Nvidia baut KI-Cloud in Deutschland: Europas erste industrielle KI-Fabrik kommt
Nvidia treibt seine europäische KI-Offensive voran und plant den Aufbau einer speziellen Cloud-Infrastruktur für die Industrie in Deutschland. Mit 10.000 Hochleistungs-GPUs soll die Plattform Automobilherstellern und anderen Industrieunternehmen neue KI-Möglichkeiten eröffnen.
Die KI-Revolution bekommt ein deutsches Kraftzentrum. Nvidia-CEO Jensen Huang verkündete in Paris ambitionierte Pläne für den europäischen Markt: „In nur zwei Jahren werden wir die KI-Rechenkapazität in Europa um den Faktor 10 erhöhen.“ Der Chip-Gigant setzt dabei auf eine klare Strategie – mit Deutschland als Schlüsselstandort für die erste industrielle KI-Cloud Europas.
Industrielle KI-Fabrik mit 10.000 Hochleistungs-GPUs
Das geplante Rechenzentrum in Deutschland wird mit beeindruckender Feuerkraft ausgestattet. Nvidia plant die Installation von 10.000 Blackwell-GPUs, darunter die leistungsstärksten B200-Beschleuniger sowie RTX Pro 6000-Einheiten. Obwohl dieser Wert unter den 24.000 KI-Beschleunigern des deutschen Supercomputers Jupiter Booster liegt, handelt es sich bei Nvidias Projekt um die neueste Chip-Generation mit deutlich höherer Leistungsfähigkeit.
Die Zielgruppe ist klar definiert: Deutsche und europäische Industrieunternehmen sollen von der massiven Rechenleistung profitieren. Besonders Automobilhersteller wie BMW und Mercedes-Benz stehen im Fokus. Die Plattform soll ihnen bei der Produktentwicklung, Simulationen und der Optimierung von Logistikprozessen unterstützen.
Forschungsnetzwerk mit bayerischem Schwerpunkt
Parallel zum industriellen Rechenzentrum baut Nvidia ein europäisches Forschungsnetzwerk auf. Sechs sogenannte „Nvidia AI Technology Centers“ entstehen in Deutschland, Schweden, Finnland, Italien, Spanien und Großbritannien. Der deutsche Standort wird in Kooperation mit dem Konsortium BayernKI betrieben, zu dem das Zentrum für Nationales Hochleistungsrechnen Erlangen und das Leibniz-Rechenzentrum gehören.
Der „Bavaria AI Hub“ konzentriert sich auf drei Kernbereiche: medizinische Anwendungen, Stable-Diffusion-Modelle und Robotik. Während Universitäten vergleichsweise einfachen Zugang zu Nvidias Hard- und Software erhalten dürften, müssen Unternehmen für die Nutzung der Technologie vermutlich tiefer in die Tasche greifen.
