Elon Musks Raumfahrtunternehmen soll seine Aktien zu je 135 Dollar verkaufen. Die angestrebte Bewertung: 1,77 Billionen Dollar – mehr als der Börsenwert der Deutschen Telekom, der Allianz und von SAP zusammen. Der Erlös soll Starship finanzieren, das Starlink-Netz ausbauen und, weniger öffentlich, die KI-Infrastruktur von xAI skalieren. SpaceX liefert bereits Rechenkapazitäten an Google und Anthropic.

Dass ein Raumfahrtunternehmen als KI-Infrastrukturanbieter an die Börse geht, ist kein Zufall. Es ist das Muster des Moments.

Das Halbleiter-Fundament

Unter dem IPO-Boom liegt ein handfesteres Geschäft: Chips. Der globale Halbleitermarkt wird 2026 voraussichtlich 1,32 Billionen Dollar Umsatz erreichen – ein Plus von 64 Prozent gegenüber dem Vorjahr, so die Prognose der Computerwoche. Haupttreiber ist der Hunger nach KI-Hardware.

Besonders eng ist der Markt für High-Bandwidth Memory, kurz HBM – Speicherchips, die in KI-Servern die Daten zwischen Prozessor und Speicher schnell genug bewegen. Ohne sie läuft kein Sprachmodell skalierbar. Weil Hersteller ihre Produktionslinien auf HBM umstellen, schrumpft das Angebot für konventionelle DRAM-Chips – und treibt deren Preise. Analysten nennen das „Memflation". Profiteure sind Samsung und SK Hynix; Leidtragende sind Elektronikhersteller außerhalb des KI-Segments.

Die Automobilindustrie ahnt, was kommt: Der Chip-Bedarf pro Fahrzeug soll bis 2030 auf 1.350 Dollar steigen, wenn autonomes Fahren und Fahrzeug-KI Standard werden.

Trotzdem mahnen Analysten zur Vorsicht. Die Erlöse aus KI-Anwendungen sind noch nicht gesichert – die Erwartungen in den Bewertungen schon. Ein Absatz der Computerwoche fasst es präzise: Wachstum gibt es, aber nicht überall dort, wo die Märkte es eingepreist haben.

Der Strom, den niemand einkalkuliert hat

Chips brauchen Strom. Sehr viel Strom. Das Öko-Institut prognostiziert, dass sich der Energiebedarf von KI-Rechenzentren zwischen 2023 und 2030 verzehnfacht – von 50 auf rund 550 Milliarden Kilowattstunden. Zum Vergleich: Deutschland verbraucht insgesamt etwa 500 Milliarden Kilowattstunden pro Jahr.

Ein KI-Server zieht bis zu zehnmal mehr Strom als eine klassische Workload. Das Training von GPT-3 allein kostete 1.287 Megawattstunden. Und GPT-3 ist inzwischen veraltet.

Weltweit werden die Treibhausgasemissionen von Rechenzentren bis 2030 auf 355 Millionen Tonnen steigen, von 212 Millionen Tonnen im Jahr 2023. Hinzu kommt der Wasserverbrauch: Die Kühlung könnte bis 2030 fast 664 Milliarden Liter jährlich verschlingen – viermal mehr als heute.

Für Deutschland bedeutet das: 21,3 Milliarden Kilowattstunden Stromverbrauch für Rechenzentren bereits 2025, mit einer möglichen Verdopplung der Kosten bis 2030. Wer in Deutschland ein Rechenzentrum betreibt, zahlt pro Kilowattstunde CO₂-Emissionen von 329 Gramm – in Norwegen sind es weniger als 30 Gramm. Der Standortnachteil des deutschen Strommixes lässt sich mit erneuerbarenbezogenen Öko-Versprechen nicht wegrechnen. Die Emissionen fallen dort an, wo der Strom fließt.

