NVIDIA (NVDA) Spotlight: Vom Grafikgiganten zum KI‑Titan

Der KI‑Riese

Wenn seit mehr als einem Jahrzehnt die Aufmerksamkeit von Tech‑Investoren auf „Big Tech“ (Microsoft (MSFT ), Google (GOOG ), Facebook (META ), usw.) gerichtet war, haben die letzten Jahre eine deutliche Verschiebung hin zu Hardware gegenüber Software gezeigt. Das erste Anzeichen war der spektakuläre Aufstieg von Tesla (TSLA ) von einer Nischen‑Aktie mit Kultstatus zu einem der größten Unternehmen der Welt.

Aber es gäbe ein Unternehmen, das an der Grenze zwischen Software und Hardware sitzt und ebenso gute, wenn nicht sogar stärkere Renditen erzielen würde: NVIDIA (NVDA ).

Heute wird NVIDIA meist als KI‑Unternehmen mit plötzlichem Erfolg angesehen, hat jedoch tatsächlich über 20‑30 Jahre hinweg geduldig seine einzigartige Technologie und Marktposition aufgebaut. Das könnte ihm eine starke Position verschaffen, um in den kommenden Jahren ein dominierender Akteur in der Technologiewelt zu bleiben.

NVIDIAs Weg zum Erfolg

CPU vs GPU

Lange Zeit war NVIDIA ein erfolgreiches, aber nischenhaftes Computer‑Hardware‑Unternehmen, das sich auf die Herstellung von Grafikkarten oder Graphics Processing Units (GPUs) spezialisierte. Damals wurden GPUs als ein wichtiges Computing‑Hardware‑Element angesehen, jedoch sekundär zur allmächtigen Central Processing Unit (CPU).

CPUs sind dafür ausgelegt, sehr schnelle Berechnungen durchzuführen, die nacheinander ausgeführt werden müssen, und eignen sich daher hervorragend für komplexe Berechnungen.

Im Gegensatz dazu sind GPUs weniger leistungsstark, dafür aber dafür konzipiert, viele parallele Berechnungen gleichzeitig auszuführen, was sie besser im Umgang mit großen Datenmengen macht.

Während dieses Zeitraums von den 1990er‑ bis zu den 2010er‑Jahren dominierten CPU‑Hersteller wie Intel (INTC ) die Branche, während hochwertige GPUs größtenteils nur von Gamern und Grafikdesignern für High‑End‑PCs verwendet wurden.

Aufbau eines GPU‑Geschäfts

Schon früh argumentierten NVIDIA‑Gründer Jensen Huang und seine Mitbegründer, dass das Tempo der Berechnungen die CPU‑Kapazität übersteigen würde. Jensen war maßgeblich an der Entwicklung der ersten GPUs für Sun Microsystems beteiligt, heute Oracle (ORCL ).

Er wurde dann 1993 einer der Mitbegründer von NVIDIA und nutzte die PC‑Revolution der frühen 1990er‑Jahre.

„Wir dachten, vielleicht wäre 3D‑Grafik das wirklich coole Ding. Und zum ersten Mal hattest du eine Plattform, die sowohl ein Computer sein konnte als auch für, du weißt schon, alles, wofür du sie nutzen willst, verwendet werden konnte. Man konnte sie auch zum Spielen verwenden. Und wir mussten einfach einen Chip bauen, der das Spielen ermöglicht.

Keiner von uns hatte jemals einen PC gesehen. Also mussten wir einen PC kaufen. Wir kauften einen Gateway 2000. Niemand wusste überhaupt, wie man Windows oder DOS programmiert. Niemand hatte DOS je gesehen. Und so mussten wir ihn auseinandernehmen und begannen, die Branche zu verstehen.

Jensen Huang, in einem Interview mit Sequoia

Es ist witzig zu denken, dass im Rückblick Gaming damals kein sehr „ernster“ Markt war im Vergleich zu lukrativeren und größeren, unternehmensfokussierten Geschäftsmodellen. Die ersten Karten waren kein kommerzieller Erfolg. Ihre zweite Generation von GPUs war besser, wurde jedoch plötzlich obsolet, als der Markt sich der DirectX‑Architektur von Microsoft für Videospiele zuwandte.

Letztendlich brauchte NVIDIA sechs Jahre und drei Produktlinien, um die Produkt‑Markt‑Passung zu finden, wobei das Unternehmen viele Beinahe‑Tod‑Ereignisse erlebte.

