Der KI-Geldkreislauf von 800 Mrd. $ und wie du Umsatzqualität beurteilst

Jeder Anfänger liest eine GuV von oben nach unten: große Umsatzzahl, muss ein großes gesundes Geschäft sein. Ein Berater liest sie seitlich. Die Frage lautet nicht „Wie viel Umsatz?“, sondern „Was für ein Umsatz ist das, und wird er nächstes Jahr noch da sein?“ Zwei Unternehmen können beide $10 Milliarden Umsatz melden und wildes Unterschiedliches wert sein, weil das eine ihn von tausenden unabhängigen Kunden verdient, die Marktpreis zahlen, und das andere den größten Teil von einem einzigen Partner, den es zufällig finanziert.

Stell dir einen Limonadenstand vor. Du gibst deinem Cousin $5, er kauft für $5 Limonade von dir, und du verbuchst $5 Umsatz. Deine Gewinn- und Verlustrechnung sieht lebendig aus. Aber es ist kein neuer Wohlstand ins System gekommen. Du hast deinen eigenen Verkauf finanziert. Skaliere das von $5 auf $80 Milliarden und füge drei Zwischenstationen hinzu, damit der Kreislauf schwerer zu sehen ist, und du hast die strukturelle Sorge, die heute über der KI-Infrastruktur hängt.

Das ist die ganze Fähigkeit in einem Satz: Verfolge das Geld bis zu seinem Ursprung und frage, ob die Zahlungsfähigkeit des Käufers vom Verkäufer abhängt. Tut sie es, ist der Umsatz von geringerer Qualität, als die Schlagzeile vermuten lässt.

Wenn dir ein Interviewer ein Unternehmen mit explosivem, konzentriertem Wachstum reicht, assoziiere nicht frei. Führe eine saubere MECE-Diagnose mit drei Ästen durch.

Herkunft des Geldes. Woher hatte der Käufer das Geld zum Bezahlen? Wenn ein unabhängiger Dritter den Kauf aus eigenem operativem Cash finanziert hat, ist der Umsatz von hoher Qualität. Wenn der Verkäufer oder eine Einheit, in die der Verkäufer investiert hat, das Kapital geliefert hat, hast du Umsatz mit nahestehenden Parteien, und du schlägst einen Abschlag darauf. Nvidia, das Eigenkapital in OpenAI steckt, während OpenAIs Ausgaben zurück zu Nvidia-Silizium fließen, ist die Lehrbuchversion.

Fremdvergleichstest. Würde diese Transaktion zu diesem Preis und in diesem Volumen zwischen zwei Fremden stattfinden? Lieferantenfinanzierung, Eigenkapital-gegen-Zusage-Tausche und „strategische Partnerschaften“ fallen alle in gewissem Maß durch diesen Test. Je weiter ein Geschäft von einem normalen Kunden entfernt ist, der einen normalen Preis zahlt, desto stärker kürzt du die gemeldete Zahl.

Was den Kreislauf bricht. Zirkuläre Strukturen haben einzelne Ausfallpunkte. Kartiere die Kette und frage, welches Glied, wenn es reißt, die Musik stoppt. Entscheidet Nvidia, OpenAI sei zu riskant, um es weiter zu finanzieren, kann OpenAI Oracle nicht bezahlen, und Oracle verlangsamt seine Chipbestellungen. Eine Entscheidung, drei beeinträchtigte Umsatzlinien. Diese Fragilität laut zu benennen, lässt einen Interviewer aufhorchen.

Hier gehen Kandidaten falsch: Sie hören bei „Der Umsatz wirkt zirkulär“ auf und fühlen sich klug. Der lehrreiche Zug ist, in jedem Ast eine Ebene tiefer zu gehen. Beziffere es. Wenn 40% des Wachstums eines Chipherstellers auf Kunden zurückgehen, die er finanziert hat, dann sind 40% dieses Wachstums Geisel seiner eigenen Bilanz, nicht der Endnachfrage. Dieser Satz ist der Unterschied zwischen einem Etikett und einer Analyse.

Die stärksten Antworten verbinden das aktuelle Problem mit einem Präzedenzfall, und dieser Präzedenzfall ist fast perfekt. Während des Dotcom-Telekom-Booms verbuchten Ausrüster wie Lucent und Nortel enorme Verkäufe an aufstrebende Netzbetreiber. Der Haken: Die Ausrüster liehen diesen Betreibern das Geld, um die Geräte zu kaufen. Lucent trug Milliarden an Kundenfinanzierung in seinen Büchern. Solange Kapital günstig war und die Geschichte heiß, wuchs der Umsatz zinseszinsartig und die Aktie stieg. Als die Nachfrage nicht kam, gingen die Betreiber pleite, die Kredite wurden faul, und der Umsatz, den sie gestützt hatten, verdampfte zur selben Zeit. Lucent verlor mehr als 90% seines Werts. Die Lieferantenfinanzierung half nicht nur nicht. Sie verwandelte ein Umsatzproblem in ein Bilanzproblem.

Der KI-Kreislauf ist kein Betrug, und das in einem Interview zu behaupten, wäre schlampig. Es wird echte Rechenleistung gekauft und es werden echte Modelle trainiert. Aber die strukturelle Lehre lässt sich sauber übertragen: Wenn ein Lieferant seine eigene Nachfrage finanziert, läuft das gemeldete Wachstum der wahren Endmarktnachfrage voraus, und die Lücke bleibt unsichtbar, bis das günstige Kapital versiegt. OpenAI ist Berichten zufolge auf Kurs, 2026 etwa $14 Milliarden zu verlieren, während es in Jahren $100 Milliarden Umsatz prognostiziert. Deine Aufgabe im Raum ist nicht vorherzusagen, in welche Richtung es bricht. Sie ist zu zeigen, dass du beide Fakten zugleich halten und genau lokalisieren kannst, wo das Risiko liegt.

Bewerte ein heißes Unternehmen von Hand neu. Nimm einen beliebigen KI- oder Wachstumsnamen aus den Nachrichten, finde seinen größten Kunden oder Partner und stelle die drei Fragen: Woher kam ihr Geld, ist das Geschäft im Fremdvergleich zustande gekommen, und was bricht den Kreislauf? Schreibe die Antwort in vier Zeilen. Es einmal an einem echten Unternehmen zu tun, schlägt fünfmaliges Lesen darüber.

Übe den Abschlag laut. Sage in deinem nächsten Mock, wenn dir eine Umsatzzahl gegeben wird: „Bevor ich dieser Zahl traue, will ich wissen, wie konzentriert sie ist und ob etwas davon mit nahestehenden Parteien zustande kam.“ Dieser eine Satz signalisiert, dass du wie ein Diligence-Partner denkst, nicht wie ein Taschenrechner.

Trenne die Geschichte vom Cash. Trainiere dich darauf, bei jeder beeindruckenden Kennzahl zu fragen: „Was müsste zutreffen, damit das dauerhaft ist?“ Konzentration, Finanzierungsquelle und Preisbildung im Fremdvergleich sind die drei Orte, an denen sich die Antwort meist versteckt.

Der sauberste Weg, das am eigenen Leib zu spüren, ist, einen Case durchzuarbeiten, in dem eine schöne Wachstumsgeschichte ein Qualitätsproblem verbirgt. Öffne den WeWork-IPO-Case auf BoardroomIQ und versuche, die Erzählung zu durchstechen, bevor es das Diligence-Team tut. Für das Fundament darunter lies Unit Economics, die eine Berechnung, die dir sagt, ob ein Geschäft wirklich funktioniert, und teste es dann am KI-Capex-Boom von 740 Mrd. $.