$480 MRD. AN DER BÖRSE „VERBRANNT“: IN CHINA IST DIE KI-BLASE GEPLATZT. SIND ALS NÄCHSTES DIE USA DRAN?

Artem Honcharenko, PhD

Leiter des Instituts für Reintegration, Rehabilitation und berufliche Entwicklung von Veteranen „Architektur der Resilienz“ der KNUBA

27. Oktober 2026 • Autorenanalyse

Der chinesische Absturz: Was wirklich mit dem Markt geschehen ist

Noch vor Kurzem galten die Hersteller von Chips, optischen Komponenten für Rechenzentren und Robotik als die größten Gewinner der neuen technologischen Revolution. Anleger kauften ihre Aktien in Erwartung einer künftig steigenden Nachfrage nach künstlicher Intelligenz. Ende Oktober schlug diese Zuversicht in einen massiven Ausverkauf um.

Laut einem Bericht von Reuters vom 26. Oktober 2026, verlor der Index STAR 50, der die Entwicklung führender Technologie- und Innovationsunternehmen der Shanghaier Börse abbildet, rund 40 % in weniger als vier Monaten. Der Rückgang des gesamten Marktwerts wird auf etwa 480 Mrd. US-Dollar. Bereits am 27. Oktober schloss der Index bei 1.252,28 Punkten, der Tagesverlust betrug 4,81%. [1–2]

Hier sind zwei Präzisierungen wichtig. STAR 50 ist keine Liste der 50 größten reinen KI-Unternehmen Chinas, sondern ein Index des Technologie- und Innovationssegments, in dem viele Unternehmen mit Halbleitern und KI verbunden sind. Und 480 Mrd. US-Dollar sind nicht von den Bankkonten der Unternehmen „verschwunden“: es geht um den Rückgang der Börsenbewertung des Aktienpakets.

Das Ausmaß der Korrektur wird dadurch jedoch nicht geringer. Reuters nennt Beispiele für Kursverluste von einzelnen Herstellern von Robotern, Mikrochips und optischer Ausrüstung im zweistelligen Prozentbereich. Die Börse hat sich plötzlich an eine einfache wirtschaftliche Forderung erinnert: Eine gute Technologie garantiert noch keinen Gewinn, der jeden Aktienkurs rechtfertigen würde. [1]

Warum der Markt abgekühlt ist: überzogene Erwartungen gegen reale Gewinne

Auf dem Höhepunkt des Anstiegs näherte sich das Kurs-Gewinn-Verhältnis (KGV, P/E) des Index STAR 50 nach Schätzung von Reuters dem Wert von 250. Selbst nach dem scharfen Rückgang lag es bei rund 100, während der Richtwert für den Nasdaq 100 im selben Beitrag bei etwa 30 liegt. Das sind strukturell unterschiedliche Indizes, doch der Unterschied zeigt, wie viel künftiges Wachstum die Anleger bereits in die chinesischen Kurse eingepreist haben. [1]

Zu den hohen Bewertungen kamen Zweifel am Tempo der Nachfrage nach KI-Hardware, mögliche Exportbeschränkungen, steuerliche Faktoren und Risiken für den Absatz chinesischer Komponenten an Rechenzentren im Ausland hinzu. Keiner dieser Gründe erklärt für sich allein den gesamten Absturz, aber zusammen haben sie den Markt verwundbar gemacht.

Mein Fazit ist einfach: Man muss den Aktienkurs vom Nutzen der Technologie trennen. Ein Unternehmen kann ein nützliches Produkt entwickeln und dennoch an der Börse unangemessen teuer bewertet sein. Umgekehrt hebt ein Kursrückgang den bereits erzielten technologischen Effekt nicht auf.

Zwei Dinge müssen klar voneinander getrennt werden: die wirtschaftliche Wirksamkeit der künstlichen Intelligenz und der spekulative Wert der Unternehmen, die daran verdienen. Der Aktienmarkt kann sich in seinen Erwartungen irren. Wenn eine Technologie jedoch tatsächlich die Forschungszeit verkürzt, die Produktivität steigert und schnellere fundierte Entscheidungen ermöglicht, verschwindet dieser Wert nicht mit fallenden Kursen.

