Das bisherige Jahr zeigt, dass eine zu große Abhängigkeit Risiken birgt. Die steigenden politische Unsicherheiten und hohen Bewertungen lassen viele Anleger nach Alternativen suchen. Europa und Asien bieten spannende Unternehmen, die oft günstiger bewertet sind und langfristig großes Potenzial haben.

Starke europäische Alternativen für dein Depot:

Adyen $ADYEN (-1,68 %) ist ein führender Zahlungsdienstleister, der von der zunehmenden Digitalisierung profitiert. Nach einem schwierigen Jahr könnte das Unternehmen wieder in die Spur finden.

Schneider Electric $SU (-1,81 %) aus Frankreich ist ein Schlüsselspieler in der Energie- und Automatisierungstechnik und profitiert von der Elektrifizierung und dem wachsenden Fokus auf Nachhaltigkeit.

Novo Nordisk $NOVO B (-1,89 %) ein Klassiker und dominiert den Markt für Diabetes- und Adipositas-Medikamente. Die starke Nachfrage nach Wegovy und Co. sorgt für kontinuierliches Wachstum.

ASML $ASML (-2,32 %) ist unverzichtbar für die Chipindustrie. Ohne ASMLs Maschinen gäbe es keine modernen Halbleiter. Ein echter Wachstumswert für die Zukunft.

Lotus Bakeries $LOTB (-0,55 %) wächst mit seinen beliebten Biscoff-Keksen weltweit. Die Expansion in neue Märkte macht das Unternehmen spannend für langfristige Anleger. Mehr hierzu in einem meiner letzten Posts.

Spannende Aktien aus Asien:

Tokyo Electron $8035 (-2,85 %) ist einer der wichtigsten Zulieferer für die Halbleiterindustrie und profitiert vom globalen Chip-Boom.

Alibaba $9988 (-0,79 %) bleibt trotz regulatorischer Herausforderungen ein E-Commerce- und Cloud-Gigant mit langfristigem Potenzial.

Fast Retailing $9983 (-4,25 %) (Uniqlo) wächst stark in Asien und könnte sich als globale Modemarke etablieren.

Der MSCI World ex USA als Alternative für passive Anleger:

Wer seinen US-Anteil reduzieren will, aber nicht auf Einzelaktien setzen möchte, kann mit einem ETF auf den MSCI World ex USA eine Alternative nutzen. Durch regelmäßige Käufe per Sparplan lässt sich der US-Anteil im Depot nach und nach verwässern.

Wie hoch ist euer aktueller US-Anteil? Plant ihr eine Umschichtung oder setzt ihr weiter stark auf die USA?

#etfs
#stockanalysis
#tech
#dividends
#growth
#usa
#eu
#asien

$ASML (-2,32 %)
$8035 (-2,85 %) . $NVDA (-1,07 %)

Die Regierung von Donald Trump plant, die Exportbeschränkungen für Halbleiter nach China weiter zu verschärfen.

Damit würde sie die Maßnahmen der Biden-Administration nicht nur fortsetzen, sondern erheblich ausweiten, berichtet Bloomberg. Ziel sei es, Chinas technologische Fortschritte zu bremsen und wichtige Verbündete in die US-Strategie einzubinden.

US-Beamte trafen sich kürzlich mit Vertretern Japans und der Niederlande, um über neue Einschränkungen für Unternehmen wie Tokyo Electron und ASML zu beraten. Konkret gehe es darum, Ingenieure dieser Firmen daran zu hindern, Halbleiterfertigungsanlagen in China zu warten. Dies könnte die Produktionskapazitäten chinesischer Chiphersteller erheblich beeinträchtigen.

Die chinesischen Halbleiter-Aktien ziehen schon mal die Köpfe ein. Der FactSet China Semiconductor Index verliert einen ganzen Prozentpunkt, was bei einem Jahresplus von rund 50 Prozent nicht allzu tragisch erscheint:

Zusätzlich strebt das Trump-Lager an, die Menge und die Art der Nvidia-Chips, die ohne Exportlizenz nach China geliefert werden dürfen, weiter zu reduzieren.

Die Strategie der Trump-Regierung zielt darauf ab, dass enge US-Verbündete ähnliche Exportrestriktionen einführen, wie sie bereits für US-amerikanische Chiphersteller wie Lam Research, KLA und Applied Materials gelten. Ein solcher Schritt könnte Chinas Halbleiterindustrie weiter unter Druck setzen und die Abhängigkeit von inländischen Alternativen verstärken.

https://www.wallstreet-online.de/nachricht/19041012-eskalationsstufe-trump-untersagt-ingenieuren-chinesische-halbleiter-anlagen-warten

Grafik: KI generiert

Die rasante Entwicklung der KI hat einen regelrechten Boom bei Rechenzentren ausgelöst. Unternehmen wie OpenAI und DeepSeek treiben diese Revolution voran und die Nachfrage nach Hochleistungsservern wächst exponentiell.

Doch mit der steigenden Rechenleistung geht auch ein massiver Energieverbrauch einher, ein Thema, das weltweit zu Diskussionen über Infrastruktur, Effizienz und zukünftige Investitionen führt [1].

Gleichzeitig stellt sich die Frage, ob aktuell eine Überinvestition in Rechenleistung stattfindet. So hat das chinesische KI-Unternehmen DeepSeek ein Modell vorgestellt, das effizienter arbeitet als bisherige Large Language Models (LLMs).

Bedeutet das, dass wir bald weniger Rechenleistung benötigen? 

Oder tritt stattdessen das Jevons-Paradoxon ein, also der Effekt, dass effizientere Technologien den Gesamtverbrauch langfristig sogar erhöhen? [2, 3]

In diesem Beitrag lege ich den Fokus auf die wesentlichen Entwicklungen im Bereich Rechenzentren, den wachsenden Energiebedarf, regionale Besonderheiten, sowie aktuelle Herausforderungen und mögliche Investmentchancen. 

Der Beitrag soll wie immer Hintergründe aktueller Geschehnisse beleuchten, zum Nachdenken anregen und Impulse geben. Genannte Aktien stellen natürlich keine Anlageberatung dar. 

🤖 Rechenzentren: Die Grundlage der KI-Revolution

Die weltweit steigende Nachfrage nach KI-gestützter Software und digitalen Anwendungen erfordert leistungsfähige Rechenzentren. Die Analysten von Goldman Sachs prognostizieren, dass der weltweite Strombedarf von Rechenzentren bis 2027 um 50 % steigen wird und bis 2030 (im Vergleich zu 2023) um bis zu 165 % zunehmen könnte [1].

