Wenn der Verkäufer den Käufer finanziert: Das zirkuläre Geldkarussell hinter dem KI-Infrastruktur-Boom

Ein Deal, der zwei Mal klingelt

Am 1. Juli stellte Nvidia ein neues Finanzierungsmodell für sogenannte „Neoclouds" vor — kleinere, spezialisierte Rechenzentrumsbetreiber, die GPU-Kapazität an KI-Start-ups vermieten. Die ersten beiden Partner: Sharon AI aus Australien (bis zu 40.000 GB300-Grafikprozessoren über sechs Jahre) und Firmus Technologies (bis zu 170.000 GPUs für eine 360-Megawatt-Anlage in Batam, Indonesien). Zusammen rund 210.000 Chips. Das eigentlich Neue daran ist nicht die Stückzahl, sondern die Vertragsstruktur: Nvidia verkauft die Hardware wie gewohnt gegen Bezahlung — kassiert zusätzlich aber laufend an den Mieteinnahmen mit, die der Betreiber mit eben dieser Hardware erzielt. Und sollte ein Betreiber nicht genug zahlende Kunden finden, verpflichtet sich Nvidia, die überschüssige Kapazität selbst zurückzumieten oder abzunehmen. Colette Kress, Finanzchefin von Nvidia, nennt das einen „recurring, usage-linked earnings stream" — einen wiederkehrenden, nutzungsgebundenen Ertragsstrom. Die genauen Prozentsätze der Umsatzbeteiligung und die Höhe der Abnahmegarantien blieben unveröffentlicht.

Für sich genommen ist das ein cleveres Geschäftsmodell: Kleinere Betreiber, die sich einen milliardenschweren GPU-Einkauf nicht komplett aus eigener Tasche leisten können, bekommen einen Einstieg — Nvidia wiederum verdient nicht mehr nur einmalig am Verkauf, sondern dauerhaft an der Nutzung. Das Modell reiht sich aber in ein Muster ein, das in den vergangenen zwei Jahren immer dichter geworden ist: Nvidia ist inzwischen nicht mehr nur Zulieferer der KI-Branche, sondern gleichzeitig Investor, Kreditgeber und Ausfallversicherung seiner eigenen Kundschaft.

Das große Bild: Wer wem wieviel schuldet

Die Liste ist lang. Nvidia hat OpenAI eine gestaffelte Investitionszusage von rund 100 Milliarden Dollar gemacht, dazu kommen rund 2 Milliarden Dollar Beteiligung an Elon Musks xAI, 2 Milliarden an der Cloud-Firma Nebius und rund 3 Milliarden an CoreWeave — einem GPU-Vermieter, der einen erheblichen Teil seiner Einnahmen postwendend in neue Nvidia-Chips investiert. Hinzu kommt eine bereits 2024 vereinbarte, aber weiterhin laufende Abnahmegarantie über 6,3 Milliarden Dollar für nicht ausgelastete CoreWeave-Kapazität. Der Analyst Tom Tunguz hat das zusammengerechnet: Nvidias kumulierte direkte Investitionszusagen liegen bei etwa 110 Milliarden Dollar — bei einem Jahresumsatz von rund 165 Milliarden Dollar. Das sind etwa 67 Prozent des Umsatzes, die in irgendeiner Form an die eigene Kundschaft zurückfließen.

Das Muster beschränkt sich nicht auf Nvidia. Meta finanziert seine Rechenzentrumskampagne in Louisiana über eine off-balance-sheet-Zweckgesellschaft mit dem internen Namen „Beignet", zusammen mit dem Vermögensverwalter Blue Owl Capital: 27,3 Milliarden Dollar in erstklassig bewerteten Anleihen, gezeichnet unter anderem von Pimco und BlackRock, plus 2,5 Milliarden Dollar Eigenkapital. Blue Owl hält 80 Prozent der Zweckgesellschaft, Meta 20 Prozent mit einer vierjährigen Ausstiegsoption — die Schulden tauchen dadurch nicht direkt in Metas eigener Bilanz auf. Bemerkenswert: Metas eigener Wirtschaftsprüfer Ernst & Young soll genau diese bilanzielle Behandlung intern hinterfragt haben.

Oracle wiederum hat sich zu einem 300-Milliarden-Dollar-Rechenleistungsvertrag mit OpenAI verpflichtet und muss laut Branchenschätzungen allein 2026 zwischen 45 und 50 Milliarden Dollar an zusätzlichem Fremd- und Eigenkapital aufnehmen — zusätzlich zu bereits rund 108 Milliarden Dollar bestehender Schulden, der höchsten Verschuldung aller großen Tech-Konzerne. Eine Analyse von KeyBanc kommt zu dem Schluss, Oracle könnte über vier Jahre bis zu 100 Milliarden Dollar an neuen Schulden aufnehmen müssen, allein um seine OpenAI-Zusagen zu erfüllen. Ratingagenturen wie Moody's und S&P haben ihren Ausblick für Oracle bereits wegen der Konzentration auf einen einzigen Großkunden eingetrübt.

