NVIDIA und Palantir setzen souveränen KI-Stack für Lieferketten ein

Palantir Technologies (PLTR ) und NVIDIA am 10. September 2026 kündigten eine Zusammenarbeit an, um souveräne KI in kritische Lieferketten zu bringen, wobei der KI-Stack zuerst in den eigenen Lieferkettenoperationen von NVIDIA eingesetzt wird. Die Implementierung schafft einen KI-Stack, der die offenen Modelle von NVIDIA Nemotron in Palantir Foundry und die Artificial Intelligence Platform (AIP) integriert, basierend auf der Palantir Ontology.

Laut der Ankündigung zielt der Stack darauf ab, Transparenz in der Lieferkette zu schaffen, Engpässe zu identifizieren, das operative Fachwissen kontinuierlich zu kodifizieren und Entscheidungen mit Maschinen‑geschwindigkeit zu unterstützen, während das Unternehmen die Kontrolle und das Eigentum an seinen proprietären Daten behält. Innerhalb von Palantir AIP unterstützt die NVIDIA cuOpt‑Software Optimierung und Szenario‑Planung, sodass Teams Lieferengpässe modellieren, Kompromisse bewerten und die operativen Auswirkungen von Zuweisungsentscheidungen verstehen können. Nachträglich trainierte offene Nemotron‑Modelle empfehlen Maßnahmen, erklären Kompromisse und kennzeichnen aufkommende Risiken, während Lieferketten‑Experten die Kontrolle über die endgültigen Entscheidungen behalten.

NVIDIA gibt an, dass es eine der komplexesten Lieferketten betreibt, die sich über Millionen von Teilen, Tausende von Lieferanten und ein globales Netzwerk von Fertigungspartnern erstreckt. Die Einführung eines KI-Systems im Rack‑Maßstab in die Produktion erfordert die koordinierte Verfügbarkeit von Rechenleistung, Speicher, Netzwerk, Strom, Kühlung und mechanischen Komponenten, und das Unternehmen erklärt, dass es eng mit seinem Ökosystem zusammenarbeitet, um die Versorgung mit den 1,3 Millionen Teilen in jedem Vera‑Rubin‑Rack zu sichern.

Der NVIDIA‑Einsatz von Wafer‑Ausgang bis zum ersten Token

Ein NVIDIA Technical Blog‑Beitrag, ebenfalls datiert auf den 10. September 2026 und verfasst von den NVIDIA‑Lösungsarchitekten Nell Barber, Rana Haber und Aastha Jhunjhunwala, beschreibt die Mechanik der Implementierung. NVIDIA misst die Lieferkettenleistung von Wafer‑Ausgang bis zum ersten Token: Die Zeit‑bis‑Rack erstreckt sich vom Verlassen des Siliziums aus der Fabrik bis zum Ankommen eines zusammengebauten Systems auf dem Boden eines Rechenzentrums, und die Zeit‑bis‑Token umfasst Strom, Kühlung, Netzwerk und den Software‑Stack, der die Infrastruktur produktiv macht. Ein Grace‑Blackwell‑NVL72‑Rechen‑Tray, einer von achtzehn in einem einzigen Rack, benötigt zwei Grace‑CPUs, vier Blackwell‑GPUs und zweiunddreißig HBM3e‑Stacks. Die für Vera Rubin geschaffene Lieferkette ist laut dem Beitrag doppelt so groß wie die von Grace Blackwell.

Auftragsfertiger können mit der Montage nicht beginnen, bis jedes Bauteil aus einem der drei Pools: Teile direkt von NVIDIA, von NVIDIA auf Konsignationsbasis gelagerte Teile und Teile von Lieferanten, eingetroffen ist. NVIDIA führt eine Time‑of‑Ownership‑Uhr, die ab dem Moment läuft, in dem ein Fertigungsstandort Material erhält, bis es als Teil einer Unter‑assemblierung oder eines Produkts das Werk verlässt. Jede Woche muss entschieden werden, welches und wie viel Material jedem Fertigungsstandort zugewiesen wird – ein kritisches Materialzuweisungsproblem, das Planer wöchentlich manuell überarbeiten, wobei die Zuweisung das aktuelle Quartal und das nächste abdeckt.

Das NVIDIA‑Team für Lieferkettenbetrieb arbeitete mit Palantir zusammen, um ein Digital Supply Chain Intelligence‑Kommandozentrum auf Palantir Foundry aufzubauen, in dem die Ontology Materialien, Fertigungsstandorte, Aufträge, Kapazitäten, Zuweisungen, Produktionsergebnisse und unstrukturierte qualitative Signale zu einer gesteuerten Datenschicht verbindet. NVIDIA cuOpt, eine Open‑Source‑Bibliothek für GPU‑beschleunigte Entscheidungsoptimierung, bezieht seine Eingaben aus der Ontology und löst die wöchentliche Zuweisung als gemischt‑ganzzahliges lineares Programm, dessen Ziel die Minimierung der Time‑of‑Ownership ist. Der Solver meldet zudem, welche Einschränkungen bindend sind, und da die Berechnung schnell ist, können Planer Szenarien rund um das Ergebnis untersuchen, etwa zehn Prozent weniger Speicher in einem Zeitraum oder die Inbetriebnahme eines neuen Fertigungsstandorts.

