Alles läuft auf dem Wafer eines anderen

Es ist weit verbreitet zu glauben, die KI-Branche sei eine Softwarebranche. Ist sie nicht. Sie ist eine Fertigungsbranche mit einer Softwareoberfläche, und jede Beschränkung, auf die es ankommt, ist körperlich: wie viele Wafer eine Fabrik starten kann, wie viele Speicherstapel sich an einen Prozessor binden lassen, wie viele Megawatt ein Standort ziehen darf.

Der Stapel, vom Sand bis zur Rechnung

Ein moderner Beschleuniger durchläuft eine Kette, in der fast jedes Glied ein Beinahemonopol ist.

Entwurf. Eine Handvoll Firmen entwirft KI-Prozessoren. Eine davon besitzt das Software-Umfeld, gegen das die meisten Forscher schreiben, und das ist das eigentliche Produkt. CUDA ist neunzehn Jahre alt und der Grund, warum ein technisch konkurrenzfähiger fremder Chip trotzdem Zeit am Portieren verliert.

Belichtung. Anlagen für extrem ultraviolettes Licht, die die feinsten Strukturen erzeugen, kommen von genau einem Hersteller in den Niederlanden. Jede Anlage kostet etwa zweihundert Millionen, und die Jahresproduktion zählt in Dutzenden. Das ist die engste Stelle der Weltwirtschaft, die fast niemand außerhalb der Branche benennen kann.

Fertigung. Die modernsten Logikknoten entstehen in Taiwan, Südkorea folgt dicht, und neue Kapazität wird in den Vereinigten Staaten, Japan und Deutschland zu höheren Kosten gebaut. Die Konzentration hier ist der Grund, warum Chipversorgung ein außenpolitisches Thema ist.

Speicher und Gehäusetechnik. Ein Beschleuniger ist nutzlos ohne Speicher, der ihn schnell genug füttert. HBM-Stapel werden in fortgeschrittener Gehäusetechnik neben den Prozessor gesetzt, und die Kapazität der Gehäusetechnik, nicht die der Wafer, war wiederholt die tatsächliche Grenze dafür, wie viele Beschleuniger es gibt.

Warum immer wieder der Speicher der Engpass ist

Ein großes Modell ist im Kern ein sehr großer Haufen Zahlen, der für jedes erzeugte Token gelesen werden muss. Der Prozessor kann weit schneller multiplizieren, als Speicher Daten liefern kann, der tatsächliche Durchsatz wird also von der Speicherbandbreite gesetzt, nicht von der Spitzenrechenleistung. Deshalb stapelt jede Generation mehr HBM mit höherer Bandbreite, und deshalb hält ein Mangel an Speicherstapeln Beschleuniger auf, selbst wenn Wafer verfügbar sind.

Deshalb fallen auch die Kosten je Token stufenweise statt gleichmäßig. Eine Generation, die die Bandbreite verdoppelt, halbiert die Kosten ungefähr; eine, die nur die Rechenwerke verbessert, bewirkt in der Praxis viel weniger.

Die Herausforderer und ihr eigentliches Problem

Drei Gruppen versuchen, die Stellung zu brechen. Konkurrierende Chipanbieter treten über Preis und Speichermenge an und gewinnen bei der Anwendung, wo die Softwarebindung weniger wiegt als beim Training. Große Cloud-Betreiber entwerfen eigene Beschleuniger, die je Einheit ihrer eigenen Last billiger sind und nie einen Vergleichstest gegen jemanden gewinnen müssen. Neugründungen bauen Architekturen für eine Sache, meist die schnelle Anwendung von Transformer-Modellen.

Keiner von ihnen hat zu wenig gutes Silizium. Was ihnen fehlt, ist das Jahrzehnt an Bibliotheken, Kerneln, Übersetzern und dokumentiertem Verhalten, das einen Chip am Tag seiner Ankunft benutzbar macht. Die Lehre der letzten drei Jahre lautet, dass Portierungsaufwand echter Aufwand ist und dass er dort am schnellsten fällt, wo die Last einfach und gleichförmig ist.

Was der DeepSeek-Moment gelehrt hat

Im Januar 2025 löschte ein denkendes Modell, das für einen Bruchteil der erwarteten Kosten trainiert wurde, kurzzeitig Hunderte Milliarden aus den Bewertungen der Chipfirmen. Der Markt las das als Nachfrageschock: Wenn Modelle billiger zu trainieren sind, braucht man weniger Chips. Die folgenden zwei Jahre legten das Gegenteil nahe. Billigere Fähigkeit erhöhte die Nutzung, Nutzung ist Anwendung, und Anwendung verbraucht insgesamt mehr Rechenleistung, als Training je verbraucht hat.

Die ökonomisch brauchbare Fassung der Lehre lautet: Effizienzgewinne in einem schnell wachsenden Markt erhöhen den Gesamtverbrauch. Das ist kein Gesetz, aber es hat bisher gehalten.

Das geografische Risiko, klar gesagt

Ein erheblicher Teil der modernsten Logik entsteht auf einer Insel mit umstrittenem politischem Status, und die Anlagen, die das ermöglichen, kommen von einer Firma in einem Land. Neue Fabriken anderswo verringern diese Konzentration langsam und mit Aufschlag, denn eine Fabrik braucht Jahre und eine ausgebildete Belegschaft länger. Wer die KI-Branche ohne eine Zeile dafür modelliert, modelliert den guten Fall.

Worauf zu achten ist

Achten Sie auf Ankündigungen zur Kapazität fortgeschrittener Gehäusetechnik, die die Versorgung mit Beschleunigern besser vorhersagen als Waferankündigungen. Achten Sie auf Speicherpreise, an denen sich Knappheit zuerst zeigt. Und achten Sie darauf, ob ein großer Modellanbieter ein Spitzenmodell ausliefert, das vollständig auf nicht marktführendem Silizium trainiert wurde, denn das wäre der erste echte Riss im Softwareburggraben.