Fast jede KI, die du 2026 benutzt, ist zuerst durch die Chips einer einzigen Firma gelaufen. ChatGPT, Gemini, Claude, der Bildgenerator, der Sprachassistent im Handy. Trainiert wurden sie fast alle auf Hardware von Nvidia. Ein Konzern, der bis vor wenigen Jahren vor allem Gamern etwas sagte, sitzt heute an der Schaltstelle der ganzen KI-Wirtschaft.
Wie es dazu kam, ist eine der merkwürdigeren Geschichten der jüngeren Technik. Sie beginnt bei Grafikkarten für Ballerspiele und endet vorläufig bei der wertvollsten Firma der Welt.
Inhaltsverzeichnis
Warum GPUs und nicht ganz normale Prozessoren?
Ein normaler Hauptprozessor, die CPU, ist gebaut wie ein sehr kluger Einzelgänger. Wenige, dafür extrem schnelle Kerne, die eine Aufgabe nach der anderen abarbeiten. Für die meisten Dinge am Rechner ist das ideal. Für KI ist es das Falsche.
Zeittafel: Vom Gaming-Chip zum KI-Motor
| 1993 | Nvidia wird gegründet, zunächst als reiner Grafikspezialist |
| 1999 | Die GeForce 256 kommt, Nvidia prägt den Begriff GPU |
| 2006 | CUDA erscheint und öffnet die Grafikkarte für beliebige Rechenaufgaben |
| 2012 | Das neuronale Netz AlexNet gewinnt einen Bildwettbewerb, trainiert auf zwei gewöhnlichen Nvidia-Gamingkarten |
| 2017–2021 | Der Krypto-Boom treibt die Nachfrage nach Grafikkarten, ein erster Vorgeschmack auf die Rechenhunger-Ära |
| 2022 | ChatGPT startet, die Nachfrage nach KI-Rechenleistung explodiert |
| 2023 | Der KI-Boom macht Nvidia zu einem der teuersten Unternehmen der Welt |
| 2026 | Allein die Rechenzentrums-Sparte setzt über 75 Milliarden Dollar pro Quartal um |
Ein neuronales Netz besteht im Kern aus riesigen Matrixmultiplikationen, also demselben simplen Rechenschritt, millionenfach parallel. Eine GPU trägt genau dafür Tausende kleiner Kerne, die gleichzeitig arbeiten. Wo die CPU nacheinander rechnet, rechnet die GPU alles auf einmal. Beim Training großer Modelle bedeutet das nicht ein bisschen schneller, sondern um Größenordnungen schneller.
Eine GPU (Graphics Processing Unit) ist ein Prozessor mit Tausenden kleiner Rechenkerne, die parallel arbeiten. Ursprünglich für Grafik entwickelt, eignet sie sich besonders gut für die Matrixberechnungen, aus denen künstliche neuronale Netze bestehen.
Dass die Grafikkarte für Spiele und die ideale KI-Maschine dieselbe Bauform haben, ist kein Zufall. Beide müssen dieselbe Rechenart bewältigen, nur eben für unterschiedliche Zwecke. Bei Spielen werden Millionen Bildpunkte gleichzeitig berechnet, bei KI Millionen Zahlen. Für den Chip ist das fast dieselbe Arbeit.
GPU und CPU im Vergleich
| CPU | GPU | |
|---|---|---|
| Kerne | Wenige, sehr leistungsstark | Tausende, einzeln schwächer |
| Arbeitsweise | Aufgaben nacheinander | Aufgaben parallel |
| Stärke | Komplexe, verzweigte Abläufe | Gleichförmige Massenrechnung |
| Ideal für | Betriebssystem, Programme, Logik | Grafik, KI-Training, Simulation |
Nvidia und KI, wie aus Gaming-Karten der Motor wurde
Nvidia und KI, das war lange kein Paar. Jahrelang verkaufte die Firma Grafikkarten an Spieler, und daran schien sich nichts zu ändern. Der erste Schritt zur KI kam 2006 mit einer Software, die kaum jemand verstand. Nvidia veröffentlichte CUDA, eine Plattform, mit der sich die Grafikkarte für beliebige Rechenaufgaben programmieren ließ, nicht nur für Grafik.
Kommerziell war das zunächst kein Erfolg. Viele hielten es für eine teure Spielerei. Der Beweis kam erst sechs Jahre später und von außen.
