Nvidia-Chef Huang sieht Cybersicherheit als nächsten großen KI-Einsatzbereich

Für Jensen Huang ist der nächste große KI-Markt nicht zwingend ein weiterer Chatbot oder Programmierassistent, sondern die Cybersicherheit. Der Nvidia-Chef begründete dies auf der Goldman-Sachs-Konferenz Communacopia + Technology mit einer einfachen Entwicklung: Wenn KI die Softwareentwicklung beschleunigt, steigt auch das Tempo, mit dem Sicherheitslücken entdeckt, ausgenutzt und behoben werden müssen. 10

Nvidia verfolgt dabei ein deutlich umfassenderes Ziel als den Verkauf einzelner Grafikprozessoren. Huang positioniert den Konzern als Anbieter der kompletten Grundlage für sogenannte „AI Factories“: Rechenleistung, Netzwerktechnik, Software, Modelle und Systemdesign. 2

Warum KI den Sicherheitsmarkt verändern könnte

Huang sagte, Cybersicherheit werde „wahrscheinlich der nächste große Einsatzbereich von KI“. KI-gestütztes Programmieren erhöhe die Geschwindigkeit, mit der Code verändert, Schwachstellen aufgespürt und Angriffe vorbereitet oder abgewehrt werden. Für Sicherheitsteams bedeutet das: Klassische, weitgehend manuelle Prozesse könnten mit der Menge und dem Tempo der Vorgänge nicht Schritt halten. 10

Die These lautet nicht, dass KI Cyberrisiken beseitigt. Vielmehr verlagert sie Sicherheitsarbeit in Richtung kontinuierlicher, automatisierter Abläufe: Code analysieren, Angriffe simulieren, Warnmeldungen priorisieren und Lücken schneller schließen.

Zugleich wandte sich Huang gegen alarmistische KI-Debatten. Laut Berichten sagte er auf der Konferenz, die intensive Diskussion über Cybersicherheit falle mit bevorstehenden Produkteinführungen der Branche zusammen. Seine zugespitzte Frage: „Wie könnte man Nachfrage besser schaffen, als ein Problem zu schaffen?“ 6 Damit stellt er infrage, ob ein Teil der Sicherheitsrhetorik kommerziell motiviert ist – obwohl Nvidia selbst massiv in KI-gestützte Cyberabwehr investiert.

SafeMind: Das konkrete Beispiel mit CrowdStrike

Am deutlichsten wird Nvidias Ansatz in der Zusammenarbeit mit CrowdStrike. Im September stellten beide Unternehmen CrowdStrike SafeMind vor, ein agentenbasiertes Cybersicherheitssystem aus dem CrowdStrike Cyber Superintelligence Lab. 19

SafeMind verbindet spezialisierte CrowdStrike-Modelle und Agenten-Frameworks mit Verteidigungsmodellen auf Basis der offenen Nvidia-Nemotron-Modelle. Offensive und defensive Fähigkeiten sollen in einem fortlaufenden Kreislauf gegeneinander antreten und sich dadurch verbessern. 19

Das veranschaulicht, was Huang mit dem Marktpotenzial meint: nicht ein allgemeiner KI-Assistent mit Sicherheitsoberfläche, sondern ein Gesamtsystem aus spezialisierten Modellen, Sicherheitsdaten, Agenten und Infrastruktur.

Cisco, CrowdStrike und Palantir zählen zu den Organisationen in Nvidias Open Secure AI Alliance. Die Allianz konzentriert sich auf offene Modelle, Agenten-Frameworks und Werkzeuge für Cyberabwehr im KI-Zeitalter. 23 Nvidia erklärte außerdem, dass CrowdStrike und Palantir Nemotron-Modelle für langlebige Unternehmensagenten einsetzen. 29 Aus den vorliegenden Berichten folgt allerdings nicht, dass alle Mitglieder der Allianz dieselbe, auf Nemotron basierende Produktarchitektur verwenden.