Auch bei CoreWeave selbst zeigt sich das Muster im Kleinen: Die Schulden des Unternehmens wuchsen von unter 8 Milliarden Dollar (2024) auf über 21 Milliarden Dollar (2026), das Verhältnis von Schulden zu Eigenkapital liegt je nach Rechnung zwischen 4,8 und 8,9 — und rund ein Viertel der Umsätze fließt inzwischen allein in Zinszahlungen. Ein 8,5-Milliarden-Dollar-Kredit wurde kürzlich als erste GPU-besicherte Finanzierung mit Investment-Grade-Rating eingestuft (Moody's A3) — was aber voraussetzt, dass die zugrunde liegenden Grafikprozessoren und Kundenverträge über die gesamte sechsjährige Laufzeit werthaltig bleiben.

Ein Begriff für das Ganze: zirkuläre Finanzierung

Der Fachbegriff für dieses Geflecht ist „zirkuläre Finanzierung": Ein Anbieter investiert in seine Kunden, die Kunden kaufen davon wiederum Produkte des Anbieters — wodurch Umsatz entsteht, der von außen wie organische Nachfrage aussieht, tatsächlich aber teilweise vom Verkäufer selbst finanziert wurde. Wedbush-Analyst Matthew Bryson bringt es auf den Punkt: Nvidias Investitionsnetz passe „exakt in das zirkuläre Investitionsthema" und könne Nachfrage organischer aussehen lassen, als sie tatsächlich ist — auch wenn er einräumt, dass daraus durchaus ein echter Wettbewerbsvorteil entstehen kann. Diese Sorge ist nicht neu: Der Investor David Cahn von Sequoia hatte bereits 2023 mit seiner Analyse „AI's $200B Question" eine strukturelle Lücke zwischen KI-Infrastrukturausgaben und tatsächlichen Umsätzen der Branche beschrieben und diese Rechnung später auf „$600B" nach oben korrigiert.

Für Schlagzeilen sorgte zuletzt „Big Short"-Investor Michael Burry mit dem Vorwurf, mehrere Hyperscaler — Microsoft, Meta und andere — hätten die Abschreibungsdauer ihrer GPUs künstlich verlängert (etwa bei Microsoft von vier auf sechs Jahre), obwohl die tatsächliche wirtschaftliche Nutzungsdauer von Grafikprozessoren eher bei zwei bis drei Jahren liege — macht in seiner Rechnung branchenweit rund 176 Milliarden Dollar an möglicherweise zu niedrig ausgewiesenen Abschreibungen zwischen 2026 und 2028. Nvidia hat diese Darstellung intern zurückgewiesen; unabhängig verifizierbar ist der Vorwurf bislang nicht — er bleibt eine Analysten-These, kein belegter Bilanzverstoß. Der NYU-Bewertungsexperte Aswath Damodaran wiederum argumentiert allgemeiner: Addiere man die impliziten Umsatzziele aller großen KI-Anbieter, komme eine Summe von 2 bis 4 Billionen Dollar zusammen — mathematisch unmöglich, wenn man bedenkt, dass sich diese Ziele gegenseitig Kunden streitig machen müssten.

Die schiere Größenordnung der Gesamtausgaben verdeutlicht, warum diese Debatte gerade jetzt an Fahrt gewinnt: Microsoft, Google, Amazon und Meta zusammen werden 2026 laut Branchenschätzungen rund 725 Milliarden Dollar in KI-Infrastruktur investieren — ein Anstieg von 77 Prozent gegenüber den bereits hohen rund 410 Milliarden Dollar des Vorjahres. Ein erheblicher Teil davon ist fremdfinanziert: Allein Amazon gab im laufenden Jahr Anleihen im Volumen von rund 54 Milliarden Dollar aus. Eine Analyse von Moody's aus dem Februar 2026 bezifferte zudem die bereits unterschriebenen, aber noch nicht angetretenen Rechenzentrums-Mietverpflichtungen der fünf größten Hyperscaler auf 662 Milliarden Dollar — außerhalb der eigentlichen Bilanz, aber wirtschaftlich bindend.

