Chips: der Nerv des Krieges

Knüpfen wir dort an, wo wir im vorigen Kapitel aufgehört haben: Wir können Rechenzentren bauen. Bleibt die Frage, was wir hineinstellen.

Was sind das für Chips? Tatsächlich gehören jene, die KI zum Laufen bringen, zu den weitest entwickelten und komplexesten Objekten, die die Menschheit je herstellen konnte. Sie lesen diesen Artikel dank eines Chips, Ihr Telefon funktioniert dank eines Chips. Und für die Technikskeptiker: Ein guter Teil der medizinischen Geräte, die eingesetzt würden, wenn Ihnen etwas zustieße, arbeitet mit einem Chip. Das ist die Grundlage unserer modernen Technik.

Was ist ein elektronischer Chip?

Elektronische Chips (oder Halbleiter) sind die wesentlichen Bauteile moderner elektronischer Geräte. Sie werden aus Silizium hergestellt, einem Halbleitermaterial, und enthalten Millionen, teils Milliarden miniaturisierter Transistoren. Diese Transistoren werden zusammengesetzt, um präzise Funktionen auszuführen: Berechnungen, Datenspeicherung oder die Verwaltung von Peripheriegeräten.

Vereinfacht gesagt: Ohne diese Chips können Sie sich von all Ihren elektronischen Geräten verabschieden — Ihrer Spielkonsole, Ihrem Computer, einer Drohne, Ihrem Auto oder auch Ihrer Waschmaschine. Es gibt sie überall, in vielen Arten, mit je nach Einsatz sehr unterschiedlichen Komplexitätsgraden. Hier konzentrieren wir uns auf die beiden derzeit bekanntesten: CPU und GPU.

Die CPU (Central Processing Unit)

Die CPU wird oft als das „Gehirn" eines Computers beschrieben. Ihre Hauptfunktionen:

• ▸die Anweisungen von Software und Programmen ausführen,
• ▸die Berechnungen verwalten, die nötig sind, damit ein Computersystem läuft,
• ▸die verschiedenen Teile eines Computers koordinieren.

Strukturell ist die CPU in mehrere Kerne unterteilt, von denen jeder Anweisungen gleichzeitig verarbeiten kann. Sie enthält Recheneinheiten namens ALU (Arithmetic Logic Unit) für mathematische und logische Operationen sowie eine Steuereinheit, die die Datenflüsse orchestriert.

Die GPU (Graphics Processing Unit)

Die GPU ist auf massiv parallele Berechnungen spezialisiert, insbesondere auf jene, die für das Grafik-Rendering nötig sind. Ihre Hauptfunktionen:

• ▸die Berechnungen für die Darstellung von Bildern, Videos und Animationen verwalten,
• ▸die komplexen Berechnungen für Videospiele, Grafiksoftware und virtuelle Realität beschleunigen,
• ▸nicht-grafische Aufgaben verarbeiten, die paralleles Rechnen erfordern: künstliche Intelligenz, wissenschaftliche Simulation oder Kryptomining.

Ihre Struktur ist das Gegenteil der CPU: eine sehr große Zahl von Kernen, einzeln weniger leistungsfähig als die eines klassischen Prozessors. Sie ist daher hervorragend darin, sehr viele kleine Aufgaben gleichzeitig auszuführen.

Die anderen Chiptypen

• ▸ASIC (Application-Specific Integrated Circuit): für eine einzige Aufgabe entworfen, etwa in Routern oder Bankkarten. Dazu zählen auch die NPU (Neural Processing Units), spezialisiert auf KI-Berechnungen, und die LPU (Language Processing Units), gedacht für den Einsatz von LLM.
• ▸FPGA (Field-Programmable Gate Array): ein Chip, der nach der Fertigung neu programmiert werden kann, für spezifische Zwecke.

Mit dem Aufkommen der LLM hat sich die Öffentlichkeit stark auf GPU konzentriert, die zu „den Karten für KI" geworden sind (mit dem Riesen NVIDIA dahinter). Man darf jedoch nicht vergessen, dass GPU historisch für Grafikverarbeitung entworfen wurden. Seit Kurzem stellen neue Akteure Architekturen vor, die besser auf künstliche Intelligenz zugeschnitten sind: LPU, IPU, NPU. Eine davon lohnt den Umweg: Groq (nicht Elon Musks KI Grok, sondern Groq mit q ;) ). Ich komme weiter unten darauf zurück.

Sie verstehen also, dass es für ein Land unerlässlich ist, sich mit elektronischen Chips versorgen zu können. Ohne sie lassen sich unsere Fabriken, unsere Medizintechnik, unsere Waffen nicht betreiben. Dieses Material ist fast so wichtig wie Energie oder Landwirtschaft. Und diese Abhängigkeit kann indirekt unsere Industrien und sogar unsere politischen Entscheidungen beeinflussen, wie die Problematik rund um die ITAR-Regulierung gezeigt hat.

Woraus bestehen diese Chips?

So wie man Materialien braucht, um eine Windkraftanlage zu bauen, oder Uran für ein Kraftwerk, brauchen diese Chips ganz bestimmte Stoffe. Hier eine zwangsläufig unvollständige Liste, die aber das Wesentliche zeigt:

• ▸Silizium, das Grundmaterial der Transistoren. Auf 99,9999999 % gereinigt (die „elektronische Güteklasse"), wird es zu Wafern verarbeitet, jenen Scheiben, auf denen die Schaltungen geätzt werden.
• ▸Leitende Metalle: Kupfer für die Verbindungen, Gold für kritische Kontakte, Wolfram, Aluminium, Nickel, Kobalt und Molybdän für bestimmte Legierungen und Schutzschichten.
• ▸Dotierstoffe, die die Eigenschaften des Siliziums verändern: Phosphor und Arsen (N-Typ, die freie Elektronen hinzufügen), Bor (P-Typ, das „Löcher" erzeugt).
• ▸Isolatoren: Siliziumdioxid und Hafniumoxid in modernen Prozessoren, um die Transistoren zu verbessern und zugleich den Verbrauch zu senken.
• ▸Materialien zur Wärmeableitung: Siliziumkarbid, Graphit und Graphen, Keramiken.
• ▸Substrate und Gehäuse: glasfaserverstärktes Epoxid (FR-4), Kupfer- und Aluminiumlegierungen, Kunststoffe und Polymere.

