Die Kapitalmärkte werden regelmäßig mit immer neuen Überraschungen der 47. US-Administration konfrontiert, zumeist via Social-Media-Posts. Dabei ist es leider aus der Mode gekommen, über mögliche Tail-Events für das kommende Jahr zu philosophieren. Wir wollen diese Tradition zu Beginn jedes Jahres wieder aufnehmen und nennen unsere „3 Surprises“ für 2026. Wie ernst man diese nimmt, überlassen wir gerne dem geneigten Leser. Enjoy!

1. Grönland tritt der EU bei

Zur Sicherung seiner Eigenständigkeit entscheidet sich Grönland für ein Beitrittsgesuch zur EU. Der Klimawandel ist der entscheidende Faktor dafür, dass die Inselbevölkerung die Avancen der USA ablehnt. Die EU-Kommission begibt eine Serie von Grünen Anleihen.

2. Powell bleibt im FED-Board

Jerome Powell tritt nach Benennung eines neuen FED-Chefs durch US-Präsident Trump nicht aus dem Board zurück. Der neue Chef unterliegt bei allen Abstimmungen zur Geldpolitik und muss auf den Pressekonferenzen erklären, warum die FED die Zinsen nicht senkt.

3. Japanischer Bondmarkt schockt die Welt

Nach Neuwahlen erklärt die strahlende Wahlsiegerin Sanae Takaichi, dass die chinesische Bedrohung eine massive Aufrüstung Japans erfordert und die Verteidigungsausgaben auf mehr als 5 Prozent des BIP gesteigert werden sollen. Der Bondmarkt kollabiert und löst wie 1994 einen weltweiten Renditeanstieg bei langfristigen Anleihen aus.

Der deutsche und europäische Logistikimmobilienmarkt steht aktuell im Spannungsfeld zwischen kurzfristiger Abkühlung und langfristigen Wachstumstreibern. Nach Jahren des Booms mit nahezu Vollvermietung und dynamischem Mietwachstum hat sich die Lage spürbar verändert: Presseberichte sprechen von steigenden Leerständen, stagnierenden Mieten und einer vorsichtigeren Nutzerseite. Ursache sind vor allem spekulative Neubauten aus der Hochphase 2021/22, die nun auf eine konjunkturell gedämpfte Nachfrage und geopolitische Verwerfungen treffen.

Eine global erratische Welthandelspolitik, Energiekrise und Zinsanstieg haben Lieferketten beeinträchtigt, Standortentscheidungen verzögert und die Flächenumsätze reduziert. Mietvertragslaufzeiten werden verkürzt, Incentives nehmen zu. Dennoch bleibt die Assetklasse resilient: Logistik reagiert schneller auf Preisänderungen als andere Segmente und profitiert von struktureller Baulandknappheit. In deutschen Top-Märkten wie München, Frankfurt oder Hamburg sind Leerstände minimal, die Spitzenmieten bewegen sich auf Rekordniveau.

Die langfristigen strukturellen Treiber der Logistiknachfrage bleiben trotz weltpolitischen Gegenwindes intakt. E‑Commerce, fortschreitende Urbanisierung und die zunehmende Digitalisierung sorgen weiterhin für eine stabile Flächennachfrage. Ergänzt werden diese Faktoren durch neue Impulse: So gewinnt Nearshoring deutlich an Bedeutung, da rund 91 Prozent der Unternehmen  Produktionsverlagerungen nach Europa planen. Parallel dazu steigern ESG‑Zertifikate (wie BREEAM) und technologische Innovationen die Attraktivität moderner Logistikimmobilien. Effizient errichtete Gebäude erzielen nachweislich höhere Mietprämien, profitieren von besseren Finanzierungskonditionen und werden durch Automatisierung sowie den Einsatz von KI langfristig wettbewerbsfähig und zukunftssicher.

