Modelle
KI-Rechenzentren: 3,7 Billionen $ Jahresumsatz bis 2032, um sich zu rechnen, laut einem bei Brookings veröffentlichten Papier
Ein Ökonom der Columbia University beziffert die US-Investitionen in KI von 2025 bis 2032 auf 10,3 Billionen $ und den Umsatz, der zur Refinanzierung nötig wäre, auf 3,725 Billionen $ pro Jahr.
Wie viel muss KI verdienen, um die in den Vereinigten Staaten im Bau befindlichen Rechenzentren zu refinanzieren? Ein am 25. September 2026 auf der Herbstkonferenz der Brookings Papers on Economic Activity (BPEA) vorgestelltes Papier nennt eine Größenordnung: etwa 3,725 Billionen $ Jahresumsatz bis 2032, also 9,2 % des prognostizierten US-BIP dieses Jahres (Papier, Konferenzentwurf).
Zur Klarstellung. Das ist keine institutionelle Studie von Brookings: Es ist ein Forschungspapier von Stijn Van Nieuwerburgh, Professor für Immobilienwirtschaft an der Columbia Business School, das Brookings im Rahmen der BPEA veröffentlicht hat (Konferenzentwurf vom 4. September 2026). Jede dortige Veröffentlichung gibt allein die Ansichten ihrer Autoren wieder (Brookings).
Die wichtigsten Zahlen
- Investitionen: 10,3 Billionen $ von 2025 bis 2032 in Gebäude, Energie, Netzwerke, Chips und weitere Ausrüstung, im Schnitt 3,63 % des BIP pro Jahr. Das ist mehr als bei den Booms von Kanalbau, Eisenbahn (2,24 %), Elektrifizierung, Autobahnen und Telekommunikation (1,10 %).
- Kapazität: 182,8 GW zusätzliche Kapazität gehen zwischen 2025 und 2032 ans Netz, aus einer angekündigten Pipeline von etwa 509 GW; das zentrale Szenario nimmt an, dass 117,2 GW erst nach 2032 kommen und 226,9 GW nie gebaut werden.
- Stückkosten: rund 8,2 Mrd. $ für einen 200-MW-Campus, zwei Drittel für IT (GPUs, Netzwerk, Speicher) und ein Drittel für Gebäude und Energie.
- Erforderlicher Umsatz: 3,725 Billionen $ pro Jahr, sobald diese gesamte Kapazität läuft, bei einem prognostizierten BIP 2032 von 40,481 Billionen $.
Die Methode: eine Break-even-Schwelle, keine Prognose
Die Zahl von 3,725 Billionen $ beantwortet eine bestimmte Frage: Welchen Umsatz muss die zwischen 2025 und 2032 fertiggestellte Kapazität erzielen, um Investoren eine unverschuldete Rendite von 10 % zu bringen, bei einer operativen Cashflow-Marge von 50 %, einer wirtschaftlichen Nutzungsdauer von sechs Jahren für IT und zwanzig Jahren für alles andere? Der Autor sagt es selbst in einem von Columbia veröffentlichten Beitrag: Es ist eine Berechnung des erforderlichen Umsatzes, keine Vorhersage dessen, was Kunden ausgeben werden (Columbia Business School).
Das Ergebnis reagiert stark auf die Annahmen (Papier, Tabelle 7):
- von 2,29 Billionen $ (5 % Rendite, 67 % Marge) bis 6,72 Billionen $ (15 % Rendite, 33 % Marge);
- bleiben GPUs nur drei Jahre statt sechs wettbewerbsfähig, steigt der Bedarf auf etwa 6,0 Billionen $, also 14,8 % des BIP 2032.
Zur Einordnung: Bei einem geschätzten gemeinsamen Umsatz von OpenAI und Anthropic von rund 100 Mrd. $ pro Jahr wäre bis 2032 ein Wachstum von etwa 80 % pro Jahr nötig, um diese Schwelle zu erreichen, rechnet der Autor vor.
Zwei Fassungen im Umlauf. In seinem Beitrag für Columbia vom 6. Oktober zitiert der Autor eine überarbeitete Fassung des Papiers: knapp 9 Billionen $ Investitionen, etwa 188 GW und 3,55 Billionen $ erforderlicher Umsatz (8,8 % des BIP). Die von der Presse und hier genannten Zahlen stammen aus dem bei Brookings veröffentlichten Konferenzentwurf.
