OpenAIs Vera-Rubin-Einsatz: Nvidias Wandel vom Chipanbieter zum Systemlieferanten

OpenAI ist Teil einer noch größeren Infrastrukturplanung. OpenAI und Nvidia haben den Aufbau von mindestens 10 Gigawatt an Nvidia-betriebenen KI-Rechenzentren angekündigt. Das erste Gigawatt soll in der zweiten Hälfte 2026 mit Vera-Rubin-Systemen bereitgestellt werden.

Warum OpenAIs Einsatz als Beweisprobe zählt

OpenAI gehört zu den anspruchsvollsten Praxistests für Rubin. Beim Training und Betrieb von Frontier-Modellen sind hohe Rechenkapazität, schnelle Verbindungen zwischen den Chips, Zuverlässigkeit und eine rasche Erweiterung der Infrastruktur entscheidend.

Ein funktionierender Einsatz bei OpenAI würde deshalb in drei Bereichen wichtige Hinweise liefern:

1. Relevanz für echte Arbeitslasten: Rubin würde für ein reales Frontier-KI-Programm eingesetzt – nicht nur für einen Benchmark oder eine Produktpräsentation.
2. Reife des Systems: Nvidia könnte zeigen, dass die Rack-Architektur die Kundenabnahme bestanden hat und im Produktionsbetrieb funktioniert.
3. Nachfrage nach der Gesamtplattform: Erfolgreiche Einsätze könnten weitere KI-Labore und Cloud-Anbieter dazu bewegen, komplette Rubin-Systeme zu bestellen.

Die Aussagekraft bleibt zunächst begrenzt. Eine Einsatzankündigung sagt allein noch nichts über die Zahl der installierten Racks, konkrete Trainingsergebnisse oder den Zeitpunkt der Umsatzverbuchung aus. Diese Details entscheiden darüber, ob es sich um einen kommerziellen Wendepunkt oder zunächst vor allem um eine frühe Validierung handelt.

Wie viel kostet ein Vera-Rubin-NVL72-Rack?

Einen offiziellen Listenpreis hat Nvidia in den vorliegenden Berichten nicht genannt. Die verfügbaren Schätzungen unterscheiden sich je nach Konfiguration und Zeitpunkt:

• Berichte nennen etwa 7 bis 8 Millionen US-Dollar pro Rack.
• Eine von Bernstein erstellte und später zitierte Schätzung kommt auf rund 9,1 Millionen US-Dollar.
• Morgan Stanley veranschlagte ein VR200-NVL72-Rack mit ungefähr 7,8 Millionen US-Dollar.

Diese Werte sind als Schätzungen für System- oder Käuferkosten zu verstehen, nicht als bestätigte Verkaufspreise von Nvidia. Die Unterschiede zeigen zudem, warum sich die Wirtschaftlichkeit nicht allein anhand der GPU-Anzahl beurteilen lässt. Speicher, Server, Netzwerk, Kühlung, Stromversorgung und weitere Infrastrukturkomponenten machen einen wesentlichen Teil der Gesamtkosten aus.

Die Investitionen reichen weit über einzelne Racks hinaus. Eine von Investing.com zitierte Bernstein-Schätzung beziffert den Aufbau von einem Gigawatt Vera-Rubin-Rechenzentrumskapazität auf rund 47 Milliarden US-Dollar. Das ist eine Infrastrukturschätzung – keine direkte Prognose für Nvidias Umsatz und kein allgemeingültiger Baupreis.

Was CoreWeaves Margen über das Cloud-Geschäft verraten

CoreWeaves Rolle liefert ein frühes kommerzielles Signal. Das Unternehmen erklärte, neu abgeschlossene Verträge aus dem zweiten Quartal sollten Margen aufweisen, die 5 bis 10 Prozentpunkte über denen früherer Quartale liegen. Im Juli meldete CoreWeave außerdem Preiserhöhungen für seine gesamte Produktpalette.

Das bedeutet nicht, dass jedes Rubin-Projekt automatisch profitabler wird. Die Margen hängen unter anderem von Vertragspreisen, Auslastung, Finanzierung, Strom- und Kühlungskosten, Betriebskosten und der jeweiligen Hardwarekonfiguration ab.

Die Zahlen stellen jedoch die einfache Annahme infrage, dass modernere KI-Systeme Cloud-Anbieter wegen des höheren Kapitaleinsatzes zwangsläufig unter Druck setzen. Entscheidend ist, ob höhere Leistung und entsprechende Kundenpreise die größeren Anfangsinvestitionen ausgleichen können. Bei hoher Auslastung könnten Rack-Systeme trotz ihres hohen Anschaffungspreises bessere Stückkosten ermöglichen.

CoreWeaves entscheidende Validierungsarbeit

CoreWeave war nach eigenen Angaben der erste KI-Cloud-Anbieter, der ein Vera-Rubin-NVL72-System in Betrieb nahm und vollständig validierte. Die Prüfung umfasste das gesamte Rack – einschließlich Stromversorgung, Kühlung, Netzwerk und Rechenbetrieb.

Das ist ein wichtiger Unterschied: Einzelne Chips einzuschalten ist nicht dasselbe wie ein vollständig integriertes, flüssigkeitsgekühltes Rack mit Netzwerk- und Software-Stack unter realen Bedingungen zu betreiben. CoreWeaves Arbeit zeigte früh, dass die Plattform auf Produktionsniveau funktionieren kann, und verringerte das Integrationsrisiko für spätere Kunden.