Diese nachfolgende Grafik prognostiziert den Energieverbrauch von Rechenzentren (in Terawattstunden) bis 2030. Sie unterscheidet zwischen KI- und Nicht-KI-basierten Anwendungen in den USA und dem Rest der Welt. Der Gesamtverbrauch soll bis 2030 auf über 1.000 TWh steigen [4].

Our analysts expect data center power consumption to increase by more than 160% by 2030 

Quelle: [4], Primär: Masanet et al. (2020), Cisco, IEA, Goldman Sachs Research

Diese Daten zeigen, wie KI-Anwendungen den Energieverbrauch massiv in die Höhe treiben werden. Besonders auffällig ist der rapide Anstieg im Bereich “US AI” und “Rest of world AI”.

Die drei Hauptgründe für diesen Anstieg sind:

• Größere KI-Modelle:

Neue Modelle wie GPT-5 oder DeepSeek AI benötigen immer mehr Rechenleistung. Das Training und der Betrieb dieser Modelle erfordern Billionen von Berechnungen [1].

• Echtzeit-KI-Anwendungen:

Unternehmen integrieren KI in zahlreiche Anwendungen: von Suchmaschinen bis hin zu personalisierten Finanz- und Gesundheitsdiensten. 

• Cloud Computing & Data Storage:

Mit der fortschreitenden Digitalisierung steigt der globale Bedarf an Datenspeicherung und Cloud-Diensten [1].

Welche Unternehmen dominieren den Markt?

Auf der Nachfrageseite für Rechenzentren bauen große Hyperscale-Cloud Anbieter und andere Unternehmen große Sprachmodelle (LLM’s) auf, die in der Lage sind, natürliche Sprache zu verarbeiten und zu verstehen. Diese Modelle müssen mit leistungsintensiven Prozessoren auf riesigen Informationsmengen trainiert werden [4]. 

Auf der Angebotsseite setzen Hyperscale-Cloud-Unternehmen, Rechenzentrumsbetreiber und Vermögensverwalter große Mengen an Kapital für den Bau neuer Rechenzentren mit hoher Kapazität ein.

Dazu gehören unteranderem:

• Microsoft $MSFT (-0,13 %) : Betreiber von Azure Cloud und Partner von OpenAI
• Alphabet $GOOGL (-0,67 %) : Mit Google Cloud und DeepMind
• Amazon $AMZN (-0,59 %) : AWS, der weltweit führende Cloud-Anbieter
• Meta $META (-0,37 %) : Entwickelt eigene KI-Chips und baut die Infrastruktur weiter aus

Zudem profitieren spezialisierte Rechenzentrumsanbieter wie Equinix $EQIX (-0,74 %) und Digital Realty $DLR (-0,28 %) , da sie physische Infrastruktur an die Hyperscaler liefern [6].

Die Nachfrage nach Rechenzentrumsinfrastruktur wird laut Goldman Sachs Research in den kommenden Jahren das Angebot zunehmend übersteigen. 

Die Auslastungsrate der bestehenden Rechenzentren dürfte von etwa 85 % im Jahr 2023 auf mehr als 95 % bis Ende 2026 ansteigen. Ab 2027 wird jedoch voraussichtlich eine Entspannung eintreten, da neue Rechenzentren in Betrieb genommen werden und das durch KI getriebene Nachfragewachstum langsamer wird (siehe folgende Grafik) [1].

Derzeit schätzt Goldman Sachs, dass der globale Stromverbrauch des Rechenzentrumsmarktes bei etwa 55 Gigawatt (GW) liegt. Dieser setzt sich zusammen aus Cloud-Computing-Workloads (54 %), traditionellen Workloads, wie E-Mail oder Datenspeicherung (32 %) und KI (14 %) [1].

Für die Zukunft prognostizieren die Analysten, dass der Strombedarf bis 2027 auf 84 GW steigen wird. Dabei soll der Anteil von KI auf 27 % anwachsen, während der Cloud-Anteil auf 50 % und die traditionellen Workloads auf 23 % zurückgehen [1].

Bis Ende 2030 werden dann rund 122 Gigawatt (GW) Rechenzentrumskapazität online sein. 

An dieser Stelle habe ich mich als Laie gefragt, wie die bisher genannten Einheiten zu verstehen sind, in meiner ersten Grafik spreche ich von 1.000 TWh Energieverbrauch aller Rechenzentren bis 2030 und jetzt ist hier die Rede von 122 GW Rechzentrumskapazität? Um den Rahmen nicht ganz zu sprengen, habe ich hierzu ganz zum Ende des Beitrags noch einen Abschnitt eingefügt, falls sich der ein oder andere ebenfalls als Laie fühlt und die „Einheiten“ ins Verhältnis setzt.

.. und jetzt weiter im Beitrag.. 

Ein zentrales Problem bleibt:
Woher kommt die ganze Energie?

⚡️Energieversorgung: Kann das Netz mithalten?

Laut Schätzungen von Goldman Sachs müssen bis 2030 weltweit über 720 Milliarden US-Dollar in den Ausbau des Stromnetzes investiert werden, um die neuen Rechenzentren mit ausreichend Energie zu versorgen [1].

Besonders in Europa, wo über viele Jahre ein rückläufiger Stromverbrauch erwartet wurde, kommt es zu einem regelrechten „Nachfrageschock“ [1].

Welche Energiequellen versorgen Rechenzentren?

• Erdgas & Batteriespeicher:

Erdgas wird als realistische kurzfristige Lösung angesehen, um die kontinuierliche Nachfrage zu decken. Es dient als Brückentechnologie, bis erneuerbare Energien und Speicherlösungen weiter ausgebaut sind, da erneuerbare Energien nicht rund um die Uhr verfügbar sind [4].

• Erneuerbare Energien:

Wind- und Solarenergie könnten langfristig etwa 80 % des Bedarfs decken, vorausgesetzt, es werden ausreichende Speicherlösungen integriert [4].

In der Praxis laufen Solaranlagen im Durchschnitt nur etwa 6 Stunden pro Tag, während Windkraftanlagen durchschnittlich 9 Stunden pro Tag laufen. Es gibt auch eine tägliche Volatilität in der Kapazität dieser Quellen, abhängig von der Ausstrahlung der Sonne und der Stärke des Windes [4].

Die Grafik zeigt die Schwankungen der Kapazitätsfaktoren für Wind- und Solarenergie in den USA im Jahr 2023. Der Kapazitätsfaktor gibt an, wie effizient eine Energiequelle ihre maximale Leistung über das Jahr hinweg nutzt.

• Windenergie (hellblaue Linie): Die höchsten Kapazitätsfaktoren treten in den Wintermonaten (Jan–März) auf und sinken in den Sommermonaten (Jun–Aug) deutlich ab.

• Solarenergie (dunkelblaue Linie): Die Effizienz steigt im Frühling (März–Mai) an und erreicht in den Sommermonaten (Jun–Aug) ihr Maximum, bevor sie im Winter (Nov–Dez) abfällt.

Die Grafik verdeutlicht, dass sich Wind- und Solarenergie saisonal ergänzen können: Während Wind im Winter effizienter ist, liefert Solarenergie im Sommer die höchsten Erträge. Dies zeigt, wie wichtig ein ausgewogener Energiemix zur Sicherstellung der Versorgungssicherheit ist.

Neben der Suche nach umweltfreundlichen Energiequellen zur Stromversorgung von Rechenzentren können Technologieanbieter die Emissionsintensität durch Effizienzgewinne reduzieren.

Die nachfolgende Grafik zeigt die Entwicklung der Arbeitslast (Workload) und des Energieverbrauchs von Rechenzentren zwischen 2015 und 2023. Obwohl die Arbeitslast fast verdreifacht wurde, blieb der Energieverbrauch bis 2019, dank Effizienzsteigerungen nahezu konstant. Ab 2020 haben sich dann die Effizienzgewinne verlangsamt.

Quelle: [4], Primär: Masanet et al. (2020), IEA, Cisco, Goldman Sachs Research

Diese Grafik unterstützt die Diskussion über das Jevons-Paradoxon (siehe weiter unten). Effizienzgewinne könnten langfristig durch höhere Arbeitslasten und KI-Nachfrage ausgeglichen oder sogar übertroffen werden. Dies hebt die Notwendigkeit hervor, die Energiequellen von Rechenzentren nachhaltiger zu gestalten.

• Nuklearenergie:

In der Zwischenzeit unterstützen die Regierungen auch die Kernenergie im Großen und Ganzen stärker. Die Schweiz überdenkt den Einsatz von Kerngeneratoren für ihre Stromversorgung, während die Kernenergie in den USA parteiübergreifende Unterstützung genießt und die australische Oppositionspartei Pläne zur Einführung von Kernreaktoren vorgelegt hat [4].

Die Teilnehmer der COP28-Konferenz Ende 2023, einem jährlichen Gipfeltreffen, der von den Vereinten Nationen zur Bekämpfung des Klimawandels einberufen wurde, einigten sich darauf, die globale Nuklearkapazität bis 2050 zu verdreifachen [4].

Kernenergie gilt als ideale Option für die Basisstromversorgung, da sie zuverlässig und konstant Energie liefert.

So setzen auch immer mehr der großen Techkonzerne wie z.B. Alphabet, Amazon und Microsoft auf kleine modulare Kernkraftwerke (SMRs).

📊 Effizienzsteigerung & das Jevons-Paradoxon

Mit neuen Technologien wie DeepSeek könnte KI künftig effizienter arbeiten. Doch bedeutet eine höhere Effizienz automatisch, dass weniger Rechenleistung benötigt wird?

Das Jevons-Paradoxon: Mehr Effizienz = mehr Verbrauch?

Das Jevons-Paradoxon beschreibt, dass Effizienzsteigerungen oft nicht zu einem geringeren, sondern zu einem insgesamt höheren Verbrauch führen.

• Beispiel:

Im 19. Jahrhundert führten effizientere Dampfmaschinen nicht zu einem geringeren Kohleverbrauch, im Gegenteil, da die Maschinen billiger und vielseitiger einsetzbar wurden, stieg der Kohleverbrauch sogar an.

Beim Auto: Kraftstoffeffizientere Motoren führten nicht zu weniger Benzinverbrauch, sondern dazu, dass Menschen mehr Auto fahren. 

• Übertragen auf KI:

Wenn KI-Modelle effizienter werden, sinken die Kosten pro Berechnung. Das macht KI-Anwendungen in noch mehr Bereichen attraktiv, was wiederum zu einem höheren Gesamtbedarf an Rechenleistung führt.

🌎 Regionale Verteilung und weltweiter Ausbau der Rechenzentrumsinfrastruktur

Aktuelle Verteilung: Wo stehen die Datenzentren heute?

Heute befinden sich die meisten Datenzentren in der Region Asien-Pazifik sowie in Nordamerika. Bekannte Standorte sind:

Nordamerika:

• Northern Virginia

• San Francisco Bay Area

Asien

• Beijing

• Shanghai

Diese Regionen zeichnen sich durch hohe Rechenleistung, intensiven Datenverkehr und eine starke Nachfrage von Unternehmenscampussen aus [1].

Die Grafik zeigt zusätzlich die historische Entwicklung der Rechenzentrumskapazitäten nach Regionen (Nordamerika, APAC etc.) von 2017 bis 2024. Die Zahlen illustrieren, wie schnell die Infrastruktur für die KI-Revolution wächst und unterstreicht, warum der Energiebedarf der Rechenzentren so rasant ansteigt.

Der Anstieg der Kapazität von etwa 20 GW im Jahr 2017 auf fast 60 GW im Jahr 2024 zeigt einen enormen Wachstumstrend. Dies korreliert direkt mit der steigenden Nachfrage nach KI-Anwendungen und Cloud-Computing.

Wie wächst das Angebot?

Goldman Sachs Research schätzt, dass die weltweite Rechenzentrums-Kapazität bis Ende 2030 wie oben bereits erwähnt auf etwa 122 GW ansteigen wird. Dabei wird der Anteil der Hyperscaler und spezialisierten Betreiber von aktuell 60 % auf etwa 70 % steigen [1].

• Asien-Pazifik:

In den vergangenen zehn Jahren wurde hier der größte Zubau an Rechenzentren verzeichnet.

• Nordamerika:

Für die nächsten fünf Jahre ist in Nordamerika der größte Zubau an neuen Datenzentren geplant.

