Die Einführung von generativer KI (GenAI) hat die IT-Branche in einer Weise transformiert, die selten in der Geschäftsgeschichte vorkommt: Sie hat den Marktpool fast verdoppelt und birgt die Aussicht, ihn in den nächsten Jahren zu verdreifachen. Dieser technologische Sprung stellt eine zweite Welle der Rechenleistung dar, die viele Funktionen der klassischen IT-Infrastruktur überlagert oder ersetzt. Die Frage ist, ob sich dieser Boom nur an den etablierten Tech-Riesen wie Nvidia, Amazon, Google und Meta festigt – oder ob er eine wahre Diversifikation im AI-Ökosystem auslöst, eine Art „Cambrian-Ausbruch“ von Anbietern. Obwohl der Markt reich an Investitionen ist – sowohl aus Venture-Capital als auch aus privaten Equity-Fonds –, wird sich die Realität durch wirtschaftliche Druck auskristallisieren: Nur wenige Plattformen werden langfristig überleben. Die Herausforderung liegt dabei weniger in der Technologie selbst, sondern in der Skalierung, den Ressourcen und der Integration in bestehende, hochgradig vertikal integrierte Systeme. Während die USA derzeit dominieren, insbesondere durch die Architektur- und Kapazitätsüberlegenheit von Nvidia und deren CUDA-X-Ökosystem, wächst weltweit der Druck auf nationale Souveränität in Sachen Daten- und Rechenkraft. Länder außerhalb der USA setzen zunehmend auf lokale Chips und Systeme, um Abhängigkeiten zu vermeiden, besonders im Hinblick auf Sicherheits- und Lieferkettenrisiken. Chinas Strategie basiert auf Volumenproduktion mit SMIC-Chips und Alternativen zu hochwertigem Speicher – etwa durch gestapelte LPDDR oder neuartige HBM3E-Designs. Doch auch hier wird die Innovation durch Skalierung und Kosteneffizienz getrieben. Wichtiger als die rein technische Entwicklung ist die Frage der Skalierung. Hyperscaler wie Meta, Amazon, Google und Microsoft können eigene CPUs und AI-XPUs entwickeln, weil sie über die nötigen Ressourcen, Finanzkraft und Datenzentrenvolumina verfügen. Sie agieren wie frühere proprietäre Systemanbieter – IBM, Sun, HP – und bauen integrierte Hardware-Software-Stacks. Die meisten neuen AI-Plattformen haben nur eine Chance, wenn sie in solche Systeme eingebunden werden, sei es über Open Compute oder direkte Kooperationen. Die wahren Engpässe liegen nicht bei Chip-Wafern, sondern bei HBM-Speicher, fortschrittlicher Verpackung (wie CoWoS-L) und Energieversorgung. Trotz der Dominanz von Nvidia und AMD treiben Unternehmen wie OpenAI (mit dem Titan-Chip), Meta (mit RISC-V-Interessen), Tesla und SpaceX (mit Dojo) eigene Entwicklungen voran – oft als Verhandlungsspielraum, um günstigere GPUs zu erhalten. Diese Dynamik zeigt, dass Kooperation und Konkurrenz nebeneinander existieren. Die Zukunft liegt in der Differenzierung: Entweder durch bahnbrechende Modelle oder durch neuartige XPU-Architekturen, die kostengünstiger, energieeffizienter oder spezialisierter sind. Obwohl die Hürden hoch sind, bleibt die Hoffnung, dass innovative Start-ups mit spezifischen Ansätzen – etwa in der inferenzoptimierten Architektur oder neuartigen Speichertechnologien – den Markt verändern können. Industrieexperten sehen eine Mischung aus Konsolidierung und Innovation: Während die Großen durch Skalierung und Integration dominieren werden, bleibt Raum für Nischenlösungen, die durch Effizienz oder spezifische Anwendungsfälle überleben. Die entscheidende Frage ist, ob die Regulierung – etwa durch die Forderung nach bug-for-bug-kompatiblen Klonen oder offenen Standards – die Monopolstellung von Nvidia brechen kann. Solange die Nachfrage nach Rechenleistung weiter steigt, wird die Innovationsdynamik bestehen bleiben.