Der KI-Boom dreht das Rad weiter – und Amazon kassiert
Es ist ein Deal, der in seiner Dimension selbst für die Verhältnisse des hyperscalenden Cloud-Markts bemerkenswert ist: Snowflake, der Gigant im Bereich Cloud Data Storage, hat einen neuen Fünf-Jahres-Vertrag über 6 Milliarden US-Dollar mit Amazon Web Services (AWS) unterzeichnet. Zum Vergleich: Seit seiner Gründung im Jahr 2012 hat Snowflake über den AWS Marketplace insgesamt „nur“ rund 7 Milliarden Dollar umgesetzt. Der neue Vertrag summiert sich also fast auf das gesamte bisherige Lebenswerk des Unternehmens auf der AWS-Plattform.
Dass Snowflake nun so massiv nachlegt, hat einen klaren Treiber: Künstliche Intelligenz. Die Ausgaben der Snowflake-Kunden auf AWS haben sich im Jahr 2025 allein auf 2 Milliarden Dollar verdoppelt. Im Zentrum dieses Wachstums steht Cortex AI, das hauseigene Tool von Snowflake zur Entwicklung von KI-Anwendungen. Der Ansatz ist logisch: Dort, wo die Unternehmensdaten liegen, entsteht auch der Bedarf an KI-Verarbeitung. Cortex AI ermöglicht es, Datenbanken in natürlicher Sprache abzufragen oder Zusammenfassungen zu generieren.
Doch der eigentliche Knackpunkt des Deals ist nicht die pure Summe, sondern die Hardware-Strategie, die dahintersteckt. Snowflake sichert sich in diesem Vertrag explizit einen umfangreicheren Zugang zu AWS Graviton – den hauseigenen, ARM-basierten CPU-Chips von Amazon.
Der Paradigmenwechsel: Von der GPU zurück zur CPU?
Die KI-Diskussion der letzten Jahre war eine Monolog der GPU. Wer große Sprachmodelle (LLMs) trainieren wollte, kam an Nvidia-Hardware nicht vorbei. Doch die Realität in den Unternehmen verschiebt sich gerade rasant. Wenn KI von der reinen Trainingsphase in den produktiven Alltag übergeht – hin zu Inferenz und vor allem zu autonomen KI-Agenten –, verändert sich das Hardware-Profil.
Während GPUs weiterhin das Rückgrat für das Training und komplexe Inferenz bilden, sind es die CPUs, die das „Restprogramm“ übernehmen: Datenbankabfragen, Orchestrierung von Agenten, Vorverarbeitung und Kontextmanagement. Gerade bei KI-Agenten, die auf Unternehmensdatenbanken operieren (wie sie Snowflake hostet), schießt die CPU-Last in die Höhe. Hier setzt Graviton an.
Amazon CEO Andy Jassy ließ zuletzt verlauten, dass die hauseigenen Chips ein „besseres Preis-Leistungs-Verhältnis“ als Nvidia-GPUs bieten. AWS nutzt zwar weiterhin fleißig Nvidia-Hardware, forciert aber aus gutem Grund die eigenen Prozessoren. Die Margen bei selbstentwickelten Chips sind für Amazon deutlich höher, und das Argument der Kosteneffizienz zieht bei preissensiblen Unternehmen offensichtlich. Das jedenfalls war die Logik hinter dem jüngsten Graviton-Mega-Deal mit Meta über Millionen von Chips, nachdem Meta zuvor 10 Milliarden Dollar bei Google Cloud gelassen hatte.
Die Cloud-Giganten greifen Nvidia an
Die Strategie von AWS ist kein Einzelfall, sondern Teil einer branchenweiten Gegenoffensive. Die großen Cloud-Provider haben erkannt, dass sie sich die extremen Margen von Nvidia nicht länger bedingungslos bezahlen lassen wollen. Google baut seit Jahren eigene TPUs, Microsoft hat im Januar seinen Maia AI Chip auf den Markt gebracht. Die Botschaft an Nvidia ist eindeutig: Das Monopol auf KI-Hardware wird attackiert.
Doch Nvidia-Chef Jensen Huang lässt sich nicht aus der Ruhe bringen. Erst letzte Woche, nach einem weiteren Rekordquartal, präsentierte er mit „Vera“ einen neuen KI-spezifischen CPU-Chip. Huang spricht von einem brandneuen Markt im Wert von 200 Milliarden Dollar, von denen allein 20 Milliarden bereits verkauft seien. Huangs Argument: Wer auf Custom-Silicon der Cloud-Anbieter setzt, bleibt auf deren proprietären Infrastrukturen sitzen. Nvidia hingegen biete die universelle Plattform, auf die alle großen KI-Entwickler ihre Architekturen zuschneiden.
Fazit: Die Infrastruktur-Frage wird neu verhandelt
Der 6-Milliarden-Deal zwischen Snowflake und AWS ist mehr als nur ein großer Scheck. Er ist ein Symptom für den nächsten Reifegrad der KI-Revolution. Die erste Welle war geprägt von FOMO und dem blinden Kauf von teuren Nvidia-GPUs, um überhaupt Modelle trainieren zu können. Die zweite Welle – die Ära der KI-Agenten und der unternehmensweiten Inferenz – erfordert Skalierbarkeit bei vertretbaren Kosten.
Hier spielen die Cloud-Provider ihre Trümpfe aus. Mit Custom Silicon wie Graviton bieten sie eine wirtschaftliche Alternative für die breite Masse an KI-Aufgaben, die keine High-End-GPU erfordern. Ob Nvidia dadurch massiv Marktanteile verliert, ist fraglich – der Kuchen wird insgesamt einfach nur riesig. Aber die Verhandlungsposition der Cloud-Kunden gegenüber Nvidia wird durch Alternativen wie Graviton zweifellos gestärkt. Am Ende profitieren von diesem Wettrüsten ohnehin vor allem die Cloud-Giganten selbst: Egal, ob die Kunden Nvidia-Mieten oder Graviton-Leistungen abnehmen – die Infrastruktur-Abrechnung läuft immer über AWS und Co.
Quelle: TechCrunch