📈 Investmentchancen: Einige Gewinner der KI- und Rechenzentrumsrevolution

US-Aktien z.B.:

• Carrier Global $CARR (-0,43 %) : Präzise Kühltechnologie und Klimatisierung für Rechenzentren
• Vertiv Holdings $VRT (-1,63 %) : Spezialist für Kühl- und Stromversorgungslösungen speziell für Rechenzentren
• Brookfield Renewable Partners $BEP.UN : Führender Anbieter Erneuerbarer Energien (Wasserkraft, Solar, Wind) - Lieferverträge (PPAs) mit Rechenzentren
• ON Semiconductor $ON (-1,05 %) : Führend bei Chips für Energieeffizienz und Wärmemanagement. Lösungen reduzieren Stromverbrauch in Rechenzentren und unterstützen Integration von KI
• Texas Instrumentes $TXN (-0,34 %) : Energiesparende Halbleiterprodukte, die in den Servern von Rechenzentren Verwendung finden
• Equinix $EQIX (-0,74 %) : Spezialisiert auf Rechebzentrumsinfrastruktur
• Digital Realty $DLR (-0,28 %) : Anbieter physischer Infrastruktur für Rechenzentren
• IBM $IBM (-0,19 %) : Quantencomputer-Technologien die potenziell weniger Energie verbrauchen und Entwicklung Energieeffizienter KI-Lösungen
• Arista Networks $ANET (-1,04 %) : Spezialist für Hochgeschwindigkeits-Netzwerkprodukte für Rechenzentren
• Nvidia $NVDA (-1,07 %) : Führend bei KI-GPUs, Führend im KI-Training Markt. Beste Wahl für große KI-Modelle und Training in Rechenzentren
• AMD $AMD (-2,6 %) : Konkurrenz zu Nvidia mit eigenen KI-Chips, jedoch besser im KI-Interferenz Markt positioniert, wo Energieeffizienz und Kosteneffektivität entscheidend sind. Der Interferenz-Markt wird der nächste wichtigste Markt, vielleicht sogar der wichtigere.
• Broadcom $AVGO (-1,2 %) : Profitiert von Netzwerklösungen für Rechenzentren
• Microsoft $MSFT (-0,13 %) , Google $GOOGL (-0,67 %) , Amazon $AMZN (-0,59 %) : Die großen Hyperscaler, die massiv in KI und Cloud investieren

Europäische Aktien z.B.:

• Siemens Energy $ENR (-4,85 %) : Wichtige Rolle in Modernisierung von Stromnetzen, Integration Erneuerbarer Energien und Verbesserung von Speicherlösungen für die Zuverlässigkeit von Rechenzentren
• Schneider Electric $SU (-1,81 %) : Führend in der Entwicklung von Energiemanagement und Kühltechnologie für Rechenzentren - Besonderheit in der Automatisierung beider Systeme.
• ASML $ASML (-2,32 %) : Unverzichtbar für die moderne Chipproduktion
• Infineon $IFX (-1,63 %) und STMicroelectronics $STM (-1,93 %) : Führende Halbleiterunternehmen mit Fokus auf KI-Anwendungen
• RWE $RWE (+1,27 %) und Enel $ENEL (+1,75 %) : Versorger, die verstärkt auf erneuerbare Energien für Rechenzentren setzen

Japanische Aktien z.B.:

• Daikin Industries $6367 (-1,92 %) : Weltmarktführer bei Klimatisierung und Kühlung, bietet spezialisierte Kühlsysteme für Rechenzentren und durch KI-gestützte Anlagenmanagementsysteme um Effizienz weiter zu steigern
• Tokyo Electron $8035 (-2,85 %) : Wichtiger Zulieferer für die Halbleiterfertigung
• Mitsubishi Heavy Industries $7011 (+0,29 %) : Arbeitet an der Entwicklung neuer Kernkraftwerke zur Sicherstellung der Energieversorgung

🧠 Fazit: KI, Rechenzentren & Energie als Jahrhunderttrend?

Obwohl einige Analysten vor einer möglichen Überinvestition warnen, deuten die Zahlen darauf hin, dass der Bedarf an Rechenleistung und Energie für KI-Rechenzentren weiterhin stark steigen wird.

• Effizienzgewinne durch Modelle wie DeepSeek oder neue Chip-Technologien könnten den Energieverbrauch pro Rechner senken, doch das Jevons-Paradoxon führt dazu, dass der Gesamtbedarf steigt, weil effizientere Systeme vermehrt eingesetzt werden. 

Die größten Gewinner sind daher:

• Halbleiterunternehmen: Sie liefern die benötigten KI-Chips.
• Rechenzentrumsbetreiber: Sie bauen die nötige Infrastruktur aus.
• Energieversorger: Sie stellen die Energieversorgung für die KI-Revolution sicher.

Langfristig könnten diese Unternehmen zu den größten Profiteuren der kommenden Jahrzehnte gehören. 

👨🏽‍💻 Wie positioniere ich mich?

Persönlich sehe ich mich mit dem NASDAQ 100  $CSNDX (-0,56 %) gut aufgestellt (Depot-Anteil bei 23%), da der Fokus auf US-Technologie- und Wachstumswerte liegt. Der ETF ergänzt meinen All-World mit einer stärkeren Gewichtung auf innovative Sektoren wie KI und Cloud-Computing. 

in naher Zukunft werde ich mir zusätzlich die Daikin Industrie $6367 (-1,92 %) Aktie näher anschauen, um das Japan Exposure zu erhöhen und der Kurs auf den ersten Blick einen Einstieg bietet.

Zusätzlich hat AMD $AMD (-2,6 %) meine Aufmerksamkeit gezogen, die Begründung stellt die Positionierung im bereits oben genannten Interferenz-Markt dar. Aktuell fließt das meiste Kapital in den Ausbau neuer KI Modelle. Sobald diese jedoch zur „Commodity“ werden und jeder sie einsetzt wird wohl der Großteil des Kapitals in den Interferenz Markt fließen (Markt für die Anwendung von KI-Modellen).

Weiterhin habe ich die Siemens AG $SIE (-1,98 %) mit ca. 2,3% Portfolio Anteil mit dabei (wächst noch bis auf ca. 4%) welche ich ebenfalls aus folgenden Gründen (Im Kontext des Beitrags) gut für die Zukunft aufgestellt sehe:

Netzwerkstabilität

• Entwickelt Technologien für intelligente Stromnetze („Smart Grids“), essenziell für Integration erneuerbarer Energien in die Versorgung von Rechenzentren.

