Marktpsychologie im KI-Sektor: Warum der KI-Crash anders ausfallen könnte als die Dotcom-Blase

Die Euphorie rund um Künstliche Intelligenz erinnert viele Marktbeobachter unweigerlich an die späten 1990er-Jahre, als das Internet die Fantasien von Investoren weltweit entfachte – und wenig später in einem spektakulären Crash endete. Doch führende Tech-Analysten warnen vor einer voreiligen Gleichsetzung: Ein möglicher KI-Crash würde zwar erhebliche Schmerzen verursachen, aber nach einer anderen Logik ablaufen als das Platzen der Dotcom-Blase. Die Unterschiede sind substanziell – und dennoch sollten Entscheider in Unternehmen wie an den Kapitalmärkten nicht auf Sicherheit setzen, denn kaum ein Sektor wäre immun.

Die Dotcom-Blase und der KI-Boom – ein Vergleich mit Tiefgang

Die Dotcom-Blase der frühen 2000er-Jahre war vor allem ein Phänomen der reinen Hoffnung. Unternehmen ohne Umsatz, ohne tragfähiges Geschäftsmodell und ohne erkennbaren Weg zur Profitabilität wurden mit Milliarden bewertet, solange ihr Name ein „.com" trug. Der Kollaps folgte mit mathematischer Konsequenz: Als das Kapital versiegte und die Gewinne ausblieben, verloren Unternehmen wie Pets.com oder Webvan innerhalb von Monaten ihren gesamten Börsenwert. Der Nasdaq Composite verlor zwischen März 2000 und Oktober 2002 rund 78 Prozent seines Wertes – eine Vernichtung, die auf spekulativer Leere basierte.

Der aktuelle KI-Boom präsentiert sich strukturell in einer anderen Ausgangslage. Die maßgeblichen Akteure – von Nvidia über Microsoft bis hin zu Alphabet – erzielen reale Umsätze, ausgewiesene Gewinne und bedienen eine tatsächlich existierende Nachfrage. Nvidia etwa vervielfachte seinen Umsatz innerhalb weniger Quartale, weil Rechenzentren und KI-Labore weltweit massiv in GPU-Infrastruktur investierten. Diese Substanz unterscheidet die aktuelle Situation fundamental vom Dotcom-Zeitalter – zumindest in den etablierten Teilen des Marktes.

Bewertung als Achillesferse: Wo Realität und Erwartung auseinanderdriften

Trotz dieser fundamentalen Unterschiede gibt es einen kritischen Punkt, an dem Skepsis mehr als berechtigt ist: die Bewertung. Viele KI-Unternehmen und KI-nahe Aktien werden zu Kurs-Gewinn-Verhältnissen gehandelt, die selbst bei ambitionierten Wachstumsszenarien schwer zu rechtfertigen sind. Der Markt preist nicht das ein, was Unternehmen heute leisten, sondern was sie in fünf bis zehn Jahren leisten könnten – in einem technologischen Umfeld, das sich schneller verändert als jede Prognose erfassen kann.

Diese Diskrepanz zwischen gegenwärtigem Wert und antizipierter Zukunft ist das eigentliche psychologische Risiko. Nicht Betrug oder leere Versprechen treiben die Bewertungen, sondern echte, aber in ihrer Reichweite überschätzte Erwartungen. Wenn KI-Anwendungen langsamer skalieren als erhofft, wenn regulatorische Hürden den breiten Einsatz bremsen oder wenn neue Wettbewerber die Margen komprimieren, kann auch ein solides Unternehmen an der Börse massiv abgestraft werden. Der Unterschied zur Dotcom-Ära wäre dabei konzeptuell entscheidend: Es handelte sich nicht um die Implosion einer Leerstelle, sondern um eine schmerzhafte Neubewertung echter Substanz.

Marktpsychologie im KI-Sektor: Die Mechanismen der kollektiven Übertreibung

Marktpsychologie funktioniert in Zyklen, und der KI-Zyklus folgt bekannten Mustern. Der Gartner Hype Cycle beschreibt präzise, wie Technologien zunächst überschätzt, dann massiv abgewertet und schließlich – nach einer Phase der Ernüchterung – auf ihr tatsächliches Potenzial normiert werden. Generative KI befindet sich nach Einschätzung vieler Analysten noch immer im Bereich des „Peak of Inflated Expectations". Der Weg ins Tal der Enttäuschungen ist nicht ausgeschlossen – er ist historisch gesehen sogar wahrscheinlich.

Was dies für Investoren und Unternehmensstrategen bedeutet, ist keine Panik, sondern das dringende Gebot der Differenzierung. Die entscheidende Frage lautet nicht, ob KI transformativ ist – das ist sie zweifellos –, sondern welche Unternehmen diese Transformation in nachhaltige Wettbewerbsvorteile übersetzen können und welche lediglich von der Welle der Begeisterung getragen werden. Diese Unterscheidung zu treffen erfordert eine Analyse jenseits der Schlagzeilen und jenseits des kollektiven Narrativs.

Kaum sichere Häfen – die systemische Dimension des KI-Risikos

Ein weiterer wesentlicher Unterschied zur Dotcom-Blase liegt in der Breite der potenziellen Betroffenheit. Während der Internet-Crash primär Tech-Aktien und Wagniskapitalportfolios erfasste, ist KI heute tief in die Wertschöpfungsketten nahezu aller Branchen eingebettet. Versicherungskonzerne, Pharmaunternehmen, Automobilhersteller und Finanzdienstleister haben erhebliche Ressourcen in KI-Initiativen investiert oder ihre strategische Ausrichtung konsequent auf KI-Potenziale ausgerichtet. Eine substanzielle Korrektur im KI-Sektor würde sich damit systemisch durch die gesamte Wirtschaft fortpflanzen – und deutlich mehr Bilanzen belasten als der Dotcom-Crash je konnte.

