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

Zusammenfassung

• John-David Lovelocks öffentliche Bedeutung ergibt sich aus einer wiederholbaren Rolle bei Gartner: Er übersetzt Verkäuferabsatzbeweise, Käuferverhalten und Unsicherheiten bei der Technologieadoption in IT-Ausgabenprognosen, an denen sich Vorstände und Anbieter orientieren können.
• Seine Arbeit ist am deutlichsten im KI-Infrastrukturzyklus sichtbar, wo Gartners Prognosen von der Beschleunigung der Rechenzentren im Jahr 2024 zu IT-Ausgaben von über 6 Billionen US-Dollar im Jahr 2026 übergingen und dann erneut stiegen, als KI-optimierte Server, Speicher, Software und Cloud-Kapazität den Markt umgestalteten.
• Die Aufzeichnungen belegen Einfluss, nicht Kontrolle. Lovelock steuert weder die Investitionsausgaben von Hyperscalern noch die Unternehmensbudgets, aber er gibt diesen Entscheidungen eine gemeinsame Sprache aus Kategorien, Revisionen und Einschränkungen.
• Die ungelöste Frage ist die Prognosequalität unter Belastung: ob Gartners öffentliches Modell die reale Nachfrage von temporären Überbauungen trennen kann, während KI-Investitionen, Softwarepreise, Dienstleistungsmargen und Infrastrukturengpässe sich mit unterschiedlichen Geschwindigkeiten bewegen.

Die Person hinter der Prognose

John-David Lovelock ist eine ungewöhnliche Art von Marktfigur, da sein Name normalerweise im Zusammenhang mit den Ausgaben anderer auftaucht. In den öffentlichen Aufzeichnungen errichtet er keinen Rechenzentrumscampus, unterzeichnet keine Softwarefusion, verhandelt keine Spektrumlizenz und kündigt keine nationale KI-Subvention an. Er erscheint in dem Moment, in dem Gartner diese Entscheidungen in eine Prognose übersetzt: eine Wachstumsrate, eine Dollar-Gesamtsumme, eine Kategorietabelle und einige Sätze, die Technologieführungskräften sagen, was die Bewegung bedeutet.

Das macht es leicht, sein Profil zu unterschätzen oder zu überzeichnen. Unterschätzt man es, wird er nur zu einem weiteren Analysten, der in einem Technologieartikel zitiert wird. Überzeichnet man es, wird er zu einem unsichtbaren Market Maker, als könnte eine Gartner-Mitteilung Hyperscaler, Softwareanbieter, Telekommunikationsbetreiber, Unternehmenskäufer und Investoren in einen einzigen Kapitalzyklus zwingen. Die genauere Lesart ist enger und interessanter. Lovelock ist ein öffentlicher Bediener von Gartners Prognosemaschine.

Seine Arbeit ist bedeutsam, weil die Maschine Reichweite hat, weil die Kategorien wiederholt werden und weil die Sprache in Planungsräumen ankommt, bevor viele Unternehmen einen vollständigen Überblick über ihre eigene Nachfrage für das nächste Jahr haben.

Die sichtbaren Belege stützen diese Rolle. Gartner identifiziert Lovelock als Distinguished VP Analyst in den offiziellen weltweiten IT-Ausgabenveröffentlichungen und in seiner Arbeit zu KI-Ausgabenprognosen. Im April 2026 beschrieb ihn The Economic Times als Gartners Chef-Prognostiker, als es um die Aufwärtskorrektur des Unternehmens bei den globalen IT-Ausgaben ging. Bei diesen Auftritten wird er nicht als Kommentator für Technologie im Allgemeinen dargestellt.

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

Dieser Rhythmus ist die eigentliche Entscheidungsfläche des Subjekts. Es ist keine private Entscheidungsfläche im Sinne von exekutiver Kontrolle. Sie ist öffentlich, institutionell und methodisch. Lovelocks beobachtbare Entscheidungen sind Entscheidungen der Rahmensetzung. Ist ein Ausgabenanstieg ein echtes Nachfragesignal oder ein Preiseffekt? Wird das Softwarewachstum durch neuen Wert angetrieben oder dadurch, dass Anbieter die Kosten integrierter KI-Funktionen weitergeben?

Ist der Anstieg bei Rechenzentren ein Beweis für die langfristige KI-Adoption in Unternehmen oder hauptsächlich das Ergebnis von Hyperscalern, die vor der Nachfrage bauen? Sind die Geräteausgaben ein Erneuerungszyklus, ein KI-PC-Zyklus oder eine Speicherpreis-Story? Diese Unterscheidungen sind nicht akademisch. Sie beeinflussen, wie ein Chief Information Officer ein Budget verteidigt, wie ein Softwareanbieter ein KI-Modul bepreist, wie ein Dienstleistungsunternehmen sich auf Margendruck vorbereitet und wie Investoren die Unternehmen, die KI-Infrastruktur verkaufen, von denen unterscheiden, die lediglich versprechen, sie zu nutzen.

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

Gartner als Plattform

Lovelocks Einfluss kann nicht von Gartners institutioneller Position getrennt werden. Gartner beschreibt sich selbst als 6,5 Milliarden US-Dollar schweres S&P-500-Unternehmen mit mehr als 20.000 Mitarbeitern, das in rund 90 Ländern und Gebieten tätig ist und über mehr als vier Jahrzehnte Erfahrung in der Beratung von Wirtschafts- und Technologieführern verfügt. Das Unternehmen gibt an, dass seine Beratung von Tausenden von Geschäfts- und Technologieexperten, Hunderttausenden von Kundeninteraktionen, Anbieterbriefings und Peer-Reviews informiert wird.

