Der 1,7-Billionen-Dollar-Weckruf: KI-Disruption trifft Privatkredite (Private Credit)

Seit Jahren operiert der Markt für Privatkredite auf der Grundlage einer Überzeugung, die als sein Fundament diente: Unternehmenssoftware (Enterprise Software) ist der ultimative defensive Vermögenswert. Mit hohen wiederkehrenden Umsätzen, einer treuen Kundenbasis und vorhersehbaren Cashflows wurden Software-as-a-Service (SaaS)-Unternehmen als „Goldstandard“ für Direktkreditgeber angesehen. Eine drastische neue Warnung der UBS Group AG hat diesen Konsens jedoch erschüttert und signalisiert, dass genau die Stabilität, die diese Vermögenswerte attraktiv machte, nun ihr Untergang sein könnte.

Am Montag gaben Strategen der UBS eine Prognose ab, die den Finanzsektor in Erschütterung versetzte: Die Ausfallraten auf dem US-Markt für Privatkredite könnten auf bis zu 13 % ansteigen, falls künstliche Intelligenz (Artificial Intelligence, AI) ein „aggressives“ Disruptionsszenario auslöst. Diese Zahl ist nicht bloß ein statistischer Ausreißer; sie stellt eine fundamentale Neubewertung des Risikos für einen 1,7 Billionen Dollar schweren Markt dar, der sich stark in Technologie-Schulden übergewichtet hat.

Der Katalysator für diese potenzielle Krise ist die schnelle Reifung von Generativer KI (Generative AI) und „agentischen“ Workflows (agentic workflows), die beginnen, traditionelle SaaS-Geschäftsmodelle obsolet zu machen. Laut dem UBS-Bericht sind etwa 35 % des gesamten Privatkreditmarktes Sektoren ausgesetzt, die anfällig für KI-Disruption (AI disruption) sind, primär Technologie und Dienstleistungen. Die Implikation ist klar: Die KI-Revolution ist nicht mehr nur eine Geschichte von boomenden Aktienkursen für Chiphersteller; sie entwickelt sich schnell zu einer Geschichte existenzieller Risiken für etablierte Softwareanbieter und die Kreditgeber, die sie finanziert haben.

Das Ende des „sicheren Hafens“ SaaS

Um den Ernst der UBS-Warnung zu verstehen, muss man das schiere Volumen des Kapitals würdigen, das an den Softwaresektor gebunden ist. Private-Equity-Firmen haben das letzte Jahrzehnt damit verbracht, aggressiv B2B-Softwareunternehmen aufzukaufen und diese Akquisitionen mit massiven Krediten aus Privatkreditfonds zu finanzieren. Die These war einfach: Sobald ein Unternehmen eine Softwareplattform installiert, wechselt es selten. Dieser „Burggraben“ rechtfertigte hohe Verschuldungsmultiplikatoren.

Doch die KI legt diesen Burggraben trocken. Das Aufkommen fortschrittlicher Coding-Agenten und „Vibe-Coding“ (vibe-coding) – bei dem Eingabeaufforderungen in natürlicher Sprache maßgeschneiderte Softwarelösungen generieren können – reduziert drastisch den Bedarf an teurer, arbeitsplatzbasierter Standardsoftware. Unternehmen stellen fest, dass KI-Agenten die Funktionalität von Nischen-SaaS-Tools zu einem Bruchteil der Kosten replizieren können, was zu Abwanderungsraten (Churn Rates) führt, die zuvor unvorstellbar waren.

UBS-Strategen, darunter Sachin Ganesh, merkten an, dass es zwar noch zu früh sei, den genauen Zeitpunkt der flächendeckenden Verdrängung zu bestimmen, der Trend sich aber „in diesem Jahr beschleunigen wird“. Der Markt reagiert bereits. Kredite für große Software-Kreditnehmer wie Cloudera Inc., Dayforce Inc. und Rocket Software Inc. haben sinkende Kurse am Sekundärmarkt verzeichnet, da Investoren das Risiko einpreisen, dass diese Firmen die ersten Opfer der „SaaSpokalypse“ sein könnten.

