LONDON (IT BOLTWISE) – Der Finanzkommentator Matthew Lynn stellt die gängige Blasen-These zum KI-Boom infrage. Er verweist darauf, dass die hohen Ausgaben für KI-Infrastruktur zwar an frühere Technologie-Hypes erinnern, der aktuelle Zyklus sich jedoch strukturell unterscheiden könnte. Damit verschiebt sich der Blick von kurzfristigen Euphorien hin zur Frage, wie schnell reale Wertschöpfung aus Modellen und Plattformen entsteht. Entscheidend sei weniger die Schlagzahl der Investitionen als die nachhaltige Nutzbarkeit der Technologie im Alltag von Unternehmen.
Im kollektiven Gedächtnis der Märkte tauchen bei jeder neuen Technologie ähnliche Muster auf: Erst die Euphorie, dann der Vergleich mit dem vermeintlich „gleichen“ historischen Kapitel. Genau hier setzt der finanzielle Blick von Matthew Lynn an. Er nimmt die verbreitete Analogie vom KI-Boom zu früheren Blasen – von der Eisenbahnmanie des 19. Jahrhunderts über den Elektrifizierungsaufschwung der 1920er bis zur Dotcom-Welle der frühen 2000er – und stellt sie bewusst in Frage. Seiner Kernaussage nach ist der aktuelle KI-Fiebertrend möglicherweise zwar wieder mit großen Summen verbunden, aber nicht notwendigerweise mit derselben Art von Instabilität, die man bei klassischen Blasen als Ursache und Beschleuniger kennt.
Der Vergleich entsteht leicht, weil die Oberfläche ähnlich wirkt: In beiden Fällen investieren Unternehmen frühzeitig massiv in Infrastruktur. Bei Eisenbahnen waren das Streckenbau, Bahnhöfe und rollendes Material, bei der Elektrifizierung Netze, Kraftwerke und Verteiltechnik, bei der Dotcom-Ära Rechenzentren, Glasfaser und Plattformen. Bei KI ist es heute vor allem die technische Basis, also Rechenleistung, Speicher, Netzwerkressourcen und die Werkzeuge, um Modelle zu trainieren, zu betreiben und in Anwendungen zu integrieren. Lynn argumentiert, dass dieser „Ausgabe-Reflex“ nicht automatisch bedeutet, dass es sich um eine wiederholte Blase handelt. Entscheidend sei vielmehr, was mit den Investitionen praktisch passiert: Ob sie nur kurzfristig Bewertungen treiben oder ob sie eine wachsende Zahl konkreter Use Cases tatsächlich antreibt.
Technisch betrachtet ist der KI-Zyklus allerdings schwer mit älteren Zyklen eins-zu-eins gleichzusetzen. Frühere Infrastrukturwellen bauten vor allem physische Kapazitäten auf, die zwar später skalierten, deren Wirkung aber stark von der Verfügbarkeit der Nutzer und Anwendungen abhing. KI-Investitionen fließen dagegen in eine mehrstufige Wertschöpfungskette, die von Datenaufbereitung über Modelltraining bis zur Inferenz reicht und sich zugleich über Software-Workflows und Organisationsprozesse erstreckt. Das bedeutet: Unternehmen können mit demselben Grundmodellsatz unterschiedlich schnell in Produktion gehen, wenn sie die passenden Datenzugänge, Integrationen und Qualitätsprozesse bereitstellen. Dadurch entsteht eine andere Art von Fortschrittskurve – nicht nur „neue Infrastruktur“ steht bereit, sondern auch eine wachsende Zahl erprobbarer Funktionen, die sich in bestehende Systeme einhängen lassen.
