SemiAnalysis analysiert die Rechenleistungs-Krise: OpenAI und Anthropic sichern sich weltweit neue Rechenkapazität

Am 3. November hielt Dylan Patel, Gründer und CEO des Halbleiterforschungsunternehmens SemiAnalysis, auf der Konferenz Runtime 2026 eine Rede zu Rechenleistung, Kapital und den wirklichen Lieferanten.

Er erklärte, dass OpenAI und Anthropic erhebliche Mengen an Rechenleistung reservieren – beide Unternehmen machen 25–40 % der neuen Rechenleistung für 2027 aus. Unter Nachfragedruck stieg der einjährige Vertragspreis für Nvidia-H100-Data-Center-Chips von einem Tiefststand von 1,70 $ pro Stunde im vergangenen Oktober auf rund 2,80 $. Für andere Unternehmen bedeutet bezahlbare Rechenleistung nicht zwangsläufig deren Verfügbarkeit.

Auch die Finanzierung ist knapp: In den letzten zwei Monaten stiegen die US-Treasuriesätze stark an; die 10-Jahres-Rendite überstieg Anfang Oktober 5 %, was es für neu entstehende Cloud-Anbieter, die auf Fremdkapital für Rechenzentren angewiesen sind, zunehmend schwerer macht, Mittel zu beschaffen.

Diese Rede fand eine Woche nach der öffentlichen Einreichung des S-1-Formulars durch Anthropic statt, nachdem der Markt gerade die Rechenleistungs-Kapazitäten eines führenden Labors gesehen hatte. Patel erwähnte, dass Nvidia etwa 6,5 Gigawatt Rechenleistung unterstützt – doch das sei nur ein kleiner Teil der neuen Rechenleistung vor 2030, die er als „Tropfen auf den heißen Stein“ bezeichnete.

01 Großteil der neuen Rechenleistung wird von zwei Labs reserviert

Die Knappheit an Rechenleistung resultiert aus der Konzentration der Käufer. Die globale Rechenleistung wächst rasant: Etwa 60 Gigawatt bis Ende 2024, über 100 Gigawatt bis Jahresende – fast eine Verdoppelung innerhalb von zwei Jahren. Patel erklärte:

„Bis Ende 2024 werden weltweit 60 Gigawatt Rechenleistung verfügbar sein, bis Jahresende über 100 Gigawatt – nahezu eine Verdoppelung in zwei Jahren.“

Die größten Käufer dieser zusätzlichen Leistung sind OpenAI und Anthropic. Ihre gemeinsame Rechenleistung betrug Ende letzten Jahres etwa 4 Gigawatt, dieses Jahr rund 10 Gigawatt und soll nächstes Jahr 20 Gigawatt überschreiten. Aufgeschlüsselt nach Zuwächsen sollen beide Unternehmen 2027 etwa 12 Gigawatt hinzufügen, während der weltweite Zuwachs dieses Jahres bei etwa 40 Gigawatt liegt – also ca. 30 %. Patel prognostiziert für 2028 einen jährlichen Bedarf von rund 30 Gigawatt allein durch KI-Labs.

Patel schätzte:

„Sie nehmen 25 %, 30 % oder 40 % der neuen Rechenleistung in Anspruch.“

„Mit dem Launch von Claude Code stiegen die Umsätze von OpenAI und Anthropic Ende letzten Jahres sprunghaft – sie kauften daraufhin massiv Rechenleistung; auch Meta begann aggressiv zuzukaufen.“

„Für viele Menschen ist der Kauf von Rechenleistung bereits unmöglich.“

Ein weiterer wichtiger Aspekt: Diese Rechenleistung dient vorwiegend dem Training, nicht der Nutzerbedienung (Inference). Patel erläuterte, dass Anthropic derzeit 4 Gigawatt nutzt, aber nur etwa 1 Gigawatt davon für den gesamten Betrieb von Claude Code verwendet wird; der für Inference benötigte Aufwand sei „überraschend gering“ im Vergleich zum Training. Das heißt: Selbst bei stabilisierter Nutzernachfrage bleibt das Budget für das Training neuer Modelle ein kontinuierlicher Chip-Verbraucher.