Der Mechanismus der Disruption: Warum KI „Zombie-SaaS“ tötet

Der Begriff „Zombie-SaaS“ bezieht sich auf Softwareunternehmen, die aufgehört haben zu innovieren, aber weiterhin Miete für veraltete Codebasen kassieren. In einer Welt vor der KI waren diese Unternehmen Cash-Cows. In einer KI-fokussierten Welt sind sie leichte Beute.

Die Bedrohung kommt aus zwei Richtungen:

1. Demokratisierung von Code: Tools wie Claude von Anthropic und Open-Source-Coding-Agenten ermöglichen es nicht-technischen Mitarbeitern, interne Tools zu erstellen, die externe Anbieter ersetzen. Warum 50.000 $ pro Jahr für ein Workflow-Management-Tool bezahlen, wenn ein interner KI-Agent an einem Nachmittag eine maßgeschneiderte Version erstellen kann?
2. Effizienz über Mitarbeiterzahl: Viele SaaS-Preismodelle basieren auf „Seats“ oder Benutzerlizenzen. Da KI es Unternehmen ermöglicht, mit kleineren Teams zu operieren, sinkt die Anzahl der benötigten Lizenzen, was direkt das Umsatzwachstum der Portfoliounternehmen der Software-Kreditgeber trifft.

Daten im Fokus: Die unverhältnismäßige Exposition von Privatkrediten

Die UBS-Analyse hebt eine kritische Divergenz in der Risikoexposition zwischen Privatkrediten und anderen Schuldenmärkten hervor. Privatkreditfonds, die oft Kredite an kleinere, hochverschuldete Technologieunternehmen vergeben, sind deutlich anfälliger als der breitere öffentliche Anleihenmarkt.

Während Hochzinsanleihen (High-Yield Bonds) und gehebelte Kredite (Leveraged Loans) typischerweise größere, diversifiziertere Unternehmen finanzieren, waren Privatkredite der Maschinenraum für Software-Buyouts im Mittelstand. Die Daten zeichnen ein besorgniserregendes Bild des Konzentrationsrisikos.

Vergleichendes Risiko: KI-gesteuerte Ausfallszenarien

Die folgende Tabelle veranschaulicht die prognostizierten Ausfallraten in verschiedenen Kreditmärkten unter dem aggressiven KI-Disruptionsszenario der UBS und hebt die einzigartige Anfälligkeit des Privatkreditsektors hervor.

Prognostizierte Ausfallraten unter einem aggressiven KI-Disruptionsszenario

Die Disparität ist frappierend. Eine Ausfallrate von 13 % bei Privatkrediten würde angesichts der illiquiden Natur der Anlageklasse wohl einen systemischen Schock darstellen. Im Gegensatz zu öffentlichen Anleihen, die (wenn auch mit Verlust) verkauft werden können, sind Privatkredit-Vermögenswerte schwer schnell abzustoßen, was Investoren potenziell in scheiternden Positionen gefangen hält, während die zugrunde liegende Technologie des Kreditnehmers veraltet.

Der Dominoeffekt: BDCs und institutionelle Investoren

Der Schmerz beschränkt sich nicht auf die Kreditgeber selbst; er erstreckt sich auf die Vehikel, die diese Kredite halten. Business Development Companies (BDCs), börsennotierte Fonds, die in private Schulden investieren, haben Kursverluste bei ihren Aktien erlebt. Berichte deuten darauf hin, dass große Akteure wie Blue Owl Capital und Sixth Street Specialty Lending, die für ihre technologieorientierten Portfolios bekannt sind, einer verstärkten Prüfung hinsichtlich der „KI-Absicherung“ ihrer Kreditbücher ausgesetzt sind.

