Warum der Wettlauf um KI künftig im Rechenzentrum entschieden wird

Nicht das nächste Sprachmodell entscheidet über die Zukunft der Künstlichen Intelligenz, sondern der Zugang zu Rechenleistung. Genau hier setzt die neue strategische Partnerschaft zwischen Nvidia und Safe Superintelligence (SSI) an.

Während viele KI-Unternehmen Milliarden in immer größere Modelle investieren, konzentrieren sich Nvidia und das von OpenAI-Mitgründer Ilya Sutskever gegründete Forschungslabor Safer Superintelligence (SSI) auf den eigentlichen Engpass der Branche: skalierbare Hochleistungsrechenzentren und spezialisierte KI-Infrastruktur.

SSI erhält Zugang zur kommenden Nvidia-Vera-Rubin-Plattform und will damit seine verfügbare Rechenleistung nach eigenen Angaben um den Faktor zehn erhöhen – eine Verzehnfachung, die laut SSI innerhalb der kommenden zwölf Monate realisiert werden soll. Nvidia bestätigt zudem eine „substantial investment“, nennt jedoch keine Summe. Reuters und Bloomberg berichten unter Berufung auf mit dem Vorgang vertraute Personen von einer Investition in Höhe von rund fünf Milliarden US-Dollar. Damit zählt die am 27. Juli 2026 bekannt gegebene Partnerschaft zu den größten strategischen KI-Investitionen des Jahres 2026.

Das Wichtigste in Kürze:

• Nvidia und Safe Superintelligence schließen eine langfristige strategische Partnerschaft.
• Nvidia bestätigt eine umfangreiche Beteiligung, nennt aber keine Investitionssumme.
• Reuters und Bloomberg beziffern das Investment auf rund fünf Milliarden US-Dollar.
• SSI erhält Zugang zur kommenden Vera-Rubin-Plattform und will seine Rechenleistung verzehnfachen.
• SSI wird aktuell mit rund 32 Milliarden US-Dollar bewertet – bei nur rund 30 bis 35 Mitarbeitenden und ohne veröffentlichtes Produkt.
• Beide Unternehmen wollen künftige KI-Rechenplattformen gemeinsam weiterentwickeln.

Warum Nvidia mit SSI eine neue Phase der KI-Industrie einläutet

Die Partnerschaft zwischen Nvidia und Safe Superintelligence (SSI) ist weit mehr als eine klassische Beteiligung an einem vielversprechenden KI-Start-up. Sie steht exemplarisch für einen grundlegenden Wandel im Markt: Der Wettbewerb verlagert sich von der Entwicklung einzelner Sprachmodelle hin zur Kontrolle der zugrunde liegenden KI-Infrastruktur.

Während in den vergangenen Jahren vor allem die Qualität großer Sprachmodelle über den Erfolg eines Unternehmens entschied, entwickelt sich heute der Zugang zu Rechenleistung zum eigentlichen Engpass. Das Training moderner Foundation-Modelle und agentischer KI-Systeme erfordert Zehntausende bis Hunderttausende spezialisierter GPUs, Hochgeschwindigkeitsnetzwerke, leistungsfähige Speicherarchitekturen und Rechenzentren mit enormem Energiebedarf. Unternehmen, die diese Infrastruktur bereitstellen oder exklusiv nutzen können, verschaffen sich einen nachhaltigen Wettbewerbsvorteil. Die Partnerschaft zwischen Nvidia und SSI verdeutlicht diese Entwicklung eindrucksvoll.

Statt lediglich Hardware zu verkaufen, positioniert sich Nvidia zunehmend als strategischer Infrastrukturpartner ausgewählter KI-Labore. Das Unternehmen investiert Kapital, stellt modernste Compute-Plattformen bereit und erhält im Gegenzug Einblicke in zukünftige Anforderungen der KI-Forschung. Nach Angaben von Nvidia entschied sich der Konzern für die Partnerschaft, nachdem er einen ungewöhnlich tiefen Einblick in die bislang streng vertraulichen Forschungsarbeiten von SSI erhalten hatte.

Compute wird zur neuen strategischen Ressource

Noch vor wenigen Jahren galt der Algorithmus als wichtigster Erfolgsfaktor im KI-Markt. Heute entscheidet zunehmend die Verfügbarkeit von Compute über die Geschwindigkeit von Innovationen.

