Konto bei Bitvavo eröffnen und 15 XRP gratis sichern
Konto bei Bitvavo eröffnen
und 15 XRP gratis sichern
Die großen Tech-Konzerne suchen nach neuen Wegen, die KI-Revolution zu finanzieren. Nach Angaben der Financial Times greifen große Technologieunternehmen zunehmend auf Garantien zurück, um Schulden für KI-Rechenzentren und Chips zu ermöglichen, ohne dass die Risiken vollständig in der eigenen Bilanz erscheinen.
In weniger als einem Jahr summiert sich das Volumen solcher Garantien inzwischen auf bis zu 300 Milliarden Dollar. Das zeigt: Die KI-Revolution beruht nicht nur auf Chips, Rechenzentren und starkem Umsatzwachstum. Sie stützt sich zunehmend auch auf finanzielle Konstruktionen.
Die Garantien kommen bei speziellen Finanzierungsvehikeln zum Einsatz, die Rechenzentren oder Chips besitzen. Diese Vehikel nehmen Geld bei Banken oder Investoren auf.
Big Tech garantiert anschließend, dass die zugrunde liegenden Vermögenswerte, etwa Chips oder Rechenzentren, künftig einen bestimmten Mindestwert behalten.
Fallen diese Vermögenswerte später im Wert, springt der Technologiekonzern ein. Für Banken wird die Finanzierung dadurch sicherer. Für Tech-Unternehmen ist das Modell attraktiv, weil sie ihre Kreditwürdigkeit einsetzen können, ohne die gesamte Verschuldung direkt in die Bilanz zu nehmen.
Banker sprechen dabei von „bilanzeffizient“. Auf gut Deutsch heißt das: Es lässt sich viel finanzieren, ohne dass die Verschuldung in vollem Umfang sichtbar wird.
Meta nutzte diese Struktur für ein großes Rechenzentrumsprojekt in Louisiana. Der Konzern stellte eine Garantie über 28 Milliarden Dollar bereit, um die Finanzierung des Hyperion-Rechenzentrums zu ermöglichen.
Broadcom setzte ähnliche Garantien für einen Chip-Deal mit Anthropic ein. Dabei ging es um ein Risikoexposure von 29 Milliarden Dollar.
Nvidia geht noch weiter. Der Konzern unterstützt Kunden beim Kauf seiner Chips und stellte laut FT zudem Garantien über 105 Milliarden Dollar für SB Energy bereit. Die SoftBank-Tochter baut in Ohio einen großen Rechenzentrumscampus für OpenAI. Im Gegenzug läuft der Campus 20 Jahre lang ausschließlich mit Nvidia-Hardware.

Das ist strategisch geschickt, aber riskant. Zugleich entstehen neue Schwachstellen im Investitionszyklus, in dem Unternehmen immer größere Risiken eingehen. Der Druck, mit der Konkurrenz Schritt zu halten, nimmt zu.
Die zentrale Frage lautet, was passiert, wenn die KI-Investitionen weniger abwerfen als erwartet. Solange OpenAI, Anthropic, Meta und andere Anbieter weiter wachsen, wirkt das System schlüssig. Rechenzentren werden gebaut, Chips geliefert, die Einnahmen sollen später folgen.
Bleibt die KI-Nutzung jedoch hinter den Erwartungen zurück, entsteht zu viel Rechenkapazität oder entwickeln sich die Geschäftsmodelle langsamer als erhofft, können diese Garantien plötzlich relevant werden. Risiken, die heute außerhalb der Bilanz stehen, erweisen sich dann doch als wirtschaftliche Verpflichtungen.
Morgan Stanley schätzt, dass sieben Hyperscaler und Chipunternehmen zusammen bereits außerbilanzielle Verpflichtungen und Kreditstützen von mehr als 3,1 Billionen Dollar aufgebaut haben.
Die Aktien von Nvidia, SK Hynix und Samsung fallen nach den US-Zwischenwahlen angesichts wachsender Sorgen um KI. Gold profitiert dagegen von der politischen Unruhe. Was Anleger wissen müssen.
Die US-Börsen erholen sich nach den Wahlgewinnen der Demokraten. Anleger hoffen auf mehr Stabilität, während der Dollar und die Anleiherenditen nachgeben.
SpaceX und Tesla wehren sich gegen den Handel mit tokenisierten Aktien über OKXICE. Auch Dutzende weitere Unternehmen blockieren Pläne für den Aktienhandel über Kryptoplattformen in den USA.
Elon Musks KI Grok entwirft drei Szenarien für den XRP-Kurs am 31. Oktober. Die Konferenz Ripple Swell und die US-Notenbank Fed könnten entscheidend sein.
ChatGPT rechnet für Ende 2026 mit einem XRP-Kurs von 1,45 Dollar. Welches Kurspotenzial gibt es und welche Kursmarken sind wichtig?
Der Kryptoanalyst Egrag hält einen Anstieg des XRP-Kurses auf knapp 17 Dollar im April 2027 für möglich. Anlass zur Hoffnung gibt ein historisches Kursmuster.