Blackstone N1 steckt 7,3 Milliarden Dollar in acht KI-Deals – und sieht Kapital inzwischen als Wachstumsbremse
Äußerungen des Leiters der KI-Plattform von Blackstone bei einem Fireside-Chat in San Francisco am 17. Oktober 2026
Der Gründer und Leiter von Blackstone N1 hat die bislang präziseste Einordnung geliefert, wie der weltweit größte Alternative-Asset-Manager in der KI-Wertschöpfungskette nachrückt. Während Blackstone traditionell die physische Ebene von Rechenzentren und Energie kontrolliert, zielt N1 auf Unternehmen ab, die darauf aufbauen. Seit dem Start Anfang des Jahres hat die Plattform acht Investitionen mit einem Gesamtvolumen von 7,3 Milliarden Dollar getätigt. Die weitreichenderen Aussagen betrafen jedoch die Kosten des Kapitals. Die Kreditaufschläge für Hyperscaler-Schulden haben sich ausgeweitet, die Leitzinsen sind leicht gestiegen – und er argumentierte, dass die Finanzierung von jährlich rund 1 Billion Dollar an KI-Investitionsausgaben (CapEx) selbst einen bremsenden Faktor für den Zyklus darstellt.
Zwei aufgebaute statt nur gekaufte Unternehmen
Die 7,3 Milliarden Dollar sind vor allem deshalb bemerkenswert, wie ein Teil davon eingesetzt wurde. Der N1-Leiter erklärte, die Plattform habe „die Chance gehabt, zwei Unternehmen aufzubauen“, beide zusammen mit Partnern für Frontier-Modelle. Das erste ist ein Deployment-Unternehmen, das gemeinsam mit Anthropic gegründet wurde, um ein Problem zu lösen, mit dem Blackstone im eigenen Portfolio konfrontiert ist. „Einer unserer Engpässe ist die Implementierung von KI innerhalb unserer eigenen Firmen“, sagte er. „Das ist gewiss deutlich anspruchsvoller, als sich das die Allgemeinheit oder die Öffentlichkeit vorstellt.“
Das zweite ist eine gemeinsam mit Google errichtete KI-Cloud. Google habe „TPUs bisher nicht in derselben Weise kommerziell genutzt und beschleunigt dies in diesem Jahr“, weshalb man Blackstone als Partner für eine skalierende Neocloud auf TPU-Architektur ausgewählt habe. Zu den weiteren Investitionen gehören Databricks sowie zwei europäische Unternehmen aus dem Verteidigungsbereich, Quantum Systems und Stark.
Blackstone bezeichnet sich selbst als den größten Compute-Eigentümer außerhalb der Hyperscaler. Zudem besitzt das Unternehmen 280 Firmen, die sowohl als potenzielle KI-Kunden als auch als Signalgeber für Investitionen dienen. Er beschrieb das Geschäftsmodell als eine Kombination aus Rechenleistung (Compute), Kunden und Kapital und betonte, dass das hinter KI stehende Kapital „durchaus keinem anderen Technologiezyklus gleicht“.
Etched zeigt, wo die Grenze des Venture Capitals verläuft
N1 versteht sich selbst nicht als Frühphaseninvestor. „Wir sind nicht darauf ausgelegt, in der Frühphase oder als Venture Capitalist zu agieren“, sagte er und fügte hinzu, dass Blackstone dann am besten positioniert sei, wenn Unternehmen „Venture-Runden hinter sich lassen“. Typische Ticketgrößen bewegen sich zwischen 150 Millionen und bis zu 1 Milliarde Dollar. Er räumte ein, dass sich das Zeitfenster zwischen Venture-Runden und Kapitalbedarf auf Blackstone-Niveau verkürzt.
Etched, das auf Inferenz-Chips spezialisierte Unternehmen, bildet die wesentliche Ausnahme. Die Investition stützt sich auf die These, alles zu unterstützen, was KI billiger macht, sowie auf den erfolgreichen ersten Tape-Out des Unternehmens, den er zwar „nicht direkt als Product-Market-Fit im klassischen Sinne“, aber als wichtigen Meilenstein bezeichnete. Zudem hatte Blackstone fast ein Jahr lang über die Finanzierung der Speicherankäufe von Etched verhandelt, bevor die Investition getätigt wurde. Speicher macht einen großen Teil der Materialkosten aus, und die Gespräche drehten sich um hybrides oder schuldenähnliches Kapital, das als Betriebsmittelfinanzierung fungiert. Er zog jedoch eine klare Grenze und betonte, dass Blackstone kein Kreditgeschäft im Venture-Bereich betreibt. Für die meisten jungen Unternehmen lauten die Kapitalkosten nach wie vor „komplett auf Eigenkapital“. Strukturiertes Kapital funktioniere nur dort, wo ein fungibles, übertragbares Asset als Sicherheit dahinterstehe, wie etwa gekaufter Speicher.