Weitere vergleichbare Schätzungen
- Bain & Company (September 2025) schätzte, dass bis 2030 weltweit etwa 2 Billionen $ Jahresumsatz nötig wären, um die erforderliche Rechenleistung zu finanzieren, und dass selbst unter Anrechnung KI-bedingter Einsparungen noch 800 Mrd. $ fehlen würden (Bain). Geltungsbereich (weltweit, Horizont 2030) und Methode unterscheiden sich: Die beiden Zahlen lassen sich nicht addieren.
- Das Papier hält fest, dass die Investitionsausgaben von Oracle, Microsoft, Amazon, Meta und Alphabet von etwa 97 Mrd. $ im Jahr 2020 auf mehr als 400 Mrd. $ im Jahr 2025 gestiegen sind und 2026 voraussichtlich über 800 Mrd. $ liegen werden, erstmals über ihrem gemeinsamen operativen Cashflow. Daher der zunehmende Einsatz von Leasing, Joint Ventures, Private Credit und Konstruktionen außerhalb der Bilanz, die der Autor für schwerer überwachbar hält (Bisnow, Brookings-Podcast).
Was das für die Preise von Coding-Werkzeugen und APIs bedeutet
Das Papier übersetzt seine Schwelle in GPU-Mietpreise: etwa 5,5 $ pro installierter GPU-Stunde bei voller Auslastung, 6,9 $ bei 80 % Auslastung, im Rahmen der heutigen Preise für Spitzen-Rechenleistung. Für den Autor lautet die eigentliche Frage daher, ob die Anbieter diese Preissetzungsmacht behalten, sobald rund 180 GW hinzugekommen sind. Zwei Lesarten, die sich nicht ausschließen:
- Solange Kapazität knapp ist, halten die Preise. Die Preislisten zeigen es bereits: Bei Google steigt Gemini 4 Argon am 1. Dezember von 2 $/10 $ auf 4 $/20 $ pro Million Tokens, und Gemini 3.8 Flash am 1. Januar 2027, wenn die Einführungspreise enden, von 0,75 $/3,75 $ auf 1,50 $/7,50 $ (Google). Ein Coding-Abonnement oder eine API, die heute „günstig“ ist, kann wieder teurer werden.
- Übersteigt das Angebot die Nachfrage, fallen sie. „Früher oder später werden wir ein Überangebot haben, wie in jedem Immobilienzyklus, und dann werden die Preise zusammenbrechen“, sagte der Autor Bisnow; er erwartet dieses Risiko erst nach fünf bis acht Jahren starken Wachstums.
Für ein Team, das seine Coding-Agenten budgetiert, heißt das in der Praxis: den Preis pro Aufgabe statt des Listenpreises vergleichen, das Enddatum von Einführungspreisen prüfen und eine günstigere oder selbst gehostete Ausweichlösung bereithalten. Mit dem Kostenrechner und dem Modellvergleich lässt sich die Rechnung mit eigenen Volumina nachvollziehen; siehe auch unseren Leitfaden zur Wahl eines Agenten nach Budget.
Quellen
- Stijn Van Nieuwerburgh: Financing the AI Buildout (BPEA, conference draft) (4. Sep. 2026), geprüft am 21.10.2026
- Brookings: Financing the AI buildout (summary) (23. Sep. 2026), geprüft am 21.10.2026
- Brookings: The $10 trillion question (podcast and transcript) (8. Okt. 2026), geprüft am 21.10.2026
- Columbia Business School: The AI Buildout: What Real Estate Investors Need to Underwrite (6. Okt. 2026), geprüft am 21.10.2026
- Bisnow: Brookings Study Shows AI's $10T Build-Out Cost Will Likely End In Market Correction (23. Sep. 2026), geprüft am 21.10.2026
- Bain & Company: $2 trillion in new revenue needed to fund AI's scaling trend (23. Sep. 2025), geprüft am 21.10.2026
- Google: Gemini API pricing, geprüft am 21.10.2026
Fazit: 3,725 Billionen $ pro Jahr sind eine unter Annahmen berechnete Break-even-Schwelle (10 % Rendite, 50 % Marge, Abschreibung der GPUs über sechs Jahre), keine Umsatzprognose.
Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie
