TL;DR
NVIDIA dominiert mit 90% Marktanteil und 5 Billionen US-Dollar Bewertung den KI-Chip-Markt – doch die Position erodiert. Die größte Verwundbarkeit: totale Abhängigkeit von TSMC in Taiwan bei geopolitischen Spannungen. US-Exportkontrollen haben NVIDIAs Marktanteil in China von 95% auf null vernichtet – 50 Milliarden US-Dollar Markt verloren.
Die gefährlichsten Angreifer sind die eigenen Kunden: Google (TPU Ironwood), OpenAI (10-Milliarden-Chip-Deal mit Broadcom), Amazon (Trainium) und Meta entwickeln eigene Chips. AMD bietet vergleichbare Leistung für die Hälfte des Preises und hat bereits eine 6-Gigawatt-Partnerschaft mit OpenAI geschlossen. Chinas DeepSeek trainierte sein Modell mit nur 2.000 statt 25.000 Chips – NVIDIAs Aktienkurs fiel daraufhin um 589 Milliarden US-Dollar.
Der legendäre CUDA-Software-Burggraben bröckelt: Analysten warnen, der Vorsprung sei „only 18 months deep“ bei Inferenz-Anwendungen. Energieverbrauch wird zum physikalischen Flaschenhals: 30.000 GPUs verbrauchen so viel Strom wie 24.000 Haushalte.
NVIDIA reagiert mit jährlichen Produktzyklen, 100-Milliarden-Investments in OpenAI, Expansion in autonome Fahrzeuge und Robotik sowie neuer 800V-Architektur für Gigawatt-Datacenter. Doch Analysten streiten: Bull Case +57%, Bear Case -57%.
Bottom Line: Die nächsten 18 Monate entscheiden, ob NVIDIA seine Dominanz verteidigen kann – oder ob wir eine tektonische Machtverschiebung im KI-Chip-Markt erleben.
Eine Reise ins Herz des KI-Booms – und seiner Schattenseiten
Wenn eine Delegation aus Deutschland ins Silicon Valley aufbricht und NVIDIA auf dem Programm steht, kennen die meisten Teilnehmer vor allem eines: die Erfolgsstory. Ein Unternehmen, das im Oktober 2025 als erstes weltweit eine Marktkapitalisierung von 5 Billionen US-Dollar erreichte. Ein Gigant, der von der explodierenden Nachfrage nach GPUs für die KI-Entwicklung profitiert wie kaum ein zweites Unternehmen.
Doch hinter den Rekordgewinnen und der beispiellosen Bewertung verbirgt sich eine weitaus komplexere Realität. Eine Realität aus geopolitischen Verwerfungen, wachsendem Wettbewerbsdruck, technologischen Umbrüchen und strukturellen Herausforderungen, die NVIDIAs langfristige Dominanz fundamental in Frage stellen.
Was ich bei meinem Besuch vor Ort erfahren habe, zeichnet ein differenziertes Bild: NVIDIA steht nicht nur im Rampenlicht des Erfolgs – das Unternehmen kämpft gleichzeitig an allen Fronten.
Der Aufstieg: Von der Grafikkarte zum KI-Imperium
NVIDIA hat sich von einem Nischenanbieter für Grafikkarten zu einem zentralen Akteur der KI-Revolution entwickelt. Der Durchbruch gelang durch frühzeitige Investitionen in accelerated computing und die Entwicklung der CUDA-Plattform, die GPUs für maschinelles Lernen zugänglich machte. Heute kontrolliert das Unternehmen rund 90-94% des Marktes für diskrete GPUs und verzeichnete im zweiten Quartal 2025 einen Umsatzanstieg von 69% gegenüber dem Vorjahr.
Die Zahlen sind beeindruckend: Die Datencenter-Sparte, dominiert von KI-Chips, wuchs 2023 um 409%. CEO Jensen Huang erklärte bei der GTC-Konferenz 2025, dass NVIDIA Aufträge über 500 Milliarden US-Dollar für seine Blackwell- und Rubin-Chips erhalten habe.