Besonders hervorzuheben ist der stark wachsende Bereich der Defence‑Logistik. Aktuelle Studien zeigen, dass steigende Verteidigungsausgaben in Europa bis 2030 einen zusätzlichen Flächenbedarf von bis zu 75 Millionen Quadratmeter auslösen könnten. Für institutionelle Investoren eröffnet sich hier ein attraktives Marktpotenzial.

Die daraus abzuleitenden strategischen Implikationen für Investoren erfordern in der aktuellen Marktphase ein klar selektives und qualitätsorientiertes Vorgehen. Im Fokus sollten dabei die Lageparameter und moderne Objekte stehen, die über flexible Flächenzuschnitte und hohe Drittverwendungsfähigkeit verfügen. Diese Objekte vereinen langfristige Vermietbarkeit mit stabilen Cashflows. Darüber hinaus lohnt sich die Prüfung von verteidigungsnahen Assets, die zusätzliche Resilienz über aktuelle Konjunkturzyklen hinweg bieten.
 

Fazit

Trotz kurzfristiger Delle bleibt Logistik eine der robustesten Assetklassen. Wer heute antizyklisch und qualitätsorientiert investiert und die strukturellen Trends nutzt, sichert sich Zugang zu einem Markt mit langfristigem Wachstum und stabiler Nachfrage.
 

In der Kapitalanlage, insbesondere auch bei Fonds, ist seit ihrem Anwendungsbeginn im Jahr 2021 die EU-Offenlegungs-Verordnung („SFDR“) das zentrale Regelungswerk für nachhaltigkeitsbezogene Informationen zu Anlagestrategien und Investitionsprozessen. Dabei unterscheiden die Offenlegungspflichten nach der Unternehmens- sowie der Produktebene; bei letzterer in Abhängigkeit vom Grad der verbindlichen Integration von Nachhaltigkeitsmerkmalen in die Anlagestrategie. Doch die vergangenen Jahre zeigten eine erhebliche Diskrepanz zwischen dem konzeptionellen Gedanken des EU-Gesetzgebers und der Marktpraxis.

Die SFDR war grundsätzlich als reines Transparenzregelungswerk ausgestaltet, in dem (zwar) Pflichten zur Offenlegung hinsichtlich Nachhaltigkeit festgelegt wurden, deren Inhalte wurden jedoch weitestgehend der Verantwortung des jeweiligen Finanzmarktteilnehmers überlassen. Dies betraf insbesondere die beiden Produktoffenlegungskategorien nach Art. 8 und 9, die, abgesehen von gewissen Kernmerkmalen, keine expliziten Mindestanforderungen an das Produktdesign oder die Zusammensetzung des Investmentvermögens vorgaben. Da Nachhaltigkeit nicht einheitlich definiert ist, sondern unterschiedlich interpretiert wird, fehlte dem Markt ein Maßstab für das Ambitionsniveau der Berücksichtigung von Nachhaltigkeit in Anlagestrategien. Die Kategorien wurden daher häufig als Produktlabels verwendet, ohne dass sie dafür geeignet waren.

Auch der EU-Kommission sind diese konzeptionellen Schwächen nicht verborgen geblieben. Um die Praxistauglichkeit der SFDR zu erhöhen und gleichzeitig die Unternehmens- sowie Produktoffenlegungen auf die für die Anleger relevanten Kernelemente zu beschränken, ist am 20. November 2025 ein Vorschlag zur Reformierung der SFDR veröffentlicht worden. Dieser beinhaltet neben einer Einschränkung des Anwendungsbereichs auch die Einführung von gesetzlich verbindlich geregelten nachhaltigkeitsbezogenen Finanzprodukten in der Kapitalanlage.

