Billionen-Wette gegen den Mittelstand: Die KI-Blase nüchtern gelesen
Die Welt verbaut 600 bis 725 Milliarden Dollar pro Jahr in KI-Rechenzentren, der deutsche Mittelstand nutzt KI zu 15 Prozent produktiv. Ein nüchterner Blick auf die Frage, ob das eine Blase ist, wer auf welcher Seite davon steht und warum Warten für ein Familienunternehmen genauso teuer sein kann wie blinder Aktionismus.
DER_WIDERSPRUCH
Zwei Zahlen, die nicht zusammenpassen wollen. Auf der einen Seite: Die fünf großen US-Hyperscaler haben 2025 rund 388 Milliarden Dollar in Infrastruktur gesteckt und führen für 2026 eine Capex-Spanne von etwa 600 bis 725 Milliarden Dollar (CNBC, Feb 2026) — ein Plus von 62 bis 77 Prozent gegenüber dem Vorjahr. Das ist mehr, als die meisten Industriestaaten jährlich für ihre gesamte öffentliche Infrastruktur ausgeben. Auf der anderen Seite: Der deutsche Mittelstand, das Rückgrat dieser Volkswirtschaft, nutzt KI zu nur rund 15 Prozent produktiv, und etwa 43 Prozent der Unternehmen haben überhaupt keinen konkreten KI-Plan (Bitkom 2025). Dieser Kontrast ist der Ausgangspunkt, und er lässt sich auf zwei gegensätzliche Arten lesen. Lesart eins: Das Silicon Valley hat den Verstand verloren, pumpt Billionen in eine Technologie ohne nachweisbaren Ertrag, und der vorsichtige schwäbische Maschinenbauer hat recht, abzuwarten. Lesart zwei: Die Welt baut gerade die Grundinfrastruktur des nächsten Wirtschaftszyklus, und Deutschland verschläft sie wie zuvor das Smartphone und die Cloud. Beide Lesarten sind zu bequem. Die ehrliche Antwort liegt dazwischen und ist unangenehmer als jede der beiden. Denn die eigentliche Frage für ein deutsches Unternehmen ist nicht, ob die US-Bewertungen überzogen sind — das sind sie messbar. Die Frage ist, auf welcher Seite dieser Wette man steht, wenn sie sich auflöst. Und hier zeigt sich: Europa ist nicht einfach Zuschauer einer fremden Blase. Es ist struktureller Importeur ihrer Kosten und gleichzeitig Nachzügler bei ihrem Nutzen. Dieser Text seziert beide Hälften — die berechtigte Skepsis und die teuren Mythen, die daraus geworden sind.
- ▸388 Mrd. USD Hyperscaler-Capex 2025, geplant 600-725 Mrd. für 2026 (+62-77 % YoY) — CNBC, Feb 2026.
- ▸Mittelstand: ~15 % produktive KI-Nutzung, ~43 % ohne konkreten KI-Plan (Bitkom 2025).
- ▸Direkt 'KI-etikettierter' Umsatz weltweit geschätzt unter 50 Mrd. USD — die scheinbare Lücke ist real, aber irreführend gerechnet.
- ▸Die relevante Frage ist nicht 'Blase ja/nein', sondern auf welcher Seite der Wette ein deutscher Betrieb steht.
