NVIDIA: eine Geschichte der GPU

01Ein gescheiterter erster Chip (1993–1997)

Der NV1: eine Wette auf den falschen Grafikansatz

NVIDIA wurde am 5. April 1993 von Jensen Huang, Chris Malachowsky und Curtis Priem gegründet — das Gründungstreffen fand nach eigener Darstellung des Unternehmens in einem Denny's in San Jose statt. Das erste Produkt, der NV1 (1995), setzte auf einen Grafikansatz namens quadratisches Flächenrendering statt auf das dreiecksbasierte Rendering, auf das sich der Rest der Branche rund um Microsofts DirectX-Standard einigte. Diese Wette scheiterte kommerziell, und NVIDIA geriet nahe an den finanziellen Ruin.

RIVA 128: die Rettung

Die Wende kam 1997 mit dem RIVA 128: einem konventionellen, dreiecksbasierten 3D-Chip, der sich in den ersten vier Monaten über eine Million Mal verkaufte. Er rettete nicht nur das Unternehmen – er etablierte das Muster, das NVIDIA seither wiederholt hat.

02GeForce und die Erfindung der GPU

GeForce 256 und der Börsengang

NVIDIA ging am 22. Januar 1999 zu 12 $ je Aktie an die NASDAQ. Im selben Jahr brachte das Unternehmen GeForce 256 auf den Markt und vermarktete sie als weltweit erste „GPU“ — Graphics Processing Unit —, ein Begriff, den NVIDIA für diesen Start prägte, statt einen bereits bestehenden Branchenbegriff zu verwenden. Die technische Behauptung hinter dem Namen war, dass GeForce 256 Transform-and-Lighting-Berechnungen, zuvor von der CPU übernommen, auf die Grafikkarte selbst verlagerte.

War NVIDIA wirklich zuerst?

Ob GeForce 256 wirklich der erste Chip war, der dies leistete, ist unter Hardware-Historikern umstritten — Konkurrenten hatten bereits Chips mit überlappenden Fähigkeiten ausgeliefert —, doch der Marketingbegriff setzte sich durch, „GPU“ wurde zum branchenüblichen Namen für die Kategorie, und NVIDIA ist seither eng mit diesem Begriff verbunden.

03Ein Jahrzehnt Investition in CUDA

CUDA erscheint — zusammen mit Tesla

Im November 2006 brachte NVIDIA CUDA auf den Markt, eine Programmierplattform, mit der Entwickler universellen Code schreiben konnten, der direkt auf GPU-Hardware lief, statt Berechnungen jenseits der Grafik über OpenGL als Grafikoperationen zu tarnen — der umständliche Behelf, auf den Forscher zuvor angewiesen waren. CUDA erschien zusammen mit NVIDIAs Tesla-GPU-Architektur, die ein einheitliches Shader-Modell einführte, wodurch jeder Kern des Chips universelle Berechnungen ausführen konnte, statt fest in reine Grafik- und reine Shading-Einheiten aufgeteilt zu sein.

AlexNet: der Moment, der die Fachwelt überzeugte

Jahrelang wirkte CUDA wie eine Nebeninvestition in der Bilanz eines Gaming-Unternehmens — ein Werkzeug für Forschung und wissenschaftliches Rechnen ohne offensichtlichen Massenmarkt. Das änderte sich 2012, als Alex Krizhevsky und Ilya Sutskever, gemeinsam mit Geoffrey Hinton, ein tiefes convolutional neuronales Netz namens AlexNet auf zwei NVIDIA-GTX-580-Gaming-GPUs trainierten und den ImageNet-Wettbewerb mit deutlichem Abstand gewannen. AlexNet gilt heute weithin als der Moment, der das Feld des maschinellen Lernens davon überzeugte, dass GPUs statt CPUs die richtige Hardware für Deep Learning im großen Maßstab sind — und NVIDIA hatte da bereits sechs Jahre in den Aufbau der dafür nötigen Softwareschicht investiert.

Der CUDA-Burggraben

Dieser sechsjährige Vorsprung verdichtete sich zu etwas Dauerhafterem als einem Leistungsvorsprung einer einzigen Generation: einem Software-Burggraben. Jedes zwischen 2006 und 2012 auf CUDA geschriebene Framework, jede Bibliothek und jede Forschungscodebasis machte einen Wechsel weg von NVIDIA-Hardware teurer statt billiger, und diese Dynamik hat sich seither nur vertieft — CUDA gilt inzwischen breit als der wichtigste Grund, warum AMD und andere Chiphersteller trotz konkurrenzfähiger Rohleistung ihrer Chips Schwierigkeiten haben, NVIDIA nennenswerte Marktanteile beim KI-Training abzunehmen.