Das Wichtigste in Kürze

► Drei Produktkategorien: Transition, ESG Basics, Nachhaltigkeit
► Nachhaltigkeitsfaktoren auch bei nicht-kategorisierten Produkten möglich
► Streichung der PAI-Erklärung auf Unternehmensebene
► Streichung der Definition „nachhaltige Investition“

Herzstück des Reformvorschlags sind die drei gesetzlichen Produktkategorien. Anstatt der Erfüllung von Transparenzpflichten beim „Bewerben ökologisch und/oder sozialer Merkmale“ (Art. 8) beziehungsweise „Anstreben nachhaltiger Investitionen“ (Art. 9) werden nunmehr Mindestkriterien festgelegt, wann bei einem Finanzprodukt Angaben zu nachhaltigkeitsbezogenen Anlagestrategien gemacht werden dürfen. Neu ist zudem, dass Angaben zu nachhaltigkeitsbezogenen Aspekten in geringem Umfang in die Produktdokumentation aufgenommen werden können, ohne umfangreiche Offenlegungspflichten auszulösen, wenn diese bei einer Anlagestrategie nur eine untergeordnete Rolle spielen, beispielsweise die Umsetzung einiger ökologischer Ausschlusskriterien. Diese sogenannten nicht-kategorisierten Produkte dürften insbesondere für institutionelle Investoren in sog. „Einanleger-Fonds“ interessant sein. Denn hier ist die Anlagestrategie auch unter Nachhaltigkeitsaspekten ohnehin häufig eng zwischen Investor und KVG abgestimmt ist.

Bei den vorgeschlagenen Produktkategorien wird zwischen „Transition“, „ESG Basics“ und „Nachhaltigkeit“ unterschieden. Diese sind in Bezug auf die gesetzlichen Mindestanforderungen strukturell durch drei Kernaspekte, geprägt, die bei den Kategorien „Transition“ und „Nachhaltigkeit“ um Zusatzelemente erweitert werden.

Im Zuge des Vorschlags für eine gesetzliche Produktkategorie „Nachhaltigkeit“ soll auch die bisherige Begriffsbestimmung „nachhaltige Investition“, wie sie aktuell noch in Art. 2 (17) SFDR enthalten ist, entfallen. Auch diese wies die Schwäche auf, dass sie lediglich drei konzeptionelle Merkmale vorgab, jedoch insoweit keine Mindestanforderungen, Schwellenwerte oder spezifische Indikatoren festgelegt worden sind. Dies hatte für die Praxis das unbefriedigende Ergebnis zur Folge, dass die Inhalte der nachhaltigen Investitionen unterschiedlicher Anlageprodukte nur wenig vergleichbar und nachvollziehbar waren.

Eine weitreichende Entlastung des Vorschlags ist zudem die Streichung der bisher von Finanzmarktteilnehmern jährlich zu veröffentlichenden PAI-Erklärung auf Unternehmensebene zu aggregierten Indikatoren der wichtigsten nachteiligen Auswirkungen der getätigten Kapitalanlagen auf Nachhaltigkeitsfaktoren. Zukünftig sollen Offenlegungen dazu ausschließlich über die Nachhaltigkeitserklärung von Unternehmen erfolgen, sofern diese in den (ebenfalls) reformierten personellen Anwendungsbereich der CSRD fallen. Der Wegfall der PAI-Erklärung wäre mit Blick auf deren Informationsgehalt verkraftbar, da viele Indikatoren zwischen Finanzmarktteilnehmern nur schwer vergleichbar sind; sie hängen unter anderem von der Allokation der Investitionen in Staaten oder Unternehmen beziehungsweise Immobilien ab und die Datenverfügbarkeit war in der Praxis meistens schwierig.
 

Fazit

Der Vorschlag zur Überarbeitung der SFDR hat das Potenzial, an vielen Stellen praxis-tauglicher zu sein, als es die bisherige Fassung war. Gleichzeitig bedeuten die umfangreichen Änderungen, dass der Umsetzungsaufwand weiterhin hoch bleibt und einige erst mühsam eingeführte Prozesse nun wieder grundlegend überarbeitet werden müssen oder komplett wegfallen. Im besten Fall können die entfallenden Aufwände die erneut notwendigen Umsetzungskosten zumindest teilweise kompensieren und sich als Investition in eine Regulatorik erweisen, die dem Markt einen echten Mehrwert bietet.
 

