John-David Lovelock und die Vorhersagemaschine hinter den KI-Ausgaben

Zusammenfassung

• Die öffentliche Bedeutung von John-David Lovelock beruht auf einer wiederkehrenden Rolle bei Gartner: Verkaufsnachweise von Anbietern, Käuferverhalten und Unsicherheiten der Technologieeinführung in IT-Ausgabenprognosen zu übersetzen, auf die sich Vorstände und Anbieter bei der Planung stützen können.
• Seine Arbeit wird im KI-Infrastrukturzyklus am sichtbarsten, wo die Prognosen von Gartner von einer Beschleunigung der Rechenzentren im Jahr 2024 zu IT-Ausgaben von über 6 Billionen US-Dollar im Jahr 2026 und dann wieder nach oben gingen, während KI-optimierte Server, Speicher, Software und Cloud-Kapazitäten den Markt umgestalteten.
• Die Bilanz zeigt Einfluss, nicht Kontrolle. Lovelock lenkt weder die Investitionsausgaben der Hyperscaler noch die Unternehmensbudgets, sondern gibt diesen Entscheidungen eine gemeinsame Sprache aus Kategorien, Revisionen und Einschränkungen.
• Die ungelöste Frage ist die Qualität der Prognosen unter Spannung: Kann das öffentliche Gartner-Modell weiterhin die reale Nachfrage von temporärer Überkapazität unterscheiden, während KI-Investitionen, Softwarepreise, Servicemargen und Infrastrukturengpässe mit unterschiedlichen Geschwindigkeiten evolvieren?

Die Person hinter den Prognosen

John-David Lovelock ist eine ungewöhnliche Marktfigur, da sein Name in der Regel mit den Ausgaben anderer in Verbindung gebracht wird. In öffentlichen Aufzeichnungen startet er keinen Rechenzentrums-Campus, unterschreibt keine Software-Fusion, handelt keine Spektrumlizenz aus und kündigt keine nationale KI-Subvention an. Er erscheint, wenn Gartner diese Entscheidungen in eine Prognose übersetzt: eine Wachstumsrate, einen Dollar-Gesamtbetrag, eine Tabelle mit Kategorien und ein paar Sätze, die Technologieführern die Bedeutung der Bewegung erklären.

Dies macht sein Profil leicht zu unterschätzen und leicht zu überschätzen. Unterschätzt ist er nur ein weiterer Analyst, der in einem Technologieartikel zitiert wird. Überschätzt wird er zu einem unsichtbaren Marktmacher, als ob eine Gartner-Pressemitteilung Hyperscaler, Software-Hersteller, Telekommunikationsbetreiber, Unternehmenskäufer und Investoren anweisen könnte, sich auf einen einzigen Investitionszyklus auszurichten. Die treffendste Lesart ist enger und interessanter. Lovelock ist ein öffentlicher Betreiber der Gartner-Prognosemaschine.

Seine Arbeit zählt, weil die Maschine eine Reichweite hat, weil die Kategorien wiederholt werden und weil die Sprache in den Planungsräumen landet, bevor viele Unternehmen einen vollständigen Überblick über ihre eigene Nachfrage für das folgende Jahr haben.

Die sichtbaren Beweise bestätigen diese Rolle. Gartner identifiziert Lovelock als Distinguished Vice President Analyst in offiziellen Mitteilungen zu den globalen IT-Ausgaben und in seinen Prognosen zu den KI-Ausgaben. Im April 2026 beschrieb The Economic Times ihn als Gartners Chefprognostiker, als die Firma ihre Prognose für die globalen IT-Ausgaben nach oben revidierte. In all diesen Auftritten wird er nicht als allgemeiner Technologiekommentator präsentiert.

Er ist an einen spezifischen operativen Rhythmus gebunden: die wiederkehrende Interpretation der Nachfrage nach Rechenzentrumssystemen, Software, Geräten, IT-Dienstleistungen, Kommunikationsdiensten, Cloud-Infrastruktur, KI-optimierten Servern und dem Kostendruck, der durch generative KI entsteht.

Dieser Rhythmus ist die eigentliche Entscheidungsoberfläche des Subjekts. Es ist keine private Entscheidungsoberfläche im Sinne von exekutiver Kontrolle. Sie ist öffentlich, institutionell und methodologisch. Die beobachtbaren Entscheidungen von Lovelock sind Rahmungsentscheidungen. Ist ein Anstieg der Ausgaben ein Signal für echte Nachfrage oder ein Preiseffekt? Wird das Softwarewachstum durch neuen Wert oder durch Anbieter getrieben, die die Kosten integrierter KI-Funktionen weitergeben? Zeugt ein Anstieg der Rechenzentren von einer langfristigen Unternehmensadoption von KI oder ist er hauptsächlich das Ergebnis von Hyperscaler-Vorabbau?

Sind die Geräteausgaben ein Erneuerungszyklus, ein KI-PC-Zyklus oder eine Geschichte der Speicherpreise? Diese Unterscheidungen sind nicht akademisch. Sie beeinflussen, wie ein CIO ein Budget verteidigt, wie ein Softwareanbieter den Preis für ein KI-Modul festlegt, wie ein Dienstleistungsunternehmen sich auf Margendruck vorbereitet und wie Investoren Unternehmen, die KI-Infrastruktur verkaufen, von solchen unterscheiden, die sie nur zu nutzen versprechen.

Das Profil sollte daher mit Zurückhaltung beginnen. Lovelock ist wichtig, nicht weil er allein das Marktverhalten verändert, sondern weil seine Arbeit bei Gartner dazu beiträgt, das Marktverhalten lesbar zu machen. In einem KI-Ausgabenzyklus, der zu groß geworden ist, um nur durch Pressemitteilungen verfolgt zu werden, ist die Lesbarkeit selbst eine Form von Infrastruktur.

Gartner als Plattform

Lovelocks Einfluss kann nicht von der institutionellen Stellung Gartners getrennt werden. Gartner beschreibt sich als ein 6,5-Milliarden-Dollar-Unternehmen im S&P 500 mit über 20.000 Mitarbeitern, einer Präsenz in rund 90 Ländern und Territorien und mehr als vier Jahrzehnten Erfahrung in der Beratung von Geschäfts- und Technologieführern. Das Unternehmen gibt an, dass seine Beratung von Tausenden von Geschäfts- und Technologieexperten, Hunderttausenden von Kundeninteraktionen, Anbieter-Briefings und Peer-Reviews untermauert wird.

