Künstliche Intelligenz an den Kapitalmärkten

Künstliche Intelligenz (engl. “Artificial Intelligence”) ist kein neues Konzept, wohl aber ein neues Kapitalmarkt-Phänomen. Mit dem massiven Einsatz generativer Modelle, steigenden Investitionen in Rechenleistung und der breiten kommerziellen Nutzung hat KI eine Schwelle überschritten: Sie beeinflusst nicht mehr nur einzelne Unternehmen, sondern ganze Marktsegmente, Bewertungsmodelle und Kapitalflüsse.

Zum Jahresbeginn 2026 stehen viele Anleger vor einer vertrauten, aber falsch gestellten Frage: Ist KI eine Blase?

Für langfristige Vermögensstrategien ist diese Frage jedoch unzureichend. Kapitalmärkte reagieren auf technologische Umbrüche nicht binär, sondern zyklisch, selektiv und häufig zeitlich verzögert.

Das Wichtigste im Überblick:

• Marktstruktur: KI ist 2026 ein strukturverändernder Faktor für Kapitalmärkte, nicht nur ein Hype.
• Technologiezyklus: Euphorie → Überbewertung → Korrektur → langfristige Substanz wiederholt sich.
• Bewertungen: Überbewertungen bei KI sind zyklisch; stabile Cashflows und Marktführerschaft sind entscheidend.
• Diversifikation: Länder, Segmente und Unternehmensgrössen reduzieren Klumpenrisiken signifikant.
• Regionale Chancen: US-Titel treiben Innovation, EU-Firmen liefern Stabilität, Schweizer Firmen Nischen-Chancen.
• Portfolioaufbau: Kern- (stabile Unternehmen) und Satellitenpositionen (Wachstumsfirmen) kombinieren.
• Fundamentale Kriterien: Umsatzwachstum, Margen-Stabilität und Infrastruktur-Abhängigkeit bestimmen langfristigen Erfolg.

Technologische Zyklen und Marktmechanik

Technologische Innovationen wirken an den Kapitalmärkten selten linear. Historische Daten zeigen wiederkehrende Muster: Euphorie, Überbewertung, Korrektur und langfristige Integration. Künstliche Intelligenz (KI) unterscheidet sich durch ihre querschnittliche Wirkung auf Cloud, Industrieautomation, Finanzen und Healthcare. Dies führt zu Chancen für Unternehmen mit technologischer Führerschaft, aber auch zu Konzentrationsrisiken in Portfolios, da wenige Unternehmen einen grossen Teil der marktrelevanten KI-Anwendungen kontrollieren.

Ein Beispiel: Während der Dotcom-Blase der späten 1990er Jahre stiegen Internetaktien extrem, viele Unternehmen hatten aber keine Cashflows. Heute verfügen die führenden KI-Unternehmen bereits über Umsätze und stabile Geschäftsmodelle. Das verschiebt den Risikotyp, ändert aber nicht die Notwendigkeit, Zyklik und Fundamentaldaten sorgfältig zu analysieren.

Bewertungs- und Konzentrationsrisiken

Die Bewertung von KI-Unternehmen stützt sich häufig auf langfristige Ertragsannahmen, die in die Gegenwart diskontiert werden. Hohe Erwartungen an Margen, Skaleneffekte und Marktanteile führen zu hoher Volatilität, sobald Ergebnisse nicht wie prognostiziert eintreten.

Die Kapitalintensität von KI ist hoch: Rechenzentren, energieintensive Hardware und spezialisierte Fachkräfte verursachen reale Kosten, die auf Makroebene Investitionszyklen, Inflation und Zinsen beeinflussen können. Ein kritischer Faktor im Jahr 2026 ist der „Energy Bottleneck“: Ohne eine massive Skalierung der Stromnetze und den Ausbau von Grundlastkapazitäten (insbesondere durch moderne Kernkraft und Smart Grids) stösst das Wachstum der Rechenzentren an physische Grenzen. Investoren müssen daher die Energieabhängigkeit ihrer Tech-Positionen bewerten und zunehmend Versorger als indirekte KI-Profiteure in Betracht ziehen. Strategische Portfolios müssen diese Faktoren berücksichtigen, um Risiken richtig zu gewichten, wobei ein objektiver und unabhängiger Vermögensverwalter entscheidende Orientierung bei der Bewertung und Allokation bietet.

