Effizienz-Paradox der KI: warum ein billigeres Modell die Chip-Nachfrage ausweitet statt senkt

03Was der Kurssturz behauptet

Mitte Juli stellte der chinesische Anbieter Moonshot sein Modell Kimi K3 vor, mit rund 2,8 Billionen Parametern das größte offen verfügbare Modell zu diesem Zeitpunkt und in Tests nahe an der Spitze der westlichen Systeme. Der Preis war der eigentliche Aufreger. Kimi K3 lieferte diese Leistung zu rund 15 Dollar je Million ausgegebener Token, während die führenden US-Modelle bei etwa 25 bis 30 Dollar lagen. Der Markt reagierte sofort und heftig. In der Woche bis zum 20. Juli fiel der Philadelphia-Halbleiterindex um gut 20 Prozent unter sein Junihoch und damit in einen Bärenmarkt, während der breite US-Aktienmarkt in derselben Zeit nahe seinen Höchstständen blieb. Es war ein Ausverkauf des Chip-Sektors, nicht der Börsen insgesamt.

Die Lesart hinter dem Verkauf war schnell erzählt. Wenn ein neues Modell dieselbe Leistung mit weniger und billigerer Rechenleistung erbringt, dann braucht die Welt weniger Chips, um dasselbe zu erreichen. Weniger benötigte Rechenleistung bedeutet weniger verkaufte Grafikprozessoren, weniger neue Rechenzentren, eine kleinere Investitionswelle, und damit fällt die Grundlage weg, auf der die hohen Bewertungen der Chip- und KI-Werte stehen. In dieser Logik ist ein billigeres Modell aus China eine direkte Bedrohung, und der Reflex, zuerst zu verkaufen und später zu fragen, ist nachvollziehbar. Genau dieselbe Geschichte lief schon einmal, im Januar 2025, als das chinesische Modell DeepSeek denselben Schock auslöste.

Der Denkfehler steckt in einem einzigen Schritt. Die Annahme setzt Effizienzgewinn mit Nachfragerückgang gleich, so als wäre die Menge der Rechenaufgaben eine feste Größe, die man nur billiger abarbeitet. Tatsächlich sind das zwei verschiedene Dinge. Was eine Recheneinheit kostet, ist das eine. Wie viele Recheneinheiten die Welt nachfragt, wenn sie billiger werden, ist das andere. Und genau dieser zweite Teil bewegt sich meist in die entgegengesetzte Richtung, als der Reflex erwartet.

04Die Zerlegung, das Effizienz-Paradox

Das Muster hat einen Namen. Der britische Ökonom William Stanley Jevons beschrieb 1865 in seiner Studie zur Kohle einen Zusammenhang, der bis heute trägt. Als die Dampfmaschine effizienter wurde und für dieselbe Arbeit weniger Kohle brauchte, sank der Kohleverbrauch nicht, er stieg. Die billigere Nutzung machte die Dampfkraft für unzählige neue Zwecke rentabel, die vorher zu teuer waren, und die zusätzliche Nachfrage übertraf die Einsparung je Einheit bei weitem. Dieses Effizienz-Paradox gilt immer dann, wenn eine Ressource durch bessere Technik billiger wird und die Nachfrage stark auf den Preis reagiert.

Auf Rechenleistung übertragen heißt das Folgende. Fällt der Preis für eine bestimmte KI-Aufgabe auf ein Zehntel, bearbeitet kaum jemand einfach dieselbe Zahl von Anfragen für ein Zehntel des Geldes. Stattdessen wird plötzlich wirtschaftlich, was vorher zu teuer war. Ein Assistent, der bisher bei jeder Anfrage einzeln nachdachte, läuft nun dauerhaft im Hintergrund. Ein Unternehmen, das KI nur für wenige Kernfälle nutzte, legt sie über die ganze Sachbearbeitung. Anwendungen, die sich bei 30 Dollar je Million Token nicht rechneten, rechnen sich bei 15. Die Menge der nachgefragten Rechenaufgaben wächst dann schneller, als der Preis je Aufgabe fällt, und der gesamte Rechenbedarf steigt. Billiger je Einheit wird zu mehr insgesamt.

