Google kündigte die Ausweitung seiner Funktion „Gemini in Chrome“ auf sieben neue Märkte an, darunter Australien, Indonesien, Japan, die Philippinen, Singapur, Südkorea und Vietnam. Der Rollout umfasst sowohl Desktop- als auch iOS-Plattformen, mit Ausnahme von Japan.

Diese Erweiterung stellt eine deutliche Steigerung der Verfügbarkeit der Funktion dar, die zuvor im Januar in den USA eingeführt und im März auf Indien, Kanada und Neuseeland ausgeweitet wurde. Die Integration von KI und Gemini in Chrome zielt darauf ab, die Benutzerproduktivität bei verschiedenen Aufgaben zu steigern.

Mit dem auf der Seitenleiste basierenden Assistenten können Benutzer Fragen auf mehreren Registerkarten beantworten und dabei die Private Intelligence-Funktion von Gemini nutzen. Diese Funktion verbindet sich mit Diensten wie Gmail und Google Fotos, um personalisierte Antworten bereitzustellen, Besprechungen über den Kalender zu planen, Standortdetails mit Karten zu überprüfen und E-Mails in Gmail zu entwerfen.

Darüber hinaus können Benutzer Webbilder mit Nano Banana 2 in der Seitenleiste bearbeiten. Die Zugänglichkeit der Gemini-Funktion in mehr Ländern unterstreicht das Engagement von Google, erweiterte KI-Funktionen in das alltägliche Surfen zu integrieren.

Allerdings befindet sich die Agentenfunktion, die eine automatisierte Steuerung des Browsers für Benutzeraufgaben ermöglicht, noch in der Testphase. Es ist derzeit nur für Abonnenten der Pläne AI Professional und AI Extremely in den USA verfügbar

---

Hervorgehobener Bildnachweis

KI-Handelstools sind keine Neuheit mehr. Sie werden schnell zur Standardinfrastruktur für moderne Händler. Dennoch konzentrieren sich die meisten Plattformen immer noch auf beide Automatisierungen
oder oberflächliche Stimmungsmetriken. Edge Hound verfolgt einen ehrgeizigeren Ansatz. Anstatt zu versuchen, Händler zu ersetzen, zielt es darauf ab, ihre Interpretation der Märkte zu verbessern.

In diesem Testbericht für 2026 werfen wir einen genaueren Blick darauf, wie Edge Hound funktioniert, was ihn strukturell unterscheidet und ob er einen sinnvollen Mehrwert bietet, der über das Traditionelle hinausgeht
Charting und Screener.

Jenseits von Diagrammen: Intelligenz statt Indikatoren

Edge Hound positioniert sich als KI-gestützte Forschungsumgebung und nicht als Signalverkaufsdienst. Während viele Handelsplattformen den Schwerpunkt auf technische Indikatoren und historische Preisbewegungen legen, konzentriert Edge Hound sein System auf kontextbezogene Intelligenz. Die Plattform analysiert kontinuierlich Tausende von Eingaben, darunter Finanznachrichten, makroökonomische Veröffentlichungen, Unternehmensunterlagen und soziale Gespräche.

Anstatt rohe Feeds zu präsentieren, interpretiert es sie mithilfe mehrschichtiger KI-Modelle, die darauf ausgelegt sind, Zusammenhänge und narrative Veränderungen aufzudecken. Der Hauptunterschied besteht darin, dass Edge Hound versucht, zu erklären, warum sich Vermögenswerte bewegen, und nicht nur zu identifizieren, dass sie sich bewegen.

Die Architektur: Multi-Agent-KI mit Kontext

Unter der Haube arbeitet Edge Hound mit einem hybriden Multi-Agenten-KI-System, das durch Wissensgraphen unterstützt wird. Mehrere spezialisierte KI-Agenten laufen parallel und konzentrieren sich jeweils auf eine bestimmte analytische Dimension wie Stimmungsdynamik, Makroeinfluss, Sektorrotation oder Entwicklungen auf Unternehmensebene.

Diese Agenten arbeiten nicht isoliert. Ihre Erkenntnisse werden durch Wissensgraphen verknüpft, die Abhängigkeiten zwischen Anlagen und Branchen abbilden. Dadurch kann das System Welleneffekte erkennen, die bei herkömmlichen Analysen möglicherweise nicht sichtbar sind.

Anstatt beispielsweise einfach auf eine erhöhte Volatilität einer Aktie hinzuweisen, könnte die Plattform diese Bewegung mit einer breiteren Sektorstimmung, makroökonomischen Entwicklungen usw. in Verbindung bringen
narrative Veränderungen auf sozialen Plattformen. Diese Strukturtiefe ist eines der stärksten Unterscheidungsmerkmale von Edge Hound.

Kernkompetenzen Tauschen Sie Ideen mit Kontext aus

Edge Hound generiert täglich Tausende von strukturierten Handelsideen für etwa 3.500 US-Aktien, und es sind Expansionspläne im Gange. Was auffällt, ist, dass diese Ideen mit Erklärungen gepaart werden und nicht als Black-Field-Signale dargestellt werden. Benutzer können bestimmte Vermögenswerte abonnieren und Benachrichtigungen direkt innerhalb der Plattform oder per E-Mail erhalten, wenn neue Handelsideen generiert werden. Für aktive Händler, die fokussierte Beobachtungslisten verwalten, reduziert diese Funktion die Reibungsverluste bei der Überwachung erheblich.

Sentiment- und Narrative-Monitoring

Die Sentiment-Engine der Plattform überwacht Ton, Lautstärke und Verhaltensänderungen in Nachrichten und sozialen Kanälen. Anstatt sich ausschließlich auf Preisdaten zu verlassen, erhalten Händler Einblick in die Marktpsychologie, die oft starken Bewegungen vorausgehen kann. Die Buzz Discuss-Funktion bringt aufkommende Geschichten und Trenddiskussionen ans Licht, bevor sie zu Konsensthemen werden. Für momentumgetriebene Händler kann die frühe Narrativerkennung ein großer Vorteil sein.

Entdeckung und marktübergreifende Einblicke

Discovery Bot verknüpft makroökonomische Ereignisse, Branchendynamiken und Bewegungen auf Vermögensebene, um verborgene Zusammenhänge zu identifizieren. Dies ist besonders nützlich für Händler, die mehrere Sektoren überwachen oder sich auf makrobedingte Volatilität vorbereiten. Durch die Abbildung von Abhängigkeiten zweiter und dritter Ordnung geht Edge Hound über die Korrelation hinaus und in die kontextbezogene Abbildung hinein.

Portfolioüberwachung und Warnungen

Im Gegensatz zu vielen Recherchetools, die getrennt von der Portfolioverfolgung arbeiten, integriert Edge Hound Portfolioüberwachung und -analyse in einer einzigen Umgebung.
Händler können Bestände bewerten und gleichzeitig die Stimmung und KI-generierte Erkenntnisse einsehen. Abonnementbenachrichtigungen auf Asset-Ebene verbessern die Benutzerfreundlichkeit zusätzlich. Anstatt ständig Dashboards zu scannen, werden Benutzer benachrichtigt, wenn sich neue Möglichkeiten ergeben.

Benutzererfahrung und Zugänglichkeit

Die Oberfläche ist fashionable und logisch aufgebaut. Trotz der analytischen Tiefe hinter den Kulissen wirkt die Navigation rationalisiert. Wichtige Erkenntnisse werden in leicht verständlichen Zusammenfassungen präsentiert und nicht in überwältigenden Datentabellen. Allerdings ist Edge Hound keine Abkürzung für Anfänger. Es eignet sich am besten für Händler, die sich darin auskennen, vielschichtige Erkenntnisse zu interpretieren und sie in eine definierte Strategie zu integrieren. Wer einfache Kauf- und Verkaufsschaltflächen erwartet, findet die Plattform möglicherweise eher analytisch als automatisiert.

