Im aktuellen Heibel-Ticker habe ich die derzeitige NVIDIA Story anschaulich aufbereitet: Nvidia ist nach Quartalszahlen um 28% angesprungen, hat \u00fcber Nacht mehr an Wert zugelegt, als das gr\u00f6\u00dfte DAX-Unternehmen SAP wert ist. Wenn Sie wissen wollen, warum dieser Kurssprung sogar gerechtfertigt ist, dann lesen Sie hier weiter.<\/p>\n\n\n\n
Ich will versuchen zu erkl\u00e4ren, warum ein Graphikkartenkonzern, der halb soviel wert ist (678 Mrd. EUR) wie alle DAX-Aktien zusammen (1.623 Mrd. EUR), an nur einem Tag mehr an Wert zulegen kann (190 Mrd. EUR) als das wertvollste DAX-Unternehmen SAP (150 Mrd. EUR) an Marktkapitalisierung auf die Waage bringt. Und, wem das noch nicht genug Superlative sind, ich werde zeigen, dass der Konzern noch immer g\u00fcnstig bewertet ist.<\/p>\n\n\n\n
Mittwoch Abend ver\u00f6ffentlichte Nvidia Q1-Zahlen f\u00fcr den Zeitraum Februar bis April 2023 (abweichendes Gesch\u00e4ftsjahr endet stets Ende Januar). Der Umsatz ging gegen\u00fcber dem Vorjahresquartal um 13% auf 7,19 Mrd. USD zur\u00fcck, der Gewinn fiel um 20% auf 1,09 USD\/Aktie. Vor einem Jahr war die Branche von Chipknappheit geplagt, Nvidia konnte High-End Graphikchips f\u00fcr Spielecomputer zu jedem Preis verkaufen. Analysten hatten f\u00fcr das abgelaufene Quartal daher einen wesentlich st\u00e4rkeren Umsatz- (-21%) und Gewinneinbruch (-33%) erwartet.
Urs\u00e4chlich f\u00fcr die positive \u00dcberraschung war der Gesch\u00e4ftsbereich Rechenzentren. Graphikkarten, die in Rechenzentren eingesetzt werden, um komplexe Aufgaben zu erledigen: K\u00fcnstliche Intelligenz (KI)! Allein in diesem Bereich wurden mit 4,284 Mrd. USD um 400 Mio. USD oder auch 10% mehr umgesetzt, als Analysten erwartet hatten. Dieser Gesch\u00e4ftsbereich macht derzeit 60% des Konzernumsatzes aus, ist also der gr\u00f6\u00dfte Gesch\u00e4ftsbereich.
Die wirkliche \u00dcberraschung war allerdings die Prognose f\u00fcr das laufende Quartal: Der Umsatz mit Rechenzentren soll im Q2 auf 7 Mrd. USD steigen, +63% – nicht gegen\u00fcber dem VorJAHRESquartal, sondern gegen\u00fcber dem Vorquartal.<\/p>\n\n\n\n
Chipproduzenten weltweit haben die kommende Chipnachfrage der Pandemie-Zeit zum Ausbau der Produktionskapazit\u00e4ten genutzt. Durch Lieferkettenprobleme zog sich die Chipknappheit l\u00e4nger hin als die Pandemie und die Kunden platzierten „double-orders“, bestellten vielfach doppelt so viele Chips, wie sie ben\u00f6tigten, um \u00fcberhaupt etwas zu bekommen. Es folgte im Jahr 2022 Katerstimmung in der Chipindustrie, da die Lager der Kunden voll waren, die Lieferketten rund liefen, mehr Produktionskapazit\u00e4ten vorhanden waren, die Bestellungen jedoch ausblieben.<\/p>\n\n\n\n
Nvidia-Gr\u00fcnder und CEO Jensen Huang griff in dieser Zeit zum Telefonh\u00f6rer und bestellte die Produktion seiner H100-GPU. Der Graphikchip H100 ist die Basis f\u00fcr alle Chips, die in Rechenzentren f\u00fcr die k\u00fcnstliche Intelligenz eingesetzt werden. Nachdem die F\u00e4higkeiten von ChatGPT weltweit f\u00fcr \u00dcberraschung sorgen, bestellen Alphabet, Amazon, Microsoft, Oracle, SAP, etc. diesen Chip auf Teufel komm raus. Was macht den Chip so besonders?
