Wer bezahlt die Revolution der künstlichen Intelligenz, und wer erhält die Erträge? Die Frage klingt wie ein Wettstreit zwischen Ländern. Es handelt sich jedoch in erster Linie um drei verschiedene Bilanzen: die des Investors, der die Rechenleistung finanziert, die des Unternehmens, dem die daraus resultierende Infrastruktur gehört, und die des Kunden, der KI nutzt, um etwas Wertvolles zu produzieren. Ihre Erträge müssen nicht zwangsläufig übereinstimmen.
Die Kosten sind sichtbar. Die Erträge sind schwerer zu lokalisieren.
Laut dem Stanford AI Index 2026 beliefen sich die privat erfassten Investitionen in KI im Jahr 2025 in den Vereinigten Staaten auf etwa 285,9 Milliarden US-Dollar und in China auf 12,4 Milliarden US-Dollar. Dies ist ein Vergleich der erfassten privaten Investitionen, nicht der gesamten chinesischen oder amerikanischen Ausgaben. Wichtige Finanzierungswege des öffentlichen Sektors bleiben dabei unberücksichtigt, und gesellschaftliche Erträge werden nicht gemessen.
Die Internationale Energieagentur berichtet, dass die Investitionsausgaben von fünf großen Technologieunternehmen im Jahr 2025 400 Milliarden US-Dollar überstiegen und für 2026 ein weiteres Wachstum prognostiziert wurde. Diese Zahlen betreffen hauptsächlich, aber nicht ausschließlich, Rechenzentren. Sie sind kein reiner Maßstab für KI-Investitionen. Die Kosten eines Rechenzentrums stellen eine Ausgabe dar; weder die Produktivität eines KI-Nutzers noch der Gewinn des Infrastrukturbesitzers lassen sich allein aus dieser Ausgabe ableiten.
Amerikanische Unternehmen zahlen nicht lediglich die Rechnung für alle anderen. Sie besitzen auch Vorzeigeunternehmen, Vertriebskanäle und einen Großteil der Rechenkapazität. Eine Schätzung von Epoch AI schrieb Ende 2025 etwa 71 % der weltweiten KI-Rechenleistung, gemessen in H100-Äquivalenten, fünf großen amerikanischen Hyperscalern zu. Die Schätzung stützt sich auf unvollständige Daten zur Eigentümerschaft und eine gewählte Metrik für Rechenäquivalente; es handelt sich um eine Einschätzung der strategischen Konzentration, nicht des Gewinns oder der Kontrolle über jede einzelne Komponente der Branche.
China liegt nicht weit hinter den USA zurück
Chinas niedrigerer Gesamtwert an erfassten privaten Investitionen ist weder ein vollständiger Maßstab für seine Finanzierung noch ein Beweis dafür, dass es technologisch nicht konkurrenzfähig ist. Chinesische Forschungslabore veröffentlichen umfangreiche Modellforschungsergebnisse, darunter das technische Papier zu DeepSeek-R1. Die technische Leistungsanalyse der Stanford University kommt zu dem Ergebnis, dass die Leistungslücke zwischen US-amerikanischen und chinesischen Modellen bei den ausgewählten Vergleichen im einstelligen Bereich blieb. Unterschiedliche Messgrößen für Leistungsfähigkeit, Offenheit und Zeitpunkt der Veröffentlichung können zu unterschiedlichen Beschreibungen der Kluft führen; keine davon allein bestimmt einen Sieger beim kommerziellen Einsatz.
China verfügt zudem über eine ungewöhnlich große Basis im Bereich der industriellen Automatisierung. Die International Federation of Robotics berichtete, dass China im Jahr 2024 54 % der weltweiten Installationen von Industrierobotern ausmachte. Roboterinstallationen sind zwar kein Indikator für die Einführung generativer KI, sie zeigen jedoch das Ausmaß der industriellen Systeme an, in die zukünftige KI-Fähigkeiten integriert werden könnten.
