Die Basisprognose von Goldman Sachs in Höhe von 7,6 Billionen US-Dollar an Ausgaben für künstliche Intelligenz (KI) hängt letztlich davon ab, wie lange KI-spezifischer Silizium in der Praxis noch nützlich bleibt. Dezentrale Netzwerke versprechen erhebliche Kosteneffizienzen, kämpfen jedoch weiterhin mit Latenzproblemen, und Experten sind der Ansicht, dass ihre langfristige Tragfähigkeit davon abhängen wird, Verifizierbarkeit gegenüber reiner Performance zu priorisieren.**
- Zentrale Erkenntnisse:
-
- Goldman Sachs nennt einen Spend von 7,6 Billionen bis 2031, abhängig davon, ob Chips länger als 3 Jahre halten.
-
- StealthEX- und Cysic-Experten warnen, dass die DePIN-Latenz dezentrale KI auf Batch-Jobs statt Live-Chat beschränkt.
-
- Onchain-Unternehmen wie Maple könnten die Lücke $5M to $50M -Kredit für Tier-2-Rechenzentren bis 2028 überbrücken.
Die 7,6-Billionen-US-Dollar-Baseline
Ein aktueller Bericht von Goldman Sachs verlagert die Debatte von der Frage, ob eine Nachfrage nach künstlicher Intelligenz (KI) existiert, hin zu den Faktoren auf der Angebotsseite, die die tatsächlichen Kosten des Ausbaus bestimmen werden. Der Bericht prognostiziert 7,6 Billionen US-Dollar an KI-Capex als Baseline, betont aber, dass diese Zahl stark von „Swing-Variablen“ abhängt, einschließlich der nutzbaren Lebensdauer von KI-Silizium.
Diese Langlebigkeit wird als der kritischste Faktor angesehen, weil schnelle Innovation Standardchips – die typischerweise vier bis sechs Jahre halten – innerhalb von drei Jahren veralten lassen könnte, was die Kosten massiv in die Höhe treiben würde. Umgekehrt könnte ein „Tiered-Modell“, bei dem ältere Chips für einfachere Aufgaben wie Inferenz wiederverwendet werden, die Kosten stabilisieren.
Die Komplexität von Rechenzentren und die Elastizität der Rechenleistungsnachfrage sind weitere Variablen, die wahrscheinlich beeinflussen, wie viel Kapital in der nächsten Fünf-Jahres-Phase in KI-Infrastruktur fließt. Engpässe bei der Kapazität des Stromnetzes, spezialisierte Arbeitskräfte und elektrische Ausrüstung werden ebenfalls als Faktoren betrachtet, die den Ausbau verlängern.
Ein separater Bericht rahmt diese enorme Infrastruktur-Ausgabe hingegen als Eckpfeiler einer entstehenden „Machine Economy“. In diesem Paradigma werden KI-Agenten zu den wichtigsten wirtschaftlichen Akteuren, führen Transaktionen mit hoher Frequenz aus und steuern die Allokation von Ressourcen unabhängig. Die Autoren des Berichts argumentieren, dass bestehende Finanzsysteme, die durch langsame Abrechnungszyklen und starre Know-your-customer-(KYC)-Rahmenwerke geprägt sind, für die Geschwindigkeit des agentischen Handels grundsätzlich nicht geeignet seien.
Dezentrale Infrastruktur und das Latenz-Dilemma
Dementsprechend positioniert er Krypto und dezentrale Protokolle als unverzichtbare, permissionless „wirtschaftliche Schienen“, um diesen Wandel zu ermöglichen. Skeptiker bleiben jedoch misstrauisch und fragen, ob dezentrale physische Infrastrukturnetzwerke (DePINs) die explodierenden KI-Kapitalanforderungen wirklich abmildern können.