‍→ Vereinbaren Sie jetzt Ihr kostenloses, unverbindliches Erstgespräch vor Ort.

Historische Vergleichszyklen

Technologische Innovationen folgen oft wiederkehrenden Mustern, die sich über Jahrhunderte hinweg beobachten lassen. Von der Eisenbahn über Elektrizität und Internet bis hin zu mobilen Technologien zeigen die Märkte ähnliche Phasen von Euphorie, Überbewertung, Korrektur und langfristiger Stabilisierung. Ein Verständnis dieser historischen Zyklen hilft Anlegern, kurzfristige Volatilität einzuordnen und die langfristige wirtschaftliche Substanz neuer Technologien wie Künstlicher Intelligenz richtig zu bewerten.

Technologische Innovationswellen im Überblick

• Eisenbahn
  
  • Hochphase: 1840er
  • Korrektur: 1847–1849
  • Langfristiger Einfluss: Industrialisierung, langfristige Produktivität
• Elektrizität
  
  • Hochphase: 1890–1905
  • Korrektur: frühes 20. Jh.
  • Langfristiger Einfluss: Basis moderner Industrie
• Internet
  
  • Hochphase: 1998–2000
  • Korrektur: 2000–2002
  • Langfristiger Einfluss: Digitale Ökonomie, Plattform-Modelle
• Mobile
  
  • Hochphase: 2007–2011
  • Korrektur: 2012
  • Langfristiger Einfluss: Mobile Plattformen, neue Ökonomien
• KI
  
  • Hochphase: 2023–
  • Korrektur: offen
  • Langfristiger Einfluss: Strukturveränderung Software, Industrie, Services

‍

KI-Aktien – Globale Auswahl und Struktur

Die Auswahl geeigneter KI-Aktien erfordert ein tiefes Verständnis der globalen Marktstruktur und der unterschiedlichen Segmente innerhalb des Sektors. Künstliche Intelligenz ist nicht auf einen einzelnen Markt oder eine Region beschränkt: US-Unternehmen treiben Innovation und Skalierung an, europäische Firmen bieten Stabilität und Nischen-Expertise, während Schweizer Unternehmen vor allem im B2B- und Spezialsegment operative Stärke zeigen. Ein strategischer Ansatz berücksichtigt sowohl Technologie-Segment (Hardware, Plattformen, Software, Industrieautomation) als auch Länderrisiken, Bewertungsniveaus und Zyklusempfindlichkeit. Die folgende Übersicht bietet einen ersten Rahmen für die Einordnung relevanter Titel.

Unternehmen im KI-Ökosystem – Übersicht nach Segment und Risikoprofil

• NVIDIA
  
  • Land: USA
    
    
  • Segment: Chips / Hardware
    
    
  • Charakteristik / Risikoprofil: Zyklisch, hohe Margen, zentral für Rechenleistung
    
    
• Microsoft
  
  • Land: USA
    
    
  • Segment: Plattform / Integration
    
    
  • Charakteristik / Risikoprofil: Diversifiziert, stabile Cashflows, Cloud + KI
    
    
• Alphabet
  
  • Land: USA
    
    
  • Segment: Daten & Modelle
    
    
  • Charakteristik / Risikoprofil: Forschungslastig, langfristige Monetarisierung
    
    
• Amazon
  
  • Land: USA
    
    
  • Segment: Cloud-Infrastruktur
    
    
  • Charakteristik / Risikoprofil: Kapitalintensiv, AWS-Abhängigkeit
    
    
• Meta
  
  • Land: USA
    
    
  • Segment: Plattform / Generative KI
    
    
  • Charakteristik / Risikoprofil: Forschungslastig, Wachstumspotenzial, Risiko durch Regulierungen
    
