KI-Rechenzentren werden auf Schulden gebaut, die die Wall Street kaum versteht
Alphabet, Microsoft, Amazon, Meta und Oracle tragen zusammen rund 1,65 Billionen Dollar an KI-Infrastrukturschulden, die nicht in ihren Bilanzen auftauchen — eine Verachtfachung in vier Jahren, und inzwischen größer als die kombinierten bilanzierten Schulden der Gruppe von etwa 1,35 Billionen Dollar. Das ist kein Rundungsfehler in einer Fußnote. Es ist die finanzielle Struktur, die dem gesamten KI-Ausbau zugrunde liegt, und sie ist so konstruiert, dass sie für diejenigen, die die Aktien dieser Unternehmen kaufen, weitgehend unsichtbar bleibt.
Der Mechanismus ist das Special Purpose Vehicle, kurz SPV. Ein Hyperscaler leiht sich das Geld nicht direkt und bucht ein Rechenzentrum in die eigenen Bücher. Stattdessen gründet er eine separate rechtliche Einheit (oder beteiligt sich an einer), die das Rechenzentrum besitzt, das Baugeld von privaten Kreditfonds leiht und einen langfristigen Miet- oder Rechenleistungs-Kaufvertrag mit dem Mutterkonzern abschließt. Da der Hyperscaler in der Regel nur eine Minderheitsbeteiligung hält — Meta hält beispielsweise 20% an seinem Hyperion-SPV zusammen mit Blue Owl Capital —, wird die Schuld nach den üblichen Bilanzierungsregeln nicht in die Bilanz der Muttergesellschaft konsolidiert.
Das Ausmaß ist keine Randnotiz mehr
Metas außerbilanzielle Verpflichtungen belaufen sich inzwischen auf rund 420 Milliarden Dollar — das 2,8-Fache der gemeldeten Schulden. Allein die Hyperion-Struktur leitet etwa 27 Milliarden Dollar an Projektfinanzierung über eine Einheit, die Meta auf dem Papier nicht vollständig besitzt, obwohl Meta der einzige tatsächliche Kunde für die dort produzierte Rechenleistung ist.
Oracle ist noch weiter gegangen. Das Unternehmen hat mit Blue Owl und JPMorgan ein SPV im Umfang von rund 13 Milliarden Dollar arrangiert, um die OpenAI-Anlage in Abilene, Texas, zu besitzen (davon 10 Milliarden Dollar als Schulden), außerdem ein Schuldenpaket über 38 Milliarden Dollar für zwei weitere Rechenzentren in Texas und Wisconsin sowie einen Kredit über 18 Milliarden Dollar für einen Standort in New Mexico. Oracles Gesamtverpflichtungen sind in vier Jahren um mehr als das Dreißigfache gewachsen und erreichten Ende Mai 2026 273,3 Milliarden Dollar.
Was passiert, wenn eine solche Wette schiefgeht
Oracle ist der Live-Fallstudienfall. S&P stufte Oracles Bonitätsrating am 9. Juli auf BBB- herab — eine Stufe über Ramschniveau — mit der Begründung, dass die Ausgaben für KI-Infrastruktur schneller wachsen als der Umsatz. Das KI-bezogene Geschäft machte im Geschäftsjahr 2026 etwa 27% von Oracles Umsatz aus, und S&P erwartet, dass dieser Anteil bis 2028 auf rund 60% steigt. Die Agentur prognostiziert für das Geschäftsjahr 2027 ein Defizit beim freien operativen Cashflow von fast 42 Milliarden Dollar.
Oracles Verschuldungsgrad (Debt-to-Equity) liegt inzwischen bei rund 500%, gegenüber etwa 50% bei Amazon und 30% bei Microsoft. Und Oracle ist im Vergleich zu seinen Konkurrenten weitaus stärker auf einen einzelnen Kunden konzentriert: OpenAI macht rund die Hälfte der 638 Milliarden Dollar an ausstehenden Leistungsverpflichtungen (Remaining Performance Obligations) von Oracle aus — Umsätze, die Oracle vertraglich zustehen, aber noch nicht verbucht hat. Wenn OpenAIs eigene Wirtschaftlichkeit ins Wanken gerät, gerät damit auch ein sehr großer Teil der vertraglich gebundenen Umsätze ins Wanken, die Oracles Schuldenlast absichern.