Diese Zahlen werden von Gartner selbst präsentiert und sollten als Teil des kommerziellen Arguments für die Autorität des Unternehmens gelesen werden. Dennoch erklären sie, warum eine Prognose, die einem Analysten zugeschrieben wird, weiter reichen kann als eine Einzelmeinung.

Das Gartner-Prognoseprodukt ist kein Blogbeitrag mit angehängter Tabelle. Gartners eigene Angaben besagen, dass die IT-Ausgabenprognosen stark auf einer strengen Absatzanalyse von mehr als tausend Anbietern aus dem gesamten Spektrum der IT-Produkte und -Dienste basieren, ergänzt durch Primärforschung und sekundäre Inputs, um eine Marktgrößendatenbank aufzubauen. Das detaillierte Modell ist proprietär. Außenstehende können die Anbietergewichtungen, die Revisionsregeln oder die vollständige Behandlung von Währung, Preisgestaltung, Angebotsbeschränkungen, Lagerbeständen und Kategorieverschiebungen nicht einsehen.

Aber die übergeordnete Offenlegung ist wichtig, weil sie die Prognose von einer Erzählung unterscheidet, die nur aus Führungskräfteinterviews oder Marktstimmung konstruiert wurde.

Diese institutionelle Plattform gibt Lovelock zwei Arten von öffentlicher Autorität. Die erste ist beweiskräftig. Er kann aus einem Modell sprechen, das den Anspruch erhebt, Anbieterabsatzanalysen, Käuferverhalten und Forschungsinputs aus einem großen Technologiemarkt zu aggregieren. Die zweite ist klassifikatorisch. Gartner sagt nicht nur, dass die Ausgaben steigen oder fallen; das Unternehmen ordnet die Ausgaben Kategorien zu, die Unternehmen selbst bei der Planung verwenden.

Geräte, Rechenzentrumssysteme, Software, IT-Dienste, Kommunikationsdienste, KI-optimierte Server, Infrastructure as a Service, Anwendungssoftware, Halbleiter und KI-Dienste sind keine neutralen Behälter. Sie werden zu einer gemeinsamen Karte für den Markt.

Die Karte hat Konsequenzen. Ein Anbieter, der im Rechenzentrumsausbau tätig ist, möchte wissen, ob sich das Wachstum auf KI-Server-Racks, Speicher, Arbeitsspeicher, Netzwerke, Stromversorgungssysteme oder Einrichtungen konzentriert. Ein Dienstleistungsunternehmen möchte wissen, ob die Käufer für Transformationsarbeit bezahlen werden oder erwarten, dass Automatisierungseinsparungen den Vertragswert senken. Ein CIO möchte wissen, ob die Softwarekostensteigerungen von neuen Funktionen, der Preissetzungsmacht der Anbieter oder den versteckten Kosten von KI-Funktionen herrühren.

Ein Investor möchte wissen, ob der Ausgabenzyklus breit angelegt ist oder sich auf eine kleine Anzahl von Infrastruktur-Engpässen konzentriert. Lovelocks öffentliche Rolle besteht darin, Gartners Karte in eine Sprache zu übersetzen, die jedes dieser Publika wiederverwenden kann.

Diese Wiederverwendung ist es, die einen Prognostiker organisatorisch folgenreich macht. Ein Unternehmen muss nicht jede Gartner-Zahl akzeptieren, damit die Prognose die Planung beeinflusst. Es muss nur Gartners Kategorien als Referenzpunkt behandeln. Sobald eine Vorstandspräsentation dieselben Kategorien verwendet, sobald eine Anbieterpräsentation seinen adressierbaren Markt mit Gartners Ausgabenlinie vergleicht, sobald eine Medienstory eine Prognoserevision zu einer Marktschlagzeile macht, ist die Prognose in die Betriebssprache des Sektors eingetreten.

Revision als Disziplin

Der aufschlussreichste Teil von Lovelocks öffentlichem Auftreten ist keine einzelne Zahl. Es ist das Muster der Revision. Im Juli 2024 prognostizierte Gartner weltweite IT-Ausgaben von rund 5,26 Billionen US-Dollar für 2024, ein Plus von 7,5 Prozent. Dieselbe Veröffentlichung hob Rechenzentrumssysteme als am schnellsten wachsende Kategorie hervor, mit einem erwarteten Ausgabenanstieg von über 24 Prozent. Lovelocks Interpretation konzentrierte sich bereits auf generative KI als Kosten- und Kapazitätsproblem, nicht einfach als Produktivitätsgeschichte.

Die öffentliche Botschaft war, dass KI die Recheninfrastruktur und Softwareökonomie unter Druck setzte, bevor viele Unternehmen groß angelegte Erträge nachweisen konnten.

Bis Juli 2025 bezifferte die Sekundärberichterstattung über Gartners Prognose die weltweiten IT-Ausgaben für das Jahr auf etwa 5,43 Billionen US-Dollar. Die Sprache verlagerte sich in Richtung Unsicherheit. TechRadar berichtete über Gartners Ansicht, dass es eine Pause bei den Netto-Neuausgaben aufgrund globaler Unsicherheit gebe, dass KI und generative KI-Initiativen diese Pause jedoch immer noch überwögen. Diese Unterscheidung ist zentral für das Lovelock-Muster. Ein schwächerer Prognostiker hätte den Markt entweder auf „KI-Boom“ oder „Käufer sind vorsichtig“ reduzieren können.