Der Durchbruch kam mit der Riva 128: In den ersten vier Monaten verkaufte sie 1 Million Stück. Es folgte eine lange Reihe erfolgreicher Grafikkarten‑Designs, darunter die GeForce‑Serie, die bis heute zusammen mit AMDs AMD’s (AMD ) Radeon der dominante Akteur auf dem Markt ist.

Quelle: UBuy

CUDA & Krypto

Im Jahr 2006, als bereits etablierter GPU‑Marktführer, veröffentlichte NVIDIA CUDA, eine allgemeine Programmierschnittstelle für NVIDIAs GPUs, die Tür für andere Einsatzbereiche als Gaming öffnete. Dies geschah, weil einige Forscher bereits GPUs nutzten, um Berechnungen anstelle der üblichen Supercomputer durchzuführen.

Quelle: NVIDIA

„Forscher erkannten, dass man durch den Kauf dieser Gaming‑Karte namens GeForce sie in den Computer einbaut und im Wesentlichen einen persönlichen Supercomputer hat. Molekulardynamik, seismische Verarbeitung, CT‑Rekonstruktion, Bildverarbeitung – eine ganze Reihe verschiedener Dinge.“

Jensen Huang, in einem Interview mit Sequoia

Diese breitere Adoption von GPUs und insbesondere NVIDIA‑Hardware schuf eine positive Rückkopplungsschleife, die auf Netzwerkeffekten basiert: Je mehr Anwendungsfälle, desto mehr Endnutzer und Programmierer, die damit vertraut sind, desto mehr Verkäufe, desto größer das F&E‑Budget, desto schneller die Beschleunigung der Rechenleistung, usw.

Quelle: NVIDIA

Heute umfasst die installierte Basis Hunderte Millionen von CUDA‑GPUs.

Quelle: NVIDIA

Nicht nur wäre dies für Forscher sehr nützlich, sondern eine neue Technologie würde die parallele GPU‑Rechenleistung hervorragend nutzen: Blockchain und Kryptowährungen.

Krypto‑Boom

Durch die aktuelle Begeisterung für KI etwas in den Hintergrund gerückt, war Krypto die erste großflächige Anwendung von GPUs jenseits von Gaming und wissenschaftlicher Forschung. Viele Blockchains und Krypto‑Projekte benötigen enorme Rechenleistung. Schnell wurden NVIDIA‑GPUs zur zentralen Hardware für diese Berechnungen.

Dies löste einen Boom bei den NVIDIA‑Verkäufen aus, und die Unternehmensaktie begann im Einklang mit dem entstehenden Krypto‑Boom zu steigen, wobei der Aktienkurs um mehr als das Zehnfache zulegte.

Die Kursentwicklung nach den Krypto‑Gewinnen verlor 2022 etwas an Schwung, bevor die Märkte erkannten, dass NVIDIA über viele Jahre hinweg eine bemerkenswerte KI‑Strategie aufgebaut hatte.

KI

Neuronale Netze

Seit Anfang der 2010‑Jahre begannen Forscher, GPUs zur Untersuchung neuronaler Netze einzusetzen. Diese stellen eine Art von Berechnungsmethode dar, die sich von herkömmlicher Programmierung unterscheidet, und wurden 2024 mit zwei verschiedenen Nobelpreisen – in Physik und Medizin – ausgezeichnet.

Neuronale Netze bilden die technische Grundlage für das, was heute gemeinhin als „KI“ bezeichnet wird.

Im Jahr 2009 half mir einer meiner damaligen Studenten, Ian Goodfellow, der damals mein Bachelor‑Student war, beim Bau eines GPU‑Servers in seinem Wohnheimzimmer. Und dieser Server wurde schließlich das, was wir für unsere ersten Deep‑Learning‑Experimente zum Trainieren neuronaler Netze nutzten.

Wir begannen, 10‑‑‑ oder sogar 100‑‑‑‑fach schnellere Trainingszeiten für neuronale Netze auf GPUs zu sehen, weil wir tausend oder zehntausend Dinge parallel ausführen konnten, anstatt Schritt für Schritt.

Andrew Ng – DeepLearning.AI‑Gründer & Managing General Partner of AI Funds, in einem Interview mit Sequoia

Pivot von NVIDIA zu KI

NVIDIA erkannte das Potenzial von KI früh, lange bevor irgendjemand außerhalb spezialisierter Forscher sich für neuronale Netze interessierte.