Diese Zahlen werden von Gartner bereitgestellt und sollten als Teil seiner kommerziellen Autoritätsdemonstration gelesen werden. Dennoch erklären sie, warum eine Prognose, die einem einzelnen Analysten zugeschrieben wird, weiter reisen kann als eine individuelle Meinung.

Gartners Prognoseprodukt ist kein Blogbeitrag mit einer Tabelle. Gartners eigene Aussagen besagen, dass seine IT-Ausgabenprognosen weitgehend auf einer rigorosen Verkaufsanalyse basieren, die von über tausend Anbietern im gesamten Spektrum der IT-Produkte und -Dienstleistungen durchgeführt wird, ergänzt durch Primärforschung und Sekundärdaten, um eine Datenbank zur Marktgröße aufzubauen. Das detaillierte Modell ist proprietär. Außenstehende können die Gewichtung der Anbieter, die Revisionsregeln oder die vollständige Behandlung von Währungen, Preisen, Lieferengpässen, Kanallagern und Kategorieänderungen nicht einsehen.

Die Offenlegung auf hoher Ebene ist jedoch wichtig, weil sie die Prognose von einer Erzählung unterscheidet, die nur aus Führungskräfteinterviews oder Marktstimmung besteht.

Diese institutionelle Plattform verleiht Lovelock zwei Arten öffentlicher Autorität. Die erste ist evidenzbasiert. Er kann sich auf ein Modell stützen, das vorgibt, Verkaufsanalysen von Anbietern, Käuferverhalten und Forschungsdaten über einen großen Technologiemarkt zu aggregieren. Die zweite ist klassifikatorisch. Gartner sagt nicht nur, dass die Ausgaben steigen oder fallen; es verteilt die Ausgaben auf Kategorien, die Unternehmen selbst zur Planung verwenden.

Geräte, Rechenzentrumssysteme, Software, IT-Dienstleistungen, Kommunikationsdienste, KI-optimierte Server, Infrastruktur als Dienstleistung, Anwendungssoftware, Halbleiter und KI-Dienstleistungen sind keine neutralen Kästchen. Sie werden zu einer gemeinsamen Karte für den Markt.

Die Karte hat Konsequenzen. Ein Anbieter, der im Rahmen des Rechenzentrumsbaus verkauft, möchte wissen, ob das Wachstum auf KI-Server-Racks, Speicher, Arbeitsspeicher, Vernetzung, Stromversorgungssysteme oder Gebäude konzentriert ist. Ein Dienstleistungsunternehmen möchte wissen, ob die Käufer für Transformationsarbeit bezahlen oder erwarten, dass Automatisierungseinsparungen den Vertragswert senken. Ein CIO möchte wissen, ob die Softwarekostenerhöhungen auf neue Funktionen, die Preissetzungsmacht der Anbieter oder die versteckten Kosten von KI-Funktionen zurückzuführen sind.

Ein Investor möchte wissen, ob der Ausgabenzyklus breit ist oder auf eine kleine Anzahl von Infrastrukturengpässen konzentriert. Lovelocks öffentliche Rolle ist es, Gartners Karte in eine Sprache zu übersetzen, die jedes dieser Publiken wiederverwenden kann.

Diese Wiederverwendung macht einen Prognostiker organisationell wichtig. Ein Unternehmen muss nicht alle Zahlen von Gartner akzeptieren, damit die Prognose die Planung beeinflusst. Es reicht aus, dass es die Kategorien von Gartner als Referenzpunkt behandelt. Sobald eine Präsentation vor dem Vorstand dieselben Kategorien verwendet, eine Anbieterpräsentation seinen adressierbaren Markt mit der Gartner-Ausgabenkurve vergleicht, ein Nachrichtenartikel eine Prognoserevision zur Marktschlagzeile macht, ist die Prognose in die operative Sprache der Branche eingegangen.

Die Revision als Disziplin

Der aufschlussreichste Teil von Lovelocks öffentlicher Bilanz ist nicht eine einzelne Zahl. Es ist das Revisionsmuster. Im Juli 2024 prognostizierte Gartner die globalen IT-Ausgaben für 2024 auf etwa 5,26 Billionen US-Dollar, ein Anstieg von 7,5%. Dieselbe Mitteilung hob Rechenzentrumssysteme als die am schnellsten wachsende Kategorie hervor, mit erwarteten Ausgabensteigerungen von über 24%. Lovelocks Interpretation war bereits auf generative KI als Kosten- und Kapazitätsproblem ausgerichtet, nicht einfach als Produktivitätsgeschichte.

Die öffentliche Botschaft war, dass KI die Recheninfrastruktur und die Softwareökonomie belastete, noch bevor viele Unternehmen Renditen in großem Maßstab nachweisen konnten.

Im Juli 2025 schätzten sekundäre Berichte über Gartners Prognosen die globalen IT-Ausgaben für das Jahr auf etwa 5,43 Billionen US-Dollar. Die Sprache entwickelte sich in Richtung Unsicherheit. TechRadar berichtete über Gartners Ansicht, dass es eine Pause bei den neuen Nettoausgaben aufgrund der globalen Unsicherheit gab, aber dass KI- und generative KI-Initiativen die Pause immer noch überwogen. Diese Unterscheidung steht im Kern von Lovelocks Muster. Ein schwächerer Prognostiker hätte den Markt auf „KI-Boom“ oder „Käufer sind vorsichtig“ vereinfachen können.

Gartners öffentliche Erzählung hielt beide Behauptungen gleichzeitig aufrecht: Vorsicht bei einigen Unternehmensentscheidungen, Beschleunigung bei KI-bezogener Infrastruktur und Software.