Der Geist von Lucent und Nortel

Die historische Blaupause für diese Sorge liegt zwei Jahrzehnte zurück. Zwischen 1996 und 2001 finanzierten Ausrüster wie Lucent Technologies (8,1 Milliarden Dollar), Nortel Networks (3,1 Milliarden Dollar zugesagt) und Cisco (2,4 Milliarden Dollar) den Ausbau kleinerer Telekommunikationsanbieter — jener sogenannten CLECs, die mit geliehenem Geld Glasfasernetze verlegten, die anschließend zu großen Teilen ungenutzt blieben. Als die Dotcom-Blase platzte, gingen zwischen 2000 und 2003 rund 47 dieser Anbieter pleite; die Kreditportfolios der Ausrüster verzeichneten Verluste zwischen 33 und 80 Prozent. Lucent musste zwischen 2001 und 2002 rund 3,5 Milliarden Dollar an Kundenkrediten abschreiben, brach von 38 Milliarden Dollar Umsatz (1999) auf 8 Milliarden Dollar (2006) ein und entging der Insolvenz nur knapp durch den Verkauf an Alcatel für 3,01 Dollar je Aktie. Nortel kürzte im ersten Quartal 2001 seine Umsatzprognose über Nacht von 8,5 auf 6,3 Milliarden Dollar, entließ rund 60.000 seiner 94.000 Beschäftigten, schrieb über 15 Milliarden Dollar ab — die Aktie fiel von 86,75 Dollar (Juli 2000) auf 18 Cent (2009), bevor der Konzern endgültig Insolvenz anmeldete.

Tunguz' eigene Rechnung zeigt allerdings auch deutliche Unterschiede: Nvidias Kundenkonzentration ist zwar hoch (die vier größten Kunden stehen für 46 Prozent des Umsatzes, bei Lucent waren es 23 Prozent bei den zwei größten), doch fehlen bislang Belege für die Art von Bilanzmanipulation, die Lucent damals nachgewiesen wurde — dort waren 452 Millionen Dollar Umsatz unrechtmäßig verbucht worden, gestützt durch geheime Rückgaberecht-Nebenabreden. Nvidia erwirtschaftet zudem einen operativen Cashflow von rund 15,4 Milliarden Dollar pro Quartal bei 46,2 Milliarden Dollar Nettobarmitteln; Lucents Cashflow hinkte damals schon dem ausgewiesenen Gewinn hinterher. Und während Glasfasernetze im Jahr 2000 nach Schätzungen weniger als 0,002 Prozent ihrer gebauten Kapazität nutzten, berichten Microsoft und Amazon aktuell im Gegenteil von echten Kapazitätsengpässen bei KI-Rechenleistung.

Was Entscheider daraus mitnehmen sollten

Die ehrliche Einordnung lautet: Beide Lesarten haben Substanz. Es gibt echte, messbare Nachfrage nach KI-Rechenleistung — Unternehmen berichten von Engpässen, nicht von Leerstand, und die Umsätze der großen KI-Anbieter wachsen tatsächlich. Gleichzeitig verdichten sich in kurzer Zeit mehrere voneinander unabhängige Warnsignale: verlängerte Abschreibungsfristen, milliardenschwere außerbilanzielle Zweckgesellschaften, ein einzelner Anbieter (Nvidia), der einen wachsenden Teil seines eigenen Umsatzes selbst finanziert, und Ratingagenturen, die Konzentrationsrisiken bei Einzelkunden wie OpenAI explizit benennen.

Für Unternehmen, die selbst auf KI-Infrastruktur-Anbieter setzen — ob direkt bei GPU-Cloud-Verträgen oder indirekt über die eigenen Software-Lieferanten —, ergeben sich daraus konkrete Prüffragen, keine Panikreaktion. Erstens: Wer steht eigentlich hinter der Kapazität, die man mietet oder nutzt? Eine Umfrage des Automatisierungsanbieters Zapier fand, dass 81 Prozent der befragten Führungskräfte bereits Sorge vor Abhängigkeit von einzelnen KI-Anbietern äußern, aber nur 6 Prozent glauben, ihren Anbieter ohne größere Störung wechseln zu können. Zweitens: Verträge mit „Neoclouds", die selbst über Umsatzbeteiligungs- oder Abnahmegarantie-Konstruktionen wie die von Nvidia finanziert sind, tragen ein verstecktes, korreliertes Risiko — gerät der Chiphersteller selbst in eine Nachfrageschwäche, muss er möglicherweise gleich doppelt einstehen, für Hardwareverkäufe und für Umsatzgarantien zugleich. Drittens lohnt ein Blick auf die Bilanzierungspraxis der eigenen Anbieter: Wer Abschreibungsfristen verlängert oder Investitionen konsequent in Zweckgesellschaften auslagert, verschiebt Risiko, macht es aber nicht verschwinden. Die Lehre aus Lucent und Nortel ist am Ende weniger, dass Geschichte sich zwangsläufig wiederholt — sondern dass Verträge, die heute nach reiner Formsache aussehen, in einer Abschwungphase plötzlich sehr konkret werden können.