Kurze Glut oder ewige Flamme – wer profitiert von KI?

Künstliche Intelligenz ist seit Jahren Teil unseres Lebens – beispielsweise dann, wenn wir auf Google etwas suchen, mit Alexa plaudern oder uns Inhalte auf Instagram ansehen. Die letzten zehn Jahre haben besonders viele Innovationen in den Bereichen Datenverarbeitung, -speicherung und -verfügbarkeit hervorgebracht und dadurch die Weiterentwicklung des maschinellen Lernens beschleunigt.

Warum hat gerade dieser KI-Zyklus so viel Aufmerksamkeit erregt? Generative KI steht für eine neue Art von KI, die sich durch ein besseres Sprachverständnis sowie die Fähigkeit, eigenständig neue Inhalte zu erstellen, auszeichnet. Generative KI kann Texte, Bilder und Audiodateien erzeugen, die wie von Menschen gemacht erscheinen, ohne extra dafür programmiert werden zu müssen. ChatGPT war die erste generative KI, die einen grösseren Bekanntheitsgrad in der Öffentlichkeit erreicht hat. Ausschlaggebend für ihre Popularität ist die Fähigkeit, natürlich klingende Gespräche zu führen.

Wenngleich die meisten Branchen früher oder später generative KI in ihre Abläufe integrieren werden, wird sich die grundlegende Beschaffenheit ihres Geschäfts dadurch nicht zwangsläufig verändern. Die grössten Vorteile betreffen die Effizienz. Ob ein Unternehmen die durch generative KI erzielten Produktivitätssteigerungen auch langfristig beibehalten kann, hängt nicht zuletzt von der Wettbewerbssituation am Markt ab. In sehr wettbewerbsintensiven Branchen werden die Vorteile, die KI mit sich bringt, früher oder später verpuffen. Wesentliche Auswirkungen sind eher im Technologiesektor zu erwarten, in dem generative KI unmittelbare Überschneidungen mit dem Produktangebot eines Unternehmens aufweist. Auf konzeptioneller Ebene wird generative KI die Nachfrage nach IT-Infrastruktur, die schon jetzt im Zusammenhang mit Deep Learning gefragt ist, weiter befeuern.

KI ist in diesem Jahr ein wichtiger Faktor für die Kapitalrendite im Technologiesektor. Anleger konzentrieren sich auf diejenigen Unternehmen mit dem stärksten Bezug zu KI (d. h. Unternehmen, die verstärkt auf Accelerated Computing setzen) sowie das spekulative Potenzial. Dem mag eine gewisse Logik zugrunde liegen, doch ist es grundsätzlich schwierig, die mittelfristigen Folgen der KI zu einem solch frühen Zeitpunkt zuverlässig zu quantifizieren. Und Ergebnisschwankungen können die Gesamterwartungen für das jeweilige Unternehmen erheblich beeinflussen. Da zuverlässige Aussagen zu den langfristigen Vorteilen der KI zum jetzigen Zeitpunkt nicht möglich sind, haben die Märkte einige Unternehmen unverhältnismässig belohnt. Um ein Beispiel zu nennen: Der starke Anstieg des Aktienkurses von Nvidia und AMD im laufenden Jahr zeigt, dass Anleger davon ausgehen, dass diese Unternehmen von der weiteren Verbreitung der KI profitieren werden. Dies wäre jedoch nicht möglich ohne die Unterstützung von TSMC, einem der weltweit grössten Hersteller moderner Halbleiter, die der KI nicht nur von Nvidia, sondern auch von Tech-Giganten wie Google oder Microsoft zugrunde liegen.