Im September 2025 gaben die KI-spezifischen Prognosen von Gartner dem Zyklus einen viel breiteren Rahmen. Das Unternehmen erklärte, dass die weltweiten KI-Ausgaben im Jahr 2025 fast 1,5 Billionen US-Dollar und im Jahr 2026 über 2 Billionen US-Dollar betragen würden. Lovelocks öffentliche Erklärung verwies auf die Rechenzentren der Hyperscaler, KI-optimierte Hardware, GPUs, chinesische Unternehmen, neue KI-Cloud-Anbieter und die Unterstützung durch Risikokapital. Dies ist eine komplexere Kausalkette als eine einfache unternehmensweite Adoptionskurve.

Sie zeigt, dass der KI-Markt springen kann, selbst wenn viele Endnutzer sich noch in der Experimentierphase befinden, weil Infrastrukturanbieter und Plattformen ausgeben, bevor die gemessene Produktivität eintrifft.

Im Oktober 2025 prognostizierte Gartner, dass die globalen IT-Ausgaben im Jahr 2026 erstmals die 6-Billionen-Dollar-Marke überschreiten und rund 6,08 Billionen US-Dollar erreichen würden. Die offizielle Tabelle zeigte ein erneutes starkes Wachstum der Rechenzentrumssysteme, eine anhaltende Expansion der Software und dass IT-Dienstleistungen weiterhin der größte Posten außerhalb der Kommunikationsdienste bleiben. Lovelocks öffentliche Kommentare trennten die Treiber wieder nach Kategorien. Geräte profitierten von Mobiltelefonen und KI-Geräten. Rechenzentrumssysteme waren durch das Angebot an KI-optimierten Server-Racks begrenzt.

Das Softwarewachstum spiegelte die anhaltende Verbreitung von KI-Funktionen und die Ökonomie der Unternehmenslizenzen wider.

Dann setzten sich die Revisionen fort. Im Februar 2026 berichtete ITPro über Gartners Prognose von 6,15 Billionen US-Dollar, mit Rechenzentrumsausgaben von über 650 Milliarden US-Dollar, einem Serverausgabenwachstum von fast 37%, einem Softwarewachstum von über 15%, einem Wachstum der generativen KI-Ausgaben von über 80% und einem Preisdruck bei Speicher, der das Gerätewachstum verlangsamte. Im April 2026 berichteten Cinco Dias und The Economic Times über eine neue Gartner-Prognose von rund 6,31 Billionen US-Dollar für die globalen IT-Ausgaben im Jahr 2026, wobei KI-Infrastruktur und Rechenzentrumssysteme den Großteil des Anstiegs ausmachten.

Cinco Dias berichtete von einem Wachstum der Rechenzentrumssysteme von 55,8% auf fast 788 Milliarden US-Dollar.

Aus einer Perspektive sind die wiederholten Revisionen eine Warnung vor Unsicherheit. Gartners Zahlen änderten sich, als sich der Markt änderte. Aus einer anderen Perspektive ist es das Produkt selbst. Eine Prognose, die in einem sich schnell entwickelnden KI-Zyklus nicht revidiert, wäre verdächtiger als eine, die es tut. Die Disziplin besteht nicht darin, die erste Zahl zu bewahren; es geht darum zu erklären, warum sich die Zahl bewegt hat.

Lovelocks Wert für Gartners Publikum liegt teilweise in dieser Erklärung: der Unterschied zwischen einem Markt, der durch breite Unternehmenssoftware-Adoption wächst, einem Markt, der wächst, weil die Speicherpreise höher sind, und einem Markt, der wächst, weil Hyperscaler KI-optimierte Rechenleistung kaufen, bevor die nachgelagerten Einnahmen vollständig sichtbar sind.

Das Problem der KI-Infrastruktur

Der KI-Zyklus hat Lovelocks Rolle wichtiger gemacht, weil er die IT-Ausgaben schwieriger zu entschlüsseln gemacht hat. In früheren Unternehmens-Technologiezyklen konnte eine Ausgabenprognose oft durch vertraute Nachfragekategorien interpretiert werden: Hardwareerneuerung, Cloud-Migration, Erweiterung von Softwarelizenzen, Outsourcing, Telekom-Konnektivität oder Compliance. Generative KI hat diese Struktur verwischt. Ein von einem Hyperscaler gekaufter GPU-Server kann KI-Modelltraining, Unternehmensinferenz, Verbraucherfunktionen oder Kapazität unterstützen, die für einen bestimmten Zeitraum ungenutzt bleibt.

Softwareausgaben können steigen, weil ein Anbieter KI-Funktionen in eine Suite integriert und mehr verlangt hat, selbst wenn der Käufer noch keinen gleichwertigen Produktivitätsgewinn festgestellt hat. Dienstleistungsausgaben können sich in widersprüchliche Richtungen entwickeln: mehr Beratung zur Datenaufbereitung und Prozessneugestaltung, aber Druck, den Wert von Managed-Service-Verträgen zu senken, da Automatisierung erwartet wird.

Deshalb ist die wiederholte Betonung der Rechenzentren wichtig. Gartners Prognosen für 2024 hatten Rechenzentrumssysteme bereits als die wachstumsstarke Kategorie ausgewiesen. In den Jahren 2025 und 2026 hatte sich die Erzählung vom gewöhnlichen Cloud-Wachstum zur Ökonomie der KI-Infrastruktur verschoben. Gartners KI-Ausgabenprognosen unterschieden KI-optimierte Server von anderen KI-Kategorien. Die sekundäre Berichterstattung im Jahr 2026 berichtete dann über den Druck durch fortschrittlichen Speicher, Hochleistungsrechnen, Servernachfrage und Hyperscaler-Bauten.

Lovelocks öffentliche Kommentare stellten den Infrastruktur-Boom in eine breitere Kette: Cloud-Anbieter bauen KI-Kapazität auf, Hardware-Anbieter erzielen sofortige Einnahmen, Software-Hersteller lernen, KI-Funktionen zu bepreisen, und Dienstleistungsunternehmen stehen vor der Möglichkeit, dass Kunden Einsparungen durch KI-basierte Leistungserbringung fordern.

Das Ergebnis ist ein Markt mit mehreren Geschwindigkeiten. Rechenzentrumssysteme können mit außergewöhnlichen Raten wachsen, während traditionelle Kategorien langsamer wachsen. KI-Software kann den Vertragswert erhöhen, während die Servicemargen sinken. Geräte können von den Erzählungen über KI-PCs und Smartphones profitieren, während die Speicherpreise in die Erneuerungszyklen eingreifen. Die Cloud-Infrastruktur kann sich ausdehnen, während Unternehmenskäufer bei KI-Projekten, die eine groß angelegte Bereitstellung rechtfertigen, vorsichtig bleiben. Wenn ein Vorstand nur die Gesamtausgabenzahl sieht, übersieht er die Risikoverteilung.