Doch genau dieser beispiellose Erfolg basiert auf Faktoren, die sich fundamental verändern.
Taiwan als geopolitische Achillesferse
Die größte strukturelle Verwundbarkeit von NVIDIA liegt in der absoluten Abhängigkeit von Taiwan Semiconductor Manufacturing Company (TSMC). NVIDIA ist ein fabless Unternehmen – es betreibt keine eigenen Fertigungsanlagen, sondern lagert die Produktion seiner hochkomplexen Chips vollständig an TSMC aus. Schätzungsweise 65% von NVIDIAs Kunden befinden sich in den USA, aber die Produktion konzentriert sich auf Taiwan.
Diese Konzentration schafft ein erhebliches geopolitisches Risiko. Bei zivilen Verteidigungsübungen in Taipeh im Juli 2025 simulierte die Stadt eine chinesische Invasion – nur Minuten später präsentierte TSMC bei einer Pressekonferenz Rekordgewinne. Diese Gleichzeitigkeit verdeutlicht die prekäre Lage.
Experten warnen eindringlich: „The geopolitical tensions in the Taiwan Strait pose a significant risk to the global tech industry, with companies like Nvidia, AMD, and TSMC potentially facing disruptions in their supply chains“. Ein Konflikt oder eine Blockade Taiwans würde NVIDIAs gesamte Lieferkette zum Erliegen bringen.
TSMC selbst hat angekündigt, über einen „Kill Switch“ zu verfügen, der im Falle einer chinesischen Invasion aktiviert werden könnte, um die Weitergabe von Technologiegeheimnissen zu verhindern und die Chip-Produktion zu stoppen. Für NVIDIA wäre dies katastrophal.
Das Unternehmen ist nicht nur von TSMC abhängig, sondern speziell von dessen fortschrittlichsten Fertigungsknoten (5nm, 3nm und künftig 2nm). Die CoWoS-Packaging-Kapazität, die für Blackwell-Chips benötigt wird, ist ebenfalls bei TSMC konzentriert. Analysten betonen: „Heavy reliance on TSMC for leading-edge nodes introduces risks from geopolitical tensions in Taiwan“.
China-Sanktionen: Vom Marktführer zur Null
Die US-Exportkontrollen haben NVIDIAs Position in China vernichtet. CEO Jensen Huang offenbarte im Oktober 2025, dass NVIDIAs Marktanteil in China innerhalb von vier Jahren von 95% auf nahezu null gefallen ist. „In all of our forecasts… we’re assuming 0% for China. If anything happens in China… it will be a bonus“, erklärte Huang.
Die Zahlen sind dramatisch: China repräsentierte zuvor 20-25% von NVIDIAs Datencenter-Umsätzen, einem Segment, das über 41 Milliarden US-Dollar generierte. Im Mai 2025 musste NVIDIA eine Abschreibung von 4,5-5,5 Milliarden US-Dollar für seinen H20-Chip vornehmen, der speziell für den chinesischen Markt entwickelt wurde. Trotz dieser Anpassung verlangte die US-Regierung im April 2025 Lizenzen für den Verkauf der H20-Chips, was faktisch einem Verkaufsverbot gleichkam.
Huang kritisierte die Politik scharf: „I can’t imagine any policymaker thinking that’s a good idea – that whatever policy we implemented caused America to lose one of the largest markets in the world to 0%“. Seine Argumentation: „With half of the world’s A.I. researchers based there, the platform that wins China is positioned to lead globally. Today, the $50 billion China market is effectively closed to U.S. industry“.
Die geopolitische Dimension verschärft sich weiter: China führte im September 2025 eine kartellrechtliche Untersuchung gegen NVIDIA durch, mit dem Vorwurf, das Unternehmen habe gegen Chinas Antimonopolgesetz verstoßen. Im November 2025 veröffentlichte China eine Richtlinie, die neue Datencenter-Projekte mit staatlicher Förderung verpflichtet, ausschließlich inländische KI-Chips zu verwenden.