Bei der Beurteilung der Auswirkungen generativer KI konzentrieren wir uns auf unmittelbar zugängliche Anwendungsfälle, statt von den langfristigen Möglichkeiten zu träumen. Generative KI befindet sich noch in der Frühphase ihrer Entwicklung und Einführung und ist aufgrund der Stärken von Large Language Models (LLMs)¹ zunächst vor allem für bestimmte Aufgabentypen geeignet. So kann sie uns Menschen beispielsweise beim Schreiben, Zusammenfassen und Erstellen von Inhalten unterstützen. Gleichzeitig sind gegenwärtige LLMs nicht im herkömmlichen Sinne «intelligent», sondern fungieren eher als hochkomplexe «Pattern-Matching-Maschinen», die Muster vergleichen und dabei vor Fehlern nicht gefeit sind. In einigen Fällen beginnen sie sogar zu halluzinieren. Aufgrund dieser Einschränkungen sind LLMs besser für vergleichsweise eng abgesteckte Aufgaben geeignet, bei denen Daten und Training für mehr Konsistenz sorgen können. Dadurch sind sie auch für geschäftlich ausgerichtete Anwendungsfälle geeignet, insbesondere da Unternehmen bereit sind für Effizienzsteigerungen zu zahlen. Mehrere der Technologieunternehmen, in die wir investieren, haben neue generative KI-Funktionen in ihr bestehendes Produktangebot integriert. Dadurch sind sie dazu in der Lage, sich ihre vorhandenen Stärken (z. B. herkömmliche Fähigkeiten, Vertrieb) optimal zunutze zu machen, um ein nachhaltigeres Ertragswachstum zu erzielen.

Die Begeisterung für Unternehmen, die von generativer KI profitieren können, sollte mit einer strengen Bewertungsdisziplin einhergehen. Die voraussichtlichen, auf KI zurückzuführenden Ertragssteigerungen sollten sich innerhalb der nächsten paar Jahre zeigen. Wie sich dies schlussendlich auf den Aktienkurs auswirkt, hängt jedoch davon ab, wie gut sich die einzelnen Unternehmen KI zunutze machen, um ihren Gewinn zu steigern. Als Anleger bevorzugen wir Unternehmen, die eine höhere Gewinnvorhersehbarkeit an den Tag legen und aller Wahrscheinlichkeit nach vom strukturellen Wachstum innerhalb des Sektors profitieren werden. Dies gewährleistet eine realistischere, messbare finanzielle Rendite.

In diesem Artikel befassen wir uns näher mit sechs Unternehmen – Microsoft, Google, Adobe, TSMC, Samsung Electronics und Accenture –, die unserer Ansicht nach von regelmässigen, langfristigen Ertragssteigerungen durch generative KI profitieren werden. Bei unserer Bewertung haben wir die verschiedensten Risiken bereits berücksichtigt.

Microsoft mit seiner Software gilt als einer der grössten Profiteure von KI

Aus Sicht von Anlegern geniesst Microsoft zahlreiche Vorteile, denen keine wesentlichen erkennbaren Nachteile gegenüberstehen. Microsoft verfolgt die Strategie, KI-Funktionen als separate, zu einem Aufpreis verfügbare KI-SKU-Pakete anzubieten. Diese werden unter dem Namen Copilot vertrieben und unterstreichen die assistive Funktion der Technologie.

GitHub Copilot (assistive Programmierung) generiert Codes und erweist sich ausserdem als nützlich für die Fehlerbehebung sowie die Erläuterung, Dokumentation und Übersetzung von Codes. GitHub Copilot ist ein Autovervollständigungstool, das die Erstellung des «ersten Entwurfs» beschleunigt, wobei der Zeitgewinn teilweise durch eine intensivere Fehlerbehebung und mehr Umschreiben aufgehoben wird. Auch wenn nicht auszuschliessen ist, dass ein vorgeschlagener Code gewisse Schwachstellen hinsichtlich Kontext, Effizienz und Sicherheit aufweist, erscheint das Nutzenversprechen angesichts des erheblichen Produktivitätsvorteils eindeutig – insbesondere für gut bezahlte Softwareentwickler, an denen es nach wie vor mangelt.

Office Copilot ist das Tool mit dem grössten Potenzial, wenn es um die Nutzbarmachung der Vorteile der KI geht. Mit diesem Tool können Anwender im Handumdrehen Memos erstellen und bearbeiten, E-Mails beantworten, PowerPoint-Präsentationen ausgehend von vorhandenen Dateien erstellen oder mit Excel Daten analysieren und Diagramme erstellen. Ausserdem fungiert Office Copilot als natürlichsprachliche Schnittstelle, die es Anwendern ermöglicht, sich die Office-Funktionen vollumfänglich zunutze zu machen.

