Investitionen in Rechenzentren übertreffen in nur 6 Jahren die Ausgaben für historische US-Megaprojekte
(twitter.com/finmoorhouse)- Rechenzentrums-Capex erreichten in nur 6 Jahren rund 930 Milliarden US-Dollar und übersteigen damit die kumulierten Ausgaben der bekanntesten US-Megaprojekte insgesamt
- Es handelt sich um eine Grafik auf Basis von inflationsbereinigten US-Dollar von 2024
- Frühere Megaprojekte wie das Interstate Highway System (620 Milliarden US-Dollar, 37 Jahre) oder die US Railroads (550 Milliarden US-Dollar, 71 Jahre) waren Investitionen über sehr lange Zeiträume
- Beim Rechenzentrums-Capex sind sowohl der Referenzpunkt 2025 als auch der Planwert für 2026 dargestellt; das Wachstumstempo ist den anderen Projekten klar überlegen
- Die Zahlen basieren auf geschätzten Rechenzentrumsanteilen der US-Big-5-Hyperscaler Amazon, Microsoft, Alphabet, Meta, Oracle
Überblick über die Grafik
- Der Titel lautet "Data centers vs. megaprojects", der Untertitel kumulierte inflationsbereinigte Kosten (in Milliarden US-Dollar)
- Die X-Achse zeigt die Jahre seit dem Start des jeweiligen Programms, die Y-Achse die kumulierten Ausgaben (bis maximal 1 Billion US-Dollar)
- Alle Beträge sind auf Basis von US-Dollar des Jahres 2024 umgerechnet
Verlauf des Rechenzentrums-Capex
- Rechenzentrums-Capex erreichen in 6 Jahren kumulierte Ausgaben von rund 930 Milliarden US-Dollar; markiert als Referenzpunkt für 2025
- Der Planwert für 2026 ist als gestrichelte Linie dargestellt und liegt auf einem Pfad über 1 Billion US-Dollar
- In der Grafik zeigt sich gegenüber allen anderen Megaprojekten eine deutlich steilere Steigung
Vergleichs-Megaprojekte
- Interstate Highway System: 620 Milliarden US-Dollar, 37 Jahre
- US Railroads: 550 Milliarden US-Dollar, 71 Jahre
- F-35 Program: 400 Milliarden US-Dollar, 25 Jahre (bisher kumuliert)
- Apollo Program: 257 Milliarden US-Dollar, 14 Jahre
- Marshall Plan: 170 Milliarden US-Dollar, 4 Jahre
- International Space Station: 150 Milliarden US-Dollar, 27 Jahre
- Manhattan Project: 36 Milliarden US-Dollar, 5 Jahre
Methode der Datenermittlung
- Der AI-Capex wurde aus den global gemeldeten Capex der US-Big-5-Hyperscaler (Amazon, Microsoft, Alphabet, Meta, Oracle) anhand geschätzter Rechenzentrumsanteile berechnet
- Verwendet wurden Daten von Epoch AI + Platformonomics
- Es wird angenommen, dass der Rechenzentrumsanteil von rund 55 % im Jahr 2020 auf rund 80 % im Jahr 2026 steigt
- Chinesische Hyperscaler sind ausgeschlossen
Quellen
- Company reports, Epoch AI, FHWA, NASA, CRS, GAO, Brookings
1 Kommentare
Hacker-News-Kommentare
Wie in diesem Tweet wirkt es weniger sensationell, wenn man es als Anteil am US-BIP betrachtet.
Gleichzeitig wird dadurch aber auch klarer, wie gewaltig die Eisenbahn als industrielles Ereignis war.
Frühere Megaprojekte wurden über Jahrzehnte abgeschrieben, und viele Eisenbahnstrecken, Brücken, Tunnel und Dämme, die über 50 bis 100 Jahre alt sind, sind mit Wartung noch immer in Nutzung.
Dagegen werden GPUs, die heute einen großen Teil dieser Ausgaben ausmachen, nur über 6 Jahre abgeschrieben; auf jährlicher Abschreibungsbasis wirkt die heutige Ausgabenwelle daher noch viel überwältigender.
