20. November, 2024

KI

Auf der Überholspur: KI-Investitionen beflügeln Alphabet und Nvidia

Auf der Überholspur: KI-Investitionen beflügeln Alphabet und Nvidia

Die weltweite Begeisterung für Künstliche Intelligenz (KI) treibt momentan die Aktienkurse von darauf spezialisierten Unternehmen in schwindelerregende Höhen. Angeführt wird diese Bewegung von Nvidia, das jüngst zum Unternehmen mit der höchsten Marktkapitalisierung avancierte. Auch Palantir erlebt einen beispiellosen Höhenflug mit einem Kursanstieg von 283 Prozent allein in diesem Jahr, angetrieben durch die weitreichende Einführung seiner KI-Tools bei der US-Regierung und in der Großindustrie.

Dennoch wissen kluge Anleger um die Gefahren derartiger Aktienjagden. Hedgefonds-Manager wie Bill Ackman und der von Charlie Munger geprägte Li Lu setzen statt auf Schnellschüsse strategisch auf große Anteile an Alphabet. Das Technologie-Schwergewicht besticht durch revolutionäre KI-Entwicklungen, die das Umsatz- und Gewinnwachstum befeuern – wenngleich die Aktie 2024 dem S&P 500 hinterherhinkt.

Oft im Schatten neuer Akteure wie OpenAI scheint Alphabet mit seinen Erfindungen jedoch kaum an Boden zu verlieren. Die 2017 entwickelte Transformer-Technologie, Grundlage für viele KI-Fortschritte, entspringt aus der Innovationsschmiede des Google-Mutterkonzerns.

Im Jahr 2024 hat Alphabet die Transformer-Technologie auf eine Vielzahl von Produkten ausgeweitet. Vom AI-gestützten Fotobearbeitungstool bis hin zu interaktiven Chatbots und erweiterten Suchfunktionen: Nutzer genießen eine neue Welle an KI-Funktionalitäten. Bestehende Nutzerbasis und massive Reichweite – Google Maps etwa zählt nun 2 Milliarden aktive Anwender – verschaffen Alphabet einen enormen Wettbewerbsvorteil.

Alle seine sieben mit 2 Milliarden Nutzern ausgestatteten Dienste profilieren sich inzwischen durch die Integration der Gemini-KI-Modelle. Durch den Einsatz dieser bahnbrechenden Tools dehnt Alphabet seine Reichweite rund um den Globus aus. Die Kehrseite dieser rasant wachsenden KI-Entwicklung könnte jedoch in den hohen Kosten für Rechenzentrumskapazitäten und Energie bestehen, die für das Trainieren und Anwenden von KI-Modellen erforderlich sind.