Rechenzentren sind längst kein technisches Nischenthema mehr, sondern ein zentraler Baustein der globalen Volkswirtschaft. Jeden Tag entstehen weltweit rund 0,4 Zettabyte an neuen Daten – etwa 400 Millionen Terrabyte. Im Jahr 2025 erzeugte der durchschnittliche Internetnutzer rechnerisch rund 1 MB Daten pro Sekunde, also etwa 83 GB am Tag. Getrieben wird das vor allem durch Video-Streaming, Cloud-Services und zunehmend künstliche Intelligenz. Bis 2035 dürfte die weltweite Datenerzeugung auf über 2.100 Zettabyte pro Jahr steigen – eine Verfünfzehnfachung. Rechenzentren sind das Rückgrat, das diese Datenströme überhaupt erst verarbeitbar macht. Alexander George, Director Institutional Sales, hat zu diesem hochaktuellen Thema mit David Pecher, Senior Investment Manager Infrastructure Equity, gesprochen.
 

AG: David, wie haben sich Rechenzentren historisch entwickelt – vom Serverraum zum Gigawatt-Campus?

DP: Ursprünglich waren Rechenzentren klassische On-Premises-Lösungen: kleine, abgeschottete Serverräume im Unternehmen mit wenigen Kilowatt IT-Leistung. In den 1990er Jahren kamen dann Colocation-Anbieter, die viele Unternehmenskunden in einem professionell betriebenen Rechenzentrum bündelten und so Skaleneffekte gehoben haben.

Seit den 2000er Jahren haben Hyperscaler die Branche geprägt. Heute sehen wir Cloud-Rechenzentren mit 10 bis 50 MW IT-Leistung pro Standort, in hochstandardisierten Campus-Strukturen. Die nächste Stufe sind spezialisierte AI-Rechenzentren mit 100 MW bis über 1 GW, extrem hohen Rack-Dichten und oft Flüssigkühlung – bevorzugt an Standorten mit günstiger, möglichst CO2-armer Energie.

Oder in einem Satz: Rechenzentren sind das Rückgrat der digitalen Ökonomie.

AG: Wie strukturierst du diese Assetklasse aus Investorensicht?

DP: Sinnvoll ist eine Einteilung in drei Segmente:

► Public Cloud (Hyperscale)
► Private Cloud/Colocation
► AI-Training

Jedes Segment hat einen eigenen Typ Mieter, eigene Cashflow-Profile, Standortlogiken und entsprechend andere Risiko-/Renditeprofile.

AG: Fangen wir mit Public-Cloud-Rechenzentren an. Was zeichnet dieses Segment aus?

DP: Public-Cloud- oder Hyperscale-Rechenzentren liefern Infrastruktur-, Plattform- und Software-Dienste für globale Cloud-Anbieter. Typischerweise stehen dahinter große Hyperscaler, die Campus-Standorte im zweistelligen Megawatt-Bereich mieten oder entwickeln.

Diese Rechenzentren liegen meist in etablierten „Availability Zones“ rund um große Internet-Knoten wie Frankfurt, London, Amsterdam oder Paris, mit sehr guter Glasfaseranbindung, ausreichend Strom und oft in Nähe von Ballungsräumen. Die Lage ist zentral: Sie bestimmt Latenz, Anschlussfähigkeit und Wiedervermietbarkeit.

Auf Mieterseite haben wir sehr bonitätsstarke Kontrahenten und langfristige, häufig indexierte Verträge. Damit gehören Public-Cloud-Rechenzentren zu den risikoärmsten Segmenten – renditeseitig eher Core-Infrastruktur. Gleichzeitig sorgen knappe Flächen und hohe Eintrittsbarrieren in Top-Lagen für ein moderates Preisanpassungs-Potenzial. In Europa liegt das Ausgabenvolumen für Public-Cloud-Dienste bereits im dreistelligen Milliardenbereich und wächst mit etwa 19 Prozent pro Jahr.