Die größere Wette: 3 bis 4 Billionen US-Dollar für KI-Infrastruktur

Cybersicherheit war nur ein Teil von Huangs Botschaft. Er bekräftigte Nvidias Prognose, dass die weltweiten Ausgaben für KI-Infrastruktur bis 2030 3 bis 4 Billionen US-Dollar erreichen könnten. 32

Huang beschreibt dies als grundlegenden Wandel des Computings: weg von Systemen, die vor allem Informationen abrufen, hin zu generativer KI mit großen und komplexen Modellen. Diese benötigen erhebliche Rechenleistung und leistungsfähige Verbindungen zwischen den Systemen. Nvidia will dabei nicht nur Chips liefern, sondern KI-Fabriken gemeinsam mit Kunden entwerfen. 2

Nvidia rechne mit etwa 70 % Umsatzwachstum gegenüber dem Vorjahr, obwohl die Nachfrage ohne Lieferbegrenzungen um mehr als 100 % wachse, sagte Huang. Der Engpass liege damit vor allem auf der Angebotsseite. Genannt wurden unter anderem Chips, Speicher, fortschrittliche Verpackungstechnologien, verfügbare Flächen und elektrische Leistung. 32

Die Zahlen hinter der Strategie

Nvidias jüngste Quartalszahlen zeigen die Größenordnung dieser Infrastrukturwette. Im zweiten Quartal des Geschäftsjahres 2027, das am 26. Juli 2026 endete, erzielte der Konzern 96,2 Milliarden US-Dollar Umsatz. Das waren 18 % mehr als im Vorquartal und 106 % mehr als ein Jahr zuvor. 52

Für das dritte Quartal des Geschäftsjahres 2027 stellte Nvidia 108 Milliarden US-Dollar Umsatz, plus/minus 2 %, in Aussicht. In dieser Prognose ist kein Umsatz aus Data-Center-Compute in China eingerechnet. 52

Wichtig zur Einordnung: Die 96,2 Milliarden US-Dollar beziehen sich auf das zweite Quartal des Geschäftsjahres 2027, nicht auf das Geschäftsjahr 2026.

Was die Berichte nicht belegen

Einige Aussagen, die in Diskussionen über Huangs Auftritt auftauchen, lassen sich mit dem vorliegenden Material nicht verlässlich bestätigen. Dazu gehören eine konkrete Kritik des Professors Erik Gordon, eine eindeutige Aussage von OpenAI, wonach Cybersicherheit eine zentrale Geschäftschance sei, sowie Huangs detaillierte Reaktion auf Vorwürfe einer zirkulären Finanzierung über Beteiligungen an Kunden.

Diese Fragen sind angesichts steigender Investitionen in KI-Infrastruktur relevant. Ohne Primärtranskript, Unternehmensdokument oder belastbares direktes Zitat sollten sie jedoch nicht als gesicherte Tatsachen behandelt werden.

Was Unternehmen daraus mitnehmen können

Huangs Kernbotschaft betrifft weniger ein einzelnes Sicherheitsprodukt als die Struktur des Marktes. Je mehr Programmier- und Betriebsaufgaben KI übernimmt, desto größer wird der Bedarf an automatisierten Tests, Überwachung und Reaktion auf Sicherheitsvorfälle. Nvidia möchte den vollständigen Technologie-Stack für diese Entwicklung liefern – von beschleunigter Rechenleistung und Netzwerken bis zu offenen Modellen und branchenspezifischen Agentensystemen. 219

Für Käufer von Sicherheitssoftware ist daher nicht allein entscheidend, ob ein Produkt KI nutzt. Entscheidend ist, ob spezialisierte Modelle, passende Sicherheitsdaten, menschliche Kontrolle und die Einbindung in reale Reaktionsabläufe vorhanden sind. SafeMind von CrowdStrike und Nvidia ist ein frühes, konkretes Beispiel für diesen Full-Stack-Ansatz. 1922