KI-Blase oder Milliardengeschäft für Amazon und Co.? Diese Rechnung könnte Anleger überraschen

Der KI-Boom verschlingt Milliarden, doch lohnt er sich überhaupt? Unsere Modellrechnung liefert überraschende Zahlen – und zeigt, warum Anleger bei einem Hyperscaler jetzt genauer hinschauen sollten.

Eines der häufigsten Argumente, die Skeptiker des KI-Booms immer wieder anführen, ist die fehlende Rentabilität. Amazon, Google, Microsoft und Co. würden Milliarden von Dollar verbrennen, ohne dass es eine realistische Aussicht auf künftige Profite und Cashflows gibt. Klare Beweise in Form von realistischen Modellrechnungen werden von den Crashpropheten jedoch nicht mitgeliefert. Das wollen wir ändern und untersuchen beispielhaft anhand eines Nvidia-B300-Chips die Wirtschaftlichkeit von Amazons KI-Investitionen.

Disclaimer: Es geht bei dieser Rechnung nicht um die pauschale Aussage, ob sich sämtliche KI-Investitionen lohnen. Wir sehen uns nur den Fall einer Nvidia-B300-GPU von Amazon an, die an externe Kunden weitervermietet wird. Dennoch lassen sich das Prinzip und die Grundtendenz auch auf andere Cloud-Anbieter übertragen.

Vier Variablen zur Bewertung von Amazons KI-investitionen

Die Rentabilität von vermieteten KI-Chips der Hyperscaler lässt sich erstaunlich einfach berechnen. Dafür benötigt es keine komplizierte Mathematik oder ausgefeilte Prognosemethoden. Es braucht nur die folgenden vier Variablen:

1) Umsatz pro GPU-Stunde: Viele Hyperscaler vermieten ihre GPUs stundenweise, insbesondere an Großkunden. Für diesen Umsatz pro GPU-Stunde gibt es online glücklicherweise zahlreiche Preisindizes und Analysen. Wir verwenden für unsere Modellrechnung konservativ den von Ancapex berechneten Wert von 5,60 US-Dollar pro gemieteter B300-Stunde bei AWS.

2) Kosten pro GPU-Stunde: Die 5,60 Dollar Umsatz je GPU-Stunde sind natürlich nicht reiner Gewinn, da die Rechenzentren auch Unmengen an Strom verschlingen und hin und wieder Wartungsarbeiten fällig sind. Auf Millionen Chips heruntergerechnet relativieren sich die Strom- und Wartungskosten jedoch: Pro Nvidia-B300-GPU fallen laut SemiAnalysis rund 0,21 Dollar variable Kosten je Stunde an. Wir verwenden für unsere Rechnung konservativ angesetzte 0,40 US-Dollar.

3) Investitionskosten je GPU: Der Großteil der Kosten für ein Rechenzentrum fällt jedoch nicht für Strom und andere variable Kosten an, sondern für die einmaligen Investitionen. Zusätzlich zu den Kosten für die eigentliche GPU kommen noch Kosten für Netzwerktechnik, Speicher, Kühlung, Installation, Gebäude und Grundstücke hinzu. Basierend auf einem veröffentlichten Angebot von Forum Markets sowie Daten von JLL setzen wir hierfür 120.000 US-Dollar an.

4) Vertragsdauer: Der Großteil der KI-Kapazitäten wird laut Amazon mittlerweile „für mindestens fünf Jahre“ vertraglich vergeben. Die Kapazitäten sind laut Management vollständig ausgelastet und es besteht weiterhin ein Nachfrageüberhang. Für unsere Rechnung verwenden wir daher fünf Jahre Vermietungsdauer bei 100 Prozent vertraglicher Auslastung. Die vertragliche Auslastung darf aber nicht mit der technischen Auslastung verwechselt werden. Viele KI-Unternehmen buchen mehr GPU-Kapazitäten, als sie im Mittel brauchen, um auch Nachfragespitzen gut bedienen zu können.

