Wenn das Privatleben eines CEOs zur Frage der nationalen Sicherheit wird, weißt Du, dass sein Unternehmen wichtig ist. Genau da steht Nvidia gerade: Gründer und CEO Jensen Huang hat eine Affäre mit einer Frau zugegeben, die US-Geheimdienste offenbar für eine chinesische Spionin halten. Nvidias Verwaltungsrat hat eine unabhängige Untersuchung eingeleitet, und laut Präsident Trump ermittelt auch das FBI.
Warum sollte das irgendjemanden interessieren? Weil Nvidia die meisten Chips herstellt, auf denen heutige KI läuft. Ein Großteil der Rechenarbeit hinter ChatGPT, Gemini und ähnlichen Tools findet auf Nvidia-Hardware statt. Das hat Nvidia zum zweitwertvollsten Unternehmen der Welt gemacht, direkt nach Apple.
In diesem Artikel erzähle ich Dir mehr darüber, was Nvidia macht und woher das Unternehmen überhaupt kommt.
Nvidia auf einen Blick
Ein paar Zahlen zeigen, wie groß Nvidia ist:
- Börsenwert: etwa 4,3 bis 4,5 Billionen Dollar (Anfang November 2026). Nur Apple ist mehr wert.
- Umsatz: 96,2 Milliarden Dollar in einem einzigen Quartal (Mai bis Juli 2026), mehr als doppelt so viel wie ein Jahr zuvor.
- Gewinn: rund 60 Milliarden Dollar im selben Quartal. Das ist ungefähr so viel, wie das Unternehmen im gesamten Jahr 2023 umgesetzt hat.
- Schwerpunkt: Etwa 92 Prozent des Umsatzes stammen inzwischen aus KI-Hardware für Rechenzentren. Gaming, womit Nvidia einst angefangen hat, ist zum Nebengeschäft geworden.
- Marktposition: Schätzungen zufolge entfallen rund drei Viertel oder mehr aller Ausgaben für KI-Chips auf Nvidia.
- Hintergrund: 1993 in Kalifornien gegründet, rund 42.000 Beschäftigte. Jensen Huang ist seit dem ersten Tag CEO.
Was Nvidia eigentlich verkauft
Nvidias Kernprodukt ist die GPU, kurz für Graphics Processing Unit (Grafikprozessor). Sie wurde ursprünglich entwickelt, um die Grafik von Videospielen zu berechnen, und sie funktioniert anders als der Hauptprozessor in Deinem Laptop.
Stell Dir einen normalen Prozessor als eine Handvoll brillanter Professoren vor: Sie können jedes Problem lösen, aber immer nur eins nach dem anderen. Eine GPU gleicht eher einem Stadion voller Schüler, die alle einfache Rechenaufgaben lösen, und zwar gleichzeitig. Genau das braucht KI. Unter der Haube multipliziert ein KI-Modell vor allem riesige Zahlentabellen, und das billionenfach. Jeder einzelne Schritt ist simpel, aber es sind unglaublich viele.
KI braucht diese Rechenleistung gleich zweimal. Zuerst muss ein Modell trainiert werden: Es lernt über Wochen oder Monate aus riesigen Datenmengen. Wie das abläuft, haben wir in einem anderen Artikel erklärt. Danach muss es die Fragen der Nutzer beantworten. Das nennt man Inference (Inferenz). Jeder Prompt, den Du in einen Chatbot tippst, beschäftigt irgendwo in einem Rechenzentrum Chips.
Nvidias Vorsprung hängt allerdings nicht nur an den Chips. Zwei weitere Dinge sind mindestens genauso wichtig:
- Software: Mit Nvidias Plattform CUDA können Entwickler die GPUs für alle möglichen Berechnungen nutzen, nicht nur für Grafik. In fast 20 Jahren ist sie zur Standardsprache der KI-Entwicklung geworden, lange bevor es ChatGPT gab. Der Haken: CUDA funktioniert nur auf Nvidia-Hardware, und ein Wechsel bedeutet, viel Code neu zu schreiben und zu testen. So hat sich das Unternehmen die Konkurrenz vom Leib gehalten (mehr dazu weiter unten).
