Nvidia – vom Grafikchip-Spezialisten zur KI-Infrastruktur-Plattform
Seit geraumer Zeit ist Nvidia mit einer bewusst begrenzten Gewichtung eines unserer Portfoliounternehmen. Wir zeigen, warum wir den wirtschaftlichen Burggraben und das Chance-Risiko-Verhältnis heute anders beurteilen als noch vor ein paar Jahren.
Beteiligung an zentraler Infrastruktur-Plattform für KI-Anwendungen.
Integriertes Ökosystem aus Compute, Netzwerk und Software mit tiefem Burggraben.
Nvidia ist für uns keine KI- oder Momentum-Wette; moderate Bewertung bei konservativen Annahmen..
Unsere Beteiligung an Nvidia mag überraschen. Aber Halbleiter ist nicht gleich Halbleiter: Bei klassischen Speicherchip-Herstellern bleiben wir skeptisch. Unsere Zurückhaltung beruht hier vor allem auf der ausgeprägten Abhängigkeit von Knappheit, Preisen und Kapazitätszyklen. Nvidia haben wir dagegen stets als technologisch und operativ außergewöhnlich anerkannt; uns fehlte aber lange die notwendige Konfidenz in die Nachhaltigkeit der Ertragskraft und des Wettbewerbsvorteils.
Ausschlaggebend waren vor allem die hohe Abhängigkeit von wenigen Hyperscalern und deren Investitionszyklus, die eigenen Chipentwicklungen dieser Großkunden sowie die kurzen Innovationszyklen der Branche. Diese Risiken sind nicht verschwunden.
Aber Nvidias Plattform hat sich erheblich verbreitert: Rechenleistung, Netzwerktechnik, Systemarchitektur und Software bilden heute ein hochintegriertes Ökosystem. Und auch die Nachfragebasis ist wesentlich breiter geworden. Deshalb beurteilen wir den Burggraben und das Chance-Risiko-Verhältnis heute anders. Wichtig dabei ist: Nicht unsere Maßstäbe haben sich verändert, sondern unsere Beurteilung des Geschäftsmodells.
Entscheidend ist für uns: Nvidia verkauft nicht mehr nur Grafikprozessoren. Das Unternehmen verbindet Grafikprozessoren (Graphics Processing Unit, kurz: GPU), Netzwerktechnik, Systemarchitektur und Software zu einer integrierten KI-Infrastruktur-Plattform. Die neue Vera-Rubin-Plattform verdeutlicht diese Entwicklung: Die Produktionsauslieferungen begannen nach Angaben des Managements im laufenden dritten Geschäftsquartal; bereits für dieses Quartal erwartet Nvidia, dass Rubin rund 20 % zum Data-Center-Umsatz beiträgt.
Damit ist um die Hardware ein Ökosystem entstanden, dessen Burggraben breiter und tiefer ist als in der Vergangenheit. Im Zentrum steht CUDA (Compute Unified Device Architecture), eine Plattform aus Programmiermodell, Laufzeitumgebung, Bibliotheken und Entwicklerwerkzeugen. Kurzum: CUDA bietet Software-Entwicklern alles, was sie brauchen, um die enorme Rechenleistung von modernen Grafikkarten optimal in KI-Rechenzentren zu nutzen.
Weltweit arbeiten nach Angaben von Nvidia rund sechs Millionen Entwickler mit der CUDA-Plattform. Anwendungen, Modelle und Arbeitsabläufe wurden über Jahre darauf optimiert. Theoretisch ist ein Wechsel zu einem Wettbewerber möglich; in der Praxis ist es jedoch ein komplexes und risikoreiches Mammutprojekt. Nvidia verfügt somit über ein eng integriertes Ökosystem mit einem Burggraben, der breiter und tiefer ist als in der Vergangenheit.
Wer von Nvidia zu einem Wettbewerber wechseln will, tauscht deshalb nicht einfach nur einen Prozessor aus. Er muss große Teile seiner Entwicklungs-, Software- und Infrastrukturumgebung umstellen. Das verursacht hohe Wechselkosten.