Lovelocks Prognosesprache ist für diese Verteilung ausgelegt. Sie sagt, dass die Nachfrage nach KI-Infrastruktur real sein kann, selbst wenn der KI-ROI unsicher bleibt. Sie sagt, dass Softwareeinnahmen steigen können, weil KI die Kostenbasis von Anwendungen erhöht, und nicht nur, weil die Nutzer produktiver werden. Sie sagt, dass Dienstleistungsunternehmen von der Projektnachfrage profitieren können, während sie Preissetzungsmacht verlieren, wenn Kunden fragen, wohin die versprochenen Automatisierungseinsparungen gegangen sind.

Sie sagt, dass der Rechenzentrumsboom durch Server-Racks, Speicher, Strom und den Zeitplan der Hyperscaler begrenzt ist, nicht durch eine einfache Zählung von KI-Unternehmenseinführungen.

Diese Unterscheidung ist auch der Punkt, an dem der Artikel nicht in eine heldenhafte Erzählung abgleiten sollte. Lovelock hat den KI-Infrastruktur-Boom nicht geschaffen. Nvidia, die Hyperscaler, Chip-Anbieter, Cloud-Plattformen, Unternehmenssoftware-Hersteller, Investoren, Energieversorger und Regierungen sind alle näher an den Kapitalentscheidungen. Seine Rolle liegt stromabwärts vieler dieser Entscheidungen und stromaufwärts vieler Planungsgespräche über sie.

Er empfängt Signale vom Markt, der Gartner-Apparat organisiert sie, und er sendet sie an den Markt zurück in einer Form, die zitiert, angefochten, budgetiert oder in eine Strategie integriert werden kann.

Diese Vermittlerposition ist leicht zu übersehen, weil sie nicht wie Macht im üblichen Sinne aussieht. Es gibt kein Fabriktor, keine Eröffnungszeremonie für eine Cloud-Region, keine Produkt-Keynote. Aber in einem Markt, in dem Unsicherheit selbst das Verhalten verändert, wird die Person, die der Unsicherheit eine wiederholte Struktur gibt, zu einem Teil der Planungsumgebung.

Die Trennung von Software und Dienstleistungen

Eines der nützlichsten öffentlichen Signale von Lovelock ist die Trennung zwischen Software und Dienstleistungen. Der KI-Zyklus neigt dazu, sie zu verschleiern. Anbieter verkaufen KI als Softwarefunktion, Berater verkaufen KI als Transformationsarbeit, Cloud-Anbieter verkaufen KI als Rechenkapazität, und Käufer nehmen die drei oft als ein einziges Budgetproblem wahr. Gartners Prognosekategorien erzwingen eine Unterscheidung.

Im Prognosezyklus 2024 beschrieb Lovelock generative KI als eine Kraft, die die Kosten von Software erhöhen würde. Die praktische Bedeutung ist unmissverständlich: Software-Hersteller müssen möglicherweise nicht warten, bis jeder Kunde ein erfolgreiches KI-Projekt durchführt, bevor sie die Preise erhöhen oder Funktionen neu bündeln. Wenn KI-Funktionen Teil des Lizenzpakets sind, kann die Ausgabenkurve steigen, selbst wenn die Produktivitätsnachweise ungleichmäßig bleiben. Das ist nicht unbedingt schlecht für Käufer, wenn die Funktionen nützlich werden. Es ist gefährlich, wenn der Preis vor dem Wert kommt.

Bis 2026 sah die Dienstleistungsseite anders aus. The Economic Times berichtete über Lovelocks Ansicht, dass indische Managed-Service-Anbieter von der Verlagerung von Routinearbeit hin zu KI-Initiativen profitieren könnten, während Dienstleistungsunternehmen unter Margendruck litten, da die Kunden erwarteten, dass sich die KI-induzierte Effizienz in den Vertragspreisen widerspiegelt. Dies ist eine wichtige Asymmetrie. Software-Hersteller können KI manchmal monetarisieren, indem sie sie in Produkte integrieren und reichhaltigere Verträge anbieten. Dienstleister verkaufen oft Arbeitskraft, Prozesswissen und Lieferzuverlässigkeit.

Wenn KI die wahrgenommene Arbeitsintensität der Arbeit reduziert, fragen sich die Kunden vielleicht, warum der Vertrag nicht billiger werden sollte.

Für Vorstände und Führungskräfte ist diese Trennung wichtig, weil sie verändert, welche Unternehmen Preissetzungsmacht gewinnen. Ein Softwareanbieter mit einer dominanten installierten Basis kann KI als Erneuerungshebel nutzen. Ein Systemintegrator muss möglicherweise beweisen, dass er eine KI-Transformation durchführen kann, ohne zu viele der Produktivitätsgewinne abzugeben. Ein Cloud-Anbieter kann KI-Nachfrage in Infrastruktureinnahmen umwandeln, wenn er die Kapazität hat. Ein Gerätehersteller kann von einer KI-Erneuerungserzählung profitieren, bleibt aber der Verbrauchernachfrage, den Speicherpreisen und den Erneuerungszyklen ausgesetzt.

Ein Managed-Service-Unternehmen kann neue Projekte sehen, aber mit geringeren Margen.

Lovelocks Arbeit macht diese Unterschiede in den Ausgabenprognosen sichtbar. Gartners öffentliche Zahlen sagen nicht einfach, dass KI wichtig ist. Sie fragen, welches Ausgabenkompartiment steigt, warum und für wie lange. Das ist der Grund, warum seine Rolle eher in ein Marktbeobachtungsprofil als in eine generische Analystenbiografie fällt. Die Frage ist nicht, ob er optimistisch oder skeptisch gegenüber KI ist. Die Frage ist, ob seine kategoriale Sprache den Lesern hilft, eine Art von KI-Ausgaben von einer anderen zu trennen.

