Nvidia, ASML und die versteckte KI-Steuer im Stack (EGEKID-Dossier)
ROCKSTRATEGE · ES GIBT EINE KI DAFUER
EGEKID-DOSSIER
Nvidia, ASML und die versteckte KI-Steuer: Wie viel Marge im Stack steckt?
1 – Was passiert ist
Nvidia hat für sein jüngstes Quartal einen Umsatz von rund 96 Milliarden US-Dollar gemeldet – mehr als doppelt so viel wie im Vorjahr – bei einer Bruttomarge (das ist der Anteil vom Umsatz, der nach Abzug der reinen Herstellkosten übrig bleibt) von etwa 75 Prozent [2]. Parallel dazu erinnert ein Marktkommentar daran, dass ohne die Lithografie-Systeme (Maschinen, die feinste Chip-Muster mit Licht auf Silizium belichten) von ASML gar kein moderner KI-Chip entstehen könnte – die modernsten Anlagen kosten teils über 200 Millionen US-Dollar pro Stück [3]. Beide Meldungen zusammen werfen eine einfache, aber wichtige Frage auf: Wer entlang der Kette vom Werkzeug bis zur fertigen KI-Antwort verdient eigentlich wie viel – und wie stabil ist das?
2 – Die Mechanik dahinter
Der KI-Stack besteht aus mehreren Schichten, die jede für sich Geld verdienen, bevor überhaupt eine Frage an ein Sprachmodell beantwortet wird:
- ASML – Werkzeug-Monopolist. Verkauft die EUV-Maschinen (Extrem-Ultraviolett-Lithografie, das Verfahren für die feinsten Chip-Strukturen), ohne die keine Foundry moderne Chips fertigen kann. Kein Modell-Risiko, keine Cloud-Konkurrenz – reines Ausrüstergeschäft.
- TSMC – Der Fertiger. Baut die Chips im Auftrag, mit laut Marktbeobachtung zweistelligen Margen. Trägt das Fertigungsrisiko, aber nicht das Design- oder Absatzrisiko.
- Nvidia – Der Designer. Verkauft die fertigen GPU-Systeme (Grafikchips, die für KI-Berechnungen umfunktioniert wurden) zu Preisen im hohen fünfstelligen bis niedrigen sechsstelligen Bereich pro Einheit, bei geschätzt sechsstelligen Stückzahlen pro Quartal – mit den höchsten Margen in der Kette.
- Hyperscaler (große Cloud-Anbieter wie Microsoft, Amazon oder Google) – verkaufen die Rechenzeit auf diesen Chips nochmals mit Aufschlag weiter, verpackt als Cloud-Dienst oder API-Zugang.
Jede Ebene addiert ihre Marge – das Ergebnis ist eine Art KI-Steuer, die am Ende jedes Unternehmen zahlt, das Inferenz (das tatsächliche Ausführen eines trainierten Modells, wenn es Antworten liefert) einkauft, gerechnet pro verarbeitetem Token (kleinste Texteinheit, die ein Sprachmodell verarbeitet).
3 – Der historische Befund
Solche Stack-Steuern sind kein neues Phänomen. In der PC-Ära hielten Intel und Microsoft über Jahrzehnte eine ähnliche Doppelmacht – bis Cloud und mobile Chips die Architektur aufbrachen. In der Smartphone-Ära verdiente Qualcomm über Lizenzgebühren an praktisch jedem verkauften Gerät, unabhängig vom Hersteller. Das Muster ist immer gleich: Solange eine Ebene physisch oder patentrechtlich ein Nadelöhr bleibt, hält sie die Marge. Sobald Wettbewerb oder Effizienzsprünge die Engpässe auflösen, bröckelt sie.
Genau das deutet sich jetzt auf der Modell-Ebene an: Der chinesische Anbieter Zhipu hat mit GLM-5.3-Flash ein offenes Modell mit rund 320 Milliarden Parametern vorgestellt, das bei Coding-Aufgaben nah an etablierte Konkurrenz herankommen soll [4]. Alibaba zieht mit dem effizienten, multimodalen Qwen3.8-Flash nach, das Kosten explizit drücken soll [5]. Und dass das mysteriöse Benchmark-Modell „Ox Alpha“ sich als eben dieses GLM-5.3-Flash entpuppte, zeigt: Der Wettlauf um Modell-Vorherrschaft wird über Marketing-Nebelkerzen geführt, weil die eigentlichen Leistungsunterschiede kleiner werden [8]. Das ist der historische Reflex: Wenn eine Ebene der Kette Preisdruck bekommt, verlagert sich die Marge – meist nach unten, in Richtung des Nadelöhrs mit dem stabilsten physischen Monopol.
