Die Milliarden-Wetten der Tech-Konzerne

Softwarekonzerne entwickeln sich zu Infrastruktur-Schwergewichten. Was der KI-Umbau von Google, Meta, Tesla & Co. für die Enterprise-IT bedeutet

Die Tech-Welt erlebt aktuell die gewaltigste Kapitalverschiebung ihrer Geschichte. Das Beispiel Alphabet/Google verdeutlicht diesen Wandel eindrucksvoll: Ein Konzern, der jahrzehntelang als hocheffiziente, margenstarke Software- und Werbemaschine funktionierte, verwandelt sich in ein kapitalintensives Infrastruktur-Schwergewicht.

Wer diese Transformation nur durch die Brille traditioneller Bilanzkennzahlen betrachtet, greift zu kurz. Für IT-Verantwortliche geht es in erster Linie darum, wer in den nächsten zehn Jahren die infrastrukturelle Grundlage für KI, Cloud, Datenströme und digitale Wertschöpfung kontrolliert.

Investitionen in industriellem Maßstab

Alphabet investiert in Dimensionen, die bisher eher der Energie- oder Telekommunikationsbranche vorbehalten waren. Allein im zweiten Quartal 2026 flossen rund 44,9 Milliarden US-Dollar in Sachinvestitionen (CapEx) – vor allem in Rechenzentren, eigene KI-Chips (TPUs), Spezialprozessoren (Axion) und globale Netzinfrastruktur. Für das Gesamtjahr 2026 wurde die Investitionsprognose auf 195 bis 205 Milliarden US-Dollar angehoben; für 2027 erwarten Analysten erneut steigende Ausgaben in der Größenordnung mehrerer Hundert Milliarden US-Dollar.

Warum klassische Kennzahlen nicht mehr ausreichen

Hinter diesen Zahlen steht mehr als ein außergewöhnlich hohes Investitionsprogramm. Google baut seine Wertschöpfungskette neu auf und verschiebt den Schwerpunkt seines Geschäftsmodells weiter in Richtung physischer Infrastruktur. Für die Bewertung des Konzerns reichen klassische Gewinnkennzahlen deshalb nur noch bedingt aus. Aussagekräftiger werden Kennzahlen wie freier Cashflow, Investitionsquote und Auftragsbestand, weil sie zeigen, wie teuer der Aufbau der neuen KI-Kapazitäten ist und wie stark diese Kapazitäten bereits durch Kundennachfrage unterlegt sind.

Das zeigt sich besonders deutlich im Cloud-Geschäft. Im zweiten Quartal 2026 wuchs Google Cloud um 82 Prozent auf 24,8 Milliarden US-Dollar. Der Auftragsbestand beziehungsweise die Remaining Performance Obligations lagen bei rund 514 Milliarden US-Dollar. Diese Werte sprechen dafür, dass die Nachfrage nach Enterprise-KI-Infrastruktur nicht nur als Erwartung in Analystenmodellen existiert, sondern bereits in Verträgen und künftigen Umsätzen sichtbar wird.

Aus mehr Leistung wird neue Abhängigkeit

Für Unternehmenskunden verändert sich damit die Rolle von Google. Der Konzern tritt nicht mehr nur als Anbieter von Software, Plattformdiensten und Produktivitätswerkzeugen auf, sondern zunehmend als vertikal integrierter Infrastrukturbetreiber. Eigene KI-Beschleuniger, Rechenzentren, globale Netze, die Gemini-Modellfamilie sowie Dienste wie Workspace und Vertex AI greifen enger ineinander. Für IT-Strategien bedeutet das mehr Leistungsfähigkeit aus einer Hand, aber auch neue Formen technischer und wirtschaftlicher Abhängigkeit.

KI-Boom erzwingt einen neuen Infrastrukturwettlauf

Alphabet steht mit dieser Strategie nicht allein. Der Wettbewerb um KI-Compute hat sich zu einem Investitionszyklus entwickelt, der die größten Technologieunternehmen zugleich in eine neue Phase der Kapitalintensität zwingt. Microsoft baut Azure und sein Copilot-Ökosystem aus, Amazon investiert mit AWS in Cloud-Kapazitäten und eigene Chips, Meta finanziert seine KI-Modelle und Plattformen über massive Rechenzentrumsprogramme, und Oracle positioniert OCI als spezialisierte Plattform für GPU-dichte KI-Workloads. Die folgenden Zahlen zeigen die Dimension dieses Umbaus; ihre strategische Bedeutung liegt jedoch weniger in der reinen Höhe der Ausgaben als in der Frage, welche Plattformen dadurch langfristig zum Standard für Enterprise-KI werden.

Wie die einzelnen Anbieter ihre KI-Wetten platzieren

Microsoft fokussiert seine KI-Transformation vor allem auf den Ausbau von Azure und das Copilot-Ökosystem. Für 2026 sind Investitionen in der Größenordnung von rund 190 Milliarden US-Dollar geplant. Strategisch geht es dabei um die enge Bindung an OpenAI, die Skalierung von Enterprise-Copilots und den Abbau bestehender Kapazitätsengpässe.

