Zwischen Förderlogik, Chip-Abhängigkeit und einem Koordinationsversagen, das kein Einzelprogramm lösen kann
Im Jahr 2022 kündigte Intel eine Halbleiterfabrik in Magdeburg an. 30 Milliarden Euro Investition, die größte in der deutschen Industriegeschichte. Subventionen von bis zu 6,8 Milliarden Euro aus dem Bundeshaushalt. Der damalige Wirtschaftsminister Habeck sprach von einem „Durchbruch für den Chipstandort Deutschland”.
Im Sommer 2025 zog Intel den Stecker. Offizieller Grund: fehlende Kundenzusagen und Finanzrisiken. Inoffizieller Hintergrund: Bodenproben hatten ergeben, dass unter dem geplanten Gelände 90 Zentimeter schwarzer Ackerboden lagen – instabiles Fundament für eine Fabrik, die millimetergenaue Präzision benötigt. Die Fabrik, die Europa in der Chip-Fertigung unabhängiger machen sollte, scheiterte buchstäblich am Boden.
Das ist kein Einzelfall. Es ist ein Muster.
Der KI-Stack – und wo Deutschland steht
Um zu verstehen, warum der Rückstand strukturell und nicht zufällig ist, hilft ein einfaches Modell. Der KI-Stack hat fünf Schichten:
- Chips (Nvidia, AMD, TSMC)
- Infrastruktur (Rechenzentren, Hyperscaler)
- Plattformen (Cloud, APIs)
- Modelle (GPT, Claude, Gemini)
- Anwendungen (Industrie, SaaS, Fachdomänen)
Deutschlands Kernthese in der KI-Politik ist implizit: Wir konkurrieren auf Schicht 5 – industrielle KI, spezialisierte Modelle, regulierungskonforme Anwendungen. Das ist keine schlechte Wette. Aber sie setzt voraus, dass Schichten 1 bis 3 verfügbar bleiben – zu akzeptablen Konditionen, ohne geopolitische Unterbrechungen, ohne Lock-in.
Genau das ist die offene Frage.
Der Rechenpower-Gap
Wer über KI-Infrastruktur spricht, spricht zuerst über Compute – GPU-Cluster, Trainingskapazität, Rechenleistung. Und hier sind die Zahlen eindeutig.
Laut Epoch AI halten die USA 74,5 Prozent der weltweiten GPU-Cluster-Leistung. China 14,1 Prozent. Die gesamte EU: 4,8 Prozent. Vier einzelne Unternehmen – Microsoft, Google, Amazon, Meta – machen 61 Prozent von Nvidias Gesamtumsatz aus. Meta allein hat über 350.000 H100-Chips angekündigt.
Europas derzeit leistungsfähigstes KI-System ist JUPITER im Forschungszentrum Jülich: 24.000 Nvidia GH200 Grace Hopper Superchips, rund 40 ExaFLOPS KI-Rechenleistung. Im Juni 2025 belegte es Platz vier der TOP500-Liste. Technisch beeindruckend.
Zum Vergleich: Das Stargate-Projekt, das Donald Trump im Januar 2025 gemeinsam mit OpenAI, SoftBank und Oracle ankündigte, plant 500 Milliarden Dollar in KI-Infrastruktur allein in den USA. Der erste Standort in Texas, im September 2025 eröffnet, übersteigt JUPITER bereits. Die gesamte öffentliche EU-Investition im InvestAI-Programm beläuft sich auf 20 Milliarden Euro. Stargates Soforttransaktion betrug 100 Milliarden Dollar.
Private KI-Investitionen: USA rund 109 Milliarden Dollar pro Jahr. EU rund 4 bis 8 Milliarden Euro.
KI-Infrastruktur ist ein Zeitrennen. Europa behandelt es wie ein Infrastrukturprojekt.
Chip-Abhängigkeit: strukturell, nicht zufällig
Nvidias Marktanteil im KI-Accelerator-Segment liegt je nach Quelle zwischen 80 und 95 Prozent. H100-Chips kosten zwischen 27.000 und 40.000 US-Dollar pro Stück. Der HBM3E-Speicher war für 2024 und weite Teile von 2025 ausverkauft, bevor Bestellungen überhaupt ankamen.
