Jedes Spitzenlabor will jetzt eigenes Silizium

The Information berichtete am 2. Juli 2026, dass Anthropic in frühen Gesprächen mit Samsung über die Fertigung eines eigenen KI-Chips steht und dabei angeblich Samsungs 2nm-Foundry-Prozess sowie fortschrittliches Packaging ins Auge fasst. Die Gespräche sind ergebnisoffen - Anthropic hat weder entschieden, was der Chip leisten, wie stark er sein noch wie er in einen Server passen soll - und Samsung beteiligte sich bereits als strategischer Infrastrukturpartner an Anthropics Series-H-Finanzierungsrunde.

Der Schritt vollendet ein Muster, statt eines zu beginnen. Google betreibt seit Jahren eigene TPUs, Amazon hat Trainium, und Ende Juni stellte OpenAI einen von Broadcom entworfenen Inferenz-Chip namens Jalapeno vor. Reuters berichtete bereits im April erstmals, dass Anthropic eigenes Silizium erwäge. Damit entwirft nun auch das letzte Spitzenlabor, das auf zugekaufte Nvidia-Hardware setzte, seine eigene.

Warum ein Modellunternehmen einen Chip baut

Die Gründe sind Versorgung und Kontrolle. Anthropic verweist auf Chip-Knappheit, und maßgeschneiderte Bauteile, die auf eine einzige Arbeitslast abgestimmt sind, können Allzweck-Hardware bei der Leistung pro Watt schlagen - der Kennzahl, die die Stromrechnung eines Rechenzentrums bestimmt. Genau so argumentierte OpenAI für Jalapeno. Ein eigener Entwurf lockert zudem Nvidias Griff auf Zuteilung und Preis.

Das ist Ergänzung, nicht Ersatz. Anthropics eigene Aussage lautet, dass ein diversifizierter Hardware-Stack einschließlich Chips von Google, Amazon und Nvidia entscheidend für die Rechenstrategie bleiben werde. Ein eigener Chip ist eine Absicherung gegen einen einzelnen Lieferanten, kein Ausstieg aus ihm, und das erste funktionierende Silizium ist Jahre entfernt.

Was das für den Mittelstand bedeutet

Die kurzfristige Lesart ist unspektakulär und wichtig: nichts wird bald günstiger. Eigene Chips brauchen zwei bis drei Jahre bis zur Produktion, also hält Nvidias Preismacht über Ihre Rechenrechnung bis weit ins Jahr 2028. Wer KI-Kosten in der Hoffnung modelliert, dass vertikale Integration ihn dieses Jahr entlastet, modelliert das falsche Jahr.

Die strategische Lesart ist die, die man abheften sollte. Rechenleistung zerfällt in anbietereigene Stacks, in denen dasjenige Unternehmen, das das Modell baut, auch den Chip baut - womit die Modellwahl still zu einer Silizium-Bindung wird. Für einen deutschen Maschinenbauer, der schon heute an US-Cloud-Anbietern hängt, verläuft diese Abhängigkeit tiefer als die Frage, welche Cloud-Region man wählt: Europa hat in diesem Silizium-Rennen kein einziges Labor am Start.

Weiterlesen: Wenn der überzeugteste KI-Investor einen Schritt zurücktritt, was sagt er Ihnen damit?  |  Nvidia finanziert die Labore, die seine Chips kaufen. Bezahlt sich der KI-Boom selbst?