Was auffällt, wenn man sich die Exportländer dieser Stoffe ansieht, ist das Übergewicht Chinas. Mit besonderer Erwähnung von Indonesien, der DR Kongo, der Türkei und Peru, die bei bestimmten Materialien führen. Auch wenn diese Daten die globalen Exporte betreffen und damit weit mehr als nur Chips, versteht man schnell die Bedeutung bestimmter Seewege.

Es gibt also Formen von „Monopolen" auf Materialien, die für den Chipentwurf nötig sind, was die Logistik verkompliziert und die Beziehungen zwischen Staaten belastet: Die Zolldiskussionen zwischen China und den Vereinigten Staaten illustrieren das permanent. Nebenbei bemerkt werden die Reserven mancher Länder nicht erschlossen, in Frankreich etwa, weil die Umweltauswirkungen des Bergbaus als zu groß oder zu teuer in der Minderung gelten.

Die Bedeutung fortgeschrittener Nodes

Zwischen diesen Rohstoffen und dem fertigen Chip liegen mehrere Entwurfsschritte. Eine der als entscheidend dargestellten Größen ist jedoch der Begriff der fortgeschrittenen Nodes. Stellen Sie sich das als das Aufbringen einer sehr dünnen Metallschicht in einer Schaltung vor, die den Strom leiten wird.

Der Einsatz fortgeschrittener Nodes (die Prozesse mit 7 nm, 5 nm, 3 nm und bald 2 nm) hat großen Einfluss auf Leistung, Energieverbrauch, Kosten und Entwurfskomplexität. Es gibt andere, dickere Nodes: mittlere und ältere Nodes. Manche reichen völlig aus, um Ihre Waschmaschine zu betreiben. Alles hängt vom Bedarf und vom erwarteten Verbrauch ab.

Nehmen wir ein weniger erfreuliches Beispiel. Im Ukrainekrieg sind Drohnen allgegenwärtig. Anfangs zu 100 % vom Menschen gesteuert, sieht man heute Drohnen, die trotz Störsendern zielen und ihre Bahn halten können. Um eine Drohne fliegen zu lassen, braucht es strategisch keine fortgeschrittenen Nodes. Um Bildverarbeitung oder Luftabwehrsysteme hineinzubringen, ist man mitten drin. Und den Energiebedarf dieser Aufgabe zu optimieren, bringt Flugzeit, ohne andere Komponenten anzutasten.

Merken Sie sich: Ein kleinerer Node erlaubt es, mehr Transistoren auf demselben Raum unterzubringen, also mehr Leistung bei gleichen Bedingungen. Ich gehe nicht auf die Detailprobleme bei Wärmemanagement oder Leckströmen ein, aber halten Sie fest, dass ein feinerer Node mehr Architekturmöglichkeiten und bessere Effizienz bietet.

Doch warum so sehr auf den Nodes beharren? Weil es ein weltweites Monopol auf die Maschinen gibt, die die feinsten Nodes ätzen können, jene, die für künstliche Intelligenz unverzichtbar sind. Und dieses Unternehmen ist europäisch: ASML.

Der Fall ASML

Bei der Chipherstellung gibt es einen Riesen, TSMC, in Taiwan. Doch hinter diesem Riesen steht ein Unternehmen, ohne das nichts davon möglich wäre: ASML. Es baut die Maschinen für die EUV-Lithografie, ein Verfahren mit extrem kurzen ultravioletten Wellenlängen, um Muster auf Siliziumwafer zu ätzen und so die Miniaturisierung der Schaltungen zu ermöglichen.

Man muss wissen, dass ASML jede Maschine für mehr als 150 Millionen Euro verkauft. Es ist bei Weitem das Aushängeschild der niederländischen Industrie, und sein Chef ist, mit einem Anflug französischen Stolzes, Franzose: Christophe Fouquet. Seine Bedeutung ist in den Niederlanden so groß, dass sie die politische Debatte des Landes prägt.

Dieses Unternehmen ist eindeutig ein Schlüssel für die europäische Soft Power, und es wäre unerlässlich, es in jeder Strategie zu berücksichtigen, die darauf zielt, Chips der neuesten Generation bei uns zu fertigen.

Die Foundries

Die Foundries sind die Unternehmen, die auf die Fertigung der von den Architekten (Apple, NVIDIA und andere) entworfenen Chips spezialisiert sind. Sie beherrschen Fertigungsverfahren im Nanometerbereich. Uns interessieren hier die führenden Foundries, jene, die bis zu den feinsten Nodes hinunterkommen, die heute für neue Technologien unverzichtbar sind.

Es ist schwierig, perfekt verlässliche Statistiken zu genau diesem Segment zu bekommen, da die meisten Daten global sind. Doch die Beherrschung des Marktes durch drei Akteure, TSMC, Samsung und Intel, ist unbestreitbar, mit TSMC deutlich über dem Rest.

Seit acht Jahren ein echtes geopolitisches Thema, mit dem Aufkommen von Krypto, dann Covid und nun KI, steht der Chipmarkt unter realer weltweiter Spannung. Und es gibt einen echten Engpass rund um Chips mit fortgeschrittenen Nodes, hauptsächlich in Taiwan. Taiwan nutzt dieses industrielle Instrument im Übrigen als Verteidigung gegenüber China.

• ▸die Vereinigten Staaten wollen ihre Abhängigkeit von TSMC verringern, indem sie Produktionskapazitäten auf eigenem Boden aufbauen,
• ▸Deutschland hat eine Foundry mit einer Investition von 10 Milliarden Euro angestoßen (5 von TSMC, 5 aus öffentlicher Förderung), Eröffnung 2027,
• ▸Japan hat Rapidus gegründet, unterstützt von der Regierung und acht großen japanischen Konzernen (Toyota, NTT, Sony, NEC, SoftBank, Denso, Kioxia und MUFG Bank), um das Land zurück in das Rennen um fortgeschrittene Halbleiter zu bringen. Und die sich ausrüstet bei… ASML!

