AWS plant zwei Millionen zusätzliche Nvidia-GPUs

AWS und Nvidia haben am 26. August 2026 eine Zahl in die Welt gesetzt, die selbst in einer Branche, die an Superlative gewöhnt ist, für hochgezogene Augenbrauen sorgt: zwei Millionen zusätzliche Nvidia-GPUs, verteilt über die Jahre 2027 und 2028. Offiziell verkündet über eine gemeinsame Pressemitteilung von AWS und Nvidia, eingeordnet von TechCrunch als Reaktion auf „surging demand“. Klingt nach einer reinen Hardware-Meldung. Ist aber, rechnet man genauer nach, eine Aussage über Kapitalbindung, Stromnetze und die Frage, wer im KI-Infrastrukturgeschäft künftig die Preise diktiert.

Die Ankündigung im Detail: Was AWS und Nvidia eigentlich vereinbart haben

Konkret geht es um ein Deployment von zwei Millionen zusätzlichen Nvidia-GPUs in der globalen AWS-Infrastruktur, geplant für die Jahre 2027 und 2028. Das steht so in der Ankündigung von AWS und Nvidia. Als Einsatzzweck nennen beide Unternehmen „Agentic AI“ und „Physical AI“ – also KI-Systeme, die eigenständig Aufgaben ausführen, und Anwendungen in der Robotik, die auf physische Sensordaten reagieren müssen.

Wichtig für die Einordnung: Diese zwei Millionen GPUs kommen nicht aus dem Nichts. Sie sind ein Aufschlag auf eine bereits bestehende Zusage. Im März 2026 hatte AWS angekündigt, ab 2026 mehr als eine Million Nvidia-GPUs in seinen Regionen bereitzustellen. Die neue Zahl von zwei Millionen ist also kein Ersatz, sondern eine Verdreifachung des öffentlich kommunizierten GPU-Volumens auf rund drei Millionen Einheiten bis Ende des Jahrzehnts.

Der Unterschied zwischen „insgesamt zwei Millionen“ und „zusätzlich zwei Millionen“ ist keine Fußnote. Wer die Meldung liest und daraus eine Gesamtsumme von zwei Millionen GPUs für AWS ableitet, unterschätzt das tatsächliche Volumen um die Hälfte. Für eine Branche, die sich ständig mit Kapazitätsengpässen beschäftigt, ist das ein handfester Unterschied.

Rechnen wir nach: Von einer Million zu drei Millionen GPUs

Zum Vergleich: Eine Million GPUs war schon 2026 die Ansage, mit der AWS und Nvidia ihre „strategische Kollaboration“ beschrieben. Jetzt kommen zwei Millionen weitere GPUs dazu – nicht sofort, sondern gestreckt über die Jahre 2027 und 2028. Unter dem Strich bedeutet das: AWS hat gegenüber Nvidia ein Bestellvolumen offengelegt, das sich in drei Jahren verdreifacht.

Nvidia setzt bei Rechenzentren zunehmend auf die NVL72-Rack-Architektur, in der 72 GPUs zu einem Rechenverbund zusammengeschaltet werden. Teilt man zwei Millionen GPUs durch 72, kommt man auf knapp 27.800 Racks. Der Marktanalyst Patrick Moorhead hat öffentlich eine ähnliche Größenordnung – rund 28.000 NVL72-Racks – genannt und daraus einen Strombedarf von schätzungsweise sechs bis sieben Gigawatt abgeleitet. Das ist eine Analystenschätzung, keine offizielle AWS- oder Nvidia-Zahl, aber sie zeigt die Dimension, über die hier gesprochen wird: mehrere Gigawatt zusätzliche Rechenzentrumsleistung, nur für einen Teil der neuen Kapazität eines einzigen Cloud-Anbieters.

