Die Diskussion über eine Überhitzung der globalen KI-Märkte erreicht einen neuen Wendepunkt. An einem einzigen Tag prallen zwei signifikante Signale aufeinander: Einerseits warnen Ökonomen der Europäischen Zentralbank (EZB) in einer aktuellen Veröffentlichung im EZB-Blog vor einer bevorstehenden, scharfen Marktkorrektur, die europäische Privatanleger über 440 Milliarden Euro an ETF-Engagements empfindlich treffen könnte. Andererseits sorgt der Zahlungsdienstleister Stripe für den nächsten Paukenschlag und übernimmt das schlanke KI-Startup OpenRouter für mehr als 7 Milliarden Dollar.
Der Zukauf verdeutlicht, wie aggressiv Tech-Konzerne derzeit um strategische Engpässe bieten – und liefert das ideale Anschauungsbeispiel für die Bewertungsdynamiken, vor denen die Notenbanker warnen.
Der 7-Milliarden-Dollar-Deal als Brennglas des Bewertungsrauschs
Die Transaktion markiert eine der rasantesten Wertsteigerungen der jüngeren Tech-Geschichte: Noch im Mai 2026 war OpenRouter in einer Finanzierungsrunde mit rund 1,3 Milliarden Dollar bewertet worden. Berichten zufolge, unter anderem von Axios, beläuft sich der Kaufpreis nun auf über 7 bis 8 Milliarden Dollar – eine mehr als Verfünffachung innerhalb weniger Monate für ein Unternehmen mit einem extrem schlanken, remote organisierten Entwicklerteam.
OpenRouter wurde 2023 von Alex Atallah, dem Mitgründer und früheren Chefentwickler der NFT-Plattform OpenSea, gegründet. Das Startup löste ein zentrales Problem für Softwareentwickler: Statt für jedes Modell von OpenAI, Anthropic, Google, Meta oder Mistral eigene Schnittstellen und Abrechnungen zu verwalten, bündelt OpenRouter hunderte Sprachmodelle in einer einzigen Schnittstelle und verteilt Anfragen dynamisch nach Latenz, Kosten und Verfügbarkeit, wie wir es bereits im Rahmen der Entwicklung beim Modell-Routing in der Softwareentwicklung beleuchtet haben.
Die Mechanik der Mautstellen-Wette
1. Das Versprechen unendlicher Skalierung: In der aufkommenden Agenten-Ökonomie lösen autonome KI-Agenten sekündlich Millionen API-Calls aus. Wer das Routing und die Abrechnung kontrolliert, kassiert an jedem einzelnen Token mit.
2. Das Risiko der Margenkompression: Sobald Hyperscaler oder quelloffene Lösungen Modell-Routing zum Standard-Feature machen, schrumpft der vermutete Monopolaufschlag rapide zusammen.
Für Stripe ist die Übernahme ein logischer Schritt: Statt wie bisher primär an Checkout-Zahlungen im klassischen Webhandel zu verdienen, will sich das Unternehmen als zentrale Abrechnungs- und Transaktionsschicht für autonome KI-Agenten und Token-Mikrozahlungen etablieren. Marktbeobachter sprechen bereits von einem „Cisco-Moment“ – in Anlehnung an die Dotcom-Ära um das Jahr 2000, als Netzwerkausrüster zu den wertvollsten Konzernen der Welt aufstiegen, weil Investoren darauf wetteten, dass die Betreiber der Dateninfrastruktur garantiert an jedem Internet-Traffic mitverdienen würden.
Die EZB-Analyse: Warum auch vollkommen rationale Märkte korrigieren
Genau an dieser Schnittstelle setzt die Warnung der Europäischen Zentralbank an. Die EZB-Forscher Malin Andersson, Johannes Breckenfelder, Stefano Corradin, Kalin Nikolov und Maria Antonietta Viola verweisen auf historische Präzedenzfälle wie den Eisenbahnboom des 19. Jahrhunderts, die Elektrifizierung der 1920er-Jahre und den Dotcom-Boom der 1990er-Jahre. In all diesen Epochen zogen Basistechnologien enormes Kapital an, bevor die Bewertungen drastisch einbrachen.
