genug geworden, um als materielle Systemkostenvariable messbar zu sein.

Der Engpass sind auch Transformatoren, Switchgear und Interconnection

Ein angekündigtes Megawatt ist kein geliefertes Megawatt. Das US-Energieministerium dokumentiert, dass Lieferzeiten für Verteiltransformatoren von historisch drei bis sechs Monaten auf ein bis zwei Jahre oder mehr gestiegen sind; große Leistungstransformatoren können etwa drei bis vier Jahre benötigen.

Der KI-Engpass ist damit nicht nur „Erzeugung finden“, sondern „einen vollständigen elektrischen Pfad bauen“. Rechenzentren brauchen Umspannwerke, Hochspannungstechnik, Transformatoren, Switchgear, Genehmigungen und eine abgeschlossene Interconnection. Ein einziges fehlendes Glied kann Umsätze verzögern, selbst wenn GPUs, Grundstück und Finanzierung bereitstehen.

Die wenig beachtete ökonomische Folge: Eine verspätete Energization verlängert die Zeit, in der Kapital gebunden ist, aber noch keinen erwarteten Umsatz erzeugt. Bei hohen Realzinsen wird Zeit selbst zu Infrastrukturkosten.

Langfristige PPAs sind ein Ventil, aber kein Gratis-Ausweg

Hyperscaler sichern Strom direkt. Die Constellation-Microsoft-Vereinbarung unterstützt den Neustart des Crane Clean Energy Center über einen 20-jährigen PPA für rund 835 MW. Die überarbeitete Beziehung zwischen Talen und Amazon kann bis zu 1.920 MW aus Susquehanna bis 2042 bereitstellen.

Solche Verträge reduzieren Preis- und Verfügbarkeitsrisiken des Käufers und verbessern die Bankfähigkeit von Erzeugung. Sie beseitigen aber keine Übertragungsupgrades, Backup-Anforderungen, Balancing, Interconnection-Warteschlangen oder Engpässe bei elektrischer Ausrüstung.

Die Kette ist länger als die Softwareerzählung:

KI-Modell → Accelerator → Rechenzentrum → Umspannwerk → Netzzugang → gesicherte Erzeugung → langfristiger Stromvertrag → Finanzierung.

Jedes Glied kann marginaler Engpass werden. Die richtige Schlussfolgerung lautet nicht, Haushalte subventionierten automatisch KI. PPAs verändern vielmehr, wer welche Schicht des Stromrisikos trägt.

KI ist jetzt Teil der Inflationsrechnung der Fed

Das wichtigste neue Signal kam am 25. August. Boston-Fed-Präsidentin Susan Collins sagte, der KI-Ausbau scheine Aufwärtsdruck auf die Kernwareninflation auszuüben, und warnte, dass ohne anhaltenden Inflationsfortschritt bald eine Straffung angemessen sein könnte. Ihre Boston-Fed-Rede verschiebt den KI-Ausbau von einer Technologiegeschichte in den laufenden geldpolitischen Inflationsrahmen.

Fed-Gouverneurin Lisa Cook hatte den Kanal bereits beschrieben. In ihrer Rede vom 5. August verwies sie auf rasch steigende KI-Capex und Preisdruck bei Halbleitern, High-Tech-Ausrüstung, Software und Utilities. Die Fed sagt nicht, KI sei „die Ursache“ der Inflation. Entscheidend ist: KI-Investitionsnachfrage wird in genau den Kategorien sichtbar, die für die nachhaltige Rückkehr zum 2%-Ziel relevant sind.

International wird das Timing bestätigt. Petra Tschudin von der Schweizerischen Nationalbank sagte, KI könne kurzfristig inflationär wirken, weil Investitionsnachfrage vor der vollen Produktivitätsdividende einsetzt. Der Reuters-Bericht vom 21. August erfasst diese Sequenz.

KI muss nicht die Hauptursache der US-Inflation sein, um zu einem Fed-Problem zu werden. Es reicht, wenn sie den letzten Weg zurück zu 2% am Rand teurer oder langsamer macht.

Später kann KI disinflationär werden, wenn Automatisierung Produktivität hebt und Arbeits- oder Servicekosten je Einheit senkt. Die SIAIntel-These lautet daher nicht „KI ist dauerhaft inflationär“, sondern: Die Bauphase kann inflationär sein, bevor Nutzung und Produktivität disinflationär wirken.