Stärken

• „Die Multi-Agent-KI-Architektur sorgt für zusätzliche analytische Tiefe
• „Wissensgraphen offenbaren verborgene marktübergreifende Beziehungen
• „Asset-Abonnementbenachrichtigungen verbessern die Effizienz
• ‘ Integrierte Portfolioanalyse
• „Ausweitung der Abdeckung aller Anlageklassen – Devisen, Krypto, Rohstoffe,
• Indizes

Einschränkungen

• ‘ Erfordert aktives Engagement und Interpretation
• „Fortgeschrittene Erkenntnisse können für unerfahrene Händler komplex erscheinen
• ‚ Nicht für die vollautomatische Ausführung konzipiert
• „Die Handelsergebnisse hängen immer noch von der individuellen Strategie ab

Wer sollte Edge Hound verwenden?

Edge Hound eignet sich besonders intestine für aktive Dealer, Swingtrader und Marktteilnehmer, die quantitative Daten mit stimmungsgesteuertem Kontext kombinieren möchten. Es spricht auch Anleger an, die mehrere Sektoren verfolgen oder makroökonomische Veränderungen antizipieren. Es ist weniger geeignet für passive Anleger, die eine einfache langfristige Purchase-and-Maintain-Strategie anstreben, oder für Benutzer, die einen automatisierten Handel ohne Beteiligung anstreben.

Abschließende Beurteilung

Edge Hound sticht in der überfüllten KI-Handelslandschaft dadurch hervor, dass es sich eher auf strukturierte Intelligenz als auf Automatisierung konzentriert. Seine Multi-Agenten-Architektur und sein Information-Graph-Framework ermöglichen es ihm, Stimmung, Makroentwicklungen und Vermögensverhalten zusammenhängend zu verbinden.

Die Plattform verspricht weder mühelose Gewinne noch versucht sie, das menschliche Urteilsvermögen aus der Gleichung auszuschließen. Stattdessen verbessert es die Entscheidungsfindung, indem es das Rauschen reduziert und die Klarheit erhöht.

Für Händler, die sowohl Wert auf Verständnis als auch auf Ausführung legen, stellt Edge Hound eine durchdachte Weiterentwicklung der KI-gestützten Marktforschung dar.

In diesem Artikel wird untersucht, wie das Startup Permutable AI die Makrointelligenz für komplexe globale Märkte vorantreibt, indem es schnelllebige Erzählungen in strukturierte, entscheidungsreife Daten und Erkenntnisse umwandelt. Es erklärt, warum traditionelle Marktinstrumente mit der heutigen politischen Divergenz, Geopolitik und Informationsüberflutung zu kämpfen haben und wie Stimmungsregime und unternehmensbezogene Kontexte institutionellen Anlegern, Makroabteilungen und Rohstoffteams dabei helfen können, das Wesentliche schneller zu erkennen.

In der Makroökonomie geht es seit jeher darum, chaotische Eingaben zusammenzufügen: Inflationsdaten, Rhetorik der Zentralbanken, Politik, Geopolitik, Energieschocks, Schifffahrtsrouten, Arbeitsmärkte, Wahlzyklen und das gelegentliche „Unbekannte Unbekannte“, das Korrelationsmatrizen in Konfetti verwandelt.

Was sich geändert hat, ist die Geschwindigkeit und Dichte dieser Eingaben. Märkte reagieren nicht nur darauf Daten Veröffentlichungen mehr; Sie reagieren auf Narrative über Datenveröffentlichungen. Eine einzige politische Bemerkung kann sich innerhalb von Minuten von den Währungen auf die Zins-, Rohstoff- und Aktiensektoren auswirken. Inzwischen ist die Informationsversorgungskette explodiert – mehr Schlagzeilen, mehr Kommentare, mehr Signallärm.

