The China Mail - Nvidia-Deal mit Deutschland: KI-Souveränität oder neue Abhängigkeit?

Am 19. Oktober unterzeichnete die Bundesregierung auf dem Investitionsgipfel eine Absichtserklärung mit dem US-Halbleiterhersteller Nvidia. Im Beisein von Bundeskanzler Friedrich Merz vereinbarten das Wirtschafts- und das Forschungsministerium, deutsche Ingenieurskenntnisse und industrielle Daten mit der KI-Technologie des Unternehmens zu verknüpfen. Der Fokus liegt dabei auf „Physical AI“, also Systemen zur Steuerung von Robotern und Produktionsanlagen. Für Nvidia stellt Deutschland einen zentralen Baustein in einer internationalen Strategie dar, die auch Frankreich und Großbritannien umfasst. Die deutsche Industrie dient dem Konzern zugleich als Entwicklungs- und Erprobungsfeld.

Am Standort Erlangen testen Siemens und Nvidia bereits KI-Anwendungen in der laufenden Fertigung. Dieser Standort soll als Vorlage für weitere Fabriken dienen. Durch diese Kooperation gewinnt Nvidia Zugang zu Produktionswissen und realen Anwendungen, die seine Plattform für den industriellen Einsatz weiterentwickeln lassen. Die Bundesregierung wirbt mit dem Aufbau nationaler KI-Kapazitäten und der Stärkung heimischer Unternehmen. Doch Kritiker sehen in der digitalen Souveränität ein verratenes Versprechen.

Nvidia vertreibt Rechentechnik zum Training und Betrieb von Künstlicher Intelligenz. Die Prozessoren werden unter anderem vom taiwanischen Auftragsfertiger TSMC hergestellt. Die marktbeherrschende Stellung des Unternehmens beruht auf dem Zusammenspiel von Hardware, Vernetzung und Software. Ein zentrales Element ist CUDA, eine Sammlung von Programmierwerkzeugen und Softwarebausteinen für die Rechenchips. Viele Programme und das Wissen ihrer Entwickler sind spezifisch auf diese Architektur zugeschnitten. Ein Wechsel des Chiplieferanten erfordert daher oft umfangreiche Anpassungen der Software und die Schulung von Fachpersonal. Die französische Wettbewerbsbehörde hatte bereits 2024 vor dieser Abhängigkeit von CUDA gewarnt.

Trotz dieser Bindung arbeiten einige der größten Kunden mit Hochdruck daran, ihre Abhängigkeit zu lockern. Google entwickelt eigene KI-Prozessoren, und Amazon verfolgt mit seinen Trainium-Chips eine ähnliche Strategie. Beide Konzerne versuchen durch eigene Technik, Kosten zu senken und mehr Wertschöpfung selbst zu behalten. Dabei greifen sie auch den Softwarevorsprung von Nvidia an. Am 20. Oktober stellte Amazon die Testversion einer Software vor, die den Umzug von KI-Programmen auf die eigenen Chips erleichtern soll. Entwickler sollen dabei ihre gewohnten Programmierwerkzeuge weiterverwenden können.

Allerdings ist das Laufenlassen eines Programms auf anderer Hardware nur der erste Schritt; es muss dort auch schnell genug arbeiten, damit sich der Wechsel rechnet. Die Konkurrenz dreht sich daher auch um den Aufwand, den ein Anbieterwechsel verursacht. Auch andere Anbieter drängen in den Markt. Der US-Chipkonzern AMD bietet ebenfalls KI-Prozessoren samt Software an und meldete am 27. Oktober den Einsatz bei Meta für KI-Training und Empfehlungssysteme. Huawei präsentierte im September die nächste Ausbaustufe seiner KI-Rechentechnik, die Chips, Vernetzung und Software zu einem Gesamtsystem verbindet.

Durch diese Entwicklungen können Kunden ihre Nachfrage verlagern und Alternativen stärken ihre Verhandlungsmacht. In China begrenzen US-Ausfuhrbeschränkungen den Zugang zu leistungsfähigen KI-Chips. Wer die Technik nicht oder nur unter Auflagen beziehen kann, hat einen zusätzlichen Anreiz, eigene Alternativen aufzubauen. Nvidia warnt selbst vor solchen Folgen und verweist darauf, dass die chinesische Regierung Unternehmen zum Kauf heimischer Produkte drängt. Selbst bei weiter wachsendem KI-Markt garantiere dies dem Konzern weder seinen heutigen Einfluss noch dauerhaft hohe Preise.

Staaten und Industrieunternehmen werden als Großkunden strategisch interessant, da sie komplette Systeme benötigen, deren eigene Chipentwicklung die wenigsten stemmen können. Nvidias Finanzchefin Colette Kress beschrieb im August gegenüber Investoren einen großen Markt jenseits der Cloud-Konzerne: „Kunden, die kein Interesse daran haben, eigene Chips zu entwickeln“. Ihnen will Nvidia die vollständige technische Plattform liefern. Dieses Geschäft nennt Nvidia „Sovereign AI“. Im Februar bezifferte Kress den Umsatz dieser Kategorie für das Ende Januar abgeschlossene Geschäftsjahr auf mehr als 30 Milliarden Dollar, über dreimal so viel wie im Vorjahr. Bei einem Gesamtumsatz von 215,9 Milliarden Dollar entfielen daraufhin mindestens rund 14 Prozent auf diesen Bereich.

Nationale Partner vermitteln den Zugang zu diesem Markt. Im August erläuterte das Management von Nvidia, Staaten könnten regionalen Cloud-Anbietern Grundstücke und Strom zugänglich machen, die sie ausländischen Großkonzernen so nicht gewährten. In Deutschland betreibt die Telekom die Münchner KI-Cloud und bietet deren Rechenleistung Unternehmen, Forschung und Verwaltung an. SAP liefert darauf aufbauend Software und Anwendungen. Diese Unternehmen verfolgen eigene Geschäfte; der technische Unterbau der Rechenanlage stammt jedoch von Nvidia. Darin liegt die politische Ökonomie des Souveränitätsversprechens: Nationale Regierungen wollen eigene KI-Kapazitäten aufbauen und heimische Unternehmen stärken. Nvidia kann diese Standortpolitik nutzen, um seine Plattform zu verbreiten. Die Konkurrenz zwischen Ländern schafft weitere Absatzmöglichkeiten für denselben Anbieter.

Die deutsche Seite kann dabei durchaus gewinnen, riskiert aber auch neue Abhängigkeiten. Der Münchner KI-Forscher Björn Ommer betont den Handlungsspielraum durch selbst betriebene Recheninfrastruktur. Holger Hoos, KI-Professor an der RWTH Aachen, warnt zugleich davor, Europa dauerhaft auf Anwendungen fremder Basistechnologie zu beschränken. Der Forschungsverbund Sovereign Open Source Foundation Models (SOOFI) zeigt, wie eigener Kompetenzaufbau mit der Nutzung fremder Technik verbunden ist. In diesem geförderten Projekt entwickeln deutsche Forschungseinrichtungen und Unternehmen offene KI-Modelle. Das erste nutzt einen von Nvidia veröffentlichten Bauplan und wurde in der Münchner KI-Cloud der Telekom trainiert. Das Konsortium entwickelt eigene Trainingsverfahren und erforscht eigene Modellarchitekturen, greift aber bislang auf Nvidias Bauplan und Rechentechnik zurück.

Nvidias Lizenz für seine offenen KI-Modelle erlaubt unter Bedingungen kommerzielle Nutzung, Bearbeitung und Weitergabe. Das klingt großzügig, kann sich für den Konzern aber trotzdem rechnen: Eine breitere Nutzung dürfte die Nachfrage nach seiner Rechentechnik vergrößern. Denn die Erlaubnis, ein Modell zu verändern, beseitigt noch lange nicht die technischen Hürden beim Wechsel der Chips. So berichten Meta und AMD in einer im Oktober veröffentlichten Studie über die Übertragung von Trainingsaufgaben auf AMD-Prozessoren: Auf Nvidia zugeschnittene Rechenabläufe mussten für die andere Hardware angepasst werden, um deren Leistung auszuschöpfen. Solche Entwicklungsarbeit kostet Zeit und Geld, auch wenn die Nutzung eines Modells lizenzrechtlich erlaubt ist.

Was der Staat für die Kooperation bezahlt und erhält, bleibt unklar. Die Regierungsmitteilung nennt keine Fördersumme. Das ZDF berichtete unter Berufung auf das Handelsblatt über einen dreistelligen Millionenbetrag, unter anderem für gemietete Rechenleistung. Davon zu unterscheiden sind die bereits 2025 von Telekom und Nvidia als privatwirtschaftlich angekündigte Milliardenpartnerschaft und die Förderung von SOOFI mit rund 20 Millionen Euro. Wie viel Eigenständigkeit daraus entsteht, entscheidet sich an den Nutzungsrechten für die Modelle, dem Zugang zur Infrastruktur und den Kosten eines Anbieterwechsels.

Eine Software auf anderer Hardware zu erproben und anzupassen, erfordert Geld und Fachkenntnisse. Fehlen diese, bleibt ein Wechsel auch bei weitreichenden Lizenzrechten wirtschaftlich unattraktiv. Aus der öffentlichen Ankündigung geht nicht hervor, wie solche Wechselmöglichkeiten abgesichert werden. Der Aufbau deutscher Rechenkapazität allein beantwortet diese Frage nicht.

Was in der Regierungsmitteilung komplett fehlt, sind die Interessen der Beschäftigten. Dabei gehört ihr Erfahrungswissen zu den zentralen Ressourcen industrieller KI. Im Mercedes-Werk Berlin-Marienfelde bringen erfahrene Beschäftigte dem Roboter Apollo ihre Arbeitsabläufe bei. Sie steuern aus der Ferne, damit er ihre Arbeiten später selbstständig erledigen kann. Auch der Autozulieferer Schaeffler lässt in Deutschland Roboter für den Fabrikeinsatz üben. Sie lernen Arbeitsabläufe aus den Werken, indem sie diese nachahmen und immer wieder ausführen.

Das Wissen von menschlichen Fachkräften, Arbeiterinnen und Arbeitern, wird so für Systeme nutzbar gemacht, über deren Einsatz Unternehmen entscheiden. Das kann Beschäftigte entlasten, es kann aber auch Tätigkeiten ersetzen, die sie den Maschinen selbst beigebracht haben – und sie als Arbeitskräfte überflüssig machen. Aus ihrer Erfahrung wird ein privat verwertbares Produktionsmittel. Ist die dauerhafte Verwertung dieses Wissens mit dem normalen Arbeitslohn angemessen vergütet? Ist das ein Tausch oder eine neue „Landnahme“ privaten Kapitals?

Technologische Eigenständigkeit deutscher Unternehmen kann so mit einem Verlust an Verfügungsmacht ihrer Beschäftigten einhergehen. In die öffentliche Debatte über KI-Souveränität gehört deshalb auch die Frage, wem das digitalisierte Erfahrungswissen gehört – und wer über seinen Einsatz und die Erträge entscheidet. Beim ersten „Invest in Germany Summit“ warb die Bundesregierung um 200 internationale Investoren, Amazon sagte über 16 Milliarden Euro zu.

L.Johnson--ThChM