Gartners öffentliche Geschichte hielt beide Aussagen gleichzeitig fest: Vorsicht bei einigen Unternehmensentscheidungen, Beschleunigung bei KI-bezogener Infrastruktur und Software.

Im September 2025 gab Gartners KI-spezifische Prognose dem Zyklus einen viel größeren Rahmen. Das Unternehmen gab an, dass die weltweiten KI-Ausgaben im Jahr 2025 fast 1,5 Billionen US-Dollar und im Jahr 2026 mehr als 2 Billionen US-Dollar betragen würden. Lovelocks öffentliche Erklärung verwies auf Hyperscaler-Rechenzentren, KI-optimierte Hardware, GPUs, chinesische Unternehmen, neue KI-Cloud-Anbieter und Risikokapitalunterstützung. Das ist eine komplexere Kausalkette als eine einfache Adoptionskurve für Unternehmen.

Sie besagt, dass der KI-Markt sogar dann boomen kann, wenn viele Endnutzer noch experimentieren, weil Infrastrukturlieferanten und Plattformunternehmen der gemessenen Produktivität vorauseilen.

Im Oktober 2025 prognostizierte Gartner, dass die weltweiten IT-Ausgaben im Jahr 2026 erstmals die Marke von 6 Billionen US-Dollar überschreiten und etwa 6,08 Billionen US-Dollar erreichen würden. Die offizielle Tabelle zeigte, dass die Rechenzentrumssysteme wieder stark wuchsen, die Software sich weiter ausdehnte und die IT-Dienste außerhalb der Kommunikationsdienste den größten Einzelposten blieben. Lovelocks öffentliche Kommentare trennten erneut die Kategorietreiber. Geräte wurden durch Mobiltelefone und KI-Geräte begünstigt. Rechenzentrumssysteme waren durch das Angebot an KI-optimierten Serverracks eingeschränkt.

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

Dann gingen die Revisionen weiter. 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 Prozent, Softwarewachstum von über 15 Prozent, einem Wachstum der generativen KI-Ausgaben von über 80 Prozent und einem durch Speicherpreisdruck verlangsamten Gerätewachstum.

Im April 2026 berichteten Cinco Dias und The Economic Times über eine weitere Gartner-Prognose von etwa 6,31 Billionen US-Dollar für die weltweiten IT-Ausgaben im Jahr 2026, wobei KI-Infrastruktur und Rechenzentrumssysteme einen Großteil der Last trugen. Cinco Dias meldete ein Wachstum der Rechenzentrumssysteme um 55,8 Prozent auf fast 788 Milliarden US-Dollar.

Auf eine Weise betrachtet, ist die wiederholte Revision eine Warnung vor Unsicherheit. Gartners Zahlen änderten sich, als sich der Markt änderte. Auf andere Weise betrachtet, ist es das Produkt selbst. Eine Prognose, die sich in einem schnelllebigen KI-Zyklus nicht revidiert, wäre verdächtiger als eine, die es tut. Die Disziplin besteht nicht darin, die erste Zahl zu bewahren, sondern zu erklären, warum sich die Zahl bewegt hat.

Lovelocks Wert für Gartners Publikum liegt teilweise in dieser Erklärung: dem Unterschied zwischen einem Markt, der aufgrund breiter Einführung von Unternehmenssoftware wächst, einem Markt, der wegen höherer Speicherpreise wächst, und einem Markt, der wächst, weil Hyperscaler KI-optimierte Rechenleistung kaufen, bevor der nachgelagerte Umsatz vollständig sichtbar ist.

Das KI-Infrastrukturproblem

Der KI-Zyklus hat Lovelocks Rolle wichtiger gemacht, weil er die IT-Ausgaben schwerer lesbar gemacht hat. In älteren Technologiezyklen für Unternehmen konnte eine Ausgabenprognose oft in vertrauten Nachfragekategorien interpretiert werden: Hardware-Auffrischung, Cloud-Migration, Ausweitung von Softwarelizenzen, Outsourcing, Telekommunikationskonnektivität oder Compliance. Generative KI hat diese Struktur durcheinandergebracht. Ein von einem Hyperscaler gekaufter GPU-Server kann KI-Modelltraining, Unternehmensinferenz, Verbraucherfunktionen oder Kapazität unterstützen, die für einen Zeitraum ungenutzt bleibt.

Die Softwareausgaben können steigen, weil ein Anbieter KI-Funktionen in eine Suite integriert und mehr verlangt, selbst wenn der Käufer noch keinen entsprechenden Produktivitätsgewinn gesehen hat. Die Dienstleistungsausgaben können sich in widersprüchliche Richtungen bewegen: mehr Beratung zur Datenaufbereitung und Neugestaltung von Prozessen, aber Druck, den Wert von Managed-Services-Verträgen zu senken, da Automatisierung erwartet wird.

Deshalb ist die wiederholte Betonung von Rechenzentren wichtig. Gartners Prognose von 2024 markierte Rechenzentrumssysteme bereits als die Kategorie mit hohem Wachstum. Bis 2025 und 2026 hatte sich die Geschichte von gewöhnlichem Cloud-Wachstum hin zur KI-Infrastrukturökonomie verschoben. Gartners KI-Ausgabenprognose trennte KI-optimierte Server von anderen KI-Kategorien. Die Sekundärberichterstattung im Jahr 2026 berichtete dann über den Druck durch fortschrittlichen Speicher, Hochleistungsrechnen, Servernachfrage und Hyperscaler-Ausbauten.

