TSMC & ASML – Eine natürliche Blasenbremse

• Taiwan Semiconductor Manufacturing (ADR) - WKN: 909800 - ISIN: US8740391003 - Kurs: 404,520 $ (NYSE)
• ASML - WKN: A1J4U4 - ISIN: NL0010273215 - Kurs: 1.427,600 € (XETRA)
• NVIDIA Corp. - WKN: 918422 - ISIN: US67066G1040 - Kurs: 215,280 $ (Nasdaq)

Der Podcast mit Gavin Baker bei "Invest Like The Best" war extrem spannend, daher habe ich hier die spannendsten Insights für euch hier zusammengetragen. Viele der Ansichten habe ich schon genau so exklusiv im AktienPuls360 exklusiv geteilt. Das Depot steht auf Allzeithoch, weil gezielt in KI-Infrastruktur-Werte investiert wurde und die These "KI-Infra wird Software auch 2026 outperformen" konsequent umgesetzt wurde. So haben sich viele der Depotholdings und Top Picks dieses Jahr bereits verdoppelt. AAOI, Lumentum, Marvell, Micron, ... um nur ein paar zu nennen. Auch einige unbekannte KI-Highflyer wie Soitec oder einige andere habe ich frühzeitig vorgestellt. Wie immer kannst Du Dich 14 Tage unverbindlich von unserem Angebot überzeugen.

AktienPuls360 bekommt ab sofort eine klarere Struktur

Mit dem Update wird das Angebot in drei spezialisierte Depots aufgeteilt. Neu hinzu kommt ein zweites Depot von mir, damit kurzfristige Einzelaktien-Trades künftig getrennt von meinen langfristigen Investments umgesetzt werden können. In der derzeitigen Marktlage läuft das kurzfristige Trading hervorragend. Seit Juni 2025 sind es 187 % - das kann ich nun endlich auch abbilden. Im Gegenzug wird das bisherige Gemeinschaftsdepot „360 Top Picks“ eingestellt.

Künftig gibt es damit mein kurzfristiges Depot für taktische Aktien-Trades, mein langfristiges Depot mit fundamentalem Fokus und monatlicher Einzahlung von 1.000 Euro sowie Roccos Depot mit klarem Fokus auf chartbasierte Trades.

Zusätzlich führt das Update eine neue Empfehlungsliste ein. Setups, die noch nicht im Depot liegen, werden nun zentral an einem Ort gesammelt. Auch die Analysen werden neu gegliedert. Unter „Beiträge“ gibt es ab sofort getrennte Reiter für Chartanalysen und Fundamentalanalysen. Die ersten Trades im neuen Depot wurden bereits getätigt.

Weniger Puls, mehr Klarheit & Weitsicht an der Börse. Mehr Struktur, weniger Bauch, 2026 so richtig mit dem Traden & Investieren beginnen! Wir helfen dir dabei. Mit uns bist Du immer am Puls der Märkte.

👉 AktienPuls360, jetzt für maximal 2,58 EUR am Tag testen und den Content von Valentin und Rocco "genüßlich" aufsaugen.

Die letzten Trades?

1. Der AI-Zyklus läuft in einer anderen Geschwindigkeit als alles davor

Er sagt, was gerade bei den großen Frontier-Labs passiert, hat in dieser Form keinen echten historischen Vergleich. Sein Beispiel dafür ist Anthropic. Die Firma hat in sehr kurzer Zeit eine Umsatzdimension erreicht, für die frühere große Softwarefirmen viele Jahre gebraucht hätten. Viele Marktteilnehmer behandeln KI noch mit Denkweisen aus dem klassischen SaaS-Zeitalter. Baker macht klar, dass diese Denkmodelle nur noch begrenzt funktionieren. Kapitalbedarf, Infrastrukturengpässe, Investorenerwartungen, Konkurrenzdruck und die Frage, welche Unternehmen überhaupt in der Lage sind, diese Nachfrage operativ zu bedienen.

2. Der Sell-off im März war aus seiner Sicht kein fundamental bärisches Signal

Baker trennt zwischen zwei Arten von Rücksetzern. Die erste Art entsteht, wenn die Investmentthese falsch war und operative Daten die Annahmen widerlegen. Die zweite Art entsteht, wenn Kurse fallen, obwohl sich die fundamentale Lage in Wahrheit verbessert. Genau so beschreibt er den März mit dem Iran-Konflikt und gerade diese Narrativ-getriebenen Sell-offs liebe ich! Für ihn war das kein Umfeld, in dem KI operativ schwächer wurde. Im Gegenteil. Während Kurse fielen, verschärften sich aus seiner Sicht viele reale Signale entlang der Kette. Gerade in sehr jungen Technologiezyklen läuft der Markt oft nicht parallel zu den operativen Realitäten.

