Quick View: Sehen NVIDIA-Anleger den Wald vor lauter Bäumen nicht?

Die von NVIDIA vorab angekündigte größte Abschreibung der Lagerbestände in der Unternehmensgeschichte – nach dem Verbot der Exporte von H20-Chips nach China) und der Ankündigung von Zöllen durch US-Präsident Trump im April – sowie die anhaltenden Probleme bei der Herstellung der Blackwell-Racks hatten zur Folge, dass die Ergebnisveröffentlichung erneut mit großer Anspannung erwartet wurde.

 Token sind (wirklich) das neue Öl

Jede Nation betrachtet KI inzwischen als zentralen Bestandteil der nächsten industriellen Revolution – eine neue Branche, die Intelligenz hervorbringt. … Ich kenne kein Unternehmen, keine Branche und kein Land, das glaubt, man könne auf Intelligenz verzichten.

                                                                                                                    Jensen Huang, Gründer und CEO von NVIDIA

KI-Token (die Dateneinheiten, die von KI-Modellen während des Trainings und der Inferenz verarbeitet werden) sind das neue Öl. Dafür sprechen die jüngsten KI-Chip-Deals, die US-Präsident Trump und Jensen Huang in Saudi-Arabien und den Vereinigten Arabischen Emiraten angekündigt haben. Microsoft gab zudem bekannt, im ersten Quartal 2025 100 Billionen Token generiert zu haben, also das Fünffache im Vergleich zum Vorjahr. Allein im März verarbeitete das Unternehmen 50 Billionen Token. Google wiederum teilte letzte Woche auf seiner I/O-Konferenz mit, mittlerweile über 480 Billionen Token pro Monat zu verarbeiten – ein Anstieg um das 50-Fache im Jahresvergleich.

NVIDIA erklärte, dass sich seine Token-Generierung im vergangenen Jahr verzehnfacht habe. Dies ist in mehrfacher Hinsicht ein bedeutender Wendepunkt. Am Markt wird seit Längerem über die Einsatzmöglichkeiten von KI diskutiert. Die Zahl der generierten Token gilt dabei als wichtige Kennzahl für die Nutzung und die zugrunde liegende Intelligenz. Gleichzeitig verdeutlicht dieser Anstieg, wie sehr die Marktteilnehmer den sogenannten „DeepSeek-Moment“ zu Beginn des Jahres missverstanden hatten: Damals wurde dem geringeren Bedarf an Investitionsausgaben für das Trainieren des Modells zu viel Bedeutung beigemessen, während die weitaus höhere Rechenintensität des von DeepSeek entwickelten Reasoning-Modells weitgehend ignoriert wurde. Nach Angaben von NVIDIA können Reasoning-Modelle 100- bis 1000-mal rechenintensiver sein als eine einzelne Chatbot-Abfrage, da das Modell tatsächlich „denkt“ und dabei mehrere Lösungswege für eine komplexere Anfrage prüft und seine Antwort validiert. Dadurch werden auch exponentiell mehr Token generiert und gleichzeitig neue Anwendungsmöglichkeiten für diese höhere Form von Intelligenz geschaffen, etwa im Bereich agentenbasierter KI-Lösungen für Verbraucher oder Unternehmen oder bei KI-gesteuerten autonomen Fahrzeugen und humanoiden Robotern. Durch KI-Innovationen entstehen immer mehr Anwendungsfälle, die eine glaubwürdige Kapitalrendite bieten, sodass die Ausgaben für KI-Infrastruktur nachhaltiger werden. Dies fördert die zunehmende Nutzung von KI über Inferenz, anstatt lediglich mehr Rechenleistung für das Training immer größerer KI-Modelle aufzuwenden.

Blackwell – entwickelt für das Zeitalter der Reasoning-Modelle

Der KI-Supercomputer Blackwell NVL72 ist eine „denkende Maschine“, die speziell für Reasoning-Modelle konzipiert ist.

                                                                                                                                                   Jensen Huang

 

So wie der Hopper-Chip speziell für das Training großer Transformer-Sprachmodelle entwickelt wurde, hat NVIDIA seinen Blackwell-Chip speziell dafür konzipiert, die Leistungsanforderungen von Reasoning-Modellen der nächsten Generation zu erfüllen. Um die Interaktion mit einem Reasoning-Modell zu ermöglichen, gleichzeitig eine angemessene Servicequalität zu gewährleisten und ein untragbar hohes Niveau bei Kosten oder Energieverbrauch zu vermeiden, musste NVIDIA erstmals ein vollständiges Rack-System entwickeln – der NVL72 wiegt zwei Tonnen und besteht aus 1,2 Millionen Bauteilen. Das Ergebnis ist eine 40-fache Inferenzleistung im Vergleich zu Hopper – damit hält eine KI-Infrastruktur der nächsten Generation Einzug in die Welt der Reasoning-Modelle und liefert Antworten auf die im letzten Jahr intensiv diskutierte Frage nach den Vorteilen von ASICs gegenüber GPUs.