Die kommerzielle Rentabilität ist eine weitere Frage. Die Analyse chinesischer KI-Unternehmen durch Epoch AI vom Oktober 2026 beschreibt ein Spannungsverhältnis zwischen der breiten Einführung von Modellen mit offenen Gewichten und der Preissetzungsmacht des Unternehmens, das diese trainiert hat. Die Verbreitung eines Modells kann ein technologischer Erfolg sein, während sie für den ursprünglichen Entwickler vergleichsweise wenig Umsatz generiert.
Günstigere KI kann Käufern und Anbietern gleichermaßen helfen
Die Inferenzpreis-Analyse von Epoch AI dokumentiert sehr starke, aber ungleichmäßige Rückgänge bei den Kosten für das Erreichen ausgewählter Benchmark-Leistungsschwellen. Ein sinkender Preis für eine feste Leistungsfähigkeit bedeutet nicht zwangsläufig, dass der gesamte KI-Markt schrumpfen wird. Wenn niedrigere Preise genügend Nachfrage freisetzen, können die Gesamtausgaben für KI-Dienste und -Infrastruktur weiter steigen, selbst wenn einzelne Aufgaben billiger werden.
Ebenso garantieren sinkende Stückkosten keine rentable Investition. Die Betreiber sehen sich weiterhin mit Energiekosten, Netzwerk- und Immobilienverpflichtungen, Finanzierungskosten sowie dem Austausch schnell veraltender Hardware konfrontiert. Wenn Kunden den Löwenanteil des Nutzens für sich beanspruchen, während der Preiswettbewerb die Anbieter daran hindert, ihre Kapitalkosten wieder hereinzuholen, kann eine Technologie die Wirtschaft verändern, ohne dass jede Infrastrukturinvestition erfolgreich ist.
Der globale Gewinn ist nicht automatisch
Man ist versucht zu sagen, dass Länder ohne Spitzenforschungslabore einfach günstige Intelligenz importieren und so zu den größten Gewinnern werden können. Für bestimmte Unternehmen und Aktivitäten ist dies möglich. Eine Untersuchung des IWF zur „Intelligenzkluft“ legt jedoch nahe, dass die entscheidende Lücke in der Fähigkeit liegen könnte, verfügbare Technologie in dauerhafte Produktivität umzuwandeln: Humankapital, organisatorische Kapazitäten, Infrastruktur und Institutionen bleiben entscheidend. Es handelt sich um ein Arbeitspapier, und sein Modell stellt keine beobachtete globale Verteilung künftiger Gewinne dar.
Ein zweites IWF-Arbeitspapier beziffert die derzeit durch KI eingesparte Zeit auf 2,7 Billionen US-Dollar jährlich, ausgedrückt als Arbeitskostenäquivalent. Das ist ein nützlicher Indikator für die Größenordnung. Es handelt sich dabei nicht um realisiertes BIP, Unternehmensgewinne oder Barerträge für Investoren in Rechenzentren. Die eingesparte Zeit muss von zusätzlichen Umsätzen, Gewinnen und allgemeinem Wohlstand unterschieden werden.
Eine einflussreiche Feldstudie zum Einsatz von KI-Unterstützung im Kundenservice ergab eine messbare Verbesserung bei der Anzahl der pro Stunde gelösten Fälle, insbesondere bei weniger erfahrenen Mitarbeitern. Dies ist ein Beleg für einen begrenzten betrieblichen Nutzen, jedoch kein Beweis dafür, dass derselbe Prozentsatz auch für Fabriken, Regierungen oder ganze Volkswirtschaften gilt.