Die Chiparchitekten

Ein Chiparchitekt (oder Architekt integrierter Schaltungen) ist derjenige, der die Gesamtstruktur des Halbleiters entwirft und plant. Er fertigt ihn nicht: Er zeichnet ihn und übergibt die Produktion dann einer Foundry.

CPU-Architekten

Ich habe mich hier auf den Servermarkt konzentriert, aber es gibt eigene Märkte für Mobilgeräte und für Personal Computer. Bei Servern teilen sich Intel (rund 58 %) und AMD (rund 38 %) die Führung, weit vor Apple und Qualcomm.

GPU-Architekten

In diesem Markt besteht kein Zweifel an der Vorherrschaft von NVIDIA.

Aber warum eigentlich NVIDIA?

80 % des Marktes sind erdrückend. Und die Antwort, die einem spontan einfällt, lautet: „weil sie die besten Chips bauen". Das stimmt. Es reicht nicht. AMD kann sehr gute Chips bauen, Intel hat gewaltige Mittel, Google entwirft seit rund zehn Jahren eigene TPU. Wenn die Hardware allein genügte, wäre dieser Markt weit umkämpfter.

Der wahre Vorteil von NVIDIA liegt nicht im Silizium. Er liegt in der Software. Und er hat einen Namen: CUDA.

Die Wette auf fünfzehn Jahre

Zurück in die frühen 2000er. Damals kann eine GPU eines: Pixel anzeigen. Ein Forscher, der diese Rechenleistung für etwas anderes umlenken wollte, etwa um eine Flüssigkeit zu simulieren, musste seine Berechnung als Bild verkleiden. Buchstäblich: seine Gleichungen in Texturen und Dreiecke verwandeln, damit die Karte sie zu verarbeiten bereit war, und die Ergebnisse dann aus den Ausgabepixeln zurücklesen. Es war möglich. Es war grauenhaft. Fast niemand tat es.

2006 stellt NVIDIA CUDA (Compute Unified Device Architecture) vor. Das Prinzip: fast normalen Code schreiben, in C, der direkt auf der GPU läuft. Schluss mit der Verkleidung, die Grafikkarte wird zum generischen Rechenbeschleuniger.

Doch der eigentliche Geniestreich ist nicht technisch, sondern kaufmännisch: NVIDIA macht CUDA auf allen seinen Karten verfügbar. Auch auf der 200-Euro-GeForce des Gelegenheitsspielers, und nicht nur auf sündteurer Profi-Hardware. Von einem Tag auf den anderen besaß jeder Student in jedem Labor der Welt bereits zu Hause eine Maschine, die massiv parallel rechnen konnte. Das kostete sehr viel, sehr lange: Jahrelang fragten Analysten Jensen Huang, warum sein Unternehmen für Gamer-Grafikkarten so viel Geld in Softwareforschung verbrennt, für einen Markt, den es nicht gab.

2012: Der Markt existiert

In jenem Jahr pulverisieren drei Forscher, Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton, den Bilderkennungswettbewerb ImageNet mit einem neuronalen Netz namens AlexNet. Trainiert auf zwei GeForce GTX 580. Gamer-Karten. Mit CUDA.

Das ist der Urknall des modernen Deep Learning, und er ereignet sich auf NVIDIA-Hardware, mit NVIDIA-Werkzeugen, weil NVIDIA als Einziger diese Werkzeuge sechs Jahre zuvor in die Hände der Forscher gelegt hatte.

Der Burggraben

Seither hat das Unternehmen nie aufgehört zu stapeln. Über CUDA: cuDNN (die Rechenbausteine neuronaler Netze), NCCL (damit Tausende GPU miteinander sprechen), TensorRT (um die Ausführung der Modelle zu beschleunigen). Und über allem PyTorch, das Framework, das fast alle KI-Forscher und -Ingenieure des Planeten verwenden und das, wenn man es um eine Matrixmultiplikation bittet, am Ende NVIDIA-Code aufruft.

Das nennt man einen Moat, einen Burggraben: fast zwanzig Jahre Software, Millionen Codezeilen, Hunderttausende geschulte Entwickler, Dokumentation, Tutorials und Antworten auf Stack Overflow um drei Uhr nachts. Ein Wettbewerber kann morgen einen schnelleren und günstigeren Chip herausbringen: Wenn Ihr Code sechs Monate zur Portierung braucht und danach mangels Optimierung 30 % langsamer läuft, kaufen Sie ihn nicht. Genau an dieser Mauer scheitert AMD seit Jahren, dessen Pendant ROCm regelmäßig als funktionsfähig, aber schmerzhaft beschrieben wird.

Und NVIDIA hat den Graben weit über den Chip hinaus verbreitert. Mit dem Kauf von Mellanox um 2020 hat es sich das Netzwerk gesichert, das die Server verbindet. Heute verkauft es nicht mehr wirklich eine Karte: Es verkauft einen ganzen Schrank, GPU, Netzwerk, Software und Werkzeuge inklusive. Die Bindung liegt nicht mehr auf Komponentenebene, sondern auf Systemebene.

Die Bresche

Immerhin eine gute Nachricht, und sie ist wesentlich für das Folgende: Der Graben wird von oben zugeschüttet. Heute schreibt ein Forscher fast nie CUDA von Hand, er schreibt PyTorch. PyTorch aber ist eine Abstraktionsschicht: Wenn sich jemand die Mühe macht, sie korrekt an andere Hardware anzubinden, ändert sich der Code des Nutzers nicht. Das ist eine enorme, undankbare und unsichtbare Arbeit. Aber es ist eine endliche Arbeit, während zwanzig Jahre Ökosystem von Hand aufzuholen unendlich wäre.

Durch diese Bresche kommen die neuen Anbieter. Und durch sie ist auch China gekommen.