04Der KI-Superzyklus (2017–2026)

Tensor Cores: eigens entwickeltes Silizium

NVIDIAs Volta-Architektur von 2017 führte Tensor Cores ein, Silizium, das eigens für die Beschleunigung der Matrixmultiplikationen entwickelt wurde, die im Kern des Deep Learning stehen, statt umgewidmete Grafikhardware zu sein. Jede Architektur seither — Ampere, Hopper, Blackwell — hat dieselbe Wette weiterverfolgt.

Der H100 und der Nachfrageschock durch ChatGPT

Hopper und sein Flaggschiffchip H100, vorgestellt auf NVIDIAs GTC-Keynote im März 2022, markieren den klarsten Wendepunkt. NVIDIA bewarb den H100 als bis zu neunmal schneller als seinen Vorgänger beim KI-Training, aufgebaut um eine eigene „Transformer Engine“ für große Sprachmodelle. Acht Monate später veröffentlichte OpenAI ChatGPT, und jedes große Technologieunternehmen wetteiferte darum, konkurrierende Modelle zu trainieren und zu betreiben — fast alle auf NVIDIAs A100- und H100-Chips, da für die Hardware konkurrierender Chiphersteller kein zu CUDA vergleichbares Softwareökosystem existierte. Dieser Nachfrageschub ist die direkte Ursache des unten beschriebenen Anstiegs der Marktkapitalisierung.

05Boom und Einbruch, zweimal: die Krypto-Mining-Zyklen (2016–2022)

Erster Boom: Preise steigen, Offenlegung hinkt hinterher

Lange bevor KI eine anhaltende Nachfrage nach NVIDIAs Chips schuf, erzeugte Kryptowährungs-Mining zwei scharfe, vorübergehende Nachfrageschübe — beide hinterließen bleibende Spuren darin, wie NVIDIA heute über Nachfrage spricht. NVIDIAs Marktkapitalisierung lag 2016 bei rund 14 Mrd. $. Bis 2018, als Ethereum und andere per GPU minbare Kryptowährungen boomten, war sie auf berichtete 175 Mrd. $ gestiegen, und NVIDIA meldete für das Geschäftsjahr 2018 einen damaligen Rekordumsatz von 9,71 Mrd. $, ein Plus von 41 % im Jahresvergleich — ein Wachstum, das NVIDIAs eigene Ergebniskommentare breit auf Gaming, Rechenzentrum und andere Märkte zurückführten, ohne den spezifischen Beitrag des Minings gesondert zu benennen.

Der Vergleich mit der SEC

Diese Auslassung wurde zu einem rechtlichen Problem. Im Mai 2022 warf die SEC NVIDIA unzureichende Offenlegungen vor: Über aufeinanderfolgende Quartale des Geschäftsjahres 2018 habe das Unternehmen Investoren nicht mitgeteilt, dass Kryptomining-Nachfrage ein bedeutender Bestandteil seines Gaming-GPU-Umsatzwachstums war — was verschleierte, wie viel dieses Wachstums sich nach dem Abklingen der Mining-Nachfrage möglicherweise nicht wiederholen würde. NVIDIA einigte sich in einem Vergleich auf eine Unterlassungsverfügung und eine Strafzahlung von 5,5 Mio. $, ohne die Feststellungen der SEC anzuerkennen oder zu bestreiten. Der Rückgang kam schnell: NVIDIAs im November 2018 gemeldete Ergebnisse für das dritte Quartal des Geschäftsjahres 2019 enttäuschten Investoren wegen schwacher kryptobezogener Nachfrage, die Aktie fiel im Jahresverlauf um rund 31 %, und Bitcoins eigene Marktkapitalisierung fiel im selben Monat unter 100 Mrd. $ — deutlich unter dem berichteten Höchststand von rund 300 Mrd. $ im Januar 2018.