02 Vermarktung von Inference für Open-Source-Modelle ist hochprofitabel und treibt Mietpreise nach oben

Bei mehr Käufern steigen die Preise. Patel glaubt, ein weiterer Treiber für die steigenden Mietpreise sei die hohe Profitabilität des Geschäfts mit Token-Verkäufen (Maßeinheit für Modellausgaben), wodurch deutlich mehr Interessenten bereit sind, GPUs zu hohen Preisen zu mieten – nicht nur die beiden Labore.

Er stellte Berechnungen auf Basis von Megawatt an: Der Bau eines B300-Clusters inklusive Bau- und fünfjähriger Betriebskosten beläuft sich auf rund 9 Mio. USD pro Jahr; die Miete bei Cloud-Anbietern kostet „wenn Sie 14 Mio. USD pro Jahr bekommen, können Sie sich glücklich schätzen.“ Umgekehrt erzielt die Nutzung dieser Megawatt-Rechenleistung für das Open-Source-Modell DeepSeek V4.1 Flash bei einer Auslastung von 60 % einen Jahresumsatz von ca. 70 Mio. USD. Das bedeutet: Selbst bei einer Mietpreiserhöhung um 50 % gegenüber Eigenbau-Kosten liegt der Umsatz aus Inferenzverkäufen immer noch fünfmal über den Mietkosten. (Die 70 Mio. USD sind Umsatz, ohne Personal- und sonstige Kosten.) Er sagte:

„Selbst bei nur 30 % Auslastung verdienen Sie immer noch absurde Summen.“

„Ich kenne Dutzende Menschen, deren Geschäft darin besteht, GPUs zu mieten und Inferenzleistungen zu verkaufen – und sie haben viel Geld verdient.“

Diese Berechnung basiert auf dem von SemiAnalysis open-source veröffentlichten InferenceX-Benchmark, nutzt herunterladbare Container und lediglich zwei Open-Source-Inferenz-Softwaren (vLLM und SGLang), mit einem Team aus „nur vier Ingenieuren“, ohne spekulative Decodierung oder weitere Optimierung.

Die Preisdaten bestätigen diese Logik. Patel zufolge war letzter Oktober der Tiefststand: H100 lag bei etwa 1,70 USD, der niedrigste gefundene Preis bei 1,45 USD; aktuell bewegen sich Transaktionspreise zwischen 2,40 und 3,20 USD, mit einem Median von 2,80 USD:

„Hätten Sie vor zwei Jahren zu diesem Preis unterschrieben, hätten Sie als verrückt gegolten; heute stürzen sich alle darauf, Verträge in diesem Bereich abzuschließen.“

Der eigene Ein-Jahres-Vertragsindex von SemiAnalysis lag bereits im März dieses Jahres bei 2,35 USD, und die Angebotspreise von Anbietern wie Nebius stiegen im Oktober weiter an. Leser sollten beachten, dass Patel erwähnte, SemiAnalysis betreibe auch Rechenleistungsvermittlung – daher kennt es echte Transaktionspreise, was jedoch auch einen Interessenkonflikt widerspiegelt.

Seine Prognose für die nächsten Schritte lautet:

„Wenn H100 über 3 USD und B300 über 7 USD steigt, würde mich das nicht überraschen.“

Für Käufer ist sein Rat direkter:

„Falls Sie eine B300 für 6 USD pro Stunde finden, sollten Sie sofort unterschreiben und Token verkaufen. Dieser Preis ist absurd – aber die richtige Entscheidung.“

Das Hindernis: Cloud-Anbieter verlangen Vorauszahlung – besonders für Startups eine große Hürde: Ein-Jahres-Verträge sind schwer zu erhalten, und Startups können oft nicht garantieren, dass sie in zwölf Monaten noch existieren. Bei Closed-Source-Modellen erwähnte er, Anthropics Einnahmen aus der Bereitstellung von Fable und Opus 5.5 „überstiegen 100 Mio. USD“, basierend auf Unterlagen, die während des IPO-Prozesses Investoren vorgelegt wurden – obwohl die Aufzeichnung die Einheit nicht nennt; aus dem Kontext ergibt sich jedoch ein jährlicher Umsatz pro Megawatt.