Lovelocks öffentliche Kommentare ordneten den Infrastrukturboom in eine breitere Kette ein: Cloud-Anbieter, die KI-Kapazitäten aufbauen, Hardware-Anbieter, die sofortige Einnahmen erzielen, Softwareunternehmen, die lernen, KI-Funktionen zu bepreisen, und Dienstleistungsunternehmen, die mit der Möglichkeit konfrontiert sind, dass Kunden Einsparungen durch KI-gestützte Lieferung verlangen.

Das Ergebnis ist ein Markt mit mehreren Geschwindigkeiten. Rechenzentrumssysteme können mit außergewöhnlichen Raten wachsen, während traditionelle Kategorien langsamer wachsen. KI-Software kann die Vertragswerte steigern, während die Dienstleistungsmargen schrumpfen. Geräte können von KI-PC- und Smartphone-Narrativen profitieren, während Speicherpreise die Erneuerungszyklen stören. Die Cloud-Infrastruktur kann expandieren, während Unternehmenskäufer vorsichtig bleiben, welche KI-Projekte eine skalierte Bereitstellung verdienen. Wenn ein Vorstand nur die Gesamtausgabenzahl sieht, übersieht er die Verteilung des Risikos.

Lovelocks Prognosesprache ist für diese Verteilung gemacht. Sie besagt, dass die KI-Infrastrukturnachfrage real sein kann, selbst wenn die KI-Rendite unsicher bleibt. Sie besagt, dass die Softwareeinnahmen steigen können, weil KI die Kostenbasis von Anwendungen erhöht, und nicht nur, weil die Nutzer produktiver werden. Sie besagt, dass Dienstleistungsunternehmen von der Projektnachfrage profitieren können, während sie gleichzeitig an Preissetzungsmacht verlieren, wenn Kunden fragen, wo die versprochenen Automatisierungseinsparungen geblieben sind.

Sie besagt, dass der Rechenzentrumsboom durch Serverracks, Speicher, Strom und Hyperscaler-Timing begrenzt wird und nicht einfach durch die Anzahl der KI-Bereitstellungen in Unternehmen.

Diese Unterscheidung ist auch der Punkt, an dem der Artikel nicht in eine Heldenlegende abgleiten sollte. Lovelock hat den KI-Infrastrukturboom nicht geschaffen. Nvidia, Hyperscaler, Chiphersteller, Cloud-Plattformen, Unternehmenssoftwareunternehmen, Investoren, Energieversorger und Regierungen sitzen alle näher an den Kapitalentscheidungen. Seine Rolle liegt stromabwärts vieler dieser Entscheidungen und stromaufwärts vieler Planungsgespräche darüber. Er empfängt Signale vom Markt, Gartners Apparat organisiert sie, und er gibt sie in einer Form an den Markt zurück, die zitiert, hinterfragt, budgetiert oder in Strategie umgesetzt werden kann.

Diese Zwischenposition 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 die Unsicherheit selbst das Verhalten ändert, wird die Person, die der Unsicherheit eine wiederholte Struktur gibt, Teil der Planungsumgebung.

Die Trennung von Software und Dienstleistungen

Eines von Lovelocks nützlicheren öffentlichen Signalen ist die Trennung zwischen Software und Dienstleistungen. Der KI-Zyklus neigt dazu, sie zu verwischen. Anbieter verkaufen KI als Softwarefunktion, Berater verkaufen KI als Transformationsarbeit, Cloud-Anbieter verkaufen KI als Rechenkapazität, und Käufer erleben oft alle drei als ein Budgetproblem. Gartners Prognosekategorien erzwingen eine Unterscheidung.

Im Prognosezyklus 2024 beschrieb Lovelock generative KI als eine Kraft, die die Softwarekosten erhöhen würde. Die praktische Bedeutung ist drastisch: Softwareunternehmen müssen vielleicht nicht warten, bis jeder Kunde ein erfolgreiches KI-Projekt durchführt, bevor sie die Preise erhöhen oder Funktionen neu verpacken. Wenn KI-Funktionalität Teil des Lizenzpakets wird, kann die Ausgabenlinie steigen, selbst während die Produktivitätsbeweise uneinheitlich bleiben. Das ist für Käufer nicht unbedingt schlecht, 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-Services-Anbieter davon profitieren könnten, dass Routinearbeit in Richtung KI-Initiativen verlagert wird, während Dienstleistungsunternehmen Margendruck ausgesetzt seien, weil Kunden erwarten würden, dass sich KI-gesteuerte Effizienz in den Vertragspreisen widerspiegelt. Das ist eine wichtige Asymmetrie. Softwareanbieter können KI manchmal monetarisieren, indem sie sie in Produkte einbetten und reichhaltigere Verträge durchsetzen. Dienstleistungsanbieter verkaufen oft Arbeit, Prozesswissen und Lieferzuverlässigkeit.

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

Für Vorstände und Führungskräfte ist diese Trennung wichtig, weil sie ändert, welche Unternehmen Preissetzungsmacht erlangen. Ein Softwareanbieter mit einer dominanten installierten Basis kann KI als Hebel für Vertragsverlängerungen nutzen. Ein Systemintegrator muss möglicherweise beweisen, dass er KI-Transformation liefern kann, ohne zu viel des Produktivitätsgewinns abzugeben. Ein Cloud-Anbieter kann die KI-Nachfrage in Infrastruktureinnahmen umwandeln, wenn er Kapazität hat.

Ein Gerätehersteller kann von einem KI-Auffrischungsnarrativ profitieren, ist aber weiterhin der Verbrauchernachfrage, den Speicherpreisen und Erneuerungszyklen ausgesetzt. Ein Managed-Services-Unternehmen mag neue Projekte sehen, aber schwächere Margen.