Der Aufstieg neuer Chips

Die großen Techkonzerne wagen sich nun an eigene Chips, vor allem für KI: Meta mit seiner MTIA oder AWS mit seinen Trainium-Chips. Man darf nicht vergessen, dass GPU ursprünglich nicht für KI gedacht waren. Einer der Akteure, die früh auffielen, ist Groq, Entwickler von LPU zur Optimierung des LLM-Einsatzes. Um das Gewicht dieser Chipklasse zu ermessen: Groq hat 640 Millionen Dollar bei BlackRock, Cisco und Samsung eingesammelt.

Insgesamt sind die Riesen, mit denen alle konkurrieren wollen: TSMC bei den Foundries, NVIDIA bei den GPU und Intel bei den CPU.

Der Aufstieg chinesischer Chips

Wenn Sie wissen wollen, was eine Souveränitätsstrategie bei Halbleitern konkret bringt, gibt es ein Freiluftlabor: China. Nur hat es sich nicht wirklich ausgesucht, dort hineinzugeraten.

Ab Oktober 2022 verbieten die Vereinigten Staaten den Export der leistungsfähigsten KI-Chips nach China, der A100 und H100 von NVIDIA. Und jedes Mal, wenn NVIDIA eine gedrosselte Version entwirft, um im Rahmen zu bleiben (A800, H800, dann H20), zieht Washington die Schraube an. Das erklärte Ziel: mehrere Jahre Vorsprung beim Rechnen behalten.

Das Ergebnis ist mehrdeutiger. Ohne Lieferanten haben die chinesischen Unternehmen nicht aufgehört, KI zu betreiben: Sie waren gezwungen, chinesisch zu kaufen. Die Sanktionen haben der heimischen Industrie damit genau das beschert, was Europa am bittersten fehlt: einen gefangenen, riesigen und zahlungsfähigen Binnenmarkt.

Ätzen ohne ASML

Erinnern Sie sich, was wir über ASML gesagt haben: ohne EUV-Lithografiemaschine kein fortgeschrittener Node. China hat dazu keinen Zugang, da die Niederlande diese Exporte auf amerikanischen Druck blockiert haben.

Es hat trotzdem 7 nm produziert. Der Fertiger SMIC schafft das, indem er die Durchläufe mit den älteren DUV-Maschinen vervielfacht: Statt das feine Muster in einem Zug zu ätzen, wird es in mehrere aufeinanderfolgende Belichtungen zerlegt. Es funktioniert. Es ist langsamer, teurer und vor allem viel weniger zuverlässig. Die Ausbeuten der Ascend-Chips von Huawei wurden lange zwischen 20 und 40 % geschätzt, während eine Spitzen-Foundry bei 80–90 % liegt. Übersetzt: Von zehn geätzten Chips landen sechs bis acht im Müll.

Also ja, man kann ohne ASML auskommen. Aber man bezahlt es mit Geld, Kapazität und Zeit, was nebenbei bestätigt, wie sehr dieses europäische Unternehmen ein strategisches Gut ist, das wir unterschätzen.

Die Antwort mit roher Gewalt

Da ein chinesischer Chip weniger wert ist als ein NVIDIA-Chip, hat Huawei eine bewusste Wahl getroffen: viel mehr davon einbauen. Sein 2025 vorgestelltes System CloudMatrix packt 384 Ascend-Beschleuniger in einen Schrank, wo das NVIDIA-Pendant 72 aufreiht. Ergebnis: Das chinesische System liefert mehr Rohleistung als sein amerikanischer Konkurrent. Es verbraucht auch etwa viermal so viel Strom. In Europa wäre das untragbar und ergäbe keinen Sinn, da ASML europäisch ist. In China ist es ein zugleich industrieller und politischer Wille, der ihnen diese Mittel verschafft; für sie ist es eine völlig rationale Abwägung.

Der eigentliche Engpass: der Speicher

Ein Detail, das zählt und fast immer vergessen wird: Was die chinesische Produktion von KI-Chips heute begrenzt, ist nicht mehr die Ätzung, sondern der HBM (High Bandwidth Memory), jener ultraschnelle Speicher, der direkt neben dem Prozessor gestapelt wird und ohne den ein KI-Beschleuniger ein Motor ohne Kraftstoff ist. SMIC wäre in der Lage, genug für mehr als eine Million Chips pro Jahr zu liefern, während die chinesischen HBM-Kapazitäten die Produktion auf einige Hunderttausend begrenzen würden. Auch er steht seit Ende 2024 unter Embargo und wird von einem koreanisch-amerikanischen Trio beherrscht: SK hynix, Samsung und Micron.

Und der CUDA-Graben?

Huawei hat das oben beschriebene Problem genau erkannt. Gegen CUDA hat es CANN gebaut, seine eigene Softwareschicht, und MindSpore, sein Pendant zu PyTorch. Und vor allem hat es 2025 angekündigt, den Quellcode von CANN zu öffnen: Wenn man bei einem Ökosystem hinterherhinkt, ist Open Source der einzige bekannte Hebel, um Entwickler anzuziehen, die man nicht bezahlen kann.

Das Ergebnis zeigte sich im April 2026 mit DeepSeek V4, nachtrainiert auf Huawei-Ascend-Chips über CANN. Die Nuance ist wichtig: Das Vortraining, die mit Abstand schwerste Phase, ist nicht betroffen. Doch das Signal bleibt beachtlich: Eine ganze Etappe im Lebenszyklus eines Spitzenmodells fand außerhalb des NVIDIA-Ökosystems statt. Der als unüberwindbar geltende Softwaregraben ist soeben angeschnitten worden. Es gibt also keine Zwangsläufigkeit, nur Eintrittskosten.

Die Wende

Unterdessen ist der Marktanteil von NVIDIA in China eingebrochen. Die H20-Saga fasst die Absurdität der Lage allein zusammen: ein Chip, gedrosselt zur Einhaltung amerikanischer Regeln, im April 2025 verboten (bei NVIDIA fast 4,5 Milliarden Dollar abgeschrieben), im Juli wieder erlaubt, dann von Peking gemieden, das seinen Unternehmen aus Sicherheitsgründen leise vom Kauf abriet. Verkauft wurde er nie wirklich.