- Vernetzung: Heutige KI-Modelle sind viel zu groß für einen einzelnen Chip. Sie laufen auf Tausenden GPUs, die ständig Daten austauschen. Nvidia liefert auch die Verbindungen, mit denen all diese Chips wie ein einziger riesiger Computer zusammenarbeiten.
Deshalb verkauft Nvidia heute statt einzelner Chips komplette Server-Racks, die Bausteine dessen, was das Unternehmen „KI-Fabriken“ nennt. Die wichtigsten Kunden sind große Tech- und KI-Unternehmen wie Microsoft, Meta, Google, Amazon, Oracle und OpenAI. Nvidia nennt sie nicht beim Namen, aber aus den Geschäftsberichten geht hervor, dass allein drei Kunden im ersten Halbjahr 2026 für mehr als 40 Prozent des Umsatzes standen.
Woher Nvidia kommt
Nvidias Geschichte beginnt 1993 in einem Denny’s-Restaurant in San Jose, Kalifornien. Dort planten der damals 30-jährige Jensen Huang und zwei Ingenieure von Sun Microsystems, Chris Malachowsky und Curtis Priem, ein Unternehmen, das realistische 3D-Grafik in PC-Spiele bringen sollte.
Der Anfang war holprig. Nvidias erstes Produkt floppte, und Mitte der 1990er-Jahre reichte das Geld Berichten zufolge nur noch für etwa 30 Tage. Ein neuer Grafikchip, der RIVA 128, rettete das Unternehmen 1997. Ein paar Jahre später machten die GeForce-Karten Nvidia zur Lieblingsmarke der Gamer. Trotzdem blieb „Unser Unternehmen ist 30 Tage von der Pleite entfernt“ lange Huangs Motto.
Die entscheidende Wette folgte 2006 mit CUDA, der oben erwähnten Software. Huang ließ sie auf jeder GPU unterstützen, die Nvidia auslieferte. Das kostete viel Geld und brachte jahrelang kaum Kunden. Später sagte er, es habe rund zehn Jahre gedauert, bis auch die Investoren von Wall Street glaubten, dass es sich auszahlen wird.
Der Wendepunkt kam 2012. Forscher der University of Toronto trainierten eine Bilderkennungs-KI auf zwei gewöhnlichen Nvidia-Gaming-Karten. Ihr System namens AlexNet ließ die Konkurrenz weit hinter sich und löste den modernen KI-Boom aus. Einer der Forscher, Ilya Sutskever, gründete später OpenAI mit. Von da an wollten KI-Labore überall Nvidias GPUs haben, und Nvidia setzte auf KI, Jahre bevor die meisten Menschen überhaupt davon gehört hatten. Als ChatGPT im November 2022 startete, war das Unternehmen also perfekt aufgestellt.
Die Börse zog nach. 2012 war Nvidia weniger als 10 Milliarden Dollar wert. Im Juli 2025 überschritt es als erstes Unternehmen überhaupt die Marke von 4 Billionen Dollar, im Oktober 2025 als erstes die von 5 Billionen. Seitdem ist der Wert etwas gesunken, aber die Botschaft ist klar: Nvidias Position ist kein glücklicher Zufall. Sie ist der Lohn einer langen Wette, die jahrelang wie Geldverschwendung aussah.
Ist Nvidias Vorsprung sicher?
Nvidias Position ist weiterhin stark, aber nicht mehr unangefochten. Der geschätzte Anteil an den Ausgaben für KI-Chips ist von rund 87 Prozent im Jahr 2024 auf etwa 75 bis 81 Prozent in diesem Jahr gesunken. Trotzdem wächst der Umsatz weiter schnell, denn der Gesamtmarkt wächst noch schneller.