Lovelocks Arbeit macht diese Unterschiede in der Ausgabenprognose sichtbar. Die öffentlichen Gartner-Zahlen sagen nicht einfach, dass KI groß ist. Sie fragen, welcher Ausgabentopf steigt, warum und wie lange. Das ist der Grund, warum seine Rolle in ein Marktintelligenzprofil gehört und nicht in eine generische Analystenbiografie. Die Frage ist nicht, ob er optimistisch oder skeptisch gegenüber KI ist. Die Frage ist, ob seine Kategoriensprache den Lesern hilft, eine Art von KI-Ausgaben von einer anderen zu unterscheiden.

Hier ist eine Vorsicht angebracht. Da Gartner ein kommerzielles Beratungsunternehmen ist, unterstützen seine Kategorien und öffentlichen Narrative auch Gartners eigene Relevanz. Ein sich schnell bewegender KI-Markt schafft Nachfrage nach Prognosen, Beratungsgesprächen, Konferenzen, Anbieterbriefings und Forschungsabonnements. Gartners Autorität ist daher sowohl ein Input für den Markt als auch ein Geschäftswert. Das entkräftet die Arbeit nicht, aber es gibt den Lesern einen Grund zu fragen, wie die Methodik mit widersprüchlichen Beweisen umgeht, wie schnell Revisionen erfolgen und wie die Prognosesicherheit kommuniziert wird.

Der stärkste öffentliche Nachweis für Lovelock ist, dass er den KI-Zyklus nicht als reibungslos darstellt. Seine Kommentare weisen auf Pausen, Einschränkungen, Speicherpreise, Softwarekosteninflation, Infrastrukturengpässe und Druck auf die Dienstleistungsmargen hin. In einem Markt, der mit werblichen KI-Behauptungen überfüllt ist, ist diese Art qualifizierter Prognose nützlicher als Enthusiasmus. Sie garantiert keine Genauigkeit. Sie gibt dem Publikum eine Reihe von Druckpunkten zur Überwachung.

Einfluss ohne Kausalität

Die schwierigste Aufgabe bei der Beurteilung von Lovelock ist die Unterscheidung von Einfluss und Kausalität. Eine Gartner-Prognose kann in Medienschlagzeilen, Anbieterdecks, Vorstandsunterlagen und Investorennotizen erscheinen. Das bedeutet nicht, dass die Prognose die darin beschriebenen Ausgaben verursacht hat. In den meisten Fällen verläuft die Kausalität umgekehrt: Anbieter melden Umsätze, Käufer offenbaren Budgetverhalten, Hyperscaler legen Kapitalpläne offen oder signalisieren sie, Lieferketten legen Engpässe offen, und Gartners Modell macht aus diesen Inputs eine Prognose.

Aber Einfluss kann auch ohne primäre Verursachung 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 korrigiert, wird die Ausgaben vielleicht nicht erhöhen, weil Gartner es sagt, aber die Prognose kann die Fragen beeinflussen, die dem CIO vom Vorstand gestellt werden. Warum unterscheidet sich unsere Rechenzentrumsstrategie vom Markt? Investieren wir zu wenig in KI-Kapazitäten? Stehen die Softwareanbieter kurz davor, KI-bedingte Verlängerungserhöhungen durchzusetzen?

Geben die Dienstleistungspartner Automatisierungseinsparungen weiter? Sind wir Speicher- oder Serverrack-Lieferengpässen ausgesetzt?

Anbieter verwenden Prognosen anders. Ein Softwareunternehmen kann eine Gartner-Ausgabenlinie nutzen, um die Produktpositionierung zu rechtfertigen. Ein Hardwarelieferant kann auf das Wachstum der Rechenzentrumssysteme verweisen, um Kapazitätsinvestitionen zu verteidigen. Ein Dienstleistungsunternehmen kann die KI-Adoptionsgeschichte nutzen, um Transformation zu verkaufen, muss aber möglicherweise auch erklären, warum KI nicht einfach die Lieferkosten senkt. Cloud-Anbieter können das Infrastrukturwachstumsnarrativ nutzen, um Kapazitätsausgaben als disziplinierte Positionierung und nicht als spekulativen Überbau erscheinen zu lassen.

Investoren verwenden dasselbe Material, um zu testen, ob das Umsatzwachstum konzentriert, breit, dauerhaft oder zirkulär ist.

Das ist die Operationsfläche, auf der Lovelock eine Rolle spielt. Er hilft, die Fragen zu definieren. In einem komplexen Markt kann die Definition der Fragen fast genauso wichtig sein wie ihre Beantwortung. Wenn die gemeinsame Frage lautet: „Wie hoch sind die KI-Ausgaben?“, dann stützt fast jede große Zahl das Boom-Narrativ. Wenn die gemeinsame Frage lautet: „Welche KI-Ausgabenkategorie wächst und welche Einschränkung treibt sie an?“, dann können Vorstände und Investoren schärfere Nachfragen stellen. Handelt es sich um Nachfrage von Endnutzern oder von Anbietern, die Kapazitäten aufbauen? Sind die Einnahmen wiederkehrend oder einmalig?

Treibt der Preis das Wachstum stärker als die Menge? Hängt die Kategorie von einer kleinen Anzahl von Hyperscale-Käufern ab? Impliziert die Ausgabenlinie zukünftige Produktivität oder nur zukünftige Abschreibungen?

