Central Bank AI: Wer die Rechenleistung kontrolliert, gewinnt

Ein Präzedenzfall: 1973, die Geburt von SWIFT

1973 gründeten 239 Banken aus fünfzehn Ländern SWIFT in Brüssel. Der Mechanismus war elementar: die Standardisierung von Zahlungsnachrichten zwischen Institutionen. Wer den Kanal kontrollierte, kontrollierte den Fluss.

Fünf Jahrzehnte lang erschien dieser Kanal neutral. Die Realität wirkte auf einer anderen Ebene.

2012 drängten die Vereinigten Staaten darauf, iranische Banken aus dem System auszuschließen. 2022 wiederholten sie den Schritt gegen einen Teil der russischen Banken. Die strukturelle Lektion bleibt identisch: Die technische Infrastruktur des Geldes ist geopolitische Macht, und jede neue Schicht dieser Infrastruktur definiert neu, wer befiehlt.

Der Präzedenzfall verdient eine feinere Lesart. SWIFT entstand als technische Genossenschaft, nicht als außenpolitisches Instrument. Seine Neutralität war die Voraussetzung seiner universellen Verbreitung. Doch ein von allen genutzter Kanal wird per Definition zu einem Kontrollpunkt. In dem Moment, in dem der Ausschluss aus SWIFT reale Kosten für die Gegenseite erzeugt, erlangt der Betreiber des Kanals eine Macht, die ihm kein Vertrag zugewiesen hatte. Es ist der Mechanismus, der sich bei jeder neuen Schicht der monetären Infrastruktur wiederholt: zuerst die Übernahme aus Effizienzgründen, dann die Entdeckung, dass Effizienz einen Herrn hat.

Das aktuelle Muster: Zentralbanken setzen auf KI

Die Bank für Internationalen Zahlungsausgleich startete 2019 ihren Innovation Hub mit Zentren in Basel, Hongkong und Singapur. Erklärtes Ziel war es, Technologien für das globale Finanzsystem zu testen.

Heute sind die Anwendungsfälle der Central Bank AI konkret und dokumentiert.

• Nowcasting von Wachstum und Inflation
• Automatisierte Bankenaufsicht
• Textanalyse aufsichtsrechtlicher Dokumente
• Erkennung von Anomalien bei grenzüberschreitenden Zahlungen

Die Federal Reserve, die EZB und die People's Bank of China bauen interne Analysekapazitäten aus. Das Thema wanderte in weniger als fünf Jahren von der Forschung in die Produktion. Dieses Tempo hat einen präzisen Präzedenzfall: Die Digitalisierung des Zahlungsverkehrs in den 1990er Jahren folgte derselben Kurve, und wer sie zuerst steuerte, diktierte die Standards.

Es lohnt sich zu klären, was diese vier Anwendungsfälle von einer bloßen technologischen Aktualisierung unterscheidet. Das Nowcasting antizipiert Zinsentscheidungen. Die automatisierte Aufsicht verlagert das Urteil über die Solvenz vom Beamten zum Modell. Die Textanalyse filtert, was die Aufseher lesen. Die Erkennung von Anomalien bei grenzüberschreitenden Zahlungen wirkt sich direkt auf die Grenze zwischen legalem und blockiertem Fluss aus. In jedem Fall begleitet das Modell nicht die Entscheidung: Es strukturiert sie. Wer das Modell kalibriert, lenkt das Ergebnis, bevor das Ergebnis entschieden ist.

Der Mechanismus: Wer die Rechenleistung kontrolliert, kontrolliert das Geld

Die Macht der auf die Geldpolitik angewandten KI hängt von drei physischen Ressourcen ab: Daten, Halbleiter, Energie. Modelle lassen sich replizieren. Chipfabriken hingegen bleiben in sehr wenigen Händen konzentriert.

Dies ist meine zweite Grundposition, angewandt auf das Geld. Der Wettbewerb zwischen den USA und China um KI ist ein Problem des Zugangs zu Fabs, jenseits der Leistungsfähigkeit der Modelle. Wer TSMC und Samsung kontrolliert, kontrolliert das Ergebnis.

Der kausale Mechanismus ist linear. Eine Zentralbank, die Nowcasting, Überwachung und Liquidität über Modelle steuert, wird von der Rechenleistung abhängig, die sie betreibt. Diese Rechenleistung stammt von einer geringen Zahl ausländischer Hersteller. Die monetäre Souveränität verlagert sich so zu demjenigen, der die Halbleiterkette dominiert. Der Markt hat KI bereits als Aktienthema eingepreist. Der Markt hat KI als Vektor monetärer Macht noch nicht eingepreist.

Die Unterscheidung zwischen den beiden Einpreisungen ist der Kern. KI als Aktienthema einzupreisen bedeutet, Umsätze, Margen und Wachstum der Hersteller abzuzinsen. KI als Vektor monetärer Macht einzupreisen bedeutet, die Möglichkeit abzuzinsen, dass die Autonomie einer Zentralbank von einer ausländischen Lieferkette abhängt. Die erste steckt bereits in den Multiplikatoren. Die zweite taucht in keinem Modell des Länderrisikos auf. Eine Abhängigkeit von der Rechenleistung ist eine politische Abhängigkeit, verkleidet als technische Wahl: Die Zentralbank wählt das Modell aus Effizienzgründen, erbt aber die Geografie desjenigen, der die Hardware herstellt. Diese Geografie ist nicht diversifiziert.

Energie ist die verborgene Beschränkung

KI verschlingt Energie und Hardware. Jedes Modell erfordert Rechenleistung, und Rechenleistung erfordert stabile Versorgung und effiziente Speicherung.