Der Anlauf der Blackwell-Produktion verlief alles andere als reibungslos: Ende letzten Jahres musste der Chip bei TSMC überarbeitet werden, hinzu kamen zuletzt Probleme mit den Platinen und der Ausbeute in den GB200-Racks. Diese Schwierigkeiten scheinen nun jedoch überwunden, sodass die Marktteilnehmer auf einen deutlichen Anstieg der Rack-Auslieferungen im weiteren Jahresverlauf hoffen können. Nach Angaben von NVIDIA setzen Hyperscaler derzeit durchschnittlich fast 1.000 NVL72-Racks pro Woche ein, was 72.000 Blackwell-GPUs pro Woche entspricht. Auch die Racks des Modells Blackwell Ultra GB300 befinden sich inzwischen in der Testphase. Da sie dieselben Abmessungen und dieselbe Rack-Architektur wie das Modell GB200 verwenden, dürfte der Produktionshochlauf ab dem zweiten Halbjahr 2025 deutlich glatter verlaufen – bei etwa 50% mehr Rechenleistung zur Deckung der stark steigenden Inferenz-Nachfrage.

Geopolitische Entwicklungen und Folgen der Deglobalisierung

Die Frage ist nicht, ob China über KI verfügen wird, denn das tut es bereits. Entscheidend ist vielmehr, ob einer der weltweit größten KI-Märkte auf amerikanischen Plattformen basieren wird.

                                                                                                                                                                  Jensen Huang

KI steht im Zentrum geopolitischer Spannungen und des Wettstreits der Supermächte. Nach dem Exportverbot für die H20-Chips scheint sich das Geschäft von NVIDIA mit Rechenzentren in China dem Ende zu nähern, doch Jensen Huang appelliert weiterhin mit Nachdruck an die Politik, die aus seiner Sicht verfehlten Beschränkungen aufzuheben. Denn sie werden China nicht davon abhalte, über KI oder KI-Chips zu verfügen – beides hat das Land bereits. Eine bessere Strategie wäre es, dafür zu sorgen, dass einer der weltweit größten KI-Märkte, in dem die Hälfte aller KI-Entwickler der Welt tätig ist, auf US-Plattformen und US-Infrastruktur aufbaut.

NVIDIA prüft weiterhin Möglichkeiten, China mit einem noch leistungsschwächeren KI-Chip zu beliefern. Ob dies genehmigt wird und der Chip wettbewerbsfähig wäre, bleibt jedoch abzuwarten. Positiv ist, dass die Aufhebung der „AI Diffusion“-Regel der Biden-Regierung, die am 15. Mai in Kraft treten sollte, die jüngsten Geschäfte in Saudi-Arabien und den Vereinigten Arabischen Emiraten ermöglicht hat. NVIDIA stellte zudem klar, dass zwar ein erheblicher Teil seiner Umsätze in Singapur erwirtschaftet wird, die entsprechende Rechenleistung jedoch überwiegend an Kunden in den USA geliefert wird. Damit widersprach das Unternehmen jüngsten Berichten über eine Umleitung von Chips zur Umgehung der Exportbeschränkungen.

Schließlich bestätigte NVIDIA, dass das Unternehmen in einem Jahr KI-Chips in TSMC-Fabriken in Arizona produzieren und KI-Supercomputer in Fabriken in Texas montieren wird. Die Unterstützung von NVIDIA für das Ziel von US-Präsident Trump, Produktionskapazitäten in den USA aufzubauen, ist ein weiterer Schritt im Trend zur Deglobalisierung der Lieferketten, der angesichts der geopolitischen Spannungen, Handelskonflikte und demografischen Veränderungen seit der Pandemie zu verzeichnen ist.    

Unser Ziel: Vom Chip bis zum Supercomputer – komplett in den USA gefertigt, und das innerhalb eines Jahres.                                                                                                                                                                                                                                           Jensen Huang

Den Wald vor lauter Bäumen nicht sehen

Aufgrund der dominierenden Rolle von NVIDIA im aktuellen KI-Boom gelten die Gewinnmeldungen des Unternehmens am Markt in der Regel als Frühindikator für den Technologiesektor und als geopolitische Signale. Aus unserer Sicht birgt dieser kurzfristige Fokus jedoch die Gefahr, dass die Anleger den Wald vor lauter Bäumen nicht sehen. Während die KI mit Reasoning-Modellen für weitere Innovationen sorgt, führen agentenbasierte und physische KI-Lösungen zu überzeugenden Anwendungsmöglichkeiten und Monetarisierungsmodellen. Dies hat eine Verlagerung der Nachfrage nach KI-Infrastruktur von Trainingsclustern hin zu Inferenz zur Folge, um die beschleunigte Token-Generierung zu ermöglichen, da Reasoning-Modelle und deren Einsatz zunehmend Verbreitung finden. Für den Technologiesektor und die Weltwirtschaft ergibt sich daraus eine breitere, langfristigere und nachhaltigere Wachstumsbasis.

Quellen: Transkript der Telefonkonferenz von NVIDIA zu den Finanzergebnissen für das 1. Quartal des Geschäftsjahres 2026, 28. Mai 2025. NVIDIA-Blog; NVIDIA Newsroom.