Die öffentlichen Aufzeichnungen zeigen, dass Lovelock die Prognose wiederholt in Richtung dieser schärferen Fragen lenkt. Im Jahr 2025 war das Thema nicht nur Wachstum, sondern auch Unsicherheit. Ende 2025 war das Thema nicht nur das Überschreiten der 6-Billionen-Dollar-Marke, sondern auch die Angebots- und Kategoriestruktur dahinter. Im Jahr 2026 betonten die Aufwärtskorrekturen KI-Infrastruktur, Rechenzentren, Speicher und Software, anstatt so zu tun, als würden alle Technologieausgaben mit derselben Geschwindigkeit steigen.

Diese Disziplin ist gerade deshalb nützlich, weil Gartners Autorität missbraucht werden kann. Eine Schlagzeilenzahl kann Nuancen einebnen. Ein Anbieter kann den Teil der Prognose zitieren, der seiner Vertriebsstory hilft, und die Einschränkungen ignorieren. Ein Vorstand kann die Wachstumsrate als Druckmittel einsetzen, ohne den Kategorienmix zu verstehen. Lovelocks bessere öffentliche Kommentare geben den Lesern eine Verteidigung gegen diesen Missbrauch: Lies das Ganze, dann die Treiber.

Die Einschränkungen der Aufzeichnungen

Die Beweise lassen auch Lücken. Die öffentlichen Aufzeichnungen zeigen nicht Lovelocks vollständige Karrierehistorie, sein genaues Eintrittsdatum, seine interne Berichtslinie oder die genaue Verteilung der Arbeit zwischen ihm und den breiteren Forschungsteams von Gartner. Gartners Methodikoffenlegung ist hilfreich, aber unvollständig. Sie sagt den Lesern, dass Anbieterabsatzanalysen, Primärforschung und sekundäre Beweise verwendet werden.

Sie zeigt nicht das detaillierte Modell, die Konfidenzbänder, die Gewichtung aktueller Daten oder wie das Unternehmen mit Verzerrungen durch Anbieter umgeht, die ein kommerzielles Interesse an einer größeren Marktschätzung haben.

Diese Lücken sollten die Bewertung prägen. Lovelock sollte nicht als alleiniger Architekt von Gartners IT-Ausgabenprognose beschrieben werden. Er ist besser als führender öffentlicher Interpret und Bediener eines größeren institutionellen Prozesses zu verstehen. Dieser Prozess ist kommerziell, proprietär und hochgradig sichtbar. Er ist auch durch die gleiche Schwierigkeit begrenzt, der sich jeder Technologieprognostiker gegenübersieht: Märkte ändern sich schneller, als öffentliche Beweise sich setzen können.

KI macht diese Schwierigkeit akut. Ein Rechenzentrum kann finanziert werden, bevor die Endnutzer-Anwendungen erprobt sind. Ein Softwareunternehmen kann für KI Gebühren erheben, bevor die Kunden wissen, welche Funktionen sie behalten werden. Ein Dienstleistungsunternehmen kann KI-gestützte Effizienz versprechen, bevor sich die Liefermethoden stabilisiert haben. Ein Cloud-Anbieter kann Kapazitäten aufbauen, weil die Wettbewerber Kapazitäten aufbauen. Ein Halbleiterlieferant kann echte Umsätze melden, während die nachgelagerte Kundenökonomie ungeklärt bleibt.

Das sind keine Widersprüche; es sind verschiedene Teile des Kapitalzyklus, die mit unterschiedlichen Uhren laufen.

Die Associated Press hat einen Teil dieser Spannung Ende 2025 eingefangen, als sie berichtete, dass Investoren immer noch fragten, ob der KI-Boom seine Gewinn- und Produktivitätsversprechen einhalten würde, selbst als Unternehmen, die mit dem Infrastrukturausbau verbunden sind, starke Ergebnisse erzielten. Kiplinger warf eine verwandte Nachhaltigkeitsfrage auf, indem es Gartners IT-Ausgabenausblick für 2026 neben die Besorgnis über zirkuläre Ausgabenmuster und die ungewöhnliche Stärke der KI-bezogenen Nachfrage stellte.

Die Berichterstattung von ITPro Anfang 2026 fügte das Problem der Kapitalrendite hinzu: Enthusiasmus und Ausgaben blieben hoch, obwohl viele Organisationen noch versuchten, skalierbaren Wert nachzuweisen.

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

Hier ist die Sprache von Gartners Hype Cycle relevant. Gartners eigene Methodik beschreibt die Technologieadoption als einen Weg durch übersteigerte Erwartungen, Ernüchterung und schließlich produktive Nutzung für Technologien, die überleben. Der Hype Cycle ist nicht Lovelocks persönliche Erfindung und sollte nicht auf jede Prognose gezwungen werden. Aber er veranschaulicht Gartners institutionelle Gewohnheit: Unsicherheit lesbar zu machen, indem man Phasen, Risiken und Timing-Entscheidungen benennt. Lovelocks IT-Ausgabenarbeit wendet eine ähnliche Gewohnheit auf Budgets an. Die Frage ist nicht einfach, ob KI früh oder spät dran ist.

Es geht darum, welche Budgetlinie die Kosten bereits absorbiert.

Kanada, globale Märkte und die Person hinter einem grenzenlosen Signal

Die zugewiesene Region für Lovelock ist Kanada / Global, und dieser Ausdruck erfasst die seltsame Geografie seiner öffentlichen Rolle. Die Prognosen, die er interpretiert, sind global. Die Kategorien überschreiten Grenzen. Hyperscaler-Investitionsausgaben, Halbleiterversorgung, Speicherpreise, Softwareverträge, Managed-Services-Margen und Cloud-Kapazität respektieren keinen einzelnen nationalen Markt. Doch die Person, die mit der Prognose verbunden ist, muss nicht im Zentrum jeder Kapitalentscheidung sitzen, um zu beeinflussen, wie diese Entscheidungen gelesen werden.