Warum diese Struktur überhaupt existiert
Nichts davon ist illegal oder auch nur besonders neuartig — SPV-Finanzierung für große Infrastrukturprojekte (Pipelines, Mautstraßen, Kraftwerke) gibt es seit Jahrzehnten. Der Unterschied liegt in der Geschwindigkeit und im Gegenparteirisiko. Traditionelle Infrastruktur-SPVs finanzieren Vermögenswerte mit einer Nutzungsdauer von 30 bis 50 Jahren gegen vertraglich gesicherte Einnahmen von Versorgungsunternehmen oder Regierungen. KI-Rechenzentrums-SPVs finanzieren Vermögenswerte, deren zentrale Hardware — GPUs — sich in einem Zyklus von 3 bis 5 Jahren abschreibt, gegen Umsatzverträge von Unternehmen (OpenAI, Anthropic und die eigenen KI-Sparten der Hyperscaler), deren eigene Profitabilität im großen Maßstab noch nicht nachgewiesen ist.
Private Kreditfonds — allen voran Blackstone, Blue Owl, Apollo, Pimco und BlackRock — sind hier zu den wichtigsten Kreditgebern geworden, gerade weil Banken, eingeschränkt durch die Kapitalregeln nach 2008, weniger bereit sind, dieses Risiko direkt zu tragen. Morgan Stanley prognostiziert, dass private Kredite in den nächsten zwei Jahren zusätzlich 800 Milliarden Dollar an Rechenzentrumsfinanzierung bereitstellen werden. Das sind 800 Milliarden Dollar an Risiko, das bei Einheiten landet, die weit weniger regulatorischer Aufsicht und weit weniger öffentlicher Offenlegung unterliegen als eine Bankbilanz.
Was das für den Rest der Branche bedeutet
Diese Finanzierungsstruktur steht nun in direktem Zusammenhang mit Geschichten, die wir die ganze Woche über verfolgt haben: den berichteten Gesprächen des Pentagons über einen Kredit in Höhe von 5 Milliarden Dollar mit Fluidstack zur Sicherung der Lieferkettenkapazität für Rechenzentren, und Microsofts Gerüchten zufolge angestrebtem Ausbauziel von 38 GW an Rechenzentrumskapazität bis 2032. Stromverfügbarkeit und Kapitalverfügbarkeit sind inzwischen die beiden harten Beschränkungen für die KI-Skalierung — nicht die Chip-Versorgung, nicht die Modellarchitektur. Beide Beschränkungen werden mit Schuldenstrukturen gelöst, die weiterhin schneller wachsen als die Umsätze, die sie bedienen sollen.
Worauf zu achten ist
Drei Signale sind wichtiger als die Schlagzeilen-Zahlen zu den Investitionsausgaben. Erstens: Bonitätsrating-Maßnahmen bei den Hyperscalern mit der höchsten Kundenkonzentration beobachten — Oracles Herabstufung ist eine Vorlage, keine Ausnahme, falls das Umsatzwachstum von OpenAI oder Anthropic enttäuscht. Zweitens: die Offenlegungen privater Kreditfonds beobachten, wie viel KI-Infrastrukturschulden sie im Verhältnis zu ihrem Gesamtportfolio tragen — das Konzentrationsrisiko bei den Kreditgebern ist genauso real wie das Konzentrationsrisiko bei den Kreditnehmern. Drittens: beobachten, ob ein Hyperscaler beginnt, diese SPVs freiwillig wieder in seine Bilanz zu konsolidieren; das wäre das bislang klarste Signal, dass die außerbilanzielle Struktur eher zu einer Belastung als zu einer Annehmlichkeit wird.