Aktueller Stand der KI: Neuausrichtung hin zu autonomen und physischen Anwendungen

KI ist ein fortlaufender Entwicklungsprozess.

Wenn wir über KI sprechen, dann sprechen wir über ein dynamisches Thema. Vor einem Jahr vertraten wir im Zuge von DeepSeek die Auffassung, dass dies einen „Durchbruch” für deutlich intelligentere, leistungsfähigere und kostengünstigere logikbasierte Modelle darstellte, welche die KI-Anwendungen auf ein neues Niveau heben würden. Dies setzt jedoch eine etwa zehnfach höhere Rechenleistung voraus. Entgegen der damaligen Markterwartung, dass nach DeepSeek weniger Rechenkapazität benötigt würde, waren wir der Ansicht, dass vielmehr ein exponentieller Anstieg erforderlich ist. Bis Ende 2025 stiegen logikbasierte Modelle von null zu Jahresbeginn¹ auf mehr als 50 Prozent aller verarbeiteten Token, während die Investitionsausgaben für KI-Infrastruktur erneut deutlich anzogen.

Die agentenbasierte KI steht an einem Wendepunkt

Wir sind der Ansicht, dass wir uns am Beginn der nächsten bedeutenden Entwicklungsstufe befinden. Agentenbasierte KI, also autonome Entscheidungsfindung und Handlung, zeigt sich sowohl in der digitalen Welt in Form von KI-Agenten als auch in der physischen Welt, etwa bei autonomen Fahrzeugen und humanoiden Robotern. Mehrere grundlegende technologische Durchbrüche treffen zusammen und schaffen das Potenzial für eine weitere Beschleunigung der Innovationsgeschwindigkeit bei KI. KI-gestützte Programmieragenten sollen mittlerweile menschliche Fähigkeiten übertreffen und tragen dazu bei, die Entwicklungsdynamik großer Sprachmodelle weiter zu erhöhen. Dies wurde in einem aktuellen Beitrag von Dario Amodei, dem CEO von Anthropic, hervorgehoben.² Ab Mitte 2026 werden zudem Sprachmodelle auf der neuesten Blackwell-Infrastruktur trainiert. Damit sind die Voraussetzungen für eine nochmals schnellere Innovationskurve sowohl bei der Rechenleistung als auch bei der Softwareentwicklung gegeben. Bislang wurden alle großen Sprachmodelle – darunter Gemini 3 und ChatGPT 5.2 – auf Varianten von NVIDIAs Hopper-Chip trainiert. Mit der für 2028 erwarteten Einführung des fortschrittlichsten Chips „Vera Rubin Ultra” könnte die KI-Infrastruktur rund 400-mal leistungsfähiger werden. Dies würde deutlich schnellere Trainingszyklen und Feedbackprozesse ermöglichen.Abbildung 2: Die Weiterentwicklung der KI erweitert die Anwendungsfelder.Quelle: Janus Henderson Investors.³

Der Beginn der Ära agentenbasierter KI

Wie könnte eine beschleunigte Entwicklung der KI konkret aussehen? Auch hier steht die agentenbasierte KI im Mittelpunkt. KI-Agenten ahmen menschliche Entscheidungsprozesse nach, um Probleme in Echtzeit zu lösen. Dadurch sind sie deutlich leistungsfähiger als klassische Copiloten, die unter enger menschlicher Kontrolle stehen. Eine zentrale Herausforderung für logikbasierte Modelle und KI-Agenten war bislang die Größe des Kontextfensters sowie die Länge der gedanklichen Planung. KI-Agenten ähnelten insofern Menschen mit kurzfristigem Gedächtnisverlust: Sie konnten sehr schnell arbeiten, verloren jedoch rasch ihr Ziel aus den Augen. Die Branche arbeitet intensiv an Lösungen, etwa durch größere Kontextfenster, wie sie Google Gemini mit bis zu einer Million Tokens beziehungsweise rund 1.500 Seiten Text⁴ erstmals ermöglichte. Eine weitere Lösung sind neue Ansätze zur Planung über längere Zeiträume hinweg. Diese reichen von sparsamen Expertenmodellen und Reinforcement Learning bis hin zu sogenannten Agentenrahmen, die das Verhalten von KI-Agenten in realen Umgebungen steuern.

Die Fähigkeit von KI, Aufgaben über lange Zeiträume hinweg zu bewältigen, scheint sich derzeit etwa alle sieben Monate zu verdoppeln. Vor diesem Hintergrund gab Anthropic bekannt, dass sich die Programmieragenten des Unternehmens innerhalb von nur drei Jahren von kaum mehr als einer einzelnen Codezeile zu einer Leistung entwickelt hätten, die jene der eigenen besten Programmierer übertreffe. Damit rückt auch das Narrativ  „KI ersetzt Software“ stärker in den Fokus. Dies ist insbesondere mit Blick auf die potenziellen Produktivitätsgewinne von Bedeutung, die KI-Agenten ermöglichen können. McKinsey & Company spricht in diesem Zusammenhang von einer „Belegschaft“ von rund 65.000 Einheiten, die sich aus 40.000 Menschen und 25.000 KI-Agenten zusammensetzt.⁵Im Gegensatz zu einer menschlichen Belegschaft gibt es für den Einsatz von Agenten keine demografische Obergrenze. Schätzungen zufolge könnten KI-Agenten im Jahr 2028 die tägliche Arbeitsleistung eines Menschen erreichen, bis 2034 die Arbeit eines Jahres an einem Tag leisten und bis 2037 sogar das Arbeitspensum eines Jahrhunderts an einem Tag bewältigen. Dies hätte tiefgreifende Auswirkungen auf wissensintensive Tätigkeiten und zahlreiche angrenzende Branchen.