China entwickelt eigene Alternativen: Die Effizienz-Revolution
Der Verlust des chinesischen Marktes ist nur ein Teil des Problems. Gefährlicher ist, dass China nun gezwungen ist, eigene Alternativen zu entwickeln – und dabei überraschende Fortschritte erzielt.
Das prominenteste Beispiel ist DeepSeek, ein chinesisches KI-Startup, das im Januar 2025 internationale Aufmerksamkeit erregte. DeepSeek behauptet, sein V3-Modell mit nur 2.000 NVIDIA H800-Chips trainiert zu haben – im Vergleich zu Meta’s Llama 3.1, das 16.000 Chips benötigte, oder ChatGPT-4, das 25.000 NVIDIA-GPUs verwendete.
Die Trainingskosten beliefen sich laut DeepSeek auf nur 5,576 Millionen US-Dollar, während Meta’s KI-Trainingskosten für 2024 auf 65 Milliarden US-Dollar geschätzt werden. Microsoft-CEO Satya Nadella nannte DeepSeeks neuestes Chatbot-Modell „impressive“, ebenso wie OpenAI-CEO Sam Altman.
Die Effizienz basiert auf einer Mixture-of-Experts (MoE)-Architektur, die nur relevante Teilmodelle für jede Aufgabe aktiviert. DeepSeeks Server verbrauchen laut eigenen Forschungspapieren 50-75% weniger Energie als NVIDIAs neueste GPU-Einheiten.
Die Ankündigung löste Schockwellen aus: NVIDIAs Aktienkurs fiel nach DeepSeeks Bekanntgabe um 589 Milliarden US-Dollar – der größte Ein-Tages-Verlust in der Wall-Street-Geschichte. Investoren befürchten, dass KI-Unternehmen ihre energieintensiven Datencenter-Entwicklungen überdenken könnten.
Neben DeepSeek entwickelt Huawei seine Ascend-Prozessoren, die in Chinas heimischen KI-Projekten zunehmend eingesetzt werden. Baidu, Alibaba, Tencent und ByteDance investieren massiv in eigene Silizium-Entwicklungen.
Das Energieproblem: Physikalische Grenzen der KI-Infrastruktur
Die Nachfrage nach KI-Chips wird nicht nur durch Verfügbarkeit, sondern zunehmend durch Energieversorgung begrenzt. Ein Datencenter mit 30.000 NVIDIA H100-GPUs verbraucht bei 80% Auslastung etwa 28 MW an Strom – das entspricht dem Jahresverbrauch von etwa 24.000 Haushalten. Jede H100-GPU verbraucht etwa 700 Watt unter Last.
NVIDIA selbst treibt den Energiebedarf weiter in die Höhe: Die kommende Kyber-Architektur soll Megawatt-Scale-Racks ermöglichen (über 1 MW IT-Leistung pro Rack), was traditionelle 54V-Stromverteilungssysteme an ihre physischen Grenzen bringt. NVIDIA entwickelt deshalb eine 800V-DC-Architektur, die ab 2027 eingeführt werden soll, um die Stromversorgung für Gigawatt-Datacenter zu ermöglichen.
Eine MIT-Studie deutet darauf hin, dass „we might have reached a medium-term equilibrium on how much AI can help companies, and the problem now might simply be implementation“. Das Energieproblem wird zu einem fundamentalen Hindernis: „The urgency for companies to focus on deploying AI models rather than just training them was emphasized by Google executives, who referred to this period as ‚the age of inference'“. Inference-Workloads könnten bald über 75% der Rechenleistung in Datacentern beanspruchen.
Hyperscaler entwickeln eigene Chips: Der Angriff der Kunden
Eine existenzielle Bedrohung für NVIDIA ist die Entwicklung eigener Chips durch seine größten Kunden. Im zweiten Quartal 2025 stammten 39% von NVIDIAs Gesamtumsatz von nur zwei Kunden. Diese Konzentration wird gefährlich, wenn diese Kunden beginnen, ihre eigene Hardware zu entwickeln.