WARUM_FIRMEN_WIRKLICH_ZOEGERN
Wenn man Mittelständler fragt, warum sie zögern, kommt selten 'die Technik funktioniert nicht'. Es kommt etwas Ehrlicheres: Niemand weiß, wann sich das rechnet. Der ROI ist unklar, nicht weil KI nutzlos wäre, sondern weil der Nutzen organisatorisch verteilt entsteht und buchhalterisch schwer zuzuordnen ist. Wer trägt das Budget, wenn die Einsparung in einer anderen Abteilung anfällt? Hier beginnen die wahren Barrieren, und sie sind menschlich, nicht technisch. Da ist die interne Politik: Ein KI-Projekt, das Prozesse automatisiert, macht implizit Stellen überflüssig, und kaum ein Abteilungsleiter treibt freiwillig die Verkleinerung des eigenen Teams voran. Da ist der Quartalsdruck — auch im inhabergeführten Betrieb regiert die Jahreszahl, und ein Projekt mit zwölf bis achtzehn Monaten Vorlauf konkurriert schlecht gegen sichere Kostensenkung heute. Da ist die offene Angst vor Entlassungen, die jede Belegschaft spürt und die Mitarbeit am eigenen Ersatz unattraktiv macht. Und da sind schlicht fehlende Kompetenzen: Wer im Haus soll ein KI-System bewerten, einführen, warten? Genau hier wird die berühmteste Zahl der Skeptiker missverstanden. Die MIT-NANDA-Studie fand, dass rund 95 Prozent der Unternehmens-Pilotprojekte keinen messbaren Ergebnisbeitrag lieferten (MIT, Aug 2025). Das klingt vernichtend, misst aber etwas Spezifisches: Pilotprojekte, die innerhalb von rund sechs Monaten in Produktion gingen UND eine messbare P&L-Wirkung zeigten — auf dünner Basis von etwa 150 Interviews, von den Autoren selbst als 'richtungsweisend genau' bezeichnet. Die Studie macht ausdrücklich nicht die Modellqualität verantwortlich, sondern die organisatorische Integration, die 'Lernlücke'. McKinsey beschreibt dasselbe Paradox: rund 80 Prozent der Firmen nutzen GenAI, etwa ebenso viele berichten keinen EBIT-Effekt (McKinsey 2025). Die Botschaft ist nicht 'KI taugt nichts', sondern 'Integration ist schwer' — eine völlig andere Diagnose mit völlig anderer Therapie.
- ▸Die '95 % scheitern'-Zahl misst messbare P&L-Wirkung binnen ~6 Monaten, nicht Modellqualität (MIT NANDA, Aug 2025, ~150 Interviews).
- ▸McKinsey-Paradox: ~80 % nutzen GenAI, etwa ebenso viele ohne materiellen EBIT-Effekt (2025).
- ▸S&P Global: 42 % der Firmen brachen 2025 die meisten KI-Initiativen ab — gegenüber 17 % im Jahr 2024.
- ▸Echte Hürden sind ROI-Unklarheit, Bereichspolitik, Quartalsanreize, Entlassungsangst und fehlende Inhouse-Kompetenz — alle organisatorisch, keine technisch.
Ein transparentes Modell, kein Live-Feed. Jeder Indikator ist eine quellenbelegte Schätzung des Blasendrucks (0 = gesund, 100 = Manie). Tipp deine eigene Zahl ein oder verstell das Gewicht — die Nadel rechnet beides live.
S&P-500-CAPE ~40 — knapp unter dem Dotcom-Hoch ~44, ggü. Langzeitschnitt ~17,6
Mag-7 ~34 % des S&P 500 (2015: ~12 %); trieben ~54 % der 2025er-Kursgewinne vs. ~44 % Gewinnwachstum
~600–725 Mrd. $ Hyperscaler-Capex 2026 (+62–77 %) vs. <50 Mrd. $ direkter KI-Umsatz (KI-Cloud wächst aber 24–48 %)
OpenAI ~33 % Bruttomarge (gesunde SaaS: 70–80 %); Anthropic projiziert ~50 % → ~77 % bis 2028
Nvidia bis zu 100 Mrd. $ in OpenAI; OpenAI–Oracle ~300 Mrd. $; AMD-Warrant — echte Chips, aber hohe Klumpenrisiken
Fixe Leistung −10–50×/Jahr; GPT-4-äquivalent −40–60× seit März 2023; H100-Miete −64 % in einem Jahr
~95 % der GenAI-Pilots ohne messbaren P&L-Effekt (MIT); 42 % der Firmen brachen 2025 die meisten Initiativen ab (2024: 17 %)
Abschreibung 3 → 5–6 J. vs. ~2–3 J. reale Nutzungsdauer; ~176 Mrd. $ Gewinn evtl. überzeichnet 2026–28 (umstritten)
Oracle 5-J-CDS ~198 bp (Rekord); ~108 Mrd. $ KI-Schulden 2025; Bank of England warnt vor weiteren Spreads
Nvidia ~47× KGV auf ~120 Mrd. $ Nettogewinn (vs. Cisco ~200× in 2000); Top-5-Tech ~350 Mrd. $ Free Cashflow
~45 % des KI-Codes unsicher (auch bei größeren Modellen); Junioren −17 % Verständnis; US-Dev-Jobs 22–25 J. −20 %
EU ~5 % der globalen KI-Compute vs. US ~80 %; EU-VC ~22 % des US-Niveaus; Industriestrom ~2–3× US/China
Dieser Index misst finanziellen Blasendruck, nicht ob KI funktioniert. Werte: Stand Ende 2025 / Anfang 2026. Zwei Indikatoren (Capability-Deflation, Earnings-Qualität) zeigen bewusst gegen die Blase — sie mitzumitteln ist der Punkt. Quelle je Indikator unten verlinkt.