Drei Bilanzposten, die nicht zusammengefasst werden sollten
Die erste Größe ist die finanzielle Rendite: Bargeld, das letztlich bei den Investoren verbleibt, die Chips, Rechenzentren und KI-Unternehmen finanzieren, abzüglich Betriebskosten, Abschreibungen und Finanzierungskosten. Der zweite ist der Produzentenwert: die zusätzliche Leistung oder Kostensenkung, die Unternehmen durch den Einsatz von KI in realen Arbeitsabläufen erzielen. Der dritte ist die Konsumentenrente: Vorteile, die den Nutzern zugutekommen, ohne notwendigerweise als Einnahmen der Anbieter zu erscheinen. Diese Größen überschneiden sich in der allgemeinen Diskussion, beantworten jedoch unterschiedliche Fragen.
Die Struktur ist grenzüberschreitend. US-Unternehmen entwickeln führende Chips, asiatische Unternehmen fertigen viele davon, spezialisierte Zulieferer liefern Ausrüstung, internationale Investoren finanzieren Projekte und Kunden weltweit nutzen die Dienste. Die gesamte Investitionssumme als „amerikanisch“ oder die gesamte Diffusionsdividende als „ausländisch“ zu bezeichnen, ignoriert sowohl die Eigentumsverhältnisse als auch die Wertschöpfungsketten.
Der stärkste Einwand
Die Hypothese, dass KI-Nutzer den Großteil der Gewinne für sich verbuchen werden, könnte sich als falsch erweisen. Knappe, hochwertige Rechenleistung, Verteilungsmacht, proprietäre Daten, Integrationskosten und langfristige Verträge könnten es Infrastruktur- und Plattformbesitzern ermöglichen, ihre Margen zu sichern. Sinkende Kosten könnten eine Nachfrage anregen, die das Angebot nicht decken kann. Selbst Unternehmen, die KI-Dienste erwerben, könnten Schwierigkeiten haben, ihre Arbeitsabläufe neu zu organisieren und die Einsparungen zu realisieren.
Ein zweiter Einwand geht in die andere Richtung: Einige der am häufigsten wiederholten Zahlen beziehen sich auf Investitionszusagen, Bruttoeinnahmen oder Referenzpreise und nicht auf geprüfte Netto-Cashflow-Generierung. Die vorliegenden Belege belegen bislang weder, dass eine KI-Investitionsblase platzen wird, noch dass die heutigen Projekte attraktive Renditen erzielen werden. Prognosen für 2027–2030 bleiben Szenarien, keine feststehenden Ergebnisse.
Der Test für die kommenden Jahre
Fragen Sie bei jeder größeren KI-Investition: Wem gehört der Vermögenswert, welchen wiederkehrenden Cashflow erwirtschaftet er nach Betriebs- und Kapitalkosten, wer integriert das Modell in produktive Arbeit und welchen messbaren Nutzen erhält der Endnutzer tatsächlich? Verfolgen Sie jedes Konto separat, länderübergreifend und über einen längeren Zeitraum hinweg.
Die KI-Revolution könnte ihre Entwickler, ihre Geldgeber, ihre Nutzer oder eine Kombination aus allen dreien belohnen. Die irreführendste Antwort besteht darin, technischen Erfolg, Erfolg für Investoren und allgemeinen Wohlstand als dasselbe Ergebnis zu betrachten.
Quelle und Stand: 12. Oktober 2026. Adaptiert aus dem vom Autor zur Verfügung gestellten tschechischen Aufsatz „Kdo zaplati AI revoluci – a kdo na ni skutecne vydela?“, datiert vom 10. Oktober 2026. Bei den Investitions- und Rechenleistungszahlen handelt es sich um geschätzte Werte, nicht um vergleichbare Maße für die nationale Wohlfahrt oder garantierte Renditen. IMF-Arbeitspapiere geben nicht die offizielle Politik des IWF wieder. Die Unterscheidung in drei Konten ist ein analytischer Rahmen. Die öffentliche Evidenzprüfung für die Veröffentlichungsversion 1 ist abgeschlossen; eine begleitende Evidenzprüfung ist in der öffentlichen Untersuchung verfügbar. Es wurden keine Korrekturen verzeichnet.