Hier gibt es einen Vorbehalt. Da Gartner ein kommerzielles Beratungsunternehmen ist, unterstützen seine öffentlichen Kategorien und Erzählungen auch Gartners eigene Relevanz. Ein sich schnell entwickelnder KI-Markt schafft Nachfrage nach Prognosen, Beratungsgesprächen, Konferenzen, Anbieter-Briefings und Forschungsabonnements. Gartners Autorität ist daher sowohl ein Input für den Markt als auch ein kommerzieller Vermögenswert.

Dies entwertet die Arbeit nicht, gibt den Lesern aber einen Grund zu fragen, wie die Methodik mit widersprüchlichen Beweisen umgeht, wie schnell Revisionen erfolgen und wie das Vertrauen in die Prognosen kommuniziert wird.

Lovelocks stärkste öffentliche Bilanz ist, dass er den KI-Zyklus nicht als reibungslos darstellt. Seine Kommentare betonen Pausen, Engpässe, Speicherpreise, Softwarekosteninflation, Infrastrukturengpässe und den Druck auf die Servicemargen. In einem Markt, der mit Werbeaussagen über KI überfüllt ist, ist diese Art von nuancierten Prognosen nützlicher als Begeisterung. Das garantiert keine Genauigkeit. Es gibt dem Publikum eine Reihe von Druckpunkten, die es zu beobachten gilt.

Einfluss ohne Kausalität

Der schwierigste Teil der Bewertung von Lovelock ist die Unterscheidung von Einfluss und Kausalität. Eine Gartner-Prognose kann in Medienüberschriften, Anbieterpräsentationen, Vorstandsunterlagen und Investorennotizen erscheinen. Das bedeutet nicht, dass die Prognose die Ausgaben verursacht hat, die sie beschreibt. In den meisten Fällen verläuft die Kausalität in die andere Richtung: Anbieter melden ihre Verkäufe, Käufer offenbaren ihr Budgetverhalten, Hyperscaler legen ihre Investitionspläne offen oder deuten sie an, Lieferketten legen Engpässe offen, und Gartners Modell wandelt diese Daten in eine Prognose um.

Aber Einfluss kann ohne primäre Kausalität wirken. Sobald eine Prognose glaubwürdig genug ist, um wiederholt zu werden, kann sie Erwartungen formen. Ein CIO, der sieht, dass Gartner die KI-Infrastrukturausgaben nach oben revidiert, wird seine Ausgaben möglicherweise nicht erhöhen, weil Gartner es gesagt hat, aber die Prognose kann die Fragen beeinflussen, denen sich dieser CIO vom Vorstand gegenübersieht. Warum unterscheidet sich unsere Rechenzentrumsstrategie vom Markt? Investieren wir zu wenig in KI-Kapazität? Stehen Software-Hersteller kurz davor, KI-bezogene Erneuerungserhöhungen durchzusetzen?

Geben Dienstleistungspartner die Automatisierungseinsparungen weiter? Sind wir Speicher- oder Server-Rack-Engpässen ausgesetzt?

Anbieter nutzen Prognosen unterschiedlich. Ein Softwarehersteller kann eine Gartner-Ausgabenkurve verwenden, um die Produktpositionierung zu rechtfertigen. Ein Hardware-Anbieter kann auf das Wachstum der Rechenzentrumssysteme verweisen, um eine Kapazitätsinvestition zu verteidigen. Ein Dienstleistungsunternehmen kann die KI-Adoptionserzählung nutzen, um Transformation zu verkaufen, muss aber möglicherweise auch erklären, warum KI nicht einfach die Lieferkosten senkt. Cloud-Anbieter können die Infrastrukturwachstumserzählung nutzen, um Kapazitätsausgaben wie disziplinierte Positionierung statt spekulativen Überbaus aussehen zu lassen.

Investoren nutzen dasselbe Material, um zu überprüfen, ob das Umsatzwachstum konzentriert, breit, nachhaltig oder zirkulär ist.

Dies ist die operative Oberfläche, auf der Lovelock zählt. Er hilft, die Fragen zu definieren. In einem komplexen Markt kann das Definieren der Fragen fast so wichtig sein wie das Beantworten. Wenn die gemeinsame Frage „Wie hoch sind die KI-Ausgaben?“ wird, dann unterstützen fast alle großen Zahlen die Boom-Erzählung. Wenn die gemeinsame Frage „Welche KI-Ausgabenkategorie wächst und welcher Engpass treibt sie an?“ wird, dann können Vorstände und Investoren gezieltere Folgefragen stellen. Kommt diese Nachfrage von Endnutzern oder von Anbietern, die Kapazitäten aufbauen? Sind die Einnahmen wiederkehrend oder einmalig?

Ist der Preis ein Wachstumstreiber mehr als das Volumen? Hängt die Kategorie von einer kleinen Anzahl von Hyperscale-Käufern ab? Impliziert die Ausgabenkurve zukünftige Produktivität oder nur zukünftige Abschreibung?

Die öffentliche Bilanz zeigt, dass Lovelock die Prognosen ständig in Richtung dieser gezielteren Fragen drängt. Im Jahr 2025 war das Thema nicht nur Wachstum, sondern Unsicherheit. Ende 2025 war das Thema nicht nur das Überschreiten der 6-Billionen-Dollar-Marke, sondern die Angebots- und Kategorienstruktur hinter diesem Überschreiten. Im Jahr 2026 betonten die Aufwärtsrevisionen die KI-Infrastruktur, Rechenzentren, Speicher und Software, anstatt vorzugeben, dass alle Technologieausgaben mit der gleichen Geschwindigkeit steigen.

Diese Disziplin ist gerade deshalb nützlich, weil Gartners Autorität missbraucht werden kann. Eine Schlagzeilenzahl kann die Nuancen einebnen. Ein Anbieter kann den Teil der Prognose zitieren, der seinem Verkaufsargument dient, und die Vorbehalte ignorieren. Ein Vorstand kann die Wachstumsrate als Drucktaktik nutzen, ohne die Kategorienzusammensetzung zu verstehen. Lovelocks beste öffentliche Kommentare geben den Lesern eine Verteidigung gegen diesen Missbrauch: Lesen Sie die Gesamtsumme, dann lesen Sie die Treiber.

