Die Einführung von KI in US-Unternehmen zeigt eine deutliche Kluft zwischen den Branchenriesen – den großen Tech-Unternehmen – und dem Rest der Konzerne. Ein aktueller Bericht der Investmentfirma Apollo, erstellt von ihrem Chefvolkswirt Torsten Slok, legt nahe, dass diese Technologie bisher keinerlei greifbare finanzielle Rendite für Unternehmen außerhalb des Technologiebereichs erbracht hat.
Wirtschaftsdaten deuten darauf hin, dass während die Einnahmen pro Mitarbeiter und die Gewinnmargen innerhalb der Gruppe der sieben Giganten (Apple, Microsoft, Amazon, Alphabet, Meta, NVIDIA und Tesla) weiter steigen, beide Kennzahlen im S&P 493, dem Segment, das die übrigen börsennotierten Unternehmen des S&P 500 umfasst, völlig stagniert bleiben.
Gleichzeitig hebt die Analyse hervor, dass es auch keine messbaren Hinweise darauf gibt, dass KI das generelle Produktivitätswachstum der US-Wirtschaft antreibt. Eindrucksvoll ist, dass gerade jene Unternehmen mit den größten Rentabilitätsgewinnen aus KI diejenigen sind, die am stärksten in diese Technologie investiert haben und am stärksten darauf angewiesen sind, dass sich ihre Verbreitung über die allgemeine Nutzung erstreckt.
Die Ausgaben für Rechenleistung wandern vom Einnahmentreiber zum Kostenzentrum
Wie zu erwarten, führt dieses Fehlen einer Spiegelung in der Bilanz dazu, dass traditionelle Unternehmen ihre Ausgaben in diesem Bereich zu drosseln beginnen. Praktisch haben sich die wiederkehrenden Ausgaben für Tokens von einer wachstumsorientierten Investition zu Betriebskosten verwandelt, die die Handelsmargen verringern.
Und anders gesagt: Im Unterschied zu von Risikokapital finanzierten Start-ups fordern nicht-technologische Konzerne nicht die neuesten Frontier-Modelle und sind nicht bereit, deren Kosten zu übernehmen. Mit anderen Worten sehen sie wenig Anreize, ihre Arbeitsabläufe so anzupassen, dass sie das jeweils neueste Modell von Anthropic, OpenAI oder Google verwenden. Diese Tendenz passt zur Forderung der führenden KI-Verantwortlichen, die Entwicklung jener Frontier-Modelle zu bremsen. Wenn die Nachfrage gering ist, wird der Geldverschwendungsaufwand für deren Training umso untragbarer.
Die Apollo-Studie argumentiert, dass KI zwar bei präzisen Aufgaben der strukturierten Berechnung zuverlässig funktioniert, Geschäftsentscheidungen jedoch menschliches Urteilsvermögen, Kontext und Verantwortungsübernahme erfordern. Faktoren wie Vertrauen, interne Richtlinien und ethische Fragestellungen beeinflussen unmittelbar das Reputationsrisiko einer Marke und deren Umsatz.
Aus diesem Grund wird die reale makroökonomische Wirkung der Technologie nicht von den großen Tech-Firmen definiert, sondern von der zukünftigen Fähigkeit des S&P 493, eine Rechenleistung, die erschwinglicher werden sollte, in eine greifbare Steigerung der Margen umzusetzen.