Lange Realzinsen verstärken den Diskontsatz, sind aber kein KI-Ergebnis

Die 30-jährige reale TIPS-Rendite bei FRED lag am 20. August bei ungefähr 2,95%. Das ist relevant, weil Rechenzentren, Erzeugungsanlagen und Übertragungsprojekte mit langer Lebensdauer besonders zinssensitiv sind.

Kausalität bleibt entscheidend: KI-Anleihen haben eine reale 30-Jahres-Rendite nahe 3% nicht „verursacht“. Fiskaldefizite, Treasury-Emissionen, Inflationsunsicherheit, Term Premium, Wachstumserwartungen und globale Duration-Nachfrage sind stärkere Kräfte.

KI fügt dieser staatlichen Duration eine private Schicht hinzu. Sind risikofreier Realzins und Credit Spread gleichzeitig hoch, steigt die Hurdle Rate des marginalen Rechenzentrums. Das Projekt benötigt mehr Auslastung, höheren KI-Umsatz pro Compute-Einheit, billigere Hardware, billigeren Strom oder schnellere Energization.

Wer zahlt, wer profitiert und was Investoren beobachten sollten

Haushalte sollten die Verteilung von Stromkosten beobachten, Industrieunternehmen den Wettbewerb um gesicherte Leistung und Netzausrüstung, Investoren den Abstand zwischen KI-Umsatzwachstum und Kapital- sowie Stromkosten. Die Effekte sind regional verschieden. Marktregeln, PPAs, regulierte Tarife und Projektfinanzierung bestimmen die Lastverteilung.

SIAIntel ACPI v0.2: Druck messen, bevor Wall Street ihn benennt

Der AI Capital Pressure Index (ACPI) von SIAIntel soll den Kapital–Strom–Geldpolitik-Kreislauf als reproduzierbaren Quartalsrahmen messen, ohne falsche Präzision zu erzeugen.

Für den Pilot-Backtest gelten zunächst vorläufige, nicht endgültige Gewichte:

| Komponente | Vorläufiges Gewicht | Gemessener Druck | |---|---:|---| | Wachstum KI-bezogener Netto-Anleiheemissionen | 40% | Externer Kapitalzug der KI-Infrastruktur | | Data-Center-MW-Wachstum / neue firm generation MW | 25% | Ob lieferbare Stromerzeugung mit konzentrierter Last Schritt hält | | Regionale Capacity-/Congestion-Belastung | 15% | Marktpreis der Netzknappheit | | Tech-Spread-Ausweitung gegenüber breitem IG | 10% | Prämie für die Absorption von Technology Credit | | Veränderung der 30-jährigen realen Treasury-Rendite | 10% | Risikofreie Hurdle Rate für Long-Duration-Investitionen |

Die Reihen sollen auf einer konsistenten Quartalshistorie normalisiert werden, vorzugsweise mit winsorisierten z-Scores oder Perzentilrängen. Der erste Backtest soll 2024 Q1 bis 2026 Q2 umfassen und anschließend gegen Core PCE, Technology Spreads und spätere Hyperscaler-Finanzierungsintensität getestet werden.

Das Rohpanel zeigt bereits Druck: Alphabet etwa 115%, Meta 97,5%, Amazon 117% und Microsoft rund 64,6% in den genannten Cash-Capex/OCF-Brücken; PJM-Großhandelskosten +50,3%; Tech-IG über breitem IG; lange Realzinsen nahe 3%.

SIAIntel veröffentlicht jedoch keinen offiziellen ACPI-Kompositwert, bevor die Historie mit konsistenten Definitionen rekonstruiert ist. Eine synthetische 84 oder 90 wäre Scheingenauigkeit. Der Index wird erst wertvoll, wenn ein anderer Analyst ihn Quartal für Quartal reproduzieren kann.

26. August: der Zwei-Variablen-Stresstest

Der nächste Test folgt innerhalb weniger Stunden. Das BEA veröffentlicht laut offiziellem Kalender den Juli-PCE-Bericht am 26. August um 8:30 ET. Später am selben Tag meldet Nvidia Q2 FY2027; laut Nvidia Investor Relations beginnt der Call um 14:00 PT / 17:00 ET.

