Die bahnbrechenden Zahlen von NVIDIA und Oracles gigantischer Auftragsbestand signalisieren, dass der Markt die KI-Revolution unterschätzt. TraderFox zeigt Ihnen, warum die KI-Konsequenzen weit über den Technologiesektor hinausgehen und welche Aktien in den Bereichen Energie, Infrastruktur und Bergbau Sie als Anleger jetzt auf dem Radar haben sollten.
Laut einem Bericht der Investmentbank Jefferies herrschte auf einer kürzlich in New York abgehaltenen Konferenz für Industrie und Materialien eine überwiegend pessimistische Stimmung. Eine Ausnahme bildeten jedoch Unternehmen, die in den drei Endmärkten Rechenzentren, Strom/Netze sowie Luft- und Raumfahrt/Verteidigung (Aerospace & Defense, A&D) stark vertreten sind.
Zum Thema Rechenzentren gab ein US-amerikanischer Baustoffhändler, den Jefferies konsultierte, an, dass er im Mai 90 "Mega"-Rechenzentrumsprojekte in den USA im Bau verfolgt hatte. Heute liegt diese Zahl bei 300, was die ursprünglichen Erwartungen bei Weitem übertrifft.
Die Unterschätzung der KI-Nachfrage
Jefferies zufolge gibt es einen weiteren Datenpunkt, der darauf hindeutet, dass der Konsens den kurz- und längerfristigen Aufschwung von KI-Rechenzentren erheblich unterschätzt: Der Hyperscaler Oracle meldete einen Auftragsbestand von 455 Mrd. USD, ein Anstieg von 359 % im Vergleich zum Vorjahr, was eine enorme Beschleunigung gegenüber dem Wachstum von 41 % im vierten Quartal des letzten Geschäftsjahres (F4Q) darstellt. Der Auftragsbestand ist im Quartalsvergleich um 230 % (317 Mrd. USD pro Quartal) gestiegen.
Oracle erwartet, dass der Umsatz seines Cloud-Infrastruktur-Segments (OCI – Oracle Cloud Infrastructure) im Geschäftsjahr 2026 um 77 % auf 18 Mrd. USD wächst und dann bis zum Geschäftsjahr 2030 auf 144 Mrd. USD steigt. Dies impliziert eine durchschnittliche jährliche Wachstumsrate von rund 70 % gegenüber den 10,2 Mrd. USD des Geschäftsjahres 2025. Der Konsens lag bei 91 Mrd. USD OCI-Umsatz für das Geschäftsjahr 2030, sodass Oracles Ziel von 144 Mrd. USD den Konsens um rund 53 Mrd. USD übertrifft.
In dieser Woche veröffentlichte Jefferies ein Update zur Angebots- und Nachfrageaussicht für Rechenzentren. Die Ergebnisse von NVIDIA unterstreichen einen weiterhin aggressiven langfristigen Ausbau der KI-Infrastruktur, wobei Jensen bis 2030 jährliche Investitionsausgaben in Höhe von 3-4 Billionen USD prognostiziert. Basierend auf dieser Prognose glauben die Analysten von Jefferies, dass NVIDIA eine durchschnittliche jährliche Wachstumsrate von etwa 40 % bei den Rechenzentrums-Investitionen annimmt, was einer Nachfrage von 60 GW im Jahr 2030 entspricht.
Diese Zahl liegt deutlich über der McKinsey-Prognose von 31 GW und den eigenen Schätzungen von Jefferies von 25 GW. Sollten die Prognosen von NVIDIA zutreffen und der Auftragsbestand von Oracle tatsächlich geliefert werden, ergeben sich daraus klare Konsequenzen für verschiedene Sektoren, so die Analyse von Jefferies.
Die Profiteure in verschiedenen Sektoren
Angesichts rekordverdächtig niedriger Leerstände und begrenzten Angebots sehen die Analysten von Jefferies die führenden Rechenzentrums-REIT-Betreiber wie Digital Realty Trust und Equinix als gut positioniert, um zu profitieren, günstige Leasingbedingungen zu sichern und Entwicklungsrenditen von 10-15 % zu erzielen.
Digital Realty Trust bleibt Jefferies' Top-Pick, da das Unternehmen bei Leasingvolumen von über 1 MW führend ist und von Hyperscaler-Leasingverträgen sowie starken Verlängerungsraten durch 2029 profitiert. Jefferies ist auch in Australien positiv gegenüber Nextracker und Graphene Manufacturing Group sowie Segro im Vereinigten Königreich gestimmt.