Seit Januar 2026 hat Washington die Tür mit einer Einzelfallprüfung der H200 wieder einen Spalt geöffnet, während der Kongress im Gegenteil zusperren will. Doch die bemerkenswerte Tatsache liegt anderswo: Es ist nicht mehr nur Amerika, das nicht verkaufen will, es ist inzwischen China, das nicht mehr kaufen will. Und Huawei ist nicht allein: Cambricon, Biren, Moore Threads, Hygon, ganz zu schweigen von den hauseigenen Chips von Alibaba und Baidu. Das Ökosystem existiert nun über die gesamte Kette.

Was uns das sagt

• ▸Die technologische Hürde ist überwindbar. Nicht gratis, nicht schnell, aber überwindbar, einschließlich der Softwarehürde, die lange als das eigentliche Schloss galt.
• ▸Was das möglich gemacht hat, lässt sich auf drei Zutaten reduzieren, und keine davon ist Genie: ein gefangener Binnenmarkt, eine über ein Jahrzehnt durchgehaltene Abstimmung zwischen Staat und Industrie und ein äußerer Zwang, der den Status quo verbot. Europa hat die dritte, zumindest potenziell. Ihm fehlen die ersten beiden.
• ▸Der amerikanische Vorsprung ist real, aber keine Rente mehr. Er beruht auf einem Software-Ökosystem. Und ein Software-Ökosystem lässt sich umgehen.

Wenn China es also unter Embargo schafft, lautet die eigentliche Frage nicht mehr „ist Europa dazu fähig?", sondern „was hindert uns daran?".

Und die französische und europäische Industrie?

Insgesamt besitzt Frankreich, vor allem aber Europa, die Grundlage für alle soeben beschriebenen Schritte, doch es gibt Arbeit… viel Arbeit. Von ASML einmal abgesehen, haben wir Entwickler spezialisierter Chips wie Kalray, Hersteller wie STMicroelectronics (auch wenn der Firmensitz in der Schweiz liegt), Materiallieferanten wie Soitec und sogar Forschungszentren wie das CEA-Leti in Grenoble (vgl. das oben geteilte Video von Yvan Casta).

• ▸STMicroelectronics: französisch-italienischer Hersteller, spezialisiert auf Chips für Automobil, Industrieelektronik und IoT. Fertigt in ausgereiften Technologien (28 nm, 40 nm) in Crolles bei Grenoble auf 300-mm-Wafern. Wir sind damit gleichwohl weit von dem entfernt, was KI verlangt.
• ▸Soitec: mit Sitz in Bernin, Lieferant von Silicon-on-Insulator-Substraten (SOI), eingesetzt in Smartphones, 5G und Automobil. Arbeitet mit TSMC, Samsung und GlobalFoundries.
• ▸CEA-Leti: angewandtes Forschungszentrum in Grenoble, bekannt für Arbeiten zu 3D-Transistoren, EUV-Lithografie und heterogener Integration.
• ▸Kalray: Entwickler von Prozessoren für kritische Anwendungen mit seinen MPPA (Massively Parallel Processor Array). Wie NVIDIA fertigt Kalray seine Chips nicht selbst.

Insgesamt reicht unsere Expertise nicht so weit wie die unserer amerikanischen und chinesischen Pendants, die in rasendem Tempo lernen mussten. Doch genau deshalb haben wir noch Karten im Spiel.

Einige Unternehmen sollten unsere Aufmerksamkeit wecken, zum Beispiel:

• ▸VSora: Sie entwerfen Hardwarebeschleuniger für KI-Inferenz in Rechenzentren. Das ist damit weit direkter mit NVIDIA oder AMD vergleichbar als SiPearl. Ganz aktuell: Im Juli 2026 hat Ardian Semiconductor eine Minderheitsbeteiligung an VSORA erworben, um dessen Vertriebsstrategie zu beschleunigen.
• ▸SiPearl: Chipentwickler, natürlich, mit seinem RHEA1 — einer Hochleistungs-CPU, keiner GPU (und von TSMC gefertigt).
• ▸Axelera AI und Innatera: zwei interessante niederländische Unternehmen. Man spürt die Nähe zu ASML.

Ein weiterer wichtiger europäischer Akteur darf nicht vergessen werden: ARM. Dieses britische Unternehmen ist auf den Entwurf von Prozessorarchitekturen spezialisiert, wurde aber 2016 von SoftBank (Japan) für 32 Milliarden Dollar gekauft. Anders als Intel oder AMD stellt ARM keine Hardware her: Es entwirft und lizenziert. Seine Architektur wird heute vor allem in mobilen Formaten eingesetzt, was die Präsenz von Samsung, Qualcomm oder Apple unter seinen Kunden erklärt. Wenn Sie einen Mac mit M1- oder M2-Chip haben, herzlichen Glückwunsch: Sie sind auf einer ARM-Architektur unterwegs!

Um seine strategische Bedeutung zu ermessen: Die Übernahme von ARM durch NVIDIA für 66 Milliarden Dollar wurde von den Regulierern blockiert. Und die Energiefragen rund um Chips führen dazu, dass NVIDIA gleichwohl plant, für seine PCs auf diese Architektur zu setzen.

Was folgt daraus?

Ich gebe Ihnen meine Sicht mit den Informationen, die mir vorliegen. Der Zweck dieses Artikels ist für mich vor allem, festzuhalten, was mir seit vielen Jahren im Kopf herumgeht. Aber ich lade Sie ein zu reagieren und Informationen beizusteuern, damit wir das Thema gemeinsam vertiefen können :)

Wir haben gesehen, dass es eine Vielzahl von Akteuren braucht, um einen Chip herzustellen: den Architekten, die Foundry, mitunter Lizenzen. Chips sind überall, doch eines der strategischen Themen, das in den kommenden Jahren wohl am stärksten an Bedeutung gewinnt, ist das der Chips für künstliche Intelligenz. Die Frage lautet also: Welche langfristige Strategie sollten wir für unsere künftigen strategischen Bedürfnisse aufsetzen?