3. DeepSeek und effizientere Modelle bedeuten nicht automatisch weniger Hardware-Nachfrage

Deepseek oder Turboquant - ich liebe es! Viele Marktteilnehmer hatten den Reflex, effizientere Modelle automatisch als negativ für Hardware, Speicher und Rechenzentrumsinvestitionen zu lesen. Sobald Modelle reasoning-lastiger werden, steigt der Inference-Aufwand deutlich. Effizienz auf einer Ebene kann also die Nachfrage auf einer anderen Ebene sogar beschleunigen. Nennt man, wie mittlerweile jeder weiß, Jevons Paradoxon. Er verweist in diesem Zusammenhang auf steigende GPU-Preise, sinkende GPU- & Memory-Verfügbarkeit. Bessere Effizienz entlastet nicht zwingend die Infrastruktur. Sie kann die Nutzung erst recht explodieren lassen.

4a. Compute-Knappheit verzerrt sogar die Wahrnehmung der Modellqualität

Modellqualität ist nicht nur eine Frage des Modells selbst, sondern hängt auch von Compute-Verfügbarkeit und Kostensteuerung ab. Baker deutet an, dass Modelle unter Umständen bewusst "sparsam gemacht" werden, um Tokens oder Rechenkosten zu begrenzen. Ergo können die Modelle heutzutage sogar deutlich besser sein, als es viele vermuten. Ich persönlich denke auch, dass sie intern mit deutlich krasseren Modellen arbeiten.

Das Learning: Die heute sichtbare Qualität eines Modells muss nicht dessen natürliche Obergrenze sein. Sie kann durch Kapazitätsengpässe oder wirtschaftliche Optimierung beeinflusst werden.

4b. Open Source gegen Frontier ist für ihn vor allem ein Spieltheorie-Thema

Es ist wie ein Gefangenendilemma: Wenn Frontier-Labs ihre besten Modelle zu offen zugänglich machen, erleichtern sie Distillation und riskieren, ihren Vorsprung schneller zu verlieren. Wenn niemand offenlegt, bleibt der Vorsprung kontrollierter. Offenheit ist in KI nicht nur eine Produktfrage, sondern ein strategisches Gleichgewicht mit direkten wirtschaftlichen Folgen. Selbst Meta hat den Backflip gemacht.

5. KI-Boom hängt an zwei harten Flaschenhälsen: Strom und Wafern

Stromengpässe hält er grundsätzlich für lösbar, wenn Kapital, Anreize und regulatorische Rahmenbedingungen stimmen. Waferengpässe an der technologischen Spitze sieht er deutlich kritischer, weil dort nur sehr wenige Anbieter überhaupt in der Lage sind, das notwendige Niveau zu liefern.

Strom kann durch Märkte, Investitionen und Infrastruktur über Zeit aufgebaut werden. Spitzentechnologische Waferkapazität ist viel konzentrierter, schwerer kopierbar und deutlich träger. Deshalb ist TSMC nicht einfach nur ein Zulieferer, sondern ein Machtzentrum dieses gesamten Zyklus.

6. Orbital Compute wäre nach seiner Sicht kein Ersatz, sondern ein zusätzlicher Layer

Baker sagt ausdrücklich, dass terrestrische Datacenter auf lange Sicht wertvoll bleiben dürften. Training werde auf absehbare Zeit auf der Erde bleiben. Für Orbital Compute sieht er eher Potenzial bei Teilen der Inference. Neue Infrastruktur muss alte Infrastruktur nicht sofort zerstören. Sie kann zunächst zusätzliche Kapazitäten und neue Spezialisierungen schaffen.

7. TSMC & ASML = eine natürliche Blasenbremse

Das Highlight für mich persönlich war, dass Baker meine These auch stützt. Der High-End-Waferengpass durch TSMC verhindert bislang eine klassische KI-Blase. Historisch entstanden Übertreibungen oft dann, wenn Finanzierung, Nachfragefantasie und zu viel neues Angebot gleichzeitig aufeinandertrafen. Genau das wird in seiner Logik aktuell durch die begrenzte Fertigungskapazität an der Spitze gebremst. Engpässe sind nicht nur ein Problem für Wachstum. Sie können auch ein Schutzmechanismus gegen übermäßigen Kapazitätsaufbau sein. Genau deshalb ist TSMC oder ASML nicht nur Flaschenhals, sondern gewissermaßen auch als Stabilitätsfaktor.

