Druckenmiller setzt auf KI-Anwendungen statt Rechenzentren
Der Starinvestor sieht die nächsten großen KI-Gewinner nicht mehr in der Infrastruktur, sondern in der Anwendung.

Wer vor zwei Jahren in Aktien für die KI-Infrastruktur investiert hat, dürfte beträchtliche Gewinne eingefahren haben. Die These war einfach: Die Big-Tech-Unternehmen werden Hunderte von Milliarden US-Dollar in GPUs, Speicher und Server investieren, und diejenigen, die von diesen Ausgaben profitieren, werden einen Boom bei den Gewinnen erleben. Genau das ist geschehen, und es ist ein wesentlicher Grund dafür, dass Aktien wie Micron (MU), SanDisk (SNDK) und Dell (DELL) zu großen Gewinnern wurden.
Doch genau an diesem Punkt setzt der Starinvestor Stanley Druckenmiller an. Er ist überzeugt, dass die nächsten großen Gewinner aus der Anwendung von KI entstehen werden – und nicht mehr allein aus dem Bau der Rechenzentren. Damit verschiebt sich der Fokus der Debatte: weg von den Zulieferern der physischen Infrastruktur, hin zu jenen Unternehmen, die KI tatsächlich einsetzen, um Produkte und Dienstleistungen zu verbessern.
Die ursprüngliche Investmentthese hatte sich über zwei Jahre hinweg als äußerst ertragreich erwiesen. Wer früh auf die Profiteure der Infrastruktur-Ausgaben setzte, konnte von einem Boom bei den Gewinnen profitieren. Micron, SanDisk und Dell sind die im Quelltext genannten Beispiele für diese Entwicklung. Druckenmillers neue These richtet den Blick nun auf die nächste Phase des KI-Zyklus.
Druckenmiller hat sein Portfolio bereits im ersten Quartal 2026 neu ausgerichtet
Bereits am 24.05.2026 berichtete aktien.news, dass Stanley Druckenmiller, einer der bekanntesten Milliardäre und Investoren der Wall Street, im ersten Quartal 2026 eine bemerkenswerte Neuausrichtung seines Portfolios vorgenommen hat. Sein Duquesne Family Office hat Beteiligungen an Broadcom, Intel und Arm Holdings aufgebaut – und damit ein klares Signal gesetzt: Der erfahrene Investor sieht das größte Wertpotenzial im KI-Boom künftig nicht mehr allein bei Grafikprozessoren (GPUs), sondern in der breiteren KI-Infrastruktur.
Druckenmillers Verhältnis zu Nvidia ist dabei aufschlussreich. Er hatte erstmals Ende 2022 Nvidia-Aktien erworben – zu einem Zeitpunkt, als die KI-Euphorie gerade erst begann. Nach der ersten explosiven Kursrally des Papiers verkaufte er die Position wieder. Diese Bewegung zeigt ein Muster: Druckenmiller sucht die nächste Stufe des Trends, nicht die bereits vollzogene Aufwärtsbewegung.
Mit seiner aktuellen Einschätzung vollzieht er nun einen weiteren Schritt. Stand im Frühjahr 2026 noch die breitere KI-Infrastruktur im Zentrum seiner Neuausrichtung, so richtet sich der Blick jetzt auf die Anwendungsebene. Wer die Anwendung von KI als nächste Gewinnquelle identifiziert, sucht Unternehmen, die mit KI ihre Margen verbessern oder neue Erlösmodelle erschließen – nicht jene, die Hardware liefern.
Der Speicher-Superzyklus bleibt ein zentraler Baustein des KI-Booms
Bereits am 18.05.2026 berichtete aktien.news über den nächsten großen Megatrend in der Technologiebranche: den KI-Inferenz-Superzyklus. Während viele Anleger ihren Blick auf Chip-Giganten wie Broadcom oder Intel richten, rückten Analysten von Motley Fool zwei andere Unternehmen in den Vordergrund – Micron Technology und Sandisk. Beide Speicherspezialisten sollen laut der Analyse die eigentlichen Hauptgewinner dieses Megatrends werden.
Der Grund liegt in der wachsenden Bedeutung von Speicherlösungen für KI-Rechenzentren. Bei sogenannten Inferenz-Workloads – also dem Einsatz bereits trainierter KI-Modelle zur Verarbeitung von Anfragen in Echtzeit – spielen leistungsstarke Speicherchips eine zentrale Rolle. Je mehr KI-Anwendungen tatsächlich genutzt werden, desto stärker wächst die Nachfrage nach Speicher. Damit verbindet sich die Infrastruktur- mit der Anwendungsseite.
Am 07.06.2026 berichtete aktien.news zudem, dass der Aktienmarkt derzeit von einem einzigen Megatrend dominiert wird: den massiven Investitionen der sogenannten Hyperscaler in KI-Infrastruktur. Unternehmen wie Meta Platforms, Microsoft, Amazon und Alphabet haben ihre Investitionsausgaben für KI-Rechenzentren in den letzten fünf Jahren mehr als verdreifacht. Laut McKinsey & Company gaben Unternehmen weltweit im vergangenen Jahr fast eine Billion US-Dollar für Rechenzentren aus – bis 2030 soll dieser Wert auf vier Billionen US-Dollar steigen.