Auf den ersten Blick erscheinen drei Strategien „naheliegend":

• 01Die deutsche Strategie, ausländische Unternehmen ins eigene Land holen, mit TSMC. Sie erlaubt, vom Wissen bestehender Unternehmen zu profitieren, ist aber das gegenüber Entscheidungen Dritter anfälligste Modell und lässt uns von Lizenzfragen abhängig. Aber Achtung: Derzeit scheint von Nodes von höchstens 12 Nanometern die Rede zu sein, was von den zuvor erwähnten 2 nm weit entfernt bleibt.
• 02Die japanische Strategie, eine Struktur von null im eigenen Land aufbauen, mit Rapidus. Der Vorteil: ein nationales Aushängeschild. Der Nachteil: der Preis, die Zeit und das Risiko, für eine Inbetriebnahme erst 2027, und das in einem Land mit starker Industriegeschichte.
• 03Die Strategie, einen bestehenden Akteur zu stärken, über nationale oder europäische Hilfen. Sie ist vertretbar und bleibt möglich, doch die europäischen Mechanismen verlangen, das strategische Interesse der Investition genau zu begründen, und erschweren es vor allem, Mittel auf einen einzigen nationalen Akteur zu konzentrieren. Und ein Kandidat, den ich für möglich hielt, sitzt nicht mehr in einem EU-Land, was die Möglichkeiten weiter einschränkt.

Doch bevor man eine Strategie wählt, sollte man vielleicht definieren, was wir unter Souveränität verstehen.

Das ist eine wichtige Unterscheidung. Ein souveränes Europa muss nicht zwingend jeden Wafer auf seinem Gebiet fertigen, ebenso wenig wie es jede in einer Foundry eingesetzte Maschine allein bauen muss. Es muss aber die Abhängigkeiten erkennen können, deren Abriss seine Industrie, seine Verteidigung oder seine kritische Infrastruktur gefährden könnte, und über eine glaubwürdige Alternative verfügen, wenn das Risiko zu groß wird.

Von dieser Definition ausgehend möchte ich einen Schritt zur Seite machen.

Einen Schritt zur Seite machen

Wie diejenigen, die mich kennen, ahnen dürften: Wenn ich Ihnen von diesen drei „naheliegenden" Strategien erzähle, dann um von jener zu sprechen, die mir am klügsten erscheint: einen Schritt zur Seite machen gegenüber der japanischen Strategie. Gehen wir von einigen Feststellungen aus.

• ▸Europa hat die intellektuellen Kapazitäten. Ohne Chauvinismus: Es gibt viele europäische Ingenieure in Spitzenindustrien, und wir leiden besonders unter der Abwanderung. Sehen wir das nicht als Schicksal, sondern als Chance, wie es die Gründer von Mistral oder Kyutai erkannt haben. Im Chipbereich sei daran erinnert, dass der Cortex-A9 von ARM, der in den allerersten iPhones steckte, in Sophia-Antipolis entworfen wurde.
• ▸Wir können bereits bestimmte Chiptypen produzieren, dank der Unternehmen auf unserem Gebiet. Die zentrale Herausforderung betrifft die strategischen Technologien von morgen, deren Aushängeschild die KI ist.
• ▸Die Strukturfeinheit ist nur eine Variable unter jenen, die die Leistung eines Chips bestimmen.

« Betrachten Sie KI als eine Schraube, die Sie eindrehen wollen, um Ihr IKEA-Möbel zu montieren. Ihre GPU ist ein Hammer, dessen Leistung man zu verbessern versucht, während Sie eigentlich einen einfachen Schraubenzieher wollten. »

Das ist die Wette der derzeitigen Unternehmen, von Groq bei seiner Gründung weithin vermarktet: „Eine spezialisierte Architektur kann einen Teil des Nachteils eines weniger fortgeschrittenen Ätz-Nodes ausgleichen", ganz wie das Interesse an der ARM-Architektur.

Sie sehen also, worauf ich hinauswill. Ehrlich gesagt hätte ich mir gewünscht, dass Groq irgendwann selbst in die Produktion seiner Chips eingestiegen wäre und dass wir versucht hätten, sie in Europa zu fertigen. Dass das nicht geschehen ist, ist im Übrigen ein Grund, das zu prüfen, was ich für eine gute Idee halte: ein neues Mistral für die Halbleiter der KI schaffen.

Also nicht versuchen, GPU nach Art von NVIDIA zu bauen, jedenfalls nicht sofort. Wirklich auf für KI spezialisierte Architekturen zielen, ob LPU, NPU oder andere dedizierte Architekturen. Und das aus zwei sehr pragmatischen Gründen: dem Bedarf (wir wollen keine Videospiele laufen lassen, sondern die KI der Zukunft bauen) und den Kosten (ein präzises Ziel senkt eine Rechnung, die ohnehin schwer genug ausfallen wird).

Eine Präzisierung, die sich direkt aus allem Gesagten ergibt: Ein solches Unternehmen wäre kein Siliziumprojekt, es wäre ein Softwareprojekt. Drei Hebel erscheinen mir entscheidend.

Hebel 1: Das Produkt ist nicht der Chip

« Das Produkt darf nicht der Chip sein. Das Produkt muss die Plattform sein. »

Der Chip ist nur die Hardware, auf der Folgendes läuft:

• ▸der Compiler;
• ▸die Kernels;
• ▸die Runtimes;
• ▸die Bibliotheken;
• ▸die Treiber;
• ▸PyTorch;
• ▸vLLM;
• ▸Triton;
• ▸die Profiling-Werkzeuge;
• ▸die Agenten-Frameworks;
• ▸die Cloud-Werkzeuge und so weiter.

Einer der Hauptgründe für den Rückstand von AMD gegenüber NVIDIA ist nicht allein das Silizium: Es ist der beträchtliche Vorsprung, den NVIDIA beim Software-Ökosystem erlangt hat, insbesondere mit CUDA. Der Durchbruch von Huawei erklärt sich nicht nur aus seinen Chips, sondern daraus, dass es seine eigene Softwareschicht gebaut und dann geöffnet hat. Ein europäischer Akteur, der 90 % seines Budgets in die Hardware und 10 % in Compiler, Bibliotheken und die PyTorch-Integration steckte, würde genau den Fehler wiederholen, den andere bereits bezahlt haben. Die gute Nachricht ist, dass Europa auf diesem Feld eine echte Tradition hat. Und dass es unendlich viel weniger kostet als eine Foundry.

