Eine einzelne KI-Fabrik benötigt 1,5 Millionen GPUs: Nvidia sieht ein riesiges Geschäft im Wert von 600 Milliarden US-Dollar
Wie kapitalintensiv ist KI wirklich?
Früher haben wir die Rechenleistung anhand der Anzahl von GPUs gemessen, heute verwenden OpenAI und Nvidia bereits eine andere Einheit: Gigawatt.
Im Projekt PORTS-Pike, das am 17. August bekannt gegeben wurde, wird OpenAI eine weltklasse KI-Infrastruktur im US-Bundesstaat Ohio errichten. Laut offiziellen Angaben von OpenAI hat das Unternehmen rund 8 GW IT-Kapazität für diesen Standort gesichert. Nvidia wird die Kreditunterstützung für den anfänglichen Bau von 4,25 GW bereitstellen, und der gesamte Standort wird ausschließlich mit NVIDIA KI-Recheninfrastruktur ausgestattet.
Nach Berechnungen in Nvidias Pressemitteilung kann das entsprechende Ausmaß jeder Generation des NVIDIA KI-Fabriksystems im Rahmen der ersten 4,25-GW-Installation etwa 1,5 Millionen GPUs erreichen und potenziell ein Umsatzpotenzial von 150 bis 200 Milliarden US-Dollar für Nvidia darstellen.
Wenn die zukünftige Zusammenarbeit weiter ausgebaut wird, kann das mit OpenAI und Nvidia verbundene Rechenleistungsniveau auf etwa 16 GW ansteigen.
Die von Nvidia genannte Zahl ist noch beeindruckender:
Bis zum Jahr 2030 kann das entsprechende Marktpotenzial für NVIDIA Rechenleistungen etwa 600 Milliarden US-Dollar erreichen.
Beachten Sie: Das bedeutet nicht, dass OpenAI heute bereits eine Bestellung über 600 Milliarden US-Dollar für GPUs unterzeichnet hat, sondern dass Nvidia dieses langfristige Marktpotenzial anhand des potenziellen Ausmaßes der Rechenleistungsexpansion berechnet.
Aber selbst dann vermittelt diese Zahl ein sehr wichtiges Signal:
Die wahre Ära der hohen Kapitalkosten im Bereich KI hat möglicherweise gerade erst begonnen.
Was bedeutet eine Zahl von 1,5 Millionen GPUs?
Sehen Sie sich nicht zuerst die 600 Milliarden US-Dollar an.
Die Zahl von 1,5 Millionen GPUs allein ist schon beeindruckend genug.
Viele Investoren halten KI-Cluster mit 100.000 oder 200.000 Karten bereits für sehr groß dimensioniert.
Aber jetzt beginnt die Branche, über KI-Infrastrukturen mit einer Größenordnung von einer Million GPUs zu diskutieren.
Und hier ist besonders zu beachten:
Es reicht nicht aus, 1,5 Millionen GPUs auf einmal dauerhaft zu installieren, um das Projekt abzuschließen.
Der Planungszeitraum des PORTS-Pike-Projekts beträgt 20 Jahre, und in der Zukunft werden mehrere Generationen von GPU-Upgrades stattfinden.
Das heißt, heute sind es möglicherweise noch Blackwell- oder Rubin-GPUs, und in einigen Jahren wird die nächste Architekturgeneration erscheinen.
KI-Rechenzentren werden nicht einmalig gebaut und dann 20 Jahre lang genutzt, sondern müssen möglicherweise alle paar Jahre einen kostspieligen „Herzaustausch“ durchlaufen.
Aus diesem Grund schätzt Nvidia auch das langfristige Umsatzpotenzial eines 4,25-GW-Projekts auf 150 bis 200 Milliarden US-Dollar.
Das Wertvollste ist nicht der erste Verkauf von GPUs.
Vielmehr geht es darum:
Erste Generation, zweite Generation, dritte Generation ... ständige Upgrades.
Das ähnelt ein wenig dem früheren Zyklus des Smartphone-Wechsels, nur dass man hier kein Handy für mehrere tausend Euro austauscht, sondern eine KI-Infrastruktur im Wert von mehreren zehn Milliarden US-Dollar.
