Am Montag, den 20. April 2026, kurz nach 16 Uhr deutscher Zeit, veröffentlichten Amazon und Anthropic zeitgleich ihre Pressemitteilungen. Amazon investiert weitere fünf Milliarden Dollar in das KI-Startup, potenziell bis zu 25 Milliarden über Meilenstein-Tranchen. Anthropic verpflichtet sich im Gegenzug, in den nächsten zehn Jahren mehr als 100 Milliarden Dollar auf AWS auszugeben — für bis zu fünf Gigawatt Compute-Kapazität auf Amazons Trainium-Chips. Es ist der achte große Deal dieser Bauart in sieben Monaten. Und er zeigt ein Muster, das die KI-Finanzierung des Jahres 2026 definiert: Hyperscaler investieren Eigenkapital in KI-Labore, die das Geld dann als Cloud-Umsatz zurückbuchen.
Ökonomen und Aktien-Analysten haben für das Muster einen nicht völlig schmeichelhaften Namen: „circular financing“, zu Deutsch zirkuläre Finanzierung oder — historisch belasteter — Round-Tripping. Die meisten Teilnehmer der Industrie weisen den Begriff zurück. Sie bevorzugen „strategische Kooperation“ oder „ecosystem deals“. Wer jedoch Software-as-a-Service mit KI-Features baut, sollte die Mechanik verstehen. Sie entscheidet mit, wie Compute-Preise entstehen, welche Modelle überleben — und welche Spielräume Enterprise-Kunden in Vertragsverhandlungen der nächsten zwei Jahre haben.
Das Grundmuster: Eigenkapital gegen Cloud-Umsatz
Der Amazon-Anthropic-Deal lässt sich auf zwei Zeilen verdichten. Amazon gibt bis zu 25 Milliarden Dollar in das Startup. Anthropic gibt über zehn Jahre mehr als 100 Milliarden Dollar in die AWS-Cloud zurück — durchschnittlich zehn Milliarden pro Jahr, also gut ein Drittel des aktuellen Anthropic-Umsatzes. Das Nettogeld, das Amazon als Finanzierung wirklich an Anthropic verliert („Ingresso“ minus „Egresso“ in den Worten italienischer Forensik-Spezialisten), ist deutlich negativ. Formal verbucht AWS die 100 Milliarden als „committed revenue“ — ein positives Signal für Analysten, für die Langfristigkeit ohne konkurrierende Angebote.
Dieselbe Logik trifft für die anderen Großdeals zu, wenn man genauer hinsieht. Im September 2025 unterzeichneten Nvidia und OpenAI einen Letter of Intent über bis zu 100 Milliarden Dollar Nvidia-Investment in OpenAI — gebunden an die Installation von zehn Gigawatt Nvidia-Systemen. Die Tranchen fließen in 10-Milliarden-Blöcken, immer wenn ein weiteres Gigawatt in Betrieb geht. OpenAI kauft dafür vier bis fünf Millionen Nvidia-GPUs der Vera-Rubin-Generation. Im Oktober folgte AMD: Sechs Gigawatt AMD-Instinct-GPUs, dazu Warrants über 160 Millionen AMD-Aktien — rund zehn Prozent des Unternehmens — für OpenAI. Oracle schrieb bereits im Juli 2025 ein fünf-jahriges Compute-Commitment über 300 Milliarden Dollar fest, im Rahmen des Stargate-Projekts. CoreWeave kumuliert bei OpenAI inzwischen Verträge über 22,4 Milliarden Dollar; Nvidia hält rund 13 Prozent von CoreWeave.
Auf der Gegenseite die gleiche Struktur: Google gab im Oktober 2025 ein Compute-Abkommen mit Anthropic bekannt, das im April per Broadcom-SEC-Filing auf 3,5 Gigawatt TPU-Kapazität ab 2027 ausgeweitet wurde. Mizuho schätzt: 21 Milliarden Dollar AI-Umsatz für Broadcom 2026 allein aus Anthropic-Kontext, 42 Milliarden 2027. Microsoft investierte im November 2025 bis zu fünf Milliarden Dollar in Anthropic, Anthropic committete 30 Milliarden Azure-Spend. xAI hat in Memphis seit Januar 2026 rund 18 Milliarden Dollar für 555.000 Nvidia-GPUs ausgegeben — im dritten Colossus-Gebaeude mit 2 Gigawatt Leistung. Meta plant 2026 Capex zwischen 115 und 135 Milliarden Dollar — fast eine Verdopplung des Vorjahrs, größtenteils für Nvidia-GPUs und Broadcom-designtes MTIA-Silicon.
