Darlehen an Legacy-Softwareunternehmen und GPU-unterstützte Infrastrukturschulden sind unterschiedliche Risiken mit unterschiedlichen Mechanismen, aber Schlagzeilen fassen sie zusammen.
FABRICE COFFRINI / Getty Images
Als Blue Owl Capital im April die Rücknahmen bei zwei seiner größten Private-Credit-Fonds auf 5 % begrenzte, nachdem Investoren mehr als 5 Milliarden Dollar abziehen wollten,, behandelten die Schlagzeilen es als eine einzige Geschichte: Private Credit steckt wegen KI in Schwierigkeiten.
Diese Darstellung ist nicht falsch, aber sie ist auf eine Weise unvollständig, die von Bedeutung ist. Die Private-Credit-Industrie wurde von der Sorge erschüttert, dass sie gegenüber der Softwarebranche überbelichtet ist, einem Bereich, der unter Druck steht wegen der Angst vor Verdrängung durch künstliche Intelligenz. Aber sie wird auch von einer separaten Kraft umgestaltet: Private Credit finanziert den KI-Ausbau selbst, durch Schuldenstrukturen, die kein wirkliches historisches Vorbild haben.
Dies sind verwandte Bedenken, aber sie sind nicht dasselbe.
Das erste Problem ist das ältere und bekanntere. Ab 2020 kamen private Kreditgeber zu dem Schluss, dass Unternehmen der Unternehmenssoftware ideale Kreditnehmer waren. Die Gründe waren einfach: hohe Gewinnmargen, stabile Kundenbasen und zuverlässige Einnahmen aus Lizenzabonnements. Private-Equity-Firmen erwarben zahlreiche Softwareunternehmen, die durch Direktkredite finanziert wurden, oft mit hohen Verschuldungsquoten.
Das Ausmaß dieser Kreditvergabe ist erheblich. Laut der Bank für Internationalen Zahlungsausgleich stiegen die ausstehenden Kredite an SaaS-Firmen von etwa 8 Milliarden US-Dollar im Jahr 2015 auf über 500 Milliarden US-Dollar oder 19 % der gesamten Direktkredite bis Ende 2025. Eine Analyse durch die KreditforschungsfirmaOctus von 155 öffentlichen und privaten BDC-Portfolios ergab, dass Softwareunternehmen etwa 29 % der Investitionskosten im September 2025 ausmachten. Diese Zahl ist höher als die ungefähr 20 % Schätzung von Jefferies weil Octus softwarenahe Unternehmen zählt, die einige BDCs unter anderen Labels klassifizieren.
Die Sorge besteht nun darin, dass KI die Wettbewerbspositionen vieler dieser Kreditnehmer untergräbt. Kredite, die vor 2024 vergeben wurden, berücksichtigten KI nicht als bedeutendes Geschäftsrisiko, so eine Bewertung durch den institutionellen Anlageberater Prime Buchholz, was möglicherweise zu unterbewerteter Kreditexposition führt. Auf der Milken Institute Global Conference in dieser Woche warnte Tony Yoseloff, CIO von Davidson Kempner Capital Management, dass von KI getriebene Veränderungen die Erholungsraten weiter schwächen könnten bei fremdfinanzierten Krediten, die mit Softwareunternehmen verbunden sind. Er bemerkte, dass die durchschnittlichen Rückgewinnungen auf erstrangigem Fremdkapital in den letzten fünf Jahren unter 40 Cent pro Dollar lagen, wobei Softwarevermögenswerte aufgrund ihrer begrenzten greifbaren Sicherheiten wahrscheinlich noch schlechter abschneiden werden. Marathon $MPC Asset Management CEO Bruce Richards war noch deutlicher. Richards argumentiert, dass von KI getriebene Preisstörungen, kombiniert mit acht bis zehnfachen Verschuldungsquoten und nahezu keinem freien Cashflow nach Schuldendienst, eine 15%ige Ausfallrate in Direktkredit-Softwareportfolios in 2027 und 2028 zu einer mathematischen Gewissheit machen, wenn Fälligkeitswände erreicht werden.
Nicht alle Beobachter stimmen mit diesem Zeitplan überein, aber die richtungsweisende Besorgnis wird allgemein geteilt. UBS schätzte im Januar, dass 25% bis 35% der privaten Kreditportfolios einem erhöhten Risiko der KI-Störung ausgesetzt sind, wobei die akutesten Expositionen im Bereich Technologie und Unternehmensdienstleistungen liegen. Dies ist das Problem, das die meisten Schlagzeilen über Rücknahmen antreibt. Anleger in semi-liquidem Privatkredit können die zugrunde liegende Exposition nicht klar erkennen.
Kein großer Fonds legt derzeit die Aufteilung zwischen Infrastruktursoftware (die KI-resistent ist), vertikaler SaaS (variabel) und horizontaler Anwendungssoftware (höchstes KI-Verdrängungsrisiko) offen, und die KI-Verdrängungsrisiko-Metrik existiert nicht als offengelegte Kategorie. Wenn Anleger ein wesentliches Risiko nicht quantifizieren können, besteht die rationale Reaktion darin, die Exposition zu reduzieren, was derzeit geschieht.