Gefertigt werden diese Chips fast ausschließlich bei TSMC in Taiwan. AMD ist ein ernstzunehmender Konkurrent – der HLRS Stuttgart setzt für Hunter auf AMD Instinct MI300A –, aber AMDs Ökosystem bleibt weit hinter Nvidias CUDA-Plattform zurück.
Und genau hier liegt eine oft übersehene Dimension: Nvidia ist nicht nur Hardware. CUDA ist ein Software-Ökosystem – Frameworks, Tools, Libraries –, auf dem die gesamte Trainingssoftware der Branche aufgebaut ist. Selbst wenn Europa morgen eigene Chips hätte, würde es weiterhin auf Nvidias Software-Stack laufen. Die Abhängigkeit ist nicht physisch. Sie ist architektonisch.
Der EU Chips Act hatte das Ziel, Europas Anteil an der globalen Chip-Produktion bis 2030 von 10 auf 20 Prozent zu steigern. Stand 2025: Europa stagniert bei 10 Prozent. Was tatsächlich gebaut wurde, sind Fertigungskapazitäten für Automotive- und Industrial-Chips – sinnvoll für Infineon und NXP, aber keine KI-Chips.
Gaia-X und das Koordinationsversagen
2019 starteten Deutschland und Frankreich unter Peter Altmaiers Führung Gaia-X – eine Initiative für europäische Cloud-Souveränität. Was dann passierte, ist inzwischen dokumentiert. AWS, Microsoft und Google wurden als Mitglieder aufgenommen. Die Initiative produzierte Dokumente, Gremien und Definitionen, aber keine wettbewerbsfähige Infrastruktur. Scaleway trat im November 2021 aus. Agdatahub, mit 4,8 Millionen Euro gefördert, wurde liquidiert.
Die EuroStack-Studie fasste es 2025 zusammen: „Chronicle of a Failure Foretold.” Europäische Cloud-Anbieter halten heute rund 15 Prozent des europäischen Markts. AWS, Azure und Google Cloud zusammen rund 70 Prozent.
Das eigentliche Problem ist kein einzelner Engpass. Es ist ein Koordinationsversagen.
- Kapital wartet auf Infrastruktur
- Infrastruktur wartet auf Nachfrage
- Nachfrage wartet auf verlässliche Preise
- Politik wartet auf private Investitionen
Das Ergebnis: Stillstand trotz Förderprogrammen. Die EU AI Gigafactories Initiative plant bis zu fünf große Compute-Cluster, finanziert durch 20 Milliarden Euro EU-Mittel. Stand Anfang 2026: 76 Interessensbekundungen, 60 Standortvorschläge, noch keine einzige Gigafactory operational. Die formale Ausschreibung wurde mehrfach verschoben.
Energie: Standortstrategie, nicht nur Kostenrechnung
KI-Infrastruktur folgt Energie, nicht Regulierung. Ein großes Rechenzentrum mit 100 Megawatt Leistung braucht pro Jahr Energie im Wert von rund 80 Millionen Euro bei 9 Cent pro Kilowattstunde. In Deutschland kostet Industriestrom für Großverbraucher rund 10 Cent – nach einem Anstieg von 57 Prozent in fünf Jahren.
In Norwegen kostet Industriestrom historisch rund 3 Cent, gespeist aus Wasserkraft. USA: Energieüberfluss durch Gas und Renewables. Skandinavien: Wasserkraft. Deutschland: politisch reguliert und teuer.
Das erklärt, warum Google und Microsoft ihre europäischen Hyperscale-Rechenzentren bevorzugt in Irland, den Niederlanden, Dänemark und Finnland bauen – nicht in Deutschland. Frankfurt ist der wichtigste deutsche Rechenzentrumsstandort, aber als Colocation- und Enterprise-Hub, nicht als Greenfield-Hyperscale-Standort.