Damals gab es das BIP-Konzept selbst noch nicht, also sind solche Zahlen alles nachträgliche Berechnungen mit großer Fehlerspanne.
Es wirkt auf mich so, als gebe es heute einen Anreiz, die Eisenbahnzahlen möglichst hoch anzusetzen, weil man einen Präzedenzfall für Data-Center-Investitionen schaffen will.
Ich bezweifle, dass Vergleiche als Anteil am BIP für Investitionen aus einer Zeit, in der Schätzungen des modernen BIP ungenau sind, die Größe der Gesamtwirtschaft wirklich korrekt abbilden.
Es war eine Zeit ohne modernes Finanzsystem, ohne Einkommensteuer und mit einem hohen Anteil landwirtschaftlicher Arbeit; ich frage mich, ob sich die Belastung durch Eisenbahnausgaben für den damaligen Durchschnittsbürger wirklich auf derselben Skala bewegt wie heute die Belastung eines Steuerzahlers durch die Kosten des F-35.
Dass die US-Ausgaben für ein einziges Waffensystem, den F-35, in derselben Größenordnung liegen wie der Marshallplan zum Wiederaufbau Europas nach dem Zweiten Weltkrieg, das Interstate Highway System oder alle Data-Center-Investitionen zusammen, zeigt die Prioritäten ziemlich deutlich.
Apollo, das Manhattan Project, die ISS, das Interstate Highway System, der Marshallplan und der F-35 auf dieser Liste haben gemeinsam, dass es staatlich finanzierte Projekte mit langfristigem Gemeinwohlziel waren, bei denen kein kurzfristiger ROI verlangt wurde.
Die Rendite solcher Projekte kommt über sehr lange Zeiträume zurück, etwa in Form von Wirtschaftswachstum, Sicherheit oder wissenschaftlichem Fortschritt Jahrzehnte später.
Besonders der Marshallplan hat gewissermaßen 77 Jahre lang Dividenden ausgeschüttet; ich denke, ein Teil seines Effekts war auch, dass die Sympathie Europas für die USA nicht in starken Protektionismus gegen Big Tech umgeschlagen ist.
Eisenbahnen und AI datacenters dagegen sind private Investitionen, die keine 50 Jahre warten können.
So wie auf das Platzen der Eisenbahnblase große wirtschaftliche Schocks folgten, könnte es bei OpenAI zu einem ähnlichen Schock kommen, falls das Unternehmen innerhalb dieses Jahres oder in dessen Nähe keine teilweise Kapitalrückführung zeigen kann und ein IPO scheitert.
Mir scheint, dass die Vergleichskategorien hier etwas verrutscht sind.
Nur die Eisenbahn ist ein Fall von Infrastrukturaufbau, der im großen Stil von privaten Unternehmen hochgezogen wurde, und deshalb überhaupt halbwegs vergleichbar.
Wenn man den Data-Center-Boom vergleichen will, wären Fabrikbau, Netzausbau, Wasserversorgung, Gasleitungen oder die Elektrifizierung in der ersten Hälfte des 20. Jahrhunderts passendere Beispiele.
Ohne gleichwertigen Vergleichsmaßstab kann man aus einer großen Zahl allein nicht ableiten, ob das außergewöhnlich beeindruckend ist.
Es ist genau wie zu sagen, ich esse pro Minute eine riesige Zahl von irgendetwas; sobald man den Kontext dazugibt, findet es niemand mehr besonders beeindruckend.
Die Panic of 1873 wurde zeitweise sogar Great Depression genannt, und auch die Panik von 1893 entstand aus Überinvestitionen und dem Platzen einer Blase.
Die Lage bei AI wirkt sehr ähnlich: enorme Investitionen, aber noch keine klaren Erträge in Sicht.
Jeder weiß, dass Software und Hardware mit der Zeit effizienter und billiger werden und damit an Wert verlieren, und die Belege dafür, dass der Nutzen auf Nutzerseite dieses Investitionsvolumen rechtfertigt, sind bisher schwach.
Wenn die Blase platzt, dürfte es zuerst privates Kapital treffen statt Banken; und wenn die Bilanzen von Hyperscalern und Tech-Unicorns einbrechen, könnten die darauf aufgebauten Unternehmen, Jobs und sogar das Haushaltsvermögen über den S&P 500 in Kettenreaktionen mitgerissen werden.