Die Grenzen der Bilanz

Die Beweise hinterlassen auch Lücken. Die öffentliche Bilanz zeigt nicht Lovelocks vollständigen Karriereverlauf, sein genaues Eintrittsdatum, seine interne Berichtslinie oder die genaue Aufteilung der Arbeit zwischen ihm und den breiteren Forschungsteams von Gartner. Gartners methodologische Offenlegung ist nützlich, aber unvollständig. Sie teilt den Lesern mit, dass Verkaufsanalysen von Anbietern, Primärforschung und Sekundärbeweise verwendet werden.

Sie zeigt nicht das detaillierte Modell, die Konfidenzintervalle, die Gewichtung von Echtzeitdaten oder wie das Unternehmen mit Verzerrungen von Anbietern umgeht, die ein kommerzielles Interesse an einer breiteren Marktschätzung haben.

Diese Lücken sollten die Bewertung prägen. Lovelock sollte nicht als alleiniger Architekt der Gartner-IT-Ausgabenprognosen beschrieben werden. Er ist besser zu verstehen als ein prominenter öffentlicher Interpret und Betreiber eines breiteren institutionellen Prozesses. Dieser Prozess ist kommerziell, proprietär und hochgradig sichtbar. Er ist auch durch dieselbe Schwierigkeit begrenzt, mit der jeder Technologieprognostiker konfrontiert ist: Märkte ändern sich schneller, als öffentliche Beweise sich stabilisieren können.

KI macht diese Schwierigkeit akut. Ein Rechenzentrum kann finanziert werden, bevor die Anwendungen für Endnutzer erprobt sind. Ein Softwarehersteller kann KI in Rechnung stellen, bevor die Kunden wissen, welche Funktionen sie behalten werden. Ein Dienstleistungsunternehmen kann KI-basierte Effizienz versprechen, bevor sich die Liefermethoden stabilisiert haben. Ein Cloud-Anbieter kann Kapazitäten aufbauen, weil seine Konkurrenten es tun. Ein Halbleiterlieferant kann reale Einnahmen melden, während die Ökonomie der nachgelagerten Kunden ungelöst bleibt.

Das sind keine Widersprüche; es sind verschiedene Teile des Kapitalzyklus, die sich mit unterschiedlichen Geschwindigkeiten entwickeln.

Die Associated Press hat einen Teil dieser Spannung Ende 2025 eingefangen, als sie berichtete, dass Investoren sich immer noch fragten, ob der KI-Boom seine Gewinn- und Produktivitätsversprechen einlösen würde, obwohl Unternehmen, die mit dem Infrastrukturausbau verbunden sind, solide Ergebnisse lieferten. Kiplinger warf eine damit verbundene Nachhaltigkeitsfrage auf, indem es Gartners IT-Ausgabenprognose für 2026 neben Bedenken hinsichtlich zirkulärer Ausgabenmuster und der ungewöhnlichen Stärke der KI-bezogenen Nachfrage stellte.

Die ITPro-Berichterstattung Anfang 2026 fügte das ROI-Problem hinzu: Begeisterung und Ausgaben blieben hoch, obwohl viele Organisationen noch versuchten, skalierbaren Wert zu beweisen.

Für Lovelock liegen diese Bedenken nicht außerhalb der Prognosen. Sie sind Teil dessen, was eine Prognose absorbieren muss. Wenn das Modell alle KI-Ausgaben als gleichermaßen nachhaltig behandelt, wird es das Risiko des Überbaus übersehen. Wenn es alle gescheiterten KI-Projekte als Beweis dafür behandelt, dass der Infrastrukturzyklus falsch ist, wird es die realen Anbietereinnahmen und Kapazitätsverpflichtungen übersehen. Die Kunst besteht darin, beide Möglichkeiten im Auge zu behalten.

Hier ist die Sprache des Gartner-Hype-Zyklus relevant. Gartners eigene Methodik beschreibt die Technologieeinführung als durch übertriebene Erwartungen, Ernüchterung und schließlich produktive Nutzung für die Technologien, die überleben. Der Hype-Zyklus ist keine persönliche Erfindung von Lovelock und sollte nicht jeder Prognose aufgezwungen werden. Aber er veranschaulicht Gartners institutionelle Gewohnheit: Unsicherheit lesbar zu machen, indem Phasen, Risiken und Zeitwahlentscheidungen benannt werden. Lovelocks Arbeit zu den IT-Ausgaben wendet eine ähnliche Gewohnheit auf Budgets an. Die Frage ist nicht nur, ob KI früh oder spät ist.

Es geht darum, welche Budgetlinie die Kosten bereits absorbiert.

Kanada, globale Märkte und die Person hinter einem grenzenlosen Signal

Die Lovelock zugeordnete Region ist Kanada/Welt, und dieser Ausdruck erfasst die besondere Geographie seiner öffentlichen Rolle. Die Prognosen, die er interpretiert, sind global. Die Kategorien überschreiten Grenzen. Die Investitionsausgaben der Hyperscaler, das Halbleiterangebot, die Speicherpreise, die Softwareverträge, die Margen der Managed Services und die Cloud-Kapazität respektieren keinen einzelnen nationalen Markt. Dennoch muss die Person, die an die Prognosen gebunden ist, nicht im Zentrum jeder Investitionsentscheidung sitzen, um zu beeinflussen, wie diese Entscheidungen gelesen werden.

Dies ist wichtig für eine Publikation, die sich mit Infrastruktur und Marktmacht befasst. Die sichtbarsten Technologieführer befinden sich oft in Unternehmen, die Vermögenswerte besitzen: Cloud-Regionen, Glasfasernetze, Rechenzentren, Modellplattformen, Softwaresuiten, Halbleiterlieferketten. Lovelocks Position ist anders. Er befindet sich in einer Beratungsinstitution, die eine gemeinsame Interpretation schafft. Diese Art von Macht ist leichter zu übersehen, weil sie eher wie Forschung als wie Eigentum aussieht. Aber Forschung kann dennoch zu Infrastruktur werden, wenn genügend Marktteilnehmer Entscheidungen um sie herum aufbauen.