Das Zurücktesten historischer Zuweisungsentscheidungen gegen die tatsächlichen Ergebnisse zeigte, dass menschliche Planer den Solver übertrafen, indem sie Informationen nutzten, die dieser nicht sehen konnte: E‑Mails, die in dieser Woche mit Partnern ausgetauscht wurden, schwere Wettervorhersagen für Schlüsselregionen, laufende geopolitische Ereignisse, Lieferanten‑Debrief‑Transkripte und jahrelanges angesammeltes Fachwissen. Der Arbeitsablauf erfasst daher jede Zuweisungsentscheidung, die dahinterstehende Begründung, das erwartete Ergebnis und das tatsächliche Resultat.

NVIDIA hat das Open‑Weight‑Modell Nemotron 3.5 Lightning, das 30 Milliarden Parameter besitzt, von denen pro Durchlauf etwa 3 Milliarden aktiv sind, anhand der erfassten Entscheidungen nachtrainiert. Die Pipeline nutzt NeMo Anonymizer, um persönlich identifizierbare Informationen zu entfernen und sensible Felder zu verschleiern, NeMo Data Designer, um Beispiele mit synthetischen Daten zu erweitern und zu balancieren, sowie NeMo AutoModel, um einen kleinen Satz von LoRA‑Adapter‑Parametern zu trainieren, während die Basisgewichte eingefroren bleiben. Palantir Autopilot verwaltet den gesamten Lebenszyklus, startet jeden Job aus Ontology‑Daten, überwacht das bereitgestellte Modell und hält die Herkunft von den Daten über die Modellversion bis zur Empfehlung intakt.

Berichtete Benchmark‑Ergebnisse

Im Entwicklungs‑Benchmark von NVIDIA erreichte das nachtrainierte Lightning‑Modell eine Zuweisungs‑Entscheidungs‑Genauigkeit von 86,7 %, verglichen mit 55,5 % für das größere Nemotron 3 Ultra und 17,5 % für das Basis‑Lightning‑Modell, berichtet der Blog. Bei Kennzahlen, die Entscheidungstypen gleich gewichten statt Beispiele, erzielte das nachtrainierte Modell eine ausgewogene Genauigkeit von 58,6 % gegenüber Ultra’s 42,0 % und einen Macro‑F1‑Wert von 57,5 % gegenüber Ultra’s 39,5 %. Der LoRA‑Training‑Durchlauf wurde auf zwei NVIDIA B200‑GPUs in Minuten abgeschlossen. Der Blog stellt fest, dass die Verbesserungen des Modells auf den Bereich konzentriert sind, in dem es nachtrainiert wurde, und dass die zukünftige Prognose von Produktionsrisiken trotz Feinabstimmung nach wie vor schwierig bleibt.

Akzeptierte, bearbeitete und überschriebene Empfehlungen werden in die Ontology zurückgeschrieben und sammeln sich, bis genügend repräsentative Daten vorliegen, um einen weiteren gesteuerten Trainingslauf zu rechtfertigen. Die Unternehmen planen, dieses Feedback für Reinforcement‑Learning zu nutzen, wobei akzeptierte und überschriebene Empfehlungen Präferenzpaare bilden, die Zuweisungs‑Korrektheit, Richtlinien‑Einhaltung und Evidenz‑Grundlage abdecken; das Modell trainiert sich in der Produktion niemals selbst nach.

Die Implementierung läuft auf NVIDIA‑Referenzarchitekturen und der gemeinsam entwickelten Palantir Sovereign AI Operating System Reference Architecture (SAIOS), die von Dell Technologies (DELL ) und Cisco unterstützt wird. Der KI‑Stack kann vor Ort mit Systemherstellern wie Cisco und Dell oder in Co‑Location‑ und Cloud‑Umgebungen mit Rackspace und Nebius bereitgestellt werden.

“NVIDIA verfügt vermutlich über die wertvollste, komplexeste und anspruchsvollste Lieferkette der Welt. Unser souveräner Stack, angetrieben von Nemotron‑Modellen und der Ontology, liefert Fähigkeiten, die die Grenzen überschreiten, und bietet Alpha‑Schutz‑Qualitäten, die sonst nicht verfügbar sind”, sagte Alex Karp, Mitbegründer und CEO von Palantir Technologies.

“Lieferketten sind das Betriebssystem der physischen Wirtschaft, und KI‑Fabriken gehören zu den komplexesten je gebauten Systemen”, sagte Jensen Huang, Gründer und CEO von NVIDIA.

Die Unternehmen planen, die Erkenntnisse aus NVIDIAs Implementierung auf Unternehmen in den Bereichen Fertigung, Energie, Gesundheitswesen, Automobil und Luft‑ und Raumfahrt zu übertragen, und die Ankündigung nennt Landwirtschaft, Fertigung, Pharma, Einzelhandel, Technologie und Regierungsorganisationen als fähig, den KI‑Stack zu nutzen, um ihre eigenen Lieferkettenprozesse zu optimieren. Der KI‑Stack und seine Anwendungen in verschiedenen Branchen werden auf der Palantir‑AIPCon‑11‑Konferenz präsentiert.