Um vom Energiebedarf der Rechenzentren zu profitieren, favorisieren die Analysten von Jefferies bei den Versorgern Xcel Energy Inc., Evergy Inc., CenterPoint Energy Inc. und Pinnacle West Capital Corp.. Bei den unabhängigen Stromerzeugern (IPPs) gehören NRG Energy Inc., Vistra Corp, Talen Energy Corp und Ta Chen International Inc. zu den Top-Picks. In der Industriegruppe sind die Analysten weiterhin der Meinung, dass die mittelfristigen Schätzungen für PWR Holdings Ltd., Vertiv Holdings Co., General Electric Vernova, Siemens Energy AG, Eaton Corporation plc, Schneider Electric SE und andere zu niedrig sind. Jefferies weist zudem darauf hin, derzeit den Börsengang (IPO) von Legence durchzuführen, einem der führenden E&C-Unternehmen für Rechenzentren in den USA.
Die als führende KI-Unternehmen geltenden NVIDIA und Broadcom bleiben nach den jüngsten Konferenzergebnissen Top-Picks. Jefferies zufolge liegen ihre mittelfristigen Schätzungen über dem Konsens. Ein Analyst von Jefferies, Brent, bleibt zudem optimistisch in Bezug auf die Wachstumsaussichten der Hyperscaler. Jefferies bleibt optimistisch gegenüber den auf Kupfer und Uran spezialisierten Unternehmen, da dieses Thema die Nachfrage bis 2030 und darüber hinaus antreibt. Ein Bericht von Bloomberg über die Kupfernachfrage von Rechenzentren wird ebenfalls als gut hervorgehoben.
Technische Lösungen für den wachsenden Bedarf
Die Racks von Computern, auf denen die Chips von NVIDIA laufen, verbrauchen etwa zehnmal so viel Strom wie reguläre Webserver, und normale Kühllösungen stoßen an ihre Grenzen. KI verändert die Art und Weise, wie Computerinfrastruktur gebaut wird, da GPUs zur Schlüsselkomponente moderner Rechenzentren geworden sind. Im Vergleich zu traditionellen Anlagen befindet sich Jefferies zufolge 70 % der Grundfläche von KI-Rechenzentren außerhalb des Haupt-IT-Raums.
Jefferies nennt in diesem Zusammenhang folgende Unternehmen, die gut positioniert sind, um vom KI-Boom zu profitieren: Schneider Electric, das ein umfassendes Portfolio an Kühl-, Strom- und Automatisierungsdesigns anbietet, Vertiv Holdings Co., ein Full-Stack-Infrastrukturanbieter, der einheitliche Strom- und Kühllösungen anbietet, und Oracle Corporation, deren Software und Hardware so konzipiert sind, dass sie in der Cloud und im Rechenzentrum zusammenarbeiten. Oracle hat seinem Auftragsvorrat sequentiell 317 Mrd. USD hinzugefügt, was dem Fünffachen des Gesamtumsatzes für das Geschäftsjahr 2026E entspricht.
Das KI-Training hat sich auf Mega-Cluster konzentriert, bei denen so viele GPUs wie möglich in unmittelbarer physischer Nähe zueinander stehen, um die Latenz zu reduzieren. Dies hat Hyperscaler und Rechenzentrumsbetreiber dazu veranlasst, nach großen Grundstücken zu suchen. Der Zugang zu billiger und reichlich vorhandener Energie hat sich als Schlüsselfaktor für die Standortwahl herauskristallisiert. Laut Jefferies sind Broadcom, Marvell Technology Group Ltd., Equinix, Inc. und Digital Realty Trust, Inc. in diesem Bereich gut positioniert.
Broadcom dominiert optische Verbindungen und kundenspezifisches Silizium für Cluster und bietet primäre Switch-Lösungen im KI-Bereich. Marvell Technology Group verzeichnet ein signifikantes Wachstum im KI-Geschäft, da das Unternehmen weiterhin kundenspezifische ASIC-Aufträge gewinnt und der Marktführer im optischen DSP-Markt bleibt, was die Skalierung von KI-Rechenzentren ermöglicht. Equinix, Inc. ist ein globaler Akteur, der sich verpflichtet hat, mehr Investitionsausgaben zu tätigen, um die KI-Nachfrage zu decken, und weiterhin an Zugkraft im Cloud- und Netzwerk-Computing gewinnt.
Digital Realty Trust, Inc. konzentriert sich auf die Bereitstellung kundenorientierter Rechenzentrumslösungen durch sichere, zuverlässige und kostengünstige Einrichtungen. Das Unternehmen hat eine große Präsenz bei allen Hyperscaler-Wachstumsbereichen und ein gut gelegenes, globales Portfolio. Das Gewinnwachstum tendiert im nächsten Jahr und darüber hinaus zu zweistelligen Zahlen.