Der globale Charakter der Prognosen macht sie auch für kleinere und regionale Märkte nützlich. Ein nationaler Cloud-Anbieter, ein regionaler Systemintegrator, ein Telekommunikationsbetreiber, ein öffentlicher Käufer oder ein lokaler Rechenzentrumsentwickler kann möglicherweise nicht den gesamten KI-Ausgabenzyklus direkt beobachten. Gartners Zahlen geben diesen Akteuren eine externe Referenz. Sie können entscheiden, ob ihr eigener Markt zurückliegt, überhitzt ist oder sich aufgrund von Regulierung, Währungen, Energie, Beschaffungsregeln oder Kundenstruktur anders entwickelt.

Lovelocks öffentliche Kommentare zu Indien im Jahr 2026 zeigen diese Übersetzung in Aktion. Dieselbe globale Prognose kann durch die Brille der Servicemargen, der lokalen Rechenzentrumsstrategie, der Exportmöglichkeiten und der Kundennachfrage nach KI-basierter Effizienz gelesen werden.

Dies ist eine praktische Form des Einflusses. Sie erfordert weder persönliches Charisma noch exekutive Autorität. Sie beruht auf Wiederholung, Kategoriendisziplin und institutionellem Vertrauen. Jeder Prognosezyklus gibt Lovelock und Gartner eine neue Gelegenheit, die gemeinsame Karte anzupassen. Wenn sich die Karte als nützlich erweist, wird sie zu einem Teil der Planungsmöbel des Marktes. Wenn sie sich als falsch erweist, kann sie dennoch Entscheidungen prägen, bis der Fehler sichtbar wird.

Was er gebaut hat und was er nicht gebaut hat

Der Sofia-Ren-Standard für ein Profil wie dieses ist zu fragen, was die Person gebaut, geerbt, genehmigt, finanziert, geschlossen, verkauft, reorganisiert, delegiert oder ungelöst gelassen hat. Für Lovelock ist die Antwort kein Werk oder eine Produktlinie. Die öffentlichen Beweise zeigen, dass er die Gartner-Forschungsplattform geerbt hat und in ihr operiert und dass er dazu beiträgt, ein wiederkehrendes Prognoseprodukt rund um die globalen IT-Ausgaben und die KI-bezogene Nachfrage aufzubauen.

Das beobachtbare Ergebnis ist keine private Unternehmensentscheidung; es ist eine Sequenz von Prognoseveröffentlichungen, Kategorienerzählungen und Markterklärungen.

Er hat öffentlich eine kohärente interpretative Position aufgebaut. KI-Ausgaben müssen durch Infrastruktur, Software, Geräte, Cloud und Dienstleistungen gelesen werden, nicht durch eine einzige Adoptionserzählung. Generative KI kann die Softwarekosten erhöhen, bevor sie ihre Produktivität beweist. Rechenzentrumsausgaben können explodieren, weil Anbieter vor der Nachfrage bauen. Managed Services können Chancen sehen, während sie unter Preisdruck leiden. Die Unsicherheit der Käufer kann einige Projekte verlangsamen, während die KI-Investitionen weiter steigen.

Eine Prognose kann nach oben revidiert werden, ohne zu einer Aufmunterungsübung zu werden, wenn die Treiber klar benannt sind.

Er hat den KI-Boom nicht geschaffen. Er hat die Investitionsausgaben der Hyperscaler nicht genehmigt. Er hat nicht über die Produkt-Roadmap von Nvidia, die KI-Budgets der Unternehmen, die Preise der Softwarehersteller, die Warteschlangen für die Stromnetzanbindung oder die Regierungspolitik für Rechenzentren entschieden. Er kontrolliert nicht, ob die KI-Ausgaben letztlich ausreichende Renditen erwirtschaften. Diese Grenzen sind wichtig, weil die öffentliche Versuchung darin besteht, sichtbare Interpreten als versteckte Entscheidungsträger zu behandeln.

Lovelocks Bilanz ist spezifischer und vertretbarer: Er hilft zu definieren, wie diese Entscheidungsträger den Markt sich selbst und untereinander beschreiben.

Er hat auch wichtige Fragen ungelöst gelassen, zumindest öffentlich. Gartner veröffentlicht nicht genügend Details zum Modell, damit Außenstehende den Prognoseprozess vollständig prüfen können. Die öffentlichen Berichte zeigen nicht, wie Gartner die Preissteigerung vom Volumenwachstum in jeder Kategorie trennt, wie es mit dem Optimismus der Anbieter umgeht oder wie es die Prognosegenauigkeit über mehrere Zyklen kalibriert. Die Aufwärtsrevision vom April 2026, über die in der sekundären Berichterstattung berichtet wurde, erfordert einen kontinuierlichen Vergleich mit Gartners offiziellen Dokumenten und späteren Ergebnissen.

Die langfristige Produktivitätsrendite der KI-Infrastruktur bleibt eine offene Frage. Gleiches gilt für die Verteilung der Gewinne zwischen Cloud-Plattformen, Softwareherstellern, Hardwareanbietern, Dienstleistungsunternehmen und Kundenunternehmen.

Diese ungelösten Fragen schwächen das Profil nicht. Sie sind das Profil. Der öffentliche Wert eines Prognostikers wird dort getestet, wo die Fakten unvollständig sind, die Entscheidungen aber nicht warten können.

Was als nächstes zu beobachten ist

Die nächste Bewertung von Lovelocks Einfluss sollte nicht fragen, ob er „Recht“ hatte im Sinne einer einfachen Punktprognose. Sie sollte fragen, wie die Prognose mit Spannungen umgegangen ist. Mehrere Spannungspunkte sind bereits sichtbar.

Erstens, Rechenzentrumssysteme. Wenn die Ausgaben im Jahr 2026 so stark bleiben, wie es die Berichte vom April 2026 nahelegten, wird die Frage sein, ob die Nachfrage in produktive Cloud- und KI-Dienste absorbiert wird oder ob der Überbau in der Nutzung, den Preisen oder verzögerten Projekten sichtbar wird. Ein guter Prognostiker wird die von Anbietern verbuchten Ausgaben von dem von Kunden realisierten Wert unterscheiden.