Wer bei „zwei Millionen GPUs“ an eine Bestellliste denkt, die man mal eben aufstockt, verkennt die Logistik dahinter. Es geht um Gebäude, Kühlsysteme, Umspannwerke und Lieferketten für Chips, die selbst Nvidia nicht beliebig skalieren kann. Zur Einordnung lohnt sich ein Blick auf ähnliche Ankündigungen anderer Chiphersteller, etwa den Rack-Scale-Ansatz von AMD mit der Instinct-MI455X-Plattform, der zeigt, dass der gesamte Markt derzeit nicht in einzelnen Chips, sondern in kompletten Rechenzentrums-Bausteinen denkt.

Blackwell Ultra, Rubin, Rubin Ultra – welche Chips wirklich kommen

Für die zusätzliche Kapazität nennt Nvidia in der Ankündigung konkrete Produktlinien: Blackwell Ultra, Rubin und Rubin Ultra. Blackwell Ultra ist die Weiterentwicklung der aktuellen Blackwell-Generation, Rubin markiert die nächste große Architekturstufe nach Blackwell, Rubin Ultra deren High-End-Ausführung. Das ist insofern relevant, weil es zeigt: AWS bestellt nicht einfach mehr von dem, was heute schon läuft, sondern reserviert sich frühzeitig Kapazität für Chips, die zum Teil noch gar nicht ausgeliefert sind.

Das ist ein Muster, das sich in der gesamten Branche wiederholt. Wer heute Rechenzentrumskapazität für 2027 sichern will, kauft nicht die aktuelle Generation, sondern spekuliert auf die übernächste. Für AWS bedeutet das ein gewisses Risiko: Sollte sich der Fahrplan für Rubin oder Rubin Ultra verschieben, verschiebt sich auch die versprochene Kapazität. Weder Nvidia noch AWS haben bislang detaillierte Zeitpläne veröffentlicht, welche konkreten EC2-Instanztypen mit welcher Chip-Generation in welchen Regionen starten. Diese Angaben folgen erfahrungsgemäß erst kurz vor der tatsächlichen Verfügbarkeit.

Ein solches Risiko ist keine reine Theorie. Schon frühere Generationswechsel bei Nvidia-Chips haben gezeigt, dass sich Auslieferungstermine um mehrere Monate verschieben können, etwa wenn Fertigungsengpässe bei Zulieferern auftreten oder Testphasen länger dauern als geplant. Für AWS bedeutet das: Die Zusage von zwei Millionen GPUs bis 2028 ist ein Zielkorridor, kein Fixtermin mit vertraglich abgesicherter Pönale. Kunden, die ihre eigene Planung an diesem Zeitrahmen ausrichten, sollten das im Hinterkopf behalten und nicht jede Meilensteinangabe als gesetzt betrachten.

Trainium, Inferentia, Graviton: Warum AWS trotzdem nicht auf eigene Chips setzt

Hier wird es interessant, denn AWS betreibt seit Jahren ein eigenes Chip-Programm: Trainium für das Training von KI-Modellen, Inferentia für die Inferenz, Graviton als eigene CPU-Architektur. Man könnte meinen, ein Cloud-Anbieter mit eigenen Beschleunigern hätte wenig Grund, sich derart massiv an einen einzigen externen Zulieferer zu binden. Genau das Gegenteil passiert.

Die Erklärung liegt im Ökosystem. Kunden, die heute KI-Modelle trainieren, arbeiten mit CUDA, mit Nvidias Software-Stack, mit Werkzeugen, die auf Nvidia-Hardware optimiert sind. Ein Wechsel auf eigene Chips ist für viele Unternehmen kein Software-Update, sondern ein Migrationsprojekt. AWS positioniert Trainium und Inferentia daher als Ergänzung, nicht als Ersatz – wer im Nvidia-Ökosystem bleiben will, soll das bei AWS tun können, ohne auf Kapazität warten zu müssen.

Dazu kommt eine technische Entwicklung, die Nvidia branchenweit forciert: die Öffnung seiner NVLink-Verbindungstechnologie für Partnerchips, unter dem Namen NVLink Fusion vermarktet. Die Idee dahinter ist, dass eigene Beschleuniger wie Trainium enger an Nvidia-GPUs und deren Netzwerktechnik angebunden werden können, statt als getrennte Inseln im Rechenzentrum zu existieren. Wie genau AWS diese Integration im Rahmen der aktuellen Zusage nutzt, haben beide Unternehmen bislang nicht im Detail beziffert – es bleibt eine strategische Leitlinie, keine ausformulierte technische Roadmap.