Rechenzentrumssteuerung

• Bietet Automatisierungs- und Überwachungssysteme die den Energieverbrauch und Effizienz von Rechenzentren optimieren

Effiziente Gebäudestruktur

• Die „Smart-Infrastructure“-Sparte unterstützt Rechenzentren mit Energieeffizienten Lösungen für Beleuchtung, Klimatisierung und Gebäudeüberwachung

Nicht direkt Kühlsysteme, aber:

• bietet Technologien, die die Energieeffizienz von Kühlsystemen steigern, indem sie Energieströme und Datenanalysen optimieren

Wie ist eure Meinung❓

• Welche Unternehmen habt ihr auf dem Schirm?
• Droht eine Überinvestition oder stehen wir erst am Anfang einer Jahrhundert-Revolution? 

Vielen Dank fürs Lesen! 🤝

..Genannter Exkurs folgt nach den Quellen..

__________

Quellen: 

[1] https://www.goldmansachs.com/insights/articles/ai-to-drive-165-increase-in-data-center-power-demand-by-2030

[2] „The Coal Question“
http://digamo.free.fr/peart96.pdf

[3] https://de.m.wikipedia.org/wiki/Jevons-Paradoxon

[4] https://www.goldmansachs.com/insights/articles/is-nuclear-energy-the-answer-to-ai-data-centers-power-consumption

[5] https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

[6] https://www.cbre.com/insights/reports/global-data-center-trends-2024

__________

🧭 Exkurs: zu Gigawatt und Terawattstunden 

Um den Zusammenhang zwischen den beiden Angaben, 122 GW (Gigawatt) und 1.000 TWh (Terawattstunden) zu verstehen, ist es wichtig, die Einheiten und deren Bedeutung zu klären:

• 122 GW (Gigawatt):

Bezieht sich auf die aktuelle durchschnittliche Leistungskapazität, die Rechenzentren weltweit benötigen, um zu funktionieren. Leistung (gemessen in GW) beschreibt die Energiemenge, die pro Sekunde verbraucht wird. Es handelt sich hier also um eine Momentaufnahme des Energiebedarfs.

• 1.000 TWh (Terawattstunden):

Dies ist eine Angabe über den Energieverbrauch über einen bestimmten Zeitraum, in diesem Fall ein Jahr. Es beschreibt, wie viel Energie insgesamt in 12 Monaten benötigt wird.

Die Prognose von 1.000 TWh liegt etwas unter dem Wert, der sich aus der Berechnung ergibt. Aus der Grafik lassen sich Werte etwas über 1.000 TWh erkennen, nach der Berechnung auf Grundlage von 122 GW Leistungskapazität müsste der Energieverbrauch bei ca. 1069 TWh liegen.

Generelle Gründe für Abweichungen können nichtsdestotrotz folgende sein: 

• Effizienzsteigerungen: Rechenzentren könnten durch verbesserte Kühlung, optimierte Hardware und Software effizienter arbeiten und somit weniger Energie verbrauchen.
• Spitzen- vs. Durchschnittsverbrauch: Die Angabe von 122 GW könnte den Spitzenbedarf widerspiegeln, während der tatsächliche Durchschnittsbedarf im Jahr etwas niedriger ausfällt.
• Anpassungen im Modell: Es ist möglich, dass die Prognose von 1.000 TWh konservativ ist und nicht alle zusätzlichen Lasten oder regionalen Unterschiede einbezieht.

Dies zeigt, wie stark die Nachfrage nach Rechenzentren und Energie durch KI und Digitalisierung bis 2030 steigen wird

__________

Umverteilung von Tagesgeld (Fallende Zinsen) in $NVDA (-1,07 %) 7k, $TSM (+0 %) 2k und $8035 (-2,85 %) 1k. Hoffentlich kommen keine Strafzölle 😁🍿

Heute fällt mir die Übergewichtung des Halbleitersektor mal wieder auf die Füße.

Von welchen Wert würdet Ihr euch warum trennen. Oder würdet Ihr überall dabei bleiben?

$NVDA (-1,07 %)
$HY9H (-0,55 %) . $QCOM (-0,67 %) . $MU (-1,75 %)
$ASML (-2,32 %)
$8035 (-2,85 %)

$ASML (-2,32 %) aufgestockt ✌️nun 2. größte Aktienposition,

dafür $MC (+2,52 %) etwas reduziert und $8035 (-2,85 %) verkauft.

Vom Sand zum Chip: wie entsteht ein moderner Halbleiter?

Lesezeit: ca. 10min

1) EINFÜHRUNG

Seit spätestens 2023 und dem rasanten Aufstieg von Nvidia $NVDA (-1,07 %) sind Halbleiter und insbesondere "KI-Chips" in aller Munde. Seitdem rennen die Anleger fast jedem Unternehmen hinterher, dass etwas mit der Herstellung von Chips zu tun hat, und treiben die Kurse in ungeahnte Höhen. Kaum ein Anleger weiß jedoch wirklich wie komplex die Wertschöpfungskette innerhalb der Herstellung moderner Chips ist. 

In diesem Beitrag werde ich euch einen Überblick über den gesamten Herstellungsprozess und der daran beteiligten Unternehmen geben. Auch wenn viele von euch eine vage Vorstellung haben, dass die Herstellung moderner Chips komplex ist, werdet ihr sicherlich überrascht sein wie komplex es wirklich in der Realität ist. 

2) GRUNDLEGENDES

Ausgangsbasis für jeden Chip sind sogenannte Wafer [1] - also dünne Scheiben, die meistens aus sogenanntem hochreinen monokristallinen Silizium bestehen. Im Bereich der Leistungshalbleiter, der vor allem Chips für Anwendungen mit höheren Strömen und Spannungen umfasst, wird neuerdings als Basis auch Siliziumkarbit (SiC) oder Galiumnitrid (GaN) als Grundmaterial für die Wafer verwendet. 

Im sogenannten Frontend werden dann auf den Wafern mithilfe verschiedener Verfahren die eigentlichen Herzstücke der Chips - die sogenannten Dies - erzeugt und aufgebracht. Die Dies sind rechteckige Strukturen, welche die eigentliche Funktionalität des späteren Chips enthalten. Die fertigen Dies werden dann auf ihre Funktionalität und elektrischen Eigenschaften getestet. Jeder für gut befundene Die wird dann im sogenannten Backend zum fertigen Chip in dem die einzelnen Dies auf dem Wafer vereinzelt werden. Danach erfolgt das sogenannte packaging. Die einzelnen Dies aus dem Frontend werden dann elektrisch kontaktiert und in ein schützendes Gehäuse integriert. Dieses Gehäuse mit dem kontaktiertem Die ist am Ende das, was in der Regel als Chip bezeichnet wird.