Möglicherweise wird sich Copilot zunächst eher langsam verbreiten, da es einige Zeit dauern dürfte, bis Unternehmen erkennen, wie sie mit KI-gestützten Arbeitsabläufen die Effizienz ihrer Angestellten steigern können und wie sehr das Unternehmen als solches davon profitiert. Das Tool wird ausschliesslich für Nutzer der M365-Suite verfügbar sein, auf die rund 160 Millionen der insgesamt 382 Millionen Office365-Arbeitsplätze entfallen.

Darüber hinaus hat Microsoft einen Dynamics Copilot angekündigt. Dieser soll KI-Funktionen enthalten, die von Vertrieb (anpassbare E-Mail-Inhalte, Besprechungszusammenfassungen) und Kundenservice (Lösung von Kundenproblemen, virtuelle Assistenten) bis hin zu Marketing (Analyse von Kundendaten, Zielgruppensegmentierung, Texten) und Lieferkettenmanagement reichen. Der Microsoft Security Copilot wurde dazu konzipiert, Vorfälle zu erkennen, zu untersuchen und zu dokumentieren.

Auch die Nachfrage nach der öffentlichen Microsoft Azure-Cloud wird durch KI steigen. Diese bietet Zugriff auf die Basismodelle von OpenAI (GPT, Codex, DALL-E) sowie auf APIs zur Ausführung bestimmter Aufgaben (z. B. Bilderkennung, Inhaltssicherheit, Sprachübersetzung). Neben der kostenpflichtigen Nutzung der Microsoft-eigenen Modelle können Kunden auch nur die IT-Infrastruktur von Azure nutzen, um Open-Source-Modelle oder eigene Modelle auszuführen.

Aufgrund der Vielzahl unbekannter Faktoren ist es relativ schwierig, die Auswirkungen auf den Umsatz von Azure zuverlässig zu schätzen. Während die Nutzung von KI-Modellen zunehmen wird, nehmen die Inferenzkosten rapide ab, da Unternehmen Möglichkeiten finden, effizienter zu arbeiten. Hinsichtlich des Marktanteils ist unklar, inwieweit die Aufgaben mit den modernsten Modellen oder mit Open-Source-Modellen, die für einen bestimmten Bereich trainiert werden und lediglich «gut genug» sind, ausgeführt werden. Hinzu kommt, dass jedes Modell in Abhängigkeit von den Leistungsanforderungen verschiedene Grössen aufweisen kann. Dessen ungeachtet könnte Azure in ein paar Jahren zusätzliche Einnahmen in Höhe von sechs Milliarden US-Dollar durch KI generieren – verglichen mit einer Umsatzbasis von 57 Milliarden USD im GJ23 bzw. rund 43 Milliarden USD, wenn wir den SaaS-Anteil von Azure ausser Acht lassen.

Insgesamt könnte Microsoft einen Umsatz in Höhe von rund 20 Milliarden USD durch KI erzielen², verglichen mit einem Gesamtumsatz von 212 Milliarden USD im GJ23. Dies entspräche einer Umsatzsteigerung um neun Prozent. Jedoch könnte die Einführung zunächst langsamer vonstattengehen, während Kunden sich mit einer neuen Art von Produkt vertraut machen. Wenn wir davon ausgehen, dass es vier bis fünf Jahre dauern wird, bis das Ganze so richtig Fahrt aufnimmt, läge der Beitrag zum Umsatzwachstum in diesem Zeitraum bei ca. zwei Prozent und derjenige zum EPS-Wachstum bei rund drei Prozent.

Google profitiert von der Integration von KI in seine Franchise-Unternehmen

Mit der Einführung von ChatGPT, das scheinbar Fragen zu allen möglichen Themen beantworten kann, wurden zunächst auch einige Bedenken bezüglich der Folgen für Google laut. Darüber hinaus hat Microsoft ein überarbeitetes Bing vorgestellt, das auf GPT-4 basiert. Trotz der von hoher öffentlicher Aufmerksamkeit begleiteten Einführung des neuen Bing Anfang des Jahres haben die Ergebnisse von Google nicht erkennbar darunter gelitten. Der weltweite Marktanteil von Google liegt seit Anfang des Jahres bei stabilen 92 bis 93 Prozent, derjenige von Bing bei rund drei Prozent.