In der Summe sind über 1,4 Billionen Dollar an Compute-Commitments seit September 2025 angekündigt worden. Hyperscaler-Capex 2026 beträgt nach aktuellen Prognosen zwischen 600 und 750 Milliarden Dollar, rund drei Viertel davon AI-bezogen. Bank of England-Schätzungen in ihrem April-Financial-Policy-Committee-Protokoll: 5 Billionen Dollar AI-Infrastruktur-Spending in den nächsten fünf Jahren, davon rund die Hälfte fremdfinanziert — meistens über Unternehmensanleihen. Nvidia-CEO Jensen Huang setzt das Endziel auf 3 bis 4 Billionen Dollar bis Ende der Dekade.
Die Warner: Cahn, Burry, Chanos, Marcus
Der Sequoia-Partner David Cahn hat den Begriff „AI’s 600B Question“ gepragt — gemeint ist die jährliche Revenue-Lücke zwischen den laufenden AI-Capex und den tatsächlichen AI-Umsätzen. Im September 2023 war die Zahl noch 125 Milliarden; im April 2026 liegt sie laut Cahn näher an 500 bis 600 Milliarden. Die Rechnung ist simpel: Hyperscaler investieren in Compute-Infrastruktur, die AI-Produkte verkaufen. Die Umsätze der AI-Produkte sind in den letzten drei Jahren um etwa ein Zehntel der Capex-Zahlen gewachsen. Irgendwann muss die Gleichung sich schließen — entweder durch explodierende Revenue, durch kollabierende Capex oder durch eine Bilanzkorrektur.
„Round-Tripping ist ein bilanzieller Taschenspielertrick. Ein Hyperscaler, der zehn Milliarden in ein Lab investiert, das dieselben zehn Milliarden als Cloud-Kauf zurückbucht, hat nichts verkauft. Er hat nur das Geld von einem Topf in den anderen geschoben.“
Der Short-Investor Michael Burry — bekannt für seine Dotcom- und Subprime-Warnungen — hat im November 2025 Put-Optionen über mehr als eine Milliarde Dollar gegen Nvidia und Palantir geöffnet. In einem Substack-Essay nennt er Nvidia „the Cisco at the center of it all“ und verwendet explizit den Begriff „circular financing“. Gary Marcus zitiert Goldman-Sachs-Schätzungen: 15 Prozent von Nvidias 2026-Umsatz stammen direkt aus zirkulären Deals. Jim Chanos, der legendäre Short-Seller (Enron, Tyco), argumentiert eine „depreciation time bomb“: CoreWeaves eigener CEO nennt 2 bis 3 Jahre als realistische GPU-Nutzungsdauer. Meta schreibt die gleichen Chips über 11 bis 12 Jahre ab. Korrigiert würde das Metas Earnings substanziell drücken. Ed Zitron hat errechnet, dass OpenAI zwischen Anfang 2024 und September 2025 rund 12 Milliarden Dollar für Inferenz ausgegeben hat — das Zwei- bis Dreifache ihrer Revenue. Kein KI-Unternehmen ist in der Inferenz profitabel.
Institutionelle Warnungen kommen in denselben Wochen. Die Bank of England stufte im Dezember 2025 die Equity-Bewertungen US-amerikanischer Tech-Konzerne als „nahe den höchsten seit der Dotcom-Blase“ ein. Das FPC-Protokoll vom April 2026 betont AI-spezifische Risiken: Konzentration in wenigen Schuldnern, stark korrelierte Sicherheiten (GPUs), Refinanzierungspunkt um 2027/28. Der IMF und IMF-Chefin Kristalina Georgieva haben den Dotcom-Vergleich im Oktober 2025 explizit gemacht. Jerome Powell sprach im September von „fairly highly valued equity prices“; das Fed-2026-Severely-Adverse-Szenario modelliert einen 54-prozentigen Aktienmarkt-Einbruch, ausgelöst durch eine AI-Bubble-Korrektur.