Das ist wichtig für eine Publikation, die sich mit Infrastruktur und Marktmacht befasst. Die sichtbarsten Technologieführer sitzen oft in Unternehmen, die Vermögenswerte besitzen: Cloud-Regionen, Glasfasernetze, Rechenzentren, Modellplattformen, Software-Suiten, Halbleiter-Lieferketten. Lovelocks Position ist anders. Er sitzt in einer Beratungsinstitution, die gemeinsame Interpretation schafft. Diese Art von Macht ist leichter zu übersehen, weil sie wie Forschung aussieht und nicht wie Eigentum. Aber Forschung kann dennoch zur Infrastruktur werden, wenn genügend Marktteilnehmer ihre Entscheidungen darauf aufbauen.

Der globale Charakter der Prognose macht sie auch für kleinere und regionale Märkte nützlich. Ein nationaler Cloud-Anbieter, ein regionaler Systemintegrator, ein Telekommunikationsbetreiber, ein öffentlicher Auftraggeber oder ein lokaler Rechenzentrumsentwickler kann möglicherweise nicht den gesamten KI-Ausgabenzyklus direkt beobachten. Gartners Zahlen geben diesen Akteuren einen externen Benchmark. Sie können entscheiden, ob ihr eigener Markt zurückbleibt, überhitzt oder sich aufgrund von Regulierung, Währung, Energie, Beschaffungsregeln oder Kundenzusammensetzung anders bewegt.

Lovelocks öffentliche Kommentare zu Indien im Jahr 2026 zeigen diese Übersetzung in Aktion. Dieselbe globale Prognose kann durch Dienstleistungsmargen, lokale Rechenzentrumsstrategie, Exportchancen und Kundennachfrage nach KI-gestützter Effizienz gelesen werden.

Das ist eine praktische Form von Einfluss. Sie erfordert keine persönliche Ausstrahlung oder Führungsautorität. Sie hängt von Wiederholung, Kategoriendisziplin und institutionellem Vertrauen ab. Jeder Prognosezyklus gibt Lovelock und Gartner eine weitere Chance, die gemeinsame Karte anzupassen. Wenn sich die Karte als nützlich erweist, wird sie Teil der Planungsmöbel des Marktes. Wenn sie sich als falsch erweist, kann sie dennoch Entscheidungen formen, bis der Fehler sichtbar wird.

Was er aufgebaut hat und was nicht

Der Sofia-Ren-Standard für ein Profil wie dieses fragt danach, was die Person aufgebaut, geerbt, genehmigt, finanziert, geschlossen, verkauft, reorganisiert, delegiert oder ungelöst gelassen hat. Für Lovelock ist die Antwort keine Fabrik oder Produktlinie. Die öffentlichen Beweise zeigen, dass er innerhalb von Gartners Forschungsplattform geerbt hat und arbeitet und dass er hilft, ein wiederkehrendes Prognoseprodukt zu weltweiten IT-Ausgaben und KI-bezogener Nachfrage aufzubauen. Die beobachtbare Ausgabe ist keine private Unternehmensentscheidung; es ist eine Abfolge von Prognoseveröffentlichungen, Kategorienarrativen und Markterklärungen.

Er hat in der Öffentlichkeit eine konsistente interpretative Haltung aufgebaut. KI-Ausgaben sollten durch Infrastruktur, Software, Geräte, Cloud und Dienstleistungen gelesen werden und nicht durch eine einzige Adoptionsgeschichte. Generative KI kann die Softwarekosten erhöhen, bevor sie Produktivität beweist. Rechenzentrumsausgaben können boomen, weil Anbieter vor der Nachfrage bauen. Managed Services können Chancen sehen und gleichzeitig Preisdruck ausgesetzt sein. Die Unsicherheit der Käufer kann einige Projekte verlangsamen, während die KI-Investitionen dennoch expandieren.

Eine Prognose kann nach oben korrigiert werden, ohne zur Jubelübung zu werden, wenn die Treiber klar benannt werden.

Er hat den KI-Boom nicht aufgebaut. Er hat die Investitionsausgaben der Hyperscaler nicht genehmigt. Er hat Nvidias Produkt-Roadmap, die KI-Budgets der Unternehmen, die Preise der Softwareanbieter, die Stromnetzanschlusswarteschlangen oder die Rechenzentrumspolitik der Regierungen nicht entschieden. Er kontrolliert nicht, ob die KI-Ausgaben letztlich ausreichende Renditen erzielen. Diese Grenzen sind wichtig, weil die öffentliche Versuchung besteht, sichtbare Interpreten als verborgene Entscheidungsträger zu behandeln.

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

Er hat auch wichtige Fragen ungelöst gelassen, zumindest öffentlich. Gartner veröffentlicht nicht genügend Modelldetails, damit Außenstehende den Prognoseprozess vollständig prüfen können. Die öffentliche Berichterstattung zeigt nicht, wie Gartner die Preisinflation vom Volumenwachstum in jeder Kategorie trennt, wie es mit dem Optimismus der Anbieter umgeht oder wie es die Prognosegenauigkeit über mehrere Zyklen hinweg kalibriert. Die Aufwärtskorrektur vom April 2026, über die in der Sekundärberichterstattung berichtet wurde, erfordert einen fortlaufenden Vergleich mit offiziellen Gartner-Materialien und späteren Ergebnissen.