Nachdem wir jetzt einen groben Überblick über den Gesamtprozess haben, widmen wir uns detailliert den einzelnen Prozessen zur Herstellung der Dies auf dem Wafer. Dies ist der Bereich in denen die meisten hochkomplexen Maschinen zum Einsatz kommen und der in der Regel am empfindlichsten ist.

3) VOM SAND ZUM WAFER

Bevor es überhaupt Wafer aus hochreinem Silizium gibt und der eigentliche Prozess zur Herstellung der Dies starten kann, muss zunächst der eigentliche Wafer in nahezu perfekter Qualität hergestellt werden. Dazu wird Quarzsand, welcher zum Großteil aus Siliziumdioxid besteht, unter hohen Temperaturen mit Kohlenstoff reduziert. Dabei entsteht sogenanntes Roh-Silizium, welches mit einer Reinheit von etwa 96% aber noch nicht annähernd die Qualität hat, die für die Herstellung von Wafern benötigt wird.

In mehreren chemischen Prozessen, die beispielsweise von Wacker Chemie
$WCH (-1,16 %) oder Siltronic
$WAF (-2,95 %) bedient werden, wird aus dem "unsauberen" Silizium sogenanntes polykristallines Silizium mit einer Reinheit von 99.9999999%. Auf eine Milliarde Siliziumatome befindet sich dann nur noch ein Fremdatom im Silizium. Dieses reine polykristalline Silzium ist aber immer noch nicht geeignet für die Herstellung von Wafern, da die Kristallstruktur im Silzium nicht gleichmäßig genug ist. Um die passende Kristallstruktur zu erzeugen wird das polykristalline Silizium dann wieder geschmolzen und im sogenannten Einkristallziehverfahren [2] ein sogenannter Ingot, der aus monokristallinen Silzium besteht, erzeugt. Ein Vergleich zwischen Rohsilzium und dem Ingot findet ihr auf folgendem Bild [3]:

Dieser Ingot wird dann in dünne Scheiben gesägt, welche dann die letztendlichen Wafer für die Halbleiterproduktion sind. Die bekanntesten Waferproduzenten sind Shin Etsu
$4063, (+0 %)
Siltronic oder GlobalWafers
$6488. 

4) VOM WAFER ZUM DIE

Die im vorherigen Abschnitt beschriebenen Wafer können nun verwendet werden, um Dies herzustellen. Der Gesamtprozess zur Herstellung der Dies besteht prinzipiell darin eine große Anzahl an Schichten durch verschiedene chemische-, mechanische und physikalische Prozesse aufzubringen. Der Gesamtprozess wird (abhängig vom Produkt) ca. 80 verschiedene Schichten auf dem Wafer aufbringen, dafür nahezu 1000 unterschiedliche Prozessschritte und 3 Monate
non-stop-Produktion benötigen [4]. 

Hier bietet sich eine makroskopische Analogie an, die ich ebenfalls [4] entnommen habe. Man kann den Gesamtprozess zur Herstellung der Dies mit dem Backen einer großen mehrlagigen Torte vergleichen. Diese Torte hat 80 Stockwerke und das Rezept zum backen besteht aus 1000 Schritten. Man benötigt für die Herstellung der Torte 3 Monate und sollte auch nur eine Schicht der Torte eine Abweichung von mehr als 1% von dem Rezept haben, bricht die ganze Torte zusammen und muss entsorgt werden.

In den ersten Prozessschritten werden auf dem Wafer Milliarden winzig kleine Transistoren erzeugt, welche dann in den folgenden Schritten alle einzeln elektrisch kontaktiert werden. Die letzten Schritte bestehen darin, die Transistoren untereinander elektrisch anzuschließen, so dass sich eine komplette elektrische Schaltung ergibt [4]:

Jede einzelne Schicht von den etwa 80 Schichten im Die benötigt hochspezialisierte Prozesse, die sich im Groben zusammenfassen lassen als:

• Masken aufbringen: Photolithography, Photoresist coating (Fotolack aufbringen)
• Material aufbringen: Chemical Vapor Deposition (CVD), Physical Vapor Desposition (PVD), Atomic Layer Desposition
• Material entfernen: Plasma Echting, Wet Echting, Chemical Mechanical Planarization (CMP)
• Material modifizieren: Ion Implanting, Annealing
• Material säubern
• Inspizieren der Schichten: Optical, Microscopical, Focused Ion Beam, Defect Inspection 

Masken aufbringen

Letztendlich kann man sich unter einer Maske eine vergrößerte Kopie der Struktur einer speziellen Schicht im Die vorstellen. Diese sogenannten Fotomasken werden dann mittels sogenannten Scannern oder Steppern verkleinert auf den Wafer "kopiert". Der bekannteste Hersteller solcher Lithografiesysteme ist ASML
$ASML (-2,32 %). Es ist derzeit der einzige Produzent von Lithografiesystemen, die es ermöglichen Strukturen unter 10 Nanometer auf dem Wafer zu erzeugen. Bei heutigen leistungsstarken und modernen Chips, wie sie in Smartphones, KI-Chips und Prozessoren vorkommen, sind die kleinsten Strukturen etwa 3 Nanometer groß. Weitere Hersteller von Lithografiesystemen für größere Strukturen (10nm und größer) sind Canon Electronics
$7739 oder Nikon $7731 (-1,11 %) . 

Die Fotomasken - also die vergrößerten "Kopien" der Strukturen - werden von Unternehmen wie Toppan $7911 (-0,87 %) , Dai Nippon Printing
$7912 (-2,33 %) oder Hoya $7741 (-2,28 %) hergestellt. Systeme zur Reinigung der Fotomasken oder zur Auftragung des Fotolacks werden beispielsweise von Suss Microtec
$SMHN (-4,17 %) hergestellt. 