Für institutionelle Anleger, Rohstoffhändler und Makro-Desks stellt dies ein praktisches Downside dar: Es liegt nicht daran, dass es den Groups an Informationen mangelt. Es fehlt ihnen eine strukturierte Echtzeitansicht darüber, welche Narrative sich bilden, welche Entitäten sie vorantreiben und wo diese Narrative beginnen, das Preisverhalten zu beeinflussen.

Das ist die Lücke Permutable KIein in London ansässiges Startup, das sich auf Makro- und Rohstoffmarktinformationen konzentriert, versucht zu schließen. Es geht nicht um „mehr Daten“, sondern um einen klareren Kontext: globale Ereignisse in strukturierte Informationen umzuwandeln, die Entscheidungsträgern helfen, schneller zu erkennen, worauf es ankommt.

Von der Informationsüberflutung zur narrativen Klarheit

Herkömmliche Market-Intelligence-Instruments zeichnen sich durch die Bereitstellung von Inhalten aus: Newsfeeds, Kalender, Recherchen, Transkripte und Diagramme. Aber sie gehen oft davon aus, dass der Mensch auf der anderen Seite die Synthese übernehmen wird. Das wird immer schwieriger in Märkten, in denen sich die Themen schnell verändern – wo sich die „sanfte Landung“ von gestern innerhalb eines Quartals in „hartnäckige Inflation“, dann in „politische Divergenz“ und dann in „geopolitisches Versorgungsrisiko“ verwandelt.

Die Kernidee von Permutable AI besteht darin, Makros nicht als Strom getrennter Geschichten, sondern als verbundenes System zu behandeln. Es überwacht kontinuierlich große Mengen marktrelevanter Informationen – Schlagzeilen, politische Signale, wirtschaftliche Veröffentlichungen und geopolitische Entwicklungen – und organisiert sie in strukturierten Signalen.

Der Wert liegt nicht nur im Verarbeitungsmaßstab, sondern in der Abbildung von Beziehungen: Welche Ereignisse beziehen sich auf welche Länder, Rohstoffe, Sektoren und Währungspaare; welche Narrative verstärken sich; die verblassen; und wo sich die Stimmung unter der Oberfläche verschiebt.

Mit anderen Worten: Es geht weniger darum, alles schneller zu lesen, als vielmehr darum, die Karte zu sehen, während alle anderen den Verkehr sehen.

Warum „Makrointelligenz“ einen Neustart braucht

Makroinvestitionen hat sich immer auf Urteilsvermögen verlassen – aber Urteilsvermögen lässt sich nicht skalieren. In einem Marktregime, das durch schnelllebige Politik und Geopolitik geprägt ist, haben Groups, die den Kontext frühzeitig konsistent interpretieren können, einen strukturellen Vorteil.

Der laufende Makro-Reset hat drei Treiber:

1) Die politische Divergenz ist zurück.
Nach einem Jahrzehnt weitgehend synchroner Zentralbanken geraten die Zinspfade zunehmend aus dem Gleichgewicht. Dies führt zu marktübergreifenden Effekten zweiter Ordnung: Kapitalflüsse, Neubewertung von Devisen, Verschiebungen der Rohstoffnachfrage und Schwankungen der Risikobereitschaft.

2) Geopolitik Preise jetzt in Echtzeit.
Energiemärkte, Schifffahrt, Sanktionen, Handelspolitik und regionale Konflikte stellen kein „Tail Threat“ mehr dar; es handelt sich um tägliche Eingaben. Insbesondere bei Rohstoffen ist die Grenze zwischen politischem Risiko und Angebotsfundamentaldaten verwischt.