Die Kapitalkosten steigen – und Firmus ist der Härtetest
Die marktrelevantesten Aussagen betrafen die Finanzierungsbedingungen. Der Interviewer sprach den gescheiterten australischen Börsengang von Firmus an, einem von Blackstone unterstützten Betreiber von Rechenzentren, der eine Bewertung von rund 30 Milliarden Dollar angestrebt hatte. Er differenzierte zwischen dem Kredit- und dem Eigenkapitalmarkt. Mit Blick auf Kredite erklärte er, die Zinsen seien im Zuge höherer Ölpreise und Inflationsrisiken leicht gestiegen, und auch die Spreads hätten sich bewegt. „Die Kapitalkosten für die Fremdfinanzierung einer Meta oder Microsoft haben sich ausgeweitet“, sagte er – vor allem aufgrund des Angebots. Es gebe weitaus mehr KI-bezogene Anleihen und Papiere am Markt, was „sowohl auf die Kapitalkosten als auch auf die von Investoren geforderte Rendite Druck ausübt“. Dies beeinflusse sowohl das Ausmaß als auch das Tempo des Ausbaus.
Zu Firmus sprach er von einem Bewertungsproblem und nicht von einem generellen Urteil über Rechenzentren. „Der Markt war bei dieser Bewertung nicht bereit“, sagte er. Der Deal wäre nach Telstra der zweitgrößte Börsengang in der australischen Geschichte gewesen, mit nur wenigen lokalen Vergleichswerten. Auf die Frage, warum das Börsendebüt von CoreWeave keinen Maßstab gebildet habe, verwies er auf den Abschlag und die Unsicherheit, die jeder Neuemission innewohnen. Investoren sollten dennoch zur Kenntnis nehmen, dass eine Flaggschiff-Transaktion mit Blackstone-Bezug keinen Preis finden konnte, während sich die Spreads der Hyperscaler ausweiteten.
GPU- versus Rechenzentrum-Risiko: Der Kunde zählt
Seiner Ansicht nach betrachtet Blackstone die GPU-Finanzierung nicht als grundsätzlich risikoreicher als die Finanzierung von Rechenzentren. Beide werden anhand des Kunden bepreist; ein Mieter mit Investment-Grade-Rating wie Microsoft oder Meta bestimmt das Risiko. Der Unterschied liegt in der Laufzeit. Rechenzentren haben lange Nutzungsdauern und können über langfristige Verträge finanziert werden, wobei Kreditgeber dem Asset über den Mietvertrag hinaus einen gewissen Restwert zugestehen. GPUs haben kürzere Lebenszyklen und einen unsicheren Restwert.
Die für Kreditinvestoren wichtigste Offenlegung lautet wie folgt: „Die meisten, wenn nicht alle GPU-Finanzierungen, die bisher getätigt wurden, finanzieren ausschließlich diesen allerersten Vertrag […] Kreditgeber tragen kein Risiko bezüglich des Wertes der GPU nach Ablauf dieses Vertrags.“ Er räumte ein, dass ältere Chips wie der A100 sechs bis sieben Jahre nach ihrem Einsatz nach wie vor „erhebliche wirtschaftliche Erträge“ erzielen, was auf längere Nutzungsdauern hindeutet, betonte jedoch, dass ein Markt für Restwerte sich erst noch entwickle und bislang nicht die Grundlage für Kreditvergaben gebildet habe.
Er führte Blackstones ursprüngliche CoreWeave-Finanzierung auf dieselbe Logik zurück. Das Unternehmen erzielte damals einen Umsatz von rund 30 Millionen Dollar bei minimaler Profitabilität und benötigte 2,3 Milliarden Dollar. Blackstone finanzierte die GPUs separat vom operativen Geschäft, da sie durch Verträge mit Microsoft, Nvidia und anderen bonitätsstarken Adressen abgesichert waren. Er nefizierte die Transaktion als die erste ihrer Art bei GPU-Finanzierungen, und Blackstone hat seither „einige weitere“ Chip-Finanzierungen für Frontier-Modell-Unternehmen und Hyperscaler durchgeführt. Zudem tätigte Blackstone ein strukturiertes Investment in VoltaGrid, ein Unternehmen für dezentrale Energieversorgung vor Ort.
