Sieben Billionen Dollar. Auf diese Größenordnung schätzt Morgan Stanley die Investitionsausgaben der führenden Cloud-Anbieter zwischen 2026 und 2028. Allein 2026 werden die neun größten Hyperscaler — Amazon, Alphabet, Microsoft, Meta, Oracle, ByteDance, Tencent, Alibaba, Baidu — voraussichtlich mehr als 886,7 Milliarden US-Dollar in KI-Infrastruktur stecken. Diese Summen sind so groß, dass sie ein eigenes Finanzierungsproblem erzeugen: Die Nachfrage nach Kapital übersteigt, was Unternehmensbilanzen allein tragen können.

Nvidia hat darauf eine Antwort konstruiert, die über das Chipgeschäft hinausgeht.

Der Kreislauf

Das Modell, das Jensen Huang im August 2026 gemeinsam mit sechs Finanzpartnern vorstellte, lautet im Kern so: Apollo Global, BlackRock, Blackstone, Brookfield Asset Management, Goldman Sachs und KKR bauen eigenständige Kreditplattformen auf, die Rechenzentren und GPU-Cluster für zahlende Kunden finanzieren. Diese Kunden — Unternehmen, die KI-Rechenleistung benötigen, aber kein eigenes Kapital für den Infrastrukturbau aufbringen wollen — mieten die Kapazität. Mit den Mieteinnahmen bedienen sie den Kredit. Den Kredit vergeben die Finanzpartner. Die Hardware liefert Nvidia.

Das ist kein Technologiegeschäft mehr im klassischen Sinne. Es ist ein Finanzierungsmodell, in dem Nvidia dreifach positioniert ist: als Technologielieferant, als Architekt der Kreditstruktur und als faktischer Garant der Nachfrage. Die Finanzpartner finanzieren Infrastruktur, die Nvidias Chips braucht; ihre Ertragserwartungen hängen an der Auslastung; die Auslastung hängt an der anhaltenden Dominanz von Nvidias Hardware.

Dieser Kreislauf ist nicht illegal. Er ist aber geschlossen genug, um Fragen zu stellen.

Was die Zahlen zeigen — und was sie verbergen

Nvidias Marktanteil bei KI-Beschleunigern liegt 2026 bei rund 80 Prozent. Der Rechenzentrums-Umsatz des Konzerns wird für das Fiskaljahr 2026 auf 193,7 Milliarden US-Dollar geschätzt. Die nächste valide Alternative — AMD — bietet preislich günstigere Hardware, verliert den Vorteil aber durch geringere Software-Ökosystem-Reife und höheren Integrationsaufwand. Wer heute ein Rechenzentrum auf Kredit baut, baut es mit Nvidia-Chips — nicht weil es keine Alternative gibt, sondern weil die Finanzierungsplattformen genau auf diese Hardware ausgelegt sind.

Das erzeugt eine Abhängigkeit, die in keiner Bilanz explizit ausgewiesen ist. Die 500-Milliarden-Initiative ist kein präzise aufgeschlüsseltes Budget: Wie viel davon in Nvidia-Hardware fließt, wie viel in Gebäude und Kühltechnik, wie viel in Strominfrastruktur — das ist öffentlich nicht belegt. Klar ist nur, dass Gartner den Strombedarf von Rechenzentren bis 2027 auf 702 Terawattstunden schätzt, ein Wert, der bedeutet, dass ein erheblicher Teil jedes Infrastruktureuros nicht in Chips, sondern in Energie und Kühlung geht. Nvidia hat das antizipiert und investiert bis zu drei Milliarden US-Dollar in Lancium, einen Entwickler von Energieinfrastruktur — womit der Konzern auch in diesem Segment Fuß fasst.

Was Aufseher sehen

Die Bank of England, die Europäische Zentralbank und die Bank für Internationalen Zahlungsausgleich haben in den vergangenen zwölf Monaten alle auf dieselben Risiken hingewiesen: KI-gestützte Handelsalgorithmen können Herdenverhalten erzeugen, das Marktbewegungen synchronisiert und im Extremfall systemisch wird. Hinzu kommt die schlechte Transparenz neuronaler Modelle — wer in einem Kreditprozess auf einen algorithmischen Bonitätsbescheid vertraut, ohne den Mechanismus zu kennen, trägt ein Risiko, das er nicht beziffern kann.

Das direktere Risiko liegt aber in der Kreditstruktur selbst. Die KI-Branche hat bis Anfang Juli 2026 Anleihen im Volumen von rund 270 Milliarden US-Dollar begeben. S&P hat Oracle auf BBB– herabgestuft — die letzte Stufe vor Ramsch-Niveau. Oracle ist stark von der Auslastung durch OpenAI abhängig; sein Kreditrating hängt an einer Kundenbeziehung, die ihrerseits von Investorenkapital lebt. Das ist keine Kette, die Aufseher beruhigt.

Der Kreditanalyst Oliver Everling formuliert es so: Im KI-Zeitalter bewertet eine Ratingagentur nicht mehr nur ein Unternehmen, sondern das gesamte Ökosystem, in das es eingebettet ist — und dieses Ökosystem ist neu, schnell und noch ohne etablierte Ausfallhistorie.

Die stärkste Fassung des Gegenarguments

Man kann einwenden, dass diese Finanzierungsarchitektur nichts grundlegend Neues ist. Flugzeug-Leasing, Schieneninfrastruktur, Windparks — all das wird seit Jahrzehnten über strukturierte Kreditplattformen finanziert, bei denen ein dominanter Hersteller eng mit Kapitalgebern kooperiert. Airbus und Boeing arbeiten mit Leasinggesellschaften; das hat den Markt liquider, nicht fragiler gemacht. Warum sollte KI-Infrastruktur anders sein?

Der Unterschied liegt in der Geschwindigkeit der Entwertung. Ein Flugzeug fliegt zwanzig Jahre. Ein Nvidia-Beschleuniger der H100-Generation war bei Erscheinen der B200-Generation bereits zwei Hardwarezyklen alt. Die Amortisationslogik, auf der Kreditplattformen beruhen, setzt stabile oder vorhersehbare Ertragsströme voraus. Ob ein Rechenzentrum, das heute auf Kredit mit Blackwell-Chips gebaut wird, in fünf Jahren noch wettbewerbsfähig genug ist, um die Schulden zu bedienen, ist eine offene Frage — und die Antwort liegt wesentlich bei Nvidia.

Was sich in drei Monaten zeigt

Bis Ende 2026 werden die ersten eigenständigen Kreditplattformen der Finanzpartner operational sein. Die entscheidende Kennzahl ist die tatsächliche Auslastung der so finanzierten Rechenzentren — nicht die prognostizierte, sondern die gemessene. Liegt sie dauerhaft unter 70 Prozent, beginnen die Kreditmodelle zu wackeln. Liegt sie darüber, hat das Modell seinen ersten Praxistest bestanden.

Die zweite Prüfung kommt von den Aufsichtsbehörden. Die EZB und die Bank of England haben KI-Risiken für Finanzstabilität benannt, aber noch keine konkreten Kapitalauflagen für Kreditgeber mit KI-Infrastruktur-Exposure formuliert. Ob sich das bis Jahresende ändert, wird mitentscheiden, wie teuer diese Art von Kredit bleibt — und damit, ob das Modell skaliert.