Die nächste Generation von KI-Systemen wird nicht allein durch bessere Modelle entstehen, sondern durch die Fähigkeit, diese Modelle mit immer größeren Datenmengen, leistungsfähigeren Beschleunigern und energieeffizienteren Rechenzentren zu trainieren und zu betreiben. Compute entwickelt sich damit zu einer strategischen Ressource – vergleichbar mit der Bedeutung von Halbleitern oder Cloud-Infrastrukturen in den vergangenen Technologiewellen.

Für Unternehmen bedeutet dies einen Perspektivwechsel: Künftig wird nicht nur die Auswahl eines geeigneten KI-Modells relevant sein, sondern ebenso die Frage, auf welcher Infrastruktur dieses Modell entwickelt, trainiert und betrieben wird. Entscheidungen über Cloud-Strategien, GPU-Verfügbarkeit, Netzwerktechnik und Energieversorgung werden zu einem integralen Bestandteil der KI-Strategie.

Warum SSI für Nvidia strategisch besonders interessant ist

Safe Superintelligence nimmt innerhalb der KI-Landschaft eine Sonderstellung ein. Das Unternehmen verfolgt bewusst keinen produktorientierten Ansatz und veröffentlicht bislang weder kommerzielle Anwendungen noch regelmäßig Forschungsergebnisse. Stattdessen konzentriert sich SSI ausschließlich auf die Entwicklung einer leistungsfähigen und zugleich robust ausgerichteten („aligned“) künstlichen Intelligenz. Genau diese langfristige Forschungsorientierung macht das Unternehmen für Nvidia attraktiv.

Für Nvidia entsteht dadurch ein doppelter Nutzen. Einerseits gewinnt das Unternehmen einen bedeutenden Abnehmer für seine kommende Vera-Rubin-Plattform. Andererseits erhält Nvidia frühzeitig Erkenntnisse darüber, welche Hardwareanforderungen zukünftige Generationen von KI-Systemen stellen werden. Diese Rückkopplung zwischen Forschung und Hardwareentwicklung dürfte künftig zu einem wichtigen Wettbewerbsvorteil werden.

Wie zentral die Forschungsleistung von SSI für den Deal ist, machte Ilya Sutskever, Mitgründer und CEO von SSI, in der gemeinsamen Ankündigung deutlich: „Wir haben Forschungsergebnisse, die es wert sind, hochskaliert zu werden, und der Zugang zu einem großen Nvidia-Rechner wird uns dies ermöglichen“, so Sutskever laut der offiziellen Mitteilung von Nvidia.

Warum IT-Entscheider diesen Deal beobachten sollten:

• Rechenleistung wird zum zentralen Wettbewerbsfaktor für KI.
• KI-Infrastruktur entwickelt sich zum strategischen Investitionsfeld.
• Hyperscaler, Chip-Hersteller und Forschungslabore arbeiten enger zusammen.
• Die Anforderungen an Rechenzentren, Energieversorgung und Netzwerke steigen deutlich.
• Unternehmen sollten ihre KI-Roadmap künftig gemeinsam mit ihrer Infrastrukturstrategie planen.

Die Vera-Rubin-Plattform – mehr als nur eine neue GPU-Generation

Mit der Vera-Rubin-Plattform verfolgt Nvidia nicht das Ziel, lediglich eine schnellere GPU auf den Markt zu bringen. Vielmehr entwickelt das Unternehmen eine vollständig integrierte KI-Infrastruktur, die speziell für das Training und den Betrieb der nächsten Generation großer KI-Modelle und agentischer KI-Systeme ausgelegt ist. Vera Rubin kombiniert Hochleistungs-GPUs, die neue Vera-CPU, Hochgeschwindigkeitsnetzwerke und eine optimierte Speicherarchitektur zu einer eng abgestimmten Gesamtplattform. Damit verschiebt sich der Fokus von einzelnen Beschleunigern hin zu kompletten KI-Fabriken („AI Factories“), die sich deutlich effizienter skalieren lassen. Ein Vera-Rubin-NVL72-Rack umfasst dabei 72 Rubin-GPUs, 36 Vera-CPUs sowie die zugehörigen Netzwerk- und Datenverarbeitungskomponenten. Wie diese Rack-Scale-Architektur konkret in Rechenzentren umgesetzt wird, zeigt die gemeinsam mit Schneider Electric vorgestellte NVL72-Referenzarchitektur für Stromversorgung und Kühlung, mit der sich KI-Rechenzentren im Gigawattbereich planen lassen.