2012 trat ein Team der Universität Toronto bei einem Bilderkennungs-Wettbewerb an. Ihr neuronales Netz, später AlexNet genannt, drückte die Fehlerquote von rund 26 auf etwa 15 Prozent und ließ die Konkurrenz weit hinter sich. Das Bemerkenswerte war nicht nur das Ergebnis, sondern die Hardware. AlexNet lief nicht auf einem Supercomputer, sondern auf zwei gewöhnlichen Nvidia-Gamingkarten vom Typ GTX 580. Es war einer der ersten Fälle, in denen ein KI-Modell im großen Stil auf GPUs trainiert wurde.
Dazwischen kam Nvidia noch ein anderer Boom zupass. Zwischen 2017 und 2021 kauften Kryptoschürfer Grafikkarten in Massen, weil sich damit digitale Währungen berechnen ließen. Das füllte die Kassen und härtete die Lieferketten, kurz bevor die eigentliche Welle kam. Nicht der letzte Zufall, von dem die Firma profitierte.
Von da an ging alles schnell. Wer neuronale Netze bauen wollte, brauchte GPUs. GPUs für KI kamen von Nvidia, weil CUDA schon da war und funktionierte. Als 2022 ChatGPT erschien und plötzlich die halbe Welt KI wollte, saß Nvidia auf der mit Abstand wichtigsten Hardware, mit der sich das im nötigen Maßstab überhaupt bauen ließ.
CUDA, der eigentliche Burggraben
Die Chips allein erklären Nvidias Stellung nicht. Andere Firmen bauen inzwischen ebenfalls schnelle KI-Prozessoren. Der wahre Schutzwall heißt CUDA, und er ist womöglich wichtiger als die Hardware.
CUDA ist Nvidias Software-Plattform, mit der sich Grafikkarten für allgemeine Berechnungen programmieren lassen. Seit 2006 hat sie sich zum Standard für KI-Entwicklung entwickelt, auf dem fast alle gängigen Werkzeuge und Bibliotheken aufbauen.
Seit fast zwei Jahrzehnten bauen Entwickler ihre Werkzeuge auf CUDA auf. Fast jede KI-Bibliothek, jedes Framework, jede fertige Lösung setzt es voraus. Wer zu einem anderen Anbieter wechseln will, müsste nicht nur neue Chips kaufen, sondern seine ganze Software neu aufbauen. Das ist teuer, riskant und langsam. Genau diese Abhängigkeit hält Nvidia oben, auch dort, wo die reine Hardware der Konkurrenz nicht mehr weit voraus ist.
Man kann es mit einer Sprache vergleichen, die alle sprechen. Selbst wenn jemand eine bessere erfindet, wechselt niemand gern, solange die halbe Welt bei der alten bleibt.
Was Nvidia damit verdient
Die Zahlen sind schwer zu fassen. Nvidias Rechenzentrums-Sparte, das Geschäft mit KI-Chips, setzte im Quartal bis Ende April 2026 gut 75 Milliarden Dollar um, ein Plus von 92 Prozent gegenüber dem Vorjahr. Ein Jahr zuvor waren es noch 39 Milliarden, der Umsatz hat sich also in zwölf Monaten fast verdoppelt.
Nach Marktschätzungen kontrolliert Nvidia den allergrößten Teil des Geschäfts mit KI-Beschleunigern, je nach Zählweise zwischen 70 und über 85 Prozent. Das erklärt, warum ein einziger Chiphersteller die Kosten der ganzen Branche mitbestimmt. Wenn KI-Anwendungen teuer sind, liegt das nicht zuletzt an der knappen, begehrten Rechenleistung. Warum gerade KI-Agenten so schnell ins Geld gehen, hat viel mit diesem Nadelöhr zu tun.
Was das für dich als Nutzer bedeutet
All das klingt nach Konzernen und Börse, weit weg vom eigenen Schreibtisch. Ist es aber nicht. Wer heute mit KI lernt, chattet oder Bilder erzeugt, nutzt indirekt Nvidias Hardware, und die Preise dafür wandern nach unten. Eine leistungsstarke KI-Grafikkarte in der Cloud zu mieten kostete Ende 2024 noch rund acht Dollar pro Stunde. Mitte 2026 ist derselbe Chip je nach Anbieter für unter drei Dollar zu haben, weil immer mehr Rechenzentren ans Netz gehen. Das drückt am Ende auch die Preise der Dienste, die du benutzt.
