In einem 41-minütigen Interview für die Reihe Training Data von Sequoia Capital, „NVIDIA's Jensen Huang on Building the Dynamo of the Intelligence Age“, legte der Gründer von NVIDIA dar, warum Computing seiner Ansicht nach den größten Wandel seit 60 Jahren durchläuft, warum KI-Fabriken die Dynamos dieser Ära sind und warum er die Befürchtung, KI werde Arbeitsplätze vernichten, für falsch hält. Dies sind unsere Notizen zu den wichtigsten Argumenten, zu ihrer praktischen Bedeutung und dazu, wo wir sie in der Praxis beobachten. Die zusammengefassten Ansichten sind seine; die Kommentare sind unsere. Sehen Sie sich das vollständige Interview auf YouTube an, um seine eigenen Worte zu hören.
Inhalt
- Vom Abrufen zum Generieren
- KI-Fabriken als der neue Dynamo
- Intelligenz als dritte Kraft nach Elektrizität und Internet
- Der fünfschichtige Kuchen der KI-Investitionen
- Von Chatbots zu KI, die Arbeit erledigt
- Arbeitsplätze: Aufgaben ändern sich, die Nachfrage wächst
- Was wir daraus mitnehmen
1. Vom Abrufen zum Generieren
Huangs zentrales Argument lautet, dass Computer rund 60 Jahre lang Abrufmaschinen waren. Rechenzentren speicherten Dateien: Dokumente, Bilder, Videos. Wenn Sie etwas anforderten, fand der Computer es und schickte es zurück.
Generative KI verändert die grundlegende Operation. Jedes Wort, jedes Bild und jedes Video, das eine KI erzeugt, wird in Echtzeit generiert, für die fragende Person, aus ihrem Kontext und ihrer Frage. Zwei Menschen, die dasselbe fragen, erhalten auf sie zugeschnittene Antworten. Aus Huangs Sicht wird immer mehr von dem, was wir sehen und hören, generiert statt abgerufen, und das erfordert eine andere Art von Computer, in weit größerer Zahl.
In der Praxis: Deshalb verändert KI die Wirtschaftlichkeit der IT. Speicherkosten fallen einmal an; Generierungskosten fallen jedes Mal an, wenn jemand das System nutzt. KI zu planen bedeutet, Rechenleistung und Strom zu planen, die mit der Nutzung skalieren.
2. KI-Fabriken als der neue Dynamo
Der Titel stammt aus seiner Analogie. Der Dynamo, die Maschine, die Siemens im 19. Jahrhundert entwickelte, wandelte Bewegung in Elektrizität um und ermöglichte das elektrische Zeitalter. Huang argumentiert, dass NVIDIAs KI-Fabriken heute dieselbe Rolle spielen: Maschinen, die Elektronen aufnehmen und Tokens der Intelligenz ausgeben.
Diese Tokens stehen nicht nur für Wörter. In seiner Darstellung kann derselbe Ansatz, der menschliche Sprache gelernt hat, jedes Fachgebiet mit zugrunde liegender Struktur lernen: Code, Mathematik, Proteine, Chemie, Physik, die 3D-Welt, Robotik. Für den Computer ist alles Tokens.
In der Praxis: Eine KI-Fabrik wird wie jede Fabrik nach dem Output pro Einheit Input beurteilt: Tokens pro Sekunde pro Watt und Kosten pro Token. Das ist der Maßstab für den Vergleich von GPUs, Servern und Hosting-Optionen, nicht allein die Spitzenwerte im Datenblatt.
3. Intelligenz als dritte Kraft nach Elektrizität und Internet
Huang beschreibt Intelligenz als die dritte Kraft, die den Planeten „einhüllt“. Elektrizität erreichte jedes Gebäude, dann verband das Internet jedes Gerät, und nun wird generierte Intelligenz überall verfügbar sein, eingebaut in Produkte, Dienste und Maschinen.
In der Praxis: Wenn Intelligenz zu einem Versorgungsgut wird, lautet die strategische Frage für die meisten Organisationen nicht, ob sie KI nutzen, sondern welche Teile sie besitzen, welche sie mieten und wie sie dabei die Kontrolle über ihre Daten behalten.
4. Der fünfschichtige Kuchen der KI-Investitionen
Im Interview nutzt Huang seinen fünfschichtigen Kuchen, um aufzuzeigen, wohin die Investitionen fließen:
- Energie: der Strom für den Betrieb von KI-Fabriken und die entscheidende Grenze dafür, wie viel KI produziert werden kann.
- Chips: die Prozessoren, Netzwerke und Systeme, die Energie in Rechenleistung umwandeln.
- Infrastruktur: Grundstücke, Gebäude, Stromversorgung, Kühlung, Finanzierung und Betrieb von KI-Fabriken.
- Modelle: die KI-Modelle selbst, für Sprache und zunehmend für Biologie, Werkstoffe und die physische Welt.
- Anwendungen: die Produkte, die KI in Finanzwesen, Recht, Gesundheitswesen, Logistik, Verkehr und jeder anderen Branche zum Einsatz bringen.
Jede Anwendung stützt sich auf jede Schicht darunter. Wir erklären jede Schicht und warum sie wichtig ist in unserer begleitenden Notiz: KI ist ein fünfschichtiger Kuchen: was KI ist, wie sie funktioniert und warum jede Schicht zählt.
5. Von Chatbots zu KI, die Arbeit erledigt
Huang argumentiert, dass der Wendepunkt nicht KI war, die chatten konnte, sondern KI, die arbeiten konnte. Frühe Chatbots waren beeindruckend und unterhaltsam, doch Unternehmen bezahlen für erledigte Arbeit, nicht für geistreiche Unterhaltung. Heutige Systeme arbeiten sich Schritt für Schritt durch ein Problem, nutzen Werkzeuge wie Browser, Tabellenkalkulationen und Designsoftware und handeln auf Grundlage der Ergebnisse. Das sind Agenten, und er erwartet, dass sie überall laufen werden, von Büros bis zu Autos, Robotern und Gebäuden.
In der Praxis: Das deckt sich mit dem, was wir bei Kunden sehen. Die Projekte, die sich auszahlen, sind Agenten, die eine klar definierte Aufgabe abschließen, etwa eine Support-Warteschlange vorsortieren, ein Angebot entwerfen oder einen Vertrag prüfen, innerhalb von Leitplanken und mit einem Menschen, der das Wesentliche freigibt.
6. Arbeitsplätze: Aufgaben ändern sich, die Nachfrage wächst
Huang weist die Vorstellung zurück, KI werde Arbeitsplätze einfach auslöschen, und verweist auf zwei Berufe, deren Verschwinden jeweils vorhergesagt wurde:
- Radiologie. Computer Vision hilft heute in der gesamten Radiologie beim Auswerten von Aufnahmen, doch die Zahl der Radiologen ist gestiegen. Aufnahmen auswerten ist eine Aufgabe; Patienten versorgen ist der Beruf. Schnellere, günstigere und genauere Aufnahmen bedeuteten, dass mehr Patienten behandelt werden konnten, und die Abteilungen stellten mehr Personal ein.
- Softwareentwicklung. KI schreibt heute einen Großteil des Codes, und doch steigt die Nachfrage nach Ingenieuren weiter. Code tippen ist eine Aufgabe; Probleme lösen ist der Beruf.
Sein Fazit, sinngemäß: Sie verlieren Ihren Arbeitsplatz vielleicht nicht an KI, aber Sie könnten ihn an jemanden verlieren, der KI nutzt.
In der Praxis: Die sinnvolle Übung besteht darin, die Aufgaben in einer Rolle aufzulisten, nicht die Rollen in einem Team, und zu fragen, welche Aufgaben KI übernehmen kann, damit Menschen mehr Zeit für den eigentlichen Zweck ihrer Arbeit haben. Das ist auch der fairste Weg, KI in einer Belegschaft einzuführen.
7. Was wir daraus mitnehmen
- Planen Sie für Generierung, nicht für Speicherung. KI-Kosten wachsen mit der Nutzung. Budgetieren Sie Rechenleistung und Strom pro Antwort und messen Sie die Kosten pro Token.
- Wählen Sie Ihre Schichten. Nur wenige Organisationen müssen alle fünf besitzen. Entscheiden Sie, wo Sie Hardware besitzen, wo Sie sie leasen oder mieten und welche Modelle Sie wo betreiben.
- Beginnen Sie mit Arbeit, nicht mit Chat. Wählen Sie eine Aufgabe, die ein Agent von Anfang bis Ende erledigen kann, mit klaren Leitplanken und einem messbaren Ergebnis.
- Nehmen Sie die Menschen mit. Schulen Sie Teams darin, KI für ihre eigenen Aufgaben zu nutzen. Daher kommen die Produktivität und auch die Arbeitsplatzsicherheit.
Workstation baut und betreibt jede Schicht, die eine Organisation braucht, von KI-Workstations und GPU-Clustern bis zu GPU-Leasing, privater KI und KI-Agenten. Sprechen Sie mit uns darüber, wo Sie anfangen sollten.
Quellen
- Sequoia Capital, Training Data: „NVIDIA's Jensen Huang on Building the Dynamo of the Intelligence Age“ (YouTube, 41 Minuten).
- Jensen Huang, „AI Is a 5-Layer Cake“, NVIDIA Blog, 10. März 2026.
Das Interview wurde aufgezeichnet, als Jensen Huang CEO von NVIDIA war; er trat am 12. November 2026 zurück. NVIDIA ist eine Marke und/oder eingetragene Marke der NVIDIA Corporation in den USA und anderen Ländern. Siemens ist eine Marke der Siemens AG.