Google hat im November 2025 seine siebte Generation der Tensor Processing Units (TPU) mit dem Namen „Ironwood“ vorgestellt. Diese sind über viermal schneller als die Vorgängergeneration. Ein Ironwood-Pod kann bis zu 9.216 KI-Beschleuniger skalieren und liefert insgesamt 42,5 ExaFLOPS (FP8) für Training und Inferenz – weit mehr als NVIDIAs GB300 NVL72-System mit 0,36 ExaFLOPS. Anthropic plant, bis zu einer Million TPUs zu nutzen, um seine Claude-Modellfamilie zu betreiben.
OpenAI hat im September 2025 eine 10-Milliarden-Dollar-Partnerschaft mit Broadcom angekündigt, um eigene KI-Chips zu entwickeln. Die Massenproduktion soll 2026 beginnen. Die Chips werden ausschließlich intern genutzt und zielen darauf ab, OpenAIs Infrastrukturkosten zu kontrollieren. „Diversifying away from Nvidia amid supply and cost constraints“ ist die erklärte Strategie.
Amazon entwickelt Trainium-Chips speziell für KI sowie Graviton-Chips in der vierten Generation. AWS-Kunden können zwischen NVIDIA-GPUs und Amazon-eigenen Chips wählen.
Microsoft und Meta investieren ebenfalls in Custom-Chips. Die Botschaft ist klar: „As leading AI firms like OpenAI increasingly navigate toward developing proprietary chips, Nvidia’s centralized role in powering the AI boom is being challenged“. Analysten prognostizieren, dass Custom-Chips bis 2027 25-30% des Enterprise-AI-Marktes erobern könnten.
Intel und AMD: Traditionelle Konkurrenz im Aufwind
AMD positioniert sich als kostengünstigste Alternative zu NVIDIA. Die Instinct MI325X-Chips zeigen laut AMD eine marktführende Inferenz-Leistung. Im November 2025 kündigte AMD die MI350-Serie an, die eine 3,9-fache generationsübergreifende Steigerung der KI-Rechenleistung bietet.
Die Preisstrategie ist aggressiv: Während NVIDIA H100-GPUs über 25.000 US-Dollar kosten (bei Engpässen sogar 30.000-40.000 US-Dollar), liegt der AMD MI300X bei etwa 10.000-15.000 US-Dollar – nur die Hälfte oder weniger. In Inferenz-Szenarien zeigt der MI300X laut Cloud-Anbieter RunPod einen Kostenvorteil von bis zu 33% gegenüber dem H100.
AMD kündigte für 2026 die MI450-Serie an, die auf CDNA-5-Architektur und TSMCs 2nm-Prozess basiert. Im September 2025 schloss AMD eine mehrjährige Partnerschaft mit OpenAI: OpenAI wird 6 Gigawatt AMD Instinct GPUs einsetzen, wobei die erste 1-Gigawatt-Bereitstellung auf MI450-Basis in der zweiten Jahreshälfte 2026 beginnt.
Intel hat mit dem Gaudi-3-Beschleuniger einen Chip entwickelt, der NVIDIAs H100 in Preis und Effizienz übertreffen soll. Intel nutzt als einziger großer Anbieter eigene Fertigungsanlagen, jedoch kämpft Intel mit Performance-Rückständen gegenüber NVIDIA.
Spezialisierte KI-Chips: Die Fragmentierung des Marktes
Die KI-Forschung entwickelt sich von reiner GPU-Dominanz zu spezialisierten Architekturen. GPUs sind generische Parallel-Prozessoren, die ursprünglich für Grafik entwickelt wurden. Für spezifische KI-Aufgaben wie Inferenz sind Application-Specific Integrated Circuits (ASICs) effizienter und kostengünstiger.