Energie und Kühlung als kritische Faktoren
Der Verbrauch von Rechenzentren wird voraussichtlich von 415 TW/h auf 945 TW/h bis 2030 steigen, was dem gesamten Stromverbrauch Japans entspricht. Dieser Wettlauf um Strom führt dazu, dass neue Anlagen mit jeder verfügbaren Energiequelle betrieben werden.
Zu den von Jefferies genannten Unternehmen, die vom Energiebedarf profitieren könnten, gehören NRG Energy Inc., ein großer US-amerikanischer Stromversorger mit mehreren Rechenzentrums-Deals in der Pipeline, Vistra Corp, deren vielfältiges Portfolio das Unternehmen gut positioniert, um von der wachsenden KI-Stromnachfrage zu profitieren, und Talen Energy Corp, dessen reines Erzeugungsportfolio gut positioniert ist, um von einer Vielzahl von Stromtrends zu profitieren, einschließlich der steigenden Stromnachfrage, die hauptsächlich von Rechenzentren ausgeht.
Geschätzter jährlicher Stromverbrauch von Rechenzentren bis 2030,
Stromverbrauch Terawattstunden 
Etwa zwei Fünftel der von KI-Rechenzentren verbrauchten Energie wird für die Kühlung von Chips und Ausrüstung verwendet. Da herkömmliche Luftkühlung nicht mehr in der Lage ist, die Chips im optimalen Temperaturbereich von 30 bis 40 Grad Celsius zu halten, werden ausgefeiltere wasser- oder kühlmittelbasierte Systeme eingesetzt.
Die Analysten von Jefferies sehen Belimo Holding, einen globalen Marktführer für Flüssigkeitskühlungslösungen, als perfekt positioniert, um von der Rechenzentrumsnachfrage zu profitieren, und Shenzhen Envicool Technology, einen führenden Anbieter von Präzisions-Temperaturkühlung und Energiesparausrüstung in China, der in mehreren nachgelagerten Anwendungen tätig ist, einschließlich Rechenzentren.
Daten- und Software-Infrastruktur
KI-Daten benötigen Plattformen, um massive Datensätze effizient zu verwalten, zu verarbeiten und zu überwachen. Diese Lösungen ermöglichen KI-Workloads in großem Maßstab und gewährleisten die Zuverlässigkeit in komplexen Umgebungen. Unternehmen, die uns im Bereich Daten- und Software-Infrastruktur gefallen, sind Snowflake Inc., das Unternehmen hoch skalierbare Datenmanagementlösungen für Anwendungsfälle wie Data Warehousing und Data Science bietet, und Datadog, das Echtzeit-Observability und KI-gestützte Überwachung bereitstellt, um die Leistung und Zuverlässigkeit bei groß angelegten KI-Workloads zu gewährleisten.
Zunehmender Optimismus in Bezug auf KI – Inwieweit erwarten Sie, dass SNOW KI-Module zum Wachstum Ihrer Praxis im Jahr 2025 beitragen werden?
Kleine Modelle, große Wirkung: Der Weg zur effizienten KI
Die zunehmende Skalierung von Rechenzentren ist möglicherweise nicht die ultimative Lösung für den KI-Wettlauf. In einigen Fällen übersteigen die kollektiven Anschlussanfragen an Versorger die bestehende Nachfrage in der gesamten Versorgungsregion um ein Vielfaches. Die Strompreise in den USA sind im vergangenen Jahr um 5,5 % gestiegen und haben die Inflation übertroffen. Ein Prompt bei ChatGPT verbraucht mehr als die zehnfache Menge an Energie wie eine Google-Suche. Diese Realität drängt die Branche, Effizienzgewinne durch Softwareoptimierung und kleinere, spezialisierte KI-Modelle zu erforschen. Kleine Sprachmodelle (SLMs) gewinnen an Popularität aufgrund ihrer Kosteneffizienz und ihres reduzierten Energieverbrauchs – und das nicht einmal auf Kosten der Leistung.
Intelligenz von Open-Source-KI-Modellen nach Größe und Veröffentlichungsdatum
Zu kleinen Sprachmodellen (SLMs) heißt es wie folgt: Da KI skaliert, wird Effizienz entscheidend. SLMs bieten schnellere, billigere und energieeffizientere Alternativen zu großen Sprachmodellen (Large Language Models, LLMs), was On-Device- und Edge-KI mit Vorteilen in Bezug auf Datenschutz und latenzempfindliche Anwendungen ermöglicht.