4 – Was jetzt zählt
Für die kommenden Quartale lohnt sich der Blick auf drei Bruchstellen:
- Effizienz-Chips wie OpenAIs „Jalapeño“ könnten die Rechenkosten pro Token senken – gut für Anwender, potenziell schlecht für die Margen der Chip-Designer, die bislang von hohem Rechenhunger profitieren.
- Open-Source-Modelle aus China drücken den Preis auf der Modell-Ebene, was Hyperscalern hilft (billigere Inputs), aber Nvidias Preissetzungsmacht indirekt unter Beobachtung stellt, sobald weniger High-End-Rechenleistung pro Antwort nötig ist.
- ASML bleibt der stabilste Punkt in der Kette – solange es keinen zweiten Anbieter für modernste EUV-Technik gibt, ist diese Ebene gegen Preisdruck von unten weitgehend immun [3].
Am Rand spielt auch die politische Großwetterlage mit hinein: Wenn Bundesstaaten in den USA und Wahlbehörden wie in Brasilien strengere Regeln für synthetische Inhalte durchsetzen, steigt der regulatorische Druck auf die gesamte KI-Wertschöpfungskette – das betrifft zwar primär Anwendungen, nicht Chips, ist aber ein Hinweis darauf, dass der KI-Boom nicht nur an technischen, sondern auch an politischen Grenzen gemessen wird [6].
5 – Die Investoren-Brille
Handwerk statt Hype heißt hier: Nicht fragen „Ist Nvidia teuer?“, sondern „Welche Ebene der Kette halte ich eigentlich – und wie stabil ist ihr Nadelöhr?“
- Wie viel Prozent meines KI-Exposures hängt allein an Nvidia als Designer – und wie viel an den weniger sichtbaren Ebenen wie ASML (Werkzeug) oder TSMC (Fertigung)?
- Was passiert mit meiner Position, wenn die Kosten pro Token durch Effizienz-Chips oder Open-Source-Modelle spürbar fallen – wird meine Beteiligung eher zum Gewinner (mehr Nutzung) oder zum Verlierer (weniger Marge pro Einheit)?
- Habe ich nur die „Luxusmarge“ im Depot oder auch die Ebene mit dem stabilsten physischen Monopol?
„Analysiere anhand der mir vorliegenden, öffentlich bekannten Zahlen [Zahlen hier einfügen], welche Ebene im KI-Stack – Werkzeughersteller, Foundry, Chip-Designer oder Cloud-Anbieter – aktuell die stabilste Preissetzungsmacht hat. Erkläre für jede Ebene ein konkretes Risiko, falls günstigere Modelle oder Effizienz-Chips den Preis pro Rechenschritt drücken. Gib keine Kauf- oder Verkaufsempfehlung, sondern eine nüchterne Pro-Contra-Liste je Ebene.“
- Kenne ich die Rolle jeder Position in meinem Depot innerhalb der Kette (Werkzeug / Fertigung / Design / Cloud)?
- Habe ich mir angesehen, wie viele Anbieter es auf dieser Ebene realistisch gibt – eins, zwei oder ein offener Markt?
- Verstehe ich, wodurch die Marge auf „meiner“ Ebene gefährdet werden könnte – Wettbewerb, Regulierung, oder technischer Fortschritt bei der Effizienz?
Kein Vergleich, kein Chart und kein Quartalsbericht ersetzt diese einfache Übung: Die Kette entlanggehen und fragen, wer wirklich das Nadelöhr hält. Genau das ist der Unterschied zwischen Hype folgen und Handwerk betreiben.
Quellen
[1] Nvidia, ASML und die versteckte KI-Steuer: Wie viel Marge im Stack steckt? (Analyse-Quelle)
[2] Nvidia-Earnings: Wenn Rechenzeit zur Lizenz zum Gelddrucken wird
[3] ASML: Ohne EUV keine KI – warum der Engpass strategischer wird
[4] Zhipu GLM-5.3-Flash und Qwen3.8-Flash: Chinas Open-Source-Konter auf Claude & Co.
[5] Qwen3.8-Flash: Alibabas effizientes Multimodal-Workhorse für Unternehmen
[6] Brasilien definiert Deepfake-Härtetest – US und EU unter Zugzwang
[7] US-Bundesstaaten im KI-Wahlkampf: Deepfake-Gesetze zwischen Schutz und Zensurgefahr
[8] Ox Alpha entpuppt sich als GLM-5.3-Flash – was das über Benchmark-Wettläufe verrät
← ZUR STARTSEITE ROCKSTRATEGE.COM
© 2026 Rockstratege Research — Es gibt eine KI dafür (EGEKID). Alle Rechte vorbehalten.