3) Die Erzählung ist zu einer Marktvariablen geworden.
Märkte handeln mit dem, was geglaubt wird, nicht nur mit dem, was wahr ist. Eine kleine Datenüberraschung kann einen großen Schritt auslösen, wenn sie eine bestehende Erzählung bestätigt. Umgekehrt kann man Großereignisse einfach abtun, wenn sie nicht zur vorherrschenden Geschichte passen.

Der Ansatz von Permutable AI basiert auf diesen Realitäten: Erzählbildung frühzeitig erkennen, ihre Beständigkeit verfolgen und sie direkt mit Instrumenten und Expositionen verknüpfen, die für Institutionen von Bedeutung sind.

Gebaut für die Kontrolle, nicht nur für Geschwindigkeit

In institutionellen Umgebungen ist Geschwindigkeit nützlich, aber nicht das Endziel. Das Endziel ist eine vertretbare Entscheidungsfindung.

Eine der am meisten unterschätzten Herausforderungen in moderne Analytik ist Erklärbarkeit. Investmentteams müssen begründen, warum ein Sign existiert, was es unterstützt und wo es scheitern könnte. Instruments, die „Antworten“ ohne nachvollziehbaren Kontext liefern, überleben selten eine interne Prüfung, Compliance-Überprüfung oder die Obduktion, wenn ein Geschäft schiefgeht.

Permutable AI setzt auf Transparenz, indem es sich auf strukturierte Ergebnisse konzentriert, die abgefragt werden können: narrative Treiber, Entitätsverknüpfungen und Stimmungsregime, die widerspiegeln, wie Märkte über ein Downside sprechen – und nicht nur einen einzelnen Wert für sich.

Dies ist bei Rohstoffen wichtig, wo das Engagement häufig konzentriert und das Risiko asymmetrisch ist. Dies spielt auch bei Devisen und Zinssätzen eine Rolle, wo Regimewechsel wie Lärm wirken können, bis sie es plötzlich nicht mehr tun.

Rohstoffe als ultimativer Stresstest

Wenn Sie ein Makro-Intelligence-System testen möchten, werfen Sie ihm Rohstoffe entgegen.

Bei Rohstoffen trifft Makro auf die physische Welt: Wetterbedingungen, Raffinerieausfälle, Hafenüberlastung, Versandkosten, Lagerzyklen, OPEC-Entscheidungen, Durchsetzung von Sanktionen, Nachfragezerstörung und politische Risiken, oft alles gleichzeitig.

In diesem Umfeld lautet die Frage nicht „Was ist passiert?“ – es ist „Was ändert sich dadurch?“

Risikot eine Verschiebung im Nahen Osten eine Neubewertung der Rohölangebotsprämien? Verändert eine Kehrtwende der Zentralbank den Greenback und damit auch die in Greenback bewerteten Rohstoffe? Verschieben Chinas Nachfragesignale Basismetalle und Fracht? Beeinflussen die Erntebedingungen die Erzählungen über die Nahrungsmittelinflation, die die Erwartungen an die Nahrungsmittelinflation verändern?

Der Fokus von Permutable AI auf Rohstoffe und Makros ist daher strategisch. Dies ist einer der wenigen Bereiche, in denen kontextbezogene Datenintelligenz einen unmittelbaren, greifbaren Wert liefert, da die Kausalitätskette lang, verrauscht und zeitkritisch ist.

Die Entstehung von „Sentiment-Routine“

Eine der sinnvolleren Möglichkeiten, über moderne Makroökonomien nachzudenken, sind Regime – anhaltende narrative Zustände, die beeinflussen, wie Märkte neue Informationen interpretieren.

In einem Regime lösen schwache Daten eine Risikobereitschaft aus, weil sie eine Lockerung implizieren. In einem anderen Regime lösen schwache Daten eine Risikoscheu aus, weil sie eine Rezession implizieren. Gleiche Eingabe, andere Reaktionsfunktion. Hier haben viele diskretionäre Prozesse Schwierigkeiten: Groups sehen die Daten, aber nicht das Regime.

