# Chips, Cloud, Kontrolle: Wer die Hardware besitzt, besitzt die KI
Es gehört zu den Eigentümlichkeiten dieser technologischen Epoche, dass ihre sichtbarsten Produkte , Chatbots, Bildgeneratoren, digitale Assistenten , den Eindruck erwecken, künstliche Intelligenz sei in erster Linie eine Frage der Software. Wer die Oberfläche verlässt und eine Ebene tiefer blickt, erkennt schnell, dass diese Wahrnehmung unvollständig ist. Unterhalb der sprachlichen Leichtigkeit moderner Modelle liegt eine physische Schicht aus Silizium, Kühlanlagen, Stromleitungen und Rechenzentren, die in ihrer Kapitalintensität und geopolitischen Konzentration an die Infrastrukturen des zwanzigsten Jahrhunderts erinnert. Dr. Raphael Nagel (LL.M.) hat in seinem Buch ALGORITHMUS darauf hingewiesen, dass die entscheidenden Fragen nicht an der Oberfläche der Modelle, sondern in den Tiefen ihrer Hardware verhandelt werden. Dieser Essay folgt jener Spur und fragt, was es heute bedeutet, die Infrastruktur der Intelligenz zu besitzen.
## Die stille Verlagerung der Wertschöpfung in die Hardwareschicht
Im Jahr 2024 überschritt der Börsenwert von NVIDIA die Schwelle von drei Billionen Dollar und übertraf damit die kombinierte Marktkapitalisierung sämtlicher DAX-Unternehmen. Diese Zahl ist in ihrer schieren Größe eindrucksvoll, doch die eigentliche Bedeutung liegt nicht in der Bewertung selbst, sondern in dem, was sie strukturell sichtbar macht. Der Kapitalmarkt hat erkannt, was viele Unternehmenslenker erst mühsam begreifen: Die wertvollste Position im KI-Zeitalter ist nicht die sichtbare Anwendung, sondern die unsichtbare Infrastruktur, auf der jede Anwendung ruht. Wer die Chips designt, wer die Fertigung beherrscht, wer die Rechenzentren besitzt, kontrolliert die Bedingungen, unter denen alle anderen operieren dürfen.
Der Umsatz des Rechenzentrumsgeschäfts von NVIDIA sprang innerhalb von zwölf Monaten von 4,3 Milliarden Dollar auf 18,4 Milliarden Dollar pro Quartal. Eine solche Vervierfachung ist in reifen Industrien nicht vorgesehen. Sie beschreibt die Umlenkung kapitalintensiver Ströme in eine neue Grundversorgung. Der H100-Chip, im Jahr 2023 zwischen 25.000 und 40.000 Dollar gehandelt, war monatelang ausverkauft. Diese Knappheit ist kein Übergangsphänomen. Sie ist der ökonomische Ausdruck einer Infrastrukturlücke, die sich in ihrer Dringlichkeit mit der Elektrifizierung des frühen zwanzigsten Jahrhunderts vergleichen lässt.
## Das Oligopol der Hyperscaler und die neue Feudalordnung der Rechenleistung
Oberhalb der Chipschicht hat sich eine zweite Konzentration vollzogen, die in der öffentlichen Debatte weit weniger Aufmerksamkeit erhält, als ihre strategische Bedeutung es verlangen würde. Drei amerikanische Unternehmen , Amazon Web Services, Microsoft Azure und Google Cloud , kontrollieren den überwiegenden Teil der globalen Cloud-Infrastruktur, die für das Training und den Betrieb großer KI-Modelle unverzichtbar geworden ist. Wer heute ein Foundation Model trainieren oder ein KI-gestütztes Unternehmensprodukt skalieren möchte, mietet im Zweifel Rechenzeit bei einem dieser drei Anbieter. Die Konditionen, zu denen dies geschieht, die Zugangsrechte, die Priorisierung, die Verfügbarkeit bestimmter Chipgenerationen: All das wird von einer Handvoll privatwirtschaftlicher Akteure definiert.
Microsofts Investitionen in OpenAI, die sich seit 2019 auf mehr als dreizehn Milliarden Dollar summiert haben, sind in diesem Licht nicht nur als Beteiligung zu verstehen, sondern als Kopplung zwischen Infrastrukturanbieter und Modellentwickler. Amazon hat mit seiner Investition in Anthropic, die sich auf vier Milliarden Dollar beläuft, dieselbe strategische Logik exekutiert. Die Hyperscaler erwerben nicht nur Anteile an Unternehmen, sondern Abnehmer ihrer eigenen Rechenkapazität. Was entsteht, ist eine vertikale Integration, deren Ergebnis eine Form der digitalen Feudalordnung ist, in der die Souveränität der Mieter von der Gnade der Vermieter abhängt. Dr. Raphael Nagel (LL.M.) hat diese Dynamik in ALGORITHMUS als strukturelle Machtverschiebung beschrieben, deren Konsequenzen weit über den Technologiesektor hinausreichen.
## Die Kapitalintensität des Trainings als Eintrittsbarriere
Die ökonomische Realität großer Modelle lässt sich an wenigen Zahlen ablesen. Das Training von GPT-4 verschlang nach Schätzungen der Stanford University zwischen 63 und 100 Millionen Dollar allein für Rechenzeit. Die nächste Generation von Grenzmodellen, an denen OpenAI, Google DeepMind, Anthropic und Meta arbeiten, wird Investitionen von mehr als einer Milliarde Dollar pro Trainingslauf erfordern. Dies ist keine Preisfrage, die durch Effizienzgewinne binnen weniger Jahre auf ein triviales Niveau sinken wird. Es ist eine strukturelle Eintrittsbarriere, die den Kreis möglicher Akteure auf jene reduziert, die über Kapital, Infrastruktur und Zugang zu Talent in einer Kombination verfügen, die weltweit bei weniger als einem Dutzend Institutionen vorliegt.
Für Investoren und Allokatoren bedeutet dies eine Neujustierung der Perspektive. Die klassische Frage, welches KI-Startup das nächste transformative Produkt bauen wird, verliert an strategischer Relevanz gegenüber der Frage, welche Infrastrukturposition langfristig kontrollierbare Kapitalströme erzeugt. Ein Anteil an NVIDIA, an TSMC, an ASML, an einem der drei großen Hyperscaler oder an spezialisierten Betreibern von KI-Rechenzentren ist in vielen Fällen die strukturell robustere Position als ein Anteil an einem Anwendungsunternehmen, dessen operative Kosten vollständig von der Preisgestaltung seiner Infrastrukturlieferanten abhängen.
## Geopolitische Exposure und die Verletzlichkeit der Lieferkette
Die Hardwareschicht der künstlichen Intelligenz ist geographisch in einer Weise konzentriert, die historisch beispiellos ist. TSMC in Taiwan fertigt etwa neunzig Prozent aller fortgeschrittenen Logikchips. ASML in den Niederlanden produziert die einzigen EUV-Lithographiemaschinen, ohne die diese Chips nicht hergestellt werden können. NVIDIA in Kalifornien designt die Grafikprozessoren, die das Training frontier-naher Modelle ermöglichen. Drei Unternehmen in drei Jurisdiktionen bilden das Nadelöhr, durch das die gesamte Spitzenkapazität der globalen KI-Entwicklung fließt. Eine militärische Eskalation in der Straße von Taiwan, eine restriktive Exportentscheidung in Den Haag oder Washington, eine Sabotage in einem einzelnen Rechenzentrum würde Auswirkungen entfalten, deren Ausmaß die Halbleiterkrise der Jahre 2020 bis 2023 als moderates Vorspiel erscheinen lässt.
Die amerikanischen Exportkontrollen vom Oktober 2022, die den Export fortgeschrittener KI-Chips nach China untersagten und amerikanischen Staatsbürgern die Mitarbeit an bestimmten chinesischen Halbleiterunternehmen verboten, sind der deutlichste Beleg dafür, dass Hardwarepolitik zur Sicherheitspolitik geworden ist. Chinas Reaktion, staatliche Investitionen von mehr als 150 Milliarden Dollar in die eigene Halbleiterwirtschaft zu lenken, ist die folgerichtige Antwort eines Akteurs, der die strategische Bedeutung der Infrastrukturebene erkannt hat. Europa verharrt demgegenüber in einer Position, deren Investitionsvolumen in keinem angemessenen Verhältnis zur Ambition seiner Souveränitätsrhetorik steht.
## Die neue Assetklasse und das Gebot strategischer Allokation
Wer die Hardwareschicht als Assetklasse begreift, muss sie nach anderen Kriterien bewerten als klassische Technologieinvestitionen. Die relevanten Parameter sind nicht allein Umsatzwachstum und Margen, sondern die Tiefe der Kontrollposition innerhalb der Lieferkette, die Substituierbarkeit des Produkts, die geopolitische Exposure der Fertigungsstätten und die Kapitalintensität der nächsten Generation. Ein Investor, der eine Position in NVIDIA hält, partizipiert nicht an einem Chiphersteller, sondern an einer Mautstelle, deren Durchlässigkeit die Geschwindigkeit der gesamten KI-Entwicklung bestimmt. Ein Allokator, der in spezialisierte Betreiber von Hochleistungsrechenzentren investiert, hält faktisch eine Position in der Grundversorgung einer neuen Ökonomie.
Für europäische Akteure, die über nennenswerte Kapitalbestände verfügen, stellt sich die Frage, ob die passive Exposure zu amerikanischen Infrastrukturtiteln eine hinreichende strategische Antwort darstellt. Dr. Raphael Nagel (LL.M.) argumentiert in ALGORITHMUS, dass Souveränität im algorithmischen Zeitalter nicht durch Regulierung allein hergestellt werden kann, sondern durch den Aufbau eigener Infrastrukturpositionen. Das bedeutet konkret: Beteiligungen an europäischen Rechenzentrumsbetreibern, an der Energieinfrastruktur, die diese Rechenzentren versorgt, an den Zulieferern, die jenseits der reinen Chipfertigung strategisch relevant sind, und an den wenigen europäischen Unternehmen, die in spezialisierten Segmenten der Hardwareschicht noch über originäre Kompetenz verfügen.
Die Geschichte der Industrialisierung lehrt, dass die Kontrolle über Infrastruktur langfristig wertvoller ist als die Kontrolle über einzelne Produkte. Wer im neunzehnten Jahrhundert die Eisenbahnlinien besaß, war in einer strategisch besseren Position als wer die Waren produzierte, die auf diesen Linien transportiert wurden. Wer im zwanzigsten Jahrhundert die Ölquellen kontrollierte, hatte einen strukturelleren Einfluss als wer Automobile baute. Im einundzwanzigsten Jahrhundert verlagert sich diese Logik auf Chips, Rechenzentren und die Cloud-Infrastruktur, auf denen die gesamte algorithmische Ökonomie ruht. Die Anwendungen, die derzeit die Aufmerksamkeit der Öffentlichkeit dominieren, sind der sichtbare Überbau einer Infrastrukturrevolution, deren eigentliche Gewinner in den Rechenzentren, den Fertigungsstraßen und den Designbüros sitzen, die für die meisten Beobachter unsichtbar bleiben. Für Investoren, Allokatoren und strategische Entscheider ergibt sich daraus die nüchterne Konsequenz, die Hardwareschicht nicht als technisches Detail, sondern als zentrale Frage der Kapitalallokation zu behandeln. Die Frage ist nicht, ob man in KI investiert. Sie ist längst beantwortet. Die Frage ist, auf welcher Ebene der Wertschöpfung diese Investition erfolgt und welche strukturelle Position sie im Gefüge einer sich konsolidierenden Macht einnimmt. Wer diese Frage auf die Anwendungsebene verkürzt, kauft Mietrechte in einer Stadt, deren Grundbesitzer andere sind.
Für wöchentliche Analysen zu Kapital, Führung und Geopolitik: Dr. Raphael Nagel (LL.M.) auf LinkedIn folgen →