Ist das nun eine Kapitulation von AWS vor Nvidias Marktmacht oder schlicht kluges Risikomanagement? Aus meiner Sicht spricht mehr für Letzteres: Kein Cloud-Anbieter kann es sich derzeit leisten, Kunden mit Kapazitätsengpässen zu verlieren, nur um die eigene Chip-Strategie zu beweisen. Wer eigene Silizium-Entwicklung vorantreibt und gleichzeitig im großen Stil bei Nvidia einkauft, verschafft sich Verhandlungsmasse in beide Richtungen: gegenüber Nvidia als Großkunde mit Alternativen, gegenüber Kunden als Anbieter, der nicht von einer einzigen Lieferkette abhängig ist.

Der Haken: Strom, Racks und die Frage nach der Rendite

Zwei Millionen zusätzliche GPUs sind zuerst einmal eines: eine gewaltige Investitionsentscheidung, deren Rendite sich erst über Jahre zeigt. Rechenzentren mit Gigawatt-Leistung brauchen Umspannwerke, Kühlkreisläufe, oft auch neue Standorte in der Nähe verfügbarer Energiequellen. Diese Infrastruktur amortisiert sich nur, wenn die Nachfrage nach KI-Rechenleistung tatsächlich in dem Tempo wächst, das AWS und Nvidia hier unterstellen.

Der Haken an der Sache: Weder AWS noch Nvidia haben in der Ankündigung konkrete Zahlen zu Investitionskosten oder erwarteten Auslastungsraten genannt. Öffentlich diskutiert wird lediglich die Chip-Stückzahl – die eigentlich teure Seite, Gebäude, Strom, Kühlung, taucht in der Pressemitteilung nicht auf. Das ist kein Zufall. Eine Zahl wie „zwei Millionen GPUs“ lässt sich gut kommunizieren, eine Zahl wie „geschätzte Investitionssumme in zweistelliger Milliardenhöhe für Stromnetze“ deutlich schlechter.

Sollte die Nachfrage nach Agentic-AI- und Physical-AI-Anwendungen hinter den Erwartungen zurückbleiben, sitzt AWS auf einer Kapazität, die sich nicht kurzfristig zurückfahren lässt. Rechenzentren sind keine Abo-Verträge, die man monatlich kündigt.

Diese Abhängigkeit von langfristigen Nachfrageprognosen ist der eigentliche Kern des Risikos. Ein Rechenzentrum, das für sechs bis sieben Gigawatt Leistung ausgelegt ist, lässt sich nicht einfach auf die Hälfte herunterfahren, ohne dass ein erheblicher Teil der Investition brachliegt. Kritiker der aktuellen KI-Infrastrukturwelle verweisen genau darauf: Die Bauaktivität übertrifft mancherorts bereits das Tempo, mit dem neue Stromkapazitäten regional überhaupt genehmigt und angeschlossen werden können. Genehmigungsverfahren für Umspannwerke und Hochspannungsleitungen dauern in vielen Regionen Jahre – ein Zeitrahmen, der mit den zwei Jahren zwischen Ankündigung und geplanter Fertigstellung nur schwer zusammenpasst. Es ist daher nicht ausgeschlossen, dass ein Teil der angekündigten Kapazität sich zeitlich verschiebt, weil nicht die Chips, sondern die Energieversorgung der limitierende Faktor wird.

Was das für Kunden und Preise bedeutet

Für Unternehmen, die heute GPU-Instanzen bei AWS mieten, ändert sich kurzfristig wenig. Die zusätzliche Kapazität steht erst 2027 und 2028 zur Verfügung, nicht sofort. Wer aktuell unter Wartelisten für High-End-GPU-Instanzen leidet, bekommt durch diese Ankündigung keine schnellere Lösung.