Warum wird für KI-Fabriken die Einheit „Gigawatt“ verwendet?
Denn die Anzahl der GPUs ist bereits so groß, dass man nicht mehr nur die Anzahl der Chips betrachten kann.
Was bedeutet 1 GW?
Einfach ausgedrückt: Das entspricht einer elektrischen Last von 1 Million Kilowatt.
Die von OpenAI im Rahmen von PORTS-Pike gesicherten rund 8 GW IT-Kapazität erreichen bereits fast das Stromverbrauchsvolumen eines großen Industriestandorts. Die ersten rund 800 MW sollen voraussichtlich ab 2028 nutzbar sein, danach müssen neue Kraftwerke, Übertragungsleitungen und zugehörige Infrastrukturen gebaut werden.
Das zeigt, dass sich in der KI-Industrie eine sehr wichtige Veränderung vollzieht.
Früher war das Kernproblem bei der Expansion eines Internetunternehmens:
Reichen die Server aus?
Heute muss ein KI-Unternehmen bei der Expansion zuerst fragen:
Woher kommt der Strom?
Erst danach folgen die Fragen:
Sind genügend GPUs verfügbar?
Reichen die Transformatoren aus?
Sind genügend Optikmodule vorhanden?
Hält das Kühlsystem stand?
Kann das Stromnetz so viel Strom liefern?
Daher wird die KI-Industrie immer mehr zu einer Schwerindustrie.
Die Modelle sind im Code geschrieben, aber die Produktionsmittel hinter den Modellen sind inzwischen:
Grund und Boden + Kraftwerk + Stromnetz + GPU + HBM + Netzwerk + Kühlung.
Aus diesem Grund verwendet Nvidia gerne den Begriff „KI-Fabrik“.
Es sieht wirklich immer mehr wie eine Fabrik aus.
Nur dass traditionelle Fabriken Autos, Stahl und Chemieprodukte herstellen, während KI-Fabriken Token und Intelligenz produzieren.
Warum traut sich Nvidia, ein Potenzial von 600 Milliarden US-Dollar zu prognostizieren?
Denn der Bedarf von OpenAI an Rechenleistung steigt weiter.
Bereits im September 2025 haben OpenAI und Nvidia eine strategische Zusammenarbeit angekündigt, mit dem Ziel, mindestens 10 GW NVIDIA-Systeme zu installieren, was mehreren Millionen GPUs entspricht; Nvidia hat außerdem mitgeteilt, dass es im Zuge der schrittweisen Bereitstellung der Rechenleistung bis zu 100 Milliarden US-Dollar in OpenAI investieren wird.
Jetzt erweitert PORTS-Pike die physische Infrastruktur noch weiter.
Laut offiziellen Angaben von OpenAI wird dieses Projekt in Ohio voraussichtlich während der sechsjährigen Bauzeit rund 35.000 Arbeitsplätze im Bauwesen und 2.500 dauerhafte Betriebsarbeitsplätze schaffen; das Rechenzentrum wird von SB Energy gebaut, besessen und betrieben und stellt die Kapazität OpenAI im Rahmen eines 20-jährigen Mietvertrags zur Verfügung.
Nvidia hat am 17. August außerdem angekündigt, 1,5 Milliarden US-Dollar in SB Energy zu investieren.
Man erkennt, dass sich Nvidias Rolle leise verändert hat.
Früher hat es nur GPUs verkauft.
Heute ist es zunehmend in Bereichen tätig:
Chipleiferung, Netzwerke, Software, Rechenzentrumsdesign, Kapitalanlagen und sogar die Unterstützung bei der Projektfinanzierung.
Warum?
Denn wenn KI-Rechenleistung in Zukunft wirklich ein Markt von mehreren hundert Milliarden US-Dollar wird, ist das Wichtigste für Nvidia nicht mehr nur „den Kunden dazu zu bringen, meine GPUs zu kaufen“.
Vielmehr geht es darum:
Sicherzustellen, dass die Kunden genug Geld, Strom und Rechenzentren haben, um die GPUs zu erwerben und zu betreiben.