Die Währungs- und Makro-Sentiment-Intelligenz von Permutable AI ist darauf ausgerichtet, diese Verschiebungen zu identifizieren: wenn sich der zugrunde liegende narrative Zustand ändert und wenn neue Informationen anders interpretiert werden.

Für Makro-Desks und institutionelle Strategen besteht der Vorteil nicht darin, den nächsten Tick vorherzusagen. Es geht darum zu verstehen, ob sich die Reaktionsfunktion des Marktes verändert hat – und was das für Positionierung, Absicherung und Risiko bedeutet.

Was macht das im Jahr 2026 interessant?

Das makroökonomische Umfeld bis ins Jahr 2026 bleibt ungewöhnlich komplex: politische Unsicherheit, fragmentierte Geopolitik, Volatilität bei der Energiewende und ungleiche Wachstumsdynamik in den einzelnen Regionen.

Die Gewinner in diesem Umfeld werden nicht unbedingt die Groups mit den meisten Informationen sein. Sie werden die Groups mit der besten Synthese sein – diejenigen, die Signale konsequent vom Rauschen trennen, Narrative mit Enthüllungen verbinden und sich schnell an Regimewechsel anpassen können.

Das ist das Versprechen richtig umgesetzter Makrointelligenz – und der Grund, warum Begin-ups wie Permutable AI Aufmerksamkeit erregen. Nicht weil sie behaupten, Analysten zu ersetzen, sondern weil sie darauf abzielen, Analysten und Entscheidungsträgern etwas zu bieten, das immer knapper wird: strukturierten Kontext in der Geschwindigkeit, die die Märkte jetzt verlangen.

In einem Jahr, in dem Rechenzentren mit ihren schwierigsten Machtherausforderungen konfrontiert waren, gedieh die Branche dennoch. Laut dem Bericht über 2024 des Rechenzentrums von North America von der Immobilien- und Investmentmanagementgesellschaft JLL (NYSE: JLL) stellte sich fest, dass die Leerstandsquote Colocation auf ein Rekordtief von 2,6 Prozent und die Absorptionsniveaus in nur zwei Jahren verdoppelte.

Ein Großteil dieses Wachstums wurde von der HPC-AI-Industrie und der hohen Nachfrage nach Berechnungsinfrastruktur an die Spitze gesteuert. JLL sagte jedoch auch, dass sich ein Sturm für die Branche brau: Das Rennen um Ressourcen ist die Umgestaltung der Landschaft der Branche, die Entwicklung in neue Märkte und zwingt die Versorgungsunternehmen, wie sie mit dem unersättlichen Appetit der digitalen Wirtschaft um Energie umgehen.

„Der Sektor des Rechenzentrums ist nach wie vor eines der am meisten bevorzugten Immobilienvermögensklassen aufgrund unersättlicher Mieternachfrage, begrenztes Angebot und steigenden Mieten“, sagte Andy Cvengros, Geschäftsführer des Geschäftsführer, Co-Lead of US Information Middle Markets, JLL. „Die Stromverfügbarkeit ist jedoch zu einem bestimmten Einschränkung des Wachstums geworden und hat die Entwicklung auf der Suche nach Kapazität in neue Märkte einbezogen. Es ist der neue“ Gold Rush „, da Entwickler, Besatzer und Investoren um verfügbare Strom-, Land- und Ausrüstung konkurrieren. Mehr Stromerzeugung wird dringend benötigt, wenn das Angebot mit der Nachfrage aufrechterhalten wird.“

Der Bericht beschreibt die Nachfrageniveau, wobei die vakerale Nordamerika trotz mehreren Jahren des Rekordkonstruktionsniveaus einen Allzeit-Tiefpunkt hat. Die Absorption betrug im Jahr 2024 insgesamt 4,4 GW – ein Vierfacherhöhung seit 2020 – angetrieben von Cloud -Anbietern, Technologieunternehmen und Finanzsektoren. Im Jahr 2024 machte künstliche Intelligenz etwa 15 Prozent der Workloads des Rechenzentrums aus, und bis 2030 könnte sie auf 40 Prozent steigen.