Beschleunigt KI die menschliche Arbeit tatsächlich: Was belegt ist und was nur versprochen wird

Als Forscher bin ich der Meinung, dass man künstliche Intelligenz nicht an der Lautstärke von Präsentationen, sondern an unabhängigen Experimenten mit Kontrollgruppen messen sollte. Und solche Studien gibt es bereits.

In einer Studie des MIT, veröffentlicht in der Zeitschrift Science im Jahr 2023, 453 Fachleute bearbeiteten berufliche Schreibaufgaben. In der Gruppe mit Zugang zu ChatGPT verringerte sich die durchschnittliche Bearbeitungszeit um 40%, während die Qualität des Ergebnisses nach Expertenbewertung um 18% stieg. Das ist ein echtes Experiment, es beweist aber nicht, dass sich jede komplexe Untersuchung automatisch um dieselben 40 % beschleunigt. [3]

In einem Experiment der Harvard Business School und der Boston Consulting Group mit 758 Beratern erledigten Nutzer von GPT-4 Aufgaben, die den Fähigkeiten des Modells entsprachen, um mehr als 25 % schneller und schlossen um mehr als 12 % mehr Aufgaben ab. Bei einer Aufgabe außerhalb der verlässlichen Fähigkeiten des Werkzeugs führte der Einsatz von KI hingegen zu einem schlechteren Ergebnis. [4]

Besonders aufschlussreich ist die wissenschaftliche Analytik. Eine Übersicht über 25 Studien, veröffentlicht in Frontiers in Pharmacology im Jahr 2025, verzeichnete eine Zeitersparnis von mehr als 50 % in 17 Arbeiten. In einigen Fällen verkürzte sich die automatisierte Durchsicht von Abstracts um das 5- bis 6-Fache, und der manuelle Aufwand bei einer Erfassungsvollständigkeit von 95 % der Materialien um das 6- bis 10-Fache verringerte. Dabei geht es vor allem um einzelne Auswahlschritte, nicht um den gesamten Weg von der Idee bis zum überprüften Ergebnis. [5]

Es gibt auch einen Vorbehalt. In einem randomisierten Experiment von METR aus dem Jahr 2025 16 erfahrene Entwickler, die 246 reale Aufgaben bearbeiteten, arbeiteten mit den damaligen KI-Werkzeugen im Durchschnitt 19 % länger und damit länger, obwohl sie selbst glaubten, schneller geworden zu sein. Ein Werkzeug, das einem Anfänger hilft, kann also einen Fachmann bei gut vertrauter Arbeit ausbremsen, wenn der Aufwand für die Überprüfung der Ergebnisse zu hoch ist. [6]

Fazit: Wir sollten nicht die Menge des erzeugten Textes messen, sondern die Anzahl korrekter und geprüfter Ergebnisse pro Zeiteinheit.

Ein Beispiel, das die Größenordnung verändert: 100 Tausend Dokumente

Stellen wir uns eine Organisation vor, die zunächst eine Erstsichtung von 100.000 Dokumenten — Verträgen, wissenschaftlichen Publikationen, Berichten, Bürgeranliegen oder Materialien zum Wiederaufbau — durchführen muss. Wenn man pro Dokument nur drei Minuten, dann ergeben sich 5.000 Arbeitsstunden, also 625 achtstündige Arbeitstage. Ein Team aus zehn Analysten würde bei voller Auslastung etwa 12,5 Wochen arbeiten.

Nehmen wir nun an, ein geprüftes System führt automatisch die Deduplizierung, die Erstklassifizierung und die Suche nach Widersprüchen durch und erstellt eine Ausnahmeliste. Wenn seine Qualität es erlaubt, gerade das manuelle Screening um 90 % zu senken,, bleibt ein Äquivalent von 500 Arbeitsstunden in dieser Phase.

Dies ist ein anschauliches Modell, nicht das Ergebnis einer konkreten Einführung. Es berücksichtigt weder die Kosten für Rechenleistung, Konfiguration und Qualitätskontrolle noch übersehene kritische Fälle gesondert. Daher darf man nicht mechanisch von einer zehnfachen Beschleunigung der gesamten Untersuchung sprechen.

Aber es zeigt, wo der eigentliche Wert entsteht: der Experte ist nicht mehr verpflichtet, jede einzelne Informationseinheit manuell durchzusehen, wenn die automatisierte Auswahl die erforderliche Genauigkeit nachgewiesen hat. Er geht vom massenhaften Lesen zur vertieften Arbeit an komplexen Fällen über.