Google zählt zu den Marktführern im Bereich Deep Learning und LLMs. Nach anfänglicher Zurückhaltung ergänzte das Unternehmen seine Produkte dann auch sehr schnell durch generative KI-Funktionen. Die Google SGE (Search Generative Experience) genannte Funktion integriert sogenannte «KI-Schnappschüsse» (Snapshots), einen Gesprächsmodus sowie empfohlene Folgefragen in die Suche. Wettbewerbsbedenken im Zusammenhang mit der Suche haben inzwischen nachgelassen. Dennoch gibt es nach wie vor einige Fragen bezüglich der kurzfristigen Auswirkungen des verstärkten Einsatzes von KI auf die Monetarisierung und die Kosten. Schlussendlich dürfte KI die Suchmöglichkeiten beträchtlich erweitern, da sie über das Potenzial verfügt, zusätzliche Anwendungsfälle zu berücksichtigen, die bisher nicht Bestandteil der Suche waren.

Auch YouTube, das zu Google gehört, profitiert indirekt von generativer KI. YouTube verwendet bereits seit geraumer Zeit KI für Inhaltsempfehlungen, Inhaltsmoderation und zielgruppengerechte Werbung, und wird die zugehörigen Massnahmen weiter verbessern. Generative KI wird in erster Linie dazu beitragen, die Erstellung hochwertiger Medieninhalte zu demokratisieren und so die Qualität der Long-Tail-Content-Bibliothek von YouTube zu verbessern. Ausserdem können Werbende mithilfe von generativer KI einfacher hochwertigere, optimal an die jeweilige Zielgruppe angepasste kreative Texte erstellen. Die Auswirkungen lassen sich nur schwer berechnen, tragen jedoch dazu bei, das Vertrauen in die Zukunft zu stärken.

Google Cloud wird in ähnlicher Weise profitieren wie Microsoft. Google arbeitet derzeit an Duet (die unternehmenseigene Version von Copilot), das den Google Workspace (Googles Version von Office) ergänzen wird. Vertex AI ist eine Plattform in der Google Cloud, auf der Kunden KI-Modelle erstellen, trainieren und ausführen können. Sie erhalten dort auch Zugriff auf die LLM-Basismodelle von Google. Die – schwer einzuschätzenden – Auswirkungen dürften jedoch begrenzt sein, da die Cloud derzeit nur rund elf Prozent des Gesamtumsatzes von Google ausmacht. Die Google Cloud konzentriert sich seit jeher eher auf Big-Data-Analysen und KI sollte dazu beitragen, die Marge weiter zu verbessern.

KI trägt dazu bei, die Kundenbindung bei Adobe zu stärken

Adobe investiert bereits seit geraumer Zeit in KI und maschinelles Lernen. Ein hervorragendes Beispiel für die Früchte seiner Arbeit ist Sensei, ein KI-Tool für digitales Marketing, welches das Unternehmen 2016 eingeführt hat. Letztes Jahr verwendete bereits die Mehrheit der Kunden von Adobe Sensei, um Arbeitsabläufe zu vereinfachen und zu beschleunigen. Das Tool integriert Kundenprofile, vergangene Marketingkampagnen, Vertriebsdaten und einiges mehr, um die optimale Aufteilung der Marketingausgaben oder differenzierte Marketing Experiences zu empfehlen und die Entscheidungsfindung zu unterstützen. Und der für jede KI-Initiative wichtigste Faktor – nämlich Daten – ist bei Adobe in Hülle und Fülle vorhanden. Die führende Position des Unternehmens bei den verschiedenen Lösungen erweist sich dabei als Vorteil, der bezüglich des Mehrwerts den entscheidenden Unterschied macht.

Dieser selbsterfüllende Kreislauf des Vorsprungs vor anderen Unternehmen könnte dazu beitragen, die Dynamik aufrechtzuerhalten – insbesondere da ein personalisiertes Marketing immer wichtiger wird und Marketinglösungen und -plattformen zunehmend mehr Daten, Integrationen und KI erfordern. Dieselben Trends zeigen sich in den anderen Geschäftsbereichen von Adobe. Die Funktionen zum Bearbeiten, Teilen, Unterzeichnen usw., die die Anwender der Dokumenten-Cloud von Adobe nutzen, sind allesamt KI-gestützt.