Noch näher wird es, wenn du selbst spielst. Dieselbe Gaming-Grafikkarte, die abends Spiele rendert, kann tagsüber ein KI-Modell ausführen. Kleine, offene Modelle wie Google Gemma laufen lokal auf dem eigenen Rechner, ohne Cloud, ohne Abo, allein auf der Nvidia-Karte, die viele ohnehin verbaut haben. Für Schüler und Studenten heißt das, dass ernstzunehmende KI nicht zwingend Geld kostet, sondern womöglich schon im PC steckt.
Ein Haken bleibt. Diese Karten ziehen unter Last ordentlich Strom, ein leistungsstarkes Modell kann mehrere hundert Watt verbrauchen. Bei deutschen Strompreisen ist das kein Detail, sondern ein Posten, der sich auf der Rechnung bemerkbar macht. Wer viel lokal rechnet, sollte das mitkalkulieren.
Und selbst wenn du nie eine Grafikkarte anfasst, lohnt das Wissen. Wer versteht, dass hinter jedem Chatfenster physische Chips stecken, die Strom, Platz und Geld kosten, versteht auch, warum der bewusste Umgang mit KI beim Lernen klüger ist, pädagogisch wie praktisch.
Die teuerste Firma der Welt, und ihr Beteiligungsgeflecht
Nvidia ist gemessen am Börsenwert die wertvollste Firma der Welt. Rund 5 Billionen Dollar im Juli 2026, mehr als Apple, mehr als die Google-Mutter Alphabet. Im Oktober 2025 war Nvidia die erste Firma überhaupt, die die Marke von 5 Billionen überschritt. Man kann mit Fug und Recht sagen, dies sei die Firma unserer Zeit.
Interessant ist, dass Nvidia in diese schwindelnde Bewertung inzwischen ein Stück weit hineingewachsen ist. Anfangs eilte der Kurs den Zahlen weit voraus, reine Hoffnung auf künftige Gewinne. Mittlerweile liefert das Geschäft tatsächlich Umsätze und Gewinne in einer Größenordnung, die vor drei Jahren absurd geklungen hätte. Ob das die Bewertung rechtfertigt, darüber lässt sich streiten. Aber sie steht nicht mehr allein auf Fantasie.
Bemerkenswert ist noch etwas anderes. Nvidia ist nicht nur Zulieferer der KI-Branche, sondern zunehmend auch ihr Geldgeber. Allein 2026 hat die Firma über 40 Milliarden Dollar an Beteiligungen zugesagt, darunter rund 30 Milliarden in OpenAI und Milliardenbeträge in Cloud-Anbieter, Chip-Zulieferer und rund zwei Dutzend Start-ups. Ein dichtes Geflecht, in dem Nvidia oft ausgerechnet die Firmen finanziert, die anschließend Nvidia-Chips kaufen.
Kritiker nennen das »zirkuläre Deals«. Geld wandert im Kreis, und wer Zulieferer und Anteilseigner zugleich ist, hat ein Interesse daran, dass die Party weiterläuft. Das ist nicht per se anrüchig, aber fragwürdig genug, dass Regulierer in den USA und der EU inzwischen genauer hinschauen. Sogar Nvidia selbst hat begonnen, sich von einzelnen dieser Beteiligungen wieder zu distanzieren.
Bleibt das für immer so?
Vermutlich nicht in dieser Reinform. Konkurrenten wie AMD holen bei der Hardware auf, und Google baut mit seinen eigenen Chips still an einer Alternative, die CUDA umgeht. Auch offene KI-Modelle, die weniger Rechenleistung brauchen, kratzen an der Logik »immer mehr Nvidia-Chips«. Das chinesische Modell GLM-5.2 etwa erreicht starke Ergebnisse zu einem Bruchteil der üblichen Kosten.
Ob der Höhenflug trägt oder ob sich hier eine Blase aufbläht, darüber streiten kluge Leute mit guten Argumenten. Wer die Frage ernsthaft durchdenken will, findet in der Debatte um den KI-Hype beide Seiten. Sicher ist nur, dass gerade eine einzige Firma davon profitiert, dass die Welt gleichzeitig KI will.
Ein Grafikkartenhersteller für Gamer, der zufällig die richtige Hardware zur richtigen Zeit hatte. Manchmal entscheidet nicht der bessere Plan, sondern das bessere Timing. (lk)
Offenlegung: Bin selbst seit Jahren Nvidia-Aktionär.
