Das „Pick, Shovel, and Power Grid“-Framework: Wie man im Jahr 2026 in KI investiert

Nvidia hat gerade einen Umsatz von 215.9 Milliarden US-Dollar für das Geschäftsjahr 2026 gemeldet – ein Plus von 65 % gegenüber dem Vorjahr – und die Aktie notiert bei einem KGV von etwa 35. Das ist deutlich niedriger als der 10-Jahres-Durchschnitt von 53. Entweder ist das ein klares Kaufsignal oder der Markt signalisiert, dass die Zeiten des leichten Aufstiegs vorbei sind.

Vermutlich trifft Letzteres zu. Und zwar aus folgendem Grund.

Es ist März 2026. Der Hype-Zyklus hat sich offiziell gedreht. Wenn Sie immer noch versuchen, das nächste vielversprechende Unternehmen mit einem LLM-Abschluss zu finden, in das Sie als Angel-Investor investieren können, dann sind Sie die Exit-Liquidität.

Wir haben den großen Software-Ausverkauf von 2025 überstanden, bei dem 90 % dieser netten KI-Texter-Tools mit dem Start der nativen Agenten-Workflows von OpenAI und Google in Luft aufgelöst wurden. Die Modelle sind zur Massenware geworden. Llama 4 und Gemini 3 Flash sind praktisch kostenlos nutzbar, und die Kosten für künstliche Intelligenz nähern sich null.

Wo befindet sich also aktuell die eigentliche Alpha-Version für Anfänger?

Man braucht ein Rahmenkonzept. Wenn alle nach Gold graben, kauft man nicht die Goldgräber. Man kauft die Spitzhacken, die Schaufeln und – im Jahr 2026 – das Stromnetz.

Kategorie 1: Die „Megawatt-Mafia“ (Physische Infrastruktur und Energie)

Das ist der langweiligste Punkt auf der Liste. Und genau deshalb funktioniert er.

Der größte Engpass bei KI ist derzeit nicht Silizium, sondern Strom. Laut dem Lawrence Berkeley National Laboratory verbrauchen US-Rechenzentren aktuell etwa 4.4 % des gesamten Stromverbrauchs des Landes. Gartner prognostiziert, dass dieser Wert bis 2030 auf fast 8 % steigen wird. Einige Schätzungen gehen sogar von bis zu 12 % aus. Wir sprechen hier von einer völlig neuen Kategorie des industriellen Energiebedarfs, die vor fünf Jahren noch praktisch nicht existierte.

Um die nächste Generation von Grenzmodellen mit Billionen von Parametern zu trainieren, bauen diese Labore riesige Rechenzentren mit einem Investitionsvolumen von über 10 Milliarden US-Dollar und einer Leistung von über 100 Milliarden Gigawatt. Allein in Virginia werden jährlich 24 Terawattstunden Strom für Rechenzentren verbraucht. AEP Ohio hat den Anschluss neuer Rechenzentren vorübergehend gestoppt, da das Stromnetz die Kapazität nicht mehr bewältigen kann.

Wer KI auf sichere Weise spielen will, sollte die physikalischen Grenzen beachten.

Uran und Kernenergie (SMRs). Die großen Technologiekonzerne schließen eifrig Stromabnahmeverträge mit Kernkraftwerken ab. Kleine modulare Reaktoren (SMRs) tauchen immer häufiger in den langfristigen Energieplänen der Energieversorger auf. Dominions Plan für 2024 sieht SMRs als Teil von 21 GW neuer Erzeugungskapazität bis 2039 vor. Informieren Sie sich über ETFs, die Uranbergbauunternehmen oder SMR-Hersteller abbilden.

Kühlsysteme und Transformatoren. KI-Server werden extrem heiß. Moderne GPUs haben mittlerweile eine TDP zwischen 350 und 700 Watt. Die Hersteller von Flüssigkeitskühlungen und Hochleistungstransformatoren machen im Stillen ein Vermögen. Ein Paradebeispiel für „langweilige Unternehmen mit Technologie-Multiplikatoren“.

Kupfer. Das ist ein Punkt, den die meisten Leute übersehen. Jedes Rechenzentrum, jede Stromleitungserweiterung, jede Transformatormodernisierung benötigt enorme Mengen Kupfer. Kupfer erreichte im Januar an der LME einen Rekordpreis von 14,527 US-Dollar pro Tonne. Mitte März fiel der Preis an der COMEX auf etwa 5.44 US-Dollar pro Pfund zurück, doch die strukturellen Gegebenheiten haben sich nicht verändert.

Die Zahl, die man kennen sollte: JP Morgan schätzt, dass allein Rechenzentren im Jahr 2026 einen Kupferbedarf von rund 475,000 Tonnen generieren könnten. Gleichzeitig kämpfen große Minen mit Überschwemmungen in Grasberg, sinkender Produktion in Chile und die International Copper Study Group prognostiziert für dieses Jahr ein Defizit von 150,000 Tonnen raffiniertem Kupfer. Kupferminenaktien und kupferorientierte ETFs bieten eine clevere Möglichkeit, vom Ausbau der KI-Infrastruktur zu profitieren, ohne auch nur eine einzige Technologieaktie zu kaufen.