Genau das ist das Problem, das AMD heute mit ROCm zu lösen versucht, das Runtimes, Compiler, Bibliotheken, Werkzeuge und die Integration mit PyTorch, JAX, vLLM oder SGLang bündelt. Und Huawei macht Ähnliches rund um Ascend, CANN und das Open-Source-Ökosystem.

Hebel 2: Es braucht einen ersten Kunden

Weniger technisch, aber ebenso entscheidend. Keines dieser Projekte ist allein auf Marktnachfrage gestartet. Huawei profitiert von einem riesigen chinesischen Markt und einer Industriepolitik, die die Bevorzugung nationaler Lösungen verstärkt, während Rapidus von einer direkten Zusage des Staates und großer japanischer Industriekonzerne profitiert. Die amerikanischen Fertiger wiederum haben die öffentliche Beschaffung und die Verteidigung.

Ein europäischer KI-Chip muss nicht am ersten Tag die ganze Welt überzeugen: Er braucht, dass sich die Verwaltungen, die Forschungseinrichtungen und die souveränen Clouds des Kontinents zum Kauf verpflichten. Das klingt komplex, und doch sehen wir bereits, wie Staaten zunehmend versuchen, von Microsoft zu Open-Source-Lösungen auf Linux-Basis zu wechseln. Es ist wohl der wirksamste und zugleich günstigste politische Hebel, über den wir verfügen.

« Ein Teil der mit europäischem Steuergeld finanzierten Rechenkapazität muss auf europäischen Beschleunigern verfügbar sein. »

Hebel 3: Was uns noch fehlt

Wir haben auf unserem Gebiet Cloud-Anbieter, die sich bei KI positionieren (Scaleway, OVH), und ein LLM-Aushängeschild in Frankreich (Mistral), das die Herausforderung verstanden hat und sich auch im Rechenzentrumsbereich positioniert hat, daher der bekannte Vertrag mit Microsoft. Uns fehlen also Akteure, um das Bild zu vervollständigen: ein Unternehmen, das LPU und NPU architektonisch entwerfen und deren Software-Ökosystem beherrschen kann, sowie europäische Kapazitäten, die diese Architekturen fertigen, montieren und integrieren können, wenn es strategisch nötig ist.

Und man sollte diesen Anspruch nicht auf den Wafer allein verkürzen. Für moderne KI-Beschleuniger sind Packaging, Verbindungen und Speicher zu bestimmenden Leistungsfaktoren geworden. Architekturen auf Basis von Chiplets erlauben es gerade, bestimmte Funktionen zu entkoppeln und mehrere Komponenten in einem einzigen Package zusammenzuführen. Europäische Souveränität kann sich also auch hier entscheiden: Wir müssen vielleicht nicht sofort jede Ätzgeneration beherrschen, wenn wir Architektur, Packaging, Verbindung und Software beherrschen, die dem Endsystem seinen Wert geben.

Ein roter Faden: die energetische Kohärenz

Ein letzter Aspekt durchzieht diese drei Hebel, bei ARM bereits angedeutet: die Energie. Wir brauchen in Europa eine kohärente Strategie zwischen unserer Industrie und unseren regulatorischen Zielen. Die Europäische Union bringt mehrere Regelwerke zu den ökologischen und gesellschaftlichen Auswirkungen von Unternehmen und ihren Lieferanten auf den Weg (CSRD und CS3D). Das Paradox: Die meisten Unternehmen rüsten sich mit KI-Werkzeugen aus, um ihre Entwicklung zu verbessern oder gar diesen Vorgaben zu genügen, obwohl eben diese Werkzeuge selbst sehr energiehungrig sind. Einen Akteur zu schaffen, dessen Grundnorm das Streben nach einem guten Verhältnis von Leistung zu Verbrauch und die Einhaltung europäischer Sozialstandards ist, wäre eine politische Botschaft der Kohärenz.

Angesichts der Komplexität dieser Industrie sind politischer Wille und die Zusammenarbeit mit privaten Akteuren zwingend, wie die Investitionen rund um Rapidus in Japan zeigen. Diese Industrie könnte zur Reindustrialisierung des europäischen Kontinents beitragen und zugleich unsere Souveränität in diesem Feld sichern.

Anhänge

Was folgt, ist zum Verständnis des Artikels nicht nötig: Es ist die Detailebene darunter, mit den Quellen, für alle, die tiefer graben wollen. Die drei Anhänge greifen bereits gestreifte Passagen auf und vertiefen sie.

Anhang 1 — Die Zusammensetzung eines Chips

Silizium. Es ist das Grundmaterial der Transistoren, aus denen die integrierten Schaltungen von CPU und GPU bestehen. Es ist ein Halbleiter: Je nach Bedingungen leitet oder isoliert es den Strom, genau das, was man zum Bau eines Transistors braucht. Es wird auf „elektronische Güteklasse" gereinigt (99,9999999 % Reinheit) und dann zu Wafern verarbeitet, jenen Scheiben, auf denen die Schaltungen im Nanometerbereich geätzt werden.

Die Metalle, für die Leitfähigkeit. Sie sorgen für den Stromfluss in den Schaltungen und Verbindungen.

Kupfer (Cu) wird für die Verbindungen zwischen den Schichten der integrierten Schaltung verwendet: hohe Leitfähigkeit und gute Wärmeableitung.

Aluminium (Al) diente früher den Verbindungen; in modernen Prozessoren wurde es durch Kupfer ersetzt, wird aber weiterhin in bestimmten Bauteilen eingesetzt.

Gold (Au) ist kritischen Verbindungen vorbehalten, etwa den sehr feinen Drähten, die den Chip mit seinem Gehäuse verbinden (bond wires). Es ist sehr korrosionsbeständig.

