DeepSeek baut offenbar die physische Basis für seine KI selbst auf

DeepSeek sucht nicht nur weitere KI-Forscher und Softwareentwickler. Die aktuellen Ausschreibungen für ein IDC-Rechenzentrumsteam in Beijing, Hangzhou und Ulanqab umfassen Planung, Bau, Tests und Betrieb von Infrastruktur. 12

Das ist ein bemerkenswertes Signal: Für KI-Unternehmen wird Rechenleistung zunehmend zu mehr als einer gemieteten Ressource aus der Cloud. Stromversorgung, Gebäude, Kühlung, Netzwerke und der zuverlässige Betrieb der Cluster rücken in den eigentlichen Produkt-Stack auf.

Wichtig ist allerdings die Einordnung: Die Stellenausschreibungen belegen nicht, dass DeepSeek künftig jede genutzte Anlage besitzen wird. Sie zeigen vielmehr, dass das Unternehmen die Fähigkeit aufbaut, die physische Grundlage seiner KI selbst zu planen, zu integrieren und zu steuern.

Das Anforderungsprofil verrät die Richtung

DeepSeek sucht Fachleute aus Elektrotechnik, Heizungs-, Lüftungs- und Klimatechnik (HVAC), Automatisierung, Energie, Kommunikation, Informatik, Umwelttechnik und Bauingenieurwesen. Die Aufgaben reichen vom Infrastruktur-Betrieb über Planung und Design bis zur Umsetzung vor Ort. 34

Ein solches Profil geht deutlich über den Einkauf von Cloud-Kapazität hinaus. Es deckt die Systeme ab, die darüber entscheiden, ob ein KI-Cluster mit hoher Leistungsdichte stabil und effizient arbeiten kann:

• Elektro- und Energietechnik: Stromzuführung, Umspannwerke, Verteilung und Lastmanagement
• HVAC- und Umwelttechnik: Luft- und Flüssigkeitskühlung, Wärmeabfuhr und Umweltkontrollen
• Bauingenieurwesen: Grundstücke, Gebäude, Tragwerk und Bauabwicklung
• Automatisierung und Kommunikation: Überwachung, Steuerung, Netzwerkanbindung und Betriebsabläufe
• Informatik und Infrastruktur-Betrieb: die Verbindung von physischer Kapazität mit Clustern, Scheduling und Workloads

Die Rekrutierungssprache von DeepSeek umfasst offenbar klassische Rechenzentren, KI-Rechenzentren, luft- und flüssigkeitsgekühlte Systeme sowie Projekte von der Megawatt- bis zur Gigawatt-Größenordnung. 78 Entscheidend ist dabei weniger die Größe, die eine Stellenanzeige möglicherweise nahelegt, als die Breite der Fähigkeiten, die DeepSeek aufbauen will.

Vom gemieteten Compute zur operativen Kontrolle

Berichte beschreiben die Entwicklung als Abkehr von einem früheren, vergleichsweise asset-light geprägten Modell, bei dem DeepSeek stark auf Rechenkapazität externer Anbieter angewiesen war. 12 Eigene Infrastrukturkompetenz kann dem Unternehmen mehr Kontrolle über Cluster-Design, die Kompatibilität von Komponenten, Kühlarchitektur, Workload-Verteilung und den Zeitpunkt der Erweiterung geben.

Das ist deshalb relevant, weil KI-Leistung nicht allein von der Zahl der installierten Chips abhängt. Ein Cluster liefert nur dann nutzbare Rechenleistung, wenn Stromversorgung, Kühlung, Netzwerk, Speicher, Software und Wartung reibungslos zusammenspielen. DeepSeek verknüpft in seiner Beschreibung Strom, Kühlung, Netzwerke und Computersysteme ausdrücklich mit der tatsächlich verfügbaren Rechenleistung. 13

Die belastbarere Schlussfolgerung lautet daher nicht: „Jedes KI-Unternehmen muss eigene Rechenzentren bauen.“ Der strategische Vorteil besteht vielmehr in gesichertem Zugang und operativer Kontrolle. Beides kann durch Eigentum entstehen – aber auch durch langfristige Mietverträge, Colocation, Joint Ventures oder eng integrierte Infrastrukturpartnerschaften.