Der Markt beginnt, erwachsen zu werden. Das bloße Versprechen einer technologischen Revolution reicht nicht mehr aus. Der Investor will Gewinn sehen, die Organisation ein konkretes Ergebnis: wie viel Zeit eingespart, wie viele Fehler verhindert, wie viele Anliegen bearbeitet wurden und was der Betrieb des Systems kostet. Einen echten Wettbewerbsvorteil haben diejenigen, die die wirtschaftliche Effizienz von KI belegen können.

Der Krieg verändert die Produktivitätsformel: warum das für die Ukraine wichtig ist

In unserem Land kann ein Mitarbeiter hochqualifiziert und motiviert sein und dennoch nicht in der Lage, einen Luftalarm oder einen Raketenangriff abzuwenden. Die Sicherheit des Menschen muss immer Priorität haben.

In einer im Februar 2026 durchgeführten Umfrage der European Business Association unter 131 Topmanager von Mitgliedsunternehmen des Verbands, 45% der Befragten nannten die Arbeitsunterbrechung bei Luftalarmen als eine der häufigen Einschränkungen, und 82% — Angriffe auf das Energiesystem unter den Faktoren mit dem größten negativen Einfluss auf das Geschäft. Das ist keine Statistik des durchschnittlichen Stundenverlusts für die gesamte Ukraine, aber ein gewichtiger Beleg für operative Hindernisse. [7]

Nehmen wir ein fiktives Projekt, für das 100 produktive Analysestunden nötig sind. Beträgt die tatsächliche Verfügbarkeit der Arbeitszeit 70 %, werden für die Durchführung etwa 143 Stunden planmäßiger Arbeitskapazität. Im simulierten hybriden Prozess, in dem dem Menschen 25 Stunden bleiben und die maschinelle Verarbeitung samt Begleitvorgängen 10 Stunden hinzufügt, beträgt die Gesamtschätzung ungefähr 46 Stunden. Der Unterschied beträgt rund das 3,1-Fache.

Man sollte diese Zahlen nicht als Norm für ukrainische Unternehmen verstehen: 70 % Verfügbarkeit und die Struktur der Vorgänge sind hier lediglich Szenarioannahmen. Den tatsächlichen Effekt bestimmen die Art der Aufgaben, die Datenaufbereitung und die Architektur des Systems.

Das Prinzip ist jedoch wichtig. Sind Rechenleistung, Daten und Aufgabenwarteschlangen angemessen redundant ausgelegt und geografisch verteilt, kann ein Teil der Vorgänge auch dann weiterlaufen, wenn sich die Mitarbeiter im Schutzraum befinden. Ist das System dagegen an einen einzigen Büroserver ohne Ersatzverbindung und Stromversorgung gebunden, gibt es diesen Vorteil nicht.

Für die Ukraine ist der Einsatz künstlicher Intelligenz nicht bloß der Wunsch, technologisch modern zu sein. Es ist eine Frage der Widerstandsfähigkeit. Der Mensch hat im Krieg ein Recht auf Sicherheit, Erholung und Schutz. Zugleich kann eine richtig aufgebaute digitale Infrastruktur die Kontinuität eines Teils der kritischen Prozesse sicherstellen. Unsere Aufgabe ist es nicht, den Menschen zu ersetzen, sondern seine Möglichkeiten durch Technologien zu stärken.

Die eigentliche Revolution ist nicht der Text in einer Minute, sondern das Erkennen des Problems vor dem Bericht

Ich glaube, dass der nächste Wandel tiefer gehen wird als die automatische Erstellung analytischer Vermerke. Es geht um rund um die Uhr, bei der Daten laufend eingehen, das System Abweichungen erkennt, sie anhand von Regeln prüft, das Risiko klassifiziert und die Information an eine verantwortliche Person weiterleitet oder eine vorab zugelassene sichere Handlung ausführt.