Wer von diesem Boom profitieren will, muss nicht zwingend auf die großen Technologiekonzerne selbst setzen. Stattdessen lohnt sich ein Blick auf die Zulieferer – jene Unternehmen, die die unverzichtbare Hardware liefern. Genau diese These hat sich in den vergangenen zwei Jahren bewährt und erklärt die Kursgewinne von Micron, SanDisk und Dell.
Auch abseits der reinen Infrastruktur gibt es Wachstumswerte
Am 03.10.2026 berichtete aktien.news, dass sich künstliche Intelligenz für Frühinvestoren als lukrative Chance erwiesen hat. Nvidia wurde dank seiner KI-Chips zum wertvollsten börsennotierten Unternehmen der Welt – und seither suchen Anleger nach dem nächsten großen KI-Aktienwert. Wer 1.000 Dollar investieren möchte, könnte laut einer Analyse des US-Finanzdienstes The Motley Fool zwei Wachstumswerte in den Blick nehmen, die im Zentrum des Ausbaus von KI-Rechenzentren stehen: Iren (IREN) und Micron (MU).
Der Hintergrund: Mit der Ausweitung der KI auf physische und agentische Anwendungen steigt die Nachfrage nach physischer Infrastruktur sprunghaft an. Im vergangenen Jahr prognostizierte S&P Global bis 2030 einen US-amerikanischen KI-Boom. Diese Einordnung zeigt, dass die Infrastruktur- und die Anwendungsthese einander nicht ausschließen, sondern aufeinander aufbauen.
Für deutsche Privatanleger bedeutet die Verschiebung des Fokus eine veränderte Suchrichtung. Wer bislang vor allem auf die Hardware-Zulieferer gesetzt hat, könnte den Blick nun auf Unternehmen richten, die KI in ihre Geschäftsmodelle integrieren. Dabei ist zu beachten, dass die im Quelltext genannten Beispiele – Micron, SanDisk und Dell – US-amerikanische Unternehmen sind und Währungsrisiken sowie unterschiedliche steuerliche Behandlungen mit sich bringen. Eine Kauf- oder Verkaufsempfehlung lässt sich daraus nicht ableiten.
Die Einordnung von Druckenmillers These in den breiteren Marktkontext fällt differenziert aus. Einerseits bleibt die Infrastruktur-Nachfrage laut den vorliegenden Berichten intakt: Die Hyperscaler-Ausgaben steigen weiter, und die Speichernachfrage durch Inferenz-Workloads wächst. Andererseits verschiebt sich der Grenznutzen der Investitionen mit der Zeit von der Hardware zur Software und zu den Anwendungen. Genau diese Verschiebung beschreibt Druckenmiller.
Für Anleger, die den Trend einordnen wollen, ist die Unterscheidung zwischen Trainings- und Inferenzphase hilfreich. In der Trainingsphase dominieren GPUs und Rechenzentren. In der Inferenzphase, in der bereits trainierte Modelle Anfragen in Echtzeit verarbeiten, gewinnen Speicher und Anwendungen an Bedeutung. Der im Quelltext beschriebene Inferenz-Superzyklus ist der Übergang zwischen beiden Phasen.
Die vorliegenden Berichte nennen konkrete Erwartungen bis 2030
Die vorliegenden Berichte nennen konkrete Erwartungen für die kommenden Jahre. Laut McKinsey & Company soll der weltweite Ausgabenwert für Rechenzentren bis 2030 auf vier Billionen US-Dollar steigen, nachdem er im vergangenen Jahr bei fast einer Billion US-Dollar lag. S&P Global prognostizierte im vergangenen Jahr bis 2030 einen US-amerikanischen KI-Boom. Diese Prognosen stammen aus den zitierten Berichten und stellen keine eigenen Schätzungen dar.
Druckenmillers Portfolio-Neuausrichtung datiert auf das erste Quartal 2026. Die Beteiligungen an Broadcom, Intel und Arm Holdings wurden in diesem Zeitraum aufgebaut. Der Verkauf der Nvidia-Position erfolgte nach der ersten explosiven Kursrally des Papiers. Weitere konkrete Termine oder Unternehmensangaben enthält der Quelltext nicht.
Diese drei Fachbegriffe ordnen den KI-Zyklus ein
- GPU: Ein Grafikprozessor ist ein spezialisierter Chip, der ursprünglich für die Darstellung von Bildern entwickelt wurde und heute auch für KI-Berechnungen genutzt wird.
- Inferenz: Der Begriff bezeichnet den Einsatz bereits trainierter KI-Modelle zur Verarbeitung von Anfragen in Echtzeit.
- Hyperscaler: So werden große Cloud-Anbieter genannt, die ihre Rechenkapazität in sehr großem Maßstab betreiben und ausbauen.