Überbauung: Real, aber durch Engpässe nach hinten verschoben
Das Risiko einer Überkapazität wies er nicht von der Hand. „Wenn es Knappheit gibt, kommt es irgendwann unweigerlich zu einem Überangebot“, sagte er, fügte jedoch hinzu, dass das Timing „extrem schwierig“ sei. Seine Einschätzung ist, dass es dafür noch zu früh ist und Engpässe bei Energie, Logik-Wafern, Speicher und taiwanesischen Kapazitäten das Risiko weiter nach hinten verschieben. Er verwies darauf, dass „Jensens [Chips] bis 2030 ausverkauft sind“. Der weniger diskutierte Engpass sei seiner Ansicht nach das Geld: „Die Finanzierung einer Billion Dollar an Kapital pro Jahr ist für das System kaum tragbar […] das wirkt wie eine zusätzliche Bremse.“
Mit Blick auf den schmalen Gewinnpool jenseits von Nvidia zog er historische Parallelen zu Eisenbahnen vor dem Handel und Elektrizität vor Fabriken. Er prognostizierte, dass OpenAI und Anthropic bis Jahresende oder kurz danach auf einen kombinierten Umsatz von nahezu 200 Milliarden Dollar zusteuern dürften. Er verwies auf die operative Profitabilität von Anthropic im zweiten Quartal sowie auf die Inferenzmargen als Beleg dafür, dass sich die Gewinne von den Chipherstellern auf die Modell- und Anwendungsebene verlagern werden. Zur Begründung, warum OpenAI seinen Börsengang verschoben hat, äußerte er sich nicht; er wisse es nicht, aber die Priorisierung von Sicherheit vor einem Börsengang „erscheint klug“.
Kreditstruktur, Zirkularität und das Winterszenario
Zu den Schuldenrisiken argumentierte er, dass sich das System von 2008 unterscheide. Die meisten Rechenzentren wurden von Hyperscalern errichtet, und das Kreditrisiko gegenüber OpenAI und Anthropic besteht größtenteils aus kürzerfristigen Chip-Finanzierungen oder Compute-Verträgen mit Hyperscalern. „Hier stellen die größten Unternehmen der Welt ihre Bilanzen zur Verfügung“, sagte er. Das zu beobachtende Risiko bestehe darin, ob die Kreditvergabe mit dem Umsatzwachstum Schritt hält, wobei er die anstehenden IPOs der Modellunternehmen als Quelle für die Unterstützung dieser Kredite durch öffentliches Eigenkapital sieht. Bedenken hinsichtlich einer Zirkularität tat er als Meme für Lieferantenfinanzierungen ab und verglich diese mit Caterpillar und Ford Motor Credit. Kredite würden „als Glättungsfunktion“ für eine volatile Nachfrage wirken.
Sein Einbruchsszenario fällt weniger dramatisch aus als ein Crash. Ein Abschwung trete ein, wenn die Rendite zusätzlicher KI-Investitionen sinkt, während sich gleichzeitig Leverage im System befindet. Zudem brachte er die Möglichkeit „mehrerer KI-Winter dazutreffen“ ins Spiel, da die Märkte die Zukunft schneller einpreisen, als die Adaption stattfindet, „obwohl die Technologie und der übergeordnete Trend eindeutig sind“.
Portfolio-ROI ist real, aber ungleichmäßig verteilt
Seine Einschätzung der KI-Renditen innerhalb der 280 Blackstone-Unternehmen fiel offen aus. „Es ist sehr ungleichmäßig“, sagte er. Der Garagentorhersteller Chamberlain sei eine Erfolgsgeschichte, dessen auf Computer Vision basierter Plan für vernetzte Geräte nahezu 500 Millionen Dollar Umsatz anpeile. Viele andere befänden sich noch beim Übergang von Machbarkeitsnachweisen (PoC) zur Produktion. Er bezeichnete die Implementierung als zentralen Engpass und betonte, dass das Change Management in etablierten Unternehmen schwierig sei. Er rechnet damit, dass die Adaption in einer Reihe von Wendepunkten erfolgen wird, wobei Cybersicherheit früh an Fahrt gewinnt, da sie bestehende Systeme absichert, ohne dass Workflows neu aufgesetzt werden müssen.