03 Selbst bei bezahlbarer Rechenleistung liefern Cloud-Anbieter möglicherweise nicht

Die Miete von Rechenleistung ist nur der erste Schritt; die tatsächliche Nutzbarkeit des Clusters bestimmt letztlich seinen Wert. SemiAnalysis führte die Bewertung ClusterMAX durch, prüfte 323 Cloud-Anbieter und bewertete 77 davon – 19 erhielten Auszeichnungen (Medaillen).

Patel zufolge sind CoreWeave und Nebius die besten – beide weisen jedoch eine sehr schlechte Verfügbarkeit auf:

„Sie verkaufen Ihnen für die nächsten sechs Monate keine Rechenleistung; sie ist ausverkauft. Nebius verlangt eine Vorauszahlung für ein ganzes Jahr oder sechs Monate, und die Preise sind völlig überhöht – doch das ist der einzige Weg, bei ihnen Rechenleistung zu erhalten.“

Oracle und Google wurden ebenfalls hoch eingestuft; Google verbesserte sich von Bronze im ersten Durchgang. Mehr Anbieter wurden herabgestuft: Mit strengeren Bewertungsmaßstäben fiel Azure auf Silber, Together und AWS auf Bronze, und Crusoe wurde ebenfalls herabgestuft. AWS-Probleme sind eher erfahrungsbezogen:

„Um einen Cluster zu erhalten, muss man mit rund zehn Personen verhandeln – und das dauert lange; außerdem ist das Netzwerk etwas schwer zu verwalten.“

Das gravierendste Problem bei der Bewertung war die Sicherheit. SemiAnalysis ermöglichte es KI-Modellen, diese Clouds anzugreifen:

„Einige Schwachstellen sind bereits öffentlich im Internet bekannt, und die Modelle können sie direkt finden und ausnutzen, um dann auf Speicher anderer Kunden zuzugreifen.“

Einmal nutzten sie ein Open-Source-Modell, das „hinter OpenAI und Anthropic zurücklag“, um Zugriff auf sämtliche Slurm-Berechtigungen des gesamten Clusters (ein weit verbreitetes Cluster-Planungssystem) zu erlangen und Auftragsnamen einer Verteidigungsindustrie sowie einer Nachrichtendienstbehörde für nationale Sicherheit einzusehen. Sie stoppten die Tests sofort und veröffentlichten einen Bericht mit dem Titel „Die meisten Neoclouds sind katastrophal in Sachen Sicherheit.“ Bei einem weiteren Test wurden Fehler in GPUs (der von ihm genannte Nvidia-Fehlercode XID 719) eingeführt, um zu messen, wie lange Cloud-Anbieter benötigten, um sie zu erkennen. Das Ergebnis lautete:

„Viele Clouds bemerken den Fehler erst, wenn man sie darauf hinweist – und einige reagieren selbst nach dem Hinweis erst nach Tagen.“

Er bezeichnete dies als Mindeststandardtest: GPUs werden zwangsläufig Probleme aufweisen, und Cloud-Anbieter sollten sich auf ihr eigenes Monitoring verlassen, um diese zu erkennen und zu beheben.