Zweitens, Software. Wenn die Anbieter weiterhin KI in Unternehmensanwendungen integrieren, können die Softwareausgaben selbst dort steigen, wo die Kunden ungleiche Renditen sehen. Die praktische Frage ist, ob KI zu einem nachhaltigen Erneuerungshebel wird oder zu einer angefochtenen Preiserhöhung. Lovelocks frühere Sprache über die Wirkung von KI auf die Softwarekosten gibt den Lesern den richtigen Überwachungsrahmen.

Drittens, Dienstleistungen. Managed-Service- und Beratungsunternehmen müssen entscheiden, ob KI es ihnen ermöglicht, ihre Margen zu schützen, neue Verträge zu gewinnen oder Effizienzgewinne an die Kunden weiterzugeben. Die Diskussion über indische Dienstleistungen im Jahr 2026 ist eine marktspezifische Version eines globalen Problems. Wenn Kunden erwarten, dass KI die Lieferkosten senkt, müssen Dienstleistungsprognosen sowohl die Projektnachfrage als auch die Margenkompression erfassen.

Viertens, Geräte und Speicher. KI-PCs und KI-fähige Telefone können eine Erneuerungserzählung schaffen, aber die Komponentenpreise und die Nutzernachfrage bestimmen, ob sich die Erzählung in Volumen übersetzt. Gartners Kommentar im Jahr 2026 zum Preisdruck bei Speicher ist eine Erinnerung daran, dass das Wachstum der KI-Kategorie durch die gewöhnliche Ökonomie der Lieferkette verlangsamt werden kann.

Fünftens, die Abhängigkeit von Cloud-Diensten. Wenn sich KI-Workloads in Hyperscale-Umgebungen konzentrieren, können Käufer stärker von Cloud-Anbietern und verwalteten Anwendungsdiensten abhängig werden. Die Ausgabenkurve mag Wachstum zeigen, aber die strategische Frage ist die Kontrolle: Wer besitzt die Kapazität, wer zahlt für ungenutzte Skalierung und wer hat die Verhandlungsmacht, wenn KI-Funktionen in die Basissoflware integriert sind.

Diese Überwachungspunkte zeigen, warum Lovelocks Rolle nützlich bleibt, sobald die Schlagzeilenzahl verblasst. Der Markt braucht nicht nur eine Gesamtsumme. Er braucht eine Möglichkeit zu überprüfen, ob die Gesamtsumme gesund ist.

Die Bewertung

Die öffentliche Bilanz von John-David Lovelock ist eine Fallstudie über institutionellen Einfluss ohne direkte operative Kontrolle. Er ist kein Technologieführer, der der breiten Öffentlichkeit bekannt ist. Er ist nicht der Gründer einer KI-Plattform oder der Eigentümer eines Rechenzentrumsparks. Seine Arbeit ist wichtig, weil der Gartner-Prognoseapparat zwischen Beweisen und Planung steht. Er sammelt Marktsignale, organisiert sie in Kategorien, revidiert sie, wenn sich die Bedingungen ändern, und sendet sie mit genügend Autorität an den Markt zurück, um wiederverwendet zu werden.

Das macht ihn zu einem Prognosebetreiber. Der Ausdruck ist bewusst bescheiden. Er behauptet nicht, dass er allein Gartners Modell erschafft oder den Markt befehligt. Er erkennt an, dass jemand die öffentliche Schnittstelle der Prognose bedienen muss: sagen, was sich bewegt hat, warum es sich bewegt hat, welche Kategorie wichtig ist, wo die Vorbehalte liegen und welche Art von Ausgaben nicht mit einer anderen verwechselt werden sollte.

Im KI-Zyklus ist diese Rolle wichtiger geworden, weil dasselbe Wort „KI“ jetzt die Nachfrage nach Halbleitern, Server-Racks, Rechenzentrumsstrom, Cloud-Kapazität, Unternehmenssoftwarelizenzen, Beratungsarbeit, verwalteten Diensten, Geräten und Produktivitätsbehauptungen abdeckt.

Der stärkste Beweis für Lovelocks Einfluss ist die Kohärenz seiner öffentlichen Arbeit zu den Kategorien. Von der Beschleunigung der Rechenzentren im Jahr 2024 über die Unsicherheit im Jahr 2025 bis hin zu den Aufwärtsrevisionen im Jahr 2026 lautet die Botschaft nicht nur, dass die Technologieausgaben steigen. Es ist, dass KI-Infrastruktur und KI-basierte Software die Zusammensetzung der Ausgaben verändert haben, bevor die vollständige Produktivitätsbilanz geklärt ist. Das ist genau die Art von Unterscheidung, die Vorstände und Anbieter brauchen.

Es hindert sie daran, jeden KI-Dollar als Adoptionsbeweis zu behandeln, und es hindert sie daran, die reale Infrastrukturnachfrage abzutun, nur weil einige Unternehmensprojekte enttäuschen.

Der Hauptvorbehalt ist die Undurchsichtigkeit. Gartners detailliertes Modell ist proprietär. Die Öffentlichkeit kann die Umwandlung von Verkaufsanalysen der Anbieter, Primärforschung, Sekundärmaterial und Urteilsvermögen in eine Prognosetabelle nicht vollständig prüfen. Gartners kommerzielles Interesse an der Relevanz seiner Beratung bedeutet auch, dass Leser seine Prognosen nicht passiv konsumieren sollten. Der richtige Gebrauch von Lovelocks Arbeit ist nicht Gehorsam.

Es ist ein disziplinierter Vergleich: Vergleichen Sie die Kategorienzusammensetzung mit Unternehmensangaben, Lieferkettendaten, Kundenbudgets, Strom- und Rechenzentrumseinschränkungen, dem Softwareerneuerungsverhalten und den Nachweisen realisierter Produktivität.

Auf dieser Grundlage ist Lovelocks Bedeutung klar, aber begrenzt. Er ist ein nützliches öffentliches Signal in einem Markt, in dem Kapital sich schneller bewegt als Gewissheit. Seine Prognosen beantworten nicht die endgültige Frage, ob der KI-Einsatz seine Kosten amortisiert. Sie helfen, die Zwischenfragen zu definieren, die bestimmen, wer den Einsatz überlebt, wer ihn monetarisiert und wer Ausgaben mit Wert verwechselt. Für einen Technologiemarkt, der in Behauptungen ertrinkt, reicht das aus, um den Prognostiker beobachtenswert zu machen.