Problem zwei: GPU-gestützte Schulden für KI-Infrastruktur
Seitdem hat das Unternehmen dieses Modell aggressiv skaliert. Die Gesamtschulden von CoreWeave überstiegen Ende 2025 21 Milliarden US-Dollar, gegenüber weniger als 8 Milliarden US-Dollar im Jahr 2024. Im März schloss es ein 8,5 Milliarden US-Dollar verzögertes Zeichnungsdarlehen ab, die erste durch GPUs besicherte Finanzierung, die eine Investment-Grade-Bewertung erhielt. Und in diesem Monat startete CoreWeave ein 3,1 Milliarden US-Dollar großes, breit syndiziertes, durch GPUs besichertes Darlehen, seine fünfte derartige Finanzierung, angeführt von Morgan Stanley $MS und MUFG, um die potenzielle Anlegerbasis über Privatplatzierungen hinaus zu erweitern. GPU-Darlehen sind typischerweise durch zwei Dinge besichert: den Vertrag eines Kunden zur Nutzung der Chips, der einen Cashflow-Strom zur Bedienung der Schulden schafft, und den Wert der Chips selbst.
Die Bewertung eines GPU-Darlehens spiegelt typischerweise die Bonität des Kunden wider. Wenn der Kunde Meta $META ist, führt das zu einer Investment-Grade-Bewertung. Wenn die Kunden OpenAI und Cohere sind, beide unrated, wird erwartet, dass die Schulden Bewertungen im BB-Bereich erhalten, wobei Fitch bereits BB+ zuweist. Das in diesen Strukturen eingebettete Risiko unterscheidet sich von dem Problem bei Software-Darlehen. Die Mietpreise für GPUs sind bereits um 50 % bis 70 % gefallen, was den Wert der Sicherheiten schmälert, selbst wenn Tilgungspläne auf eine sich abwertende Hardware verweisen. Die Finanzierungsstrukturen, die zum Aufbau von KI-Infrastrukturen verwendet werden enthalten Annahmen über Restwerte, Nutzungsraten und Stabilität der Gegenpartei, die durch verfügbare Daten nicht gut unterstützt werden.
Man kann optimistisch gegenüber KI sein und trotzdem skeptisch gegenüber dem spezifischen Schuldtitel, der deren Aufbau finanziert. Die BIZ schätzt, dass der ausstehende private Kredit für KI-Unternehmen 200 Milliarden US-Dollar überstiegen hat und bis 2030 300 Milliarden bis 600 Milliarden US-Dollar erreichen könnte. Die Bedingungen dieser Kredite unterscheiden sich nicht wesentlich von denen anderer Sektoren in Bezug auf Laufzeit oder Zinsdifferenzen, aber die Kredite sind im Durchschnitt wesentlich größer (169 Millionen US-Dollar gegenüber 90 Millionen US-Dollar).
Die Verbindung dieser beiden Risiken hat praktische Konsequenzen für jeden, der das Engagement im Bereich Privatkredite bewertet, sei es als Allokator, als Fondsinvestor oder als jemand mit einem zielgebundenen Rentenprodukt, das Unternehmensanleihefonds hält. Das Problem der Altsystemsoftware-Darlehen ist ein Kreditqualitätsproblem. Die Frage ist, ob die Kreditnehmer ihre Schulden weiter bedienen können, während ihre Geschäftsmodelle unter KI-bezogenen Druck geraten. Die Lösung hängt davon ab, ob die Einführung von KI die Einnahmen bei PE-eigenen Softwareunternehmen schneller erodiert, als Kreditgeber Umstrukturierungen durchlaufen können. Das Problem der durch GPU gesicherten Infrastrukturdarlehen ist ein Problem der Sicherheiten und Strukturen.
Die Frage ist, ob eine neuartige Anlageklasse, durch langfristige Verträge gesicherte GPU-Rechenkapazität, die in sie eingebauten Finanzierungsannahmen aufrechterhalten kann, wenn Hardware an Wert verliert, Chip-Generationen wechseln und die Kundenzentrierung hoch bleibt. Ein Privatkreditfonds mit 25% Softwareexposure und null Neocloud-Exposure hat ein Risikoprofil. Ein Fonds, der Rechenzentren durch auf Vermögenswerte bezogene GPU-Darlehen finanziert, hat ein anderes.
Wie PitchBook feststellte, machen Softwarekredite zwar einen großen Anteil an den Privatkreditinvestitionen einiger der größten Vermögensverwalter aus, aber die Probleme des Sektors erzählen nur einen Teil der Geschichte der Privatkredite. Die Schlagzeilen werden weiterhin "Privatkredite" sagen.
Die beiden Probleme in diesem Ausdruck erfordern zwei separate Bewertungen.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