DAS_KOSTEN_MISSVERSTAENDNIS
Der teuerste Denkfehler im Mittelstand lautet: 'KI wird ja nur immer teurer, warten wir, bis sich der Preis beruhigt.' Dieser Satz ist halb richtig und halb komplett falsch — und in genau dieser Verwechslung steckt das ganze Spiel. Es gibt nämlich nicht eine KI-Kostenkurve, sondern mindestens drei, die in verschiedene Richtungen laufen. Kurve eins: der Preis für eine feste Fähigkeit. Wer heute die Leistung erkaufen will, die vor zwei Jahren Spitze war, zahlt einen Bruchteil. Am unteren Leistungssegment fällt der Inferenzpreis um rund das Zehnfache pro Jahr, im Median um etwa das Fünfzigfache, um eine feste Benchmark zu erreichen (a16z 'LLMflation', Nov 2024; Epoch AI 2025). GPT-4-äquivalente Inferenz ist seit März 2023 um rund 40 bis 60-fach günstiger geworden, die H100-Miete fiel binnen eines Jahres um etwa 64 Prozent. Das ist Deflation in einem Tempo, das es in der Industriegeschichte praktisch nie gab. Kurve zwei: die Spitze selbst. Ein neues Frontier-Modell zu trainieren wird teurer, rund 2,4-fach pro Jahr, mit Verdopplung etwa alle acht Monate, Kurs auf über eine Milliarde Dollar pro Modell bis 2027 (Epoch AI). Kurve drei: die Gesamtrechnung. Hier wirkt das klassische Jevons-Paradoxon — weil Token billiger werden, verbrauchen Reasoning- und Agenten-Modelle gigantisch mehr davon (Ausgabelänge wächst rund 5-fach pro Jahr), die Summe steigt also trotz fallender Stückpreise. Für einen deutschen Betrieb folgt daraus eine unbequeme Pointe: Warten hat einen Preis. Wer auf 'günstigere KI' wartet, bekommt sie garantiert — die feste Fähigkeit verbilligt sich jedes Jahr dramatisch. Aber der Konkurrent, der heute einsteigt, sammelt zwei Jahre Integrationswissen, das man nicht nachkaufen kann. Die Hardware wird billig; die organisatorische Lernkurve nicht.
- ▸Feste Fähigkeit: Inferenz fällt ~10x/Jahr (unteres Segment), Median ~50x/Jahr für eine feste Benchmark (a16z 2024; Epoch 2025).
- ▸GPT-4-äquivalente Inferenz seit März 2023 um ~40-60x günstiger; H100-Miete -64 % in einem Jahr.
- ▸Frontier-Training dagegen +2,4x/Jahr, Verdopplung ~alle 8 Monate, Richtung >1 Mrd. USD pro Modell bis 2027.
- ▸Jevons-Effekt: Reasoning-Modelle verbrennen ~5x mehr Token pro Jahr — Gesamtrechnung steigt trotz fallender Stückpreise.
DIE_FALSCHE_SEITE_DER_BLASE
Hier liegt der Kern des europäischen Problems, und er hat wenig mit Adoption und viel mit Physik und Kapital zu tun. Europas eigentliche Schwäche ist nicht, dass es zu langsam Chatbots einführt. Es ist, dass es auf der falschen Seite der Inputs steht. Die Zahlen sind ernüchternd. Europa kontrolliert grob 5 Prozent der globalen KI-Rechenleistung, die USA rund 80 Prozent (Schätzung, richtungsweisend). Das europäische Wagniskapital liegt bei etwa 22 Prozent des US-Volumens, mit einem deutlich kleineren KI-Anteil darin. Und Industriestrom — die Grundkost jedes Rechenzentrums und jeder Fabrik — kostet in Europa rund das Zwei- bis Dreifache des US- oder China-Niveaus (Draghi-Bericht, Sep 2024). Wer KI im großen Stil betreiben will, kämpft also dreifach gegen den Wind: weniger Compute, weniger Kapital, teurere Energie. Der Größenunterschied auf Modellebene macht es plastisch. Mistral, Europas vorzeigbarster KI-Hoffnungsträger, ist mit rund 12 Milliarden Euro bewertet — die führenden US-Labore werden jenseits von 100 Milliarden Dollar gehandelt. Das ist kein Rückstand, den man mit einem Förderprogramm aufholt; es ist eine Größenordnung. Für den Mittelstand bedeutet das eine subtile Abhängigkeit. Selbst der Betrieb, der KI vorbildlich einführt, mietet die Rechenleistung dafür mit hoher Wahrscheinlichkeit bei einem US-Hyperscaler, betrieben mit US-Chips. Der Wertschöpfungsanteil, der in Europa bleibt, ist die Anwendung an der Oberfläche — nicht die Infrastruktur darunter. Und genau das ist die strukturell verwundbare Position: produktiv genug, um abhängig zu sein, aber nicht souverän genug, um die Konditionen zu bestimmen. Deutschland verschärft das selbst: Die Wirtschaft schrumpfte 2023 um 0,3 und 2024 um 0,2 Prozent — die einzige G7-Volkswirtschaft, die 2024 schrumpfte.
