Nvidia GTC 2026 KI-Infrastruktur: Wem gehört die Intelligenz der Fabrik?

Anbieter zum Thema

d.velop AG

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Jensen Huang, CEO von Nvidia, hat auf der GTC in Berlin der europäischen Industrie eine neue KI-Infrastruktur versprochen. Für deutsche Hersteller wird es entscheidend, wer sie ihr Wissen in lernende Systeme übersetzen können.

Sechs Monate Aufbauzeit, im Idealfall nur noch 14 Tage: Mit diesem Vergleich stellte Jensen Huang, CEO von Nvidia, am 21. Oktober 2026 auf der GTC in Berlin den DSX Pod vor. Die neue Bauweise verlagert die Montage von KI-Rechenzentren in die Fabrik. Vorverkabelte und getestete Module mit der Rechenplattform Vera Rubin sollen ab Anfang 2027 ausgeliefert werden. Die Frist gilt für vorbereitete Standorte mit Strom, Kühlung und Netzanschluss. Es ist kein Rechenzentrum zum Auspacken für jeden Mittelständler, sondern die Industrialisierung der KI-Infrastruktur selbst.

KI-Infrastruktur, Modelle, Agenten und Robotik

Huang präsentierte zugleich eine Strategie, die über Prozessoren hinausreicht: KI-Infrastruktur, offene KI-Modelle, abgesicherte Agenten, Simulation und Robotik sollen ineinandergreifen. Laut Nvidia flossen binnen eines Jahres nahezu zehn Milliarden US-Dollar in das europäische Technologie-Ökosystem. Deutschland bringt jahrzehntelanges Wissen über Maschinen und Fahrzeuge mit. Wenn Rechenleistung leichter verfügbar wird, verlagert sich der Wettbewerb. Im Maschinenbau reicht es nicht, schneller Texte zu erzeugen. Entscheidend ist, ob ein KI-System erkennt, welche Änderung an einer Fertigungslinie funktioniert und welche am Ende Ausschuss produziert.

KI-Infrastruktur: Was Erlangen bereits vorführt

Zwei Tage vor Huangs Auftritt zeigte Siemens im Elektronikwerk Erlangen, wie sich diese Grenze verschiebt. Ein KI-Agent unterstützt dort die Produktionsplanung. Neue Aufträge, Materialengpässe und verfügbare Anlagen fließen in verschiedene Szenarien ein. Ein digitaler Zwilling prüft die Vorschläge vor der Umstellung. Menschen entscheiden, müssen aber nicht jede Kombination selbst durchspielen.

Siemens nennt mögliche Kosteneinsparungen von bis zu 20 Prozent in der agentengestützten Produktionsplanung. Bei der virtuellen Vorbereitung neuer Leiterplatten-Baugruppen soll der technische Aufwand um bis zu 85 Prozent sinken. Das sind Angaben des Unternehmens zu einzelnen Anwendungen, keine Prognose für sämtliche Fabriken. Der entscheidende Punkt: Die Fabrik bewertet Alternativen, bevor Maschinen verändert werden.

Bisher steckte viel von diesem Wissen in den Köpfen erfahrener Planer. Sie kannten Taktzeitgrenzen und die Folgen verspäteter Lieferungen. Nun lassen sich Teile dieses Erfahrungswissens in Daten, Regeln und Modelle übertragen. Das kann Fachkräfte stärken, wenn sie die Systeme gestalten. Es verändert aber auch den Ort, an dem der Wettbewerbsvorteil gespeichert wird.

Die Lücke des Mittelstands

In der deutschen Debatte um künstliche Intelligenz werden häufig Mitarbeiter gezählt, die einen Textassistenten nutzen. Für die KI-Infrastruktur sagt das wenig aus. Laut einer Auswertung von KfW Research im Juli 2026 setzen 20 Prozent der mittelständischen Unternehmen KI ein. 14 Prozent verwenden sie für die Erzeugung natürlicher Sprache. KI zur autonomen Bewegung von Maschinen nutzen nur ein Prozent. Die Erhebung betrachtet den gesamten Mittelstand, nicht allein Industriebetriebe. Sie macht trotzdem die Entfernung zwischen alltäglicher KI-Nutzung und physischer Automatisierung sichtbar.

Ein Sondermaschinenbauer kann über ein einzigartiges Verfahren verfügen und schlechte Voraussetzungen für einen lernenden Fabrikagenten haben. Störungen sind in Freitext protokolliert. Qualitätsdaten liegen getrennt von Wartungsinformationen. Maschinen unterschiedlicher Generationen senden inkompatible Signale. Vielleicht weiß nur der Schichtleiter, warum eine bestimmte Einstellung bei hoher Luftfeuchtigkeit scheitert. Das Wissen ist wertvoll, für Software aber zunächst unsichtbar.

KI-Lizenzen allein lösen das nicht. Es braucht verlässliche Betriebsdaten, einheitliche Bedeutungen für Maschinensignale und Simulationen, deren Aussagen überprüft werden können. Ein ungenauer Zwilling liefert präzise klingende Fehlentscheidungen. Kleinere Betriebe müssen dafür keine eigene KI-Infrastruktur errichten. Sie brauchen spezialisierte Werkzeuge und Partner, die sich in bestehende Abläufe integrieren lassen, ohne das Unternehmen dauerhaft abhängig zu machen.

Chatbots

Copilot: Der Kampf um die Delegationsschicht