Amazon setzt mit AWS auf B2B-Cloud-Dienste, Foundation Models und Bedrock. Die amazonweiten Sachinvestitionen sollen 2026 rund 200 Milliarden US-Dollar erreichen, mit einem deutlichen Schwerpunkt auf AWS und KI-Infrastruktur. Eine zentrale Rolle spielt dabei die eigene Silizium-Strategie mit Trainium und Inferentia, die helfen soll, die Kosten für KI-Compute zu senken.

Meta verfolgt einen besonders aggressiven Ausbau seiner KI-Infrastruktur und investiert in Open-Weights-Modelle wie Llama sowie in die zugrunde liegenden Plattformen. Die geplanten Ausgaben liegen in einer Größenordnung von etwa 115 bis 135 Milliarden US-Dollar. Ziel ist es, Modelle breiter verfügbar zu machen, eigene Infrastrukturstandards zu setzen und zugleich das Werbegeschäft technologisch zu stärken.

Oracle positioniert OCI als Bare-Metal-Cloud für KI-Training und GPU-dichte Workloads. Für das Geschäftsjahr 2026 sind rund 50 Milliarden US-Dollar für OCI-AI-Infrastruktur und entsprechend ausgelegte Rechenzentren vorgesehen. Damit will sich Oracle als spezialisierter Anbieter großer GPU-Cluster etablieren, unter anderem für Kunden wie Nvidia und xAI.

IBM setzt dagegen weniger auf eigene Gigawatt-Kapazitäten und umfangreiche Rechenzentrumsprogramme, sondern stärker auf Hybrid-Cloud, Governance und Enterprise-Integration. Der Investitionsansatz ist im Vergleich moderater und stärker beratungsorientiert. Für Unternehmenskunden liegt der Schwerpunkt damit weniger auf reiner Infrastrukturgröße als auf der Einbindung von KI in bestehende Betriebs-, Compliance- und Integrationsmodelle.

Tesla und SpaceX nehmen in diesem Vergleich eine Sonderrolle ein. Ihre KI-Compute-Ausgaben dienen vor allem der strategischen Positionierung in Real-World-AI, Robotik und physischer Infrastruktur. Sie sind deshalb eher als Branchenvergleich zu verstehen und nicht direkt mit den CapEx-Programmen klassischer Hyperscaler vergleichbar.

Was die Milliardenprogramme für Enterprise-IT bedeuten

Für CIOs, IT-Leiter und Architekturgremien hat dieser Wandel unmittelbare Folgen. KI-Infrastruktur wird nicht mehr als experimentelle Zusatzressource behandelt, sondern rückt in den Kern von Beschaffung, Betrieb und strategischer Planung. Damit verschieben sich auch die Risiken. Es geht nicht mehr nur um die Wahl eines Cloud-Anbieters oder eines einzelnen Modells, sondern um die Frage, auf welcher technischen Grundlage künftige Geschäftsprozesse laufen sollen.

Der Lock-in wandert tiefer in die Infrastruktur

In der Beschaffung entsteht eine neue Form des Lock-ins. Wenn Hyperscaler verstärkt eigene Chips wie Google TPU, Amazon Trainium oder Microsoft Maia einsetzen, verlagert sich die Abhängigkeit von der Software- und Serviceebene auf die Silizium- und Plattformebene. Ein späterer Wechsel des Anbieters wird dadurch nicht unmöglich, aber technisch aufwendiger und wirtschaftlich schwerer zu kalkulieren.

Gleichzeitig steigt der Druck, Kapazitäten langfristig zu sichern. Hyperscaler müssen ihre Milliardeninvestitionen über mehrjährige Kundenverträge, Mindestabnahmen und reservierte Kapazitäten absichern. Für den IT-Einkauf wird es deshalb wichtiger, Commitments präzise zu verhandeln und ungenutzte Mindestabnahmen zu vermeiden.

FinOps muss KI-Kosten anders messen

Im Betrieb reicht klassisches Cloud-Cost-Management nicht mehr aus. Unternehmen müssen die Wirtschaftlichkeit von KI-Anwendungen auf einer feineren Ebene steuern, etwa entlang von Latenz, Anfragevolumen, Modellwahl und Token-Verbrauch. Aus FinOps wird damit zunehmend eine Disziplin, die auch Token-Ökonomie und Modellkosten einbeziehen muss.

Hinzu kommt das operative Risiko knapper Kapazitäten. Rechenzentren, Stromanschlüsse, GPUs und Netzwerkkomponenten lassen sich nicht beliebig schnell ausbauen. Für kritische KI-Workloads werden deshalb garantierte Quoten, belastbare SLAs und klare Eskalationswege zu einem Bestandteil der Betriebsarchitektur.