TPUs von Google sind solche ASICs, optimiert für Matrix-Multiplikationen. Die TPU Matrix Multiplication Unit kann 65.536 Multiply-and-Add-Operationen für 8-Bit-Integer pro Zyklus verarbeiten und erreicht 92 Teraops pro Sekunde.
Field-Programmable Gate Arrays (FPGAs) bieten anpassbare Hardware-Beschleunigung mit Vorteilen bei Energieeffizienz und Anpassungsfähigkeit. FPGAs können mit nur 10W für Edge-AI-Anwendungen arbeiten, verglichen mit 75W oder mehr für GPUs.
Die Fragmentierung beschleunigt sich: „The AI chip market is witnessing intense competition among major technology companies such as Nvidia, Intel, Google, Meta, and AMD, each pushing their unique strategies and technological advancements“. Startups wie Cerebras, Graphcore und SambaNova treiben Ultra-High-Performance- und Effizienz-Architekturen voran.
CUDA-Dominanz unter Druck: Der Software-Burggraben bröckelt
NVIDIAs größter Wettbewerbsvorteil war traditionell nicht nur Hardware, sondern die CUDA-Softwareplattform, die seit 2006 ein umfassendes Ökosystem mit Millionen Entwicklern aufbaute. CUDA hält über 90% Marktanteil und gilt als „lingua franca of AI compute“.
Doch diese Dominanz erodiert systematisch. „The most significant force working to narrow Nvidia’s moat is the systematic assault on its CUDA software lock-in“. AMD’s ROCm-Software-Stack hat „good enough“ Reife für Mainstream-AI-Frameworks erreicht. Intel’s oneAPI und Hardware-agnostische Abstraktionsschichten wie OpenAI’s Triton reduzieren die CUDA-Abhängigkeit.
Ein Analyst warnte: „CUDA’s competitive moat may be ‚only 18 months deep‘ in inference scenarios, challenging the long-held dominance of NVIDIA in the GPU space“. Der Fokus verschiebt sich von Training zu Inferenz, und bei Inferenz sind die Anforderungen anders.
„The growing popularity of high-level frameworks is dismantling the hardware lock-in that once underpinned NVIDIA’s competitive moat“. Datacenter könnten bald mehr als 75% ihrer Rechenleistung für Inferenz-Aufgaben verwenden, ein Bereich, in dem CUDAs Dominanz weniger ausgeprägt ist.
Lieferketten-Probleme und Qualitätsmängel
Trotz enormer Nachfrage kämpft NVIDIA mit Produktions- und Lieferkettenherausforderungen. Im November 2024 prognostizierte NVIDIA sein langsamstes Umsatzwachstum seit sieben Quartalen und erklärte, dass Lieferkettenengpässe die Nachfrage übersteigen würden.
Blackwell-Chips, die aus mehreren Chips bestehen, die durch die komplexe CoWoS-Packaging-Methode zusammengesetzt werden müssen, verursachen besondere Probleme. Im Sommer 2024 wurde ein Designfehler in Blackwell entdeckt, der eine „Mask Change“ erforderte. CEO Jensen Huang erklärte, dieser Fehler habe die Ausbeute reduziert.
„There’s a risk that the bottlenecks could worsen instead of ameliorating, which might adversely affect revenue forecasts“, warnten Analysten. Die Produktion komplexer Chips wie Blackwell kann Monate dauern aufgrund hunderter Fertigungsschritte.
Die Produktionshochlauf belastet kurzfristig die Bruttomargen. NVIDIA-Führungskräfte warnten Investoren, dass die Margen wahrscheinlich um mehrere Prozentpunkte in den niedrigen 70%-Bereich sinken würden, bis Produktionsprobleme gelöst sind.
Kartellrechtliche Untersuchungen: Regulatorischer Druck nimmt zu
NVIDIAs Marktdominanz zieht zunehmend kartellrechtliche Aufmerksamkeit an. Die französische Wettbewerbsbehörde führt seit Juli 2024 Untersuchungen zu angeblichen wettbewerbswidrigen Praktiken durch. Die EU hat NVIDIA aus denselben Gründen genau beobachtet.