Warum die Standorte auf ein verteiltes Rechenmodell hindeuten

DeepSeek sucht für sein IDC-Team Mitarbeitende in Beijing, Hangzhou und Ulanqab. 13 Diese Kombination passt zu einer verteilten Architektur und nicht zu einem einzigen zentralen Campus.

Binnenländische Standorte wie Ulanqab können für Aufgaben attraktiv sein, die eine gewisse Netzwerklatenz tolerieren – etwa Modelltraining, umfangreiche Batch-Verarbeitung und andere asynchrone Workloads. Berichte über den Ausbau der Recheninfrastruktur in der Inneren Mongolei betonen die Rolle der Region für „grünes Rechnen“. Frühere Berichte beschrieben zudem Rechenzentren in Ulanqab, die Beijing mit einer Netzwerklatenz von unter fünf Millisekunden versorgen. 2131

Für latenzkritische Inferenz und Unternehmensdienste bleiben Metropolregionen dagegen im Vorteil. Die Nähe zu Nutzern, Netzen und Daten kann dort wichtiger sein als günstige Flächen oder eine besonders große Stromversorgung.

Daraus ergibt sich als plausible, aber noch nicht bestätigte Arbeitshypothese eine zweistufige Topologie:

1. Binnenländische, stromorientierte Cluster für Vortraining, Fine-Tuning, synthetische Datenerzeugung und Batch-Inferenz.
2. Urbane oder netznahe Kapazitäten für interaktive Anwendungen von Konsumenten und Unternehmen.

Die Standorte der DeepSeek-Stellenausschreibungen passen zu diesem Modell. Eine Ausschreibung allein beweist jedoch nicht, wie das Unternehmen seine Workloads am Ende verteilen wird. 13

Ulanqab entwickelt sich zum KI-Rechencluster

Ulanqabs Bedeutung hängt nicht allein von DeepSeek ab. Mehrere Berichte beschreiben in der Stadt und der weiteren Region der Inneren Mongolei eine schnell wachsende Konzentration von Rechenzentren und intelligenten Rechenprojekten.

Nach Angaben der lokalen Regierung waren bis Ende 2025 insgesamt 84 Rechenzentrumsprojekte in Ulanqab unterzeichnet, darunter 81 Zentren für intelligente Rechenleistung. Das geplante Investitionsvolumen lag bei mehr als 500 Milliarden Yuan. 27 Andere Berichte nennen knapp 100 Projekte und rund 12,5 Gigawatt angekündigte Kapazität; Zahlen und zugrunde liegende Definitionen unterscheiden sich jedoch je nach Quelle. 2324

Der Reiz eines solchen Clusters liegt in der Kombination aus verfügbaren Flächen, Strom, Glasfaseranbindungen, Ausrüstern und spezialisiertem Betriebspersonal. Gemeinsame Infrastruktur kann die nächste Ansiedlung erleichtern. Zugleich gilt: Angekündigte Kapazität ist nicht dasselbe wie angeschlossene, installierte oder tatsächlich ausgelastete Kapazität.

Der Envision-Konzern meldete für seinen Galaxy Campus in Ulanqab den Betriebsbeginn im August 2026. Berichtet wurde von einer Fläche von 120.000 Quadratmetern und der behaupteten Fähigkeit, eine Million KI-Chips parallel zu betreiben. Diese Angaben stammen aus Unternehmens- und Medienberichten und sollten entsprechend eingeordnet werden. 202225

Auch in der Inneren Mongolei insgesamt wird KI-Infrastruktur mit Energie-, Ausrüstungs- und Industrieprojekten verbunden. Auf der Konferenz für grünes Rechnen im Jahr 2026 wurden zwölf Projekte mit einem geplanten Investitionsvolumen von 186,46 Milliarden Yuan angekündigt. 2126