Die langfristige Produktivitätsrendite der KI-Infrastruktur bleibt eine offene Frage. Das Gleiche gilt für die Verteilung der Gewinne zwischen Cloud-Plattformen, Softwareanbietern, Hardwarelieferanten, Dienstleistungsunternehmen und Unternehmenskunden.

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

Was als Nächstes zu beobachten ist

Die nächste Bewertung von Lovelocks Einfluss sollte nicht fragen, ob er im einfachen Punktschätzsinne „richtig“ lag. Sie sollte fragen, wie die Prognose mit Belastungen umgegangen ist. Mehrere Belastungspunkte sind bereits sichtbar.

Erstens, Rechenzentrumssysteme. Wenn die Ausgaben 2026 so stark bleiben, wie die Berichterstattung vom April 2026 nahelegte, wird die Frage sein, ob die Nachfrage in produktive Cloud- und KI-Dienste absorbiert wird oder ob Überbau in Auslastung, Preisgestaltung oder verzögerten Projekten sichtbar wird. Ein starker Prognostiker wird die von Anbietern gebuchten Ausgaben vom von den Kunden realisierten Wert unterscheiden.

Zweitens, Software. Wenn die Anbieter weiterhin KI in Unternehmensanwendungen einbetten, könnten die Softwareausgaben sogar dort steigen, wo die Kunden ungleiche Renditen sehen. Die praktische Frage ist, ob KI zu einem dauerhaften Hebel für Vertragsverlängerungen oder zu einer umstrittenen Preiserhöhung wird. Lovelocks frühere Aussagen zur Auswirkung von KI auf die Softwarekosten geben den Lesern den richtigen Überwachungsrahmen.

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

Viertens, Geräte und Speicher. KI-PCs und KI-fähige Telefone können ein Erneuerungsnarrativ schaffen, aber die Komponentenpreise und die Nutzernachfrage bestimmen, ob das Narrativ zu Volumen wird. Gartners Kommentar von 2026 zum Speicherpreisdruck erinnert daran, dass das KI-Kategoriewachstum durch gewöhnliche Lieferkettenökonomie verlangsamt werden kann.

Fünftens, Abhängigkeit von Cloud-Diensten. Wenn sich KI-Workloads in Hyperscaler-Umgebungen konzentrieren, könnten die Käufer abhängiger von Cloud- und Managed-Anwendungsbereitstellungsanbietern werden. Die Prognoselinie kann Ausgabenwachstum zeigen, aber das strategische Problem ist die Kontrolle: Wem gehört die Kapazität, wer zahlt für ungenutzte Skalierung, und wer hat Verhandlungsmacht, wenn KI-Funktionen in die Kernsoftware eingebettet werden.

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

Die Bewertung

John-David Lovelocks öffentliche Bilanz ist eine Fallstudie über institutionellen Einfluss ohne direkte operative Kontrolle. Er ist kein bekannter Technologievorstand. Er ist nicht der Gründer einer KI-Plattform oder der Besitzer eines Rechenzentrumsgeländes. Seine Arbeit ist folgenreich, weil Gartners Prognoseapparat zwischen Beweisen und Planung sitzt. Er sammelt Marktsignale, organisiert sie in Kategorien, revidiert sie, wenn sich die Bedingungen ändern, und gibt sie mit genügend Autorität an den Markt zurück, um wiederverwendet zu werden.

Das macht ihn zu einem Prognosebetreiber. Der Ausdruck ist bewusst bescheiden. Er tut nicht so, als würde er allein Gartners Modell erstellen oder den Markt beherrschen. 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 Einschränkungen 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 Halbleiternachfrage, Serverracks, Rechenzentrumsstrom, Cloud-Kapazität, Unternehmenssoftwarelizenzen, Beratungsarbeit, Managed Services, Geräte und Produktivitätsansprüche abdeckt.

Der stärkste Beweis für Lovelocks Einfluss ist die Konsistenz seiner öffentlichen Kategorienarbeit. Von der Rechenzentrumsbeschleunigung 2024 über die Unsicherheit 2025 bis zu den Aufwärtskorrekturen 2026 lautet die Botschaft nicht nur, dass die Technologieausgaben steigen. Es ist, dass KI-Infrastruktur und KI-gestützte Software die Zusammensetzung der Ausgaben verändert haben, bevor der vollständige Produktivitätsnachweis erbracht ist. Das ist genau die Art von Unterscheidung, die Vorstände und Anbieter brauchen.

Sie hindert sie daran, jeden KI-Dollar als Beweis für die Adoption zu behandeln, und sie hindert sie daran, echte Infrastrukturnachfrage abzutun, nur weil einige Unternehmensprojekte enttäuschen.

Die Hauptwarnung ist die Undurchsichtigkeit. Gartners detailliertes Modell ist proprietär. Die Öffentlichkeit kann die Umwandlung von Anbieterabsatzanalysen, Primärforschung, Sekundärmaterial und Urteilsvermögen in eine Prognosetabelle nicht vollständig einsehen. Gartners eigenes kommerzielles Interesse an beratender Relevanz bedeutet auch, dass die Leser seine Prognosen nicht passiv konsumieren sollten. Die richtige Verwendung von Lovelocks Arbeit ist nicht Gehorsam.

Es ist disziplinierter Vergleich: Vergleichen Sie den Kategorienmix mit Unternehmensangaben, Lieferkettendaten, Kundenbudgets, Strom- und Rechenzentrumsbeschränkungen, dem Verhalten bei Softwareverlängerungen und Beweisen für realisierte Produktivität.

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