DE
13. November 2026 · Jakub M.
Nvidia ohne Jensen Huang: Was das für lokale KI und Hardwarepreise bedeutet
Nvidia-Gründer Jensen Huang ist als Chef zurückgetreten. Für alle, die KI auf eigener Hardware betreiben, zählt aber etwas anderes mehr: Grafikkarten und KI-Workstations werden vor allem wegen der Speicherknappheit teurer, nicht wegen des Wechsels an der Spitze.
Was passiert ist
Am Sonntag, 8. November, kündigte der Nvidia-Verwaltungsrat eine unabhängige Untersuchung gegen seinen Vorstandschef an. In einer internen Nachricht an die Beschäftigten räumte Jensen Huang eine außereheliche Affäre ein. Laut US-Medien geht es auch um seine Beziehung zu einer Managerin des Unternehmens Megaspeed mit Sitz in Singapur. Diesen Berichten zufolge verdächtigen US-Behörden diese Managerin, Verbindungen zum chinesischen Geheimdienst zu haben; China weist die Vorwürfe zurück. Megaspeed war einer der großen ausländischen Kunden von Nvidia und kaufte dort Chips und andere Hardware für fast 5 Milliarden Dollar.
Der Verwaltungsrat nahm Huangs Rücktritt am 11. November mit sofortiger Wirkung an, das Unternehmen gab ihn einen Tag später bekannt. Interimistisch führt Finanzchefin Colette Kress das Unternehmen, Harvey C. Jones wurde Vorsitzender des Verwaltungsrats, und die Suche nach einem dauerhaften Nachfolger läuft. Die Nvidia-Aktie verlor in fünf Tagen rund 17 % und steht so tief wie seit mehr als einem Jahr nicht.
Was vorerst gleich bleibt
Der Abgang des Chefs ändert nichts daran, wie heutige Grafikkarten, Treiber und Software-Werkzeuge einschließlich CUDA funktionieren. Wer heute KI-Modelle auf Nvidia-Hardware betreibt, muss nicht sofort etwas ändern.
Analysten sind sich einig, dass sich auch das Geschäft kurzfristig nicht ändert. Laut Cody Acree von StoneX ist Nvidias Produktfahrplan bis zur Generation Feynman im Jahr 2028 festgelegt, und er sieht bis dahin keine Auswirkungen auf den Umsatz. Raymond James hält die Marktreaktion für übertrieben. Goldman Sachs erwartet, dass Nvidia bestehende Zusagen einhält, sieht aber neue große Partnerschaften ohne Huang schwerer verhandelbar. Laut Digitimes rechnen taiwanische Serverhersteller kurzfristig mit stabiler Nachfrage.
Der Abgang von Jensen Huang ist der größte Führungswechsel bei Nvidia seit mehr als drei Jahrzehnten. Für alle, die Hardware für eigene KI-Modelle auswählen, kommt er jedoch zu einer Zeit, in der der Markt ohnehin schwierig ist. Speicherpreise steigen, leistungsstarke Grafikkarten sind kaum zu bekommen, und immer mehr Nutzer suchen Alternativen zu klassischen GPU-Systemen.
Die Hauptursache: Speicher
Die aktuelle Verteuerung von Hardware für lokale KI geht vor allem auf die Knappheit an Speicherchips zurück. Laut Wall Street Journal verbrauchen KI-Rechenzentren in diesem Jahr rund 70 % der Produktion von Hochleistungs-DRAM. Speicher verteuerte sich schon Ende 2025 um rund 50 %, und die Analysten von TrendForce erwarteten für dieses Jahr einen weiteren Anstieg um rund 70 %. Die Hersteller verkaufen bereits Kapazitäten für 2027 und 2028 und erwarten spürbare Entlastung frühestens 2028. In die Endpreise fließen auch andere Faktoren ein, etwa Nachfrage und Preispolitik der Hersteller.
Für lokale KI ist Speicher entscheidend. Seine Kapazität bestimmt, wie groß ein Modell sein kann, das auf den Rechner passt, und seine Bandbreite, wie schnell es antwortet.