Das US-Justizministerium untersucht NVIDIA, um festzustellen, ob das Unternehmen Cloud-Anbieter dazu gedrängt hat, mehrere Produkte zu kaufen. Konkurrenten werfen NVIDIA vor, exklusive Nutzung seiner Chips zu fördern und Kunden zu priorisieren, die seine Produkte sofort nutzen können.
China führte im Dezember 2024 eine Untersuchung ein, die im September 2025 ausgeweitet wurde. Der Vorwurf: NVIDIA habe gegen Chinas Antimonopolgesetz und die restriktiven Bedingungen seiner Mellanox-Übernahme 2020 verstoßen.
Bewertungssorgen: Blasenwarnungen und Marktrisiken
NVIDIAs kometenhafte Bewertung löst zunehmend Sorgen über eine KI-Blase aus. Das Unternehmen erreichte im Oktober 2025 als erstes eine Bewertung von 5 Billionen US-Dollar. Es dauerte nur drei Monate, um von 4 auf 5 Billionen zu steigen, nachdem der Sprung von 3 auf 4 Billionen 13 Monate gedauert hatte.
NVIDIA macht heute 8% des S&P 500 aus, während historische Marktkonzentrationen typischerweise bei 2-3% für einzelne Unternehmen lagen. „This means that, even for passive investors who may not directly own the stock, 8 cents of every dollar invested in an S&P 500 index fund is allocated just to Nvidia“.
Mehrere Institutionen warnen vor Korrekturen: Die Bank of England, der Internationale Währungsfonds und JP Morgan CEO Jamie Dimon haben Bedenken geäußert. Dimon erklärte in einem BBC-Interview: „Some level of caution should be in most people’s minds“.
Im November 2025 fielen AI-Aktien deutlich: NVIDIA-Aktien sanken um fast 4%, AMD um 3%, und Palantir um über 9%. Palantir’s Kurs-Gewinn-Verhältnis (KGV) liegt bei 700x – Investoren benötigten 700 Jahre, um ihre Investition durch Unternehmensgewinne zurückzuerhalten.
Analysten warnen: „When your biggest customers can build comparable alternatives at half the cost, your premium pricing reflects the fact that they haven’t finished building their alternatives yet“. HSBC stufte NVIDIA im April 2025 herab mit der Einschätzung, dass das Unternehmen seine Fähigkeit verliert, Preise zu erhöhen.
Forrester prognostiziert, dass 25% der für 2026 geplanten Enterprise-AI-Investitionen bis 2027 verschoben werden. AI-Infrastruktur-Ausgaben der Top-Cloud-Anbieter könnten 2025 fast 400 Milliarden US-Dollar erreichen, aber das Wachstum wird sich 2026 auf 19% verlangsamen, verglichen mit 54% in 2025.
Was NVIDIA zur Erhaltung seiner Marktmacht unternimmt
Trotz aller Herausforderungen unternimmt NVIDIA massive Anstrengungen, seine Position zu verteidigen und auszubauen.
Beschleunigte Innovationszyklen
NVIDIA hat seine Produkteinführungszyklen drastisch verkürzt. Huang erklärte: „Our company has a one-year rhythm. Our basic philosophy is very simple: build the entire data center scale, disaggregate and sell to you parts on a one-year rhythm“. Die Roadmap zeigt:
- 2025: Blackwell Ultra GPU und Spectrum Ultra X800 Ethernet Switch
- 2026: Rubin GPU, Vera CPU, NVLink 6 Switch
- 2027: Rubin Ultra GPU
- 2028: Feynman-Architektur mit Vera CPU
Huang betonte, dass die Hopper- und Blackwell-Architekturen „wouldn’t be possible“ ohne KI seien.