Gerade deshalb taugt der Blasenvergleich laut Lynns Einschätzung nicht als Standarderklärung. Bei früheren Spekulationswellen war häufig die Lücke zwischen dem Versprechen einer Technologie und ihrer tatsächlichen Produktreife der Treiber für die spätere Korrektur. Wenn dagegen die Technologie – auch schrittweise – mehr und mehr reale Aufgaben übernimmt oder zumindest die Kosten pro Ergebnis senkt, dann verschiebt sich der Charakter der Nachfrage: Sie wird weniger „rein finanziell“ und stärker durch operative Notwendigkeiten geformt. In der Praxis sieht man das an der Verlagerung von Experimenten hin zu wiederkehrenden Workloads, etwa in der Automatisierung von Wissensarbeit, in der Unterstützung von Entwicklungsprozessen oder in der Nutzung durch spezialisierte interne Teams. Das heißt nicht, dass es keine Risiken gibt – aber die Dynamik kann sich von früheren Blasen unterscheiden.
Marktseitig kommt noch ein weiterer Aspekt hinzu: Vergleiche mit früheren Hypes funktionieren oft deshalb so gut, weil sie eine einfache Story liefern. Aber KI ist kein einzelnes „Gerät“, das man nach einer bestimmten Markteinführung nur skaliert. KI ist eher eine kontinuierlich verbesserte Softwarefähigkeit, die sich mit jedem Durchlauf besser an spezifische Umgebungen anpassen lässt – entweder durch neue Trainingsstände, durch feinere Abstimmungen oder durch den Einsatz in konkreten Produktionspipelines. Damit entsteht eine Art iterativer Kreislauf, in dem Investitionen nicht nur neue Kapazitäten schaffen, sondern auch Lern- und Qualitätsgewinne erzeugen können. Wenn diese Lerngewinne tatsächlich in messbaren Produktivitäts- und Qualitätskennzahlen münden, verliert der reine „Blasen“-Rahmen seinen Erklärwert.
Für Unternehmen verschiebt sich damit die Entscheidungslogik. Statt nur zu fragen, ob der Markt gerade überhitzt, lohnt es sich stärker zu prüfen, welche Architektur und welches Betriebsmodell die Investitionen in KI-Infrastruktur „verwertet“. Praktisch bedeutet das: Wie gut ist die Anbindung an Datenquellen, wie stabil sind Tests und Monitoring für Modellverhalten, und wie klar ist der Pfad von einem prototypischen KI-Feature zu einem dauerhaft betriebenen Service? Die spannendste Frage ist in diesem Sinne nicht nur, wie viel Geld gerade ausgegeben wird, sondern wie schnell und wie verlässlich sich daraus echte, wiederholbare Arbeitsabläufe ableiten lassen. Genau hier könnte Lynns Skepsis gegenüber der Blasen-These ihre Wirkung entfalten: Sie zwingt den Blick weg von Schlagzeilen und hin zu der Frage, ob KI-Investitionen in eine nachhaltige Nutzungs- und Verbesserungsroutine münden.
Gleichzeitig bleibt ein realistischer Rahmen wichtig. Auch wenn der KI-Boom nicht zwangsläufig eine Blase im historischen Sinn ist, kann es Übertreibungen bei Bewertungen, Fehlallokationen von Budget oder Engpässe in Talent- und Betriebskapazitäten geben. Diese Risiken sind eher operativer und struktureller Natur als ein bloßes „Warten auf den Platzen“-Narrativ. Lynn setzt deshalb auf eine differenziertere Betrachtung: Nicht jede Technologiebegeisterung ist automatisch eine Wiederholung von Eisenbahn-, Elektrifizierungs- oder Dotcom-Träumen. Der KI-Zyklus wirkt vielmehr wie eine Phase, in der sich die Wertschöpfung erst herausbildet – und genau diese Phase ist schwerer mit dem Begriff „Blase“ zu fassen, weil sie zugleich Investitionen, technisches Lernen und Marktdurchdringung zusammenbringt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Warum der KI-Boom wohl keine klassische Blase ist" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Warum der KI-Boom wohl keine klassische Blase ist" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Warum der KI-Boom wohl keine klassische Blase ist« bei Google Deutschland suchen, bei Bing oder Google News!