In der Cybersicherheit entwickelt man dafür seit Langem die Plattformen SIEM und SOAR. Internationale Empfehlungen aus dem Jahr 2025 beschreiben sie als Mittel zur Erfassung von Ereignissen, zur Erkennung verdächtiger Aktivitäten, zur Benachrichtigung von Fachleuten und zur Automatisierung bestimmter Teile der Reaktion. Zugleich erfordern solche Systeme ständige Konfiguration, Tests und qualifizierte Aufsicht. [8]

Für die Ukraine lässt sich dieses Prinzip auf die Überwachung des Wiederaufbaus, der Finanzkontrolle, von Umweltkennzahlen, Cyberbedrohungen und der Anliegen von Veteranen und ihren Familien übertragen. So kann etwa ein neues Anliegen automatisch an die zuständige Stelle gelangen, und eine auffällige Änderung in den Ausschreibungsunterlagen kann ein Signal für den Prüfer auslösen. Entscheidungen über medizinische Hilfe, Rechtsbeschränkungen oder finanzielle Sanktionen dürfen jedoch ohne angemessene unabhängige Kontrollmechanismen nicht einem generativen Modell überlassen werden.

Die Zukunft gehört Systemen, die Informationen nicht nur ansammeln, sondern Ereignisse fortlaufend analysieren. Künstliche Intelligenz kann dabei helfen, Anomalien zu erkennen, sie zu überprüfen und vorab abgestimmte Reaktionsszenarien auszulösen. Kritische Entscheidungen müssen jedoch unter angemessener menschlicher Kontrolle bleiben. Gerade die Verbindung von Automatisierung und Verantwortung wird die Qualität neuer digitaler Ökosysteme bestimmen.

Der Preis des Fehlers: Wo Automatisierung nicht mit Vertrauen verwechselt werden darf

Je größer die Automatisierung, desto teurer kann ein systemischer Fehler werden. Ein Modell kann überzeugend eine Quelle erfinden, ein wichtiges Dokument übersehen oder einem unberechtigten Nutzer Zugang zu vertraulichen Daten gewähren. Deshalb sind bei medizinischen, personenbezogenen und finanziellen Materialien Datenminimierung, die Kontrolle von Zugriffsrechten, die Protokollierung von Vorgängen, die Prüfung der Genauigkeit sowie gesonderte Freigabeverfahren für kritische Handlungen erforderlich.

Das wissenschaftliche Umfeld muss zwischen der Geschwindigkeit maschineller Verarbeitung und der Verlässlichkeit einer Schlussfolgerung unterscheiden. Das ist besonders relevant, wenn KI bei der Erstellung wissenschaftlicher Übersichten oder von Analysen für Managemententscheidungen hilft.

Wir müssen zwischen der Geschwindigkeit der Informationsverarbeitung und der Verlässlichkeit des gewonnenen Wissens unterscheiden. Künstliche Intelligenz kann Suche, Vergleich und Systematisierung von Daten erheblich beschleunigen, doch das hebt nicht die Notwendigkeit auf, Quellen zu verifizieren, die Methodik zu prüfen und die Reproduzierbarkeit der Ergebnisse sicherzustellen.

Wird sich der chinesische Absturz in den USA wiederholen?

Das ist die Frage, die heute am lautesten gestellt wird. Allerdings bedeutet ein 40-prozentiger Rückgang des chinesischen STAR 50 nicht automatisch einen 40-prozentigen Einbruch amerikanischer Aktien. Reuters vergleicht die chinesische Korrektur mit einem Rückgang des Nasdaq um etwa 6 Prozent vom jüngsten Höchststand. Es handelt sich um unterschiedliche Indizes, Zeiträume und Geschäftsstrukturen; eine direkte Prognose auf dieser Grundlage wäre unbegründet. [1]

Risiken für globale Technologieaktien bestehen: hohe Erwartungen, große Investitionsausgaben für Recheninfrastruktur, Nachfrageunsicherheit und schwierige Monetarisierung. Doch wie verwundbar ein einzelnes Unternehmen ist, hängt von seinen Gewinnen, Cashflows, seiner Verschuldung, seinen Kunden und den Kosten des aufgenommenen Kapitals ab.

Meiner Meinung nach hat sich die Schlüsselfrage für die Märkte bereits verändert: nicht „wer am lautesten über KI gesprochen hat“, sondern „wer es geschafft hat, die Technologie in ein nachweisbares wirtschaftliches Ergebnis zu verwandeln“. In dieser Logik kann der Abbau spekulativer Bewertungen die Unternehmen sogar zu disziplinierteren Investitionen bewegen.