Der aktuelle Hype um generative KI zeigt sich besonders deutlich in dem Geschäftsbereich, in dem es um die Erstellung digitaler Inhalte geht. Während fortschrittliche Bildbearbeitungsfunktionen seit jeher zum Repertoire von Adobe gehören, entwickelt sich derzeit seine neue Firefly-Funktion, die Bilder anhand von Text erstellen kann, schnell zu einer zentralen Funktion. Adobe agiert schon immer sehr zielgerichtet, wenn es um die Entwicklung von KI-Funktionen geht. Sämtliche Funktionen werden eingehend auf mögliche Folgen hin überprüft, einschliesslich möglicher ethischer Implikationen. Im Gegensatz zu einigen anderen Text-zu-Bild-Anwendungen wird Firefly nicht anhand von «allem» trainiert und lässt bezüglich der kommerziellen Anwendung die erforderliche Sorgfalt walten. Firefly beginnt mit unternehmenseigenen Bildern aus dem Adobe Stock und fügt offen lizenzierte und öffentliche Inhalte nur dann hinzu, wenn das Urheberrecht abgelaufen ist. Diese Inhalte können durch eigene kreative Inhalte von Kunden ergänzt werden. Während sowohl kommerziell nutzbare als auch nicht nutzbare Daten Vorteile für die Ideenfindung bieten, verfolgt Adobe das Ziel, Anwender mit kommerziell nutzbaren Inhalten zu unterstützen, wie auch das Anwenderfeedback zeigt. Und diese Konzentration auf die Anwendererfahrung treibt die Diskussion um das Ausmass und die Geschwindigkeit der Monetarisierung voran. Gegenwärtig konzentriert sich Adobe darauf, die Nutzerzahl zu erhöhen und das Ökosystem zu erweitern. Ob bei der Ideenfindung oder der Bereitstellung von mehr Inhalten: KI unterstützt Anwender dabei, produktiver zu werden, und stärkt dadurch letztendlich die Kundenbindung bei Adobe.

Halbleiterkomponenten – GPUs, Speicherchips und Foundries (Auftragsfertiger) – sind für den Erfolg von KI-Technologien entscheidend

KI-Server kosten rund 15- bis 32-mal so viel wie reguläre Server (ca. 7 000 USD). Dies liegt vor allem an den gestiegenen Preisen für Silizium sowie den höheren technischen Anforderungen an die Hardware. Halbleiter machen 90 Prozent der Hardwarekosten für KI-Server aus (verglichen mit 65 Prozent für reguläre Server). Dies ist vor allem auf High-End-CPUs, zusätzliche GPUs und höhere Anforderungen an Speicherchips zurückzuführen.

Für die Entwicklungen im Halbleiterbereich spielt es kaum eine Rolle, welches Unternehmen am meisten von KI profitiert. Wir gehen davon aus, dass sich Anleger weniger auf Auftragsfertiger und Speicherhersteller konzentrieren, da diese überwiegend in Schwellenländern mit erhöhten geopolitischen Risiken und Bedenken bezüglich des Zustands des Halbleiterzyklus zu finden sind.

TSMC: wichtiger Auftragsfertiger für generative KI und Hochleistungsrechnen

Die Rolle der Taiwan Semiconductor Manufacturing Company (TSMC) als vielseitiger Chiphersteller untermauert ihr Potenzial für stabile, branchenweite Gewinne – und zwar unabhängig vom Erfolg einzelner Unternehmen (ob Google, Microsoft oder andere) im Bereich KI. Ganz gleich, welche KI-Chip-Architektur den Markt dominiert (anwendungsspezifische integrierte Schaltungen – ASICs – oder Allzweck-GPUs): TSMC wird unverzichtbar sein, wenn es darum geht, Hochleistungsrechenlösungen zu ermöglichen.

Das solide Geschäftsmodell des Unternehmens schützt es nicht nur vor den Risiken, die der Erfolg der Produkte eines bestimmten KI-Unternehmens andernfalls mit sich bringen könnte, sondern sorgt ausserdem dafür, dass TSMC auf direkte und messbare Weise von der gestiegenen Nachfrage nach KI-fähigen Chips profitiert.