AG: Wie unterscheiden sich Private Cloud und Colocation davon?

DP: Private-Cloud- und Colocation-Rechenzentren bieten sicheren, mehrmandantenfähigen Rechenzentrumsraum sowie Strom, Kühlung und Konnektivität. Typische Mieter sind Banken, Versicherer, das Gesundheitswesen, die öffentliche Hand und Industrie- oder Tech-Unternehmen.

Diese Standorte liegen meist stadtnah, carrier-neutral bzw. netzbetreiberunabhängig angebunden und mit sehr geringen Latenzen zu den Nutzerstandorten. Oft sind sie eng in regionale Ökosysteme eingebettet – etwa lokale Finanzplätze oder Behörden-Cluster. Das schafft starke Standortbindung, gute Wiedervermietbarkeit und ein gewisses Preisanpassungs-Potenzial, insbesondere in Märkten mit knapper Strom- und Flächenverfügbarkeit.

Die Use Cases reichen von streng regulierten Anwendungen über Disaster-Recovery-Sites bis hin zu hybriden Cloud-Architekturen, bei denen unternehmenskritische Workloads nahe an Public-Cloud-On-Ramps betrieben werden. Der europäische Colocation-Markt liegt heute bei rund 20 Milliarden US-Dollar und könnte sich bis 2030 auf knapp 50 Milliarden US-Dollar mehr als verdoppeln.

AG: Und was macht AI-Training-Rechenzentren so besonders?

DP: AI-Training-Rechenzentren sind das andere Ende der Skala. Sie sind auf das Training großer KI-Modelle und sehr rechenintensive Simulationen ausgelegt. Typisch sind 100 MW IT-Leistung und mehr, extrem dichte Racks – teilweise zehnmal dichter als in klassischen Cloud-RZ – und zunehmend Flüssigkühlung.

Latenz ist beim Training weniger kritisch als bei der Inferenz. Deshalb entstehen viele dieser Standorte bewusst abseits der Metropolen, dort, wo günstige, möglichst CO2-arme Energie und ausreichend Fläche vorhanden sind. Hohe Bandbreiten werden dann über Ferntrassen angebunden. Das reduziert die Bedeutung der Mikrolage und damit auch das Wiedervermietungs-Potenzial.

Mieter sind Hyperscaler oder spezialisierte „Neoclouds“, die GPU-Kapazität als Service anbieten. Vertragslaufzeiten sind tendenziell kürzer. Anders als bei stadtnahen Hyperscale- oder Colocation-Objekten sehen wir hier kein strukturelles Preisanpassungs-Upside, sondern eher asymmetrische Risiken: Fallen GPU-Preise oder steigt der Wettbewerb, kann Druck auf die Mieten kommen – und alternative Nutzungen des Standorts sind begrenzt.

Trotzdem wächst der europäische GPU-as-a-Service-Markt mit über 20 Prozent pro Jahr. Auf Service-Ebene ist das das wachstumsstärkste Segment; auf Immobilienebene aber klar das risikoreichste.

AG: Wie groß ist der Investitionshunger der großen Cloud-Anbieter und Neoclouds?

DP: Sehr groß. Schätzungen gehen davon aus, dass die kumulierten Investitionen von Hyperscalern in Rechenzentren, CPUs/GPUs und cloud-gehostete Infrastruktur zwischen 2015 und 2030 knapp 1 Billion US-Dollar erreichen. Und das ist nicht nur ein Thema der etablierten „Traditional Hyperscalers“, sondern zunehmend auch der AI-spezifischen Neocloud-Anbieter.

Wir sehen dabei einen deutlichen Strategiewechsel: AI-Trainingskapazitäten wandern verstärkt in Tier-II-Regionen mit niedrigeren Stromkosten, verfügbarer Fläche und einer positiven Regulierung.
Latenz ist beim Training weniger kritisch, dadurch werden periphere Märkte mit guter Energie- und Glasfaseranbindung interessant.