Strategische Partnerschaften und Investitionen
NVIDIA sichert sich durch massive Partnerschaften langfristige Kunden:
OpenAI-Partnerschaft (September 2025): NVIDIA kündigte an, mindestens 10 Gigawatt NVIDIA-Systeme für OpenAI’s KI-Infrastruktur bereitzustellen. NVIDIA beabsichtigt, bis zu 100 Milliarden US-Dollar in OpenAI zu investieren. Jensen Huang: „This investment and infrastructure partnership mark the next leap forward — deploying 10 gigawatts to power the next era of intelligence“.
Nokia-Partnerschaft (Oktober 2025): NVIDIA investiert 1 Milliarde US-Dollar in Nokia, um KI-native 5G-Advanced- und 6G-Netzwerke auf NVIDIA-Plattformen zu ermöglichen.
Europäische KI-Souveränität: NVIDIA etablierte über 20 AI-Fabriken und Regierungspartnerschaften in Frankreich, Deutschland, UK, Italien und Spanien. In Frankreich umfasst die Zusammenarbeit mit Mistral AI die Bereitstellung von 18.000 NVIDIA Grace Blackwell-Systemen.
Software- und Plattform-Innovationen
NVIDIA entwickelt aggressiv Software-Lösungen, um die Abhängigkeit über CUDA hinaus zu erweitern:
- NVIDIA Dynamo: Open-Source-Software-System zur Optimierung von AI-Inferenz-Prozessen
- Newton Physics Engine: In Zusammenarbeit mit Google DeepMind entwickelte Open-Source-Physik-Engine für Roboter-Simulation
- Isaac Groot N1: Erstes offenes, vollständig anpassbares Foundation-Modell für generalisiertes humanoide Reasoning
Expansion in neue Märkte
NVIDIA diversifiziert aggressiv in neue Bereiche:
- Autonome Fahrzeuge: Partnerschaft mit Uber zum Bau von 100.000 selbstfahrenden Autos ab 2027
- Robotik: „Blue“-Roboter in Partnerschaft mit Disney Research und Google DeepMind
- Industrielle KI: Siemens nutzt NVIDIAs Omniverse-Plattform für fotorealistische digitale Zwillinge
Energieeffizienz-Initiativen
NVIDIA arbeitet an der 800V-DC-Architektur, die ab 2027 Megawatt-Racks ermöglichen soll, mit bis zu 5% Verbesserung der End-to-End-Energieeffizienz und 70% reduzierten Wartungskosten. Huang argumentiert: „Everyone is moving from CPUs to accelerated computing because they want to save energy. Accelerated computing helps you save so much energy: 20 times, 50 times and doing the same processing“.
Die Zukunft von NVIDIA unter Druck: Experteneinschätzungen
Die Zukunft von NVIDIA ist umstritten. Analysten haben widersprüchliche Ansichten:
Optimistische Szenarien
Tom Lee von Fundstrat erklärte im September 2025: „I concur there will eventually be a market correction, yet surprisingly, valuations today appear fairly reasonable compared to 1998… Currently, NVIDIA Corp (NASDAQ: NVDA) trades at 26 times forward earnings, while Cisco was trading at 60 times at that same point“.
D.A. Davidson stufte NVIDIA im September 2025 von neutral auf buy hoch, mit einem Kursziel von 210 US-Dollar. Der Analyst Gil Luria erklärte: „The growing demand for AI compute will likely sustain the chip maker’s growth over the next two years“.
Analysten projizieren NVIDIAs Umsatz für 2025 auf etwa 111,3 Milliarden US-Dollar, ein signifikanter Anstieg von 26,97 Milliarden US-Dollar in 2023. Der globale AI-Chip-Markt wird von 52,92 Milliarden US-Dollar in 2024 auf 295,56 Milliarden US-Dollar bis 2030 wachsen.