Der KI-Infrastrukturzyklus hat außergewöhnliche Dimensionen erreicht. Nvidia erwartet, dass die Investitionen der fünf größten Hyperscaler 2026 knapp 800 Mrd. US-Dollar und 2027 rund 1,3 Bio. US-Dollar erreichen. Diese Größenordnungen unterstreichen die Nachfrage nach Rechenleistung – und zugleich das Risiko, dass sich Investitionsbudgets normalisieren, wenn die Renditen auf zusätzlich eingesetztes Kapital sinken.
Nvidia ist der Hauptprofiteur dieses Ausbaus, doch die Nachfrage ist weiterhin konzentriert. Im jüngsten Quartal entfielen 48,7 Mrd. US-Dollar beziehungsweise rund 51 % des Konzernumsatzes direkt auf Hyperscaler. Weitere 40,3 Mrd. US-Dollar kamen aus der Kategorie AI Clouds, Industrial & Enterprise. Diese Kategorie verbreitert die Nachfragebasis, enthält nach Angaben von Nvidia allerdings auch Hyperscaler, die zusätzliche Kapazitäten bei AI-Cloud-Anbietern nutzen.
Die wirtschaftliche Nachfragebasis ist damit breiter geworden; die Abhängigkeit vom Investitionszyklus großer Cloud- und KI-Anbieter ist aber keineswegs verschwunden. Wir beteiligen uns somit nicht an einer pauschalen KI-Wette, sondern an einer Plattform mit außergewöhnlicher Marktstellung, hohen Margen und starken Cash Flows – bewusst mit begrenzter Gewichtung.
Der Burggraben von Nvidia ist mit dem Ausbau der Plattform durch KI tiefer und breiter geworden. Gleichzeitig greifen die Wettbewerber mit zunehmend leistungsfähigen Alternativen an:
Ein Hauptrisikofaktor ist die eigene Kundschaft. Große Nvidia-Kunden wie Alphabet, Amazon, Microsoft oder Meta entwickeln eigene, auf ihre spezifischen Workloads zugeschnittene KI-Chips, – etwa Googles TPU, Amazons Trainium, Microsofts Maia oder Metas MTIA. Dadurch sollen Energieverbrauch, Kosten und Abhängigkeit reduziert werden. Diese Lösungen ersetzen Nvidia bislang meist nicht vollständig, können aber einzelne Workloads übernehmen und den Preisdruck erhöhen.
Auch offene Softwarestandards, Portabilitätslösungen und konkurrierende Entwicklerplattformen – etwa AMDs ROCm – zielen darauf, den Lock-in-Effekt des CUDA-Ökosystems zu verringern. Ein vollständiger Ersatz ist technisch anspruchsvoll, aber keineswegs ausgeschlossen.
Der wachsende Inferenz-Markt ist heterogener als das Training großer Frontier-Modelle und bietet mehr Raum für kundenspezifische Beschleuniger. Bei der Inferenz, also der Ausführung von Modellen für alltägliche Anwendungsfälle, ist Nvidia zwar weniger dominant als beim Training. Daraus folgt jedoch nicht, dass Nvidia bei Inferenz schwach wäre. Blackwell und Rubin werden gezielt für Inferenz optimiert; mit Groq 3 LPX hat Nvidia im August zusätzlich einen Beschleuniger für besonders latenzkritische agentische Anwendungen in Serienproduktion gebracht.
Wir prognostizieren weder den Zeitpunkt noch das Ausmaß einer möglichen Normalisierung. Das Risiko besteht vielmehr darin, dass zusätzliche Investitionen in Rechenzentren irgendwann geringere Renditen erzielen und die Budgets langsamer wachsen. Nvidias Plattformcharakter schützt besser als ein reines Komponentengeschäft, macht das Unternehmen aber nicht immun gegen den CapEx-Zyklus. Hinzu kommen Exportbeschränkungen und geopolitische Risiken, die den Zugang zu wichtigen Märkten und Lieferketten begrenzen können.
Diese Risiken erklären die bewusst begrenzte Gewichtung. Wir erkennen Nvidias außergewöhnliche Unternehmensqualität und zentrale Marktstellung an, ohne zu unterstellen, dass der heutige KI-Investitionszyklus unbegrenzt fortdauert.