Parallel bleiben Tier-I-Märkte wichtig. Ab den 2030er Jahren wird die breite Ausrollung von AI-Inference eine neue Welle von Rechenzentren in latenzsensitiven Hubs auslösen. Für Europa heißt das: Ein Teil der AI-Trainingslast geht in Regionen wie die Nordics, die Iberische Halbinsel oder Osteuropa. Gleichzeitig erleben Core-Märkte wie Frankfurt, London, Amsterdam oder Paris durch den Inference-Roll-out eine zweite Wachstumswelle.

AG: Wenn wir auf Risiko und Rendite schauen: Wie unterscheiden sich die drei Segmente?

DP: Wir betrachten vor allem drei Risikodimensionen als größte Diversifikationen: Kontrahentenrisiko, Entwicklungsrisiko und Preisanpassungsrisiko.

► Public Cloud: Langfristige Verträge mit Hyperscalern, hohe Eintrittsbarrieren, überschaubares Entwicklungsrisiko, aber begrenztes Upside bei Preisanpassungen. Das passt gut zu Core- und Core-Plus-Investoren.

► Private Cloud/Colocation: Breitere Mieterbasis, mittlere Vertragslaufzeiten, solide Nachfrage in regulierten Sektoren. Hier sind höhere Renditen möglich, aber mit mehr Mieter- und Preisanpassungsrisiko. Typisch eher Core-Plus.

► AI Training: Höchste technische Komplexität, anspruchsvolle Standortanforderungen und starke Abhängigkeit von einem dynamischen Marktumfeld. Entwicklungs- und Preisanpassungsrisiken sind deutlich höher; das Renditepotenzial liegt vor allem im Service-Layer. Das eignet sich eher für Core-Plus-/Value-Add-Strategien mit hoher Expertise.

AG: Welche Rolle spielt Europa in dieser Entwicklung?

DP: Europa steht vor einem massiven Ausbau seiner digitalen Infrastruktur. Programme wie InvestAI auf EU-Ebene und nationale KI-Strategien adressieren sowohl zusätzliche Cloud-Kapazitäten als auch spezialisierte KI-Rechenzentren. Verschiedene Studien gehen davon aus, dass sich die installierte Rechenzentrumskapazität in Europa in den nächsten fünf bis sieben Jahren nahezu verdreifachen könnte.

Für die Immobilienwirtschaft entsteht damit ein neues Spielfeld: Rechenzentren vereinen klassische Immobilienmerkmale – Grundstück, Gebäude, langfristige Nutzung – mit Infrastruktur- und Technologierisiken wie Stromversorgung, Netzanbindung oder IT-Obsoleszenz. Professionelle Betreiberplattformen, eine effiziente Nutzung von Wasser und Energie sowie aktives Risikomanagement werden zum entscheidenden Erfolgsfaktor.

Oder anders gesagt: Ohne Rechenzentren gibt es keine skalierbare künstliche Intelligenz.

AG: Was ist dein Fazit für langfristig orientierte Investoren?

DP: Rechenzentren entwickeln sich rasant von einer technisch dominierten Nische zu einer strategisch wichtigen Assetklasse. Das Zusammenspiel aus strukturellem Datenwachstum, großen Investitionsbudgets der Hyperscaler und der zunehmenden Bedeutung von KI macht den Sektor sehr attraktiv.

Public-Cloud-Rechenzentren mit Hyperscalern als Mietern bieten ein vergleichsweise defensives Profil. Wer mehr Rendite sucht, findet in Colocation-Plattformen und AI-Training-Campus attraktive, wenn auch komplexere Opportunitäten. Entscheidend ist, die drei Segmente klar zu unterscheiden, die jeweiligen Risiken gezielt zu steuern – und Rechenzentren nicht nur als „Serverräume“, sondern als kritische Infrastruktur der digitalen Wirtschaft zu verstehen.