Ein vereinfachtes Rechenbeispiel macht das greifbar. Nimm ein Unternehmen, das heute für eine bestimmte KI-Aufgabe 30 Cent zahlt und sich davon eine Million Aufgaben im Monat leistet, zusammen 300.000 Euro. Fällt der Preis je Aufgabe auf drei Cent, könnte es dieselbe Million nun für 30.000 Euro erledigen und neun Zehntel sparen. Das tut aber fast niemand. Bei einem Zehntel des Preises rechnen sich auf einmal Aufgaben, die vorher undenkbar waren, und aus einer Million werden vielleicht zwanzig Millionen. Zwanzig Millionen Aufgaben zu drei Cent sind 600.000 Euro, doppelt so viel wie zuvor, obwohl jede einzelne Aufgabe nur noch ein Zehntel kostet. Der Preis je Einheit ist gefallen, die gesamte Ausgabe ist gestiegen. Genau das ist die Mechanik hinter dem Paradox.

Dass diese Umkehr keine Theorie ist, zeigt der Blick auf das Geld, das die großen Cloudkonzerne tatsächlich ausgeben. Amazon, Alphabet, Meta und Microsoft finanzieren den Großteil der weltweiten Rechenzentren, und ihre Investitionen sind der ehrlichste Gradmesser für die reale Nachfrage nach Rechenleistung. Diese Investitionen sind nicht etwa gefallen, als die effizienteren Modelle kamen, sondern von Jahr zu Jahr weiter gestiegen. Der folgende Verlauf zeigt, wo der DeepSeek-Schock von Januar 2025 saß, und was danach mit den Ausgaben geschah.

05Der Präzedenzfall von 2025

Der stärkste Beleg ist, dass sich dieselbe Szene erst vor anderthalb Jahren abgespielt hat. Ende Januar 2025 stellte das chinesische Labor DeepSeek ein Modell vor, das an die Leistung der US-Spitze heranreichte und angeblich zu einem Bruchteil der Kosten trainiert worden war. Die Reaktion war noch heftiger als heute. Der Chipkonzern Nvidia verlor an einem einzigen Handelstag rund 600 Milliarden Dollar an Börsenwert, der größte Tagesverlust, den je ein einzelnes Unternehmen hinnehmen musste. Die Begründung war Wort für Wort dieselbe wie jetzt, billigere KI brauche weniger Chips.

Was dann geschah, war das Gegenteil eines Nachfrageeinbruchs. Der Chef von Microsoft, Satya Nadella, reagierte noch am selben Wochenende mit dem Hinweis auf genau dieses Effizienz-Paradox und schrieb sinngemäß, je effizienter und zugänglicher KI werde, desto stärker steige ihre Nutzung. Er sollte recht behalten. Die Investitionen der großen Cloudkonzerne, die 2024 zusammen bei rund 230 Milliarden Dollar lagen, kletterten 2025 auf rund 390 Milliarden und sind für 2026 mit bis zu 630 Milliarden geplant. Der Umsatz von Nvidia mit Rechenzentren wuchs im selben Zeitraum weiter, statt zu schrumpfen. Der Effizienz-Schock hatte die Nachfrage nicht gesenkt, er hatte sie beschleunigt.

Zwei Ausverkäufe mit derselben Begründung und, bisher, demselben Ausgang, das ist kein Beweis für die Zukunft, aber es ist ein Muster, das man kennen sollte. Wer beim zweiten Mal genauso reagiert wie beim ersten, hat aus dem ersten Mal nichts mitgenommen. Der Unterschied zwischen einer einmaligen Überraschung und einem wiederkehrenden Muster ist genau der Punkt, an dem eine nüchterne Einordnung anfängt.