Erschließung physischer KI

Ein weiterer zentraler Entwicklungsbereich ist die physische KI. Auf der CES 2026, der Leitmesse für Unterhaltungselektronik, sprach Jensen Huang, CEO von NVIDIA, von einem „ChatGPT-Moment“ für physische KI. Ähnlich wie bei der agentenbasierten KI sind logikbasierte Sprachmodelle sowie KI-Fabriken, die nahezu unbegrenzt synthetische Daten erzeugen können, von entscheidender Bedeutung. Diese sind notwendig, da reale Daten für autonomes Fahren und Robotik außerhalb von Fabrikumgebungen bislang nur begrenzt verfügbar sind.

ChatGPT konnte durch das Auslesen von Texten, Bildern und Videos aus dem Internet lernen. Für physische KI existiert jedoch kein vergleichbarer Datensatz, um physikalische Kräfte wie Schwerkraft, Reibung oder Impuls zu verstehen oder die Vielzahl täglicher Sonderfälle zu bewältigen, die außerhalb normaler Betriebsparameter auftreten. 

Das britische Start-up Wayve Technologies ist eine der ersten Plattformen für KI-basierte Fahralgorithmen der nächsten Generation und nutzt ein durchgängiges Lernmodell anstelle klassischer modularer, regelbasierter Systeme. Nach eigenen Angaben kann die Software innerhalb weniger Wochen lernen, in den USA auf der anderen Straßenseite mit abweichenden Verkehrsregeln zu fahren. In der Folge nehmen Tests und Markteinführungen von Robotaxis zu. Waymo strebt an, bis Ende 2026 in den meisten US-Städten vertreten zu sein, und plant zudem den Start in London und Tokio. Auch Tesla sowie chinesische Anbieter wie Pony.ai und WeRide verfolgen ehrgeizige globale Expansionspläne.

Roboter bewegen sich heute immer flüssiger, führen komplexe Bewegungen aus und übernehmen intelligentere Aufgaben.Sie räumen beispielsweise Lebensmittel ein oder übernehmen andere Tätigkeiten im Haushalt. Auch wenn humanoide Roboter noch nicht so weit verbreitet sind wie agentenbasierte Chatbots oder autonome Fahrzeuge, rückt ihre breite Anwendung zunehmend in greifbare Nähe. Ihnen wird das Potenzial zugeschrieben,  demografische Herausforderungen  abzumildern. Bis 2050 wird es in den meisten Industrieländern und auch in China voraussichtlich nur noch etwa zwei Menschen im erwerbsfähigen Alter je Person über 65 geben. Humanoide Roboter könnten einen wichtigen Beitrag zur Versorgung mit Arbeitskräften in Industrie, Dienstleistungen und Pflege leisten.

Aktives Investieren in KI erfordert ein Bewusstsein für zentrale Risiken

Als Anleger betrachten wir die Risiken der technologischen KI-Welle fortlaufend, jedoch nicht aus der Perspektive von Zukunftsforschern. Dabei berücksichtigen wir technologische Entwicklungen, Finanzierungsfragen und die Fähigkeit von Unternehmen, Investitionen zu monetarisieren. Eine unserer zentralen Überzeugungen ist, dass ein Unternehmen, das dauerhaft keine Gewinne erzielt, langfristig keinen Wert schafft.

Die technologische Entwicklung im Bereich KI schreitet zwar zügig voran, erfordert jedoch eine kontinuierliche und dynamische Bewertung insbesondere mit Blick auf die Gültigkeit bestehender Skalierungsgesetze und die Frage, ob weitere technologische Durchbrüche neue Fähigkeiten ermöglichen werden. Der Markt richtet seinen Fokus zurecht auf die Nachhaltigkeit der KI-Finanzierung – insbesondere angesichts der hohen Investitionsausgaben der vergangenen Jahre, der Erinnerung an die Dotcom-Blase und der Sorge um zirkuläre Finanzierungsstrukturen.

Heute stellt sich die Finanzierungssituation jedoch anders dar als in früheren Technologiezyklen. Der Großteil der KI-Investitionen wird von US-Hyperscalern getragen, die diese Ausgaben aus Gewinnen, freiem Cashflow und Netto-Cash-Positionen finanzieren. Hinzu kommen Unternehmen und staatliche Akteure⁶, die inzwischen einen großen Teil des Geschäfts von NVIDIA ausmachen. Höhere Risiken sehen wir hingegen bei neuen Marktteilnehmern, deren Anteil an den Gesamtausgaben in den kommenden Jahren zunehmen dürfte.