Von SLM-Fortschritten könnten laut Jefferies Aktien wie jene von Cloudflare profitieren, da das Unternehmen SLMs auf seiner Workers AI-Plattform am Netzwerkrand ausführt, um KI-Dienste mit geringer Latenz ohne Hyperscale-Infrastruktur bereitzustellen. Apple, das im Allgemeinen als Nachzügler in der LLM-Forschung gilt, könnte SLMs für On-Device-KI in iPhones und Macs nutzen, um private, energieeffiziente Lösungen zu ermöglichen, ohne auf große und teure Cloud-Modelle angewiesen zu sein. ServiceNow Inc bettet agentische KI, in der SLMs gedeihen, in seine Workflow-Automatisierungsplattform ein, sodass Unternehmen autonome Prozessagenten bereitstellen können.
Qualität versus Größe bei Small Language Models (SLMs)
Die Ellison-Ansicht: KI-Training vs. KI-Inferencing
Das Transkript der Telefonkonferenz von Oracle zu lesen, ist laut Jefferies eine gute Lektüre, insbesondere ein Auszug von Larry Ellison, Oracles Chairman und CTO. Oracles überarbeitete OCI-Prognose für 2030 liegt 50 % über dem Konsens, aber aus Sicht des Jefferies-Analysten Brent Thill ist sie immer noch konservativ. Der aktuelle Konsens liegt um etwa 100 % zu niedrig bei der Nachfrage nach KI-Rechenzentren bis 2030, basierend auf NVIDIAs neuesten KI-Investitionsprognosen.
Im Kontext der Kommentare von Larry Ellison ist auch die Arbeit von Aniket Shah über die Beziehung zwischen KI und Arbeit relevant. Laut seinem jüngsten Expertenanruf würde die Automatisierung der Hälfte der Berufe mit hoher Automatisierungswahrscheinlichkeit bei den 1000 größten US-amerikanischen öffentlichen Unternehmen zu 1,7 Mio. weniger Arbeitsplätzen, 207 Mrd. USD geringeren Arbeitskosten und einem Gewinnwachstum von 16 % führen.
Larry Ellison ist überzeugt, dass KI alles verändern wird. "Aber im Moment", so Ellison, "transformiert KI grundlegend Oracle und den Rest der Computerindustrie, obwohl nicht jeder das Ausmaß des herannahenden Tsunamis vollständig erfasst. Einige Dinge sind unbestreitbar offensichtlich. Mehrere erstklassige KI-Unternehmen haben Oracle gewählt, um große GPU-zentrierte Rechenzentren im Gigawatt-Maßstab zu bauen, um ihre KI-Modelle zu trainieren. Das liegt daran, dass Oracle Rechenzentren im Gigawatt-Maßstab baut, die schneller und kosteneffizienter beim Training von KI-Modellen sind als jeder andere auf der Welt. Das Training von KI-Modellen ist ein gigantischer Multi-Billionen-Dollar-Markt. Es ist schwer, sich einen so großen Technologiemarkt vorzustellen. Aber wenn man genau hinschaut, kann man einen finden, der noch größer ist, und das ist der Markt für KI-Inferencing, bei dem Millionen von Kunden diese KI-Modelle zur Führung von Unternehmen und Regierungen nutzen. Tatsächlich wird der Markt für KI-Inferencing viel, viel größer sein als der Markt für KI-Training".
Ellison fährt fort: "KI-Inferencing wird zur Steuerung von Roboterfabriken, Roboterautos, Roboter-Gewächshäusern, biomolekularen Simulationen für die Arzneimittelentwicklung, zur Interpretation medizinischer Diagnosebilder und Laborergebnisse, zur Automatisierung von Laboren, zur Platzierung von Wetten an Finanzmärkten, zur Automatisierung juristischer Prozesse, zur Automatisierung finanzieller Prozesse, zur Automatisierung von Verkaufsprozessen eingesetzt. KI wird die Computerprogramme, die sogenannten KI-Agenten, schreiben, die Ihre Vertriebs- und Marketingprozesse automatisieren werden. Lassen Sie mich das wiederholen. KI wird automatisch die Computerprogramme schreiben, die dann Ihre Verkaufsprozesse und Ihre juristischen Prozesse und alles andere in Ihren Fabriken und so weiter automatisieren werden. Denken Sie darüber nach. KI-Inferencing. Es ist KI-Inferencing, das alles verändern wird".
& Profi-Tools von
