LONDON (IT BOLTWISE) – Ein Modellrechnungsansatz setzt für 2030 auf eine Streuung über fünf KI-Infrastruktur-Aktien aus dem Chip-Ökosystem. Dabei wird der Blick vor allem auf Training, Inferenz und die dazugehörige Hardware-Lieferkette gerichtet. Als zentrale Bewertungslogik dient ein Forward-P/E auf Basis der Analystenschätzungen. Im Rechenbeispiel steigt eine Startallokation von rund 5.100 US-Dollar bis 2030 auf etwa 8.900 US-Dollar.
Die Debatte um KI-Infrastruktur wird in den Börsenkursen oft schneller sichtbar als in Produktroadmaps: Wer Rechenleistung, Chips und Fertigungstechnologie liefert, sitzt häufig am Engpass. Genau diesen Gedanken greift ein Rechenbeispiel auf, das eine etwa 5.100-US-Dollar-Position auf fünf Werte aus dem Halbleiter-Umfeld verteilt. Im Mittelpunkt steht dabei nicht nur „KI als Trend“, sondern die Wertschöpfung entlang der Kette von Trainings-Workloads über die Inferenz bis hin zu den Produktionsschritten, die moderne Prozessoren überhaupt erst in Stückzahlen ermöglichen. Dass der Markt diese Spannen bewertet, ist in einer Branche naheliegend, in der die Kapazität zur Skalierung von Rechenzentren und die Lieferfähigkeit von Komponenten häufig gleichzeitig über Umsatz- und Margenerwartungen entscheiden.
Ausgangspunkt der Argumentation ist eine Prognose zum Wachstum der weltweiten KI-Ausgaben. Für die nächsten Jahre wird dabei ein Gesamtvolumen von 2,3 Billionen US-Dollar bis 2032 in Aussicht gestellt, aufgeteilt in Ausgaben für Hardware, Software und Services. Innerhalb dieses Budgets werden zusätzlich Komponenten für Training und Inferenz unterschieden: Für das Training werden 658 Milliarden US-Dollar erwartet, während für Inferenz etwa 1,3 Milliarden US-Dollar genannt werden. Für Anleger ist diese Aufteilung relevant, weil sie die Zahlungsbereitschaft in unterschiedlichen Phasen der KI-Nutzung widerspiegelt. Training treibt typischerweise hohe Anforderungen an GPUs und Beschleuniger, während Inferenz in der Praxis über effiziente Chips, Agenten-nahe Ausführungslogik und Systemdesign oft stärker an Kosten pro Anfrage gekoppelt ist.
Technisch betrachtet ist die Auswahl der fünf Unternehmen ein Querschnitt durch mehrere Ebenen des Stack. NVIDIA steht in diesem Modell als Hauptposition für Trainingslasten und für den GPU-Markt, aber nicht mehr als „nur Grafikchip“-Spiel: Die Begründung lautet, dass das Unternehmen sich zu einem breit aufgestellten Anbieter für KI-Workloads entwickelt hat. Im Rechenbeispiel wird mit 940 US-Dollar für vier Aktien gerechnet. Bei einer erwarteten angepassten EPS-Schätzung von 24,79 US-Dollar für das Geschäftsjahr 2032 (Ende Januar) und einem angenäherten Forward-P/E von 15 läge der Wert bei 372 US-Dollar pro Aktie; die Startsumme würde sich damit auf knapp 1.500 US-Dollar bewegen, was im Modell rund 60% entspricht. Aus Investment-Sicht ist das vor allem eine Sensitivitätsrechnung: Selbst kleine Änderungen bei Multiplikatoren oder beim EPS-Pfad können den Endwert stark verschieben, weil der Zeithorizont bis 2030/2031 vergleichsweise lang ist.
AMD wird in der Rechnung als Wette auf zwei Richtungen beschrieben: Einerseits Inferenz über GPUs, andererseits CPUs-gestützte Ausführungen für agentische KI. Dort zeigt sich ein typisches Muster in modernen Rechenzentren: Nicht jeder Teil des Workloads ist gleich „beschleunigerpflichtig“. Mit 633 US-Dollar wird im Beispiel eine Aktie angesetzt. Für 2030 wird ein EPS-Konsens von 45,25 US-Dollar genannt; zusätzlich wird für 2031 weiteres Wachstum bis 54,30 US-Dollar unterstellt. Kombiniert mit einem Multiplikator von 20 ergibt sich im Modell ein Aktienwert von 1.086 US-Dollar und damit rund 72% Kursgewinn. Genau diese Annahmen sind entscheidend: Der Sprung von den im Beispiel genannten heutigen Ergebniserwartungen auf die späteren EPS-Werte ist groß, und er hängt davon ab, ob sich Nachfrage nach Inferenzfähigkeiten in entsprechenden Produktmixen verstetigt.
