Die KI-Revolution hat ihr Gesicht verändert. Anfangs ging es vor allem um die Cloud und vieles fand im Sillicon Vallye und anderen Technologieknoten statt. Heute stehen die Reindustrialisierung und wirtschaftliche Umstrukturierungen im Mittleren Westen, Südwesten und im Nordosten des Landes im Mittelpunkt. Die Suche nach Standorten mit ausreichend Land, Zugang zu zahlreichen Energiequellen und qualifizierten Arbeitskräften hat zu einer enormen Bautätigkeit in Arizona, Texas, Louisiana, Ohio und einer Vielzahl anderer Staaten geführt.
Ein Beispiel ist Columbus in Ohio, das vom KI-Boom profitiert. Hier wurden im Vorort New Albany über 40 Datenzentren auf über 3.600 Hektar Fläche gebaut. Alle Magnificent 7 sind mit Datenzentren in New Albany vertreten, und Intel baut für 28 Milliarden Dollar im selben Industriegebiet eine Halbleiterfabrik.
„Ich habe schon früh in meiner Laufbahn gelernt, dass man 10% Wachstum erst dann glauben darf, wenn man es mit eigenen Augen sieht. Deshalb sind wir gespannt, was aus den Milliardeninvestitionen wird“ sagt Dane Mott, Finanzanalyst von Capital Group, unter dessen Leitung Ende 2024 eine Gruppe von Volkswirten und Politikanalysten Columbus besuchte. „Wir sahen massenweise Kräne, die in den Himmel ragten, mit Abraum beladene Schwerlaster auf den Highways und Baustellen, wohin man blickte.
Es erinnerte mich an meine Reisen nach China vor 20 Jahren“, sagt Mott. „Diese weiten Flächen – ehemals Ackerland und Natur – verwandeln sich scheinbar vor unseren Augen", fügt er hinzu.
Solche Projekte auf dem Land sorgen für Nachfrage, nicht nur nach hochmodernen Halbleitern und anderen wichtigen Technologien, sondern auch nach Strom, elektrischer Ausrüstung, Kühlsystemen, Land und qualifizierten Arbeitskräften.
2. Die Nachfrage lässt nicht nach, sie verschiebt sich
Nach den Berichten im Februar, dass Microsoft einige seiner Datencenter-Pläne auf Eis legt, stellt sich die Frage, ob der KI-Ausbau seinen Höhepunkt erreicht hat.
„Ich denke, die Nachfrage verschiebt sich. In der Industrie ist sie ungebrochen“, sagt Investmentanalyst Nate Burggraf, verantwortlich für US-Industrieunternehmen, die am Bau von Datenzentren beteiligt sind. „Die Nachfrage nach Energiequellen, elektrischer Ausrüstung, HVAC-Systemen und Arbeitskräften ist nach wie vor höher als das Angebot.“
Microsoft hat gesagt, es plane nach wie vor, in diesem Jahr 80 Milliarden US-Dollar in Datenzentren zu investieren, und auch andere Hyperscaler investieren immer noch in großem Umfang. Der Datenbankriese Oracle und der japanische Technologieinvestor Softbank bauen zusammen mit OpenAI Campus, und Meta berichtete über sein Vorhaben, im Nordosten Louisianas ein 2,2-Gigawatt-Datenzentrum für 10 Milliarden US-Dollar zu errichten.
Die Nachricht von Microsoft scheint kein Hinwies auf eine Änderung der Art seiner KI-Investitionen, erklärt Burggraf. Es gibt zwei KI-Workloads: Trainingsmodelle, die der Kern der KI sind und Inferenzmodelle, die in der Regel kleinere, regionalere Rechenzentren mit unterschiedlichen Rechen- und Leistungsanforderungen erfordern.
Und dann ist da noch der Durchbruch von DeepSeek. Hier geht es um Trainingsmodelle, die kostengünstiger und mit weniger modernen Chips entwickelt wurden. Auch wenn die Nachrichten Hyperscaler nicht davon abgehalten haben, viel zu investieren, werden effizientere Datenzentren vermutlich Folgen für Industrieunternehmen in der gesamten Wertschöpfungskette haben.
„Diese Entwicklung könnten das Auftragswachstum und die Preismacht einiger Zulieferer von Kühl- und elektronischer Ausrüstung belasten“, fügt Burggraf hinzu. „Deshalb müssen Investoren ab jetzt sehr genau hinsehen“.
3. Folge den Engpässen
Wo wird innerhalb der Datencenter-Lieferkette am meisten investiert?
Die Datenzentren, also das Rückgrat der KI und der digitalen Wirtschaft insgesamt, sind unterschiedlich konzipiert. Sie können zwischen 200.000 und einer Million Quadratfuß groß sein, und ihr Bau kann Milliarden von Dollar kosten, wobei das meiste für die Technologie, also auch für Server und riesige Mengen von Halbleiter gebraucht wird. Sie müssen Zugang zu viel Strom haben, weil die KI-Ausrüstung sieben oder acht mal so viel Energie benötigt wie die Cloud und andere weniger komplexe Computing-Aufgaben.