BIZ-Studie: Die Nachfrage der Haushalte könnte den KI-Boom bremsen

Der Investitionsboom in künstliche Intelligenz stößt an seine Grenze bei der Nachfrage der Haushalte. Chips und Energie kommen erst danach.

Das schreibt Phurichai Rungcharoenkitkul im BIS Working Paper 1381^[1], das die Bank für Internationalen Zahlungsausgleich (BIZ) am 12. Oktober 2026 veröffentlicht hat. Im Szenario, das sein Modell für sehr plausibel hält, beschleunigt sich das Wachstum nur kurz und fällt dann unter die 2 % der Zeit vor der KI.

Die Branche schaut woanders hin. CoreWeave verkauft Rechenleistung für KI und widmet in seinem Blog einen Beitrag der Frage, wie sich die Engpässe überwinden lassen, die das KI-Wachstum bremsen^[2]. Der Markt zählt Megawatt und verfügbare GPUs.

Das Paper zählt den Einkaufswagen.

1820: Das Jahr, in dem Malthus fragte, wer das alles kaufen soll

1820 veröffentlichte Thomas Malthus seine Principles of Political Economy. Seine Frage an David Ricardo war einfach. Wer kauft die Waren, die ein Kapitalstock produziert, der schneller wächst als der Konsum?

Ricardo antwortete, dass sich jedes Angebot seine eigene Nachfrage schafft, wie Jean-Baptiste Say es formuliert hatte.

1902 griff John Hobson die These in Imperialism wieder auf. Für ihn suchte überschüssiges Kapital Renditen im Ausland, weil die Löhne im Inland zu wenig kauften.

Der Mechanismus ist in beiden Fällen derselbe. Die Investitionen laufen davon, der Konsum bleibt zurück, die Kapitalrendite sinkt.

2026 kommt ein neuer Akteur hinzu. Es ist die Maschine, die die Arbeit erledigt und auch die Forschung.

Wo das Modell den heutigen Zyklus verortet

Das Paper verwendet ein aufgabenbasiertes Modell endogenen Wachstums. Innovation wird aus den Renten auf Konsumgüter finanziert.

Die Szenarien hängen von zwei zentralen Stellschrauben ab:

• Tempo: wie schnell KI-Technologien ankommen.
• Dauer: wie lange die Renten der Innovatoren bestehen bleiben.

Mit transformativer KI hebt das Wachstum ab, erreicht nach zwei Jahrzehnten 5,5 % und steigt dann weiter. Mit dem Nachfrageengpass beschleunigt es sich nur kurz und fällt dann unter die 2 % der Zeit vor der KI, weil sich die Innovation dauerhaft verlangsamt. Die Zwischenszenarien bringen bestenfalls moderate Zugewinne, so das Working Paper 1381^[3].

Der Vergleich mit der Fachliteratur ist ausdrücklich. Einige neuere Schätzungen, die das Paper zitiert, sehen das Wachstum innerhalb weniger Jahre bei über 10 %. Das kalibrierte Modell prognostiziert ein moderateres Wachstum, auch im Vergleich zu Korinek et al. (2026).

Dieses Muster ist strukturell. Das Paper misst die Ergebnisse über einen Zeitraum von zwei Jahrzehnten.

Warum Ausgaben für Maschinen der Forschung die Luft nehmen

Der Mechanismus ist kausal und verläuft in drei Schritten.

1. Automatisierung im großen Maßstab bindet Ressourcen und verschiebt einen wachsenden Teil der Produktion hin zu Investitionen.
2. Die Haushalte kaufen dadurch einen kleineren Anteil der Gesamtproduktion, und die Renten auf Konsumgüter schrumpfen.
3. Forschung und Markteintritt neuer Unternehmen kosten Geld, und dieses Geld kommt aus der Konsumnachfrage. Mit geringeren Renten sinkt der Anreiz, mit KI weiter zu innovieren.

Das Paper stellt die Frage direkt. Kann KI das Wachstum hochhalten, während die Haushalte ein kleineres Stück der Produktion kaufen?

An den Daten verankert entscheidet sich das Modell für das Nachfrageszenario. Es bezeichnet es als empirisch sehr plausibel.

Seit Jahren vertrete ich die These, dass der KI-Capex eine Schuldenkette ist, deren systemisches Risiko bei den Kreditgebern der Rechenzentren liegt. Das Paper gibt dieser These eine neue Grundlage. Die Schulden der Rechenzentren werden mit Erlösen zurückgezahlt, die aus dem Konsum stammen.

Genau diese Größe drückt die Automatisierung.

Wohin das Kapital fließen sollte und wann

1. Family Offices und Staatsfonds, 36 Monate. Die Rendite von Rechenzentren hängt von der Endnachfrage der Haushalte ab. Kredite für KI-Infrastruktur sollten nach der Qualität der nachgelagerten Erlöse gewichtet werden, nicht in erster Linie nach dem Bautempo.
2. Chief Risk Officer, 24 Monate. Das Paper betont die hohe Unsicherheit beim natürlichen Zinssatz. Ein Szenario mit hohen Investitionen und einem Wachstum unter 2 % gehört neben das Abheben-Szenario in die Stresstests.
3. CFOs und Vorstände, 18 Monate. Eine Investorenstory, die auf zweistelligem Wachstum beruht, stützt sich auf ein anderes Szenario als das, welches das kalibrierte Modell für plausibel hält. Die Guidance sollte auch auf dem moderaten Pfad aufbauen.

Meine These und die Fakten, die sie kippen würden

Meine Position ist klar. Der KI-Investitionszyklus wird seine Obergrenze bei der Nachfrage der Haushalte finden, noch bevor Chips oder Energie knapp werden.

Es handelt sich um ein einziges Modell, und ein Working Paper gibt die Ansichten seines Autors wieder. Die Ergebnisse hängen von Parametern wie der Dauer der Renten ab, die sich mit Daten nur schwer messen lassen.

Meine Meinung würde ich bei drei Entwicklungen ändern:

• Neue, durch KI entstandene Konsumgüter, die die Ausgaben der Haushalte ausweiten, statt sie zu ersetzen.
• Renten der Innovatoren, die länger bestehen, als das kalibrierte Modell annimmt.
• Eine neue Arbeit der BIZ oder anderer Autoren, die die Plausibilität mit aktuelleren Daten in Richtung des transformativen Szenarios verschiebt.

Die Indikatoren, die das Spiel entscheiden

• Der Anteil des privaten Konsums am BIP in den Volkswirtschaften, die am meisten in KI investieren.
• Die Schätzungen des natürlichen Zinssatzes von Fed, EZB und BIZ samt der Breite ihrer Unsicherheitsbänder.
• Die Spreads bei Private Credit für Rechenzentren, gelesen zusammen mit den Erlösen der Endkunden.

Malthus verlor die Debatte von 1820. Seine Frage kehrt heute in einem Modell der Bank der Zentralbanken zurück, und die Antwort müssen die Kreditgeber der Rechenzentren geben.