Custom Silicon

Jeder Computer rechnet mit Chips: kleinen Bauteilen aus Silizium, die Milliarden winziger Schalter enthalten. Normalerweise kauft man solche Chips fertig ein, so wie man ein Auto im Autohaus kauft. Custom Silicon ist der andere Weg. Ein Unternehmen lässt einen Chip von Grund auf so entwerfen, dass er genau die Aufgaben erledigt, die im eigenen Betrieb anfallen — und sonst nichts. Der englische Begriff heißt wörtlich etwa „maßgeschneidertes Silizium“. Google, Amazon, Apple, Microsoft und Tesla tun das alle, und in Wirtschaftsnachrichten tauchen ihre Chipnamen regelmäßig auf.

Was Konzerne dazu treibt, eigene Chips zu bauen

Der erste Grund ist Geld. KI-Systeme brauchen enorme Rechenleistung, und die dafür üblichen Grafikkarten des Herstellers Nvidia kosten pro Stück einen fünfstelligen Betrag. Wer davon Hunderttausende betreibt, gibt Milliarden aus. Ein selbst entworfener Chip kann in der Entwicklung teuer sein, wird aber pro Stück deutlich günstiger, wenn man ihn in großen Mengen einsetzt.

Der zweite Grund ist Unabhängigkeit. Nvidia hat bei KI-Chips über Jahre einen Marktanteil von rund 80 bis 90 Prozent gehalten. Wer nur dort kaufen kann, muss Preise und Lieferfristen akzeptieren, wie sie kommen. Eigene Chips verschaffen Verhandlungsmacht — selbst dann, wenn man weiterhin viel bei Nvidia einkauft.

Der dritte Grund ist Effizienz. Standardchips müssen viele verschiedene Dinge einigermaßen gut können. Ein Spezialchip kann eine einzige Aufgabe deutlich schneller und mit weniger Strom erledigen. Bei Rechenzentren, die so viel Energie verbrauchen wie eine Kleinstadt, ist das ein handfester Vorteil.

Vom Entwurf bis zur fertigen Platine

Kaum ein Konzern stellt seine Chips selbst her. Fast alle entwerfen nur und geben die Produktion ab. Diese Arbeitsteilung nennt man fabless: Man hat keine eigene Fabrik. Gefertigt wird meist bei TSMC in Taiwan, dem weltweit führenden Auftragshersteller für hochmoderne Chips.

Der Trick beim Entwurf ist Weglassen. Ein KI-Chip muss vor allem eine Rechenart extrem oft ausführen: viele Zahlen multiplizieren und addieren. Also baut man genau dafür sehr viele Recheneinheiten ein und streicht alles, was man nicht braucht — etwa Schaltungen für Videospiel-Grafik. Der Vergleich mit Werkzeug passt gut: Ein Schweizer Taschenmesser kann vieles, aber wer den ganzen Tag Holz sägt, nimmt eine Säge.

Der Preis dafür ist Starrheit. Die Entwicklung eines solchen Chips dauert typischerweise zwei bis vier Jahre und kostet Hunderte Millionen Dollar. Ändern sich in dieser Zeit die gängigen KI-Verfahren stark, passt der Chip schlechter als geplant. Außerdem fehlt anfangs die Software: Programmierer kennen Nvidias Werkzeuge, für einen neuen Chip muss alles erst geschrieben werden. Genau daran sind schon einige Chipprojekte gescheitert.

Bekannte Chips und wie man sie in Nachrichten erkennt

Google betreibt seit 2015 die TPU, kurz für Tensor Processing Unit. Amazon nutzt in seiner Cloud die Chips Trainium und Inferentia — die Namen verraten schon, dass einer für das Lernen der Modelle und einer für ihre Benutzung gedacht ist. Microsoft hat Maia vorgestellt, Meta arbeitet an einer Chipfamilie namens MTIA. OpenAI hat 2024 und 2025 mehrfach angekündigt, mit Partnern eigene Chips zu entwickeln.

Custom Silicon steckt aber auch in Geräten, die viele täglich in der Hand halten. Apples M- und A-Chips in Macs und iPhones sind eigene Entwürfe. Genau darauf beruht ein Teil der langen Akkulaufzeiten: Chip und Betriebssystem sind aufeinander abgestimmt. Auch Teslas Fahrassistenz rechnet auf hauseigenen Chips.

In Börsennachrichten ist Custom Silicon fast immer eine Geschichte über Machtverhältnisse. Meldet ein Konzern einen eigenen Chip, lesen Anleger das als Angriff auf Nvidias Vormacht. Ein häufiger Irrtum ist dabei, Custom Silicon mit dem Ende von Nvidia zu verwechseln. In der Praxis laufen beide Welten parallel: Eigene Chips übernehmen die berechenbare Massenarbeit, Standardchips bleiben für alles Neue und Experimentelle.