DeepSeek befeuert KI-Infrastrukturlandschaft – auch Frankfurt im Investitionsfokus
Kommentar von Jim Footh, Managing Director, Data Center Investments & Portfolio bei PGIM Real Estate
Das neue Open-Source-KI-Modell von DeepSeek machte im Januar Schlagzeilen. Das Modell soll eine kostengünstige KI-Lösung bieten, die deutlich weniger Rechenleistung benötigt als andere führende Modelle. Diese Nachricht löste im Januar 2025 einen starken Ausverkauf bei KI-bezogenen Technologieaktien aus. Wir glauben, dass Entwicklungen wie diese dazu beitragen könnten, Innovationen in der Infrastrukturlandschaft zu beschleunigen und bleiben insgesamt positiv hinsichtlich KI.
Auswirkungen von DeepSeek auf Investitionen in Rechenzentren
Wir sind der Ansicht, dass Investitionen in die Entwicklung von Rechenzentren in latenzsensiblen Tier-1-Märkten (Nord-Virginia, Silicon Valley, Frankfurt, Tokio usw.), in denen die Lücke zwischen Angebot und Nachfrage am größten ist und die Marktmieten am schnellsten steigen, überzeugende Chancen bieten – eine Ansicht, die durch diese Entwicklung nicht beeinflusst wird. Die latenzempfindliche Nachfrage ist im Allgemeinen sowohl gekennzeichnet durch traditionelle Cloud-Computing-Workloads als auch durch die Inferenzphase der KI. Die Innovation des DeepSeek-KI-Modells ist zwar interessant, aber die Auswirkungen werden sich wohl in der Phase des maschinellen Lernens (ML) bemerkbar machen. Diese ML-Workloads sind nicht latenzempfindlich, und die Rechenzentren, die sie unterstützen, sind in der Regel große Standorte und befinden sich üblicherweise in nicht-traditionellen Märkten, konkret etwa in Iowa, Mississippi, Finnland und Malaysia.
Interessant ist, welche Auswirkungen auf Investitionen in Rechenzentren eine mögliche Verringerung der benötigten Rechenkapazität für die Machine-Learning-Phase der KI zum Trainieren großer Sprachmodelle haben könnte. Die Antwort der meisten Betreiber lautet wenig überraschend: „Keine Panik“. Günstigere und effizientere Wege zur Entwicklung generativer KI werden in der Tat zu einer höheren Akzeptanz und damit zu einer gleichbleibenden, wenn nicht sogar höheren Nachfrage nach Rechenzentrumskapazität führen. Diese Logik hat zwei Gründe: Zum einen machen niedrigere Trainingskosten die Einführung von KI in ihrer jetzigen Form für Unternehmen erschwinglicher. Das könnte zu einer Neuausrichtung der ROI-Entscheidungen führen, die bisher zur Zurückhaltung beigetragen haben. Zum anderen bietet die verbesserte Effizienz den KI-Entwicklern die Möglichkeit, „mit weniger mehr zu erreichen“. Wenn DeepSeeks Durchbruch bei der Trainingseffizienz anhält und von China auf die USA übergreift, können leistungsfähigere KI-Anwendungen und -Modelle entwickelt werden.
Den Übergang zu Inferenzworkloads beschleunigen
Was sich jedoch wahrscheinlich ändern wird, ist die Art der zukünftigen Kapazitätsbereitstellung. Seit der Einführung von ChatGPT wurde ein Großteil der KI-generierten Nachfrage nach Rechenzentrumskapazität in den letzten zwei Jahren für maschinelles Lernen verwendet. Da die Einstiegsbarriere für KI-Modelle die Technologie zugänglicher macht, wird dies den Übergang zu Inferenz-Workloads beschleunigen, bei denen die Allgemeinheit mit den trainierten Modellen interagiert.
Inferenz-Workloads sind in der Regel in latenzempfindlichen Tier-1-Märkten angesiedelt, auf die wir uns konzentrieren. Das Training mag effizienter werden, aber die Inferenz-Workloads werden erheblich zunehmen, was bedeutet, dass die Gesamtnachfrage nach Rechenleistung und Energie weiter steigen wird. Darüber hinaus werden niedrigere Einstiegsbarrieren es auch kleineren Unternehmen und Start-ups ermöglichen, zum Fortschritt der KI beizutragen.
Eine effizientere KI-Infrastruktur führt nicht zwangsläufig zu einem Rückgang der Gesamtnachfrage. Viele Branchenführer argumentieren, dass das Jevons-Paradoxon, bei dem Effizienzsteigerungen zu einem höheren Gesamtverbrauch führen, auch auf die KI-Infrastruktur zutreffen wird. Viele sehen die Effizienzgewinne von DeepSeek eher als Beschleuniger. Eine erschwinglichere, leichter zugängliche KI wird durch eine schnellere Akzeptanz und breitere Marktdurchdringung zu einer höheren Nachfrage führen.
Der Investorenblick: Erfolg von DeepSeek könnte Investitionen in die Infrastruktur von Rechenzentren steigern
Allgemeiner Konsens ist, dass der Durchbruch von DeepSeek nur ein weiterer Schritt in der Entwicklung der KI ist und kein Wendepunkt. Experten haben nie wirklich erwartet, dass die Nachfrage nach On-demand Rechenleistung von Hyperscale Rechenzentren vorhersagbar linear steigen würde. Die öffentliche Verfügbarkeit von ChatGPT im 4. Quartal 2022, zum Beispiel, erhöhte die zu diesem Zeitpunkt prognostizierte Hyperscale-Nachfrage dramatisch. Wir gehen davon aus, dass es immer ein gewisses Maß an kontinuierlicher Verbesserung geben wird, wie wir bereits bei anderen Technologien gesehen haben, auch wenn der Effekt auf die Nachfragekurve holpriger sein wird. Investoren werden ihre Investitionsentscheidungen auch weiterhin laufend neu kalibrieren, doch der Durchbruch von DeepSeek in Verbindung mit dem allgemeinen Trend zur Einführung von KI könnte die Investitionen in die Infrastruktur von Rechenzentren in neuen Anwendungsgebieten und in Schwellenländern weiter beschleunigen.
