Du gibst einer KI den Auftrag: „Schreibe eine Zusammenfassung.“ Nach einigen Sekunden kommt die Antwort, begleitet von einem leichten Brummen des Rechners. Die meiste Zeit steckt nicht in der Intelligenz der KI, sondern in der Hardware. Googles neuster Plan setzt genau dort an: Ein eigener KI-Chip mit dem Codenamen Frozen v2 soll die hauseigenen Gemini-Modelle effizienter machen. The Information berichtet unter Berufung auf anonyme Quellen. Die Aktie von Alphabet stieg am Montag um etwa drei Prozent. Investoren sehen endlich eine Antwort auf die drängende Frage: Wie viel Energie und Geld frisst die KI?
Google hat den Chip weder bestätigt noch dementiert. Die offizielle Antwort an TechCrunch klingt nach Unternehmensrhetorik: „Unsere Teams forschen und experimentieren ständig an neuen Innovationen.“ Gleichzeitig betont Google den „Full-Stack-Ansatz“ – das Zusammenspiel von Hardware und Software aus einer Hand. Diese Integration ist der Schlüssel zu Effizienzsprüngen, die mit Standardkomponenten nicht erreichbar wären. Frozen v2 soll zwischen sechs und zehn Mal effizienter sein als die aktuellen Google-KI-Chips. Gemessen wird das an der Anzahl der Tokens pro Watt. Ein Token ist ein kleiner Baustein der KI-Ausgabe: ein Wortteil, ein Satzzeichen, eine Silbe. Je mehr Tokens eine KI pro eingesetzter Energie erzeugt, desto günstiger und schneller wird der Betrieb.
Stell dir einen Motor vor, der aus einem Liter Benzin zehn Kilometer macht. Mit einer neuen Technologie schafft er sechzig Kilometer. Gleiche Strecke, Bruchteil des Treibstoffs. Für Google bedeutet das: mehr KI-Leistung bei gleicher Stromrechnung oder weniger Kühlung in den Rechenzentren. In Zeiten, in denen der Energiehunger der KI-Industrie kritisiert wird, ist das ein starkes Argument. Es geht um Geld, aber auch um Nachhaltigkeit und politische Akzeptanz.
Warum baut Google eigene Chips, statt auf Nvidia zu setzen, das den Markt für KI-Hardware dominiert? Nvidia verkauft Grafikprozessoren zu hohen Preisen und kontrolliert die Lieferketten. Eigene Chips sparen Kosten und erlauben eine für die KI-Modelle optimierte Architektur. OpenAI machte diesen Schritt im Juni mit einem Chip namens Jalapeño – einem Inference-Prozessor für trainierte Modelle. Anthropic führt Gespräche mit Samsung über eine Chip-Partnerschaft. Die Großen der KI-Branche wollen ihre Hardware selbst kontrollieren.
Google hat einen Vorteil: Es entwickelt seit Jahren eigene Chips, etwa die Tensor Processing Units (TPUs). Frozen v2 wäre eine Weiterentwicklung dieser TPU-Architektur. Der Zeithorizont 2028 mag weit entfernt klingen, doch in der Chip-Entwicklung sind fünf Jahre normal. Die Konkurrenz schläft nicht, die Anforderungen wachsen exponentiell. Die Frage ist, ob Googles Strategie langfristig aufgeht.
Für Anwender bedeutet das: KI-Anwendungen auf Gemini-Basis – in der Google-Suche, Google Docs oder Vertex AI – könnten schneller und günstiger werden. Alphabet plant Investitionen von 180 bis 190 Milliarden Dollar für den KI-Ausbau. Ein effizienterer Chip senkt die Betriebskosten pro Anfrage und macht KI wirtschaftlich für alltägliche Aufgaben, bei denen heute der Stromverbrauch abschreckt.
Die Börse reagierte mit einem leichten Kurssprung. Investoren reagieren sensibel auf das Thema Effizienz. Die Euphorie der Anfangszeit, als jedes neue KI-Feature zu Kursgewinnen führte, ist abgeflacht. Heute zählt: Wie viel Rendite bringt jeder investierte Dollar? Frozen v2 klingt nach einer Antwort – aber erst in vier Jahren. Bis dahin muss Google beweisen, dass die Milliarden nicht in technologischen Sackgassen versickern. Die Konkurrenz durch OpenAI und Anthropic wird härter, und Nvidia ruht sich nicht aus. Der Markt für KI-Hardware bleibt ein Rennen, bei dem Effizienz das neue Gold ist.
Ob sich die Versprechungen bewahrheiten, bleibt abzuwarten. Die Geschichte der Technik ist voller Ankündigungen von Superchips, die nie kamen. Doch Google hat mit seinen TPUs gezeigt, dass es eigene Hardware erfolgreich skalieren kann. Frozen v2 könnte der nächste logische Schritt sein – vielleicht der entscheidende, um KI alltagstauglich zu machen. Denn was nützt die intelligenteste KI, wenn sie zu viel Strom frisst? Die Zukunft liegt in intelligenteren, effizienteren Chips.
Quelle: techcrunch.com