Die Entwicklung des H100 ist bereits seit sechs Jahren in der hei\u00dfen Endphase. Jensen Huang hat damals die \u00fcberraschende Entscheidung getroffen, aus dem Rennen der Miniaturisierung auszusteigen. Er erkl\u00e4rte damals Moore’s Law f\u00fcr tot. Moore’s Law besagt, dass die CPU, der Prozessor des Computers, seine Komplexit\u00e4t (=Leistung) binnen 12 oder 24 Monaten (je nach Quelle) verdoppelt.
Die Chipindustrie versteifte sich darauf, CPU-Chips immer kleiner zu machen und somit die Leistung von Hochleistungsrechnern auf iPhones und Smartwatches zu \u00fcbertragen. Doch die Leistungsspr\u00fcnge wurden seit einigen Jahren kleiner, die Grenzen dieser Entwicklung kamen in Sicht.
Jensen Huang entschied, eine zweite Recheneinheit der elektronischen Ger\u00e4te auszubauen, den Graphikchip. Bislang war dieser Graphikchip (GPU) vergleichsweise dumm, denn er transferierte lediglich komplexe Vektordaten in einfache Pixel, die vom Monitor angezeigt wurden. In der Verarbeitung komplexer Graphikdaten, Relationen und Vektoren sind GPUs den CPUs \u00fcberlegen. Durch Softwarel\u00f6sungen lagerte Huang komplexe Rechenaufgaben von der CPU auf die GPU aus, machte die GPU leistungsf\u00e4higer und erm\u00f6glichte somit weitere Leistungsspr\u00fcnge in der Leistung von Computern.
Zudem kaufte sein Unternehmen eine Software zu, die komplexe Aufgaben auf viele GPUs verteilen kann und somit f\u00fcr Rechenzentren Leistungsspr\u00fcnge erm\u00f6glicht.<\/p>\n\n\n\n
Das menschliche Gehirn kann ja nicht nur 3+4=7 linear ausrechnen, sondern ist kontinuierlich einer Reiz\u00fcberflutung ausgesetzt, die mit unendlich vielen Querverbindungen zueinander ins Verh\u00e4ltnis gesetzt, gerichtet und periodisiert werden. Nur so k\u00f6nnen wir uns auf das Wesentliche konzentrieren. Je mehr dieser Querverbindungen in der GPU-Landschaft von Rechenzentren vorhanden sind, desto effizienter arbeitet die darin entwickelte KI.<\/p>\n\n\n\n
Der Wettbewerb, also AMD und Intel, sind Nvidia um Jahre unterlegen. Jensen Huang glaubte an diesen Weg und richtete sein Unternehmen konsequent darauf aus. AMD beschritt diesen Weg ebenfalls, doch nicht mit der gleichen \u00dcberzeugung, und ist daher heute nur eine Billigversion davon. Nat\u00fcrlich hat auch AMD GPUs, die fast die Leistung von Nvidias H100 haben. Nat\u00fcrlich hat auch AMD inzwischen entsprechende Softwarel\u00f6sungen. Doch die komplexe Architektur, die ich soeben beschrieben habe, ist bei Nvidia in allen Bereichen ein wenig effizienter und damit in Summe der Konkurrenz um Jahre voraus.