Hyperscaler weichen deshalb auf eigene Gasturbinen aus oder verlagern Rechenzentren in klimagünstigere Regionen. Der regulatorische Rahmen hinkt nach: Der EU AI Act adressiert Risikokategorien und Transparenzpflichten, nicht Megawatt.

Der IPO-Stau und seine Logik

SpaceX ist nicht allein. DeepSeek, das chinesische KI-Labor, das Anfang 2025 mit einem überraschend effizienten Modell aufhorchen ließ, plant einen IPO mit einer Zielbewertung von rund 71 Milliarden Dollar. OpenAI und Anthropic sondieren ebenfalls den Markt. Alle drei schreiben keine oder kaum Gewinne.

Das ist das strukturelle Problem dieser IPO-Welle: Investoren wetten nicht auf aktuelle Erträge, sondern auf die Kontrolle künftiger Infrastruktur. SpaceX kann das glaubwürdig vertreten, weil Starlink bereits Cashflow erzeugt. Ob ein reines Modellentwicklungsunternehmen dieselbe Überzeugungskraft hat, ist offen.

Für DeepSeek kommen geopolitische Friktionen hinzu. Ein chinesisches Unternehmen, das an einer US-Börse notiert sein will und gleichzeitig Exportkontrollen für Hochleistungschips unterliegt, bewegt sich in einem rechtlichen Terrain, das weder Washington noch Peking vollständig kartiert hat.

Wo die Marge wirklich liegt

Das eigentlich Aufschlussreiche am KI-Boom ist nicht die Frage, wer das nächste Sprachmodell trainiert. Es ist die Frage, wer die Infrastruktur kontrolliert, auf der alle Modelle laufen – und wer die Schnittstelle zum Endnutzer hält.

Die Bruttomargen für KI-Inferenz – also den laufenden Betrieb von Modellen – werden auf 40 bis 50 Prozent geschätzt. Das Training hingegen kostet mehr, als es einspielt. Wer ein Basismodell baut, übernimmt die Kosten der Allgemeinheit; wer eine Anwendungsschicht baut, kassiert auf dem Rücken dieses Investments.

Europäische Unternehmen haben das Wagniskapital-Rennen verloren: 25 Milliarden Dollar KI-Investitionen stehen 235 Milliarden Dollar in den USA gegenüber. Ob sich die EU in der Anwendungsschicht positionieren kann – reguliert, datensouverän, auf europäischen Daten trainiert –, entscheidet sich in den nächsten drei Jahren.

In Deutschland erwirtschaften KI-gestützte Produkte und Dienstleistungen bereits über 120 Milliarden Euro Umsatz. Die Basis dieser Wertschöpfung – Chips, Strom, Rechenzentren – liegt zu einem erheblichen Teil außerhalb Europas.

Der stärkste Einwand

Man könnte einwenden, dass Vergleiche mit früheren Technologieblasen – Dotcom 2000, Cleantech 2008 – verfehlt sind. Der Unterschied: Diesmal kaufen Konzerne Hardware für reale Anwendungen, keine Domainadressen. Nvidias Auftragsbestand, Microsofts Azure-Wachstum, Amazons AWS-Marge – das sind keine Versprechen, das sind Buchungen.

Das stimmt. Und trotzdem: Die Bewertungen nehmen Marktanteile vorweg, die noch verteilt werden. SpaceX bei 1,77 Billionen Dollar impliziert, dass xAI in zehn Jahren zu den zwei oder drei dominierenden KI-Infrastrukturanbietern weltweit zählt. Das ist möglich. Es ist keine Gewissheit.

Die Probe kommt, wenn die Stromrechnung fällig wird – buchstäblich. Wer 2030 die günstigste Kilowattstunde für seine Rechenzentren gesichert hat, wer die knappsten Chips langfristig gebunden hat, wer die Anwendungsschicht mit echten Nutzerdaten trainieren konnte, hat gewonnen. Der IPO ist der Startschuss, nicht der Zieleinlauf.