06Wo das Paradox greift, und wo nicht

Man sollte das Effizienz-Paradox nicht zu einem Naturgesetz erheben, denn es greift nicht immer. Entscheidend ist, wie stark die Nachfrage auf den Preis reagiert, also die Elastizität. Ist ein Markt bereits gesättigt und die Nachfrage unelastisch, dann senkt bessere Effizienz den Gesamtverbrauch tatsächlich, weil kaum neue Anwendungen dazukommen. Bei der Kohle im 19. Jahrhundert und, bislang, bei der Rechenleistung für KI ist das Gegenteil der Fall. Die Zahl der denkbaren Anwendungen ist riesig und längst nicht ausgeschöpft, jede Preissenkung erschließt neue davon, und deshalb überwiegt der Mengeneffekt den Spareffekt.

Die ehrliche Einschränkung dazu lautet, dass sich der Bedarf innerhalb der Kette verschieben kann. Effizienteres Training braucht für ein einzelnes Modell weniger Rechenleistung, dafür wächst der Bedarf beim laufenden Betrieb, also bei jeder einzelnen Anfrage, die millionenfach anfällt. Der Engpass wandert vom Training zur Anwendung, aber er verschwindet nicht. Solange die Gesamtnachfrage nach Rechenleistung so stark auf sinkende Preise reagiert wie bisher, bleibt die Richtung dieselbe. Genau deshalb ist die Frage nicht, ob ein Modell effizienter rechnet, sondern ob die Welt bei diesem niedrigeren Preis mehr davon will. Bisher lautet die Antwort ja.

Dieses Muster ist nicht auf Kohle und KI beschränkt, es zieht sich durch die Technikgeschichte. Als Speicher pro Gigabyte drastisch billiger wurde, sank die Menge der gespeicherten Daten nicht, sie explodierte. Als Datenübertragung billiger wurde, schauten die Menschen nicht gleich viel Video zu geringeren Kosten, sondern deutlich mehr. Jedes Mal machte der niedrigere Preis Anwendungen möglich, die vorher niemand in Betracht zog, und die neue Nachfrage übertraf die Einsparung bei weitem. Wer bei der nächsten Effizienz-Meldung reflexhaft mit sinkendem Verbrauch rechnet, wettet gegen ein Muster, das sich über sehr verschiedene Technologien hinweg immer wieder gezeigt hat.

07Das eigentliche Signal

Was die Schlagzeile verfehlt, ist nicht nur die Richtung der Nachfrage, sondern wo in der Kette sich der Wert verschiebt. Ein billiges, offen verfügbares Modell wie Kimi K3 oder zuvor DeepSeek trifft vor allem eine bestimmte Schicht, die Schicht der Modelle selbst. Wenn fast jeder ein nahezu gleichwertiges Modell günstig anbieten kann, wird das Modell zur austauschbaren Ware, und die Preise dafür fallen. Das ist echter Druck, aber er trifft die Anbieter von Modellen, nicht zwingend die Nachfrage nach der Rechenleistung darunter. Im Gegenteil, je billiger und verbreiteter die Modelle, desto mehr Rechenaufgaben laufen insgesamt. Wer die eine Schicht mit der anderen verwechselt, liest den Preisverfall bei den Modellen als Nachfrageeinbruch bei den Chips.

Der Markt selbst hat diese Unterscheidung schnell nachgeholt. Schon zu Wochenbeginn drehte der Halbleiter-Sektor und holte einen großen Teil des Rückgangs wieder auf, in Asien führten die Chipwerte die Erholung an. Das beweist nicht, dass die optimistische Seite recht hat, und es ist ausdrücklich kein Signal, jetzt einzusteigen. Es zeigt nur, wie schnell ein erzählungsgetriebener Ausverkauf eines einzelnen Sektors sich wieder auflösen kann, sobald der Blick von der Schlagzeile zurück auf die zugrunde liegende Nachfrage wandert. Die eigentliche Lehre liegt im Reflex, nicht in der Richtung. Wer die Mechanik kennt, muss die nächste solche Bewegung nicht mitmachen.

