Zusammenfassung

  • Gartner prognostizierte am 16. September 2026 weltweite KI-Ausgaben von 2.670.460 Mio. US-Dollar für 2026 (+49,5 %) und revidierte dabei das Basisjahr 2025 erneut auf 1.786.671 Mio. US-Dollar — nach 1.764.947 Mio. im Mai 2026 und 1.478.634 Mio. im September 2025.
  • Der größte Unsicherheitsfaktor liegt nicht auf der Nachfrageseite, sondern in der Infrastrukturannahme: Nur 40–54 % der angekündigten Rechenzentrumskapazität dürfte bis 2030 tatsächlich in Betrieb gehen.

Die Kette der Prognosen beginnt am 17. September 2025: Gartner schätzte die weltweiten KI-Ausgaben für 2025 auf 1.478.634 Mio. US-Dollar, aufbauend auf 987.904 Mio. im Jahr 2024, und 2.022.642 Mio. für 2026 (Gartner-Pressemitteilung, 17.09.2025). Die Aufstellung umfasste neun Teilmärkte: KI-Dienstleistungen, KI-Anwendungssoftware, KI-Infrastruktursoftware, GenAI-Modelle, KI-optimierte Server, KI-optimierte IaaS, KI-Prozessorsegmente, KI-PCs und GenAI-Smartphones. Schon die Struktur dieser Taxonomie prägt die Headline-Zahl: 2025 dominierten GenAI-Smartphones mit 298.189 Mio. und KI-Dienstleistungen mit 282.556 Mio. US-Dollar, während GenAI-Modelle nur 14.200 Mio. ausmachten (Network World). Gartner zählt hier KI, die in Konsumergeräten eingebettet ist, selbst dann, wenn Käuferinnen und Käufer die KI-Funktion nicht gezielt auswählen. Ein erheblicher Teil der „KI-Ausgaben“ ist also eingebetteter Gerätewert, nicht nachfragende Ausgabe für KI als Produkt.

Am 19. Mai 2026 revidierte Gartner das Basisjahr 2025 auf 1.764.947 Mio. US-Darden und prognostizierte 2026 mit 2.595.667 Mio. (+47 %) und 2027 mit 3.493.358 Mio. (Gartner, 19.05.2026). Die Taxonomie hatte sich erneut geändert: KI-Cybersicherheit, KI-Modelle, KI-Plattformen für Data Science und Machine Learning, KI-Anwendungsentwicklungsplattformen, KI-Daten und KI-Infrastruktur ersetzten die neun Teilmärkte; der Infrastrukturanteil stieg über 45 % der Gesamtausgaben.

Am 16. September 2026 folgte die dritte Stufe: 2025 wurde erneut auf 1.786.671 Mio. US-Dollar hochgesetzt, 2026 auf 2.670.460 Mio. (+49,5 %) und 2027 auf 3.637.292 Mio. (Gartner, 16.09.2026). KI-Infrastruktur wurde mit 1.484.397 Mio. US-Dollar zum größten Segment; das Wachstum der GenAI-Modelle wurde von 110 % auf 117 % angehoben, und Gartner trennte funktionsübergreifende Agenten und Assistenten von der KI-Software, nahm dafür Verbraucheragenten in die Prognose auf. Sekundärberichte ordnen ein: KI-Infrastruktur entspricht rund 56 % der KI-Ausgaben 2026, und mehr als 52 US-Dollar fließen in die Infrastruktur für jeden Dollar, der in GenAI-Modelle investiert wird (Campus Technology). Zwischen Januar und September 2026 erhöhte Gartner die 2026er-Prognose um rund 143 Mrd. US-Dollar, wovon etwa 83 % auf Infrastruktur entfielen.

Was zählt die Prognose tatsächlich? Drei Beobachtungen begrenzen die Aussagekraft der Headline-Zahl. Erstens die definitorische Drift: Dasselbe Jahr 2025 wurde binnen zwölf Monaten von 1.478.634 über 1.764.947 auf 1.786.671 Mio. US-Dollar hochrestated, während die Taxonomie zweimal wechselte. Gartner zerlegt die Differenz von rund 309 Mrd. US-Dollar nicht zwischen Definitionsänderung und realem Ausgabenwachstum. Zweitens die Verbrauchergeräte: Smartphones und PCs mit eingebetteter KI sind ein Großteil der Nachfrage-Story. Drittens die Abgrenzung: Gartners März-2025-Prognose zu GenAI (644 Mrd. US-Dollar für 2025, +76,4 %) ist ein schmalerer Zuschnitt und leicht mit der Models-Zeile zu verwechseln (Gartner, 31.03.2025); zur Einordnung steht die Gesamt-IT-Ausgabe 2025 von 5,62 Billionen US-Dollar mit Rechenzentrumssystemen bei rund 405,5 Mrd. (Gartner, 21.01.2025).