Dies war damals ein riskanter Schritt in einen unbewiesenen, kaum existierenden Sektor, oder wie Jensen Huang sagte:

„Wir investieren in null‑Milliarden‑Dollar‑Märkte.”

In den Jahren 2016 und 2017 veröffentlichte NVIDIA die Pascal‑ bzw. Volta‑Architekturen, die ersten GPU‑basierten KI‑Beschleuniger, wobei Volta die Tensor‑Cores einführte, die Deep‑Learning‑Aufgaben um bis zu das Zwölffache beschleunigten.

Es war ein kompletter Richtungswechsel in diese neue Richtung. Als wir das Schiff in diese Richtung lenkten, suchten wir jeden einzelnen KI‑Forscher auf dem Planeten.

Und dass unsere Plattform für sie nützlich war, war das positive Feedback, das wir damals erhielten. Das ist der Grund, warum ich mit allen großartigen KI‑Forschern der Welt befreundet bin.

Sie alle halfen dabei, frühe Anzeichen zukünftigen Erfolgs zu liefern, und man muss diese kleinen Erfolge groß herausstellen.

Jensen Huang, in einem Interview mit Sequoia

Dies würde den Aufbau einer KI‑Computinginfrastruktur vorwegnehmen, die 2023 massiv ins öffentliche Bewusstsein drang, mit der Veröffentlichung populärer LLMs (Large Language Models) wie Chat GPT.

Aber das wurde tatsächlich über die langsame und oft vergessene Entwicklung immer leistungsfähiger, KI‑dedizierter GPUs von NVIDIA seit 2016 aufgebaut.

Quelle: NVIDIA

Ein weiteres bemerkenswertes Merkmal der Entwicklung der KI‑Rechenleistung ist, dass sie einem exponentiellen Gesetz folgt, im Gegensatz zum eher linearen Moore’schen Gesetz für CPUs. Das liegt nicht nur daran, dass die GPU‑Hardware besser wird, sondern auch, weil der erforderliche Rechenaufwand durch radikale Verbesserungen beim Training neuronaler Netze gesunken ist.

Zusätzlich macht mehr verfügbare Daten das Training effizienter, sodass Forschern zahlreiche Ansatzpunkte zur parallelen Arbeit zur Leistungssteigerung zur Verfügung stehen.

Dies führte zu einem radikalen Rückgang des Energieverbrauchs beim Training desselben GPT‑Modells im Laufe der Zeit, um das 350‑Fache in 8 Jahren, und zu einer noch extremeren Reduktion der Energie, die für eine Anfrage an diese LLMs benötigt wird.

Quelle: NVIDIA

NVIDIA‑Partnerschaften

NVIDIA ist seit seiner Gründung ein Unternehmen, das tief in der Branche vernetzt ist. Anstatt ein vertikal integriertes Unternehmen zu sein, strebt es an, enge Beziehungen zu den Besten aufzubauen, während es sich scharf auf seine eigenen Wettbewerbsvorteile konzentriert.

Zum Beispiel ist NVIDIA ein sogenannter „fabless“‑Hardware‑Hersteller, der sich auf Design und Konzepte konzentriert und die Produktion seiner GPUs an weltführende Halbleiter‑„Fabs“ wie TSMC (TSM ) auslagert.

Indem NVIDIA keine eigenen LLMs oder KI‑Systeme entwickelt, ist es zudem ein vertrauenswürdiger Partner für praktisch alle „Big Tech“‑ und KI‑Startups, die es als essenziellen Partner und nicht als potenziellen Konkurrenten sehen. Das verschafft NVIDIA wiederum das Verkaufsvolumen, um weiter in F&E zu investieren und technologisch an der Spitze zu bleiben.

Dies hat sich als die richtige Entscheidung erwiesen, wobei NVIDIA der größte Nutznießer des beeindruckendsten Kapitalausgaben‑Rasens in der Geschichte der Tech‑Branche ist.

Die KI‑Capex wird voraussichtlich bis 2025 bis zu 200 Mrd. $ erreichen, zusätzlich zu einem ständig wachsenden kumulierten Capex der größten Technologieunternehmen der Welt seit 2016.

Quelle: Sherwood

Finanzen

NVIDIAs Wachstum allein von 2023 bis 2024 war für ein Unternehmen dieser Größe unglaublich:

• Umsatz ist um 126 % gestiegen, von 27 Mrd. $ auf 60 Mrd. $.
• Betriebsergebnis hat sich verdreifacht (311 %), von 9 Mrd. $ auf 37,1 Mrd. $
• Bruttomarge stieg von 59,2 % auf 73,8 %.