Acht Prozent der Absorption im Jahr 2024 lagen auf den Primärmärkten, wobei Nord-Virginia in der zweiten Jahreshälfte mit 847 MW Absorption an den ersten Platz zurückkam und 50 Prozent aller Nachfrage in Nordamerika eroberte. Chicago (308 MW), Phoenix (166 MW), Dallas-Fort Price (123 MW) und Toronto (55 MW) runden die fünf besten Märkte für die Absorption in der zweiten Jahreshälfte ab.

Der Bericht untersucht auch aufstrebende Rechenzentrumsmärkte in ganz Nordamerika, da Entwickler in neue Gebiete suchen, die nach Macht und Land suchen. Aufstrebende Märkte in Westtexas, Louisiana, Alabama, New Mexico, Nebraska und Iowa ziehen erhebliche Investitionen von Hyperscalern und Colocation -Anbietern an. Hyperskaller sind typischerweise die ersten Umzugsunternehmen, gefolgt von Colocation -Anbietern als kritische Masse.

Charlotte, NC, sieht sowohl von Entwicklern als auch von Endnutzern nachgefragt. In den letzten 24 Monaten haben Hyperscalers in der Area Columbus, Ohio rund 1.900 Morgen, und Minneapolis, Minnesota, aufgrund seiner robusten Stromerzeugung von vorhandenen Kraftwerken als Rechenzentrumsziel erworben.

„Während die Kernmärkte weiterhin bevorzugt werden und ein starkes Wachstum verzeichnen, führt die Suche nach Macht in neuen Regionen zu einer schnellen Entwicklung“, fügte Cvengros hinzu. „Wir sehen erhebliche Aktivitäten in Märkten angrenzend an etablierten Hubs des Rechenzentrums wie dem I-35-Korridor in Texas, Northwest Indiana und Central und Southern Virginia und schaffen Chancen und Herausforderungen für Betreiber und Gemeinden.“

Die Bauaktivität blieb im Jahr 2024 strong, wobei im Laufe des Jahres mehr als 2,6 GW Colocation -Kapazität abgeschlossen waren und quick der gesamte Platz bei der Entbindung absorbiert wurde. Ende 2024 befand sich eine Rekordkapazität von 6,6 GW im Bau, wobei 78 Prozent des in den Primärmärkten im Bau befindlichen Produkts im Bauwesen bauten. Die Pipeline der geplanten Projekte stieg auf 22,9 GW und bestätigte die starke Nachfrage in etablierten Märkten, in denen Strom gesichert werden kann. Die meisten Märkte haben sich seit 2020 verdoppelt oder verdreifacht, wobei Austin/San Antonio und Atlanta die USA im Marktwachstum gefolgt von Nord-Virginia, dem Pacific-Northwest und Phoenix.

„Die Mieten des Rechenzentrums steigen weiter, wobei im Jahr 2024 ein Anstieg von 12 Prozent gegenüber dem Vorjahr und seit 2020 11 Prozent CAGR, da die Vermieter einen starken Verhandlungsverfahren in einem Markt mit nahezu Null-Leerstand beibehalten“, sagte Andrew Batson, Leiter der US-amerikanischen Rechenzentrumsforschung für JLL. „Mieter, die fünfjährige Mietverträge erneuern, haben einen erheblichen Aufkleberschock, der bis zu 50 Prozent Mietsteigerungen ausgesetzt ist, und die Konzessionen des Vermieters werden in diesem engen Markt immer seltener.“

Das nordamerikanische Stromnetz wird besteuert, was zu Herausforderungen in Bezug auf Kapazität, Skalierung und Übertragung führt. Rechenzentrumsprojekte erfordern jedes Jahr mehr Strom, da neue Rechenzentren in der Regel 100 MW sind, wobei einige Projekte bis zu 1 GW Strom fordern. Selbst unter den regionalen Versorgungsunternehmen mit Stromverfügbarkeit verfügen nur wenige in der Skala, die zur Unterstützung moderner Rechenzentren erforderlich ist.