Als Bottlenecks bestimmen ASML und TSMC über verfügbare Kapazität und damit darüber, wie schnell und in welchem Umfang der restliche Markt ausbauen kann. ASML und TSMC müssen selbst in Vorleistung gehen, um zusätzliche Nachfrage zu bedienen. Ein übertriebener Kapazitätsausbau würde für beide das Risiko erhöhen, auf Investitionen sitzen zu bleiben, falls daraus Überkapazitäten entstehen. Dadurch entsteht eine natürliche Disziplinierung des gesamten AI-Capex-Zyklus.

8. Die eigentliche Gefahr beginnt, wenn Intel oder Samsung die Angebotsdisziplin brechen

Auch sehr logisch und spannend. Die Blasenfrage beginnt für ihn weniger bei Nvidia oder den Labs, sondern bei den Foundry-Entscheidungen. Wenn Intel oder Samsung aggressiver ausbauen und dadurch das Angebotsgleichgewicht verändern, könnte sich auch die Marktmechanik ändern.

9. Frontier-Modelle ziehen den Großteil des ökonomischen Werts weiter an sich

Baker hält die Vorstellung für zu simpel, dass offene, billigere oder "fast so gute" Modelle (destillierte chinesische Modelle) die ökonomische Dominanz der Frontier-LLMs schnell brechen. Aus seiner Sicht landen die meisten ökonomischen Returns weiterhin bei den leistungsstärksten Modellen. Modelle können in Benchmarks relativ nah beieinander liegen und in realen Workflows, Tool-Umgebungen, Stabilität und Zahlungsbereitschaft trotzdem weit zurückliegen. Zudem wird kaum ein westliches Unternehmen chinesische LLMs nutzen. In KI gewinnt nicht zwingend das stärkste oder billigste Modell, sondern das mit dem besten Verhältnis aus Leistungsfähigkeit, Kosten, Latenz und Einsetzbarkeit

10. Das größte Gegenrisiko heißt für ihn "Bitter Lesson Violation"

Baker verweist auf die klassische KI-Forschungsthese, dass langfristig mehr Compute und mehr Daten meist wichtiger sind als menschliche algorithmische Cleverness. Er stellt aber die sehr gute Frage: Was passiert, wenn sehr intelligente Systeme selbst Wege finden, ihre Effizienz massiv zu erhöhen und diesen Zusammenhang zumindest zeitweise aufbrechen? Sollte das geschehen, müssten viele heutige Annahmen über Compute-Bedarf, Speicherintensität und Infrastrukturrenditen neu gedacht werden. Er sagt nicht, dass das bevorsteht. Aber er markiert es als ein zentrales Beobachtungsthema. Sehe ich auch so.

11. Usage-based Pricing ist womöglich einer der bullischsten Punkte im ganzen Gespräch

Baker vergleicht die Entwicklung bei KI mit früheren Telekom-Märkten. Solange Mehrnutzung monetarisiert wird, bleibt das Umsatzpotenzial hoch. Genau deshalb bewertet er den Wandel von pauschalen Abos hin zu nutzungsbasierten Modellen als strukturell sehr positiv für Frontier-Labs. Das sieht man an den Net Revenue Retentions von bspw. Anthropic mit Werten von 500 % (starke SaaS-Werte kommen auf 120 %+) - ergo geben Kunden im Schnitt jährlich 500 % mehr Umsatz aus, einfach weil der Tokenkonsum explodiert.

Dazu passt auch: Anthropic soll laut Wall Street Journal den Umsatz im zweiten Quartal sequenziell von 4,8 Mrd. auf 10,9 Mrd. USD mehr als verdoppeln. Der starke Umsatzanstieg soll dazu führen, dass Anthropic erstmals einen operativen Gewinn erzielt!

12. Continual Learning wäre ein weiterer großer Beschleuniger

Der Unterschied zwischen Mensch und Modell? Menschen lernen aus einzelnen Erfahrungen, Modelle heute meist nicht. Solange KI neue Erfahrungen nicht laufend in ihre internen Strukturen integriert, bleibt sie in diesem Punkt klar unnatürlich. Wenn Continual Learning wirklich gelöst wird, verändert das nicht nur die Qualität der Systeme, sondern den gesamten Charakter des Fortschritts. Verbesserung würde dann nicht mehr nur in diskreten Trainingszyklen stattfinden, sondern fortlaufend im Einsatz.