Wolfram (W) kommt in bestimmten Verbindungsschichten zum Einsatz, wegen seiner mechanischen Festigkeit und seiner Hochtemperaturbeständigkeit. Materialdatenblatt, MineralInfo

Nickel (Ni), Kobalt (Co) und Molybdän (Mo) kommen in bestimmten Legierungen oder Schutzschichten der Transistoren vor. Stopp der Nickelerz-Exporte (französisches Schatzamt) · Molybdän (L'Élémentarium)

Die Dotierstoffe. Sie verändern die Eigenschaften des Siliziums, um daraus einen Transistor zu machen. Phosphor (P) und Arsen (As) sind Dotierstoffe vom N-Typ: Sie fügen freie Elektronen hinzu, die den Strom leiten. Arsenproduktion (Statista)

Bor (B) ist ein Dotierstoff vom P-Typ: Es erzeugt „Löcher", die die Leitung durch das Fehlen von Elektronen erleichtern. Wichtigste Bor-Produktionsländer (Statista)

Galliumarsenid (GaAs) wird in spezialisierten Bauteilen eingesetzt, für bessere Geschwindigkeit und Effizienz. Materialdatenblatt (Metoree)

Die Isolatoren. Sie trennen die Schichten und Teile der Schaltung. Siliziumdioxid (SiO₂) ist der wichtigste Isolator integrierter Schaltungen: Es schützt die Transistoren und verhindert Kurzschlüsse. Hafniumoxid, in modernen Prozessoren eingesetzt, verbessert die Transistorleistung und senkt zugleich den Verbrauch. Materialdatenblatt (Metoree)

Die Wärmeableitung. Ohne sie überhitzt der Chip. Siliziumkarbid (SiC) wird wegen seiner überlegenen thermischen und elektronischen Eigenschaften in bestimmten Bauteilen verwendet. Materialdatenblatt (L'Élémentarium)

Graphit und Graphen werden in bestimmten Chips eingesetzt, um Wärme wirksam abzuführen; Keramiken in Substraten und Gehäusen, um zu isolieren und Wärme abzuleiten. Wichtigste Graphit-Produktionsländer (Statista) · besondere Erwähnung: Franzosen bald Europameister beim Graphen (Les Échos)

Die Substrate und Gehäuse. Der Chip wird auf ein Substrat montiert und dann geschützt: glasfaserverstärktes Epoxid (FR-4), um den Chip zu tragen, Kupfer- und Aluminiumlegierungen für Gehäuse und Kühlkörper, Kunststoffe und Polymere, um empfindliche Bauteile zu isolieren und zu kapseln.

Anhang 2 — Fortgeschrittene Nodes im Detail

Transistordichte. Fortgeschrittene Nodes erlauben es, mehr Transistoren auf einer gegebenen Fläche unterzubringen. Mehr Transistoren bedeutet mehr Funktionseinheiten (Rechenkerne, parallele Verarbeitungseinheiten, integrierter Speicher) und damit bessere Leistung — oder, bei gleicher Transistorzahl, einen kleineren Chip, was kompakten Geräten zugutekommt. Im Gegenzug werden Transistoren, je kleiner sie sind, empfindlicher gegenüber physikalischen Phänomenen wie dem Leckstrom und der Streuung elektrischer Kennwerte. Und die höhere Dichte erschwert die Wärmeableitung.

Leistung und Verbrauch. Kleinere Transistoren verkürzen die Strompfade, was die Taktfrequenz verbessert; Entwurfsfortschritte (FinFET, GAA) erlauben eine bessere Stromführung und geringere Latenz. Energetisch sinkt die Versorgungsspannung und damit der Verbrauch — wesentlich für Mobilgeräte, Rechenzentren und eingebettete Systeme. Die Kehrseite: Diese Spannungsabsenkung verringert den Betriebsspielraum der Transistoren und macht die Chips empfindlicher gegenüber Umgebungsschwankungen (Wärme, elektrisches Rauschen).

Neue Architekturen. Fortgeschrittene Nodes eröffnen Entwürfe, die zuvor außer Reichweite lagen:

• ▸3D-Stapelung (3D stacking): vertikale Integration der Schaltungen, wie bei Architekturen auf Chiplet-Basis oder dem 3D V-Cache.
• ▸Speicherintegration: mehr Speicher direkt auf dem Chip, wie in modernen GPU.
• ▸KI und heterogenes Rechnen: Hybride Architekturen (CPU + GPU + KI-Beschleuniger) nutzen fortgeschrittene Nodes, um die Leistung zu maximieren.

Anhang 3 — Die französischen und europäischen Akteure

• ▸STMicroelectronics — Halbleiterhersteller, französisch-italienisch, Sitz in Genf, aber mit starker Präsenz in Frankreich. Einer der europäischen Marktführer bei Entwurf und Fertigung von Chips, spezialisiert auf Automobil, Industrieelektronik, IoT und integrierte Lösungen. Fertigt in ausgereiften Technologien (28 nm, 40 nm), die auf diese Branchen zugeschnitten sind, insbesondere in Crolles bei Grenoble auf 300-mm-Wafern.
• ▸Soitec — Materiallieferant, mit Sitz in Bernin bei Grenoble. Spezialisiert auf Silicon-on-Insulator-Substrate (SOI) und andere fortschrittliche Materialien, eingesetzt für Smartphones, 5G, Automobil und eingebettete Systeme. Seine Substrate verbessern die Leistung und senken den Verbrauch der Chips. Es arbeitet mit TSMC, Samsung und GlobalFoundries zusammen.
• ▸CEA-Leti — angewandtes Forschungszentrum in Grenoble. Spezialisiert auf Halbleiterinnovation, bekannt für Arbeiten zu 3D-Transistoren, EUV-Lithografie und heterogener Integration. Arbeitet in Partnerschaft mit STMicroelectronics, Soitec und internationalen Akteuren und beschleunigt die Innovation, die die europäische Industrie wettbewerbsfähig hält.
• ▸Kalray — Entwickler spezialisierter Prozessoren, in Montbonnot-Saint-Martin bei Grenoble. Entwirft Prozessoren für kritische und leistungsstarke Anwendungen: die MPPA (Massively Parallel Processor Array), eine DPU (Data Processing Unit), eingesetzt in autonomen Systemen, Rechenzentren und künstlicher Intelligenz. Wie NVIDIA fertigt Kalray seine Chips nicht selbst.