Die Entwicklung der Batterien signalisiert die Richtung der Kette. Am 11. August 2026 rezensierte ZDNET eine Semi-Solid-State-Powerbank für 49,99 Dollar, ein Marker für eine Energiedichte, die im gesamten Sektor voranschreitet (Quelle).

Die Lektion gilt im industriellen Maßstab. Wer die Fabs, die Stromnetze und die Energiespeicherung kontrolliert, kontrolliert den monetären Output des KI-Zeitalters. Eine Zentralbank ohne souveräne Energie und zugängliche Chips delegiert faktisch einen Teil ihrer eigenen Autonomie. Die Energiebeschränkung wird der entscheidende Faktor des kommenden Jahrzehnts bleiben.

Die Energiebeschränkung ist verborgen, weil sie jeder anderen Variablen vorgelagert ist. Ein Modell kann anderswo trainiert werden, Daten können gekauft, ein Chip kann importiert werden. Die Energie hingegen, um Inferenz kontinuierlich im großen Maßstab laufen zu lassen, muss innerhalb der Grenze erzeugt und verteilt werden. Ein gesättigtes oder von ausländischen Lieferungen abhängiges Stromnetz fügt eine zweite Fragilitätsschicht über die der Halbleiter hinzu. Wer weder die Chips noch die Energie kontrolliert, kontrolliert seine eigene Rechenleistung nicht, und wer seine eigene Rechenleistung nicht kontrolliert, beherrscht die analytischen Instrumente nicht, auf die er seine Geldpolitik stützt.

Meine Position und was sie widerlegen würde

Meine These ist eindeutig. Die Zentralbanken, die KI einführen, verlagern die monetäre Macht zu demjenigen, der Halbleiter und Energie kontrolliert, jenseits der Modelle selbst.

Dies übersteigt den gewöhnlichen technologischen Zyklus. Es ist ein Regimewechsel der monetären Architektur.

Die Argumentation stützt sich auf ein strukturelles Datum, das ich seit Jahren verfolge: Laut IMF-COFER-Daten fiel der Anteil des Dollars an den globalen Währungsreserven von 71 % im Jahr 2001 auf 58 % im Jahr 2024. Eine Fragmentierung der monetären Infrastruktur ist bereits im Gange. KI beschleunigt sie, weil sie eine Ebene technologischer Abhängigkeit über die finanzielle hinzufügt. Was würde meine Lesart ändern? Eine echte Diversifizierung der Fabs außerhalb Taiwans und Koreas bis 2028, mit dokumentierten Betriebskapazitäten in Europa und den Vereinigten Staaten. In diesem Fall lockert sich die Beschränkung und die These muss überarbeitet werden.

Die Grenzen des Belegs müssen benannt werden. Der Rückgang von 71 % auf 58 % ist ein Datum zu den Währungsreserven, keine direkte Messung der Abhängigkeit von der Rechenleistung: Was die beiden Phänomene verbindet, ist eine Argumentation, keine historische Zeitreihe. Die These bleibt an die derzeitige Konzentration der Foundries gebunden, eine Tatsache, die eine entschlossene Industriepolitik in wenigen Jahren verändern kann. Deshalb ist die Widerlegungsbedingung präzise und datiert: Ohne einen Horizont und einen überprüfbaren Indikator wäre die Position eine Meinung, keine Prognose.

Drei Implikationen für das Kapital

1. Family Offices und Staatsfonds. In den nächsten 36 Monaten empfiehlt sich eine Umschichtung hin zur gesamten Rechenleistungskette: Foundries, Hersteller von Lithografieanlagen, dedizierte Energieinfrastruktur. Das geografische Risiko muss nach Land eingepreist werden, nicht nur nach Sektor.

2. Chief Risk Officers. Das Szenario einer G7-Zentralbank mit durch eine Chip-Sperre beeinträchtigten Analysekapazitäten fehlt weiterhin in den VAR-Modellen. Es sollte als Tail-Risk mit systemischer Wirkung aufgenommen werden.

3. CFOs und Investor Relations. Das Narrativ einer rein deflationären und neutralen KI läuft Gefahr, in achtzehn Monaten naiv zu wirken. Wer es heute den Investoren präsentiert, wird es morgen korrigieren müssen. Besser jetzt die Revision vorwegnehmen, mit einer These, die das geopolitische Risiko der Halbleiter in den Makro-Case integriert.

Die Prognose

Hier ist der explizite Call. Bis zum 31. Dezember 2027 wird der BIZ Innovation Hub mindestens drei Central-Bank-AI-Projekte im operativen Produktionsbetrieb dokumentieren, jenseits der Pilotphase.

Confidence: Medium (68 %). Horizont: 31. Dezember 2027. Überprüfung: die offiziellen Berichte des Innovation Hub und das BIS Quarterly.

Kill Signal: Die BIZ-Dokumente verzeichnen bis zu diesem Datum null Projekte in Produktion. In diesem Fall fällt die These der beschleunigten Übernahme und muss von Grund auf neu geschrieben werden.

What to watch

Drei Leitindikatoren werden zeigen, ob das Muster hält.

• Neue Halbleiter-Fab-Kapazität in Betrieb außerhalb Ostasiens
• Ausweitungen der US-Beschränkungen für den Export fortschrittlicher GPUs
• Veröffentlichungen der Zentralbanken zu Sprachmodellen in Produktion

Diese Signale erscheinen vor den Schlagzeilen. Wer sie jetzt liest, kartiert das Regime, statt es nur zu erleiden. Der Rest wird den Preisen folgen, wie immer.