Die nächste AI-Boomerscheinung könnte zunächst in den GPU-Futures auftreten. Der Handel zwischen Nvidia und Neocloud wird bald neu bewertet werden.

Der AI-Markt hat drei Jahre lang darüber nachgedacht, wie viele GPUs Nvidia verkaufen kann, wer diese erhalten kann und wie viel die Hyperscalers bereit sind zu zahlen. Die nächste Phase wird von einer noch schwierigeren Frage bestimmt: Was ist eigentlich der Wert von Rechenleistung? Am 5. Oktober plant die CME Group, Futures auf die monatlichen Mietpreise der Nvidia H100- und B200-GPUs anzubieten – vorbehaltlich einer Regulatorieprüfung. Es handelt sich dabei um eine Art „Nischenderivat“. Tatsächlich geht es dabei um die Kostenstruktur der Hardware. Eine öffentliche Forward-Kurs-Preis bietet einem Rechenleistungsanbieter eine Möglichkeit, seine Mieterträge zu sichern, einem AI-Labor eine Möglichkeit, zukünftige Kosten abzusichern und einem Kreditgeber einen Marktpreis für GPU-Collateral. Wenn die Verträge echte Liquidität generieren, werden sie dazu beitragen, herauszufinden, welche Hardware finanzierbar ist, welche Neoclouds einen günstigeren Kapitalbedarf haben und welche älteren GPU-Flotteen weniger wert sind als ihre Besitzer denken. Nvidia hat jahrelang dafür gesorgt, dass ihre Chips das technische Standard für AI sind. Wall Street macht nun den ersten Schritt, um sie auch zum finanziellen Standard zu machen.

Die Veränderung der Forward-Kurve beeinflusst die Finanzierung.

Die Verträge von CME werden auf der NYMEX unter den Symbolen GPU1 und GPU2 gehandelt. Sie werden in bar abgewickelt, gegen die Rental-Price-Indizes von Silicon Data’s H100 und B200. Somit muss niemand physische GPUs liefern. Die Verarbeitungskette ist also einfach:

Spotpreis → Forwardkurve → Handhabbare Einnahmen → Finanzierbare Cashflows → Geringere Finanzierungskosten

Diese Kette existiert heute nicht auf großer Skala. Die Investoren schätzen weiterhin die AI-Infrastruktur von oben nach unten – Nvidia meldet Aufträge, Großkonzerne offenbaren ihre Investitionskosten, Neoberechnungseinheiten teilen Verträge mit – und alle versuchen herauszufinden, wie viel Kapazität in drei Jahren genutzt werden wird. Eine gehandelte Kurve entsteht also von unten nach oben. Wenn ein H100 heute 2,70 Dollar pro Stunde kostet, aber die Preise für lange Zeiträume stark fallen, dann erhält der Markt sofort eine Vorstellung davon, wie sich die wirtschaftliche Situation des Assets entwickelt. Wenn die Preise für B200 stabil bleiben, während die Lieferung durch Blackwell zunimmt, erhalten die Investoren Hinweise darauf, dass die Nachfrage die Kapazitäten übernimmt – und nicht nur etwas, was in Pressemitteilungen versprochen wird.

Der finanzielle Einfluss ist das eigentliche Ziel. Ein Kreditgeber, der einen GPU-Cluster finanziert, muss gleichzeitig die Nutzung des Clusters, die Mietpreise, den Restwert, die Qualität der Kunden sowie die Energieverfügbarkeit und das Baurisiko berücksichtigen. Futures isolieren eine dieser Variablen. Der Betreiber verkauft Futures, um die Mieterträge zu schützen; die Kunden kaufen sie, um die Rechenkosten zu vermeiden. Der Kreditgeber kann das Risiko durch Futures abwenden. BCG schätzte eine Einsparung von 116 Milliarden Dollar bei den Kreditkosten für Investitionen in die KI-Infrastruktur im Zeitraum von 2026 bis 2030 auf 3,6 Billionen Dollar. Diese Schätzung ist zwar ambitioniert, aber die Richtung ist korrekt: Messbares Risiko ist einfacher finanzierbar als unklares Risiko.

Aber Rechenleistung ist nicht wie Öl. Öl kann in einem Tank gelagert werden – ungenutzte GPU-Stunden gehen jedoch verloren. Es gibt keinen einfachen Weg, die Preise des Spotmarktes mit den Futurespreisen zu verbinden. Stattdessen zeigt die Kurve die erwarteten Mietkosten, die Hebelwirkungen sowie den Bonus, den man für die andere Seite zahlen muss. Das macht es wertvoll. Für das erste Mal können Investoren den Preis der Risiken im Bereich der KI-Infrastruktur direkt erkennen – anstatt ihn nachträglich aus Schuldenverträgen abzuleiten.

Nvidia gewinnt den Benchmark, Neoclouds gewinnt die Volatilität.