Die beiden Veröffentlichungen prüfen gegensätzliche Seiten derselben Gleichung: PCE testet das Diskontsatzumfeld; Nvidia testet die Ertragskraft, die den Infrastrukturausbau trägt.

| Juli PCE | Nvidia / KI-Nachfrage | SIAIntel-Lesart | |---|---|---| | Kälter | Stark | Goldilocks AI: Nachfrage bleibt, Zinsdruck lässt nach. | | Heißer | Stark | Wachstum gewinnt, Duration verliert: Nachfrage ist stark, aber Zinsdruck nimmt zu. | | Kälter | Schwach | Finanzierung erleichtert sich, Nachfrage warnt: Makroentlastung kompensiert schwächere Monetarisierung nicht vollständig. | | Heißer | Schwach | Gefahrenquadrant: schwächere KI-Ökonomie trifft auf eine Fed mit wenig Spielraum. |

Im Call sind Kundenfinanzierung, Rubin-Deployment, Data-Center-Readiness, Stromzugang, Garantien, Cloud/Neocloud-Capex und die Frage entscheidend, ob Kunden aggressiver finanzieren müssen, um Kapazität aufrechtzuerhalten.

Die These wird damit falsifizierbar. Kühlt PCE ab, fallen Realzinsen, bleibt KI-Nachfrage stark und wächst Monetarisierung schneller als Finanzierung, lockert sich der Kreislauf. Bleibt Inflation klebrig, während Infrastrukturfinanzierung wächst, wird er enger.

Was würde die These brechen?

Die These schwächt sich ab, wenn KI-Umsatz und Auslastung deutlich schneller als Capex wachsen und die nächste Investitionswelle nachhaltig aus internem Cashflow finanziert werden kann. Stark sinkende Inference-Kosten, höhere Halbleitereffizienz, schnellerer Ausbau von Erzeugung und Übertragung oder normalisierte Transformator-Lieferzeiten würden ebenfalls Druck nehmen.

Auch der Inflationskanal kann scheitern. Senkt Produktivität Arbeits- und Servicekosten schnell genug, kann der disinflationäre Angebotseffekt Strom-, Ausrüstungs- und Baukosten überwiegen. Dann gewinnen Zentralbanken Spielraum, selbst bei hohem KI-Capex.

Niedrigere Treasury-Renditen oder deutlich stärkere Investorennachfrage nach Corporate Duration könnten großes Emissionsvolumen ohne dauerhafte Spread-Ausweitung absorbieren. Und PJM ist regional: Ein Netz mit reichlich Erzeugung und freier Übertragung kann eine völlig andere KI-Kostenkurve haben. ACPI muss nationale Finanzierungsvariablen und regionale Stromvariablen trennen.

Schlussbewertung

Die erste Phase des KI-Booms war Accelerator-Knappheit. Die zweite offenbarte Strom- und Interconnection-Knappheit. Der dritte Engpass ist billiges, geduldiges Kapital. Der entstehende vierte Engpass ist geldpolitischer Spielraum.

Die Daten sagen keinen unmittelbar bevorstehenden KI-Crash voraus. Sie zeigen, dass sich die marginale Ökonomie schneller verändert als die übliche GPU-Nachfrageerzählung.

Derselbe Investitionsdollar berührt jetzt vier Systeme gleichzeitig: Unternehmensbilanzen, Long-Duration-Kreditmärkte, regionale Stromnetze und den von Zentralbanken beobachteten Inflationspfad. Das ist die Verbindung, die SIAIntel sichtbar macht.

Die Kernfrage ist nicht mehr, wie viele GPUs ein Unternehmen kaufen kann. Entscheidend ist, ob der Ertrag des nächsten Compute-Racks schneller wächst als die kombinierten marginalen Kosten aus Kapital, Strom, Netzzugang und Time-to-Power.

Gewinnt KI-Produktivität dieses Rennen, kann die heutige Capex-Welle zur disinflationären Expansion von morgen werden. Wachsen Finanzierungs- und Energiekosten schneller als Monetarisierung, kann der größte Technologie-Investitionszyklus der Geschichte zum geldpolitischen Problem werden, ohne dass zuvor ein einzelner Hyperscaler in finanzielle Not gerät.

SIAIntel Signal

KI-KAPITAL–INFLATIONS-KREISLAUF — AKTIV. Beobachten Sie den Abstand zwischen KI-Umsatzwachstum und den marginalen Kosten von Kapital, Strom, Netzzugang und Time-to-Power — und ob die Fed den KI-Ausbau zunehmend als aktuellen Preiseingang statt als entfernte Produktivitätsgeschichte behandelt.