Für Safe Superintelligence (SSI) ist dieser Architekturansatz von zentraler Bedeutung. Das Unternehmen erhält nicht nur zusätzliche Rechenleistung, sondern Zugriff auf eine Plattform, die speziell für extrem große Trainings- und Inferenz-Workloads entwickelt wurde. Nvidia spricht in diesem Zusammenhang ausdrücklich von einer Verzehnfachung der verfügbaren Compute-Kapazität für SSI. Gleichzeitig wollen beide Unternehmen gemeinsam an der Weiterentwicklung zukünftiger Compute-Plattformen arbeiten und dabei die Forschungsergebnisse von SSI in die Hardwareentwicklung einfließen lassen.

Von Blackwell zu Vera Rubin – was sich technisch ändert

Blackwell markierte bereits einen bedeutenden Fortschritt gegenüber Hopper. Vera Rubin geht jedoch einen Schritt weiter. Nvidia beschreibt die Plattform nicht mehr primär als GPU-Generation, sondern als Rack-Scale-Architektur, bei der Prozessoren, Netzwerke, Speicher und Energieversorgung als integriertes Gesamtsystem konzipiert werden. Ziel ist es, den Datenaustausch zwischen Tausenden von Beschleunigern zu optimieren und gleichzeitig den Energieverbrauch pro verarbeitetem KI-Token deutlich zu senken.

Nach Nvidias eigenen Angaben zeigt sich dieser Effizienzsprung auch in konkreten Kennzahlen: Für das Training bestimmter Mixture-of-Experts-Modelle sollen auf einem Vera-Rubin-NVL72-System nur ein Viertel der GPUs nötig sein, die Blackwell benötigt – also viermal weniger GPUs. Bei der KI-Inferenz soll ein Zehntel der bisherigen Kosten pro Token anfallen. Die Plattform wurde damit gezielt für große Multi-Agenten-Systeme, Inferenz in Echtzeit und das Training sehr großer Modelle entwickelt.

KI-Fabriken statt klassischer Rechenzentren

Eine der wichtigsten Veränderungen betrifft die Art und Weise, wie Rechenzentren künftig geplant werden. Nvidia spricht zunehmend von AI Factories, also spezialisierten Rechenzentren, deren Architektur konsequent auf KI-Workloads ausgelegt ist. In diesen Umgebungen arbeiten Tausende GPUs, CPUs, Netzwerkkomponenten und Speichersysteme als eng gekoppelte Einheit zusammen. Ziel ist es, Daten möglichst ohne Engpässe zwischen den einzelnen Komponenten zu bewegen und dadurch sowohl Training als auch Inferenz erheblich zu beschleunigen.

Für Unternehmen bedeutet dies einen grundlegenden Perspektivwechsel. Während bisher häufig einzelne GPU-Server ergänzt wurden, rückt künftig die Planung kompletter KI-Infrastrukturen in den Vordergrund. Themen wie Stromversorgung, Flüssigkeitskühlung, Netzwerkbandbreite und Speicherhierarchien werden damit zu strategischen Faktoren der KI-Einführung.

Warum die Plattform für SSI entscheidend ist

SSI verfolgt das Ziel, eine leistungsfähige und zugleich robust ausgerichtete künstliche Intelligenz zu entwickeln. Solche Forschungsprogramme erfordern umfangreiche Trainingsläufe, kontinuierliche Evaluierungen und groß angelegte Sicherheitstests. Die Partnerschaft mit Nvidia verschafft dem Unternehmen die dafür notwendige Infrastruktur – bislang setzte SSI vor allem auf Google-TPUs, künftig kann es seine Forschungsinfrastruktur nun deutlich breiter aufstellen. Nvidia betont, dass die Kombination aus der Investition und dem Zugang zur Vera-Rubin-Plattform die verfügbare Rechenkapazität von SSI um eine Größenordnung erhöhen soll. Gleichzeitig erhält Nvidia durch die Zusammenarbeit einen seltenen Einblick in die Anforderungen zukünftiger KI-Systeme und kann diese Erkenntnisse in die Entwicklung kommender Plattformen einfließen lassen.