Nvidia-GPUs amortisieren sich nach weniger als drei Jahren

Über die gesamte verbindliche Vertragslaufzeit von fünf Jahren fallen für Amazon Kosten in Höhe von 137.520 US-Dollar und Einnahmen in Höhe von 245.280 Dollar an. Daraus ergibt sich ein Gewinn in Höhe von 107.760 US-Dollar und eine Marge von rund 44 Prozent. Sollte die GPU länger als fünf Jahre wirtschaftlich nutzbar sein, verbessert sich die Rendite noch weiter. Hier der Rechenweg:

Kosten = Investitionskosten + variable Kosten je GPU-Stunde × GPU-Stunden über die gesamte Laufzeit

= 120.000 $ + 0,40 $ × 5 Jahre × 365 Tage × 24 Stunden = 137.520 $

Erlöse = Umsatz pro GPU-Stunde × GPU-Stunden über die gesamte Laufzeit

= 5,60 $ × 5 Jahre × 365 Tage × 24 Stunden = 245.280 $

Besonders spannend: Dieser Modellrechnung zufolge amortisieren sich die Investitionen von Amazon bereits nach 2,63 Jahren. Der Rechenweg:

120.000 $ / ((5,60 $ – 0,40 $) × 24 × 365) = 2,63 Jahre

Das deckt sich überraschenderweise ziemlich gut mit der Aussage von Amazon-CEO Andy Jassy im Earningscall zum zweiten Quartal, dass sich die Investitionen in Server nach „etwas weniger als drei Jahren“ amortisieren. Im dritten Quartal bekräftigte Jassy diese Prognose und sagte sogar, dass die Tendenz derzeit zu einer noch kürzeren Amortisationsdauer gehe.

Hinweis für alle Finanz-Nerds: Die Kapitalkosten lassen wir der Einfachheit halber außen vor, müssten aber für eine exakte Berechnung ebenfalls berücksichtigt werden. Die tatsächliche wirtschaftliche Amortisationsdauer dürfte somit etwas über dem errechneten Wert von 2,63 Jahren liegen.

Fazit

Diese Modellrechnung zeigt beispielhaft, dass die gigantischen Investitionen nicht aus Willkür oder Hoffnung getätigt werden, sondern eine reale wirtschaftliche Rechnung dahintersteht. Diese Rechnung scheint der Markt aktuell jedoch noch nicht zu erkennen. Ein Grund könnten die schier unvorstellbar hohen Summen sein sowie die Tatsache, dass auch die rentabelsten Investitionen in zukünftiges Wachstum erst einmal Geld aufsaugen, bevor sie Gewinne erwirtschaften können. Sobald der Markt jedoch die wirtschaftliche Tragweite der Investitionen für Amazons Gewinne versteht, dürfte es die Aktie auch wieder leichter haben.

Wenn Sie regelmäßig die besten Chancen im Bereich KI und Quantencomputing entdecken möchten, könnte der KIQ-Report genau das Richtige für Sie sein. Alle 14 Tage erhalten Sie eine ausführliche Analyse zu einem vielversprechenden Unternehmen aus diesen Zukunftsbranchen.

Zum KIQ Report

Häufig gestellte Fragen:

Wie rentabel sind Amazons KI-Investitionen?

Laut unserer Modellrechnung amortisiert sich eine Nvidia-B300-GPU nach rund 2,63 Jahren. Über fünf Jahre ergibt sich ein rechnerischer Überschuss von rund 108.000 Dollar.

Wie lange vermietet Amazon seine KI-Chips?

Laut Amazon-CEO Andy Jassy wird der Großteil der KI-Kapazitäten mittlerweile über Verträge mit einer Laufzeit von mindestens fünf Jahren vergeben.

Sind die hohen KI-Investitionen von Amazon ein Risiko für Anleger?

Die enormen Ausgaben belasten kurzfristig den Free Cashflow. Langfristig könnten sich die Investitionen jedoch auszahlen, sofern die erwarteten Umsätze und Auslastungen erreicht werden.