Hinzu kommt die starke Konzentration auf einige wenige Infrastrukturanbieter. Nvidia, TSMC, ASML und eine Handvoll globaler Hyperscaler bilden das Rückgrat der weltweiten KI-Infrastruktur. Sollte das Vertrauen in die Rentabilität von KI-Investitionen schwinden, würden Abschreibungen und Investitionsstopps bei diesen Schlüsselunternehmen eine Kettenreaktion auslösen, die weit über den Tech-Sektor hinausgeht. Selbst klassische Industriewerte, die in KI-gestützte Effizienzgewinne vertrauen, wären indirekt exponiert – ein Szenario, das die Dotcom-Krise in ihren systemischen Auswirkungen übertreffen könnte.

Was Unternehmenslenker und Investoren jetzt ableiten sollten

Die Konsequenz für strategische Entscheidungsträger ist keine Abstinenz von KI-Investitionen, sondern eine konsequente Trennung zwischen strategischer Notwendigkeit und spekulativer Wette. Unternehmen, die KI als integralen Bestandteil ihrer operativen Effizienz oder ihrer Produktinnovation einsetzen, schaffen realen Wert – unabhängig davon, wie der Kapitalmarkt das KI-Narrativ zu einem gegebenen Zeitpunkt bewertet. Wer hingegen KI-Initiativen primär aus Reputationsgründen oder zur Kurspflege betreibt, geht ein erhebliches strategisches und finanzielles Risiko ein.

Für institutionelle Investoren gilt dabei das Prinzip der Granularität. Die Frage, ob KI als Sektor überbewertet ist, ist weniger handlungsleitend als die Frage, welche spezifischen Geschäftsmodelle innerhalb dieses Sektors strukturell profitabel sind. Unternehmen mit proprietären Datensätzen, einzigartigen Anwendungsfällen und nachgewiesener Kundenbindung durch KI-Produkte sind fundamental anders zu bewerten als reine Infrastrukturprovider ohne Differenzierungsmerkmal oder Startups, deren Geschäftsmodell primär auf permanenter Investorenfinanzierung basiert.

Zwischen Euphorie und Realismus – Strategie für das KI-Zeitalter

Die eigentliche Lehre aus dem Vergleich zwischen Dotcom-Blase und KI-Boom ist keine negative: Sie fordert zur präzisen Analyse statt zur pauschalen Begeisterung oder pauschalen Skepsis auf. KI ist keine Phantomtechnologie, sondern verändert bereits heute Geschäftsprozesse, Produktivität und Wettbewerbsstrukturen auf eine Weise, die der Dotcom-Boom nie einlösen konnte. Aber Substanz schützt nicht automatisch vor Überbewertung, und Überbewertung kann korrigiert werden – mit Konsequenzen, die weit über die Tech-Branche hinausreichen und diesmal kaum einen Sektor verschonen dürften. Entscheider, die diese Spannung klar erkennen und ihr Handeln nüchtern danach ausrichten, werden besser durch potenzielle Turbulenzen navigieren als jene, die entweder der kollektiven Euphorie oder der reflexartigen Angst folgen.

Häufig gestellte Fragen

Was unterscheidet den aktuellen KI-Boom grundlegend von der Dotcom-Blase?
Der wesentliche Unterschied liegt in der wirtschaftlichen Substanz. Während die Dotcom-Blase vor allem auf Unternehmen ohne Umsatz und ohne tragfähige Geschäftsmodelle basierte, erzielen die zentralen KI-Akteure heute reale Gewinne und bedienen eine nachweislich existierende Nachfrage. Dennoch sind die Bewertungen vieler KI-Unternehmen stark zukunftsbasiert, was ein eigenes Korrekturrisiko birgt – eines, das jedoch nach einer anderen Logik funktioniert als der Dotcom-Crash.

Welche Branchen wären von einem KI-Crash besonders betroffen?
Anders als beim Dotcom-Kollaps, der primär den Tech-Sektor traf, wäre ein KI-Crash aufgrund der tiefen Integration von KI in nahezu alle Wertschöpfungsketten systemisch breiter wirksam. Neben Tech-Unternehmen und Halbleiterherstellern wären auch Finanzdienstleister, Pharmaunternehmen, Automobilhersteller und Industriekonzerne betroffen, die erhebliche Ressourcen in KI-Initiativen investiert oder ihre Strategie auf KI-Effizienzgewinne ausgerichtet haben.

Wie sollten Unternehmen und Investoren strategisch mit dem KI-Risiko umgehen?
Entscheidend ist die Trennung zwischen strategisch notwendigen KI-Investitionen und spekulativen Wetten. Unternehmen sollten KI dort einsetzen, wo sie nachweisbar operativen Mehrwert schafft – nicht primär aus Reputationsgründen. Investoren sind gut beraten, granular zu differenzieren: Geschäftsmodelle mit proprietären Daten, echten Wettbewerbsvorteilen und nachgewiesener Kundenbindung sind strukturell widerstandsfähiger als reine Infrastrukturprovider oder kapitalmarktgetriebene KI-Startups.