08Der faire Gegenpunkt

Das stärkste Gegenargument nimmt dem Paradox nichts von seiner Logik, sondern zieht die richtige Grenze. Selbst wenn die gesamte Nachfrage nach Rechenleistung weiter steigt, folgt daraus nicht, dass die Kurse der Chip- und KI-Werte steigen müssen. Nachfrage und Gewinn sind zwei verschiedene Dinge. Eine Welt, in der Rechenleistung immer billiger wird, kann genau die Margen drücken, von denen die hohen Bewertungen leben. Und die wachsende Nachfrage kann von jemand anderem bedient werden als vom heutigen Marktführer, etwa von den eigenen Chips der Cloudkonzerne oder von günstigerer Hardware aus China. Wer glaubt, der KI-Markt bestehe aus zwei sicheren Gewinnern, unterschätzt, wie umkämpft dieser Markt ist.

Dazu kommt die Bewertung als eigene Frage. Auch eine glänzend wachsende Nachfrage kann längst im Kurs stehen, und ein hervorragendes Geschäft ist zum falschen Preis eine schlechte Anlage. Der Unterschied zwischen Börsenwert und Substanz bleibt bestehen, egal wie stark die Nachfrage wächst. Genau hier liegt die Grenze dieser Analyse. Das Effizienz-Paradox widerlegt ein schlechtes Argument, nämlich dass billigere Modelle die Chip-Nachfrage einbrechen lassen. Es liefert aber kein gutes Argument für das Gegenteil, also keine Begründung, jetzt Chip-Werte zu kaufen. Es räumt einen Denkfehler weg, mehr nicht, und die Entscheidung, was das für ein Depot bedeutet, bleibt offen.

09Was das für Anleger heißt

Was heißt das für dich, ohne dass daraus eine Kauf- oder Verkaufsempfehlung wird. Zuerst hilft die Mechanik beim Lesen der nächsten Schlagzeile. Wenn das übernächste billigere Modell erscheint und die Chipwerte wieder fallen, ist die richtige erste Frage nicht wie viel effizienter es rechnet, sondern ob die Welt bei diesem niedrigeren Preis mehr Rechenleistung nachfragt. Reagiert die Nachfrage stark auf den Preis, ist ein Effizienzsprung eher ein Nachfragetreiber als ein Nachfragekiller. Diese eine Unterscheidung erspart es, jeden solchen Schock als Bedrohung zu lesen.

Zweitens lohnt der Blick auf die eigene Betroffenheit, und die ist größer, als viele denken. Ein breit gestreuter Welt-ETF ist heute stark von einigen wenigen US-Technologiewerten geprägt, darunter die großen Chip- und KI-Namen. Wer einen solchen Fonds hält, hat den Rückgang der Vorwoche und die Erholung danach voll mitgemacht, ohne je eine einzelne Chip-Aktie gekauft zu haben. Diese Konzentration im vermeintlich breiten Fonds ist der eigentliche Hebel, über den dich das Thema erreicht, und sie wirkt in beide Richtungen. Sie hat die Depots in der KI-Rally gehoben, und sie lässt sie in einer KI-Delle stärker schwanken, als die Zahl der enthaltenen Titel vermuten lässt.

Und schließlich sendet dieser Vorgang kein Kurssignal, dem man einfach folgen könnte. Dass die Nachfrage nach Rechenleistung steigen dürfte, ist kein Kaufargument, und dass die Modellpreise fallen, ist kein Verkaufsargument. Der Chip-Sektor bleibt schwankungsanfällig, der zusätzliche Bedarf muss nicht bei den heutigen Gewinnern landen, und die Bewertungen sind anspruchsvoll. Ob und in welcher Höhe Chip- und KI-Werte in ein Depot passen, hängt an deinem Zeithorizont, deiner Risikotragfähigkeit und daran, wie viel dieser Wette über deinen Welt-ETF ohnehin schon in deinem Depot steckt. Diese Abwägung nimmt dir dieser Text nicht ab. Er liefert die Zerlegung, die Entscheidung bleibt bei dir.