Was Hardware für lokale KI heute kostet
| Gerät | Speicher für KI | Preis | Art des Preises |
|---|---|---|---|
| GeForce RTX 5090 | 32 GB (Grafikspeicher) | 1.999 USD | Preisempfehlung |
| GeForce RTX 5090 | 32 GB (Grafikspeicher) | ~6.000 USD | Online-Marktplätze, November 2026 |
| Nvidia DGX Spark | 128 GB (gemeinsam) | 6.950 USD | Nvidia-Listenpreis seit Oktober 2026 (zum Start 3.999 USD) |
| Nvidia DGX Spark | 64 GB (gemeinsam) | ab 4.999 USD | Nvidia-Partner |
| AMD Ryzen AI Halo | 128 GB (gemeinsam) | ab 3.999 USD | AMD, Juni 2026 |
| Mac Studio M5 Ultra | 256 GB (einheitlich) | 12.429 € | Apple-Preisliste, Deutschland |
Grafikspeicher auf einer Karte ist deutlich schneller, aber klein: Ein Modell, das nicht hineinpasst, muss aufgeteilt werden oder wird stark langsamer. Gemeinsamer und einheitlicher Speicher ist langsamer, fasst aber viel größere Modelle. Beide Werte sind daher nicht direkt vergleichbar.
Grafikkarten trifft es besonders hart. Die RTX 5090 verschwand schon im Januar aus dem Angebot großer US-Händler. Laut GPU Poet wurde sie im November auf Online-Marktplätzen für rund 6.000 Dollar verkauft, etwa das Dreifache der Preisempfehlung. Laut chinesischen Quellen erhöhen die Kartenhersteller im November erneut die Preise, bei RTX 5090 und 5080 um fast 500 Dollar.
Kompakte KI-Workstations mit gemeinsamem Speicher sind der günstigste Weg zu großen Modellen, werden aber ebenfalls teurer. Nvidias DGX Spark mit 128 GB ist seit dem Start um 75 % teurer geworden. AMD verkauft einen eigenen Rechner, den Ryzen AI Halo mit 128 GB, ab 3.999 Dollar. Im Frühjahr nannte Apple für Mac Studio mit mehr Speicher Lieferzeiten von bis zu vier bis fünf Monaten.
Was unser eigener Test zeigt
Wie weit man mit gemeinsamem Speicher kommt, haben wir selbst ausprobiert. Auf einem Mac Studio M5 Ultra mit 256 GB einheitlichem Speicher lief die 4-Bit-Version von Qwen3.5 mit 397 Milliarden Parametern. Sie belegte rund 224 GB Speicher und erzeugte etwa 62 Token pro Sekunde, ohne jede Änderung an den macOS-Einstellungen. Mit einem Kontext von 128.000 Token sank das Tempo auf 44 Token pro Sekunde. Auf eine einzelne Grafikkarte würde ein solches Modell bei Weitem nicht passen. Details stehen in unserem Test von Qwen3.5 397B.
Was sich in den kommenden Jahren ändern könnte
Huangs Abgang bringt vor allem langfristig Unsicherheit. Viel hängt davon ab, wer Nvidia führen wird: Ein Techniker würde den bisherigen Kurs wohl halten, ein Manager von außen könnte stärker auf kurzfristige Ergebnisse drängen. Der Fall Megaspeed wirft zudem die Frage auf, ob Nvidia-Chips über andere Länder nach China gelangen. Strengere Exportkontrollen träfen vor allem große Kunden, Privatanwender betreffen sie vorerst nicht. AMD und Apple bauen derweil die Unterstützung für Werkzeuge zur lokalen KI aus, und jeder Fehltritt von Nvidia eröffnet ihnen Chancen.
Der erste große Test folgt am 17. November, wenn Nvidia die Quartalszahlen vorlegt. Im Fokus stehen Aufträge und Aussagen zur Lieferlage.
Was das für lokale KI bedeutet
Panik ist nicht angebracht. Ihre vorhandene Hardware funktioniert weiter, und Nvidias neue Produkte bleiben im Plan. Unter Druck zu kaufen lohnt sich aber nicht: Eine RTX 5090 kostet heute etwa das Dreifache der Preisempfehlung, und die Speicherknappheit verschwindet nicht so bald.
Es lohnt sich auch, nicht alles auf eine Plattform zu setzen. llama.cpp läuft auf Nvidia- und AMD-Grafik, auf Apple Silicon und auch nur auf dem Prozessor. MLX wurde für Apple Silicon entwickelt, unterstützt inzwischen aber auch CUDA. vLLM braucht für jede Plattform ein eigenes Backend. Ein Plattformwechsel ist also nicht umsonst, aber möglich.
Vor dem Kauf ausprobieren
Bei Hardware für Tausende Euro ist es sinnvoll, zuerst zu prüfen, ob Ihr Modell und Ihre Arbeitslast schnell genug laufen. Den Mac Studio M5 Ultra mit 256 GB, auf dem wir getestet haben, können Sie bei uns schon ab einem Tag mieten.
Quellen: NVIDIA Form 8-K (SEC), ABC News, CBS News, TipRanks, Investing.com, Digitimes, Windows Central (WSJ, TrendForce), GPU Poet, Dataconomy, TechRadar, Implicator, Digital Citizen, BGR. Preise mit Stand 13. November 2026.