Die Verteidigung: „Compute-Constrained World“
Die Industrie widerspricht — mit durchaus argumentfester Logik. Brad Gerstner, Gründer von Altimeter Capital und Investor in Nvidia, CoreWeave, SK Hynix und TSMC, nennt die aktuellen Deals „more evidence that the world will remain compute-constrained“. Er bettet sie in ein Manhattan-Project-Narrativ ein: ein Nationales Sicherheits-Infrastruktur-Projekt im Wettlauf mit China. Jensen Huang argumentiert, Nvidias strategische Investments seien nur ein kleiner Bruchteil des Gesamtumsatzes und längst durch den zyklischen Capex der Hyperscaler ausgeglichen. Sam Altman verweist auf das First-Mover-Principle im AI-Markt: Wer zuerst die Compute-Kapazität für das nächste Training hat, gewinnt — Preisbereitschaft sei zweitrangig. Jerome Powell distanziert sich teilweise vom Dotcom-Vergleich: AI-Firmen generierten „echte Revenue“, Data-Center-Spending treibe das BIP.
Die historische Parallele, die für SaaS-Leads relevant ist, ist nicht Dotcom allgemein, sondern das Lucent/Nortel/WorldCom-Kapitel. Lucent Technologies verkaufte Ende der 90er Jahre seinen Netzwerk-Ausrüster-Kunden Finanzierungen für den Kauf von Lucent-Equipment — Vendor Financing. Als die Kunden nicht zahlen konnten, kollabierte die Revenue-Kette. Die SEC klagte Lucent 2004 wegen 1,148 Milliarden Dollar Revenue-Inflation an, davon 470 Millionen vorsteuerlicher Gewinn. Die Mechanik: Channel-Stuffing, Side Agreements, vorgezogene Buchungen. Die Parallele zum heutigen AI-Markt ist nicht perfekt, aber strukturell ähnlich: Commitments werden als Revenue gebucht; die eigentliche Zahlung hängt an Meilensteinen, die der Schuldner erst erreichen muss.
Die Folgen für SaaS-Unternehmen: Fünf konkrete Punkte
Erstens: Die Margen-Schere schließt sich. Klassische SaaS-Gross-Margins liegen bei 80 bis 90 Prozent. AI-First-SaaS erreicht aktuell nur 50 bis 65 Prozent — Inference-Kosten machen bis zu 85 Prozent des Enterprise-AI-Budgets aus. 84 Prozent der befragten Unternehmen melden Gross-Margin-Erosion von sechs Prozent oder mehr durch AI-Infrastruktur-Kosten. In diesem Umfeld sind Pricing-Strategien auf Basis von Token-Volumen riskant: Eine Preiserhöhung bei Anthropic oder OpenAI von 30 Prozent trifft den SaaS-Kalkulations-Puffer unmittelbar.
Zweitens: Die Preis-Quersubvention hat ein Verfallsdatum. Aktuelle API-Preise sind durch Hyperscaler-Investitionen, VC-Subventionen und strategische Kampfpreise kunstlich niedrig gehalten. Wenn die zirkuläre Finanzierung sich normalisiert — und spätestens bei der ersten größeren Korrektur wird sie das —, steigen Token-Preise um geschätzte 30 bis 50 Prozent. Zeithorizont nach Einschätzung mehrerer Analysten: 12 bis 24 Monate. B2B-SaaS mit knapper AI-Marge sollte diesen Fall im Pricing-Modell kalkulieren.
Drittens: Vendor-Lock-in wird strategisch. Wenn Cloud-Anbieter Miteigentümer an Modellen sind (Microsoft hält 26,8 Prozent an OpenAI, Amazon rund 7 Prozent an Anthropic), wird Multi-Cloud-AI eine Governance-Frage. Modell-Verfügbarkeit und Pricing-Konditionen werden zu strategischen Entscheidungen des Cloud-Eigentümers, nicht zu Kundenwünschen. Wer als Enterprise-Kunde eine AI-First-Produkt-Strategie fahren will, sollte Multi-Cloud-Provisioning und Modell-Austauschbarkeit in die technische Architektur einbauen. Abstraktionsschichten wie LangChain, LiteLLM, oder OpenRouter werden Mission-Critical.