Was ich ukrainischen Organisationen vorschlage

Man sollte die digitale Transformation nicht wegen eines Börsenabsturzes in einem anderen Land stoppen. Ebenso wenig sollte man teure KI-Lösungen gedankenlos kaufen, nur weil es modern ist. Ein rationaler Ansatz lässt sich auf fünf praktische Schritte zurückführen.

1. Den aktuellen Prozess messen: Dauer der Vorgänge, Kosten, Fehler, Wartezeit auf eine Antwort und die Belastung der Mitarbeitenden.
2. Ein eng gefasstes Pilotprojekt wählen: zum Beispiel die Klassifizierung von Dokumenten, die Suche nach Duplikaten oder die Priorisierung von Anfragen – und nicht sofort die Automatisierung der gesamten Verwaltung.
3. Die Grenzen der Autonomie festlegen: was der Algorithmus selbstständig ausführen darf, was er nur vorschlagen darf und was zwingend eine Entscheidung des Menschen erfordert.
4. Qualität und Sicherheit prüfen: übersehene kritische Fälle, Fehlalarme, Zugang zu personenbezogenen Daten, Abhängigkeit vom Anbieter und Ausfallsicherheit.
5. Die volle Wirtschaftlichkeit berechnen: Lizenzen, Rechenleistung, Integrationen, Betreuung, Schulung des Teams – und den Wert der eingesparten Zeit.

Werden diese Kennzahlen nicht gemessen, werden Reden von einer fünf- oder zehnfachen Ersparnis zu Marketing. Werden sie gemessen, kann die Organisation Entscheidungen auf der Grundlage von Belegen treffen.

Fazit: Die Börsenblase kann platzen, die technologische Revolution aber weitergehen

Der chinesische Absturz ist eine ernste Warnung für Anleger. Er zeigt, dass selbst vielversprechende Branchen nicht vor überhöhten Bewertungen, unbegründeten Erwartungen und abrupten Stimmungswechseln am Markt gefeit sind.

Für mich als Forscher und Leiter einer Institution, die sich mit Fragen des Humankapitals und des Wiederaufbaus der Ukraine befasst, lautet das Fazit jedoch anders: Technologie sollte nach ihrer Wirkung auf reale Aufgaben beurteilt werden, nicht nach dem Börsenhype.

Wenn Automatisierung die Bearbeitungszeit von Anfragen verkürzt, hilft, Risiken rechtzeitig zu erkennen, den kontinuierlichen Betrieb im Krieg aufrechterhält und Fachkräfte für verantwortungsvolle Entscheidungen freistellt, hat sie bereits praktischen Wert. Doch dieser Wert muss gemessen und die Sicherheit nachgewiesen werden.

Die KI-Blase kann platzen. Der Bedarf an geprüftem Wissen, widerstandsfähigen Organisationen und rechtzeitigen Entscheidungen nicht.

Quellen und methodische Anmerkungen

[1] Reuters. „In China, the AI bubble has already burst“, 26. Oktober 2026 Quelle

[2] Investing.com. SSE STAR 50: historical data, Schlusskurs vom 27. Oktober 2026 Quelle

[3] Noy S., Zhang W. „Experimental evidence on the productivity effects of generative artificial intelligence“. Science, 2023 Quelle

[4] Harvard Business School / Boston Consulting Group. „Navigating the Jagged Technological Frontier“, 2023 Quelle

[5] Abogunrin S. et al. „How much can we save by applying artificial intelligence in evidence synthesis?“. Frontiers in Pharmacology, 2025 Quelle

[6] METR. „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity“, 2025 Quelle

[7] European Business Association. „Vier Jahre großer Krieg: Wie Unternehmen in der Ukraine arbeiten“, 24. Februar 2026 Quelle

[8] Australian Signals Directorate und internationale Partner. „Implementing SIEM and SOAR platforms: Executive guidance“, 27. Mai 2025 Quelle

Hinweis zu den Berechnungen: Das Beispiel mit 100.000 Dokumenten und das Modell der Personalverfügbarkeit unter Kriegsbedingungen sind illustrative Annahmen. Sie sind von den Ergebnissen konkreter kontrollierter Studien zu unterscheiden und vor einer Investitionsentscheidung anhand der eigenen Daten zu überprüfen.