Nvidia legt Finanzierungsmodell für KI-Infrastruktur auf Eis
Nvidia wollte kleineren Betreibern den Aufbau von KI-Rechenzentren erleichtern. Dafür plante der Chiphersteller Kredite, mit denen die Partner Nvidia-GPUs kaufen und ihre Infrastruktur errichten sollten. Im Gegenzug wäre Nvidia über mehrere Jahre an den Umsätzen der Betreiber beteiligt worden.
Für das Programm waren 36 Milliarden US-Dollar vorgesehen. Die Partnerschaften sollten in der Regel sechs Jahre laufen. Nach Berichten über interne Bedenken wurden die Vorbereitungen vorerst gestoppt.
Die offiziellen Gründe sind nicht bekannt. Ebenfalls offen ist, ob Nvidia das Programm später in veränderter Form wieder aufnimmt oder vollständig verwirft.
So sollte das Nvidia-Modell funktionieren
Das Konzept verband Hardwareverkauf, Finanzierung und Umsatzbeteiligung. Betreiber hätten Kredite von Nvidia erhalten, um Rechenzentren mit dessen GPUs aufzubauen. Anschließend sollten sie die Rechenleistung stundenweise an eigene Kunden vermieten.
Falls sich nicht genügend Abnehmer finden, wollte Nvidia freie Kapazitäten selbst anmieten. Damit hätte der Hersteller einen Teil des Auslastungsrisikos übernommen. Zugleich wären die Betreiber bei Finanzierung, Hardware, Preisgestaltung und Nachfrageabsicherung eng an denselben Anbieter gebunden gewesen.
| Bestandteil | Geplante Regelung |
|---|---|
| Budget | 36 Milliarden US-Dollar |
| Laufzeit | In der Regel 6 Jahre |
| Finanzierung | Kredite von Nvidia für den Kauf von Nvidia-GPUs |
| Gegenleistung | Umsatzbeteiligung für Nvidia |
| Vermietung | Einige US-Dollar pro Stunde und GPU |
| Auslastungsrisiko | Nvidia sollte ungenutzte Kapazitäten selbst anmieten |
Preisvorgaben lösten intern Bedenken aus
Besonders sensibel war der geplante Mindestpreis für die vermietete GPU-Leistung. Betreiber sollten diesen vorab mit Nvidia aushandeln. Der Preis sollte unter anderem die Abschreibung der Chips, laufende Rechenzentrumskosten und Personalkosten abdecken.
Laut den vorliegenden Berichten löste dieser Eingriff in die Preisgestaltung bei Nvidia-Mitarbeitern Bedenken aus. Im Raum stand die Frage, ob der marktbeherrschende Chiphersteller zu starken Einfluss auf die Geschäfte seiner Kunden nehmen würde. Dass diese Bedenken tatsächlich der ausschlaggebende Grund für den vorläufigen Stopp waren, ist bislang nicht offiziell bestätigt.
Kapital wird zum strategischen Werkzeug
Nvidia beschränkt sich längst nicht mehr auf den Verkauf von Beschleunigern. Das Unternehmen investiert zunehmend entlang der gesamten KI-Wertschöpfungskette. Dazu gehört auch der Kauf von Hugging Face für 12,9 Milliarden US-Dollar.
Zum Stand vom 15. August 2026 belief sich die Beteiligung an SpaceX auf knapp 21 Milliarden US-Dollar. Die Beteiligung an Intel lag bei rund 30 Milliarden US-Dollar. Beide Unternehmen sind zugleich Kunden für KI-Beschleuniger von Nvidia.
Auch außerhalb des geplanten Programms ist die Finanzierung von GPU-Infrastruktur ein zentrales Thema. So nahm Lambda 1 Milliarde US-Dollar für Nvidia-Chips auf. Nvidia selbst plant zudem eine umfangreiche Fremdfinanzierung für den weiteren Ausbau der KI-Infrastruktur.
Folgen für Betreiber im DACH-Raum
Für kleinere Cloud-Anbieter und lokale Rechenzentren im DACH-Raum steht das Nvidia-Modell vorerst nicht zur Verfügung. Hohe Anschaffungskosten für GPU-Hardware müssen damit weiterhin aus Eigenkapital, Bankkrediten oder externen Finanzierungsrunden getragen werden. Gerade bei neuen KI-Angeboten bleibt das Auslastungsrisiko beim Betreiber.
Das geplante Modell zeigt zugleich die Risiken eines umfassenden Vendor Lock-in. Wenn ein Anbieter die Hardware liefert, den Kauf finanziert, am Umsatz beteiligt ist, Mindestpreise mitbestimmt und ungenutzte Kapazitäten abnimmt, lässt sich die technische Abhängigkeit kaum noch von der wirtschaftlichen trennen.
Für Infrastrukturentscheidungen spricht deshalb viel für eine Architektur, die mehrere Hardwareplattformen und Bezugsquellen unterstützt. Hardwareagnostische Open-Source-Frameworks können Wechselkosten reduzieren, sofern sie im konkreten Einsatz die benötigte Leistung und Kompatibilität bieten. Das beseitigt die hohen Investitionskosten nicht, verhindert aber, dass Finanzierung und Betrieb vollständig an ein proprietäres Ökosystem gekoppelt werden.