Was der ByteDance-Vergleich zeigt – und was nicht

Ein ähnliches Infrastrukturinteresse wird in Berichten über ByteDance-nahe Unternehmen im chinesischen Zhongwei in der Region Ningxia sichtbar. Im Juli meldete ein Bericht die Gründung der ByteDance gehörenden Zhongwei Saishamingsha Technology mit einem eingetragenen Kapital von 2,2 Milliarden Yuan. Als Geschäftsfelder wurden unter anderem IT-Beratung, Softwareentwicklung, Systemintegration und der Verkauf von Computerausrüstung genannt. 52

Damit ist jedoch weder die spezifischere Behauptung bestätigt, ByteDance habe zwei Zhongwei-Tochtergesellschaften mit eingetragenem Kapital von 220 beziehungsweise 240 Millionen Yuan gegründet, noch folgt daraus, dass diese Unternehmen eigens zum Bau eines Rechenzentrums geschaffen wurden.

Die vorsichtigere Schlussfolgerung lautet: Große Technologieunternehmen versuchen offenbar, mehr Kontrolle über Grundstücke, Gebäude, Ausrüstung und Rechenkapazität zu gewinnen. Separate Berichte beschreiben zudem verstärkte strategische Grundstückskäufe chinesischer Internetunternehmen für geschäftskritische Zwecke. Dieser allgemeine Trend ist aber kein Beleg für ein bestimmtes ByteDance-Rechenzentrumsprojekt. 58

Der Engpass liegt nicht mehr nur in der Gebäudehülle

Bei klassischen Rechenzentren gilt die fertige Gebäudehülle als wichtiger Meilenstein. Bei hochverdichteten KI-Clustern liegen die schwierigeren Grenzen oft in den Systemen innerhalb und außerhalb des Gebäudes:

• gesicherter Netzanschluss und ausreichende Erzeugungskapazität;
• Transformatoren, Umspannwerke und Stromverteilung;
• Flüssigkeitskühlung sowie Wärmeabfuhr;
• Netzwerkverbindungen und Cluster-Interconnects;
• Wasser-, Umwelt- und Standortanforderungen;
• Ingenieurinnen und Ingenieure, die alle Systeme gemeinsam in Betrieb nehmen und betreiben können.

Berichte zur Entwicklung von KI-Rechenzentren nennen Stromversorgung, hohe Leistungsdichte und Flüssigkeitskühlung als zunehmend entscheidende Variablen. 7 Genau deshalb tauchen in den Einstellungsplänen von KI-Unternehmen neben Modell- und Softwareexperten auch Fachleute für Bau, Elektroanlagen, HVAC, Umwelttechnik, Automatisierung und Energie auf.

KI-Compute wird zur Infrastruktur – aber Eigentum ist keine Pflicht

DeepSeeks Rekrutierung ist am besten als Infrastruktursignal zu lesen, nicht als endgültigen Nachweis eines fertiggestellten eigenen Campus. Das Unternehmen baut offenbar die organisatorische Kompetenz auf, KI-Rechenzentrumssysteme an mehreren Standorten zu planen, umzusetzen und zu betreiben. 1416

Diese Fähigkeit kann DeepSeeks Position stärken, wenn Rechenkapazität knapp ist, Cluster schwer zu konfigurieren sind oder Strom- und Kühlzugang über die tatsächlich nutzbare Leistung entscheiden. Sie zeigt zugleich eine breitere Veränderung in der KI-Ökonomie: Wettbewerbsvorteile hängen immer stärker davon ab, ob ein Unternehmen die physischen Voraussetzungen für Training und Betrieb seiner Modelle zuverlässig sichern kann.

Der Vergleich mit Eisenbahn, Stromnetz und Internet beschreibt die Kapitalintensität und Netzwerkabhängigkeit der neuen Infrastruktur treffend. Der dauerhafte Wettbewerbsvorteil besteht aber nicht zwangsläufig darin, einen Gigawatt-Campus vollständig zu besitzen. Entscheidend ist zuverlässiger, erweiterbarer Zugang zu Strom und Rechenleistung – plus die operative Kontrolle, diesen Zugang in konstanten KI-Service zu verwandeln.