Mit Broadcom und Taiwan Semiconductor Manufacturing wird die Rechnung anschließend stärker auf Infrastruktur-Komponenten erweitert, die in der Praxis oft über Erfolg oder Engpass entscheiden. Broadcom wird als Investment in custom AI chips und Networking gerahmt; der Text argumentiert, dass der Markt für KI-ASICs schneller wachsen könne als der für GPUs. Mit 710 US-Dollar werden zwei Aktien angesetzt. Die erwartete Entwicklung geht von einem EPS von 52,15 US-Dollar für das Geschäftsjahr 2031 (Ende Oktober 2031) aus; bei einem 15-fachen Multiplikator ergibt das im Modell 782 US-Dollar je Aktie. Das entspräche etwa 120% Gewinn und würde die Position auf 1.564 US-Dollar heben. Taiwan Semiconductor Manufacturing wird dagegen als Schlüsselakteur in der Fertigung beschrieben, weil fortgeschrittene Prozessknoten die Grundlage für leistungsfähige KI-Chips bilden. Im Beispiel werden 945 US-Dollar für zwei Aktien angesetzt; der Analystkorridor geht bis 2028, danach werden Wachstumsraten geschätzt, sodass das EPS 2031 auf 39,80 US-Dollar hochgerechnet wird. Ein Forward-P/E von 17,5 wird mit Blick auf die „monopolartige“ Stellung bei bestimmten Produktionsschritten begründet; daraus entsteht im Modell ein Kursziel nahe 700 US-Dollar und damit rund 48% Gesamtrendite.
Die letzte Position im Basket adressiert den vielleicht schwierigsten Teil des KI-Infrastrukturpuzzles: die Chipfertigungsmaschinen. ASML wird als Voraussetzung für den Fortschritt bei der extremen ultravioletten Lithografie (EUV) dargestellt, also jener Technologie, die für moderne, hochdichte Logikchips erforderlich ist. Im Beispiel werden 1.865 US-Dollar für eine Aktie eingeplant. Für 2030 wird ein EPS von 101,57 US-Dollar angenommen, anschließend wird weiteres Wachstum auf 111,72 US-Dollar geschätzt. Bei einem sehr hohen Multiplikator von 30 ergibt sich im Modell ein Aktienwert von 3.351 US-Dollar, was rund 80% Gewinn entspräche. Dass der Multiplikator in diesem Ansatz deutlich über dem der anderen Werte liegt, ist konsistent mit dem Marktmechanismus in kapitalintensiven Branchen: Wenn Angebot und Technologiezugang über Jahre hinweg eng sind, spiegelt sich das häufig stärker im Bewertungsniveau wider.
Am Ende addiert sich der Rechenansatz zu einem Gesamtendwert von knapp 8.900 US-Dollar aus etwas unter 5.100 US-Dollar Startkapital, also rund 75% über etwa vier Jahre bis 2030. Wichtig ist aber der Hinweis aus dem Ausgangstext, dass die Variable „Earnings-Pfad“ den größten Hebel besitzt: Wenn KI-Infrastruktur in der Realität weniger stark skaliert oder sich Investitionsbudgets verschieben, können negative Renditen entstehen. Umgekehrt sind gerade bei Halbleiterwerten die Dynamiken häufig stark an Kapazitätsauslastung, Technologieübergängen und Preissetzung gekoppelt, sodass konsequent steigende Gewinne durchaus auftreten können. Für Unternehmen und Entwickler ist diese Perspektive ebenfalls relevant: Die KI-Infrastruktur wird nicht nur durch Algorithmen, sondern durch verfügbare Rechenleistung, stabile Lieferketten und die Fähigkeit bestimmt, neue Chips in Produktion zu bringen. Wer diese Abhängigkeiten bei Architekturentscheidungen im Blick behält, kann Lastspitzen besser planen und Investitionen für Training und Inferenz realistischer priorisieren.
Für Privatanleger wie auch für IT-Entscheider bleibt damit eine zweite Schlussfolgerung: Bewertungslogiken wie Forward-P/E sind kein Selbstzweck, sondern ein verdichtetes Abbild von Erwartungen. Der Basket zeigt einen pragmatischen Mix aus „Picks-and-shovels“-Positionen über verschiedene Engpässe hinweg – Beschleuniger, Chip-Design und Fertigung. Wer so ein Szenario als Orientierung nutzt, sollte die Annahmen nicht blind übernehmen, sondern die Sensitivitäten prüfen: Wie stark reagieren Multiplikatoren auf Marktstress? Wie robust sind EPS-Schätzungen gegenüber Nachfrageschwankungen? Und wie wahrscheinlich ist, dass sich der Anteil von Inferenz-Workloads tatsächlich so entwickelt, dass sich der Produktmix der Unternehmen entsprechend durchsetzt. Genau an diesen Stellen entscheiden sich langfristige Renditen – und ob aus einer Modellrechnung eine belastbare These für das eigene Portfolio wird.
💳 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 "KI-Infrastruktur 2030: So könnte ein 5.100-Dollar-Basket aus fünf Chip-Werten wachsen" 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 "KI-Infrastruktur 2030: So könnte ein 5.100-Dollar-Basket aus fünf Chip-Werten wachsen" 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: »KI-Infrastruktur 2030: So könnte ein 5.100-Dollar-Basket aus fünf Chip-Werten wachsen« bei Google Deutschland suchen, bei Bing oder Google News!