Die Story

Nvidia wurde 1993 in einem Denny’s-Restaurant in San Jose gegründet. Drei Ingenieure — Jensen Huang, Chris Malachowsky und Curtis Priem — wollten 3D-Grafik auf den PC bringen. In den ersten zehn Jahren war Nvidia ein typischer Hardware-Hersteller im hartumkämpften Grafik-Chip-Markt. Konkurrenten wie 3dfx, S3 und ATI gingen unter oder wurden gekauft; Nvidia überlebte mit einem 6-Monats-Produktzyklus, der das Tempo so hoch hielt, dass Wettbewerber den Anschluss verloren.

Der Börsengang im Januar 1999 zu 12 $ war unspektakulär. Bis 2006 war Nvidia eine reine Gaming-GPU-Firma. Dann kam der entscheidende strategische Move: Huang hielt am CUDA-Toolkit fest — einer Programmier-Schicht, die GPUs für nicht-grafische parallele Berechnungen nutzbar machte. CUDA war jahrelang ein Verlustgeschäft. Wissenschaftler und ein paar Quant-Hedgefonds nutzten es, der breite Markt nicht. Doch Huang investierte weiter Milliarden, weil seine These war: Wenn Algorithmen jemals datenparallel werden, wird CUDA zum Software-Standard.

2012 wurde diese These bestätigt. Geoffrey Hintons AlexNet gewann den ImageNet-Bilderkennungs-Wettbewerb mit einem Faktor 10 Vorsprung — auf zwei Nvidia-GPUs. Das war der Startschuss der Deep-Learning-Ära. 2016 kam die P100 als erste echte Datacenter-GPU; 2017 brachten Google, Tesla und OpenAI ihre ersten Großbestellungen. 2022 launchte die H100 (Hopper-Architektur) — und dann fiel im November 2022 ChatGPT in die Welt. Innerhalb von 12 Monaten verdreifachte sich Nvidias Datacenter-Umsatz; innerhalb von 18 Monaten wurde Nvidia kurzzeitig die wertvollste Aktie der Welt.

Was sie zur Hall of Fame brachte

Nvidias Burggraben ist nicht primär das GPU-Silizium — Konkurrenten wie AMD und Intel können physikalisch ähnliche Chips bauen. Der Burggraben ist CUDA: 18 Jahre kontinuierlich gepflegte Software-Bibliothek mit über 250 Frameworks, die jeden ernsthaften ML-Engineer auf dem Planeten ausgebildet hat. Wer ein Modell schnell trainieren will, schreibt CUDA. AMD ROCm und Intel oneAPI sind technisch fähig — aber die installierte Basis an Code, Tutorials, Stack-Overflow-Antworten, dass jeder neue Praktikant CUDA lernt, gibt Nvidia einen Lock-in, der außerhalb der Software-Welt kaum vorstellbar ist.

Der zweite Faktor ist vertikale Integration. Nvidia liefert nicht nur einen Chip, sondern ein komplettes System: GPU + Networking (Mellanox 2019) + Software-Stack + DGX-Komplettsysteme + Cloud-Zugang über Partner. Wer einen GPT-Class-Trainings-Cluster baut, kauft de facto eine Nvidia-Lösung. Das ist nicht ein Produkt-Verkauf; das ist ein Plattform-Verkauf, mit Margen jenseits von 70% Brutto.

Drittens: die Founder-CEO-Mentalität. Jensen Huang ist seit 1993 ununterbrochen CEO. Er hält 3,5% der Aktien und hat seine 30-Jahres-Strategie konsistent durchgehalten — auch in den Jahren, in denen CUDA kein Geld verdiente. Huang verkörpert das Hall-of-Fame-Muster: Inhaber-CEO, der durch lange Phasen scheinbarer Stagnation auf eine asymmetrische Auszahlung gewartet hat. Der ChatGPT-Moment war kein Glück; er war 18 Jahre kalkulierter Vorbereitung.

Aktuelle Lage 2026

Nvidia handelt im Mai 2026 in einer fast unhaltbar guten Position. Der Hyperscaler-Capex-Zyklus (Microsoft, Google, Meta, Amazon, Oracle) hat ein Tempo von 350+ Milliarden Dollar pro Jahr erreicht — das Meiste fließt in Nvidia. Blackwell-Architektur (B100/B200) ist im Ramp; jedes größere Modell-Trainings-Cluster der Welt sitzt auf diesen Chips. Datacenter-Umsatz nähert sich 150 Milliarden Dollar Jahresrate. Die Bewertung (35x KGV) sieht nicht extrem aus, weil der Free Cash Flow die Lücke schließt.

Risiken: Erstens, Konzentration — über 50% des Umsatzes kommt von 5 Hyperscaler-Kunden. Wenn diese den Capex bremsen oder eigene Chips entwickeln (Google TPU, Amazon Trainium, Meta MTIA), erodiert die Marge. Zweitens, geopolitisch — China-Export-Restriktionen bremsen ein 25%-Geschäftsvolumen aus. Drittens, der KI-Hype-Zyklus selbst: Wenn die Monetarisierung von KI-Anwendungen langsamer kommt als erwartet, könnten Hyperscaler ihren Capex zurückfahren. Die Hall-of-Fame-Position ist gesichert; die Frage ist, ob Nvidia in den 2030ern auch noch 36% CAGR liefert oder zur reifen Compounder-Position wechselt.

Was Anleger daraus lernen können

Drei Lehren. Erstens: Software-Lock-in schlägt Hardware-Lead. Nvidias CUDA war 15 Jahre lang das eigentliche Asset, lange bevor das in der Aktien-Bewertung sichtbar wurde. Zweitens: Founder-CEOs mit langfristiger Investition lohnen sich. Wer Huang 2010 abgeschrieben hätte, weil “Gaming-GPUs sind ein zyklisches Geschäft”, verpasste den 1000-fachen Anstieg. Drittens: Asymmetrische Auszahlungen folgen langen Phasen scheinbarer Stagnation. Nvidia handelte zwischen 2015 und 2022 mit 15-25 KGV — bei einer Firma, die längst die Kontrolle über die kommende Plattform hatte. Geduld ist hier nicht eine Tugend; sie ist eine Investitions-Strategie.