Das ist das Zeichen dafür, dass der Wettbewerb um KI-Infrastrukturen in die nächste Phase eintritt.
Die größten Gewinner sind möglicherweise nicht nur die GPU-Hersteller
Viele Investoren reagieren auf die Zahl von 600 Milliarden US-Dollar zuerst mit der Frage:
Wie viel Geld kann Nvidia noch verdienen?
Aber wenn wirklich 10 GW oder sogar noch größere KI-Rechencluster gebaut werden, wird weit mehr als nur ein Unternehmen davon profitieren.
Die erste Ebene sind natürlich die GPUs
Sie sind das teuerste Kernstück jeder KI-Fabrik.
Für das Trainieren von Modellen braucht man GPUs, für die Inferenz braucht man GPUs, und für die Skalierung neuer Modelle braucht man wieder GPUs.
Da der Bedarf an Rechenleistung ständig steigt, nehmen GPUs natürlich die zentrale Position in der industriellen Wertschöpfungskette ein.
Die zweite Ebene sind HBM und fortschrittliche Gehäusetechnologien
GPUs arbeiten nicht isoliert.
Hochleistungs-KI-Chips benötigen eine große Menge an HBM-Hochgeschwindigkeitsspeicher sowie fortschrittliche Gehäusetechnologien, um GPUs und Speicher effizient miteinander zu verbinden.
Wenn die Anzahl der GPUs die Größenordnung von einer Million erreicht, ist der Verbrauch an HBM ebenfalls eine astronomische Zahl.
Aus diesem Grund gewinnt der Speicherbereich in dieser KI-Welle zunehmend an Bedeutung am Markt.
Die Antwort liegt genau hier.
KI verbraucht nicht nur viel Rechenleistung, sondern auch massiv Speicher.
Die dritte Ebene sind Hochgeschwindigkeitsnetze und optische Kommunikation
Einige wenige GPUs lassen sich leicht miteinander verbinden.
Wie aber verbindet man 1,5 Millionen GPUs?
Das ist kein gewöhnliches Netzwerkproblem mehr.
Zwischen den GPUs müssen Daten mit hoher Geschwindigkeit ausgetauscht werden, und die Rechenzentren müssen ebenfalls miteinander vernetzt werden.
Daher werden Umschalter, Optikmodule, Glasfaserkabel und Hochgeschwindigkeitsnetzwerkchips mit zunehmender Größe der Cluster ebenfalls wachsen.
Die vierte Ebene wird immer wichtiger:
Strom.
Ohne Strom sind alle GPUs nur teure Blechkisten.
Der größte Engpass für KI in der Zukunft ist möglicherweise nicht der Chip, sondern der Strom
Die bemerkenswerteste Aussage zum PORTS-Pike-Projekt ist nicht die über 1,5 Millionen GPUs.
Vielmehr hat OpenAI offiziell klargestellt:
Die anfänglichen 800 MW können hauptsächlich über bestehende Strominfrastrukturen bereitgestellt werden, aber für die spätere Expansion müssen neue Kraftwerke und Übertragungsleitungen gebaut werden, einschließlich Gaskraftwerken.
Diese Aussage ist sehr aufschlussreich.
Früher dachte man bei KI-Investitionsmöglichkeiten zuerst an die Halbleiterindustrie.
Aber wenn Projekte die Größenordnung von mehreren GW erreichen, ändern sich die Rahmenbedingungen.
Chips kann man kaufen.
Aber Kraftwerke lassen sich nicht heute bestellen und morgen in Betrieb nehmen.
Hochspannungstransformatoren sind nicht unbegrenzt verfügbar.
Der Bau von Übertragungsleitungen braucht Zeit.
Bei der Standortwahl für Rechenzentren müssen außerdem Wasserversorgung, Strom, Grund und Boden sowie Genehmigungsverfahren berücksichtigt werden.
Daher wird die wirklich knappe Ressource für KI-Rechenleistung in der Zukunft wahrscheinlich von den GPUs weiter stromaufwärts wandern:
Wer großen Mengen an stabilen und günstigen Strom bereitstellen kann, ist auch berechtigt, die nächste Generation von KI-Fabriken zu bauen.