Die Technologielieferkette definiert KI-Server in der Regel als Server, die mit GPUs ausgestattet sind. TSMC ist der einzige Auftragsfertiger für die GPUs in Rechenzentrumsqualität von Nvidia und AMD, da der Wechsel zu anderen Anbietern mit Schwierigkeiten und hohen Kosten einhergehen würde. Zu guter Letzt könnte TSMC auch von der zunehmenden Einführung kostengünstigerer Inferenzlösungen profitieren, was zu höheren Stückzahlen führen und somit den Verbrauch von hochmodernen Wafern ankurbeln könnte.

Der KI-bezogene Umsatz von TSMC liegt aktuell bei sechs Prozent und für die nächsten fünf Jahre wird eine durchschnittliche jährliche Wachstumsrate (Compound Annual Growth Rate, CAGR) von 50 Prozent erwartet. Dadurch würde der Umsatz auf den mittleren Zehnerbereich steigen. Der Chairman von TSMC erklärte, das Unternehmen könne derzeit nur 80 Prozent der Nachfrage seiner Kunden nach KI-Chips, für deren Herstellung Advanced Packaging-Einrichtungen (CoWoS) zum Einsatz kommen, decken. Er gehe davon aus, dass es noch rund eineinhalb Jahre dauern werde, bis der Bedarf vollumfänglich gedeckt werden könne. TSMC bleibt ein wichtiger Wegbereiter im Bereich KI-Lösungen für Rechenzentren. Dazu tragen seine hervorragende Prozesstechnologie, die modernen CoWoS, die gute Ertragsrate bei grossen Chips sowie das solide Designökosystem bei (der Marktanteil dürfte bei KI-Accelerators bei mindestens 90 Prozent liegen).

Samsung Electronics: Komplettlösung aus einer Hand für KI-Server-Kunden

KI-Server sollten über eine 10-mal so hohe DRAM-Speicherkapazität (Dynamic Random Access Memory) verfügen wie herkömmliche Server. High Bandwidth Memory (HBM) ist dabei eine Schlüsselkomponente, um KI-Trainingsprozessoren mit geringerer Latenz und niedrigerem Stromverbrauch zu betreiben. KI-Modelle sind nur so gut wie die Daten, die der DRAM in die Prozessoren einspeist, da Accelerated Computing eine enge Integration von GPUs/ASICs mit High Bandwidth Memory (HBM) erfordert³. DRAM ist eine der hochwertigsten Komponenten mit strukturellem Wachstum im Bereich KI. Während in Bezug auf die Server-DRAM-Nachfrage eine CAGR im mittleren bis hohen Zehnerbereich erwartet wurde, hat das Aufkommen von KI zu einem zehnprozentigen Anstieg der CAGR geführt und die DRAM-Nachfrage insgesamt um weitere drei bis vier Prozent erhöht.

HBM-Speicher werden 2024 voraussichtlich mehr als zehn Prozent des DRAM-Umsatzes von Samsung ausmachen, verglichen mit Zahlen im mittleren bis hohen einstelligen Bereich im ersten Halbjahr 2023. Samsung und Sk hynix erwarten einen Anstieg der KI-Server-Nachfrage um 35 bis 40 Prozent in den nächsten fünf Jahren und gehen davon aus, dass der HBM-Markt im selben Zeitraum um mehr als 60 Prozent wachsen wird⁴. Von daher rechnet Samsung damit, dass die Speichernachfrage für KI-Accelerators bis 2028 elf Prozent der Gesamtnachfrage nach DRAM erreichen wird. Samsung bietet KI-Server-Kunden eine Komplettlösung aus einer Hand. Das Unternehmen ist dazu in der Lage, die erforderlichen Komponenten für KI-Server-Chips – u. a. GPU (Foundry) und HBM (DRAM-Speicher) – selbst herzustellen und verfügt zudem über moderne Advanced-Packaging-Lösungen.

Accenture verfügt über eine solide Basis an KI-Fähigkeiten und -Lösungen

Accenture hat sowohl durch eigenes Wachstum als auch durch strategische Übernahmen ein solides Fundament im Bereich KI geschaffen. Das Unternehmen verfügt über grundlegende Stärken in den Bereichen Beratung, Lösungsdesign und massgeschneiderte Anwendungsentwicklung. Es überzeugt darüber hinaus mit fundierten Kenntnissen in branchenspezifischen und Geschäftsprozessbereichen. Die für ihren personalisierten Ansatz bekannte Unternehmensberatung, für die Programmierung nur eine untergeordnete Rolle spielt, ist weniger anfällig dafür, zu einem generischen Standardprodukt zu werden. Ausserdem ist noch erwähnenswert, dass Accenture eine KI-gestützte IT-Automatisierungsplattform in seine Servicebereitstellungs- und Betriebsmodelle integriert hat.