Die schärfste Konkurrenz kommt ausgerechnet von Nvidias größten Kunden. Google entwickelt seit Jahren eigene KI-Chips, die TPUs, und bietet sie inzwischen auch anderen an: Anthropic, das Unternehmen hinter Claude, hat zugesagt, bis zu eine Million davon zu nutzen, und auch Meta hat einen Vertrag unterschrieben. Amazon hat seine Trainium-Chips, Microsoft und Meta entwickeln eigene, und OpenAI baut zusammen mit Broadcom einen maßgeschneiderten Chip. Unter den klassischen Chipherstellern ist AMD der wichtigste Rivale und hat große Deals mit OpenAI und Meta abgeschlossen. Trotzdem kaufen all diese Unternehmen weiterhin Nvidia-Chips in großen Mengen.
Dazu kommen die großen Fragen. Manche Kritiker sehen eine KI-Blase. Andere verweisen auf „Circular Deals“ („Kreisgeschäfte“): Nvidia investiert in Kunden wie OpenAI und CoreWeave, die das Geld dann wiederum für Nvidia-Hardware ausgeben. Investoren scheinen vorsichtig zu sein: Nvidias Aktie tritt 2026 auf der Stelle, obwohl sich der Umsatz verdoppelt hat.
Das China-Problem
Für die US-Regierung ist KI-Rechenleistung längst keine reine Geschäftsangelegenheit mehr. Sie ist eine strategische Ressource, ein bisschen wie Öl im 20. Jahrhundert: Wer die leistungsfähigsten Chips hat, hat die besten Werkzeuge, um die fähigste KI zu bauen. Und das hat Folgen für die Wirtschaft und für die nationale Sicherheit.
Deshalb beschränken die USA seit 2022 den Export von Nvidias fortschrittlichsten KI-Chips nach China. Die Regeln haben sich seitdem mehrfach geändert. Im Januar 2026 begann die Trump-Regierung, den Verkauf von Nvidias älterem H200-Chip nach China im Einzelfall zu erlauben. Die US-Regierung kassiert dabei 25 Prozent.
Bisher hat das kaum etwas verändert. Peking hat keine größeren Käufe genehmigt und drängt chinesische Unternehmen zu heimischen Chips, vor allem von Huawei. Die liegen zwar deutlich hinter denen von Nvidia, sind aber gut genug, um einen Markt zu füllen, den Nvidia weitgehend verloren hat. Früher war China für das Unternehmen sehr wichtig. Heute rechnet Nvidia in seiner Geschäftsprognose dort mit null Umsatz im Rechenzentrumsgeschäft.
Darum werden die aktuellen Schlagzeilen rund um Huangs Affäre so ernst genommen: US-Behörden vermuten Berichten zufolge, dass sie Teil einer chinesischen Geheimdienstaktion war, möglicherweise mit dem Ziel, Nvidias fortschrittliche Chips ins Land zu holen. China bestreitet das.
Was das für Dich bedeutet
Auch wenn Du selbst nie einen Nvidia-Chip kaufst: Sobald Du ChatGPT, Claude, Gemini oder Copilot für Deine Arbeit nutzt, verlässt Du Dich direkt oder indirekt auf die Hardware dieses Unternehmens. Wie viele Chips Nvidia liefern kann, was sie kosten und wohin sie verkauft werden dürfen, beeinflusst, wie schnell sich diese Tools verbessern, wie teuer ihre Nutzung ist und wie viel Rechenleistung für sie zur Verfügung steht.
Wenn Du tiefer einsteigen willst: Stephen Witts Buch „The Thinking Machine“ (2025) wird viel dafür gelobt, dass es Nvidias Geschichte packend und gut lesbar erzählt. Tae Kims „The Nvidia Way“ (2024) konzentriert sich auf die Geschichte und die Kultur des Unternehmens.
Bleib auf dem Laufenden
KI für Contentprofis: die neuesten Tools, Tipps und Trends. Alle 14 Tage in deine Inbox: