Technologisch wird in Bezug auf Künstliche Intelligenz (KI) oftmals von einer neuen Ära gesprochen, die dieses Jahr eingeläutet wurde. So etwas passierte in der Vergangenheit in etwa alle zehn Jahre. Durchlaufen wir ein ähnliches Muster, stehen wir damit erst am Anfang der KI-Ära.
Viele Aktien im Technologiebereich haben von den Entwicklungen im Bereich KI bereits jetzt stark profitiert. Dazu gehören u.a. die Cloud-Hyperscaler Amazon, Google, Microsoft und natürlich der bekannte Chiphersteller NVIDIA. Die genannten Unternehmen gehören auch zu den sogenannten “glorreichen Sieben”, die fast ausschließlich die positive Gesamtperformance des S&P 500 dieses Jahres getrieben haben. Entsprechend hoch sind auch die Bewertungen dieser Unternehmen am Aktienmarkt. Doch von der enormen Nachfrage nach den Computerchips, die künstliche Intelligenz erst möglich machen, profitieren auch viele Unternehmen, die im Herstellungsprozess aktiv sind.
Viele dieser Unternehmen haben seit Beginn des KI-Booms eine positive Entwicklung durchlaufen, was natürlich keine Garantie für die zukünftige Entwicklung ist. Dennoch schätzt Morgan Stanley Research das Volumen des KI-Technologiemarkts (Chips, Hardware, Netzwerk) heutzutage auf ca. 98 Mrd.US-Dollar (USD) und geht von einem Wachstum auf 275 Mrd. USD bis 2027 aus.
Viele der Unternehmen in der Lieferkette haben ihren Hauptsitz in den USA oder in Asien (primär in Taiwan), aber es gibt auch einige in Europa. Es handelt sich großteils um hochspezialisierte Firmen, deren Marktkapitalisierungen teilweise nur wenige Milliarden US-Dollar betragen und die z.T. auch eine Performance ähnlich wie NVIDIA in diesem Jahr erzielt haben, obwohl sie viel unbekannter sind.
Der Markanteil von NVIDIA für sogenannte Künstliche Intelligenz Graphics Processing Units (AI-GPU) liegt bei etwa 80 Prozent. Dieser Marktanteil dürfte allerdings in Zukunft etwas zurückgehen, da ein konkurrierendes Unternehmen, das High-Performance- und Adaptive Computing-Produkte herstellt, dieses Quartal einen neuen Chip auf den Markt bringen will. Der sogenannte AI-GPU MI300 Chip ist speziell für “Large Language Models” wie z.B. Chat GPT konzipiert. Auch andere große IT-Konzerne haben Milliarden im Bereich KI investiert.
Komponenten auf engstem Raum
Für technischen Fortschritt bedarf es immer leistungsfähigerer Chips, die geplant und designt werden müssen. Fast 60 Jahre lang hat sich die Anzahl der Transistoren in einem Chip etwa alle zwei Jahre verdoppelt. Dieses „Gesetz“ war eine Beobachtung des ehemaligen Intel-CEOs Gordon Moore im Jahr 1965.
Diese Geschwindigkeit kann mittlerweile aber nicht mehr eingehalten werden. Daher hat die Chipindustrie begonnen verstärkt in anderen Bereichen des Designs oder der “Architektur” eines Chips Optimierungen umzusetzen, sodass die Gesamtperformance der Chips weiterhin ähnlich stark zunimmt. Das hat allerdings den Designprozess für Chips sehr aufwändig gemacht. Die derzeitige Architektur des aktuellen NVIDIA AI-Chips H100 beheimatet zum Beispiel 80 Milliarden Transistoren, und das gesamte HGX H100 Board mit mehreren Chips besteht aus bis zu 45.000 verschiedenen Komponenten, die alle miteinander und parallel kommunizieren müssen.
Die Entwicklung eines Chips kostet daher heutzutage mehrere hunderte Millionen USD. Zudem muss der Chip ausgiebig getestet werden, bevor er in die Massenfertigung gehen kann.
Für die Entwicklung dieser Designs gibt es spezialisierte Firmen, die u.a. bereits entwickelte Teilkomponenten als Bausteine mitanbieten. Dies erspart wiederum Zeit und Kosten für die Chipingenieure bei der Entwicklung neuer Chips, sodass das Rad nicht jedes Mal neu erfunden werden muss.
Zu den globalen Marktführern im Chipdesign gehören zwei amerikanische und ein englisches Unternehmen. Auch wenn manche dieser Unternehmen zunächst auf einen Bereich spezialisiert waren, expandieren einige jetzt auch in anderen zukunftsträchtigen Bereichen wie selbstfahrende Autos und High-Performance Server für Datacenters sowie “Smart Home”-Geräte und “Wearables”.
Spezial- Chips
Neben der explodierten Nachfrage nach “Allround”-Chips für verschiedenste Anwendungen gibt es auch eine starke Entwicklung hin zu Chips, die speziell für bestimmte Zwecke entwickelt werden. Viele dieser Chips werden in Sachen Kosten/Nutzen optimiert. In diesem Bereich gibt es hochspezialisierte, kleinere taiwanesischen Chipdesigner, die vor allem viel für Amazon, Google, Microsoft und für einen bekannten amerikanischen Elektroautohersteller produzieren.
Neben Chips, die vor allem für künstliche Intelligenz Anwendungen entwickelt werden, gibt es auch Hersteller, die sich mehr auf Hochleistungs- Speicherchips spezialisiert haben. Diese werden High-Bandwidth-Memory (HBM) Chips genannt. In diesem Bereich dominieren zwei südkoreanische Firmen. Selbst die genaue Verbauung der Chips und die Verbindung zu anderen Komponenten ist technologisch so anspruchsvoll, dass es hier ebenfalls spezialisierte Unternehmen gibt. Hinzu kommen noch Hersteller für die Leiterplatten für die elektronischen Bauteile (Platinen). Hier sind vor allem Zulieferer aus Taiwan für langlebige und zuverlässige Platinen in hoher Qualität bekannt.
AI-Server
Kunden wie Amazon, Google, Meta oder Microsoft kaufen oft nicht direkt das KI-Board (mit all den Komponenten darauf), sondern gleich ganze KI-Server. Das sind vorbereitete Computer, in denen alle Komponenten inkl. Netzwerk- und Stromanschlüssen, KI-Board, zusätzliche CPUs, Speicher, Kühlung etc. aufeinander abgestimmt und für beste Performance verbunden und vorbereitet sind, so dass diese nur noch im Data Center des Kunden angeschlossen werden müssen. In diesem Bereich gibt es einige interessante Firmen aus Taiwan, die man als Anleger in Betracht ziehen kann.
Testen der Komponenten & des ganzen Systems
Die einzelnen Komponenten müssen vor Auslieferung umfangreich getestet werden. Ein NVIDIA KI-System (Platine mit Komponenten und Chips) kostet je nach Ausstattung zwischen ca. 20.000 USD und 75.000 USD. Die Prüfung ist eine sehr komplexe Angelegenheit und kann mehrere Wochen dauern. Auch im Bereich Testen sind es Unternehmen aus Japan und Taiwan, die gut aufgestellt sind.
Für Anleger kann es sich also lohnen, neben den großen Nutzern der künstlichen Intelligenz auch einen genaueren Blick auf die am Erstellungsprozess beteiligten Unternehmen zu werfen.
Von Mike Glöckner, Analyst im Research Team der DJE Kapital AG