Das Unternehmen wird in den nächsten drei Jahren 3 Milliarden US-Dollar in KI investieren und hat vor, seine KI-Belegschaft auf 80 000 zu verdoppeln. Accenture geht davon aus, dass sich KI-Technologien schneller verbreiten werden als die Cloud. Accenture verweist auf die Komplexität, die die Implementierung von KI – insbesondere generativer KI – in grossem Massstab mit sich bringt. Schätzungen des Unternehmens zufolge verfügen weniger als zehn Prozent seiner Kunden über einen geeigneten Tech-Stack, um sich die Vorteile der Technologie zunutze zu machen.

Dieses Jahr hat Accenture generative KI-Projekte im Wert von rund 300 Millionen USD umgesetzt. Dabei handelt es sich zunächst um sehr kleine, explorative Projekte (gemessen am Umsatz von rund 64 Milliarden USD in 2023). Dennoch stärken diese frühen Erfahrungen, die das Unternehmen in Bezug auf das Thema macht, das Nutzenversprechen für jedes weitere Projekt – ganz gleich, ob es sich dabei um die schrittweise Migration in die Cloud oder die Optimierung der Datenspeicherung handelt.

Verständnis der Risiken

Zu den Risiken beim Thema KI-Computing zählen u. a. eine hinter den Erwartungen zurückbleibende Akzeptanz der Technologie, kleinere Modellgrössen oder weniger umfangreiche Trainingsdaten. Auch kann es sein, dass ein optimiertes Modell- und Algorithmusdesign die Anforderungen an die Rechenleistung reduziert. Wesentliche Hindernisse bei der Einführung von KI sind Bedenken rund um den Datenschutz, die Sicherheit und Compliance sowie die Dateninfrastruktur. Ausserdem besteht ein gewisses Kannibalisierungsrisiko. Wenn KI-Anwendungen nicht schnell zu Geld gemacht werden können, könnten Hyperscaler – grosse Cloud-Serviceanbieter, die Computing- und Speicherservices für Unternehmen anbieten – ihre Ausgaben für herkömmliche Server oder Betriebskosten (z. B. Belegschaft) vielleicht noch begrenzen. Zwar wissen wir nicht, wie lange oder wie stark die Budget-Kannibalisierung die allgemeine Servernachfrage beeinträchtigen wird, gehen aber davon aus, dass KI auf lange Sicht zusätzliche Nachfrage im Zusammenhang mit Rechenzentren generieren wird. Zu guter Letzt können wir feststellen, dass CoWoS (Back-End-Packaging) derzeit der entscheidende Engpass ist. TSMC muss seine Kapazitäten bis 2024 verdoppeln, um der gestiegenen Nachfrage gerecht zu werden.

Ein Quality-Growth-Ansatz für Investitionen in KI

Während sich im Technologiebereich revolutionäre Entwicklungen scheinbar über Nacht vollziehen können, kann es lange dauern, bis sie sich in Form von praktischen Anwendungen durchsetzen. Auf kurze Sicht überschätzt der Markt möglicherweise das Potenzial einiger Unternehmen und die Schwierigkeiten anderer. Wir werden uns auch in Zukunft eingehend mit dem Thema generative KI befassen und erwarten, dass unsere Portfoliobestände von den weiteren Entwicklungen profitieren werden. Das Thema KI hat viel Aufsehen erregt und für Wachstumserwartungen bei Hardwareunternehmen gesorgt, die im Bereich des Ausbaus von Serverkapazitäten tätig sind, auch wenn es sich dabei tendenziell um kapitalintensivere, zyklische und damit volatilere Unternehmen handelt. Wir halten Ausschau nach Unternehmen mit einem vorhersehbaren, nachhaltigen Ertragswachstum, die sich in einer guten Ausgangslage befinden, um von strukturellen Veränderungen zu profitieren.