Data Center REITs. Die Vermieter des KI-Booms. Ihnen gehören der Beton und die Glasfaserleitungen.

Kategorie 2: Die proprietären Datenmonopole

Wenn Modelle zur Massenware werden, was ist dann ihr Wettbewerbsvorteil? Daten.

Man kann nicht mehr einfach das offene Web durchsuchen. Es ist völlig mit KI-generierten, nutzlosen Daten überschwemmt. Der Zusammenbruch von Modellen ist Realität. Die wertvollsten Unternehmen der nächsten fünf Jahre sind diejenigen, die über jahrzehntelang gesammelte, hochspezifische, rechtlich geschützte und von Menschen generierte Daten besitzen.

Die Strategie: Man sucht nach etablierten Unternehmen, die ihre Daten an die LLM-Labore lizenzieren. Denken Sie an Finanzdatenriesen wie Bloomberg und S&P. Denken Sie an Anbieter medizinischer Patientenakten. Denken Sie an spezialisierte Unternehmenssoftwareanbieter, die 15 Jahre Kundendaten protokolliert haben. Diese Unternehmen erhalten Milliarden allein dafür, dass sie ihre APIs für Anthropic und Google öffnen.

Vorwarnung: Dieser Bereich ist für Einsteiger schwieriger zu erschließen, da die wertvollsten Datenaktien oft privat geführt werden oder in großen Konzernen versteckt sind. Es lohnt sich jedoch, diese Dynamik zu verstehen, denn sie verdeutlicht etwas Wichtiges: In einer Welt frei zugänglicher Informationen sind proprietäre Daten das neue Öl.

Bucket 3: Die „Anti-SaaS“-Anwendungsschicht

Das traditionelle SaaS-Modell (Software as a Service) hat ausgedient. Niemand will 50 Dollar pro Monat und Arbeitsplatz für eine Software bezahlen, in der die Mitarbeiter manuell navigieren müssen.

Wir stellen auf Service-as-Software um.

Im Jahr 2026 bezahlen Sie nicht mehr für Software, sondern für geleistete Arbeit. Sie beauftragen einen KI-Agenten mit einer Aufgabe und bezahlen ihn ergebnisorientiert.

Wenn Sie sich für Startups in der Frühphase oder Micro-Cap-Tech-Aktien interessieren, wenden Sie folgenden Filter an: Verkauft das Unternehmen ein Werkzeug? Dann nicht. Verkauft es eine fertige Aufgabe? Dann investieren.

Suchen Sie nach Unternehmen, die autonome KI-basierte Vertriebsmitarbeiter entwickeln, die tatsächlich Kundengespräche abschließen, KI-basierte Rechtsanwaltsgehilfen, die Patente anmelden, oder KI-basierte DevOps-Ingenieure, die Fehler im Produktivbetrieb beheben. Sie investieren in digitale Arbeitskräfte, nicht in digitale Werkzeuge.

Und was ist mit Nvidia?

Man kann nicht über KI-Investitionen sprechen, ohne das Offensichtliche anzusprechen: Nvidias GPUs sind nach wie vor die treibende Kraft hinter dem Großteil des weltweiten KI-Trainings und der KI-Inferenz. Im Geschäftsjahr 2026 erreichte der Umsatz 215.9 Milliarden US-Dollar. Allein das Rechenzentrumsgeschäft brachte 193.7 Milliarden US-Dollar ein. Jensen Huang geht davon aus, dass die Ausgaben für KI-Infrastruktur bis 2030 jährlich 4 Billionen US-Dollar erreichen werden.

Aber hier ist der Punkt: Die Aktie wird mit dem etwa 35-Fachen des Gewinns der letzten zwölf Monate gehandelt. Ihr durchschnittliches KGV der letzten zehn Jahre liegt bei über 50. Die Wall Street erwartet, dass sich der Gewinn in den nächsten zwei Jahren nahezu verdoppeln wird. Das bedeutet, die Aktie müsste um 120 % steigen, nur um ihr aktuelles KGV zu halten. Das ist entweder eine riesige Chance oder bereits eingepreister, extremer Optimismus – und jeder, der behauptet, das zu wissen, verkauft etwas.

Die klügere Frage: Statt sich zu fragen „Soll ich Nvidia kaufen?“, sollte man sich fragen: „Wo steht Nvidia in der Lieferkette, und wer profitiert noch davon?“ Ihre Kühlungspartner. Ihre Stromversorgungsunternehmen. Die Unternehmen, die auf CUDA aufbauen. Nvidia ist nach wie vor ein Kernbestandteil vieler KI-orientierter Portfolios, doch 2026 liegt der Wettbewerbsvorteil in den Unternehmen, die sich um Nvidia herum bewegen.

Fazit

Bei Investitionen in KI im Jahr 2026 geht es vor allem darum, die Folgeeffekte unendlicher, kostengünstiger Intelligenz zu betrachten.

Kaufen Sie die Energie, die unsere Gehirne antreibt. Kaufen Sie die Daten, die unsere Gehirne speisen. Kaufen Sie die digitale Arbeitskraft, die die Bürozellen ersetzt.