Jensen Huangs kalte Rechnung

Die US-Regierung wird immer lauter: Open-Source-KI müsse reguliert – sprich verboten – werden, um, so meine Interpretation, der heimischen KI-Industrie ein Monopol zuzuschanzen. Ausgerechnet das hat nun einen etwas überraschenden Open-Source-Befürworter auf den Plan gerufen: Jensen Huang, Gründer & CEO von Nvidia. In einem Manifest beschwört er am 24. Juli 2026 den seiner Ansicht nach großen und unverzichtbaren Nutzen von Open Source für KI, und zieht Parallelen zur großen Open-Source-Debatte seit den 1980ern (die mit dem Siegeszug von Linux längst entschieden ist). Huangs öffentliche und entschiedene Positionierung in Sachen Open-Source-KI kommt dennoch unerwartet, wenn man bedenkt, wer derzeit seine primären Käufer sind – vorwiegend Closed-Source-Konzerne aus USA, für die der rasante Aufstieg freier Modelle eine reale und sehr gefährliche Bedrohung ist. Nach China darf Nvidia nicht verkaufen, und das selbststrangulierte Europa hat gar nicht die Kapazität für den benötigten elektrischen Strom. Kann es sein, dass Huang etwas sieht, das der US-amerikanischen Regierung entgeht?

Software kann man auf zwei Wegen verkaufen: Als Lizenzmodell oder als Dienstleistung. Der Kniff am Lizenzmodell ist, man hat einmal einen sehr großen Aufwand für die Entwicklung eines Produkts, z.B. Excel, Illustrator, und so weiter, aber dann hat man für jeden Kunden eine Marge von 80 oder 90 Prozent, weil für den einzelnen Kunden nur mehr Kosten für Vertrieb und Support anfallen. Hingegen als Dienstleistung ist es wichtig, dass die Kosten für die Bereitstellung der Dienstleistung unter den damit erzielbaren Umsätzen liegen. Dafür gibt es bei dieser Variante aber wenig Aufwand, um die Dienstleistung überhaupt zur Verfügung stellen zu können, also keine vorlaufende Investition.

Wie sieht das mit dem Geschäftsmodell der KI-Giganten aus den USA aus? Man hat einerseits eine enorme Anschubinvestition (wie beim Lizenzmodell), aber andererseits auch für jeden Kunden anfallende Betriebskosten (wie für eine Dienstleistung). Verschärfend kommt hinzu, dass derzeit die Bereitstellung der für KI erforderlichen Ressourcen so teuer ist, dass das Produkt zumindest bisher nicht kostendeckend angeboten werden kann. Das ist ungefähr so, als müssten Sie als Dienstleister einem Mitarbeiter täglich 1000 Euro zahlen, aber der Kunde vergütet nur 800 Euro – je mehr Umsatz Sie in einem solchen Szenario machen, desto schneller gehen Sie pleite. Und eben dies ist genau das, was derzeit mit Anthropic und OpenAI passiert: Je mehr die verkaufen, desto höher werden deren Verluste.

Das ist der Grund, warum Anthropic und OpenAI als riesige Kapitalsammelstellen ununterbrochen darauf angewiesen sind, ständig neues Kapital einzuwerben. Und es erklärt vieles an den Marketingstrategien dieser Unternehmen.

Könnte es sein, dass Jensen Huang das Problem ebenso erkennt, und sich rechtzeitig für Open Source positioniert? Das Geld bei KI liegt nicht in den Modellen. Denn letztlich, sobald die zugrunde­liegende Technologie für ein neuronales Netzwerk verstanden ist, Transformer, Attention, Backpropagation, kann das jeder nachbauen. Es ist nur Software. Die Musik spielt dort, dass es enormer Hardware-Leistung bedarf, diese zum Leben zu erwecken. Mit anderen Worten, verdienen kann man an der Infrastruktur, nicht am Modell selbst. Weil das jeder qualifizierte IT-Ingenieur nachbauen kann, und weil das längst – mit Open-Source-KI – geschieht.

Und eben die Hardware bzw. die Infrastruktur ist das Geschäft von Nvidia. Es ist ja auch so, nicht nur gibt es nun dieses Manifest von Huang mit dem Bekenntnis zu Open Source, Nvidia ist schon seit längerem ein ganz realer Player bei Open Source. Mit der Nemotron-Serie veröffentlicht Nvidia sehr respektable Open-Source-Modelle, die auch bei Hugging Face veröffentlicht werden und die jeder auf dem eigenen PC ausführen kann. Und Nvidia bietet außerdem seit einer ganzen Weile auch eine Plattform an, auf der es Infrastruktur für Open-Source-KI zur Verfügung stellt, vieles davon sogar in begrenztem Umfang kostenfrei.

Gibt es also keinen Ausweg für Anthropic und OpenAI? Oh doch, den gibt es, und bezeichnenderweise ist es einer, der Jensen Huang von Nvidia nicht unbedingt schmecken würde. China ist drakonischen Sanktionen unterworfen und kann die neuesten Chip-Technologien nicht kaufen und bisher nicht selbst herstellen. Deshalb haben die chinesischen Open-Source-KI-Modelle weit niedrigeren Hardware-Bedarf und können mit weniger Speicher und langsameren, also billigeren, GPUs betrieben werden. Und bei Dienstleistung ist es wichtig, dass die Dienstleistung günstiger bereitgestellt werden kann, als der Markt bereit ist, dafür zu bezahlen, und dass KI eine Dienstleistung und kein Lizenzmodell ist, hatte ich oben bereits ausgeführt. Wenn also Anthropic und OpenAI sich statt für immer neue Rekorde in irgendwelchen Benchmarks darauf fokussieren würden, mit möglichst wenig Aufwand ein sinnvolles Optimum an Leistung herauszuholen, dann sind beide Unternehmen a) sehr innovativ, b) exzellent personell aufgestellt und c) hoch angesehen bei den Anwendern – und haben deshalb beste Karten, als Infrastruktur-Provider zu reüssieren.

Ich finde es, als abschließende Beobachtung, in diesem Zusammenhang sehr interessant, dass Anthropic scheinbar schon auf diesen Zug aufgesprungen ist. Vor zwei Tagen kam Opus 5 heraus, und Anthropic wirbt selbst damit, dass dieses Modell fast so gut wie Fable 5 ist, aber nur die Hälfte kostet. Weil man es günstiger bereitstellen kann? Und xAI verfolgt mit Grok schon seit längerem den gleichen Weg, übrigens. Grok muss nur ganz oben mitspielen können, aber viel wichtiger ist es xAI offensichtlich, dass es kosteneffektiv betrieben werden kann.

Denn das wirkliche Dilemma für KI, die strukturell unüberwindliche Mauer im betreffenden Markt, ist ja schlicht, dass für immer weniger Probleme die beste KI überhaupt erforderlich ist, und je besser KI im Allgemeinen wird, desto kleiner wird die Menge der Probleme, für die man überhaupt Spitzen-KI braucht. Man muss nicht laufend ungelöste mathematische Theoreme widerlegen, sondern meistens nur so etwas wie eine Software konfigurieren oder eine Mail überprüfen. Und solche Aufgaben bearbeitet sogar ein kleines Modell mit einer 8-GB-VRAM-Karte auf dem eigenen Laptop mittlerweile schon sehr ordentlich und flott.