Chipmarkt

Nvidia-Krise: Wer profitiert – und welche Alternativen hat Deutschland?

AMD gewann rund vier Prozent, Broadcom etwa drei, Nvidia verlor mehr als acht. So reagierte der US-Nachhandel am Mittwoch auf Berichte über eine mögliche Abberufung von Nvidia-Chef Jensen Huang. Laut Reuters beriet der Verwaltungsrat über die Zukunft des Mitgründers. Am Donnerstagmorgen war ein Chefwechsel öffentlich noch unbestätigt. Doch es rumort kräftig. Die Kursgewinne der Rivalen zeigen, wem Anleger zusätzliches Geschäft zutrauen. Welche Anbieter bei der nächsten Bestellung tatsächlich zum Zug kommen könnten, lässt sich an den Einkaufsplänen großer KI-Unternehmen ablesen.

Wer könnte von der Nvidia-Krise profitieren?

AMD ist der naheliegende Kandidat für zusätzliche Bestellungen von Grafikprozessoren. OpenAI hat mit dem US-Chiphersteller bereits 2025 eine mehrjährige Vereinbarung über Systeme mit sechs Gigawatt Leistung geschlossen. Meta folgte im Februar 2026 mit einem eigenen Abkommen über bis zu sechs Gigawatt. Damit haben zwei große KI-Unternehmen AMD bereits für den Ausbau ihrer Rechenkapazität eingeplant.

Broadcom könnte zusätzliches Geschäft gewinnen, wenn KI-Anbieter stärker auf Spezialchips setzen. OpenAI entwirft eigene KI-Beschleuniger und will sie gemeinsam mit Broadcom entwickeln und einsetzen. Auch beim Konkurrenten Anthropic ist Broadcom beteiligt. Anthropic hat mit Google und Broadcom zusätzliche Kapazität auf Googles KI-Chips vereinbart, die ab 2027 bereitstehen soll.

OpenAI zeigt auch, warum ein Kunde mehrere Lieferanten haben und zugleich eng mit Nvidia verbunden bleiben kann. Der Konzern hat laut Reuters finanzielle Verpflichtungen für ein OpenAI-Rechenzentrum im US-Bundesstaat Ohio übernommen. Neben der Wahl der Chips spielt also auch die Finanzierung der Rechenzentren eine Rolle.

Welche Alternativen zu Nvidia gibt es in Deutschland?

In München ist die nächste Ausbaustufe bereits entschieden. Die Deutsche Telekom kündigte am Montag an, knapp 250 Millionen Euro in ihre Industrial AI Cloud zu investieren und weitere Nvidia-Chips vom Typ Blackwell Ultra B300 einzusetzen. Die erste Ausbaustufe war nach Unternehmensangaben nach sieben Monaten ausgebucht. Zu den Nutzern zählt die Telekom unter anderem Siemens, Agile Robots und den Entwicklungsdienstleister EDAG. Auch die Bundesregierung setzt auf Zusammenarbeit mit Nvidia. Zwei Bundesministerien unterzeichneten im Oktober eine Absichtserklärung zur Entwicklung von KI-Modellen für industrielle Anwendungen.

Bei einer Neubeschaffung kann die Wahl anders ausfallen. Das Höchstleistungsrechenzentrum Stuttgart plant seinen für 2027 vorgesehenen Supercomputer Herder mit AMD-Beschleunigern. Er soll unter anderem Simulationen und generative KI unterstützen. Für Unternehmen, die bereits Anwendungen für Nvidia-Chips entwickelt haben, kommt eine zweite Frage hinzu: Wie viel Arbeit macht es, die Software auf andere Hardware zu übertragen?

Was macht einen Wechsel von Nvidia zu AMD aufwendig?

Siemens und Nvidia testen im laufenden Betrieb des Erlanger Elektronikwerks, wie sich die Produktion mit KI planen und neue Fertigungsabläufe vorab simulieren lassen. In der Münchner Telekom-Cloud kommen für Simulationen, Robotik und digitale Abbilder von Anlagen je nach Anwendung auch Nvidia-Bibliotheken wie CUDA-X und Omniverse zum Einsatz. AMD bietet Werkzeuge an, die CUDA-Code für seine Chips umwandeln. Einen Teil der Änderungen können sie automatisieren. Wie viel Handarbeit bleibt, hängt vom jeweiligen Programm ab.

Wie konkret sich diese Frage stellen lässt, zeigt das Sprachmodell Soofi S des Fraunhofer-Instituts für Integrierte Schaltungen. Das Institut hat es in der Münchner Telekom-Cloud auf bis zu 512 Nvidia-Chips trainiert. Dafür fielen rund 253.000 GPU-Stunden an. Die Vorlage für den Modellaufbau war Nvidias offengelegte Nemotron-Architektur. Ob sich das Training mit vergleichbarem Aufwand auf AMD-Hardware wiederholen ließe, geht aus den veröffentlichten Projektangaben bislang nicht hervor. Für die nächste Chipbestellung wäre genau dieser Vergleich entscheidend.