04 Steigende Zinssätze, neue Akteure können kein Geld leihen – Nvidias Unterstützung ist nur ein kleiner Baustein

Mehr Angebot erfordert Kapital – doch die Kapitalkosten steigen. Patel betonte erneut, dass die weltweiten KI-Investitionen bis Ende 2029 etwa 11 Billionen US-Dollar betragen werden, wovon rund 7 Billionen aus Fremdkapital stammen. Der Großteil fließt in Chips, der Rest in Rechenzentren, Energie und vor Ort errichtete Kraftwerke für schnellere Produktion.

In diesem Zinsumfeld zeigt sich bei Kreditvergaben eine klare Verzerrung. Die Rendite der 10-jährigen US-Staatsanleihen stieg dieses Jahr von 3,96 % auf Anfang Oktober 5,31 %; die Ausgabe von KI-bezogenen Anleihen kühlte sich im September deutlich ab. Patel beschrieb die Lage eines Neocloud-Anbieters mit 100 Megawatt Leistung, der auf 1 Gigawatt erweitern möchte:

„Wer würde ihm Geld leihen? Die einzige Möglichkeit ist, diesen 1-Gigawatt-Block an einen Hyperscale-Cloud-Anbieter zu verkaufen, der dann über den Anleihemarkt finanziert – man erhält das Darlehen, doch diese Rechenleistung steht der gesamten Branche nicht zur Verfügung.“

Daher fließen von der bereits für nächstes Jahr gebuchten Rechenleistung „etwa 65 bis 70 %“ an Hyperscale-Cloud-Anbieter und KI-Labore. Für Startups bedeutet Cluster-Miete eine 50-prozentige Vorauszahlung und Lieferzeiten von drei bis neun Monaten:

„Suchen Sie sich irgendein neues Labor, das kürzlich viel Geld eingesammelt hat – für sie ist der Zugang zu Rechenleistung die Hölle.“

Nvidias Ansatz besteht darin, Clustern eine Absicherung zu bieten – Patel fasste dies in drei Kategorien zusammen:

SoftBank Energy: Garantiert lediglich Grundstück, Strom und Gebäude. Dies ist eine 9-Gigawatt-Anlage in Ohio, die voraussichtlich um 2030 in Betrieb geht und vollständig für OpenAI reserviert ist.

Firmus: Nvidia verspricht, den Cluster zu einem festen Preis zu mieten – so dass der Partner „keinen Gewinn macht, aber auch keinen Verlust erleidet“. Dank dieser Absicherung sind andere bereit, Kredite zu gewähren. Für jede zusätzliche Stunde über diesen Preis hinaus erhält Nvidia die Hälfte – was Patel „sehr clever“ nennt und „mir gefällt“.

Restwertgarantie: Diese Form erwähnte er lediglich, ohne näher darauf einzugehen.

In puncto Größe hat NVIDIA rund 6,5 Gigawatt gesichert, die auf den offenen Markt verkauft werden – nicht nur an Labore und große Cloud-Anbieter. Die von ihm genannte Obergrenze beträgt 45 Gigawatt – „selbst das macht nur einen kleinen Teil der neuen Rechenleistung aus, die bis 2030 hinzukommt.“ Er glaubt, dass Unternehmen wie Fireworks und Modal, die sich auf Inferenz spezialisiert haben, sowie viele neue Labore nun eigene Cluster bauen, Kredite aufnehmen und sich die Unterstützung von NVIDIA sichern wollen.

Zum Abschluss seiner Rede gab er seine Einschätzung zum Token-Umfang ab: Mehrere Anbieter verarbeiten gemeinsam über 100 Billionen Tokens täglich, und der Jahresumsatz jedes Unternehmens steigt. Sein Schlusswort lautete:

„Ich hoffe, sie können Rechenleistung sichern; andernfalls sind wir alle Sklaven von Anthropic und OpenAI.“

Dieser Artikel stellt keine persönliche Anlageberatung dar, spiegelt nicht die Ansichten der Plattform wider, der Markt birgt Risiken, und Anlagen erfordern Vorsicht. Bitte treffen Sie eigenständige Bewertungen und Entscheidungen.