    
• Apple
  
  • Land: USA
    
    
  • Segment: Hardware + KI-Integration
    
    
  • Charakteristik / Risikoprofil: Stabil, profitabel, langfristige Cashflows, Plattform-Effekte
    
    
• Constellation Energy
  
  • Land: USA
    
    
  • Segment: Energie / Nuklear
    
    
  • Charakteristik / Risikoprofil: KI-Enabler; profitiert von 24/7 Strombedarf der Rechenzentren
    
    
• ASML
  
  • Land: NL
    
    
  • Segment: Halbleitertechnik
    
    
  • Charakteristik / Risikoprofil: Engpass-Anbieter, stabile Nachfrage
    
    
• Infineon
  
  • Land: DE
    
    
  • Segment: Chips / KI-Anwendungen
    
    
  • Charakteristik / Risikoprofil: Europa, diversifiziert, moderates Wachstum
    
    
• SAP
  
  • Land: DE
    
    
  • Segment: Enterprise KI
    
    
  • Charakteristik / Risikoprofil: Software, konservativ
    
    
• ABB
  
  • Land: CH
    
    
  • Segment: Industrieautomation / KI
    
    
  • Charakteristik / Risikoprofil: B2B, stabile Einnahmen
    
    
• Logitech
  
  • Land: CH
    
    
  • Segment: KI-Peripherie
    
    
  • Charakteristik / Risikoprofil: Nischenprodukte, zyklisch
    
    
• Sophia Genetics
  
  • Land: CH
    
    
  • Segment: KI im Healthcare
    
    
  • Charakteristik / Risikoprofil: Wachstumsorientiert, höheres Risiko
    
    
• Schneider Electric
  
  • Land: FR
    
    
  • Segment: Energie-Management
    
    
  • Charakteristik / Risikoprofil: Infrastruktur-Profiteur; Fokus auf Effizienz und Netzstabilität
    
    

Portfolio-Insight:

Diversifikation über Länder, Segmente und Unternehmensprofile reduziert Klumpenrisiken. Schweizer Firmen bieten Stabilität und Nischen-Chancen, US-Titel Innovationstreiber, europäische Unternehmen mittelfristige Stabilität.

Portfolio-Implikationen für 2026

Die Integration von KI in Vermögensportfolios erfordert ein diszipliniertes, langfristiges Vorgehen. Die Technologie wirkt querschnittlich, nicht isoliert, weshalb Anleger Sektorenübergreifende Effekte berücksichtigen müssen. So beeinflusst KI nicht nur Technologieunternehmen, sondern auch Industrieautomation, Finanzdienstleistungen, Healthcare und Infrastruktur. Die Allokation muss daher breit diversifiziert und nach Risikoprofil segmentiert werden, um ungewollte Klumpenrisiken zu vermeiden.

Ein weiterer Aspekt ist die Zyklizität der Bewertungen. Historisch zeigt sich, dass Bewertungsblasen häufig kurze Phasen mit extremen Multiples aufweisen, gefolgt von Korrekturen von 20–50 % in bestimmten Sektoren. Ein Portfolio, das KI-Aktien überproportional gewichtet, kann daher stark volatil reagieren, selbst wenn die fundamentale Technologie intakt bleibt. Eine strategische Positionierung sollte daher auf gewichteten Allokationen und Szenarien-Analysen basieren, die sowohl Hoch- als auch Abschwungphasen abbilden.

Zudem empfiehlt sich ein Layering-Ansatz:

• Kernpositionen in etablierten, stabilen Unternehmen (z. B. Microsoft, ABB)
• Satellitenpositionen in Infrastruktur-Enablern (z. B. spezialisierte Energieversorger oder Betreiber von Stromnetzen, die das physische Fundament für KI-Skalierung bieten)
• Cash- oder alternatives Risikopuffer-Layer zur Abfederung kurzfristiger Volatilität

Regelmässiges Rebalancing stellt sicher, dass die strategische Gewichtung beibehalten wird und Korrekturen nicht zu einer ungewollten Überexponierung führen. Schliesslich sollten Anleger fundamentale Kriterien wie Umsatzwachstum, Margen-Stabilität und Infrastruktur-Abhängigkeit berücksichtigen, nicht nur Markttrends.