Trotz einiger Fehleinschätzungen des Marktes in Bezug auf Finanzierung und Umsätze halten wir OpenAI, den Entwickler von ChatGPT, für den  risikoreichsten der prominenten Neueinsteiger. Gleichzeitig verfügt das Unternehmen offenbar über einen glaubwürdigen Pfad zu Umsätzen in dreistelliger Milliardenhöhe, was eine größere finanzielle Flexibilität ermöglicht. Laut Berichten hat OpenAI seine geplanten Investitionszusagen für die kommenden vier Jahre von zuletzt 1,4 Billionen US-Dollar auf 600 Milliarden US-Dollar reduziert.⁷Anthropic dürfte hingegen vor allem dank des Erfolgs von Claude Code im Jahr 2028 den Break-even auf Cashflow-Basis erreichen.⁸

Wir sehen weiterhin Finanzierungsmöglichkeiten für Unternehmen, die externes Kapital benötigen. So sicherte sich Anthropic jüngst in neuen Finanzierungsrunden eine Bewertung von rund 380 Milliarden US-Dollar⁸, während OpenAI eine Finanzierungsrunde von bis zu 110 Milliarden US-Dollar ⁹ankündigte und zudem einen Börsengang in Erwägung zieht. Zwar sind einige Finanzierungsstrukturen zirkulär, etwa durch Beteiligungen von Hyperscalern oder NVIDIA, doch dürften sie nur einen begrenzten Teil der künftigen Investitions- und Betriebsausgaben dieser Unternehmen ausmachen.

Nvidia hat zudem darauf hingewiesen, dass es sinnvoll sein kann, einen Teil des erwarteten starken Wachstums des freien Cashflows in führende KI-Unternehmen zu investieren. Anders als in der Internet-Ära, als Übernahmen wie die von Instagram, WhatsApp, YouTube oder Android möglich waren, lassen heutige regulatorische Rahmenbedingungen solche Schritte kaum noch zu. Minderheitsbeteiligungen stellen daher eine praktikable Alternative dar.

KI-Blase: Realität oder Übertreibung?

 Zwischen der heutigen Situation und dem Jahr 2000 bestehen wesentliche Unterschiede: Im Jahr 1999 verzeichneten rund 20 große Technologieunternehmen Kursgewinne von mehr als 900 Prozent und trieben den Nasdaq innerhalb weniger Monate um etwa 100 Prozent in die Höhe.¹⁰

Ein großer Teil der damaligen Kursbewegungen war bewertungsgetrieben, da das Gewinnwachstum nicht Schritt hielt. So erreichte Cisco ein Kurs-Gewinn-Verhältnis von weit über 120 (Abbildung 3). Heute stellt sich die Situation anders dar: Nvidia wird auf Basis erwarteter Gewinne mit einem KGV von etwa 25 bis 30 bewertet, was in etwa der Bewertung von McDonald’s entspricht – allerdings in einem völlig anderen Technologiebereich.¹¹Eine Blase ist nur schwer zu identifizieren, wenn der Markt insgesamt von Skepsis geprägt ist und es Zweifel an der Erfüllung hoher Erwartungen sowie an der Nachhaltigkeit der Investitionsausgaben gibt.

Wie wir bereits mehrfach betont haben, besteht stets eine zeitliche Verzögerung zwischen Investitionsausgaben, Nutzungswachstum und Monetarisierung, ähnlich wie während der Internetblase. Märkte reagieren darauf häufig ungeduldig. Bewertungskennzahlen wie das KGV spiegeln Marktmeinungen wider und sind keine objektiven Fakten, insbesondere im Technologiesektor, in dem Konsensschätzungen deutlich danebenliegen können. Wir sind der Ansicht, dass sich die Investitionschancen im Bereich KI vor allem durch aktives Management erschließen lassen. Das Ziel besteht darin, Unternehmen zu identifizieren, deren künftiges Gewinnwachstum vom Markt noch nicht vollständig eingepreist ist und die daher aktuell zu vergleichsweise attraktiven Bewertungen gehandelt werden.

Eine besondere Herausforderung besteht darin, dass es sich um eine Branche handelt, in der wenige Unternehmen den Großteil der Gewinne auf sich vereinen. Thematische ETFs können daher Titel enthalten, die nur eine geringe Verbindung zum zugrunde liegenden Thema aufweisen oder daraus keinen nachhaltigen Mehrwert erzielen. Entsprechend ist ihre Fähigkeit begrenzt, langfristiges Wachstum zu liefern.

Als Team konzentrieren wir uns daher weiterhin darauf, unerwartetes Gewinnwachstum zu identifizieren. Große Technologiewellen wie KI bieten attraktive Chancen für eine selektive Titelauswahl. Wir sind jedoch der Überzeugung, dass sich die besten Anlageergebnisse eher aus einem fokussierten Portfolio überzeugender Gewinner als aus einer breiten Streuung über hunderte Einzeltitel ergeben.