Engpässe bei KI-Chips sind für Unternehmenskunden längst nicht mehr nur ein GPU-Problem.
Die Lieferkette hinter KI-Beschleunigern hängt von Logikchips der neuesten Generation, High-Bandwidth-Memory, fortschrittlichem Packaging und spezialisierten Lithografiesystemen ab. Diese Engpässe beeinflussen bereits, wie Unternehmen Cloud-Kapazitäten einkaufen, KI-Projekte kalkulieren und die Einführung von Infrastrukturen planen.
KI-Engpässe ziehen sich durch Speicher und Packaging
TSMC zeigt, wie schnell die KI-Nachfrage die Chipproduktion an ihre Grenzen bringt. Das Unternehmen erklärte Anfang 2025, dass sich der Umsatz mit KI-bezogenen Servern und Prozessoren 2024 mehr als verdreifacht habe und sich 2025 voraussichtlich verdoppeln werde, laut The Wall Street Journal.
Diese Prognose ist inzwischen noch aggressiver. Investor’s Business Daily berichtete später, dass TSMC seine Prognose für das Umsatzwachstum mit KI-Beschleunigern über fünf Jahre auf den mittleren bis oberen 50-Prozent-Bereich, angehoben habe, nach zuvor prognostizierten mittleren 40 Prozent.
Eine Beschränkung ist die EUV-Lithografie, eine Technologie zur Herstellung vieler Prozessoren der neuesten Generation. ASML mit Sitz in den Niederlanden ist der einzige kommerzielle Anbieter von EUV-Systemen für diese Klasse der Chipfertigung und hat erklärt, dass es noch nie EUV-Anlagen ausgeliefert hat nach China.
Auch der Speicher ist ein Engpass. High-Bandwidth-Memory sitzt in unmittelbarer Nähe der KI-Prozessoren und versorgt sie schnell genug mit Daten für das Training und die Inferenz großer Modelle. Micron hat erklärt, seine HBM-Produktion sei bis 2026 ausverkauft, während die Nachfrage aus KI-Rechenzentren außerdem den breiteren Speichermarkt verknappt – sowohl für Gerätehersteller als auch für Unternehmenskunden von Hardware.
Fortschrittliches Packaging schafft einen weiteren Engpass. Moderne KI-Beschleuniger kombinieren Rechenchips und HBM in eng integrierten Gehäusen, sodass die Packaging-Kapazität Lieferungen begrenzen kann, selbst wenn Wafer produziert werden können. TSMC hat erklärt, CoWoS bleibe wichtig für große KI-Prozessorgehäuse, während neuere Ansätze auf Panel-Ebene noch entwickelt werden.
Versorgungsrisiken reichen bis in die KI-Infrastrukturplanung
Cloud-Anbieter konkurrieren um KI-Beschleuniger von vielen derselben Chiphersteller, Auftragsfertiger, Speicherlieferanten und Packaging-Partner, auf die auch Serveranbieter und KI-Labore angewiesen sind. Wenn mehr Unternehmen KI aus Pilotprojekten in die Inferenz im großen Maßstab überführen, kann ein knapperes Angebot weniger verfügbare GPU-Instanzen, längere Vorlaufzeiten für reservierte Kapazitäten und weniger vorhersehbare Preise bedeuten.
Private KI-Infrastrukturen sind ähnlichen Risiken ausgesetzt. Ein Unternehmen, das einen eigenen GPU-Cluster aufbaut, kann bei der Versorgung mit Beschleunigern, der Verfügbarkeit von HBM, der Serverintegration, der Vernetzung, der Stromversorgung und der Kühlung auf Verzögerungen stoßen. Diese Einschränkungen können Trainings- und Inferenz-Workloads beeinträchtigen, die dauerhaft Kapazität im großen Maßstab benötigen.
Der Engpass verändert auch die Strategie der Anbieter. Wer sich auf einen Beschleunigeranbieter, einen Cloud-Provider oder ein Bereitstellungsmodell verlässt, hat weniger Optionen, wenn sich die Versorgung verknappt oder Preise verändern. Hyperscaler prüfen bereits Strategien für maßgeschneiderte KI-Chips, und Unternehmenskunden benötigen möglicherweise eine ähnliche Flexibilität bei Beschleunigeroptionen, Cloud-Verpflichtungen und On-Premises-Infrastrukturen.
Die US-Politik verringert einige Risiken, beseitigt aber nicht die zugrunde liegende Konzentration. Das Handelsministerium bewilligte im November 2024 einen Zuschuss im Rahmen des CHIPS Act in Höhe von 6,6 Milliarden US-Dollar für TSMC Arizona. Danach erweiterte TSMC seine US-Investitionspläne auf 165 Milliarden US-Dollar. Die Investition schafft eine inländische Absicherung für die Produktion fortschrittlicher Chips, ersetzt Taiwans Rolle bei der Fertigung der neuesten Chipgeneration jedoch nicht unmittelbar.
Bei der Planung von KI-Infrastrukturen sollten Versorgungsengpässe berücksichtigt und nicht als vorübergehendes Beschaffungsproblem behandelt werden. Die Verfügbarkeit von Chips, Speicherkapazität und Packaging-Durchsatz werden bestimmen, welche KI-Projekte skaliert werden, welche im Pilotstadium bleiben und wie viel Unternehmen dafür bezahlen, sie in den Produktivbetrieb zu überführen.
Mehr dazu: Der Rechen-Deal von SpaceX über 6,3 Milliarden US-Dollar zeigt, wie wertvoll KI-Kapazität geworden ist.