Material aufbringen/entfernen/modifizieren/säubern

Wie bereits weiter oben in der Übersicht ersichtlich, gibt es hier eine Vielzahl an Methoden und Verfahren um das Material einer bestimmten Schicht zu modifizieren. Demzufolge gibt es jede Menge unterschiedliches Equipment welches mit einer unglaublichen Spezialisierung einen Prozess sehr gut beherrscht. Zu den bekanntesten und erfolgreichsten Equipmentherstellern gehört Applied Materials $AMAT (-0,75 %), LAM Research
$LRCX (-1,13 %), Tokyo Electron (TEL)
$8035, (-2,85 %)
Suss Mictrotec, Entegris
$ENTG (-1,1 %) und Axcelis $ACLS (+0,22 %). 

Das Material - also beispielsweise hochspezialisierte Chemikalien - wird natürlich ebenfalls zur Herstellung benötigt. Unternehmen wie Linde
$LIN (-0,25 %), Air Liquide
$AI (-0,94 %), Air Products
$APD (-1,19 %) und Nippon Sanso
$4091 (-0,56 %) sind große Hersteller für Prozessgase wie Stickstoff, Wasserstoff oder Argon. 

Inspizieren

Wie erwähnt muss jede einzelne Schicht im Herstellungsprozess eines Dies perfekt sein um am Ende einen funktionsfähigen Die zu erhalten. Jede kleine Abweichung oder Fremdpartikel kann die Funktionsfähigkeit des Dies beeinträchtigen. Da die Funktion des Dies erst am fertig prozessiertem Die genau geprüft werden kann, ist es von Vorteil die einzelnen Schichten bereits während der Fertigung auf Defekte und Abweichungen zu untersuchen. Hierfür werden spezielle Maschinen benötigt, die je nach Schicht, Unterschiedliches leisten können müssen. Hersteller solcher Maschinen sind beispielsweise KLA
$KLAC (-0,68 %) oder Onto Innovation
$ONTO (-1,17 %). 

Für fast alle im Abschnitt erwähnten Unternehmen gilt: die Unternehmen sind hochspezialisiert und haben bei den Maschinen für gewisse Prozessschritten Quasimonopole. Geeignetes Equipment kostet deshalb meistens mehrere Millionen Dollar. Dazu sind die Anlagen teilweise so komplex, dass sie nur von Servicemitarbeitern der Hersteller selbst gewartet werden können, was bei jeder verkauften Maschine für wiederkehrende Serviceumsätze sorgt. Jede Maschine braucht in der Regel mehrere hochspezialisierte Ingenieure, um eine dauerhaft stabile Funktion zu gewährleisten. 

5) VOM DIE ZUM FERTIGEN CHIP

Ist der Wafer fertig prozessiert werden die Dies auf dem Wafer auf ihre Funktionalität überprüft. Dafür gibt es hochspezialisiertes Equipment, sogenannte Prober. Diese Prober testen jeden einzelnen Chip gegebenfalls mehrfach um die im Design implementierte Funktionalität zu überprüfen. Hersteller solcher Prober sind unter anderem Teradyne $TER (-0,81 %), Keysight Technologies
$KEYS (-0,57 %), Onto Innovation oder Tokyo Electron. Diese Prober müssen jedes einzelne Die, dass teilweise nur wenige Quadratmilimeter groß ist ansteuern und die entsprechenden noch viel kleineren Teststrukturen mit winzig kleinen Nadeln kontaktieren. Der Prozess des Testens wird teilweise auch an ganze Unternehmen ausgelagert, die das Testen der Dies als Komplettpaket anbieten. Ein Beispiel für solche Anbieter ist Amkor Technology
$AMKR (-1,22 %).  

Der fertig prozessierte und getestete Wafer wird nun zersägt um einzelne Dies zu erhalten. Die für gut befundenen Dies werden dann im Backend in ein schützendes Gehäuse integriert. Die Dies, welche den Test auf Funktionalität nicht bestanden haben, werden entweder aussortiert oder (je nach Fehlerbild) als Variante mit abgespeckter Funktionalität ähnlich zu denen mit voller Funktionalität verarbeitet. Nach einem letzten Funktionstest im Package ist der Chip bereit für den Einsatz. 

6) FOUNDRIES, FABLESS & SOFTWARE

Da wir nun einen Überblick über den komplexen Prozess der Herstellung eines Chips haben, möchten wir nun etwas weiter rauszoomen um zu verstehen welche Unternehmen welche Aufgabe in der Halbleiterindustrie übernehmen.

Komisch, dass im Prozess der Herstellung bis jetzt nicht ein einziges Mal der Name Nvidia $NVDA (-1,07 %) oder Apple $AAPL (+0,75 %) gefallen ist? Dabei haben gerade die doch die fortschrittlichsten Chips oder?

Die reine Herstellung der Chips übernehmen bei genannten Unternehmen nämlich andere Unternehmen - sogenannte Foundries. Unternehmen wie Nvidia und selbst AMD $AMD (-2,6 %) sind nämlich fabless, das heißt sie besitzen gar keine eigene Fertigung sondern liefern lediglich das Design der Chips und lassen die Foundries den eigentlichen Chip nach ihrem Design fertigen. 

Das Design eines Chips ist wie der Bauplan für die Fertigung - die Foundries übernehmen dann die Rezepterstellung und die eigentliche Fertigung. Für das Design von Chips gibt es spezielle Software. Bekannt für diese Software sind Unternehmen wie Cadance Design
$CDNS (-0,23 %) und Synopsys $SNPS (-0,6 %). Aber auch der Industriegigant Siemens
$SIE (-1,98 %) liefert mittlerweile Software zum Design integrierter Schaltkreise. Synopsys bietet darüber hinaus auch andere Software zur Datenanalyse innerhalb der Fertigung in Foundries. 

Apropos Foundries; die bekannteste Foundry ist wahrscheinlich TSMC
$TSM, (+0 %) die weltweit Marktführer im Bereich Foundries sind. TSMC designed selbst keine Chips und hat sich ausschließlich auf die Fertigung der fortschrittlichsten Generationen an Chips spezialisiert. Ein weiterer großer Player, der ebenfalls die fortschrittlichsten Strukturgrößen beherrscht, ist Samsung $005930. Im Gegensatz zu TSMC fertigt Samsung aber auch eigene Designs. Weitere große Foundries sind Global Foundries
$GFS, (-1,14 %) welches ursprünglich eine Abspaltung von AMD ist, und das taiwanesische Unternehmen United Micro Electronics
$UMC. (+0 %)

Die bekanntesten fabless-Unternehmen - also Unternehmen ohne eigene Chipfertigung - sind Nvidia, Apple, AMD, ARM Holdings
$ARM, (-1,09 %)
Broadcom $AVGO (-1,2 %), MediaTek $2454 und Qualcomm $QCOM. (-0,67 %) Mittlerweile haben aber auch Alphabet $GOOGL, (-0,67 %)
Microsoft $MSFT, (-0,13 %)
Amazon $AMZN (-0,59 %) und Meta $META (-0,37 %) eigene Chips für gewisse Funktionalitäten designed und lassen diese dann in Foundries fertigen.