Anders als bei einer Bankenkrise ist mit einem Bailout womöglich kaum zu rechnen, sodass der Schock noch unmittelbarer ausfallen könnte.
Fast 10 % der Landesfläche wurden Eisenbahngesellschaften überschrieben, um das Projekt fertigzustellen.
Bei LLMs sollte man langsam in der Lage sein, mit Zahlen zu zeigen, wie viel wirtschaftlichen Wert sie tatsächlich schaffen.
Ein paar Jahre sind vergangen; konkrete Ergebnisse müsste man nun benennen können.
Die Geräte, die in Data-Centern stehen, sind Assets mit verfallendem Wert, die innerhalb von 10 Jahren ihren Wert verlieren, und oft wird die Stromversorgung mit Gasturbinen überbrückt; es bleibt daher kaum der Eindruck, dass damit langfristige Infrastruktur hinterlassen wird.
Die Unruhe rund um AI würde wahrscheinlich schnell verschwinden, wenn nur eines der großen Probleme der Menschheit dadurch gelöst würde.
Etwa ein Durchbruch auf dem Niveau von Kohlenstoffnanoröhren für einen Weltraumaufzug oder nachhaltiger Kernfusion würde die Stimmung wohl schlagartig ändern.
Ich vermute, Schreibmaschinen oder Laptops mussten sich anfangs ähnliche Skepsis anhören.
Ein großer fehlender Fall in diesem Vergleich sind meiner Ansicht nach Atomwaffen.
Die USA haben von 1940 bis 1996 für Atomwaffen, in 2024er Dollar gerechnet, etwa 12 Billionen Dollar ausgegeben, und der Großteil entfiel auf die 1950er und frühen 1960er Jahre.
Zahlen dazu findet man in Wikipedia: Nuclear weapons of the United States.
Ich frage mich zunehmend, ob diese Ausgaben und Risiken wirklich angemessen sind.
Es macht mir Sorgen, dass wir uns kollektiv von AI blenden lassen und dadurch womöglich keine besonders gesunden Entscheidungen treffen.
Auf YouTube spricht Ed Zitron oft ziemlich wütend über dieses Thema; ich finde das ziemlich unterhaltsam und nachvollziehbar.
Die großen AI-Labore stehen weiterhin in einem Wettlauf um Compute, und auch die Inferenznachfrage scheint kaum hinterherzukommen.
Das ist kein einzelnes Projekt, sondern eher ein Phänomen, bei dem über Hunderte oder Tausende ähnliche Projekte hinweg Geld in Compute gepumpt wird.
Als Analogie ist es eher so, als würde man nicht ein einzelnes Vorhaben nennen, sondern die gesamten Ausgaben für Verkehrsinfrastruktur in einem bestimmten Zeitraum zusammenfassen.
Zu diesem Thema war ein Vortrag von Justin Lebar wirklich sehr gut.
Er hat am xla compiler gearbeitet und war auch bei OpenAI; dieser Vortrag hilft dabei, den Kontext einzuordnen.
In diesem Zusammenhang ist auch dieser weitere Graph sehenswert.
Ich frage mich, ob das wirklich tatsächlich ausgeführte Ausgaben sind.
Ich bin unsicher, ob es sich um tatsächlich geflossene Gelder handelt oder nur um angekündigte Zusagen nach dem Motto „wir werden $X investieren“.
Mich würde auch interessieren, wie zirkuläre Beteiligungsvereinbarungen dabei berücksichtigt werden.
Ich frage mich, was genau in den hier genannten datacenter capex enthalten ist.
Insbesondere würde ich gern wissen, ob auch Stromerzeugungsanlagen mitgerechnet werden.
Selbst wenn der AI-Boom nicht die erhofften Ergebnisse liefert, wäre es für sich genommen schon ein großer Gewinn, wenn dabei viel Energieinfrastruktur wie Solar-, Wind- oder Wasserkraft ausgebaut würde.
Selbst mit Batteriespeichern reicht das nicht aus, und tatsächlich stützen sich neue Anlagen oft auf Gas und Kohle, wie etwa bei Musks xAI.