KI-Rechenkosten-Kurve: Der Einbruch, den die Märkte falsch bewerten

Die These, als Tatsache formuliert

Die KI-Rechenkosten-Kurve tendiert schneller gegen null, als jeder Kapitalplan annimmt. Dies ist eine Trajektorie, der dokumentierte Preisrückgang maschineller Intelligenz pro Token über drei aufeinanderfolgende Jahre.

Der Konsens bewertet Rechenleistung als knappes, im Wert steigendes Gut. Dieser Rahmen läuft 2026 aus, und die Neubewertung wird jedem plötzlich erscheinen, der Capex-Schlagzeilen liest.

Zuversicht bezüglich der Technologie: hoch. Zuversicht bezüglich des genauen Monats der Marktneubewertung: mittel. Die Richtung lässt nur eine Antwort zu, und die Steigung ist für jeden sichtbar, der die richtigen Reihen liest.

Wo der Konsensrahmen bricht

Analysten lesen die Investitionsausgaben-Schlagzeilen und schließen daraus, dass Intelligenz teurer wird. Sie schauen auf die falsche Zahl.

Capex misst das Rennen um den Kapazitätsaufbau. Die Kennzahl, die die Zukunft vorhersagt, ist die Kosten pro geliefertem Token, und diese Zahl fällt jedes Quartal. Steigende Ausgaben und fallende Stückkosten koexistieren, weil das Volumen explodiert, während der Preis einbricht.

Neunzig Prozent der Analysten haben die Gegenwart richtig erfasst. Sie lesen das Tempo des Wandels falsch.

Sie extrapolieren eine Angebotsknappheit über ein Jahrzehnt, während die beobachtete Kurve bisher jede Knappheitsprognose gebrochen hat. Der Rahmenfehler ist strukturell und wird langsame Leser einen ganzen Zyklus kosten.

Die Kostenkurve: drei Ankerpunkte

Man nennt etwas eine Trajektorie, wenn drei Punkte übereinstimmen. Die Kurve der Frontier-Inferenz liefert sie sauber.

Branchendaten zeigen, dass der Preis, um eine bestimmte Qualität von Modell-Output bereitzustellen, seit 2023 um etwa eine Größenordnung pro Jahr gefallen ist. GPT-4-Klasse-Leistung, die beim Start einen Premiumpreis verlangte, verkauft sich heute zu einem kleinen Bruchteil dieses frühen Tarifs.

Der Präzedenzfall liegt in der Solar-Photovoltaik. Die IEA dokumentierte einen Rückgang der Modulkosten um 90 % von 2010 bis 2020.

Rechenleistung folgt derselben Lernraten-Mechanik: kumuliertes Volumen treibt die Kosten eine vorhersagbare Steigung hinunter. Jede Verdopplung der installierten Kapazität erkauft eine feste prozentuale Reduktion, und das Beschleuniger-Volumen verdoppelt sich rasch.

Das ASML-Signal

Beobachten Sie die Schaufeln-und-Spitzhacken-Schicht, um den Wandel zu terminieren. ASML sitzt an der Basis jedes heute produzierten fortgeschrittenen KI-Beschleunigers.

Das Unternehmen kaufte Ende Juli 2026 eigene Aktien zu gewichteten Durchschnittspreisen zwischen rund 1.375 € und 1.525 € zurück, laut seiner am 3. August 2026 eingereichten Rückkaufmitteilung. Ein Unternehmen, das eigene Aktien in diesem Umfang kauft, signalisiert die Überzeugung, dass sich die Nachfrage nach Lithografie über Jahre hinweg verstärkt.

Lesen Sie das Signal richtig. Die Lieferkette erwartet, dass das Volumen weiter steigt, und steigendes Volumen ist genau der Mechanismus, der die Stückkosten die Kurve hinunter treibt.

Die Hardware-Schicht floriert, während die von ihr ermöglichte Intelligenz zur Massenware wird. Diese beiden Tatsachen erscheinen dem Konsens widersprüchlich, doch sie beschreiben denselben Motor.

Das Klippenereignis

Adoption steigt selten eine gleichmäßige Rampe hinauf. Sie verharrt flach und springt dann, wenn der Preis eine psychologische Schwelle überschreitet.