Historische Lehren für Anleger

Die Analyse historischer Technologiezyklen liefert klare Hinweise für die Strukturierung von Vermögensportfolios in Zeiten disruptiver Innovationen. Künstliche Intelligenz ist kein isolierter Trend, sondern Teil eines Musters, das sich über Jahrhunderte wiederholt: Euphorie, Korrektur und langfristige Wertschaffung. Für HNW-Anleger ist es entscheidend, diese Zyklen zu verstehen, um Chancen systematisch zu nutzen und Risiken zu begrenzen.

Historische Technologiewellen – Marktreaktionen und Portfolioimplikationen

• Eisenbahn (19. Jh.)
  
  
  • Zyklusphase: Euphorie → Korrektur
    
    
  • Marktreaktion: Kurze, starke Kurssteigerungen gefolgt von Abstürzen
    
    
  • Lektion für Anleger: Kurzfristige Übertreibungen zerstören nicht die langfristige Substanz
    
    
  • Portfolio-Implikation: Langfristige Positionierung in Kernunternehmen, Risikopuffer für zyklische Schwankungen
    
    
• Elektrizität (1890–1905)
  
  
  • Zyklusphase: Einführung → Überbewertung → Stabilisierung
    
    
  • Marktreaktion: Hohe Bewertungen während Pionierphasen, moderate Korrekturen
    
    
  • Lektion für Anleger: Fundamentale Bedeutung zeigt sich langfristig
    
    
  • Portfolio-Implikation: Strukturierte Allokation in wachstumsstarke, stabile Unternehmen
    
    
• Internet (1998–2002)
  
  
  • Zyklusphase: Dotcom-Boom → Crash → Erholung
    
    
  • Marktreaktion: Massive Korrekturen, viele Firmen verschwinden
    
    
  • Lektion für Anleger: Disziplin schlägt Timing
    
    
  • Portfolio-Implikation: Diversifikation über Länder und Segmente, Kern-/Satelliten-Strategie
    
    
• Mobile Technologien (2007–2012)
  
  
  • Zyklusphase: Hype → Konsolidierung → Plattform-Reife
    
    
  • Marktreaktion: Zyklische Überbewertungen, einige Gewinner, viele Verlierer
    
    
  • Lektion für Anleger: Nur technologisch robuste Unternehmen überdauern
    
    
  • Portfolio-Implikation: Fokussierte Investitionen in Plattform-Führer, Breite zur Risikoreduktion
    
    
• Künstliche Intelligenz (2023–)
  
  
  • Zyklusphase: Hochphase → laufende Anpassung
    
    
  • Marktreaktion: Stark gestiegene Bewertungen, laufende Korrekturen
    
    
  • Lektion für Anleger: Überbewertungen sind zyklisch; Struktur bleibt langfristig
    
    
  • Portfolio-Implikation: Thematische Allokation begrenzen, Risikomanagement, Layering von Kern-/Satellitenpositionen
    
    

Die Übersicht zeigt, dass technologische Zyklen stets volatil beginnen, aber langfristig substanzielle Vermögenswerte schaffen. Anleger sollten kurzfristige Marktbewegungen nicht überbewerten, sondern strukturierte Szenarien und Risikopuffer implementieren, um die langfristigen Chancen zu nutzen.

Für detaillierte Zahlen, kurzfristige Marktdynamik und konkrete Portfolio-Implikationen empfehlen wir den Monatsbericht November 2025. Dieser Bericht ergänzt die strategische Analyse in diesem Artikel, zeigt die Entwicklung der KI-Hochphase auf US-, EU- und Schweizer Märkten und liefert praktische Hinweise zur Allokation von Kern- und Satellitenpositionen für 2026.