13. Neue Chipfirmen brauchen nicht "ein bisschen besser", sondern klar anders und schwer kopierbar

Bei Hardware gibt es harte Trade-offs (ein Chip kann nicht perfekt für Inference sein und dann zum Training genutzt werden). Wer einfach versucht, den besten Standard-GPU-Ansatz nachzubauen, tritt direkt gegen Nvidia, TSMC und deren gesamte Ökosystemmacht an.Erfolg haben nur Ansätze, die bewusst andere technische Kompromisse eingehen und gleichzeitig schwer imitierbar sind.

14. Disaggregation von Inference (Prefill vs. Decoding) könnte ältere GPUs viel länger wertvoll halten

Technologischer Fortschritt verkürzt nicht automatisch die wirtschaftliche Lebensdauer alter Hardware. In manchen Architekturen kann er sie sogar verlängern. Das hat direkte Folgen für Abschreibungen, Asset-Finanzierung und die Renditen ganzer Infrastrukturmodelle. Auch das bestätigte Nvidia erst im Rahmen des Earnings Calls

✅ Exklusiv im AktienPuls360 // NVIDIA – Im Q2 folgt das vierte Quartal mit Wachstumsbeschleunigung auf 95 % YoY! (Q1 2027)

15. Im Application Layer wurde bislang eher Wert zerstört als geschaffen

Der Großteil der ökonomischen Gewinne ist bislang bei Energie, Datacentern, Chips und Frontier-Modellen angefallen, während klassische Software-Anwendungen unter Druck geraten. Viele suchen den größten Hebel instinktiv im Anwendungs-Layer. Erst wenn Preise sinken oder Anwendungen robuste Verteidigungsgräben aufbauen, könnte sich das verschieben - bis dahin sieht der keine Entlastung. UND ganz wichtig: Unternehmen müssen einen direkten Bezug zum echten Token- und Modellverbrauch haben, um strukturell gut positioniert zu sein. Wer außerhalb dieses Wertstroms liegt und keinen engen Spezialbereich verteidigt, dürfte es schwer haben.

16. Größte Spekulation sieht er eher an den Rändern des KI-Marktes als bei allen Qualitätswerten pauschal

Ein wichtiger Teil seiner Markteinordnung ist die Beobachtung, dass innerhalb des KI-Universums einige niedrigerwertige oder stark narrativegetriebene Titel bereits sehr spekulativ laufen. Gleichzeitig hält er manche qualitativ starke Unternehmen relativ gesehen nicht für überdehnt. Absolut der Meinung bin ich auch! Es werden immer nischigere Werte ausgegraben und gehyped! Achtung davor! Die Frage ist nicht nur, ob es "eine KI-Blase" gibt. Die bessere Frage lautet, in welchen Ebenen der Lieferkette, bei welcher Qualität und in welchen Teilsegmenten Übertreibungen auftreten.

17. Google, Meta, Amazon und Microsoft spielen sehr unterschiedliche AI-Games

Google sieht er wegen Daten, YouTube und Compute weiter stark, aber unter Innovationsdruck an der Frontier. Sehe ich auch so - so ist Gemini 3.5 Flash sehr enttäuschend bzw. das gesamte Google I/O Event.

Meta lobt er für die interne KI-Ausrichtung und die Geschwindigkeit des Wandels. Und man bekommt eine attraktive Bewertung und wirklichen Boost durch KI in der Firma. Amazon sieht er wegen Trainium-Chip und operativen Effizienzpotenzialen gut aufgestellt - gehe ich mit. Microsoft würdigt er für die Bereitschaft, kurzfristige Opportunitäten zugunsten langfristiger Produkt- und Modellkontrolle nicht voll auszureizen. Das ja, aber man ist auch mMn der derzeit schwächste Player.

Fazit

Baker bleibt am Ende ein klarer KI-Optimist. Er verweist auf medizinische Anwendungen und konkrete reale Verbesserungen durch KI. Gleichzeitig spricht er von gesellschaftlichen, geopolitischen und sicherheitsrelevanten Nebenwirkungen. Entscheidend ist, wo die Engpässe sitzen, wer dadurch Preismacht erhält, welche Teile des Stacks wirklich verdienen und welche scheinbar intuitiven Schlussfolgerungen sich als falsch erweisen.

Viel Erfolg wünscht Dir Valentin

Charttechnische Einordnung von Rocco Gräfe

👉 AktienPuls360, jetzt für maximal 2,58 EUR am Tag testen