DeepSeek erschüttert Nvidia: Cisco-Ängste kehren zurück

DeepSeek trainiert KI für 5–7 % der Kosten und erschüttert Nvidia

Kann ein Geschäft im Wert von zwei Billionen Dollar durch eine Rechnung von fünf Millionen Dollar ins Wanken geraten? Diese Frage geisterte durch Handelsräume und Investitionsforen, als DeepSeek sein Modell R1 vorstellte. Der entscheidende Punkt: Das Training hätte nur zwischen 5 % und 7 % dessen gekostet, was die fortschrittlichsten GPT-Modelle benötigen. Mit diesem Startpunkt schien das Drehbuch geschrieben. Nvidia bricht ein, das Narrativ des Monopols zerbröckelt. So einfach war es jedoch nicht.

Die 5–7 % der Kosten, die den Markt verunsicherten

Das Training eines Spitzenmodells erfordert keine ganze Kraftwerkseinheit mehr. Dies ist die Botschaft, die am häufigsten kursiert. Eine in der Diskussion aufgetauchte Berechnung beziffert die Kosten für DeepSeek auf etwa 5 Millionen US-Dollar, verglichen mit über 100 Millionen US-Dollar, die OpenAI und Anthropic allein für Rechenleistung ausgeben. Die optimistische Schlussfolgerung kommt schnell: Wenn jeder ein konkurrenzfähiges Modell für einen Bruchteil des Preises trainieren kann, verlieren die großen US-Tech-Konzerne ihren Vorsprung. Die skeptische Schlussfolgerung braucht länger, existiert aber ebenfalls. Ein Modell ist kein Geschäftsmodell.

Nvidias Schatten: Die Cisco-Lektion

Der Vergleich, der die gesamte Debatte dominierte, lautet Cisco. Während der Dotcom-Blase war Cisco der dominierende Anbieter von Netzwerkgeräten und ritt eine Welle massiver Nachfrage. Als die Blase platzte, überschwemmten insolvente Unternehmen den Markt mit gebrauchter Hardware, die Nachfrage nach neuen Geräten verdampfte und das Wachstum stagnierte jahrelang. Übertragen auf Nvidia: Wenn KI-Startups pleitegehen oder Rechenzentren, die GPUs mieten, ihre Investitionen nicht amortisieren, könnte eine Lawine gebrauchter Karten den Wert neuer Geräte drücken. Überproduktion, Abhängigkeit von risikoreichen Kunden und ein Sekundärmarkt, der die Nachfrage sättigt. Der perfekte Sturm, sagen Kritiker.

Andere entgegnen, dass der Vergleich hinkt. Nvidia verkauft nicht an Dotcom-Firmen, die Risikokapital verbrennen, sondern an die größten Unternehmen der Welt, die den Druck aushalten können. Die Zweifel sind jedoch nun gesät.

Warum holte Nvidia die Hälfte des Verlustes wieder herein?

Weil Panik so lange dauert wie Panik eben dauert. Kurz darauf erholte sich die Aktie um etwa 50 % des Verlusts, und die Erwartung guter Ergebnisse des Herstellers stabilisierte die Stimmung schließlich. Ein Investor gestand, dass er bei einem Preis von 100 US-Dollar wieder einsteigen würde, während die Aktie um die 125 US-Dollar notierte. Ein weiteres Datenpunkt stützt diese These: ASML, einer der wichtigsten Akteure in der Produktionskette, steigerte seine Gewinne um 30 %. Weniger schlechte Vorzeichen, als die apokalyptische Schlagzeile suggerierte.

KI wird demokratischer – das ändert die Spielregeln

DeepSeek ist Open Source. Jeder mit dem nötigen Wissen kann den Code prüfen, ausführen und anpassen, ohne Patente oder Lizenzen zu beachten. Das senkt die Einstiegshürden, bricht aber auch das Oligopol der Cloud-Dienste. Die Konkurrenz ließ nicht auf sich warten: Alibaba stellte Qwen 2.5 vor und behauptete, es übertreffe DeepSeek-V3, während DeepSeek selbst kontinuierlich von der Community optimiert wird. Einige destillierte Modelle laufen bereits lokal: Eine Version mit 7 Gigabyte passt auf einen Heimcomputer, allerdings mit Einschränkungen. Der Haken ist, dass der nächste Qualitätssprung weiterhin enorme Ressourcen erfordert.

H200-Chips, Singapur und regulatorische Fronten

Ein solches Modell im Produktivbetrieb auszuführen, ist nicht kostenlos: Es werden etwa vier bis fünf H200-GPUs unter Volllast benötigt, zu je rund 30.000 US-Dollar plus Wartungskosten. Effizienz senkt die Trainingskosten, nicht die Inferenzkosten. Parallel dazu wurde die Angelegenheit geopolitisch. Es gibt Ermittlungen, ob DeepSeek Nvidia-Chips über Dritte in Singapur gekauft hat, einem Markt, auf dem die Verkäufe des Herstellers stark angestiegen waren. Ein weiteres technisches Detail beunruhigt: Das Modell könnte CUDA umgehen und direkt auf der Hardware programmieren, was Nvidias Verteidigungsgraben schwächen würde. Auf regulatorischer Ebene hat Italien den Chatbot aus den App-Stores entfernt.

Das Geschäftsmodell passt nicht zusammen

Die unbequemste Lesart betrifft nicht die Hardware, sondern das Geschäftsmodell. Wer die Technologie besitzt, hat vielleicht nicht die Freiheit, sie anzuwenden. Die großen Nasdaq-Konzerne tragen Strukturen von Kosten, Abonnements und Werbung mit sich, die sie an immer weniger tragfähige Formeln binden. Ein kleines Unternehmen mit effizienter KI kann morgen replizieren, was heute ein Gigant tut. Dort liegt der wahre Schwindel, nicht im Preis einer Grafikkarte.

Wenn sich der Staub legt, ist klar: Die Uhr der KI tickt nicht mehr nur nach dem Maßstab der Ausgaben. Eine feine Ironie für eine Branche, die jahrelang verkündete, dass Skalierung alles sei.