CoreWeave veröffentlichte außerdem einen Vergleich mit Live-Hardware. Bei einer unternehmensintern gemeldeten Messung soll ein Vera Rubin NVL72 bei einer vergleichbaren DeepSeek-R1-Arbeitslast zehnmal mehr Tokens pro Sekunde und Megawatt erzeugt haben als ein Nvidia GB200 NVL72. Das Ergebnis gilt für die angegebenen Testbedingungen und ist keine universelle Leistungszusage für jede Arbeitslast.

Nvidia verkauft zunehmend komplette KI-Infrastruktur

Der Rubin-Rollout zeigt Nvidias Bewegung hin zu vollständigen KI-Infrastruktursystemen. Nvidia spricht von einer Lieferkette mit mehr als 350 Fabrikstandorten in 30 Ländern – der bislang größten Rack-Lieferkette des Unternehmens.

Diese geografische Ausdehnung ist relevant, weil die Engstelle nicht mehr nur in der Produktion ausreichender GPU-Mengen liegt. Für ein funktionierendes KI-Rack müssen GPUs, CPUs, Hochleistungsspeicher, Server, Netzwerkkomponenten, Flüssigkeitskühlung, Strominfrastruktur und Installationskapazitäten zeitlich und technisch zusammenpassen.

Indem Nvidia diese Lieferung zunehmend koordiniert oder komplette Systeme direkt bereitstellt, kann das Unternehmen seine Kontrolle über den KI-Infrastruktur-Stack ausweiten. Zugleich wächst das Ausführungsrisiko: Verzögert sich eine zentrale Komponente, kann sich die Auslieferung des gesamten Racks verschieben – und damit auch der Zeitplan des Rechenzentrums sowie die Umsatzverbuchung bei Nvidia.

Die geplanten Zwei-, Vier- und Acht-Rack-Konfigurationen würden bei Verwendung desselben 72-GPU-Bausteins insgesamt 144, 288 beziehungsweise 576 GPUs enthalten. Diese Zahlen ergeben sich aus einer einfachen Skalierung. Die verfügbaren Quellen bestätigen jedoch nicht unabhängig, dass alle drei Varianten formale Nvidia-Produktmodelle oder bereits terminierte Lieferoptionen sind. Entscheidend ist das zugrunde liegende Prinzip: Nvidia entwickelt wiederholbare Rack-Bausteine, die sich zu größeren „KI-Fabriken“ kombinieren lassen.

Worauf Anleger beim Nvidia-Bericht am 26. August achten sollten

Nvidia hat für das zweite Geschäftsquartal einen Umsatz von 91 Milliarden US-Dollar mit einer Schwankungsbreite von plus oder minus 2 Prozent in Aussicht gestellt. Die Prognose geht dabei von keinen Umsätzen mit Rechenzentrums-Computing in China aus. Nvidia erwartet eine Bruttomarge von rund 74,9 Prozent nach GAAP beziehungsweise 75,0 Prozent auf Non-GAAP-Basis.

Der Bericht am 26. August sollte deshalb nicht nur als Rückblick auf das vergangene Quartal gelesen werden. Er wird auch ein Test für Rubins kommerzielle Dynamik. Vier Fragen sind besonders wichtig:

1. Wird Rubin von der Validierung zur Serienauslieferung?

Anleger sollten auf konkrete Aussagen zu Produktionslieferungen, Kundeneinsätzen, Komponentenverfügbarkeit und dem Zeitpunkt achten, ab dem Rubin nennenswert zum Umsatz beiträgt. Nvidia erklärte, die Produktionsauslieferungen sollten im Herbst beginnen; andere Berichte beschreiben die Plattform bereits als in voller Produktion und auf dem Weg zu Kunden.

2. Kann Nvidia seine Margen verteidigen?

Rack-Systeme enthalten mehr und komplexere Komponenten als einzelne Beschleuniger. Die Margenentwicklung wird zeigen, ob Nvidia diese Kosten weitergeben und seine Preissetzungsmacht in der Nähe der Prognose halten kann.

3. Bremsen Speicher und andere Komponenten die Auslieferungen?

Nvidia hat angesichts eines umfassenderen Speicherengpasses vor begrenzter Verfügbarkeit gewarnt und seine Ausgaben zur Sicherung der Lieferkette erhöht. Aussagen zu Speicherbeständen, Bauteilkosten und möglichen Auswirkungen auf den Rubin-Hochlauf sind daher besonders relevant.

4. Bestätigt der Ausblick eine anhaltende Nachfrage?

Der konkrete Umsatz von 91 Milliarden US-Dollar ist wichtig. Noch aussagekräftiger dürfte jedoch der Ausblick auf das Folgequartal sein – zusammen mit Angaben zu Kundenverpflichtungen. Eine überzeugende Rubin-Story braucht wiederholbare Nachfrage und nicht nur einen erfolgreichen Ersteinsatz.

Fazit

OpenAIs geplanter Vera-Rubin-Einsatz ist bedeutend, weil er Nvidias nächste Plattform mit den besonders anspruchsvollen Arbeitslasten der Frontier-KI verbindet. Die bereits gemeldeten Systeme bei CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure und Nebius liefern zusätzliche Hinweise darauf, dass Rubin über eine reine Produktankündigung hinauskommt.

Die eigentliche Bewährungsprobe steht jedoch noch bevor. Die Rackpreise sind Schätzungen, CoreWeaves Margenangaben betreffen das eigene Geschäft, und eine frühe Validierung belegt noch keine Auslieferung in sehr großen Stückzahlen. Der Nvidia-Bericht am 26. August wird deshalb helfen zu klären, ob Vera Rubin zu einem skalierbaren und profitablen Systemgeschäft wird – oder zunächst eine technisch beeindruckende, aber noch frühe Übergangsphase bleibt.