“Channeling immense electrical capability to a single mission requires important planning and coordination, and, with grid connection wait instances averaging 4 years and doubtlessly costing tens of tens of millions of {dollars} in misplaced income, information middle operators are more and more turning to different power options,” stated Matt Landek, Division President, US Information Middle Work Dynamics, who additionally leads JllDie Entwicklung und Dienstleistungen für Rechenzentrumsprojekte. „Erdgasturbinen haben sich als Anlaufstelle für Brücken entwickelt und bieten Erschwinglichkeit, Zugänglichkeit und schnellen Einsatz. Einige Projekte berücksichtigen sogar dauerhafte Erdgasturbinen vor Ort für die Autonomie außerhalb des Gitters trotz der Kostenprämie und der Emissionsüberwachungsanforderungen.“

Während die Stromversorgung die erschwinglichste, zuverlässigste und zugängliche Elektrizitätsquelle in Nordamerika ist, befinden sich grün-energielösungen wie Sonnen-, Wind, Brennstoffzellen, Wasserstoff, Kern und Geothermie in verschiedenen Entwicklungsstadien für die Verwendung von Rechenzentren. Einige sind vielversprechend als primäre Stromquelle, andere könnten eine Rolle als ergänzende grüne Energie spielen.

Da die Vorlaufzeiten immer noch über 50 Prozent über der vor-pandemischen Niveau sind, werden die Versorgungsketten für Rechenzentren weiterhin in Frage gestellt, verbessert sich jedoch, wobei die meisten Geräte in sechs Monaten oder weniger für die Lieferung zur Verfügung stehen. Generatoren, Schalter und Transformatoren benötigen je nach Hersteller und Modell durchschnittlich 11 Monate. Die Umstellung der Herstellung von Rechenzentrenausrüstungen wird erwartet, dass die Vorlaufzeiten, jedoch bis 2026-2027, die meisten dieser neuen Produktionsanlagen im Bau befinden. Die Betreiber des Rechenzentrums müssen agile Ansätze und robuste Risikominderungspläne entwickeln.

Der Sektor des Rechenzentrens gehören zu den am meisten bevorzugten Immobilienvermögensklassen für Investoren und profitiert von einer zunehmenden Vielfalt des Kreditgebers. Auf dem Markt warfare der starke Appetit in verschiedenen Deal-Profilen in den Bereichen 2024, von kernstabilisierten Vermögenswerten bis hin zu Wertschöpfungsmöglichkeiten.

Von souveränen Fonds und separaten Konten, die groß angelegte Investitionen suchen, wird ein erheblicher zukünftiger Investitionsappetit erwartet. Die Märkte für Einzel-Darlehensnehmer (SASB) und Asset-Backed Safety (ABS) lieferten eine erhebliche Liquidität, wobei das ABS-Volumen von Rechenzentrum im Jahr 2024 um 49 Prozent auf 9,0 Milliarden US-Greenback stieg.

„Es gibt eine robuste Nachfrage von Cashflow-Käufern, die stabilisierte Vermögenswerte hinzufügen möchten, und Betreiber, die sich für Wertschöpfungsmöglichkeiten bemühen“, sagte Carl Beardsley, Senior Managing Director, Leiter des Rechenzentrums von JLL Capital Markets. „Wir gehen davon aus, dass die Investitionsaktivitäten im Jahr 2025 zunehmen werden, insbesondere für hyperscale -Vermögenswerte, wenn mehr Entwicklungsprojekte abgeschlossen werden.“