Zur Preisfrage machen beide Unternehmen keine Aussage. Mehr Angebot könnte mittelfristig Druck auf die Mietpreise für GPU-Instanzen ausüben – das ist ökonomisch plausibel, aber eine reine Markterwartung, keine belegte Tatsache. Gegenläufig wirkt, dass neue Chip-Generationen wie Rubin Ultra in der Regel teurer sind als ihre Vorgänger, weil sie mehr Rechenleistung pro Karte liefern und entsprechend anders abgerechnet werden. Unter dem Strich dürfte sich beides in etwa die Waage halten, bis belastbare Preislisten für die neuen Instanztypen vorliegen.

Für Kunden, die heute Kapazitätsplanung für 2027 betreiben, lohnt sich trotzdem ein Blick auf die Roadmap: Wer weiß, dass Rubin-basierte Instanzen kommen, kann Trainingsläufe zeitlich so legen, dass er von der neuen Hardware profitiert, statt in eine ältere Generation zu investieren, die kurz vor dem Ablösetermin steht.

Ein praktisches Szenario verdeutlicht das: Ein mittelständisches Softwareunternehmen, das ein eigenes Sprachmodell für den deutschsprachigen Markt trainieren will, steht vor der Wahl, ob es jetzt auf aktuelle Blackwell-Instanzen setzt oder auf die für 2027 angekündigte Rubin-Generation wartet. Wer zeitlich flexibel ist und ohnehin erst in anderthalb Jahren produktionsreif sein muss, kann durch das Warten von besserer Preis-Leistung profitieren – vorausgesetzt, die angekündigten Termine halten. Wer dagegen bereits jetzt Kunden bedienen muss, hat von der Ankündigung wenig, außer der vagen Zusicherung, dass Engpässe mittelfristig kleiner werden sollen. Diese Abwägung zwischen Warten und Handeln dürfte in den kommenden Monaten viele IT-Entscheider beschäftigen, gerade weil belastbare Preislisten und Verfügbarkeitszusagen für konkrete Instanztypen weiterhin fehlen.

Der Wettlauf der Hyperscaler

AWS ist mit dieser Ankündigung nicht allein im Rennen um KI-Infrastruktur. Microsoft und Google bauen parallel eigene GPU-Flotten aus, kombiniert mit eigenen Beschleunigern wie Googles TPUs. Konkrete, direkt vergleichbare Zahlen zu den GPU-Bestellungen der Konkurrenz liegen für diesen Artikel nicht in belastbarer Form vor – öffentlich kommunizierte Stückzahlen unterscheiden sich in Methodik und Zeitraum zu stark, um sie seriös nebeneinanderzustellen.

Was sich aber beobachten lässt: Die PR-Sprache aller drei Anbieter ähnelt sich zunehmend. „Agentic AI“, „AI Factories“, „Physical AI“ – diese Begriffe tauchen bei AWS, Microsoft und Google in nahezu identischer Form auf. Das ist weniger Zufall als Wettbewerbsdruck: Wer als Hyperscaler nicht mit Millionen-GPU-Zahlen aufwarten kann, gerät in der öffentlichen Wahrnehmung ins Hintertreffen, selbst wenn die tatsächliche Auslastung völlig anders aussieht als die Ankündigung suggeriert.

Aus journalistischer Sicht ist das eine Zahl, die man mit gesundem Abstand lesen sollte. Ankündigungen über Chip-Bestellungen für 2027 und 2028 sind Absichtserklärungen, keine Lieferverträge mit Vertragsstrafen bei Verzug. Bis zur tatsächlichen Inbetriebnahme können sich Lieferzeiten, Preise und sogar Chip-Generationen noch verschieben.

Interessant ist zudem, dass sich der Wettbewerb zunehmend nicht mehr nur über reine Rechenleistung, sondern über angrenzende Themenfelder definiert. Sicherheit, Energieeffizienz und Softwareintegration werden zu Differenzierungsmerkmalen, die in Pressemitteilungen zwar seltener auftauchen, für Unternehmenskunden aber zunehmend entscheidend sind. Wer etwa im Finanzsektor auf KI-gestützte Systeme setzt, muss neben der reinen Rechenkapazität auch Fragen der Zahlungssicherheit im Zeitalter leistungsfähigerer Rechenzentren mitdenken, da mehr Rechenleistung theoretisch auch neue Angriffsszenarien ermöglicht. Solche Nebenaspekte werden in den Hochglanz-Ankündigungen der Hyperscaler naturgemäß ausgeblendet, sind für die praktische Einordnung aber relevant.