Neben den Foundries und fabless-Unternehmen gibt es natürlich auch Hybride Modelle, das heißt Unternehmen, welche sowohl die Fertigung als auch Design übernehmen. Bekanntestes Beispiel hierfür sind natürlich Unternehmen wie Intel
$INTC (-0,8 %) und Samsung. Dazu gibt es noch eine ganze Reihe sogenannter Integrated Device Manufacturer (IDM), welche größtenteils einzig ihre selbst designten Chips herstellen und keine Kundenaufträge zur Fertigung entgegennehmen. Bekannte Unternehmen wie Texas Instruments
$TXN, (-0,34 %)
SK Hynix
$000660,
STMicroelectronics
$STMPA, (-1,92 %)
NXP Semiconductors
$NXPI, (-1,08 %)
Infineon $IFX (-1,63 %) und Renesas $6723 (-0,35 %) zählen zu den IDM's. 

SCHLUSSWORT

Ziel dieses Beitrags war es einen Überblick über die Komplexität der Halbleiterindustrie zu geben. Ich erhebe natürlich keinen Anspruch auf Vollständigkeit, da es natürlich noch jede Menge weitere Unternehmen gibt, die sich in dieser Wertschöpfungskette wiederfinden. Da Getquin von einem aktiven Austausch lebt, gebe ich euch noch ein paar Denkanstöße zum diskutieren in den Kommentaren unter dem Beitrag:

• verlinkt gerne noch weitere Unternehmen in den Kommentaren, falls ich ihr denkt ich habe relevante Firmen vergessen
• was war für euch die erstaunlichste neue Information aus dem Beitrag?
• welche Unternehmen aus dem Beitrag habt ihr noch nie gehört?
• wusstet ihr bevor ihr den Beitrag gelesen habt, annähernd wie ein moderner Chip hergestellt wird und welche Schritte dafür notwenig sind?

Generell kann ich jedem interessierten Leser das etwa 20 minütige YouTube-Video unter [4] empfehlen. Es liefert einen hervorragenden animierten Überblick über den Herstellungsprozess moderner Chips. 

Stay tuned,

Euer Nico Uhlig (aka RealMichaelScott)

QUELLEN:

[1] Wikipedia: https://de.wikipedia.org/wiki/Wafer

[2] https://www.halbleiter.org/waferherstellung/einkristall/

[3] https://solarmuseum.org/wp-content/uploads/2019/05/solarmuseum_org-07917.jpg

[4] Branch Education auf YouTube: "How are Microchips Made?" https://youtu.be/dX9CGRZwD-w?si=xeV0TYgJ2iwNOKyO

Gewinnmitnahme:

Umschichtung zu 40% in $VWCE (-0,37 %) , 10% $IGLN (+1,28 %) und 50% in Einzeltitel $8035 (-2,85 %) , $GOOG (-0,56 %) , $ASML (-2,32 %) , $MSFT (-0,13 %)

Charlie Munger im Profilbild zu haben bedeutet noch lange nicht so erfolgreich wie Er zu sein.

Ein Blick ans Ende meines Portfolios zeigt die Schwächen und Fehler die gemacht wurden.

Sagt man vielleicht Fallen Angel.

LVMH $MC (+2,52 %)

Am 30.05.2023 nach schlechten Nachrichten und einem Kursrückgang gekauft.

Im Hinterkopf Sprüche wie

"Luxus geht Immer" und "LVMH ist ein Dauerläufer"

Plötzlich hatte zu diesem Zeitpunkt jeder Influencer

die Aktie auf der Kaufliste und somit wurde am

28.09.2023 noch einmal nachgekauft.

Doch schlechte Nachrichten blieben nicht aus und die Aktie enttäuschte und ein Ausstieg wurde verpasst.

Tokyo Electron $8035 (-2,85 %)

Aufgrund von US Sanktionen gegen China gab es die Überlegung das sich China die Hochtechnologie aus Japan besorgen würde.

Und aufgrund des KI Hype wurde am 8.02.2024

Tokyo Electron und Advantest $6857 (+0,69 %) zu einem hohen KGV gekauft.

Trotzdem war Tokyo Electron schnell über 30% im Plus und die Freude war groß. Und ein Stopp Loss wurde auch nicht gesetzt.

Und so sollte es kommen das eine Zinserhöhung in Japan die Börse zum Absturz brachte. Und als erstes traff es natürlich die Überbewerteten Hype Aktien.

Übrigens Advantest ist nach guten Zahlen schon wieder gut im Plus und bei Tokyo bin ich guter Dinge und zum Glück ist die Position nur sehr klein.

ASML $ASML (-2,32 %)

Geschichte wiederholt sich. Auch hier wurde nach der Marktkorrektur am 31.07.2024 gekauft.

Wieder waren es Influencer "ASML hat ein Monopol"

und billiger wird es nicht mehr.

Doch anders sollte es kommen. Die letzten Quartals Zahlen belehrten mich eines besseren.

Hier stellt sich mir jetzt die Frage

NACHKAUFEN ?

oder wird es eine LVMH Story?

Meine Lieben,

Natürlich ist mir bewusst, langfristig werde ich in ein paar Jahren darüber schmunzeln.

Und ein diversifiziertes Portfolio hält so etwas im Rahmen.

Aber als geschickter Investor hätte ich das Geld von LVMH über ein Jahr auch besser investieren können.

Sagt mir gerne Eure Meinung hierzu, setzt Ihr Stopp Loss und wo setzt Ihr Ihn an?

Welche Strategie wendet Ihr an?

Wann Kauft Ihr?

usw.

Ihr seid die beste Community, und besonders möchte ich erwähnen das sich der Umgangston die letzten Wochen sehr zum positiven gewandelt hat.

Danke meine Lieben 😘🌹

Die großen Halbleiteranlagenhersteller ASML $ASML (-2,32 %) und Tokyo Electron $8035 (-2,85 %) sind aktuell im Sonderangebot 💶💴