Investoren stellen schwierige Fragen: Sind die Bewertungen dieser privaten Kredite korrekt? Privatkreditfonds bewerten ihre Vermögenswerte in der Regel nach Modellen („Mark-to-Model“) statt nach Marktpreisen, was zu einer geglätteten Volatilität führt, die laut Kritikern das wahre zugrunde liegende Risiko verschleiert. Wenn das Produkt eines Softwareunternehmens durch einen KI-Agenten verdrängt wird, könnte sein Unternehmenswert faktisch auf Null sinken, lange bevor eine geplante Kreditrückzahlung versäumt wird.

Das deutsche Gesundheitssoftware-Unternehmen Dedalus hat kürzlich einen Deal für einen gehebelten Kredit über 1,3 Milliarden Euro unterbrochen und dabei die wachsende Besorgnis der Investoren angeführt. Dies deutet darauf hin, dass der „Kapitalstreik“ bereits begonnen hat. Kreditgeber werden vorsichtig, wenn es darum geht, Technologieunternehmen zu finanzieren, die keine klare, vertretbare Strategie für die KI-Ära vorweisen können.

Die neuen Einsatzregeln für die Kreditvergabe in der KI-Ära

Für die Privatkreditbranche ist die UBS-Warnung ein Aufruf zum Handeln. Die Ära der „Tabellenkalkulations-Kreditvergabe“ – bei der Entscheidungen ausschließlich auf historischer Abwanderung und EBITDA-Margen basierten – ist vorbei.

Kreditgeber müssen nun eine Venture-Capital-Mentalität bei der Kreditprüfung (Underwriting) einnehmen. Dies beinhaltet die Bewertung des „KI-Burggrabens“ (AI Moat) eines Kreditnehmers. Können deren proprietäre Daten leicht von einem großen Sprachmodell (Large Language Model, LLM) repliziert werden? Ist ihr Workflow so komplex, dass ein Agent ihn nicht einfach automatisieren kann?

Bewertung der KI-Verteidigungsfähigkeit

Um die kommende Marktbereinigung zu überstehen, müssen Kreditausschüsse die Kreditnehmer anhand neuer Kriterien bewerten.

• Proprietäre Daten-Burggräben: Verfügt das Softwareunternehmen über einzigartige, private Daten, auf die ein LLM keinen Zugriff hat? Wenn ja, haben sie eine Verteidigungsschicht.
• Integrationstiefe: Tief eingebettete Infrastruktursoftware ist schwieriger zu ersetzen als oberflächliche Produktivitätstools.
• Ergebnisbasierte Preisgestaltung: Unternehmen, die von einer arbeitsplatzbasierten Preisgestaltung zu einer ergebnisbasierten Preisgestaltung übergehen (bei der die von der KI geleistete Arbeit berechnet wird), haben eine höhere Wahrscheinlichkeit, den Übergang zu überleben.

Fazit: Anpassen oder Ausfallen

Die Prognose einer Ausfallrate von 13 % ist ein Worst-Case-Szenario, aber in der schnelllebigen Welt der KI neigen Worst-Case-Szenarien dazu, schneller als erwartet zum Basisszenario zu werden. Der 3 Billionen Dollar schwere Privatkreditmarkt steht vor seinem ersten echten existenziellen Test seit der Finanzkrise 2008.

Für die Leser von Creati.ai ist die Lehre umfassender als nur Finanzen. Diese Marktverschiebung bestätigt die immense Kraft der Technologien, über die wir täglich berichten. Wenn Finanzriesen wie die UBS beginnen, Billionen von Dollar an Schulden aufgrund von „Vibe-Coding“ und agentischer KI (agentic AI) neu zu bewerten, ist dies der Beweis dafür, dass die Disruption real, greifbar und beschleunigt ist. Die Softwareindustrie wird neu geschrieben, und die Rechnung für diese Neuschreibung wird fällig.