Pessimistische Warnungen
Insider warnen, dass das kurzfristige Wachstum Mitte 2025 seinen Höhepunkt erreichen könnte, gefolgt von einem möglichen zyklischen Umsatzrückgang ab 2026. Beweise für Doppelbestellungen bei mindestens zwei von NVIDIAs Top-5-Kunden deuten auf künstliche Nachfrage hin. Ein Senior-Beschaffungsleiter erklärte: „We certainly want to be given the most favoured nation treatment. So certainly, we are ordering more than we have use for“.
Die KI-Training-Nachfrage wird voraussichtlich innerhalb der nächsten 18 Monate abnehmen. „Over-ordering and the expected tapering of AI training needs within the next 18 months have the potential for a sudden drop in demand“.
Das Szenario-Spektrum
HSBC skizziert drei Szenarien:
Bull Case (220 US-Dollar, +57%): NVIDIAs Software- und Robotik-Pivot gelingt. Custom-Chips bleiben auf interne Workloads beschränkt. Bruttomargen bleiben über 60%.
Base Case (100 US-Dollar, -29%): Hyperscaler verschieben 30-40% der Workloads zu Custom-Chips bis 2028. Bruttomargen komprimieren sich um 200-300 Basispunkte jährlich.
Bear Case (60 US-Dollar, -57%): Hyperscaler verschieben 50%+ der AI-Workloads zu Custom-Chips innerhalb von drei Jahren. Bruttomargen fallen auf 55-60%.
Fazit: Ein Gigant unter Belagerung
NVIDIA steht an einem Wendepunkt. Das Unternehmen dominiert weiterhin den KI-Chip-Markt, aber die Grundlagen dieser Dominanz werden systematisch untergraben. Hinter den Rekordgewinnen und der 5-Billionen-Dollar-Bewertung liegt eine vielschichtige Bedrohungslandschaft:
Geopolitische Verwundbarkeit durch absolute Abhängigkeit von Taiwan und Verlust des chinesischen Marktes; Wettbewerbsdruck durch Hyperscaler, die eigene Chips entwickeln, und AMD, das aggressiv in den Markt drängt; Technologische Fragmentierung durch Spezialisierung der AI-Hardware und Erosion des CUDA-Moats; Energieengpässe als fundamentale physikalische Beschränkung; Lieferketten-Probleme und Produktionsschwierigkeiten; Regulatorischer Druck durch Kartelluntersuchungen; und Bewertungsrisiken als AI-Bubble-Sorgen zunehmen.
NVIDIA reagiert mit beschleunigten Innovationszyklen, massiven strategischen Partnerschaften, Software-Diversifizierung und Expansion in neue Märkte. Doch die Frage bleibt: Können diese Maßnahmen ausreichen, um die strukturellen Herausforderungen zu meistern?
Jensen Huang selbst bleibt zuversichtlich: „I don’t believe we’re in an AI bubble. All of different AI services we’re utilizing numerous services and are happy to pay for them“. Gleichzeitig warnt er: „If the world runs out of ideas, then productivity gains translates to job loss“. Seine Vision geht weit über reine GPU-Verkäufe hinaus: „Everything starts with compute. Compute infrastructure will be the basis for the economy of the future“.
Was ich bei meinem Besuch im Silicon Valley verstanden habe: NVIDIA ist kein unverwundbarer Monopolist, sondern ein Gigant, der unter massivem Druck von allen Seiten steht. Die Fähigkeit des Unternehmens, sich zu adaptieren und zu transformieren, wird den Unterschied machen zwischen fortgesetzter Dominanz und einem möglichen Abstieg.
Die Delegationsteilnehmer konnten NVIDIA also nicht nur als Erfolgsgeschichte betrachten – sondern als Lehrstück darüber, wie schnell sich auch scheinbar unerschütterliche Marktpositionen verändern können, wenn technologische, geopolitische und wirtschaftliche Kräfte zusammenwirken. Und wie man sich dagegen wehrt.
Weitere Artikel zu diesem Themenfeld
Dieses Thema hat mehr Facetten, als ein einzelner Artikel abbilden kann. Hier sind Beiträge, die verschiedene Aspekte davon vertiefen: