Nvidia priorisiert KI-Chips – Gamer gehen leer aus

Knappe Speicher- und Verpackungskapazitäten zwingen Nvidia, die Fertigung hochprofitabler KI-Beschleuniger auf Kosten von Consumer-Grafikkarten auszuweiten. Die Produktion von Gaming-GPUs könnte um bis zu 40 Prozent sinken.

Engpässe bei Speicher und Verpackung zwingen Nvidia zu einer harten Entscheidung: Die Produktion hochprofitabler KI-Beschleuniger wird auf Kosten von Gaming-Grafikkarten ausgebaut. Neue Architekturen wie Rubin könnten sich verzögern, während interne Entwicklungsteams um die knappen Chips konkurrieren müssen.

Strategische Wende: KI vor Gaming

Die Lage ist eindeutig: Der Mangel an fortsrittlichen Verpackungskapazitäten (CoWoS) und Hochleistungsspeichern (HBM4, GDDR7) zwingt Nvidia zum Handeln. Das Unternehmen lenkt knappe Ressourcen gezielt in sein profitables Data-Center-Geschäft. Die Konsequenz? Die Produktion von Gaming-GPUs könnte im laufenden Geschäftsjahr um 30 bis 40 Prozent gekürzt werden.

Anzeige

Während Nvidia die Hardware für den weltweiten KI-Boom liefert, stehen Unternehmen vor der Herausforderung, diese Technologie rechtssicher einzusetzen. Dieser kostenlose Leitfaden bietet Ihnen einen kompakten Überblick über alle Anforderungen und Fristen der neuen EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen: Jetzt kostenlosen Ratgeber sichern

Diese strategische Verschiebung spiegelt sich in den Zahlen wider. Während der Gaming-Bereich 2022 noch über ein Drittel des Umsatzes ausmachte, trägt er Anfang 2026 nur noch rund 8 Prozent bei. Der Grund sind die Margen: Bei KI-Chips liegen sie bei schätzungsweise 65 Prozent, bei Consumer-Grafikkarten nur bei etwa 40 Prozent. Bereits im Februar räumte Finanzchefin Colette Kress ein, dass die Lieferengpässe das gesamte erste Halbjahr 2026 belasten werden.

Interne Entwicklung im Chip-Hunger

Der Engpass trifft nicht nur Kunden, sondern auch Nvidias eigene Ingenieure. Für die Entwicklung künftiger Architekturen wie Rubin und Feynman sind die Teams auf die aktuellen Blackwell-GPUs angewiesen. Bei Knappheit müssen sie mit zahlungskräftigen Hyperscale-Kunden wie Cloud-Anbietern um dieselbe Hardware konkurrieren.

Die Situation wird durch ausgebuchte Verpackungskapazitäten bei Partner TSMC verschärft. Zwar verdreifacht TSMC seine CoWoS-Kapazität und soll bis Jahresende 120.000 bis 130.000 Wafer monatlich liefern können. Die Nachfrage von Nvidia, Broadcom und Google übertrifft dieses Angebot jedoch bei Weitem. Für interne, nicht umsatzgenerierende Projekte bleibt kaum etwas übrig.

Wettbewerb und Marktkontext

Während Nvidia mit Engpässen kämpft, prescht die Konkurrenz vor. Intel brachte Ende Januar seine Panther Lake-Prozessoren auf den Markt – gefertigt im hauseigenen 18A-Prozess. Damit will der Chip-Riese Nvidias Dominanz im KI-PC-Markt herausfordern.

Dennoch bleiben Analysten Nvidia gegenüber äußerst optimistisch. J.P. Morgan bekräftigte Mitte März eine Kaufempfehlung und verwies auf Bestellungen im Wert von über einer Billion US-Dollar für Blackwell- und Rubin-Systeme bis 2027. Die aktuellen Lieferprobleme werden nicht als Schwäche, sondern als Zeichen eines strukturellen, nachhaltigen Nachfragebooms gewertet.

Anzeige

Der rasante technologische Fortschritt bei KI-Systemen bringt nicht nur Chancen, sondern auch neue gesetzliche Dokumentationspflichten für Firmen mit sich. Erfahren Sie in diesem kostenlosen E-Book, welche Risikoklassen die EU-KI-Verordnung definiert und wie Sie Ihr Unternehmen rechtlich absichern. Kostenlosen Umsetzungsleitfaden zum EU AI Act hier herunterladen

Analyse: Ein neuer Typ von Engpass

Die Krise von 2026 unterscheidet sich grundlegend von der GPU-Knappheit 2021/22, die von Foundry-Kapazitäten und Kryptowährungsspekulationen getrieben war. Heute ist es ein „Memory-First“-Engpass: Hochbandbreiten-Speicher (HBM) und GDDR7 sind der limitierende Faktor für das Skalieren von KI-Infrastruktur.

Da KI-Workloads pro GPU deutlich mehr Speicher benötigen als Grafikaufgaben, priorisiert die Speicherindustrie die HBM-Produktion. Das treibt auch die Preise für Consumer-Speicher in die Höhe. Für Nvidia ist die Rechnung einfach: Wenn nur eine begrenzte Anzahl Systeme gebaut werden kann, müssen es die leistungsstärksten und profitabelsten sein.

Dies erklärt auch Gerüchte über Verschiebungen oder Streichungen der RTX-50-Super-Serie. Durch Fokus auf die Top-Modelle RTX 5090 und 5080, die Speicherkomponenten mit Data-Center-Produkten teilen, maximiert Nvidia den Ertrag pro Speichermodul. Doch die Strategie birgt Risiken: Sie könnte die Gaming-Community verprellen und Wettbewerbern mit besserem Zugang zu etablierten Lieferketten Tür und Tor öffnen.

Ausblick: Hochriskante Exzellenz

Das zweite Halbjahr 2026 wird für Nvidia zur Bewährungsprobe. Das Unternehmen bestätigt, dass die Rubin-Plattform in Produktion ist. Partnerprodukte sollen in der zweiten Jahreshälfte verfügbar sein. Cloud-Anbieter wie AWS, Microsoft Azure und Google Cloud werden voraussichtlich die ersten sein, die Instanzen mit der neuen Vera-CPU und Rubin-GPU anbieten.

Intern setzt Nvidia auf seine RAS-Engine (Reliability, Availability, Scalability) in der Rubin-Architektur. Sie ermöglicht System-Überwachung und Selbstreparatur, soll die effektive Ausbeute verbessern und Testausfälle reduzieren.

Erst gegen Jahresende, wenn die Produktion von GDDR7 und HBM4 hochgefahren wird, könnte sich das extreme Missverhältnis zwischen Angebot und Nachfrage langsam entspannen. Bis dahin müssen sich sowohl Entwickler als auch Verbraucher auf weiterhin hohe Preise und eine klare Priorisierung der Spitzenprodukte einstellen. Die Branche wird genau beobachten, ob Nvidia den Übergang zur Rubin-Ära meistert, ohne in einem immer volleren und ressourcenknappen KI-Markt an Schwung zu verlieren.