Vadim Taszycki, Head of Growth bei StealthEX, stellt fest, dass dezentrale Netzwerke zwar erhebliche Kosteneinsparungen bieten können, aber physische Grenzen haben. Während ein dezentraler Anbieter wie Akash eine H100-GPU für 1,48 US-Dollar pro Stunde vermieten könnte, statt 12,30 US-Dollar bei Amazon Web Services, liegt der Nachteil in der Geschwindigkeit.
„Die großen Cloud-Anbieter können [schnell arbeiten], weil ihre GPUs nebeneinander in einem Gebäude stehen, verbunden durch spezielle Kabel, die Daten in Mikrosekunden übertragen“, sagte Taszycki. Er erklärte, dass dezentrale Netzwerke, die GPUs über verschiedene Länder hinweg über das öffentliche Internet miteinander verknüpfen, zusätzliche Millisekunden an Verzögerung verursachen. Diese Latenz macht dezentrale Orchestrierung wettbewerbsfähig für Batch-Jobs und Feinabstimmung, aber ungeeignet für das Bereitstellen von hochskalierten, Live-Chatbots, bei denen das Nutzererlebnis von nahezu sofortigen Reaktionen abhängt.
Leo Fan, Gründer von Cysic, spiegelte diese Einschätzungen und betonte, dass dezentrale Inferenz nicht für Low-Latency-Workloads geeignet sei. Fan argumentierte jedoch, dass Latenz der falsche Maßstab sei, um dezentrale Plattformen mit Hyperscalern wie AWS zu vergleichen.
„Das harte Problem ist nicht verteiltes Compute, sondern Discovery, Scheduling und Attestation. Die Einbuchtung ist nicht Preis pro Token; es ist Verifizierbarkeit“, sagte Fan. Er stellte fest, dass Trusted Execution Environments (TEEs) und Zero-Knowledge-(ZK)-Attestierungen dezentralen Netzwerken ermöglichen, in Bereichen mitzuwettbewerben, in denen Vertrauen und Verifikation wichtiger sind als „Tail-Latenz.“
Onchain-Kredit und die Finanzierungslücke
Jenseits des Computings verlagert sich der Fokus darauf, wie diese kapitalintensiven Projekte finanziert werden. Während traditioneller privater Kredit ausreichend Kapital bereitstellt, übersieht er oft kleinere oder nicht-standardisierte Deals. Onchain-Kredit bietet besondere Vorteile, etwa indem er Retail-Investoren die Beteiligung an den Rechenzentrums-Einnahmen ermöglicht, die bislang auf institutionelle Limited Partners beschränkt waren. Darüber hinaus können Plattformen wie Maple und Centrifuge Darlehen im Bereich von 5 Millionen bis 50 Millionen US-Dollar syndizieren – eine Spanne, die von Firmen wie Apollo häufig ignoriert wird, weil die Underwriting-Kosten im Verhältnis zu den Gebühren hoch sind.
Schließlich ermöglicht Onchain-Kredit neuartige „Pay-per-Inference“-Modelle, bei denen die Einnahmen mit der GPU-Nutzung schwanken. Solche Modelle passen natürlicher in tokenisierte Revenue-Share-Strukturen als in starre 20-jährige klassische Leasingverträge.
Trotz dieses Potenzials identifizieren Experten vier „Gates“, die sich weiterhin für eine institutionelle Übernahme verschlossen halten: rechtliche Durchsetzbarkeit in Insolvenzgerichten, das Fehlen einer manipulationssicheren Oracle-Infrastruktur zur Bedienung von Covenants, regulatorische Unsicherheit für Tranchen im Milliardenbereich sowie nicht standardisierte Steuer- und Rechnungslegungsprodukte.
Der Konsens deutet auf einen realistischen Zeitrahmen von 12 bis 24 Monaten hin, damit mittelgroße, syndizierte Deals auf Onchain an Zugkraft gewinnen; Schulden für mezzanines mit Mehrheitsbeteiligung auf Onchain dürften voraussichtlich erst in drei bis fünf Jahren folgen. Die ersten Durchbrüche werden vermutlich von Tier-2-Operatoren kommen, nicht von Branchenführern wie Coreweave.
