Viele AI-Investoren schauen primär auf GPUs, Speicher oder Energieversorgung. Ich glaube, dass sich der nächste große Engpass bereits langsam herausbildet: Photonics.
Zum Hintergrund: Moderne AI-Systeme müssen immer größere Datenmengen bewegen. Dort stößt klassische Kupferverkabelung aber zunehmend an physikalische Grenzen. Energieverbrauch, Hitzeentwicklung, Signalverluste und Fehleranfälligkeit steigen massiv an. Deshalb bewegt sich die Industrie Schritt für Schritt Richtung Licht statt Elektrizität.
- Photonics bedeutet vereinfacht gesagt: Daten werden nicht mehr primär elektrisch, sondern optisch über Lichtsignale übertragen.
- Optoelectronics als Teilbereich verbindet dabei Elektronik und Lichttechnik.
- CPO/Co-Packaged Optics beschreibt den Ansatz, optische Komponenten direkt neben AI-Chips zu platzieren, um Geschwindigkeit, Energieeffizienz und Bandbreite massiv zu verbessern.
NVIDIA treibt diese Entwicklung inzwischen sichtbar voran. Der Konzern investiert Milliarden in optische Infrastruktur und Partner rund um AI-Photonics. (So profitieren aktuell Lumentum und Coherent von jeweils 2 Mrd. Dollar Invest.)
Für mich entsteht hier deshalb wahrscheinlich der nächste große anstehende AI-Engpass. Interessant finde ich dabei vor allem, dass Photonics nicht nur aus einem einzigen Bereich besteht. Innerhalb des Stacks entstehen sehr unterschiedliche Risiko- und Reifeebenen.
Ebene 1: Etablierte Photonics-Infrastruktur
Hier sitzen die stabileren Infrastrukturspieler. Unternehmen wie $COHR (+13,59 %) (Coherent), $LITE (+17,16 %) (Lumentum), $CIEN (+7,15 %) (Ciena) oder auch $FN (+6,23 %) (Fabrinet) profitieren davon, dass optische Systeme bereits heute immer stärker in AI-Rechenzentren einziehen.
Hier geht es vor allem um:
- Laser
- optische Komponenten
- Glasfaser-Infrastruktur
- Transceiver
- Optical Networking
Ebene 2: Optical Interconnects & Datacenter Connectivity
Ein Feld, in dem derzeit besonders viel Dynamik entsteht. AI-Cluster benötigen immer schnellere Verbindungen zwischen GPUs, Speichern und Switches. Ich denke an Unternehmen wie $AAOI (+21,16 %) (Applied Optoelectronics), $ANET (-4,03 %) (Arista Networks) oder teilweise auch $5802 (-0,27 %) (Sumitomo Electric). Optical Interconnects könnten sich in den nächsten Jahren zu einem zentralen AI-Bottleneck entwickeln.
Ebene 3: Materialien, Substrate & Fertigungsgrundlagen
Dieser Bereich bekommt meist deutlich weniger Aufmerksamkeit, obwohl hier wichtige Voraussetzungen für moderne Photonics-Systeme entstehen. Photonics benötigt hochspezialisierte Materialien, neue Substrate und präzise Fertigungsstrukturen. Besonders relevant finde ich hier Unternehmen wie $AXTI (+11,84 %) (AXT), $SOI (-3,43 %) (Soitec), $5802 (-0,27 %) (Sumitomo Electric) oder teilweise auch $TSEM (+7,26 %) (Tower Semiconductor).
Materialien wie Indium Phosphide (InP), spezielle Wafer-Technologien und optische Integrationsplattformen werden mit steigender Datenrate und Integrationsdichte immer wichtiger. Und je komplexer optische Systeme werden, desto relevanter wird zusätzlich der zukünftige Engpass „Test & Metrology“, weil diese Strukturen extrem präzise kontrolliert und vermessen werden müssen (vgl. dazu meinen letzten Post).
Ebene 4: Optionality & Next Generation Photonics
Hier steigt das Risiko deutlich. Gleichzeitig aber auch die mögliche Hebelwirkung. Unternehmen wie $LWLG (Lightwave Logic), $SIVE (+19,12 %) (Sivers Semiconductors), $INFQ (Infleqtion) oder auch $LASR (nLight) arbeiten an Technologien, die zukünftige optische Systeme noch effizienter oder leistungsfähiger machen könnten. Das sind für mich keine sicheren Gewinner. Aber dort entstehen oft die frühen technologischen Optionen der nächsten Infrastrukturwelle. Sivers wird übrigens bald auch parallel an der NASDAQ gelistet sein.
Das Spannende daran: Der AI-Engpass verschiebt sich immer weiter weg vom reinen Compute und hinein in die physische Infrastruktur der Datenbewegung.
Akut/Active:
HBM + Power & Cooling + Advanced Packaging + Energy/Grid
Zukünftig/Emerging:
Test & Metrology + Photonics
Denn AI braucht künftig nicht nur mehr Rechenleistung. AI braucht vor allem die Fähigkeit, gigantische Datenmengen überhaupt noch effizient, schnell und stabil zu bewegen.
Ein dritter AI-Engpass der Kategorie „Zukünftig/Emerging“ könnte bereits entstehen: Edge AI. Dazu bald mehr.