Nvidias Firmengeschichte zeigt, dass technologische Führerschaft nicht geradlinig entsteht. Der Weg vom Grafikkartenhersteller für Gamer zu einem der technologisch führenden KI-Infrastrukturplattformen erforderte über viele Jahre hohe Investitionen und mehrere strategisch riskante Entscheidungen. Eine der wichtigsten war CUDA.
Das Geschäftsmodell von Nvidia beruht auf der engen Verzahnung von proprietärer Hardware und Software. Das Unternehmen entwickelt das Chipdesign, lässt die Halbleiter aber von Auftragsfertigern produzieren, vor allem von TSMC, mit dem seit Jahrzehnten eine enge Verbindung besteht. Dieses Modell ohne eigene Fabriken erspart Nvidia den Bau eigener milliardenteurer Produktionskapazitäten und ermöglicht hohe Kapitalrenditen.
Vollständig kapitalleicht ist das Unternehmen dennoch nicht: Forschung und Entwicklung, Vorräte, Lieferkette und die Sicherung künftiger Kapazitäten binden zunehmend Kapital. Mit CUDA besitzt Nvidia eine unverzichtbare Software-Plattform für die Nutzung der eigenen GPUs (siehe Kasten unten).
CUDA ist die von Nvidia entwickelte Programmierschnittstelle, die Grafikkarten überhaupt erst für komplexe KI-Berechnungen befähigt. Sie ermöglicht Entwicklern, GPUs über ein Programmiermodell, Bibliotheken und Werkzeuge für allgemeine parallele Berechnungen und KI-Anwendungen zu nutzen. CUDA ist das Betriebssystem, ohne das die Hardware und die heutige KI-Welt nicht läuft – doch genau diese Integration von Chip und Programmierschnittstelle hätte Nvidia beinahe zu Fall gebracht. Die Wurzeln dieses zuletzt geschaffenen Burggrabens reichen weit zurück. Genau diese enge Verbindung von Chip und Software war allerdings zunächst ein teures und riskantes Unterfangen.
Die Wurzeln von CUDA reichen zu Ian Bucks Zeit an der Stanford University zurück. Im Jahr 2000 koppelte der Student für ein Quake-3-Grafikprojekt 32 Nvidia-GeForce-Grafikkarten. Für das allgemeine Rechnen mit GPUs war vor allem seine spätere Arbeit entscheidend: Mit Kollegen entwickelte er Brook, eine Programmiersprache, mit der sich Grafikkarten einfacher für allgemeine, rechenintensive Aufgaben nutzen ließen. Nvidia holte Buck 2004 nach seiner Promotion ins Unternehmen.
CUDA wurde anschließend bei Nvidia entwickelt. Während CPUs (Central Processing Units) Aufgaben sequenziell
abarbeiten, können GPUs viele ähnliche Rechenoperationen parallel ausführen. CUDA machte diese Parallelität für weit
mehr als Grafikberechnungen programmierbar und legte damit die Grundlage für den späteren Einsatz in Wissenschaft und KI.
Im November 2006 stellte Nvidia CUDA vor. Jensen Huang traf dabei eine radikale Entscheidung: Jede Nvidia-Grafikkarte – selbst die günstigste – musste ab sofort CUDA-fähig sein. Nach Huangs eigener Darstellung brachte diese weitreichende Entscheidung Nvidia damals in erhebliche Bedrängnis. Denn sie verursachte gleich drei Probleme:
• Die zusätzliche Komplexität durch die Integration von CUDA erhöhte die Produktionskosten massiv.
• Normale Gamer hatten zunächst kaum Nutzen von CUDA und wissenschaftliche Anwendungen waren noch
eine Nische.
• Nutzung und Monetarisierung blieben anfangs gering.
CUDA erforderte erhebliche Vorleistungen, obwohl der unmittelbare kommerzielle Nutzen zunächst gering war. Nvidia
geriet in den Folgejahren stark unter Druck; dazu trugen neben hohen Vorleistungen auch schwache Endmärkte, Produktprobleme und die Finanzkrise bei. Huang hielt an seiner Vision fest, weil er an die Zukunft des „GPU-Computings“ glaubte.