Viertens: Governance verschiebt sich in die Boardrooms der Hyperscaler. Model-Policies — Safety, erlaubte Inhalte, Enterprise-Regeln — werden nicht mehr nur zwischen Anbieter und Kunde verhandelt. Wenn Amazon und Microsoft strategische Anteile an Modellen halten, bekommen Hyperscaler-Vorstände faktisch Mitspracherecht an Policy-Entscheidungen. Der Mythos-Fall illustriert, was das bedeuten kann: Das US-OMB gewährte zivilen Agenturen Zugang zu einem Modell, das das Pentagon als „supply chain risk“ gelistet hatte — weil die Governance-Ebenen sich neu verteilen. Für regulierte Branchen (Finanzen, Healthcare, Public Sector) bedeutet das eine erhöhte Compliance-Komplexität.
Fünftens: Das Enterprise-Verhandlungsfenster öffnet sich bei einer Korrektur. Solange Compute knapp bleibt, diktieren Labs und Hyperscaler die Preise. Bei einer Korrektur werden die fixen Commitments zur Falle: Anthropic muss 100 Milliarden AWS-Spend erfüllen, egal wie der Markt aussieht. OpenAI ist an 300 Milliarden Oracle-Compute gebunden. Enterprise-Kunden mit Flexibilität — Multi-Cloud, kein mehrjähriges Lock-in, offene Modell-Architektur — gewinnen in diesem Szenario beträchtlich. Kunden, die heute 5-Jahres-Verträge unterzeichnen, verlieren die Option.
Was jetzt zu tun ist
Die Zeitachse ist deutlich. Die nächsten 12 bis 18 Monate bestimmen, wie viele der angekündigten Compute-Deals tatsächlich Cashflows produzieren und wie viele sich in Meilenstein-Verzögerungen und Tranchen-Anpassungen auflösen. Der Fermi-Fall vom Montag, über den wir in der heutigen Ausgabe berichten, zeigt die Kehrseite: Ein IPO-Unternehmen mit 19-Milliarden-Bewertung und Null-Umsatz verliert CEO und CFO an einem Tag, die Aktie fällt 22 Prozent. Das ist nicht die Bubble insgesamt, aber ein Warnsignal.
Für SaaS-Leads bedeutet das, drei Dinge in den nächsten 90 Tagen aktiv zu überprüfen. Erstens: Welche zentralen KI-Fahigkeiten des eigenen Produkts hängen an einem einzelnen Modell-Anbieter? Falls mehr als 30 Prozent der KI-Funktionen von Claude oder GPT abhängig sind, ist eine Abstraktionsschicht (OpenRouter, LiteLLM, Vercel AI SDK) überfällig. Zweitens: Wie reagiert das Pricing-Modell, wenn Token-Preise im kommenden Jahr um 30 bis 50 Prozent steigen? Ein Simulations-Durchlauf mit pessimistischen Preis-Szenarien zeigt meist, wo Nachverhandlungen möglich sind. Drittens: Welche Vertragsklauseln bei bestehenden Cloud-Commitments enthalten Exit-Optionen, Capacity-Swap-Klauseln oder Preis-Obergrenzen? Die Verhandlungsmacht liegt heute bei den Cloud-Anbietern; in einer Korrektur verschiebt sie sich.
Die Karussell-Metapher ist, wie alle Metaphern, irreführend. Ein Karussell dreht sich ohne Energieverbrauch, ein AI-Markt dreht sich nur, solange Kapital, Compute und Talente fließen. Irgendwann bleibt eines davon aus. Wer heute seine Position im Spiel gestaltet, hat die Option, sie dann zu halten. Wer nur mitläuft, riskiert, dass die Musik aufhört — und er ohne Stuhl dasteht. Am Montag, um kurz nach 16 Uhr, hat Amazon gesagt, das Karussell dreht sich weiter. Was die Bank of England, Burry, Chanos und Cahn sagen, ist: Die Musik wird irgendwann leiser werden.