Milliardenbewertung ohne Produkt – warum Investoren dennoch auf SSI setzen

Safe Superintelligence (SSI) gehört zu den ungewöhnlichsten Unternehmen der aktuellen KI-Welle. Das 2024 von Ilya Sutskever, Daniel Levy und Daniel Gross gegründete Forschungslabor verfügt bislang weder über ein kommerzielles Produkt noch über veröffentlichte Forschungsergebnisse oder nennenswerte Umsätze. Dennoch zählt SSI mit einer Bewertung von rund 32 Milliarden US-Dollar zu den wertvollsten privaten KI-Unternehmen weltweit.

Der Weg dorthin verlief in klaren Etappen: Die erste Finanzierungsrunde im September 2024 bewertete SSI mit rund 5 Milliarden US-Dollar, eine weitere Runde im April 2025 über 2 Milliarden US-Dollar hob die Bewertung auf 32 Milliarden US-Dollar. Zu den Investoren zählen unter anderem Andreessen Horowitz, DST Global, Greenoaks, Sequoia Capital und Lightspeed Venture Partners – seit April 2025 zudem Alphabet und Nvidia selbst als strategische Investoren. Mehreren Marktschätzungen zufolge hat die Gesamtfinanzierung inklusive der neuen Nvidia-Beteiligung mittlerweile die Marke von 7 Milliarden US-Dollar erreicht oder überschritten.

Die jetzt bekannt gegebene Partnerschaft mit Nvidia unterstreicht, dass Investoren den Unternehmenswert nicht an kurzfristigen Erlösen, sondern am langfristigen technologischen Potenzial messen. Nvidia bestätigt eine Beteiligung an SSI, nennt jedoch weder den Umfang noch die finanziellen Konditionen. Erst Reuters und Bloomberg berichteten unter Berufung auf mit dem Vorgang vertraute Personen über eine Investition von rund fünf Milliarden US-Dollar. Diese Summe wurde von Nvidia bislang nicht offiziell bestätigt.

Forschung wird zur eigenen Anlageklasse

Noch vor wenigen Jahren bewerteten Investoren KI-Unternehmen vor allem nach Umsatzwachstum, Nutzerzahlen oder der Geschwindigkeit der Produktentwicklung. Mit Safe Superintelligence zeichnet sich ein anderer Trend ab. Kapital fließt zunehmend in Forschungsteams, deren wirtschaftlicher Wert fast ausschließlich auf dem erwarteten wissenschaftlichen Durchbruch basiert.

SSI ist dafür ein besonders prägnantes Beispiel. Das Unternehmen beschäftigt Berichten zufolge lediglich rund 30 bis 35 Mitarbeitende, verzichtet bewusst auf eine kurzfristige Produktstrategie und konzentriert sich ausschließlich auf die Entwicklung einer robust ausgerichteten Superintelligenz. Für klassische Venture-Capital-Investoren wäre ein solches Geschäftsmodell ungewöhnlich. Im aktuellen KI-Markt gilt es dagegen vielen als strategische Option mit außergewöhnlichem Potenzial.

Warum Nvidia bereit ist, früh zu investieren

Für Nvidia ist die Beteiligung mehr als ein Finanzinvestment. Der Konzern sichert sich damit den Zugang zu einem der renommiertesten KI-Forschungsteams der Branche und erhält zugleich Einblicke in zukünftige Anforderungen an Trainings- und Inferenzplattformen. Nach Angaben des Unternehmens erhielt Nvidia vor Abschluss der Partnerschaft einen ungewöhnlich tiefen Einblick in die bislang vertrauliche Forschungsarbeit von SSI – ein wesentlicher Faktor für die Entscheidung zur Zusammenarbeit.

Wie groß dieses Vertrauen ist, machte Nvidia-CEO Jensen Huang in der gemeinsamen Ankündigung deutlich: „Ilya hat mit AlexNet grundlegende Durchbrüche an der Basis der modernen KI erzielt. Wir sind gespannt, welche neuen Durchbrüche SSI mit unserer Vera-Rubin-Plattform entdecken wird“, so Huang.

Damit verfolgt Nvidia eine Strategie, die sich bereits bei anderen KI-Unternehmen beobachten lässt: Der Hersteller liefert nicht nur Hardware, sondern investiert gezielt in Unternehmen, deren zukünftiger Compute-Bedarf erheblich sein dürfte. Die Partnerschaft stärkt somit sowohl die Nachfrage nach kommenden Plattformen wie Vera Rubin als auch Nvidias Position als strategischer Infrastrukturpartner der KI-Branche.