Klippenereignis: frontier-äquivalente Inferenz erreicht bis Ende 2026 etwa 0,001 $ pro Token. Zu diesem Preis kostet es weniger, ein leistungsfähiges Modell in jeden Arbeitsablauf einzubetten, als die menschliche Minute, die man zum Lesen des Outputs aufwendet.

Marginales Schlussfolgern wird faktisch kostenlos. Wenn eine Ressource in Überfluss übergeht, ändert sich die Architektur.

Teams hören auf, Aufrufe an das Modell zu rationieren, und bauen ganze Produkte um kontinuierliche Inferenz herum. Das ist ein Regimewechsel, und er kommt an einem Datum an, der Mechanik statt Stimmung widerspiegelt.

Drei Kategorien, die sich auflösen

Drei Kategorien werden bis 2027 in ihrer aktuellen Form verschwinden:

• Generische Wiederverkäufer von "KI-Kapazität", deren Marge verdampft, sobald der zugrunde liegende Token-Preis gegen null geht.
• Basismodell-Pure-Plays ohne proprietären Daten-Burggraben, eingeklemmt zwischen fallenden Preisen und steigenden Trainingskosten.
• Unternehmens-Einkaufsabteilungen, die an mehrjährige Rechenverträge zu 2025er-Tarifen gebunden sind.

Der Wert wandert nach oben, in vertikale Anwendungen, die proprietäre Daten besitzen. Diese Firmen mieten kommoditisierte Intelligenz und verkaufen ein Ergebnis, das Konkurrenten nicht replizieren können.

Der Burggraben lebt in Daten, die niemand sonst hält, in der Tiefe des Arbeitsablaufs, in der Distribution. Generische Tokens kaufen nichts davon.

Ein CTO, der dies liest, sollte jeden Vertrag prüfen, der annimmt, dass Rechenleistung teuer bleibt. Ein Wachstumsinvestor sollte den Daten-Burggraben finanzieren und generischen Modellzugang als Kostenposten statt als These behandeln.

Wer verletzt wird und wer sich verstärkt

Die Neubewertung sortiert Gewinner von Nachzüglern entlang einer Achse: der Nähe zu proprietären Daten.

Ein Chief Strategy Officer, der einen Dreijahresplan auf teurer Inferenz aufbaut, plant für eine Welt, die sich mitten im Plan auflöst. Schreiben Sie die Annahmen jetzt neu, solange der Wandel noch günstig zu absorbieren ist.

Einkaufsteams stehen am schärfsten Rand. Ein mehrjähriger Rechenvertrag, zu 2025er-Tarifen unterschrieben, sperrt ein Premium in die Bilanz ein, genau während der Marktpreis darunter zusammenbricht.

Venture Capital erhält die umgekehrte Lektion. Die Wette, die heute teuer aussieht, eine vertikale Firma mit einem schmalen Daten-Burggraben, wird korrekt bewertet, sobald Intelligenz zur Utility wird.

Die Position und was mich umstimmen würde

Meine aktuelle Position: Basismodelle werden innerhalb von 18 bis 24 Monaten zur Massenware, und die gesamte Marge wandert zur Anwendungsschicht.

Generische Kapazität heute zu kaufen bedeutet, die Massenware von morgen zum Preis von gestern zu kaufen. Ich vertrete dies mit hoher Überzeugung und halte den Falsifikator explizit.

Kill-Signal: ein anhaltender Anstieg der Kosten pro Token über zwei aufeinanderfolgende Quartale, angetrieben von einer echten Angebotsobergrenze im Advanced Packaging oder in der Lithografie. Dieses Muster würde die Lernraten-Mechanik brechen und das Knappheitslager bestätigen. Ich beobachte ASMLs Auftragsbücher als erstes Anzeichen.

Die Prognose

Prognose: frontier-äquivalente Inferenz wird von mindestens einem großen Anbieter vor dem 31. Dezember 2026 zu 0,001 $ pro Token oder darunter verkauft.

Zuversicht: 78 %. Horizont: Ende 2026. Der Mechanismus ist kumuliertes Volumen, das die Lernkurve antreibt, dieselbe Kraft, die Solar über ein Jahrzehnt um 90 % senkte.

Kill-Signal: zwei aufeinanderfolgende Quartale steigender Kosten pro Token, gebunden an eine Hardware-Angebotsobergrenze. Fehlt dieses Muster, hält die Kurve. Lesen Sie das vollständige Argument und prüfen Sie dann die Daten gegen die Realität im Blog.