Das KI-Paradox: Die unterschätzten Gewinner des Effizienz-Booms
#Technologie

Das KI-Paradox: Die unterschätzten Gewinner des Effizienz-Booms

Author

Esma Sakalli

Das Wichtigste in Kürze: 

  • Effizientere KI senkt die Kosten, erhöht aber gleichzeitig die Nutzung.
  • Dadurch wächst der Bedarf an Chips, Strom, Rechenzentren und Netzen.
  • Die wahren Gewinner des KI-Booms könnten daher vor allem Infrastruktur- und Energiewerte sein.

Ein einzelner Tweet, ein Verweis auf ein altes Wirtschaftsgesetz – und plötzlich gerät die Erzählung vom scheinbar ungebremsten KI-Boom ins Wanken. Als Microsoft-Chef Satya Nadella am 27. Januar 2025 schrieb „Jevons paradox strikes again“, war das mehr als eine Randbemerkung. Der Kommentar bezog sich auf eine Marktreaktion, die kurz zuvor durch das chinesische KI-Unternehmen DeepSeek ausgelöst worden war und die Tech-Branche spürbar verunsicherte.

Das Modell R1 des Unternehmens soll mit deutlich geringeren Kosten entwickelt worden sein als vergleichbare Systeme westlicher Anbieter. Die Folge war eine abrupte Neubewertung an den Märkten. Der Chiphersteller Nvidia verlor zeitweise mehr als eine halbe Billion US-Dollar an Börsenwert. Hinter dieser Reaktion stand eine zentrale Frage: Wenn KI plötzlich effizienter wird, sinkt dann nicht automatisch auch der Bedarf an Chips, Rechenzentren und Milliardeninvestitionen?


Das KI-Paradox Das KI-Paradox 


Für Nadella ist genau diese Annahme zu kurz gegriffen. Er argumentiert, dass sinkende Kosten nicht zu weniger Nutzung führen, sondern im Gegenteil zu deutlich mehr Anwendungen. Genau an diesem Punkt setzt das Jevons-Paradoxon an – ein ökonomisches Konzept aus dem 19. Jahrhundert, das heute eine neue Aktualität im Zeitalter der Künstlichen Intelligenz erhält.

Eine Idee aus dem viktorianischen England

Das Jevons-Paradoxon geht auf den britischen Ökonomen William Stanley Jevons zurück. Es beschreibt ein scheinbar widersprüchliches Muster: Wenn eine Ressource effizienter genutzt werden kann, sinkt ihr Gesamtverbrauch nicht zwangsläufig – er kann sogar steigen.

Jevons beobachtete dieses Phänomen im 19. Jahrhundert anhand von Dampfmaschinen in England. Obwohl die Maschinen deutlich weniger Kohle pro Arbeitseinheit verbrauchten, stieg der gesamte Kohleverbrauch stark an. Der Grund war einfach: Die höhere Effizienz machte die Nutzung von Kohle günstiger und dadurch wirtschaftlich attraktiver. Neue Industrien entstanden, Produktion wurde ausgeweitet, und der Gesamtbedarf wuchs deutlich.

KI zeigt das Paradox in Echtzeit

Ein ähnliches Muster scheint sich heute im Bereich der digitalen Infrastruktur zu zeigen. Laut Internationaler Energieagentur stieg der Strombedarf von Rechenzentren im Jahr 2025 um rund 17 Prozent – deutlich schneller als der weltweite Energieverbrauch insgesamt. Prognosen gehen davon aus, dass sich dieser Bedarf bis 2030 auf etwa 945 Terawattstunden nahezu verdoppeln könnte, was ungefähr dem heutigen Stromverbrauch Japans entspricht.

Bemerkenswert ist dabei, dass dieser Anstieg parallel zu massiven Effizienzgewinnen bei KI-Systemen erfolgt. Auf den ersten Blick wirkt das widersprüchlich. Doch aus ökonomischer Sicht ist es konsequent: Sinkende Kosten pro KI-Anwendung führen dazu, dass völlig neue Einsatzfelder entstehen, die zuvor nicht wirtschaftlich waren.

Dazu zählen etwa KI-basierte Lernsysteme, automatisierte Kommunikationsagenten oder Software, die dauerhaft im Hintergrund Prozesse übernimmt. Je günstiger einzelne KI-Aufrufe werden, desto weniger stellt sich die Frage nach ihrer Rechtfertigung. Stattdessen wird Nutzung zur Selbstverständlichkeit – und die Anzahl der Anwendungen steigt stark an.

Überall ist plötzlich billige KI

Mit sinkenden Kosten verändert sich auch das Verhalten von Unternehmen grundlegend. Was früher präzise abgewogen werden musste, wird zunehmend alltäglich. KI wird nicht mehr nur für komplexe Projekte eingesetzt, sondern für Standardaufgaben wie Zusammenfassungen, Übersetzungen oder Kundensupport.

Gleichzeitig entstehen neue Formen der Nutzung. Agentensysteme arbeiten dauerhaft im Hintergrund, multimodale Modelle verbinden Text, Sprache und Bild. Neue Infrastruktur führt dabei selten zu ungenutzter Kapazität – vielmehr erzeugt sie zusätzliche Nachfrage.

Ähnlich wie bei Straßen, die nicht weniger, sondern mehr Verkehr erzeugen, könnte auch der Ausbau von Rechenzentren neue Lasten nach sich ziehen. Genau hier liegt ein möglicher Denkfehler vieler Marktbeobachter nach dem sogenannten DeepSeek-Schock: Sie erwarten sinkenden Bedarf, wo tatsächlich eine Ausweitung der Nutzung stattfindet.

Das LED-Paradox – und die Gewinner des KI-Booms

Ein besonders anschauliches Beispiel liefert die Beleuchtungstechnologie. LED-Lampen reduzieren den Energieverbrauch pro Lichteinheit um rund 90 Prozent gegenüber klassischen Glühlampen. Rein logisch hätte das eigentlich zu einem deutlich geringeren weltweiten Stromverbrauch für Licht führen müssen – weniger Energie pro Einheit, also weniger Gesamtverbrauch.

Tatsächlich hat sich jedoch das Gegenteil gezeigt. Weil Licht durch LEDs so günstig wurde, hat sich seine Nutzung massiv ausgeweitet. Städte sind heute heller, digitale Werbeflächen dominieren ganze Fassaden, Flughäfen und Einkaufszentren inszenieren sich rund um die Uhr in Lichtlandschaften. Der einzelne Lichtpunkt wurde effizienter – doch die Gesamtmenge an Licht ist gestiegen.


Vom LED.Paradox zum KI-BoomVom LED.Paradox zum KI-Boom


Überträgt man dieses Muster auf Künstliche Intelligenz, zeigt sich ein ähnliches Bild. Der einzelne KI-Aufruf wird billiger und leistungsfähiger, gleichzeitig wächst jedoch die Zahl der Anwendungen exponentiell. Was früher ein teurer Spezialfall war, wird zunehmend zur Standardfunktion – in Suchprozessen, in Unternehmenssoftware, im Kundendienst oder in der Content-Produktion. Die digitale Welt wird dadurch nicht sparsamer, sondern dichter und stärker von KI durchzogen.

Leseempfehlung: SaaS-Apokalypse? Nein, danke! Diese Aktie wächst in der KI-Krise

Diese Verschiebung hat inzwischen auch eine zweite, eher unterschätzte Konsequenz für die Kapitalmärkte. Die zwischenzeitliche Angst vor einer sogenannten SaaS-Apokalypse – also der Idee, klassische Software-as-a-Service-Modelle könnten durch KI vollständig verdrängt werden – ist zuletzt spürbar abgeflaut. Stattdessen setzt sich zunehmend die Sicht durch, dass KI Software nicht ersetzt, sondern sie eher auflädt, beschleunigt und verbreitert. Viele Geschäftsmodelle werden dadurch nicht obsolet, sondern zunächst komplexer, später oft skalierbarer.

Gleichzeitig verschiebt sich der Blick der Investoren. Während Software-Titel kurzfristig entlastet wirken, rücken zunehmend die physischen Engpässe des KI-Ausbaus in den Vordergrund: Strom, Netze, Rechenzentren und vor allem Halbleiterkapazitäten. Genau hier entsteht eine neue Form von Engpassökonomie, in der nicht die Anwendungsschicht, sondern die Infrastruktur zur entscheidenden Größe wird.

In diesem Kontext werden Hardware- und Infrastrukturwerte immer stärker diskutiert – von Chipdesignern bis hin zu Energie- und Netzbetreibern. Der deutsche Investor und KI-Analyst Leopold Aschenbrenner steht exemplarisch für diese Perspektive. Er setzt im großen Stil auf die strukturellen Gewinner der physischen KI-Expansion – insbesondere im Energiesektor und bei Infrastrukturthemen – während er zugleich große Teile des Chipsektors wie etwa Nvidia, AMD oder Broadcom kritisch bewertet oder shortet.

Leseempfehlung: 14 Milliarden mit 25 – diese Aktien hält Leopold Aschenbrenner!


Profiteure des KI-BoomsProfiteure des KI-Booms


Die großen Tech-Konzerne selbst verstärken diese Dynamik zusätzlich. Microsoft, Amazon, Alphabet, Meta und Apple investieren bereits in einem historischen Maßstab in KI-Infrastruktur. 2025 summierten sich diese Ausgaben auf mehr als 400 Milliarden US-Dollar – ein Volumen, das nur dann logisch erscheint, wenn Effizienz nicht zu Sparsamkeit führt, sondern zu noch mehr Nachfrage.

Die Grenzen liegen nicht in der Software

Doch das Jevons-Paradoxon ist kein Naturgesetz. Es beschreibt ein wirtschaftliches Muster, das an reale Grenzen stößt. Stromnetze müssen ausgebaut werden, Genehmigungsverfahren dauern, und Rohstoffe bleiben begrenzt. Die eigentliche Bremse des KI-Booms liegt deshalb möglicherweise weniger in der Software als in der physischen Infrastruktur.

Damit verschiebt sich die grundlegende Perspektive erneut. Die KI mag in der Cloud entstehen, doch ihr Wachstum hängt an sehr realen Faktoren wie Energie, Kühlung und Netzen. Je effizienter die Technologie wird, desto größer kann ihr physischer Fußabdruck werden.

Die entscheidende Frage lautet daher nicht, ob KI effizienter wird. Das ist nahezu sicher. Entscheidend ist vielmehr, wie stark die Nutzung wächst, sobald sie günstig genug wird – und ob genau diese Effizienz den Boom nicht bremst, sondern weiter beschleunigt.

Leseempfehlung: Vom Kühlschrank zum Supercomputer – der geheime KI-Gewinner aus China

Author

Esma Sakalli

Schlagzeilen

Es wurde noch keine Einwilligung erteilt.

Du musst zuerst zustimmen, um Inhalte von TradingView zu sehen.