Michael Burry warnt vor KI-Blase: Warum er bei NVIDIA und Palantir short geht

Michael Burry ist nicht dafür bekannt, Trends einfach mitzulaufen, sondern eher dafür, ihnen zur falschen Zeit zu widersprechen. Nachdem der Hedgefonds-Manager in der Vergangenheit bereits den US-Immobilienmarkt zur Zeit der großen Übertreibungen skeptisch beäugt hatte, richtet sich sein Blick nun erneut auf einen Sektor, in dem die öffentliche Aufmerksamkeit besonders schnell eskaliert: Künstliche Intelligenz. In aktuellen Aussagen verknüpft Burry die KI-Hysterie mit dem Gefühl, dass sich die Börsenphase ihrem „Endgame“ nähert – ähnlich wie Ende der Dotcom-Ära 1999/2000, als Wachstumserzählungen zeitweise jedes Fundament übertönten. Diese Perspektive ist weniger eine Prognose einzelner Produkte als vielmehr eine Warnung vor dem Preis, den Märkte für Narrative zahlen. Technisch wird Burrys Argument dabei auf eine wirtschaftliche Ebene übersetzt: Er sieht offenbar eine Diskrepanz zwischen operativer Entwicklung und Börsenbewertung, die sich häufig dann aufbaut, wenn die Infrastruktur für KI massiv Investitions- und Erwartungsdruck erzeugt. Während Unternehmen in den Bereichen Compute, Modelltraining, Inferenz-Betrieb und Datenplattformen real liefern müssen, reagieren Kapitalmärkte oft bereits auf kurzfristige Fortschritte in der Hardware- und Software-Roadmap.

In diesem Spannungsfeld setzt Burry nicht nur auf die Idee fallender Kurse, sondern auch auf eine Risikosteuerung, die sich gegen die Volatilität „hoher Beta“-Aktien absichert. Dass er zugleich neue Positionen in etablierten Softwarewerten aufbaut, deutet darauf hin, dass er weniger gegen KI als gegen Überbewertungen im KI-Ökosystem agiert. Konkret kommt die Investment-Logik aus den 13F-Meldungen: Burrys Scion Asset Management wies Put-Optionen auf eine sehr große Anzahl an NVIDIA-Aktien sowie Put-Positionen auf Palantir-Aktien aus. Marktteilnehmer lesen solche Angaben typischerweise als Wette gegen den Kursverlauf, also als Absicherung oder spekulatives Short-Exposure mit definiertem Risiko- und Kostenprofil im Vergleich zu „nackten“ Short-Strategien. Gleichzeitig existiert in der Debatte ein Gegenargument aus dem KI-Lager: Palantir-CEO Alex Karp stellte sinngemäß in Interviews in Frage, warum man ausgerechnet dort gegen Positionen wetten solle, wo seiner Ansicht nach ein Großteil der Wertschöpfung entsteht. Das wirkt zunächst wie ein Clash der Narrativen – ist aber auch ein Hinweis auf den Kernkonflikt: Geht der Markt von dauerhaft hoher Margenfähigkeit aus, oder preist er bereits zu viel Wachstum im Voraus?

Ein weiterer Kontext kommt von Unternehmen und Analysten, die KI-Erträge zunehmend als belastbar darstellen. In Beiträgen, die unter anderem über die Entwicklung profitabler KI-Anbieter sprechen, wird argumentiert, dass sich KI-Wetten „nach und nach auszahlen“ und die Unternehmen nicht nur als Forschungslabor, sondern als skalierbares Business funktionieren. Historisch kennt die Tech-Branche ähnliche Muster: In frühen Phasen steigen Bewertungen, weil Investitionen in Modelle, Datenzugang und Plattformen als strategischer Vorteil gelten. Später kommt häufig die Phase, in der Umsätze, Vertragsvolumina und insbesondere die Fähigkeit zur nachhaltigen Profitabilität den Ton angeben. Burrys Vergleich mit Dotcom ist daher weniger technisch als zeitgeschichtlich: Wenn Kapital zu schnell zu viel Glaubwürdigkeit „vorfinanziert“, können schon kleine Enttäuschungen Bewertungs-Korrekturen auslösen. Für Anleger bedeutet das: Nicht nur Technologieperformance, auch die Verteilungslogik von Risiko im Portfolio wird entscheidend. Für das Marktgeschehen liefert Burry zusätzlich eine praktische Warnung: Leerverkäufe seien für viele Investoren aktuell keine saubere Antwort. Laut Berichten hält er klassische „Bärenstrategien“ derzeit für teuer und riskant, weil Put-Optionen und direkte Shorts je nach Marktregime erhebliche Kosten verursachen können – etwa durch Prämien, Volatilitätskomponenten oder durch das Risiko, dass ein kurzfristiger Hype noch weiterläuft.