- ▸EU ~5 % der globalen KI-Compute vs. USA ~80 %; EU-Wagniskapital ~22 % des US-Volumens (Draghi 2024; Schätzungen 2025-26).
- ▸Industriestrom in Europa ~2-3x über US-/China-Niveau — strukturelle Belastung für Rechenzentren und Industrie (Draghi, Sep 2024).
- ▸Mistral ~12 Mrd. Euro bewertet vs. führende US-Labs >100 Mrd. USD — eine Größenordnung, kein Rückstand.
- ▸Deutschland schrumpfte 2023 (-0,3 %) und 2024 (-0,2 %) — einzige G7-Wirtschaft, die 2024 schrumpfte (Roland Berger 2025).
DER_EHRLICHE_TWIST
Jetzt der Teil, der gegen die eigene These spricht — weil intellektuelle Redlichkeit das verlangt. Die populäre Erzählung 'Europa hängt bei der KI-Adoption hoffnungslos zurück' ist teilweise ein Messartefakt, und das lässt sich belegen. Die Schlagzeilen vergleichen gern die EU-Adoptionsrate von rund 20 Prozent (Eurostat) mit den US-amerikanischen rund 17 Prozent (Census BTOS) — und ziehen daraus mal die eine, mal die andere Schlussfolgerung. Das Problem: Diese Zahlen sind schlicht nicht vergleichbar. Sie nutzen unterschiedliche Definitionen von 'KI-Nutzung', unterschiedliche Referenzzeiträume und unterschiedliche Unternehmensgrundgesamtheiten. Arbeiten der St. Louis Fed und des NBER zeigen, dass die wahre Adoptionslücke zwischen den USA und Europa genuin unsicher ist — möglicherweise klein, möglicherweise gar nicht in der vermuteten Richtung. Wer EU 20 gegen US 17 stellt und 'Europa führt' ruft, macht denselben Fehler wie der, der daraus 'Europa hängt zurück' liest: Er vergleicht Äpfel mit Birnen. Und die europäische Adoption steigt schnell. Die EU-Rate kletterte binnen eines Jahres von rund 13,5 auf etwa 20 Prozent — ein Tempo, das wenig nach Stillstand aussieht. Der robuste europäische Nachteil bleibt, wie im vorigen Abschnitt beschrieben, die Kapital- und Compute-Skalierung. Die Adoptionsrate selbst ist es nicht. Dazu passt ein leises Eingeständnis aus Brüssel. Der 'Digital Omnibus', der den AI Act in Teilen zurückbaut und Pflichten streckt, ist faktisch das Zugeständnis, dass die eigene Regulierung Wettbewerbsfähigkeit gekostet hat. Man kann das als pragmatische Korrektur loben oder als spätes Schuldeingeständnis lesen. Beides stimmt. Für den Mittelstand ist die Lehre nüchtern: Der oft beschworene Adoptionsrückstand ist zur Hälfte ein Statistikproblem — die echte Bremse saß in den Inputs und teilweise im eigenen Regelwerk.
- ▸EU ~20 % (Eurostat) und US ~17 % (Census BTOS) sind nicht vergleichbar — andere Definitionen und Zeiträume (St. Louis Fed/NBER).
- ▸EU-Adoption stieg binnen eines Jahres von ~13,5 % auf ~20 % — schnelle Aufholbewegung, kein Stillstand.
- ▸Robuster Nachteil ist Kapital- und Compute-Skalierung, nicht die Adoptionsrate selbst.
- ▸Der 'Digital Omnibus'-Rückbau des AI Act ist das stille Eingeständnis, dass eigene Regulierung Wettbewerbsfähigkeit kostete.