Die eigentliche Testfrage betrifft die Infrastrukturannahmen der Prognose. Gartner nennt als Grundlagen: fortgesetzte Hyperscaler-Investitionen, eine Erweiterung der Investorenbasis auf chinesische Unternehmen und neue KI-Cloud-Anbieter sowie Risikokapital als „zusätzlichen Rückenwind“. Separat prognostiziert Gartner ein Wachstum der KI-optimierten IaaS-Ausgaben um 96 % in 2026; John-David Lovelock nannte den Rechenzentrumsausbau „das größte Infrastrukturprojekt, das die Menschheit je unternommen hat“, mit einer Nachfrage, die „unelastisch gegenüber speicherpreisbedingten Druck“ sei (Gartner, 10.08.2026).

Gegen diese Annahmen steht eine messbare Umsetzungsrealität. Wood Mackenzie bezifferte die offengelegte US-Rechenzentrum-Pipeline auf 241 GW Ende 2025, gegenüber 93 GW Ende 2024 — aber nur rund 33 % befanden sich in aktiver Entwicklung; signierte Bau- und Stromlieferverträge erreichten 183 GW, etwa 22 % der US-Spitzenlast 2025 (Wood Mackenzie). Im Q4 2025 kamen 25 GW hinzu, halb so viel wie im Q3.

Zwei unabhängige Kapazitätsregister kommen zu ähnlichen Umwandlungsquoten. Janus Henderson führt ein Bottom-up-Register von 259 Projekten mit 157,4 GW Nennleistung und schätzt, dass nur etwa 84,7 GW bis 2030 lieferbar sind — rund 54 % — unter Verweis auf mehrjährige Transformatorlieferzeiten, Genehmigungen und Engpässe bei Elektrikern und EPC-Kapazität (Janus Henderson). Sightline Climate zählt 102,3 GW über 710 Projekte bis 2030, von denen nur 40,8 GW ein entriskiertes Kriterium erfüllen; rund 60 % tragen erhebliches Verzögerungs- oder Stornorisiko (Stack Futures), und eine Branchenzusammenfassung bestätigt die Verlangsamung (Utility Dive).

Der Netzanschluss ist die engste Flasche. Nach dem LBNL-Bericht „Queued Up 2025“ suchen rund 2.290 GW Erzeugung und Speicher aktiv den Anschluss; nur etwa 19 % der Projekte aus 2000–2019 erreichten bis Ende 2024 den kommerziellen Betrieb, und ein typisches 2024er-Projekt brauchte 55 Monate vom Antrag bis zum Betrieb — 2015 waren es 36 (LBNL). In einer Reuters-Umfrage unter 13 großen US-Versorgern erhielt fast die Hälfte Rechenzentrumstromanfragen oberhalb ihrer Spitzenlast; Oncor in Texas meldete Zusatzanfragen von 119 GW, nahezu das Vierfache seiner Spitzenlast (Reuters). Deloitte berichtet, 72 % der Strom- und Rechenzentrumsexekutiven stuften Netzkapazität als sehr oder extrem herausfordernd ein, mit Wartezeiten bis zu sieben Jahren; der US-KI-Rechenzentrumsstrombedarf könnte von 4 GW (2024) auf 123 GW (2035) wachsen (Deloitte).

Auch die Halbleiterseite ist knapp: Nvidia-Finanzchefin Colette Kress erklärte, „die Clouds sind ausverkauft, und unsere installierte GPU-Basis ist vollständig ausgelastet“ (Network World); Gartner-Analyst Gaurav Gupta verweist auf mögliche Engpässe bei Leading-Edge-Wafern, Advanced Packaging und HBM sowie auf bislang unbeachtete Flaschenhälse bei Thermomanagement, Flüssigkühlung und Rack-Integration. Berichtsebene-Blogquellen nennen 36–52 Wochen Vorlaufzeit für Datacenter-GPUs mit einem ausverkauften Backlog bis Mitte 2026 — geringere Evidenzstufe, aber konsistent mit der Richtung.

Der Workload-Shift zur Inferenz verstärkt das Spannungsfeld: Deloitte und McKinsey beschreiben die Verschiebung vom Training zur Inferenz (Deloitte TMT Predictions 2026; McKinsey); Futurum projiziert, dass Inferenz bis 2030 71,7 % der Ausgaben für KI-Plattforminfrastruktur ausmacht (Futurum). Inferenzlasten verändern Leistungsdichte und Standortanforderungen schneller, als Netze liefern können.

Die Grenzen dieser Analyse sind real: Alle Prognosezahlen sind Gartners eigene Aussagen; die Umwandlungsquoten stammen aus proprietären Methodiken (Janus Hendersons „Capacity Ledger“, Sightlines Schwelle) und sind nicht unabhängig geprüft; Teile der GPU-Lieferzeitangaben sind Blog-Ebene. Was bleibt: Die Nachfrageseite von Gartners Prognose ist intern konsistent und nach oben revidiert — aber der Teil der Mechanik, der darüber entscheidet, ob gebuchte Infrastrukturausgaben zu Strom ziehendem Compute werden, ist der am wenigsten durch physische Evidenz verifizierte.

Die unbeantwortete Kernfrage ist, welcher Anteil der 2026 gebuchten KI-Infrastrukturausgaben 2026 tatsächlich eingespeistem Compute entspricht, angesichts von Umwandlungsquoten um 40–54 %.

Referenzen