Nun ist ChatGPT die erfolgreichste Softwareeinf\u00fchrung, die es jemals gab. Die M\u00f6glichkeiten f\u00fcr Buchhaltung, Controlling, Juristen, Faktencheck, Korrekturlesen, Research, Krebsforschung, autonomes Fahren, Software-Entwicklung, Verkaufsprozessoptimierung, … sind gigantisch. Unternehmen, die diese M\u00f6glichkeiten nicht nutzen, werden k\u00fcnftig nicht bestehen k\u00f6nnen.<\/p>\n\n\n\n
So werden Rechenkapazit\u00e4ten von Rechenzentren und Cloud-Anbietern gebucht und genutzt. Die oben genannten Cloud-Anbieter (Alphabet, Amazon, Microsoft, …) bauen ihre Rechenzentren aus, um die Nachfrage zu befriedigen. Eine H100-GPU kostet 20.000 USD. \u00dcber Ebay wurden die H100-GPUs in den vergangenen Monaten zu Preisen um 40.000 USD gehandelt, da die Nachfrage explodiert war. Nun sagt Nvidia: Beruhigt Euch, wir haben ausreichend Produktionskapazit\u00e4ten gesichert, um die sprunghaft angestiegene Nachfrage zu befriedigen.<\/p>\n\n\n\n
Und so kommt es zu einem Umsatzanstieg von 4 auf 7 Mrd. USD binnen eines Quartals. Damit hat niemand gerechnet, kein einziger Analyst hatte diese Entwicklung auf dem Schirm. Im abgelaufenen Gesch\u00e4ftsjahr, in dem sich Nvidia \u00fcber die Rekordnachfrage nach den Spiele-GPUs freute, war der Umsatz bei 15 Mrd. USD. Allein im Q2 des Folgejahres soll mit nur einem der vier Gesch\u00e4ftsbereiche ein Umsatz von 7 Mrd. USD erzielt werden, also fast der H\u00e4lfte des vorangegangenen Jahresumsatzes. Oder anders herum: Wenn es nach Q2 kein weiteres Wachstum mehr gibt, springt der Umsatz f\u00fcr die vier darauf folgenden Quartale auf 28 Mrd. USD, was fast einer Verdopplung entspricht … allein aus dem Gesch\u00e4ft mit Rechenzentren.
Daneben bietet Nvidia noch GPUs f\u00fcr Spielecomputer und professionelle Visualisierung (bspw. 3D-Graphikbearbeitung \u00e0 la Holo-Deck), sowie DRIVE, die KI-basierte Plattform f\u00fcr autonomes Fahren an. Das sind nun nicht gerade Anwendungen, bei denen ich eine r\u00fcckl\u00e4ufige Nachfrage erwarten w\u00fcrde.
Was, wenn alle Rechenzentren auf die H100-GPUs von Nvidia umgestellt sind? Ist das nicht nur ein Einmalaufwand, der danach abflauen wird?
<\/p>\n\n\n\n
Nein, davon gehe ich nicht aus. Zwei Betrachtungsweisen sprechen dagegen: Heute hat die KI einen IQ von vielleicht 70-80. Man wird versuchen, den IQ der KI \u00fcber 100, m\u00f6glichst auf Niveaus von 130 bis vielleicht sogar 140 zu steigern. Einstein lag bei \u00fcber 160, Goethe wird ein IQ von \u00fcber 200 nachgesagt. Warum sollte die KI nicht solche Werte erreichen k\u00f6nnen?<\/p>\n\n\n\n
Oder eine zweite Betrachtungsweise: Heute werden j\u00e4hrlich 230 Mrd. USD in Rechenzentren investiert, bis 2027 soll dieser Wert auf 290-330 Mrd. USD ansteigen. Solche Investitionen beinhalten heute Grund und Boden, Geb\u00e4udebau, L\u00fcftung, Rechner, Racks und vieles mehr. CPU und GPU machen dabei heute rund 50% der Investitionskosten aus. Und davon wiederum geht bei modernen Rechenzentren nur 10% in die CPUs, w\u00e4hrend die verbleibenden 90% f\u00fcr GPUs aufgewendet werden.