Insgesamt ist das Unternehmen hoch bewertet, jedoch nicht ausschließlich aufgrund seines Gewinnwachstums. Trotzdem gehen Investoren, die NVIDIA kaufen, mit einem P/E‑Verhältnis über 60 und einer Dividendenrendite von nur 0,03 % von starkem zukünftigen Wachstum aus, um den aktuellen Aktienkurs zu rechtfertigen.

Quelle: NVIDIA

Zukunft von NVIDIA

Nachhaltiges Wachstum?

NVIDIAs dreistelliger Wachstumsrate war erstaunlich und spiegelt sich im Aktienkurs des Unternehmens wider. Natürlich geht jedes Gute eines Tages zu Ende, und Investoren befürchten, dass dies eher früher als später eintreten könnte.

Die gleichen Bedenken waren bereits laut, als die NVIDIA‑Verkäufe durch den Krypto‑Boom oder in den frühen Phasen des KI‑Booms stark ankamen, sodass Pessimismus nicht unbedingt eine sinnvolle Anlagestrategie ist.

In einem Interview im BG2Pod‑Podcast erklärte Huang, dass die Welt bis zu 1 Billion $ an Rechenzentren und Computing aktualisieren muss, um KI zu integrieren und anzupassen. Bisher wurden davon nur 150 Mrd. $ ausgegeben.

Nach seiner Aussage gibt es also noch viel Raum für NVIDIA, die Verkäufe weiter zu steigern, selbst wenn dies nur auf bestehenden Computing‑Bedürfnissen beruht. Das gilt, bevor noch mehr KI‑Anwendungen zum Mainstream werden, wie z. B. selbstfahrende Autos.

Solche Bedenken hinsichtlich der Gesamtnachfrage ignorieren zudem, dass letztlich alle Branchen KI in irgendeiner Form auf mehreren Ebenen einsetzen werden, einschließlich Sektoren wie dem Gesundheitswesen, das einen zweistelligen Prozentsatz des BIP ausmacht.

Quelle: NVIDIA

Blackwell

Im März 2024 veröffentlichte NVIDIA die Blackwell‑Plattform, die „Organisationen überall befähigt, Echtzeit‑generative KI auf Billion‑Parameter‑LLMs mit bis zu 25‑mal geringeren Kosten und Energieverbrauch im Vergleich zu ihrem Vorgänger zu bauen und auszuführen.“

Quelle: NVIDIA

Dies ist ein sehr wichtiger Schritt, da der Energieverbrauch schnell zu einem der Hauptanliegen von KI‑fokussierten Unternehmen wird, wie das jüngste Microsoft‑Abkommen zur Wiedereröffnung eines gesamten Kernkraftwerks und zur Nutzung seiner gesamten Stromproduktion für die nächsten 20 Jahre zu einem vorab vereinbarten Preis verdeutlicht.

Eigenentwicklungen

Ein Risiko für NVIDIA besteht darin, dass es zwar ein Schlüsselpartner der größten Unternehmen der Welt ist, aber gleichzeitig ein sehr teurer und profitabler (70 % Bruttomarge) ist. Wenn Unternehmen mit der Größe und den Fähigkeiten von Alphabet/Google Hunderte Milliarden Dollar für KI‑Chips ausgeben, sind sie versucht, dies intern zu erledigen.

Und das ist nicht nur hypothetisch, zum Beispiel hat Tesla eigene Hardware entwickelt, indem es Top‑Designer des NVIDIA‑Konkurrenten AMD eingestellt hat. Bis 2019 nutzte Tesla stattdessen die NVIDIA Drive PX 2‑KI‑Computing‑Plattform. Da Tesla scheinbar kurz davor steht, Robotaxis zu kommerzialisieren, könnte dies für NVIDIA ein enormer entgangener Verkauf werden.

Gleichzeitig könnte Teslas Fall eher die Ausnahme sein, da Tesla und Elon Musks andere Unternehmen, wie SpaceX, dafür bekannt sind, stets nach stärkerer vertikaler Integration und mehr Kontrolle über ihre Hardware zu streben.