DER_DOPPELTE_TREFFER
Hier wird es für Europa spezifisch unangenehm. Wenn die US-KI-Bewertungen korrigieren, trifft es den Kontinent nicht einmal, sondern zweimal — und die zweite Wunde ist die, über die niemand spricht. Dass das Korrekturrisiko real ist, lässt sich kaum bestreiten. Das Shiller-CAPE des S&P 500 liegt bei rund 40, knapp unter dem Dotcom-Höchst von etwa 44 und mehr als doppelt so hoch wie der langfristige Durchschnitt von rund 17,6 (GMO, Ende 2025/Anfang 2026). Michael Burrys Scion argumentiert, die Hyperscaler unterschätzten ihre Abschreibungen um rund 176 Milliarden Dollar über 2026 bis 2028, weil sie GPUs über fünf bis sechs Jahre abschreiben statt über die realistischeren zwei bis drei — was die ausgewiesenen Gewinne mancher Firmen um über 20 Prozent überzeichnen könnte (Motley Fool, Nov 2025, umstritten). Oracles Fünf-Jahres-CDS erreichte mit rund 198 Basispunkten einen Rekord. Die Bank of England warnte im Dezember 2025 formell vor 'gestreckten' Bewertungen und dem Risiko einer 'scharfen Korrektur'. Trifft diese Korrektur ein, ist der erste Schlag der gewöhnliche: Europäische Pensionskassen, Fonds und Anleger halten US-Tech, und die Verluste landen auch hier. Das ist schmerzhaft, aber symmetrisch — alle trifft es. Der zweite Schlag ist asymmetrisch und europäisch. Denn Europa steht da als Nachzügler ohne eigenen Champion — Mistral mit 12 Milliarden gegen US-Labore jenseits von 100 — UND zugleich als Importeur teurer Compute. Im Boom zahlt Europa US-Preise für Rechenleistung, ohne an deren Wertschöpfung zu verdienen. Im Bust verliert Europa über seine Portfolios mit, ohne je an der Aufwärtsbewegung in voller Höhe partizipiert zu haben. Das ist die strukturell schlechteste Position in einem Bewertungszyklus: alle Abwärtsrisiken eines Marktes tragen, an dem man im Aufschwung nur als Kunde teilnahm.
- ▸S&P-500-CAPE ~40, knapp unter Dotcom-Peak ~44 und über doppelter Langfristschnitt ~17,6 (GMO, 2025/26).
- ▸Burry/Scion: ~176 Mrd. USD unterschätzte Abschreibungen 2026-28 durch 5-6-Jahres-GPU-Abschreibung statt 2-3 (umstritten, Nov 2025).
- ▸Oracle-5J-CDS ~198 bps (Rekord); BoE warnt im Dez 2025 vor 'gestreckten' Bewertungen und 'scharfer Korrektur'.
- ▸Europa würde doppelt getroffen: Portfolioverluste wie alle plus Importeurrolle ohne eigenen Champion und ohne Anteil an der Aufwärtswertschöpfung.
WER_WARTET_DEN_CODE
Das stillste Risiko der ganzen Geschichte taucht in keinem Bewertungsmodell auf, betrifft aber jeden Mittelständler mit einer eigenen IT-Abteilung unmittelbar: Wer pflegt eigentlich den Code, den die KI schreibt? Die Datenlage ist nüchtern. Rund 45 Prozent des KI-generierten Codes wird mit Sicherheitslücken ausgeliefert — und das verbessert sich nicht mit größeren Modellen (Veracode, Jul 2025). Das ist eine entscheidende Nuance: Man kann nicht darauf warten, dass das nächste, stärkere Modell das Problem von selbst löst. DORA 2025 beschreibt KI treffend als Verstärker: Sie erhöht den Durchsatz der Auslieferung, korreliert aber weiterhin negativ mit Stabilität. Mehr Code, schneller — bei unveränderter oder schlechterer Verlässlichkeit. GitClear misst steigende Code-Duplizierung bei fallendem Refactoring. Gleichzeitig dünnt die Pipeline derer aus, die diesen Code je warten könnten. In den USA fiel die Beschäftigung von Entwicklern im Alter von 22 bis 25 Jahren um rund 20 Prozent. Anthropics eigene kontrollierte Studie fand, dass Juniors, die sich auf KI stützten, beim Verständnistest um 17 Prozent schlechter abschnitten (Jan 2026). Und METR fand, dass erfahrene Entwickler mit KI-Werkzeugen 19 Prozent langsamer waren, während sie glaubten, 20 Prozent schneller zu sein — eine Wahrnehmungslücke, die jede selbstberichtete Produktivitätsumfrage relativiert. Für den Mittelstand ist das konkreter als jede Bewertungsdebatte. Wer heute Geschäftslogik mit KI-Code aufbaut, ohne erfahrene Menschen zu halten, die ihn lesen und verstehen, baut eine Hypothek auf. Die KI senkt die Kosten, Code zu erzeugen; sie senkt nicht die Kosten, ihn über zehn Jahre sicher zu betreiben. Die Abhängigkeit verschiebt sich von 'Wir brauchen viele Entwickler' zu 'Wir brauchen wenige, die es wirklich noch können' — und genau die werden gerade nicht ausgebildet.