Die ökonomische Forschung (unter anderem von Pástor und Veronesi) zeigt, dass solche Boom-Bust-Zyklen selbst dann unvermeidlich sind, wenn alle Marktteilnehmer rational handeln. Zu Beginn einer Technologie ist das Risiko auf einzelne Pioniere beschränkt und lässt sich im Depot wegdiversifizieren – Anleger zahlen eine hohe „Optionsprämie“ auf astronomische Gewinnchancen. Durchdringt die Technologie jedoch die gesamte Wirtschaft, wird das Risiko systemisch. Investoren fordern eine höhere Risikoprämie, wodurch die Bewertungsmultiplikatoren fallen – selbst wenn die Gewinne der Unternehmen real weiter steigen.
| Kriterium | Dotcom-Ära (1999/2000) | Aktueller KI-Boom (2026) |
|---|---|---|
| Bewertungsniveau (S&P 500 CAPE) | Historisches Allzeithoch (über 40) | Nahe dem Dotcom-Spitzenwert |
| Fundamentale Ertragskraft | Häufig unrentable Konzepte ohne Cashflow | Hohe reale Cashflows bei Big Tech, aber extreme Multiples bei Zukäufen |
| Europäische Beteiligung | Direktaktien am Neuen Markt & Nemax | 440 Mrd. € US-Tech-Exposition europäischer Haushalte (vor allem via ETFs) |
| Makroökonomischer Puffer | Hohe Zinsen boten Spielraum für drastische Zinssenkungen | Geringerer geldpolitischer & fiskalischer Spielraum zur Krisenabfederung |
440 Milliarden Euro: Das verdeckte Klumpenrisiko im ETF-Depot
Die sogenannten „Magnificent Seven“ – Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia und Tesla – dominieren mittlerweile fast ein Drittel der Marktkapitalisierung führender Weltaktienindizes wie dem MSCI World. Viele europäische Sparer besparen diese Indizes in der Annahme, breit über tausende Unternehmen diversifiziert zu sein.
Auswertungen der EZB auf Basis ihrer Wertpapierdatenbank (SHSS) zeigen, dass europäische Privathaushalte rund 440 Milliarden Euro an US-Technologiewerten halten – fast ausschließlich indirekt über kostengünstige ETFs und Publikumsfonds. Auch Versicherungen und Pensionsfonds im Euroraum sind massiv engagiert.
Diese Fondsstruktur bildet laut EZB einen gefährlichen Transmissionskanal: Bei Kursverlusten drohen panikartige Anteilsrückgaben, die Fondsgesellschaften zu Notverkäufen zwingen und eine Abwärtsspirale in Gang setzen können. Die Notenbank warnt zudem, dass der geldpolitische und fiskalische Spielraum zur Stützung der Märkte heute deutlich geringer ist als vor 25 Jahren. Die Analyse knüpft damit direkt an die systemischen Risikowarnungen des EZB-Finanzausschusses ESRB an.
🎯 Was das für die Praxis bedeutet
1. Klumpenrisiken in passiven Fonds prüfen: Anleger sollten analysieren, wie hoch der Anteil der US-Tech-Giganten im eigenen Portfolio ist, da weltweite Indizes zunehmend von wenigen Schwergewichten dominiert werden.
2. Reale Cashflows von Hype-Erwartungen trennen: Für Unternehmen zählt der messbare Produktivitätsgewinn im eigenen Betrieb und nicht die Marktbewertung von KI-Tools.
3. Multi-Modell-Architekturen etablieren: Entwicklerteams sollten auf flexible Routing-Schichten setzen, um bei Preissenkungen oder Ausfällen sofort zwischen Modellen wechseln zu können.
4. Liquiditätspuffer für Refinanzierungen bilden: Eine Abkühlung an den Tech-Börsen erhöht erfahrungsgemäß die Risikoprämien im gesamten Kreditmarkt, was vorausschauende Finanzierungsabsicherungen erfordert.