Unternehmen, die weniger Erfahrung mit Hardware haben oder stärker auf Software und/oder Marketing ausgerichtet sind, wie Facebook oder Microsoft, werden wahrscheinlich gut damit bedient sein, auf die neueste und beste NVIDIA‑Technologie zu setzen.

Zudem werden viele KI‑Modelle derzeit mit der Annahme entwickelt und programmiert, dass sie auf NVIDIA‑Architekturen laufen, und die KI‑Programmierer sind mit NVIDIAs Hardware vertraut, was beides wertvolle Wettbewerbsvorteile für das Unternehmen darstellt.

Risiken des KI‑Marktes

Der KI‑Markt insgesamt könnte ein größeres Risiko darstellen, über das NVIDIAs exzellentes Management weniger Kontrolle hat. Er boomt derzeit. Es gibt jedoch die wachsende Sorge, dass die veröffentlichten KI‑Anwendungen nicht zu massiven neuen Einnahmen führen, wie das iPhone einst für Apple tat.

Dies ist wahrscheinlich nur ein Hinweis darauf, dass die Technologie noch ihre Zielgruppe findet und ihren Markt entwickelt.

Sollte diese Situation jedoch zu lange anhalten, könnten wir Gefahr laufen, in eine Lage wie Ende der 1990er‑Jahre zu geraten, in der die Vorhersagen über die Bedeutung von PC und Internet zwar richtig waren, das Timing jedoch zu optimistisch, was zum Platzen der Dot‑Com‑Blase führte.

Sicherlich ist Jensen Huang, der im Juni 2024 ein Autogramm auf der Brust einer Frau unterschrieb, ein überraschendes Zeichen und könnte für Investoren, die sich über eine mögliche Finanzmanie rund um KI Sorgen machen, beunruhigend sein.

https://open.spotify.com/episode/0pt8FAP3UKdZhgKHfAWPdC

Die Finanzgeschichte wiederholt sich nicht zwangsläufig, aber Investoren werden dieses Risiko für NVIDIA gründlich analysieren wollen und mögliche Parallelen zum Telekom‑ und Internet‑Hardware‑Hersteller Sun Microsystems (Jensen Huang’s erster Arbeitgeber) im Jahr 2000 betrachten.

„Bei dem Zehnfachen des Umsatzes, um Ihnen eine 10‑jährige Amortisation zu geben, müsste ich Ihnen 100 % des Umsatzes für zehn aufeinanderfolgende Jahre als Dividende zahlen. Das setzt voraus, dass ich das von meinen Aktionären erhalten kann. Das setzt voraus, dass ich keine Kosten für verkaufte Waren habe, was für ein Computerunternehmen sehr schwer ist. Das setzt voraus, dass keine Ausgaben anfallen, was bei 39.000 Mitarbeitern wirklich schwer ist. (…)“

Jetzt, nachdem das erledigt ist, würde jemand von Ihnen meine Aktie für 64 $ kaufen wollen? Realisieren Sie, wie lächerlich diese Grundannahmen sind? Sie benötigen keine Transparenz. Sie benötigen keine Fußnoten. Was haben Sie sich dabei gedacht?

Scott McNealy –  then CEO of Sun Microsystems

Zur Orientierung beträgt das aktuelle P/S‑Verhältnis von NVIDIA 35.

Quelle: YChart

Fazit

NVIDIA ist ein Unternehmen, das darauf aufgebaut ist, zur richtigen Zeit mehrfach hintereinander die richtigen kalkulierten Risiken einzugehen – von PC‑Grafikkarten über die CUDA‑Veröffentlichung für neue Anwendungen bis hin zur frühen Nutzung neuronaler Netze. Das hat seinen Gründer Jensen Huang zu einer Art Rockstar in der Halbleiter‑ und IT‑Branche gemacht.

Die jüngste Performance des Unternehmens hat den Markt verblüfft und eine enorme Begeisterung für die Aktie erzeugt, wie sie nur Tesla in den letzten Jahren erleben konnte. Das schafft eine riesige Chance, wie viele frühe Tesla‑Investoren wissen, die fast ein Jahrzehnt lang von Zweiflern umgeben waren, die erwarteten, dass das Unternehmen und seine Aktie „jederzeit jetzt“ scheitern würden.

Dies birgt jedoch auch Risiken, da der KI‑Boom noch nicht die Art von Einnahmen generiert hat, die die aktuelle Kapitalausgabe rechtfertigen, und möglicherweise einen Abschwung erlebt, bevor er zu einem voll etablierten Wirtschaftszweig wird.