- ▸~45 % des KI-Codes wird unsicher ausgeliefert — verbessert sich NICHT mit größerer Modellgröße (Veracode, Jul 2025).
- ▸DORA 2025: KI als Verstärker — höherer Durchsatz, weiterhin negative Korrelation mit Stabilität; GitClear sieht mehr Duplizierung, weniger Refactoring.
- ▸US-Entwicklerbeschäftigung 22-25 Jahre -20 %; Anthropic-RCT: Juniors mit KI -17 % im Verständnistest (Jan 2026).
- ▸METR: erfahrene Devs 19 % langsamer mit KI, glaubten aber 20 % schneller zu sein — ~39-Punkte-Wahrnehmungslücke gegen Produktivitätsumfragen.
WIE_MAN_DEN_INDEX_LIEST
Zum Schluss das Werkzeug, das diesem Text beiliegt: ein Blasen-Index, der die Einzelsignale zu einem Wert verdichtet. Voreingestellt steht er bei rund 62 — Lesart 'erhöht', nicht 'Panik'. Wichtiger als die Zahl ist, wie man sie liest. Erstens, und das ist der Kern: Der Index misst FINANZIELLEN Druck, nicht ob KI funktioniert. Das sind zwei verschiedene Fragen, und ihre Vermischung ist der häufigste Denkfehler der ganzen Debatte. Eine Blase kann finanziell platzen, während die Technologie sich als transformativ erweist. Die meisten Indikatoren zeigen nach oben Richtung Blase — Bewertungsdehnung bei 82, Konzentration bei 78, die Capex-Lücke bei 75. Aber zwei Gegensignale ziehen den Wert nach unten und verdienen Aufmerksamkeit: die Kapazitäts-Deflation fester Fähigkeit bei nur 22 (das gesündeste Signal überhaupt) und die Ertragsqualität der Marktführer bei 30 — denn anders als 2000 verdienen die Heutigen echtes Geld. Nvidia handelt um das 47-fache der Gewinne bei rund 216 Milliarden Umsatz und 120 Milliarden Nettogewinn, gegen Ciscos rund 200-faches im Jahr 2000. Zweitens die historische Lehre, die in beide Richtungen schneidet: das Dark Fiber der späten 1990er. Rund 85 Prozent der verlegten Glasfaser lagen 2005 noch brach. Sie ruinierte die Bauherren — und wurde später vollständig genutzt und ermöglichte das Internetzeitalter. Übertragen heißt das: Selbst wenn die Finanzblase platzt, könnten die Rechenzentren am Ende gebraucht werden. Der Crash der Erbauer und der Nutzen der Infrastruktur sind getrennte Ereignisse. Drittens, praktisch: Du kannst jeden Indikator selbst gewichten und seinen Wert ändern. Findest du Abschreibungen entscheidender als Konzentration, dreh die Regler. Der Index ist kein Orakel, sondern ein Argumentationsgerüst — gebaut, um deine eigenen Annahmen sichtbar zu machen, nicht um sie zu ersetzen.
- ▸Voreinstellung ~62 ('erhöht'); Bewertung 82, Konzentration 78, Capex-Lücke 75 zeigen Richtung Blase.
- ▸Zwei Gegensignale drücken: Kapazitäts-Deflation 22 (gesündestes Signal) und Ertragsqualität 30 (Nvidia ~47x KGV vs. Cisco ~200x in 2000).
- ▸Dark-Fiber-Lehre: ~85 % der Glasfaser lagen 2005 brach, ruinierte die Bauherren — wurde später voll genutzt; Crash und Nutzen sind getrennt.
- ▸Der Index misst finanziellen Druck, nicht ob KI funktioniert — und jeder Indikator ist von dir in Wert und Gewicht editierbar.