Nvidia besitzt die Indizes nicht – Silicon Data besitzt sie. Doch die ersten institutionellen Rechenverträge werden nach Nvidia-Produkten benannt, nicht nach AMD-Akkumulatorn oder ASICs von Hyperscalern. Das macht die Finanzierbarkeit zu einem weiteren Vorteil der Nvidia-Plattform. Ein Kreditgeber möchte vielleicht lieber eine H100- oder B200-Serie nutzen, wenn es eine klare Mietkurve gibt, ein Indikator für den Restwert sowie eine Möglichkeit zur Absicherung vor Risiken. Ein Konkurrenzchip kann zwar günstiger sein, aber auch mit höheren Gesamtkosten verbunden sein, wenn die Finanzierung schwierig ist.

CUDA machte Nvidia zum Softwarestandard für beschleunigte Berechnungen. Ein erfolgreicher Markt für futurale Technologien fügt dem noch einen finanziellen Standard hinzu. AMD und spezielle Chips können an Bedeutung gewinnen, während der Markt weiterhin nachprüft, wie die Kosten pro Einheit der verwendeten Hardware im Vergleich zu den H100- oder B200-Systemen aussehen. Nvidia behält dabei den Vorteil. Wenn die Mietpreise konstant bleiben, unterstützen höhere Werte der Sicherheiten mehr GPU-Käufe. Wenn die Mietpreise sinken, trägt der Infrastrukturbesitzer die Folgen, nachdem Nvidia die Verkäufe bereits abgeschlossen hat. Nvidia erzielt Geld, wenn Kunden alte GPU austauschen. Die Infrastrukturbesitzer tragen die Kosten für den Wertverlust der GPU.

Das ändert nichts an den Entwicklungen von Nvidia in dem nächsten Quartal. Es verändert lediglich die Wettbewerbsstruktur bezüglich der installierten GPUs. Ein Benchmark muss nicht jeden GPU-Hour exakt kalkuliert werden – es muss ein Maß sein, um das Käufer, Verkäufer und Kreditgeber verhandeln können. Wenn dieses Maß mit den Produktnummern von Nvidia verbunden wird, dann erstreckt sich die Marktmacht des Unternehmens über die Chips und Software hinaus auf die Kapitalmärkte.

Die Mietpreise für die Headlines können auch täuschen. Die Kosten für die B200-Kapazität sind mehr als doppelt so hoch wie bei der H100-Kapazität. Doch die B200 liefert mehr als das Doppelte der theoretischen FP8-Leistung.

In dieser engen Messgröße ist der B200 etwa 9% günstiger pro Einheit des Peak-FP8-Berechnungsverfahren – obwohl sein Preis 2,07-mal höher ist als der Stundenpreis. Die tatsächlichen Anforderungen hängen von der Speicherkapazität, der Netzwerktechnologie, der Software, der Energieverbrauch, der Modellarchitektur sowie der Nutzung ab. Deshalb reichen theoretische FLOPS-Werte nicht aus. Es geht also darum, dass Investoren aufhören, den Dollar pro GPU-Stunde als endgültige Kennzahl zu betrachten. Der wichtige Maßstab sollte sein, wie viel Geld pro effektive Berechnungseinheit – und letztendlich auch pro Token – bei festgelegter Latenzzeit und Servicelevel entsteht.

Die größte Sensitivität gegenüber Kapitalmarktveränderungen liegt bei CoreWeave. Am 30. Juni hatte CRWV etwa 35,6 Milliarden Dollar an Schulden. Im zweiten Quartal betrug die Nettozinskosten 640 Millionen Dollar. Eine hypothetische Reduzierung um 100 Basispunkte dieser Schuldensumme entspricht etwa 356 Millionen Dollar an jährlichen Ersparnissen vor Steuern. Das wird jedoch nicht sofort passieren – außerdem schützen Futures keine Kundenausfälle, Bauverzögerungen oder Strommängel. Die Berechnung zeigt also, warum eine glaubwürdige Prognose für CRWV wichtiger ist als für Nvidia.

Nebius ist die niedrigere Beta-Version. Ihr etwa 8 Milliarden Dollar hoher Cash-Bestand entspricht fast dem Anstieg seiner Schulden. Fast 6 Milliarden Dollar an verspäteten Umsätzen zeigen, dass die Kundenfinanzierung bereits einen erheblichen Teil der Investitionen unterstützt. NBIS profitiert zwar von besseren Preisermittlungen, aber sie benötigt keine sofortige Refinanzierung wie CoreWeave. Meine risikobewertete Rangfolge ist…NVDA zuerst, NBIS zweitens, CRWV drittens.CRWV verfügt über den größten Drehmomentgewinn – doch es gibt auch weniger Spielraum für eine vorwärtsgerichtete Krümmung, was negative Folgen haben kann.

Alte GPU werden bald abgeschrieben werden.

