Start/Stimmung/Markt/GPU-Markt-Wendepunkt: H100-Preise steigen, RAMmageddon und die $9-Billionen-Frage
29. März 2026

GPU-Markt-Wendepunkt: H100-Preise steigen, RAMmageddon und die $9-Billionen-Frage

Nach dem DeepSeek-Schock im Dezember 2025 – als Panikverkäufe und Überkapazitäts-Sorgen die GPU-Mietpreise auf historische Tiefpunkte drückten – dreht sich der Markt wieder. H100-Mietpreise steigen deutlich, Speicher wird zum neuen Engpass, und die großen Kapitalbewegungen rund um OpenAI und Physical Intelligence zeigen: Die physische AI-Infrastruktur ist der entscheidende Moat der nächsten Jahre.

H100-Preise: Warum alte Chips wertvoller werden

Entgegen der Erwartung, dass neuere GPU-Generationen ältere Hardware entwerten würden, sind H100s heute teurer als noch vor drei Jahren. Der Grund liegt in zwei parallelen Entwicklungen.

Erstens hat die Reasoning-Model-Inflection seit Dezember 2025 den Bedarf an Inferenz-Kapazität drastisch erhöht. Modelle, die länger "nachdenken", brauchen mehr GPU-Stunden pro Query – nicht für Training, sondern für den täglichen Betrieb. Die Nachfrage nach Inferenz-GPUs übersteigt das verfügbare Angebot.

Zweitens macht bessere Inference-Software ältere Chips attraktiver statt obsolet. Quantisierungsverfahren wie TurboQuant erlauben es, Modelle so zu komprimieren, dass H100s effizient laufen, was bisher nur auf neuerer Hardware möglich war. Wer heute H100-Kapazität besitzt, hat reale Verhandlungsmacht.

Die Knappheit ist strukturell: Chip-Produktion skaliert langsam, Rechenzentren werden erst in 12–24 Monaten fertig, und die Nachfrage läuft schon heute voraus.

RAMmageddon: Speicher als neuer Engpass

Während der GPU-Diskurs dominiert, entsteht parallel ein zweiter Engpass: Arbeitsspeicher. Der Begriff "RAMmageddon" beschreibt die wachsende Knappheit bei HBM (High Bandwidth Memory), dem für AI-Workloads kritischen Speichertyp.

SK hynix, einer der wenigen Hersteller, plant einen Börsengang in den USA, der zwischen 10 und 14 Milliarden Dollar einbringen soll. Die Mittel sollen in den Ausbau der HBM-Produktion fließen. Ein Mega-IPO als Reaktion auf einen physischen Engpass ist ein ungewöhnliches Signal – es zeigt, dass der Markt die Knappheit als mittelfristig strukturell einschätzt, nicht als vorübergehend.

Für AI-Labore und Cloud-Anbieter bedeutet das: GPU-Verfügbarkeit allein entscheidet nicht mehr über die Kapazität. Wer Speicher kontrolliert, kontrolliert den Durchsatz.

Datacenter-Boom: Ist $9T nachhaltig?

Die Financial Times stellt die Frage, die viele stellen, aber wenige laut aussprechen: Wird der AI-Datacenter-Boom zur Blase? Die angekündigten Investitionen summieren sich auf rund 9 Billionen Dollar über die nächsten Jahre – ein Betrag, der historische Infrastruktur-Überinvestitionen wie den Glasfaserboom der 1990er deutlich übersteigt.

Die Argumente auf beiden Seiten sind real. Für Nachhaltigkeit spricht, dass die Nachfrage nach Inferenz tatsächlich wächst und Unternehmen AI-Produkte aktiv einsetzen – es ist keine reine Spekulation. Gegen Nachhaltigkeit spricht, dass viele Datacenter-Projekte auf Nachfrageprojektionen basieren, die möglicherweise zu optimistisch sind, und dass Effizienzgewinne durch bessere Modelle den Bedarf an Rohkapazität dämpfen könnten.

Die physische Realität bleibt: Wer die Infrastruktur baut, hat den Moat – aber nur, wenn die Nachfrage die Annahmen bestätigt.

Marktbewegungen: SoftBank, Physical Intelligence, xAI-Exodus

Mehrere Kapitalbewegungen der letzten Tage sind aussagekräftig.

SoftBank und OpenAI: SoftBank sicherte sich einen 40-Milliarden-Dollar-Kredit über JPMorgan und Goldman Sachs. Die Struktur des Deals deutet darauf hin, dass er als Brückenfinanzierung für einen OpenAI-IPO 2026 konzipiert ist. SoftBank ist einer der größten OpenAI-Investoren; ein solches Kreditvolumen kurz vor einem möglichen Börsengang ist ein klares Signal für die Timeline.

Physical Intelligence: Das Robotik-AI-Labor soll laut Berichten erneut eine Milliarde Dollar einsammeln, diesmal bei einer Bewertung von 5,6 Milliarden Dollar. Physical Intelligence arbeitet an Foundation Models für Roboter – das sind genau die Systeme, die AI aus der digitalen in die physische Infrastruktur bringen. Der hohe Bewertungssprung zeigt, wie stark der Markt physische AI-Anwendungen einpreist.

xAI-Exodus: Der letzte Mitgründer von Elon Musks xAI hat das Unternehmen verlassen. Über die Gründe ist wenig bekannt. Dass das Team der Ursprungsgründer nun vollständig auseinandergebrochen ist, ist ein ungewöhnliches Signal für ein Unternehmen, das sich noch im Aufbau befindet.

Einordnung: Physische Infrastruktur als neuer Moat

Die Muster der letzten Wochen deuten auf eine strukturelle Verschiebung hin. In der ersten AI-Welle war der Moat das Modell – wer das beste LLM hatte, gewann. Diese Phase ist vorbei; Modellqualität ist inzwischen schnell replizierbar.

Der Moat der nächsten Phase liegt in der physischen Infrastruktur: GPU-Kapazität, Speicher, Datacenter-Energie, Kühlsysteme. Diese Ressourcen skalieren langsam, sind kapitalintensiv und nicht über Nacht zu vervielfachen. Unternehmen und Investoren, die das früh erkannt haben – SoftBank, SK hynix, die großen Hyperscaler – positionieren sich entsprechend.

Für praktische AI-Arbeit bedeutet das: Inferenzkosten werden kurzfristig steigen, nicht fallen. Effizienz bei der Modellnutzung ist kein Nice-to-have, sondern ökonomische Notwendigkeit.

Quellen

Nach oben