Gegenargumente: Warum Skepsis angebracht ist

Bei aller Dimension der Ankündigung lohnt sich ein nüchterner Blick auf die Gegenposition. Erstens: Ankündigungen dieser Größenordnung dienen auch der Kurspflege. AWS und Nvidia sind börsennotierte Unternehmen, deren Aktienkurse stark von Wachstumserwartungen im KI-Geschäft abhängen. Eine Zahl wie „zwei Millionen zusätzliche GPUs“ ist auch ein Signal an Investoren, dass das Wachstum ungebrochen weitergeht – unabhängig davon, wie genau sich die tatsächliche Auslieferung später gestaltet.

Zweitens: Die KI-Nachfrage der vergangenen Jahre war in Teilen spekulativ getrieben. Nicht jedes Unternehmen, das heute GPU-Kapazität reserviert, hat bereits ein tragfähiges Geschäftsmodell für den Einsatz dieser Rechenleistung. Sollte sich in den kommenden zwei Jahren herausstellen, dass viele KI-Projekte nicht die erwarteten Erträge liefern, könnte auch die Nachfrage nach Cloud-GPU-Kapazität langsamer wachsen als in der aktuellen Prognose unterstellt. In diesem Fall würde AWS auf einem Teil der neu gebauten Kapazität sitzen, ohne dass sich die Investition kurzfristig rentiert.

Drittens bleibt die Frage der Konzentration: Ein derart großer Teil der weltweiten GPU-Produktion, der in die Infrastruktur eines einzigen Cloud-Anbieters fließt, verstärkt die Marktmacht von AWS gegenüber kleineren Cloud-Anbietern und eigenen Rechenzentrumsbetreibern, die kaum vergleichbare Bestellvolumina stemmen können. Das kann mittelfristig zu einer weiteren Konzentration des KI-Infrastrukturmarkts auf wenige große Anbieter führen – mit den bekannten Nachteilen für Preiswettbewerb und Angebotsvielfalt, wie sie auch in anderen Bereichen der IT-Infrastruktur schon zu beobachten waren.

Was bleibt?

Am Ende bleibt eine Zahl, die vor allem eines zeigt: AWS und Nvidia gehen davon aus, dass der Bedarf an KI-Rechenleistung in den nächsten Jahren nicht nur weiterwächst, sondern schneller wächst als bisher angenommen – schließlich übertraf die Nachfrage nach der Ein-Millionen-Zusage aus dem März 2026 offenbar bereits die eigenen Erwartungen. Ob sich diese Prognose bewahrheitet, entscheidet sich nicht an der Pressemitteilung, sondern an der tatsächlichen Auslastung der Rechenzentren, die AWS bis 2028 bauen muss.

Für Kunden, IT-Entscheider und alle, die GPU-Kapazität für ihre eigenen KI-Projekte einplanen, bleibt die praktische Frage: Wann genau werden welche Instanztypen in welchen Regionen verfügbar sein – und zu welchem Preis? Diese Antworten liefert AWS bislang nicht. Wer heute schon Budgets für 2027 plant, sollte diese Unsicherheit einkalkulieren, statt sich blind auf die angekündigten Zeiträume zu verlassen, und parallel eigene Kapazitätsreserven oder alternative Anbieter im Blick behalten, um nicht ausschließlich von einem einzigen Fahrplan abhängig zu sein.

Bis dahin bleibt die Zwei-Millionen-Zahl vor allem eines: ein starkes Signal an den Markt, dass Nvidia-GPUs bei AWS auf absehbare Zeit nicht knapp werden sollen. Ob das reicht, um die tatsächliche Nachfrage 2027 und 2028 zu decken, wird sich zeigen müssen.