Souveränität wird zur Architekturfrage

Strategisch stellt sich vor allem die Frage nach Souveränität und Skalierung. Unternehmen profitieren von der Leistungsfähigkeit globaler Plattformen, riskieren aber zugleich, Kernprozesse immer stärker auf proprietäre KI-Infrastrukturen einzelner Anbieter zu stützen. Hybrid- und Multi-Cloud-Strategien müssen deshalb für das KI-Zeitalter neu bewertet werden.

KI entwickelt sich damit von einer Innovationsoption zu einem infrastrukturellen Grundbaustein. Für viele Unternehmen geht es nicht mehr darum, einzelne Pilotprojekte aufzusetzen, sondern Rechenleistung, Datenzugriff und Modellnutzung zuverlässig in den Regelbetrieb zu integrieren.

Warum der Vergleich mit der Dotcom-Blase zu kurz greift

Die Größenordnung der Investitionen ruft zwangsläufig Erinnerungen an frühere Technologiezyklen wach. Besonders häufig wird der Vergleich mit der Dotcom-Blase bemüht. Er ist als Warnsignal verständlich, greift analytisch aber zu kurz. Zwar sind die Ausgaben extrem hoch, und kurzfristig belasten sie selbst bei finanzstarken Konzernen Kennzahlen wie den freien Cashflow. Gleichzeitig unterscheidet sich die heutige Lage in mehreren Punkten grundlegend von der Situation um die Jahrtausendwende.

Die Investitionen kommen aus laufenden Erträgen

Damals bauten viele unprofitable Unternehmen mit geliehenem Geld Geschäftsmodelle auf, deren Nachfrage häufig erst noch entstehen sollte. Heute finanzieren Alphabet, Microsoft und Amazon ihre KI-Investitionen zu großen Teilen aus etablierten Ertragsquellen wie Werbung, Cloud-Services, Software-Abonnements und E-Commerce. Das schützt nicht vor Fehlinvestitionen, verändert aber die Risikostruktur. Die zeitweise negativen Free-Cashflow-Werte bei Alphabet zeigen zugleich, dass der Umbau auch für die profitabelsten Plattformkonzerne kein bilanztechnischer Nebenschauplatz ist.

Auftragsbestände machen Nachfrage sichtbar

Ein weiterer Unterschied liegt in der vertraglich sichtbaren Nachfrage. Die Auftragsbestände der großen Cloud-Anbieter gehen inzwischen in die Hunderte Milliarden US-Dollar. Alphabet meldete rund 514 Milliarden US-Dollar an Backlog beziehungsweise RPO; auch Oracle weist im Zusammenhang mit OCI und KI-Infrastruktur einen stark gestiegenen Auftragsbestand aus. Diese Zahlen ersetzen keine Profitabilitätsprüfung, sie zeigen aber, dass ein erheblicher Teil der Investitionen durch mehrjährige Unternehmenskundenverträge unterlegt ist.

Der Engpass liegt derzeit eher im Angebot

Auch die Angebots- und Nachfragesituation unterscheidet sich von klassischen Übertreibungsphasen. Bei einer Blase entsteht häufig Kapazität, für die später keine ausreichende Nachfrage existiert. Im aktuellen KI-Zyklus berichten die großen Anbieter dagegen von Engpässen bei Strom, Grundstücken, Chips und Rechenzentrumskapazitäten. Das spricht eher für einen Angebotsengpass als für ein akutes Nachfrageloch, auch wenn offen bleibt, ob jede heute geplante Kapazität langfristig profitabel ausgelastet werden kann.

Umsätze zeigen, ob die Wette aufgeht

Die Investitionen schlagen sich zudem bereits in realen Umsätzen nieder. Wenn Cloud-Sparten auf hohem Niveau weiterhin stark wachsen und ihre operativen Margen trotz steigender Abschreibungen stabilisieren oder verbessern können, spricht das für eine funktionierende Monetarisierung. Für die kommenden Jahre bleibt dennoch entscheidend, ob die Anbieter die zusätzliche Infrastruktur nicht nur auslasten, sondern auch zu Preisen betreiben können, die die Kapitalkosten rechtfertigen.

Was CIOs daraus ableiten sollten

Für das IT-Management ist diese Entwicklung deshalb mehr als ein Börsenthema. Der KI-Umbau der großen Plattformkonzerne verändert die technische Grundlage, auf der Unternehmen künftig Anwendungen entwickeln, Daten verarbeiten und Automatisierung skalieren. Wer Beschaffung, Architektur und Budgetplanung weiterhin wie im klassischen Cloud-Zyklus behandelt, unterschätzt die Tiefe des Wandels. Entscheidend wird sein, genügend Zugang zu Rechenleistung zu sichern, ohne sich strategisch zu früh und zu einseitig an eine einzelne proprietäre Plattform zu binden.