Der massive Ausbau von Rechenzentrums-Kapazität in den USA zeigt ein paradoxes Problem: Einerseits wachsen die Investitionen und die physische Expansion von Rechenzentren schneller denn je. Andererseits zeigen Analysen, dass dieser Ausbau trotzdem zu langsam ist, um den explodierenden Bedarf durch KI-Workloads zu decken. Wie kann beides gleichzeitig wahr sein? Die Antwort liegt in der Hardware-Supply-Chain.
Der entscheidende Engpass ist nicht die Gebäudeinfrastruktur oder der Strom, sondern die Verfügbarkeit von Hochleistungs-Halbleitern. Speziell die Fähigkeit, diese Chips zu verpacken und zu testen (Packaging und Testing), ist zum Bottleneck geworden. Während die Chipfertigung bei Intel, TSMC und Samsung selbst an Kapazitätsgrenzen stösst, ist insbesondere das Packaging ein überraschendes Problem: Es ist eine arbeitsintensive, spezialisierte Fertigung, die nicht einfach hochskaliert werden kann.
Das Paradox erklärt sich so: Rechenzentrums-Betreiber investieren massiv in Gebäude und Infrastruktur, aber sie können die Server nicht schnell genug mit den benötigten Halbleitern ausstatten. Ein neues Rechenzentrum steht da und wartet auf Prozessoren und GPUs, die nicht verfügbar sind. Der Ausbau ist somit zu schnell für die Supply-Chain, aber zu langsam für die KI-Nachfrage.
Die Industrie versucht gegenzusteuern: Es werden neue Packaging-Fabriken gebaut, Supply Chains diversifiziert und Backup-Chipquellen erschlossen. Doch es dauert Jahre, solche Kapazitäten aufzubauen. Für KMU-Unternehmen und Organisationen, die auf Cloud-KI-Services oder Public-Cloud-Infrastruktur angewiesen sind, bedeutet dies: Verfügbarkeit und Preise bleiben angespannt. Alternative Ansätze wie Edge-Computing, On-Premise KI-Inferenz oder Spezialisierung auf Modelle, die weniger Rechenpower brauchen, werden an Attraktivität gewinnen.