2027 werden also aller Voraussicht nach mindestens 290 Mrd. USD investiert (https:\/\/datacentremagazine.com\/articles\/top-10-global-data-centre-markets), davon die H\u00e4lfte in Chips, also 145 Mrd. USD. Davon 90% f\u00fcr GPUs, also 130,5 Mrd. USD.
Im Bereich der KI f\u00fcr Rechenzentren hat Nvidia heute einen Marktanteil von 88%. Das liegt daran, dass Nvidia der Konkurrenz heute um Jahre voraus ist. Bis 2027 wird sich das \u00e4ndern, da wird der Wettbewerb daf\u00fcr sorgen, dass der Marktanteil von Nvidia schrumpft. Oder?<\/p>\n\n\n\n
Hmm, schwer vorstellbar, wenn ich mir den Vorsprung anschaue. Intel konnte seinen Vorsprung \u00fcber Jahrzehnte behaupten, ehe es vom Thron gesto\u00dfen wurde. Gehen wir also mal davon aus, dass Nvidia zumindest 50% Marktanteil bis 2027 behaupten kann. Ich komme dann auf einen Jahresumsatz mit GPUs f\u00fcr Rechenzentren von 130,5\/2= 65,25 Mrd. USD pro Jahr. Das entspricht einer weiteren Verdopplung des Rechenzentren-Umsatzes von Nvidia in nur drei Jahren.<\/p>\n\n\n\n
Doch in den Rechenzentren-Prognosen ist die KI-Revolution noch nicht enthalten. S\u00e4mtliche Cloud-Anbieter wie Dropbox, E-Mail-Dienste, Adobe-Anwendungen, Bilder- und Video-Datenbanken bis hin zu Chat-Apps und anderen Social Media Anwendungen laufen heute auf – seit vorgestern – veralteten Systemen. KI ist mit diesen Cloud-Diensten nicht m\u00f6glich. S\u00e4mtliche Rechenzentren der Welt laufen pl\u00f6tzlich auf veralteter Hardware, denn entweder die KI von ChatGPT zieht sich die Daten auf die eigenen Rechenzentren, um sie auszuwerten, oder aber die veralteten Rechenzentren stellen selber um. Der Bedarf an neuen Rechenzentren oder an neuer Hardware f\u00fcr bestehende Rechenzentren ist daher viel gr\u00f6\u00dfer als in den bisherigen linearen Wachstumsprognosen enthalten.
Die H100 GPU ist ein Produkt, das f\u00fcr die Tech-Giganten, die in den Jahren der Pandemie Billionen USD an Cash generierten, Risiko und Chance zugleich ist. Alphabet beispielsweise sieht seine Dominanz in der Google-Suchmaschine gef\u00e4hrdet, wenn Microsoft den ChatGPT bei Bing sinnvoll integriert. 200 Mrd. USD Umsatz macht Google derzeit mit dem Suchmaschinengesch\u00e4ft im Jahr. Google muss also jede H100-GPU kaufen, die es bekommen kann, und sei es nur um zu vermeiden, dass Microsoft sie kauft.
Die H100 GPU ist die US-Antwort auf 1 Mrd. Chinesen oder Inder, die mit ihrem Flei\u00df die Wirtschaft der USA herausfordern. Die H100 GPU ist die US-Antwort auf ein \u00dcbergreifen der Inflation auf den Arbeitsmarkt, auf dem keine qualifizierten Fachkr\u00e4fte zu finden sind. Die H100 GPU ist die US-Antwort auf die drohende Rezession, die die weltweiten Finanzsysteme an ihre Grenzen bringen w\u00fcrde. Die H100 GPU k\u00f6nnte einen Produktivit\u00e4tsschub ausl\u00f6sen, der mit der industriellen Revolution vergleichbar w\u00e4re – mit allen Vor- und auch Nachteilen.<\/p>\n\n\n\n