Die bestehende Termikurve zeigt keine Zusammenbruchseffekte. Sie zeigt vielmehr eine klare Altersdiskriminierung:

Es handelt sich dabei um die Termtarife von Silicon Data vom 19. Juli – keine gehandelten CME-Futures oder garantierten Prognosen. Dennoch ist die Struktur der Termtarife wichtig. Je älter die Architektur ist, desto größer ist die Diskontierung, die erforderlich ist, um eine langfristige Mietverpflichtung zu sichern. Sobald der Handel auf dem Markt beginnt, wird diese Termstruktur zum Maßstab für Kreditgeber, Vorstandsmitglieder und Prüfer. Die ersten Schäden durch eine schwächere Kurve werden wahrscheinlich bereits in den Kreditbedingungen sichtbar sein – niedrigere Verhältnisse zwischen Kredit und Wert des Objekts, strengere Vorgaben, kürzere Laufzeiten und breitere Refinanzierungsspannen. Compute-Futures können dazu führen, dass neue Kapazitäten günstiger finanziert werden, während alte Kapazitäten schwerer finanziert werden können.

Der „Bear Case“ erfordert nicht, dass die Nachfrage nach KI-Technologie zusammenbricht. Es reicht aus, dass die Lieferung schneller wächst als der Wert, den Kunden für zusätzliche Rechenleistung zahlen würden. Ein Rückgang der Preise für H100-Geräte zusammen mit sinkenden Preisen für B200-Geräte wäre handhabbar – das würde zeigen, dass Kunden zu effizienterem Hardware verwenden. Doch ein Rückgang der Preise für H100, B200 und neuere Generationen von Geräten würde etwas viel Schlimmeres bedeuten. Die Nutzung von KI-Technologie könnte trotzdem weiterhin steigen, während die Erträge aus der Besitzung von KI-Infrastruktur abnehmen. Der Markt hat immer wieder die Wachstumsraten der KI-Nachfrage und die Erträge aus KI-Infrastrukturen als etwas gleichwertig angesehen. Das sind sie aber nicht.

Die Markteinführung ist nicht der Auslöser. Die Liquidität ist es.

Die meisten neuen Derivate werden nie zu wichtigen Benchmarks werden. Investoren sollten diese Verträge nicht als „WTI of AI“ bezeichnen – bis die Betreiber, Kunden und Kreditgeber sie tatsächlich nutzen. Das Dashboard ist einfach gestaltet:

• B200/H100-Mietspreis:Ein Rückgang des Premiumpreises zeigt an, dass die Knappheit der neuen Generation ausgeglichen wird.

• $/Effective-PFLOP-Hour:Die Erreichung der Arbeitsbelastungsökonomik ist wichtiger als der Stundenlohn.

• Neigungswinkel der Vorwärtskrümmung:Eine Rabattaktion für Legacy-GPUs von über 20–25% – zusammen mit einer geringeren Nutzung – ist ein Warnsignal.

• Futures- zu -physische Basis:Der Index muss die tatsächlichen Unterschiede in Bezug auf Geografie, Netzwerkstruktur, Zuverlässigkeit und Vertragsstruktur berücksichtigen.

• Volumen und offene Positionen:Die Preisveröffentlichung ist keine Art der Preisfindung. Die wiederholten kommerziellen Hedge-Maßnahmen sind das Beweisdokument dafür.

ICE bereitet GPU-Futures vor, die in Bargeld ausgezahlt werden. Das stärkt die Chancen, doch es birgt auch das Risiko der Fragmentierung. Meine Grundannahme ist, dass die Compute-Futures erst dann nützlich werden, wenn sie ausreichend liquide sind, um als Finanzmittel genutzt zu werden. Ihre erste Aufgabe wird es sein, Preisstandards festzulegen – also Referenzpunkte für den Kauf, die Sicherheiten und die Verhandlungen. Der Vorteil durch die Finanzierung kommt später, nachdem sich die Preise über die verschiedenen Laufzeiten entwickelt haben und die Kreditgeber die Hedging-Möglichkeiten in ihren Kreditverträgen erkennen.

Das gibt den Investoren ein klares Rahmenwerk. Man sollte NVDA besitzen – aufgrund des strukturellen Vorteils als Benchmark. Wenn die Resilienz der Bilanz wichtig ist, sollte man lieber NBIS wählen. CRWV sollte als Asset mit hohem Beta betrachtet werden – aber man sollte keine Kosten für niedrigere Finanzierungskosten tragen, bis diese in neuen Schuldenpreisen, Zahlungsraten oder offiziellen Informationen über Hedge-Maßnahmen sichtbar werden. Man sollte keine Kursshort-Positionen gegenüber älteren GPU-Produkten einnehmen – nur weil die Chips alt sind; man sollte abwarten, bis sich die Kurve und die Nutzung der GPUs gemeinsam verschlechtern.

Über Jahre hinweg haben die Gewinne von Nvidia den Investoren gezeigt, wie viel Hardware die Kunden bereits gekauft hatten. Die Investitionen der Großrechenanbieter hingegen zeigten an, wie viel sie vorhaben zu ausgeben. Der Preis für die Berechnungstechnologie liefert die entscheidenden Informationen: Wie viel ist eine einzelne Einheit der KI-Infrastruktur heute wert – und was die Marktteilnehmer für morgen erwarten. Sobald diese Preiskurve feststeht, müssen die Investoren nicht mehr über die Kosten der KI-Infrastruktur nur in abstrakten Zahlen diskutieren. Sie können stattdessen sehen, wie sich die Kosten in Echtzeit ändern. Die nächste Entwicklung im Bereich der KI könnte dort zuerst sichtbar werden.