AG: Vielen Dank für den interessanten Austausch, David!

Aber handelt es sich nur um eine Enttäuschung im vergangenen Geschäftsjahr oder gibt es auch strukturelle Gründe, dass die Zukunft für Software-Unternehmen herausfordernder sein wird als die Vergangenheit? Hier preist der Markt tatsächlich ein strukturell herausforderndes Szenario ein, und das aus durchaus glaubhaften Gründen. Man muss sich das Geschäftsmodell der Cloud-Ära vor Augen führen: Ein Unternehmen entwickelt eine Lösung, verkauft sie im Abo und generiert nach der Kundenakquise über lange Zeit beständige Cashflows. Da die Grenzkosten nahe null lagen, ging jeder zusätzliche Nutzer mit nahezu 100 Prozent inkrementeller Marge einher.

In der KI-Ära hat sich diese Kalkulation verändert. Die Grenzkosten sind nicht mehr null, da die Inferenzkosten für Large Language Models (LLMs) aufgrund der enormen Hardware-Anforderungen teuer sind.
  

Software-Aktien lagen im Jahr 2025 deutlich zurück
in US-Dollar

^{Quelle: Bloomberg}
  

Das führt uns zum Thema „Value Capture“: Aufgrund dieser Hardware-Intensität wird ein Großteil des Wertes der Produktivitätssteigerung derzeit von den Hardware-Herstellern, etwa den Halbleiterfirmen, abgeschöpft und weniger von den Software-Anbietern. Hinzu kommt ein weiterer Aspekt: KI ist mittlerweile selbst zum besten Software-Entwickler avanciert. Gerade Punktlösungen können heute effizient durch Coding-Assistenten oder Agenten erstellt werden. Während die Grenzkosten für zusätzliche Nutzer also steigen, sinken die Grenzkosten für die Produktentwicklung. Das verringert die Eintrittsbarrieren für einen Sektor, der historisch über eine sehr hohe Pricing Power verfügte.

Dazu ein Blick auf ein konkretes Beispiel: 2025 gab es eine der größten Erfolgsgeschichten der Softwarebranche – allerdings fand diese abseits der Börse, im Private Market, statt. Anthropic, der größte Wettbewerber von OpenAI, konnte laut Presseberichten den sogenannten ARR – also den annualisierten wiederkehrenden Umsatz – von rund einer Milliarde auf circa neun Milliarden US-Dollar steigern. Diese absolute Umsatzsteigerung übertrifft deutlich das Wachstum aller börsennotierten Softwareunternehmen, mit Ausnahme der drei größten Player.
 

Was bedeutet diese Entwicklung für 2026?

Der Abverkauf im Software-Sektor war sehr pauschal, was nun Chancen bietet, da Bewertungen und Wachstumserwartungen deutlich niedriger sind. Es wird zweifellos auch in diesem Bereich KI-Profiteure geben. Für das Jahr 2026 sollte man nach drei spezifischen Charakteristika Ausschau halten:

► Erstens: Unternehmen, die anpassungsfähig sind und temporär niedrigere Margen akzeptieren, um diese langfristig durch höheres Wachstum zu kompensieren – ähnlich wie es die erfolgreichen Gewinner der Cloud-Transformation vormachten.

► Zweitens: Firmen, die tief in den geschäftskritischen Workflows ihrer Kunden verankert sind und dadurch hohe Wechselkosten erzeugen.

► Drittens: Unternehmen mit einem Plattform-Ansatz und einem Plug-in-Ökosystem. Diese Anbieter können führende KI-Modelle in ihre Lösungen integrieren und den Wert ihrer Produkte steigern, ohne das kostenintensive Training eigener LLMs stemmen zu müssen.

Podcast Folge 1

Dr. Jürgen Callies, Head of Research
moderiert von Alexander George, Director Institutional Sales