Aus diesem Grund diskutieren US-Technologieunternehmen in letzter Zeit immer häufiger über Gasenergie, Kernenergie, Energiespeicher und Stromnetze.
KI kehrt am Ende zu einem der ältesten Geschäftsfelder zurück:
Energie.
Das Warnende an der 600-Milliarden-US-Dollar-Zahl ist die „Abschreibung von Rechenleistung“
Natürlich ist diese Begeisterung nicht risikofrei.
Das größte Risiko liegt genau darin, dass KI-Chips zu schnell weiterentwickelt werden.
Ein traditionelles Kraftwerk kann möglicherweise 30 Jahre lang betrieben werden.
Ein Bürogebäude kann mehrere Jahrzehnte lang genutzt werden.
Aber die heute modernsten GPUs werden in einigen Jahren von der nächsten Produktgeneration deutlich übertroffen.
Das bedeutet, dass KI-Rechenzentren mit einem sehr speziellen Problem konfrontiert sind:
Das Anlagevermögen ist sehr groß, aber die Abschreibungsgeschwindigkeit der Kernkomponenten ist extrem hoch.
GPUs, für die heute mehrere zehn Milliarden US-Dollar ausgegeben werden, müssen nach drei bis vier Jahren aktualisiert werden, wenn die Energieeffizienz und Leistung der nächsten Chipgeneration deutlich gestiegen sind.
Für Nvidia ist das eine gute Sache.
Wenn Kunden ständig auf neue Generationen umsteigen, generiert das kontinuierliche Einnahmen.
Aber für OpenAI und die Investoren von Rechenzentren bedeutet das ein sehr praktisches Problem:
Die erwirtschafteten Einnahmen müssen ausreichen, um die enormen Kapitalausgaben zu decken.
OpenAI hat Anfang dieses Jahres geschätzt, dass die kumulierten Rechenausgaben bis 2030 etwa 600 Milliarden US-Dollar erreichen könnten, während das Unternehmen gleichzeitig auf Einnahmen und Finanzierung angewiesen ist, um die Expansion fortzusetzen.
Daher muss die KI-Industrie letztendlich eine Frage beantworten:
Können die mit diesen GPUs erzeugten Token wirklich genug Einnahmen erzielen?
Das ist der Kernpunkt, ob die 600-Milliarden-US-Dollar-Prognose wirklich eintritt.
Die Logik von KI-Investitionen hat sich verändert
In den letzten zwei Jahren hat der Kapitalmarkt am liebsten die Frage gestellt:
Welches große Sprachmodell ist das beste?
In Zukunft müssen Investoren zunehmend andere Fragen stellen:
Wer verfügt über die größte Stromkapazität?
Wer kann die größten Rechenzentren bauen?
Wer kontrolliert GPUs, HBM und Netzwerke?
Wer kann eine KI-Fabrik erfolgreich betreiben?
Das zeigt, dass sich der KI-Wettbewerb von einem „Software-Krieg“ schnell zu einem Krieg um industrielle Infrastrukturen entwickelt.
Dass OpenAI rund 8 GW Kapazität für PORTS-Pike sichert und Nvidia in das Investitions- und Finanzierungssystem einsteigt, weist auf denselben Trend hin:
Rechenleistung wird zu einer Infrastruktur des neuen Zeitalters.
So wie im 20. Jahrhundert um Eisenbahnen, Stromnetze, Autobahnen und Öl gekämpft wurde.
Im KI-Zeitalter des 21. Jahrhunderts geht es möglicherweise um:
GPUs, Strom, Rechenzentren und Hochgeschwindigkeitsnetze.
Die wichtigste Erkenntnis aus der 600-Milliarden-US-Dollar-Zahl: Konzentrieren Sie sich nicht nur auf Nvidia
Warum kommt man bei einer KI-Fabrik auf die Zahl von 1,5 Millionen GPUs?
Denn die KI hat die Phase hinter sich, in der man einige tausend Karten kauft, um ein einziges Modell zu trainieren