Seine Alternative wirkt daher weniger wie ein Timing-Trade und mehr wie ein Kapitalmanagement-Framework: Aktienengagement schrittweise reduzieren, vor allem bei Technologiepapieren mit stark beschleunigten Kursanstiegen, und Liquidität aufbauen. Der Gedanke dahinter ist simpel: Wer später zu günstigeren Bewertungsniveaus kaufen will, braucht Handlungsfähigkeit, wenn Panik oder Ernüchterung die Preise temporär drücken. Diese Logik hat auch eine technische Marktparallele. Große KI-Anbieter und deren Ökosysteme sind eng mit dem Investitionszyklus von Rechenzentren, Cloud-Kapazitäten und Unternehmens-IT verbunden. Wenn Erwartungen steigen, kann sich in sehr kurzer Zeit eine Übergewichtung in Portfolios aufbauen, weil viele Anleger denselben „KI-Trade“ suchen: Compute-Exposure, Software-Exposure, Plattform-Exposure. Genau in solchen Phasen verstärkt sich das Momentum häufig durch ETF-Flows und Derivatehebel. Burry argumentiert damit indirekt, dass Bewertungsreversion eher über Liquidität und Disziplin entsteht als über eine permanente Konfrontation mit dem Trend. Der Punkt für professionelle Anleger lautet: Strategie ist nicht nur, „gegen etwas“ zu wetten, sondern zu definieren, welche Risikoquellen du dauerhaft kontrollieren willst. Interessant ist dabei Burrys gleichzeitige Positionierung zugunsten von Qualität.

Berichten zufolge eröffnete er eine neue Position bei Microsoft und stockte Anteile an Unternehmen wie MSCI, PayPal und Adobe auf. Besonders sein Bezug auf Software-Aktien ist bemerkenswert, weil er aufzeigt, dass der Markt selbst innerhalb des Tech-Sektors differenziert, sobald Quartalszahlen oder Prognosen den KI-Diskurs „umschalten“. Wenn Investoren etwa aus Berichten über IBM oder ServiceNow eine Bedrohung durch KI ableiten, kann das zu einem Abverkauf führen, obwohl sich die fundamentale Fähigkeit, Cashflows zu generieren, nicht schlagartig verschlechtert haben muss. Hier passt Burrys „Beuteschema“: Er bevorzugt Unternehmen mit hoher Cashflow-Stärke, die durch Stimmungsumbrüche kurzfristig unterbewertet erscheinen. Sein Einstieg bei Microsoft wird dabei nicht als Signal für das Ende der Korrektur interpretiert, sondern als Bereitschaft, bei Unsicherheit selektiv zu investieren. Für die Zukunft legt Burrys Ansatz nahe, dass die KI-Entwicklung zwar strukturell bleibt, der Kapitalmarkt jedoch die Bewertungen stärker zyklisch „glättet“, als viele Marktteilnehmer kurzfristig annehmen. Die nächste Phase wird vermutlich weniger von der Frage bestimmt, ob KI funktioniert, sondern davon, welche Anbieter die Kosten pro Inferenz senken, welche Plattformen Distribution und Integrationen dominieren und welche Unternehmen aus KI echte, wiederkehrende Umsätze ableiten.

Regulatorisch und sicherheitstechnisch spielt parallel die Frage eine wachsende Rolle, wie Datenzugriff, Modellrisiken und Compliance-Anforderungen im Unternehmenskontext gelöst werden – gerade in Branchen, in denen Software und Analyse tief in Prozesse eingreifen. Für Entwickler und Enterprise-Teams entsteht daraus eine praktische Implikation: Architektur-Entscheidungen für KI müssen robuster werden, weil Märkte und Verträge nicht nur „Demo-Fähigkeit“, sondern belastbare Betriebs- und Governance-Konzepte honorieren. Wenn Burry mit seiner Warnung recht behält, könnte Liquidität in den nächsten Monaten einen entscheidenden Wettbewerbsvorteil liefern, während attraktive Einstiegschancen dort entstehen, wo solide Software trotz KI-Lärm unter dem Radar bleibt.