Zweiter Boom und die „Lite Hash Rate“-Lösung

2021 folgte ein zweiter, größerer Mining-Boom, wieder rund um Ethereum, der NVIDIAs Umsatz im Geschäftsjahr 2022 auf 26,9 Mrd. $ trieb (plus 61 %) und die Marktkapitalisierung kurzzeitig über berichtete 800 Mrd. $ hob. Diesmal versuchte NVIDIA, einer Wiederholung des Gamer-Unmuts und der Lieferengpassklagen von 2018 direkt vorzubeugen: Die im Februar 2021 gestartete RTX 3060 erschien mit einem „Lite Hash Rate“-Limiter (LHR), der laut NVIDIA über einen manipulationssicheren Handshake zwischen Treiber, Silizium und Firmware die Ethereum-Mining-Leistung etwa halbierte. Das hielt nicht: Innerhalb von rund zwei Wochen entfernte ein durchgesickerter NVIDIA-Entwicklertreiber den Limiter vollständig, und im Lauf des folgenden Jahres holten sich Miner über weitere durchgesickerte und modifizierte Treiber zunehmend mehr der blockierten Leistung zurück, auch wenn NVIDIA LHR auf den Großteil der RTX-30-Serie ausweitete.

Der „Merge“ beendet Ethereums GPU-Mining über Nacht

Der zweite Boom endete nicht durch einen Absturz, sondern durch eine Protokolländerung: Ethereums Umstieg auf Proof-of-Stake im September 2022 (der „Merge“) beendete GPU-Mining für das Netzwerk über Nacht und nahm damit die dominante Quelle der GPU-Mining-Nachfrage mit. NVIDIA entfernte LHR im folgenden Monat, Oktober 2022, vollständig — zu dem Zeitpunkt eine gegenstandslose Einschränkung einer bereits verschwundenen Nachfragequelle. Beide Zyklen folgen demselben Muster: ein von Mining getriebener Nachfrageschub, den NVIDIA weder geschaffen noch vollständig kontrolliert hatte, gefolgt von einem ebenfalls nicht von NVIDIA verursachten Einbruch.

06Der Aufstieg zum wertvollsten Unternehmen der Welt

Der Sprung über 1 Bio. $, dann über 5 Bio. $

NVIDIA überschritt im Juni 2023 erstmals eine Marktkapitalisierung von 1 Bio. $ — sieben Monate nach der Veröffentlichung von ChatGPT. Von dort ging es weiter: rund 4 Bio. $ bis Juli 2025, der erste Schlusskurs über 5 Bio. $ im Oktober 2025 und ein Rekord von 5,5 Bio. $ im Mai 2026, die höchste Marktkapitalisierung, die je ein börsennotiertes Unternehmen erreicht hat. Mitte 2026 bleibt NVIDIA das wertvollste Unternehmen der Welt, nachdem sich sein Wert binnen etwa einem Jahr verdreifacht hat — schneller als bei Apple oder Microsoft, den einzigen anderen US-Unternehmen, die die 3-Bio.-$-Marke überschritten haben.

Was die Aktiensplits bedeuten

NVIDIA hat seine Aktie seit 2000 sechsmal gesplittet (zuletzt im Juni 2024 im Verhältnis 10:1). Eine beim Börsengang 1999 gekaufte Aktie wäre allein durch die Stückzahl bis Mitte 2026 zu 480 Aktien geworden – ein rein rechnerischer Effekt der Splits, keine Renditekennzahl.

07Kommende Herausforderungen

Boom-Bust-Zyklen in der Vergangenheit – und wie dieser sich unterscheidet

Die Nachfrage nach NVIDIA-Produkten hat bereits scharfe Boom-Bust-Zyklen durchlaufen, ausgelöst durch Faktoren, die nichts mit der eigenen Produkt-Roadmap zu tun hatten – allen voran die beiden oben beschriebenen Krypto-Mining-Zyklen, denen jeweils eine Angebotsschwemme folgte, sobald sich die Mining-Ökonomie wandelte oder ein Netzwerk seinen zugrunde liegenden Algorithmus änderte. Der aktuelle Nachfragezyklus rund um KI-Rechenzentren fällt größer aus.

Konkurrenten und die Abhängigkeit von TSMC

Wettbewerbs- und Abhängigkeitsrisiken sind selbst bei NVIDIAs heutiger Größe real. AMD und eine wachsende Zahl von Hyperscalern bauen eigene KI-Chips (unten dargestellt) und versuchen, NVIDIAs Position im High-End-Segment zu untergraben — doch keiner hat die Tiefe von CUDAs Softwareökosystem nachgebildet. NVIDIAs gesamte Chipproduktion hängt zudem von einem einzigen externen Fertiger ab, TSMC — ein branchenweit geteiltes Konzentrationsrisiko, aber dennoch ein echter Einzelpunkt des Versagens. NVIDIAs Exportrisiko bei Automotive-Chips gegenüber China und die Exportbeschränkungen für Rechenzentrumschips werden ausführlicher im DRIVE-Artikel dieser Seite behandelt.

08Häufige Fragen

09Quellen