Die Bundesregierung plant einen Industriestrompreis von 50 Euro pro Megawattstunde ab 2026. Börsenpreise für Jahres-2026-Verträge lagen Anfang 2026 bei rund 90 Euro. Bis ein struktureller Gleichstand mit Skandinavien oder den USA erreicht wäre, braucht es nicht nur Subventionen, sondern einen fundamental anderen Energiemix.
Förderlogik gegen Risikokapital
Warum funktioniert US-Infrastruktur in einem Tempo, das Europa nicht replizieren kann? Weil sie anders funktioniert.
US-Investitionen in KI-Infrastruktur sind hyperskalige Wetten mit akzeptierten Verlustrisiken und einer klaren „Winner takes most”-Logik. Stargate ist kein Forschungsprogramm – es ist kommerzielles Infrastrukturkapital mit staatlicher Zeitskala.
Europäische Förderlogik funktioniert umgekehrt: Risiko minimieren, Projekte müssen „vertretbar” sein, keine extremen Wetten. KI-Infrastruktur entsteht nicht durch Förderlogik. Sie entsteht durch Risikokapital mit Monopol-Ambition.
Das erklärt auch, warum China als Gegenmodell funktioniert: Huawei Ascend lieferte 2025 trotz US-Exportkontrollen über 800.000 Chips. Baidu betreibt einen Trainingscluster mit 30.000 Chips aus ausschließlich chinesischer Produktion. Das ist keine Marktwirtschaft – aber es ist eine kohärente Industriepolitik mit klarer Priorisierung.
Was andere Länder besser machen
UK verfolgt keinen eigenen Foundation-Model-Anspruch, aber einen pragmatischen Compute-Ausbaupfad: 21 AI ExaFLOPS heute, Ziel 420 bis 2030. 14 Milliarden Pfund private Rechenzentrum-Investitionen allein durch zwei Unternehmen.
Frankreich hat etwas geschafft, das Deutschland nicht hat: einen globalen KI-Champion. Mistral AI, gegründet 2023 von drei Forschern aus DeepMind und Meta, ist heute mit über 14 Milliarden Dollar bewertet und baut gerade ein eigenes Rechenzentrum bei Paris mit 13.800 Nvidia GB300-GPUs.
Warum Frankreich und nicht Deutschland? Frankreichs Grandes Écoles produzieren konzentriert Spitzenforscher in KI. Bpifrance war bereit, in frühen Phasen mit echtem Risikokapital einzusteigen. Und Macron hatte von Beginn an eine klare Erzählung: „La France IA”.
Deutschland optimiert Systeme. Frankreich baut neue.
Deutschland hatte Aleph Alpha. Im September 2024 gab Gründer Jonas Andrulis bekannt, dass das Unternehmen die Entwicklung eigener Sprachmodelle einstellt. „The world changed. Just having a European LLM is not sufficient as a business model.” Heute berät Aleph Alpha Unternehmen und Behörden unter dem Namen PhariaAI.
Das CLOUD-Act-Problem
Selbst wenn Europa mehr KI-Infrastruktur baut: Wo liegen die Daten, und wer hat Zugriff?
Der US CLOUD Act von 2018 gibt US-Behörden das Recht, auf Daten zuzugreifen, die bei US-Unternehmen liegen – unabhängig davon, in welchem Land der Server steht. Ein konkretes Beispiel: Ein Mittelständler mit sensiblen Produktionsdaten arbeitet auf AWS Frankfurt. DSGVO-konform, ja. Technisch souverän, nein. Data Residency (Daten liegen in Deutschland) und Technical Sovereignty (keine ausländische Instanz kann zugreifen) sind zwei verschiedene Dinge.
Europäische Cloud-Anbieter mit EU-Sitz – Ionos, Hetzner, OVHcloud, Deutsche Telekom – bieten letzteres. Die drei großen US-Hyperscaler nicht. Der EU Data Act, seit September 2025 in Kraft, verpflichtet Cloud-Anbieter, unbefugten Drittland-Zugriff aktiv zu verhindern. Ob das gegenüber dem CLOUD Act juristisch durchsetzbar ist, ist ungeklärt.
Die Nachfrageseite
Eine Frage, die in der Infrastrukturdebatte selten gestellt wird: Wer würde eine europäische KI-Infrastruktur eigentlich nutzen?
Ohne massive Nachfrage gibt es keine wirtschaftlich tragfähige Infrastruktur. Und die Realität ist: Viele deutsche Unternehmen nutzen bereits AWS, Azure oder Google Cloud – nicht weil ihnen Souveränität egal wäre, sondern weil die Toolchains, Integrationen und Ökosysteme dort seit Jahren aufgebaut wurden. Europäische Alternativen zu bauen ist eine Seite der Gleichung. Die andere: Nachfrage systematisch dorthin zu lenken. Das setzt öffentliche Beschaffung voraus, die eigene Infrastruktur bevorzugt – etwas, das bisher weitgehend ausbleibt.
Was realistisch ist
Eine europäische Entsprechung zu GPT-5, Claude oder Gemini zu entwickeln, ist heute nicht realistisch. Dafür fehlen Compute, Kapital und Konzentration von Top-Talenten. Das ist keine Niederlage – es ist eine Priorisierungsfrage.
Was realistisch ist, liegt woanders.
Spezialisierte Modelle für regulierte Domänen. Medizin, Recht, Automobilindustrie, Fertigung – Bereiche, in denen DSGVO-konformer Betrieb, erklärbare Entscheidungen und Branchenstandards wichtiger sind als rohe Sprachmodellfähigkeit.
Industrielle KI als Produktstärke. Siemens Industrial Copilot, Bosch AI für Produktionslinien, SAP Business AI – das sind echte Marktanteile in industrieller Automatisierung. Diese Systeme brauchen keine Frontier-Modelle, sie brauchen zuverlässige, integrierbare, erklärbare KI.
Edge AI und Embedded AI. Infineon, STMicroelectronics, NXP sind Weltmarktführer in Mikrocontrollern für Automotive und Industrial. KI am Edge ist ein Markt, in dem Europas Halbleiterindustrie tatsächlich wettbewerbsfähig ist.
Regulation als Standard-Setter. Der Brussels Effect funktioniert beim KI-Gesetz. Wer KI für den europäischen Markt baut, muss EU AI Act einhalten. Das verschafft europäischen Anbietern, die diese Anforderungen nativ kennen, einen strukturellen Vorteil.
Das Risiko der Überinvestition
Der globale Ausbau von KI-Infrastruktur wird oft als lineare Erfolgsgeschichte erzählt: mehr Kapital, mehr Rechenleistung, mehr Fortschritt. Tatsächlich handelt es sich um eine Wette — mit offenem Ausgang.
Programme wie Stargate oder die massiven GPU-Beschaffungen von Meta, Microsoft und Google bewegen sich in einer Größenordnung von mehreren hundert Milliarden Dollar. Ob sich diese Investitionen langfristig amortisieren, ist nicht gesichert. Die Monetarisierung von KI bleibt in vielen Bereichen unklar, während sich technologische Paradigmenzyklen immer weiter verkürzen. Wer heute auf H100 setzt, rechnet in zwei Jahren vielleicht mit GB300 — oder mit einer Architektur, die es heute noch nicht gibt.
Hinzu kommen strukturelle Risiken auf der Infrastrukturseite. Der steigende Energiebedarf zwingt Länder dazu, ihre Energiepolitik kurzfristig an industrielle Anforderungen anzupassen — durch Reaktivierung bestehender Kraftwerke, durch exklusive Energieverträge für einzelne Rechenzentren, durch staatliche Kapazitätsgarantien für private Investoren. Microsoft hat in den USA mehrjährige Verträge mit Kernkraftwerken abgeschlossen, um GPU-Cluster zu versorgen. KI-Infrastruktur entsteht nicht im luftleeren Raum: Sie greift tief in bestehende Versorgungssysteme ein — und das zu Bedingungen, die langfristig nicht in jedem Fall tragfähig sind.
Europa verfolgt einen anderen Ansatz — nicht aus ideologischen Gründen, sondern wegen realer Ressourcenkonkurrenz. Ein erheblicher Teil der verfügbaren Mittel ist in Sozialversicherungssysteme, demografische Stabilisierung und öffentliche Infrastruktur gebunden. Kapital, das in KI-Infrastruktur fließt, steht nicht für andere gesellschaftliche Aufgaben zur Verfügung. In Ländern mit geringerer sozialer Absicherung ist diese Abwägung weniger schmerzhaft — in Deutschland, Frankreich und Skandinavien ist sie real.
Das ist ein Nachteil im globalen Compute-Rennen. Es kann aber auch ein Stabilitätsfaktor sein. Ein langsamerer Aufbau bedeutet, dass Fehlentwicklungen, Überkapazitäten oder falsche Chip-Generationen potenziell vermieden werden. Geduld hat in der Technologiegeschichte mehrfach ausgezahlt — nicht als Bequemlichkeit, sondern als Abwarten, bis Paradigmen sich stabilisiert haben.
Was dabei selten in die Rechnung eingeht: Wer KI-Infrastruktur im Stundentakt bewundert, sollte auch die Schattenseiten vollständig einpreisen. Atomkraftwerke, die für GPU-Cluster reaktiviert werden. Regionen, die keine Wahl haben, wenn ein Hyperscaler kommt. Investoren, die Renditen erwarten — nicht verbesserte Lebensumstände für alle. Das Ziel von Technologie sollte sein, menschliche Lebensverhältnisse zu verbessern, nicht Kapitalrenditen für KI-Startups zu maximieren. Beides gleichzusetzen ist ein Kategorienfehler, der im öffentlichen Diskurs zu selten benannt wird.
Der eigentliche strategische Maßstab für Europa ist daher nicht nur, wie schnell Abhängigkeiten aufgeholt werden — sondern ob Abhängigkeiten mit der Zeit abgebaut werden, statt neue zu installieren. Eine Infrastrukturstrategie, die Europa am Ende genauso tief in die Nvidia-TSMC-Kette einbindet wie heute in AWS und Azure, hat das Kernproblem nicht gelöst. Souveränität ist kein Zustand, der einmal erreicht wird — sie muss aktiv verteidigt werden, auch gegenüber Technologien, die gerade als unverzichtbar gelten.
Einordnung: drei mögliche Positionen
Die eigentliche Frage ist nicht, ob Europa aufholt. Sondern auf welcher Schicht des KI-Stacks es überhaupt noch sinnvoll ist zu konkurrieren.
Drei mögliche Positionen:
Abhängigkeit akzeptieren. Fokus auf Schicht 5 – Anwendungen, industrielle KI, regulierungskonforme Systeme. Infrastruktur kommt von US-Hyperscalern. Das ist die de-facto-Strategie vieler europäischer Unternehmen heute.
Teil-Souveränität aufbauen. Bestimmte Datenkategorien und Branchen auf europäischer Infrastruktur betreiben, den Rest pragmatisch auslagern. Das setzt voraus, dass europäische Anbieter schnell genug wachsen – und dass öffentliche Beschaffung konsequent mitzieht.
Full-Stack versuchen. Chips, Infrastruktur, Modelle, Anwendungen aus einem System. Aktuell unrealistisch. Mittelfristig in Nischen möglich – wenn Koordination zwischen Kapital, Politik und Industrie gelingt, was bisher nicht gezeigt wurde.
Es fehlt nicht am Willen. Es fehlen parallele Defizite, die sich gegenseitig verstärken: Strom ist zu teuer. Kapital ist zu zögerlich. Talente verteilen sich auf zu viele Universitäten statt sich zu konzentrieren. Und der Förderapparat neigt zu Infrastruktur für Forschung, wo privates Kapital fehlt – statt Infrastruktur für Märkte, wo es tatsächlich gebraucht wird.
Deutschland plant KI-Strategien. Die Hardware dafür baut jemand anderes. Das ist heute ein Fakt. Die Frage ist, welche Schicht Europa kontrollieren will – und welche davon realistisch erreichbar ist.