NVIDIAS 500-MILLIARDEN-PLAN: WETTE AUF DEN RESTWERT ALTER GPUS

Das Wichtigste

Nvidia lässt sich von Finanzriesen wie BlackRock, Blackstone und Goldman Sachs bis zu 500 Milliarden Dollar für den Bau von KI-Rechenzentren zusagen und garantiert im Gegenzug mit eigenem Geld den Restwert seiner Chips. Damit will Jensen Huang einen Sekundärmarkt für gebrauchte GPUs schaffen, der die Nachfrage nach Nvidia-Hardware über Jahre hinweg stabil hält.

Was ist passiert?

Nvidia hat diese Woche eine Finanzierungsvereinbarung mit sechs grossen Investmentgesellschaften verkündet: Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR sind bereit, gemeinsam bis zu 500 Milliarden Dollar in den Bau von KI-Rechenzentren zu stecken.

Der eigentliche Clou steckt aber im Kleingedruckten. Damit die Investoren ihre Chips als Kreditsicherheit akzeptieren, garantiert Nvidia, bis zu 25 Prozent der Wertdifferenz zu übernehmen, falls GPUs bei einer Zwangsliquidation weniger wert sind als in den Büchern angenommen.

Das Kalkül: Sollte ein Rechenzentrumsbetreiber einen Kredit nicht bedienen können und die GPUs müssen verkauft werden, springt Nvidia finanziell ein. Damit sinkt das Risiko für die Kreditgeber, was wiederum die Finanzierung von Milliarden-Rechenzentren überhaupt erst attraktiv macht.

Warum ist das riskant?

Finanzexperten sprechen von "Wrong-Way-Risk": Nvidias Verpflichtungen wachsen ausgerechnet dann, wenn die Nachfrage nach KI-Chips schwächelt, also genau dann, wenn Nvidias eigene Umsätze ohnehin unter Druck stehen. Die Bond-Märkte reagierten entsprechend nervös, weshalb Jensen Huang auf X und im Business-TV persönlich Beruhigungsarbeit leisten musste.

Vergleiche mit Lucent Technologies liegen nahe, dem Telekomausrüster, der in der Dotcom-Blase kollabierte, nachdem er seinen eigenen Kunden das Geld für seine Produkte geliehen hatte. Huang widerspricht: Anders als Lucent bringe Nvidia unabhängiges, langfristiges institutionelles Kapital ins Spiel, statt selbst als Kreditgeber aufzutreten.

Tatsächlich trägt Nvidia nur einen Teil des Risikos, den Grossteil des Kapitals stellen die Investmentgesellschaften. Parallel dazu kursieren laut Bloomberg-Berechnungen weitere zirkuläre Deals im Umfang von 750 Milliarden Dollar mit Partnern wie OpenAI, Anthropic, CoreWeave, Nebius, Firmus und Lambda.

Warum ist das relevant?

Für Unternehmen und Entwickler ist der eigentliche Kern die Vision, die dahinter steckt: Huang will KI-Server nicht als schnell veraltende Hardware wie PCs positionieren, sondern als "investierbare Infrastruktur" vergleichbar mit Eisenbahnen oder Flugzeugen. Wenn ein Kunde eine GPU-Generation nicht mehr braucht, soll sie an einen anderen Cloud-Betreiber weiterwandern.

Das ist auch eine Ansage an den Markt für gebrauchte KI-Hardware. Bislang gab es kaum einen funktionierenden Zweitmarkt für ältere Nvidia-Chips, was ihren Wiederverkaufswert unkalkulierbar machte. Ein liquiderer Gebrauchtmarkt könnte günstigere Rechenkapazität für Startups und Mittelständler bedeuten, die sich keine Top-Hardware leisten wollen oder müssen.

Die Parallele zur Modelllandschaft liegt nahe: So wie Unternehmen heute zwischen Frontier-Modellen und günstigeren Open-Weight-Alternativen wählen, könnten sie künftig zwischen neuester und älterer, aber preiswerterer GPU-Generation wählen, je nach Anwendungsfall.

Einordnung

Dass selbst Satya Nadella bei Microsofts letztem Earnings Call auf das Buch "1873" über die Finanzblase der Eisenbahnära verwies, zeigt, wie nervös die Branche insgeamt geworden ist. Hyperscaler wie Oracle (hohe Verschuldung), Google (neue Aktientranchen) und Meta (hoher Cashverbrauch) suchen alle nach frischem Kapital für den KI-Infrastrukturausbau.

Ob Nvidias Wette aufgeht, hängt davon ab, ob die KI-Nachfrage tatsächlich so lange anhält, wie Huang es verspricht. Sollte die Nachfrage stagnieren oder neue, effizientere Technologien heutige Infrastruktur obsolet machen, wächst Nvidias Risiko genau in dem Moment, in dem es sich am wenigsten leisten kann.

Take-Away

Wer in KI-Infrastruktur investiert oder GPU-Kapazität langfristig plant, sollte den Aufbau dieses Sekundärmarkts im Blick behalten. Ein liquiderer Gebrauchtmarkt für Nvidia-Hardware könnte mittelfristig die Kosteneinstiegshürde für eigene KI-Workloads deutlich senken, vorausgesetzt, die Wette auf anhaltende Nachfrage geht auf.