Sechs lange Jahre dauerte die Durststrecke, bevor sich das Blatt wendete. 2012 präsentierten Alex Krizhevsky, Ilya
Sutskever, der später Mitgründer von OpenAI wurde, und Geoffrey Hinton bei einem weltweiten Bilderkennungs-Wettbewerb das neuronale Netzwerk AlexNet. AlexNet deklassierte die gesamte Konkurrenz.
Der Schlüssel: Die Forscher trainierten das Modell auf Nvidia-Grafikkarten mit CUDA. Aufgaben, für die sequenziell
arbeitende CPUs Wochen gebraucht hätten, erledigten die GPUs von Nvidia in Tagen. Die hohe Parallelität verkürzte die
Rechenzeit erheblich und zeigte, wie gut sich GPUs für das Training neuronaler Netze eigneten.
So erwiesen sich Nvidia-GPUs mit CUDA als besonders geeignete Infrastruktur für Künstliche Intelligenz. 2012 wandelte
sich der Nachteil, dass Huang CUDA in jede Grafikkarte hatte einbauen lassen, in einen Vorteil: Weltweit existierte bereits eine große Entwicklerbasis, die sofort „KI-Ready“ war. Aus Huangs kostspieliger Vision entstand so ein zentraler Plattformvorteil.
Der First-Mover-Vorteil verschafft Nvidia bis heute einen Vorsprung bei Innovationstempo und Marktanteilen. Die Firma steigert die Leistung ihrer Chips von Generation zu Generation drastisch und hält damit den Innovationsvorsprung aufrecht oder baut ihn sogar aus.
Als Full-Stack-Anbieter verkauft Nvidia kein Einzelteil mehr, sondern ein komplettes Ökosystem, das Nutzer langfristig bindet: Wer KI-Modelle trainieren will, bekommt Chips, Vernetzungstechnologie und optimierte Software aus einer Hand. Der Lockin-Effekt durch CUDA ist das stärkste Element des Burggrabens. Die Softwareplattform ermöglicht es Entwicklern, GPUs für KI-Berechnungen zu programmieren. Da ein großer Teil der KI-Forscher und -Entwickler seit fast zwei Jahrzehnten CUDA nutzen, läuft die Software, die für Nvidia-Chips geschrieben wurde, nicht ohne Weiteres auf Konkurrenz-Chips.
Selbst wenn ein Konkurrent einen schnelleren Chip entwickelt, kauft ihn kaum jemand, weil die Software nicht läuft oder aufwändig umgeschrieben werden müsste. Dieser Netzwerkeffekt schützt Nvidia und hat sich zu einem echten Burggraben entwickelt. Die erfolgreichen Eigenentwicklungen der Hyperscaler zeigen allerdings, dass Alternativen möglich sind. Die Wechselkosten sind erheblich, aber nicht unüberwindbar.
Nvidia ist hochprofitabel und investiert eigenes Geld in Forschung und Entwicklung. Das vergrößert den Vorsprung gegenüber Wettbewerbern, die oft fremdfinanziert und/oder defizitär arbeiten.
Den Stärken des Geschäftsmodells stehen klare Risiken gegenüber. Deshalb halten wir die Gewichtung bewusst begrenzt. Wir beteiligen uns an Nvidia nicht aus Momentum-Erwägungen und nicht aufgrund von „KI“ als Schlagwort, sondern wir investieren in einen Infrastruktur- und Plattformanbieter – mit klarem Blick auf die bestehenden Risiken und Abhängigkeiten.
Nvidia produziert seine High-End-Chips nicht selbst – das Auslagern an Auftragsfertiger ist profitabel, schafft aber große Abhängigkeit. Nvidia ist bei der Fertigung sehr stark von Taiwan Semiconductor Manufacturing Company (TSMC) und wenigen anderen Zulieferern abhängig. Geopolitische Spannungen, Naturkatastrophen oder Engpässe könnten die Lieferkette abrupt stören und Kosten erhöhen.
Nvidia erzielt den Großteil seines Data-Center-Umsatzes mit wenigen Tech-Giganten wie Microsoft, Meta, Alphabet
und Amazon. Wenn diese ihre Investitionen drosseln oder verstärkt auf eigene Lösungen umsteigen, spürt Nvidia das
sofort. Gleichzeitig bleibt ein Teil des als breiter ausgewiesenen AI-Cloud-Geschäfts mittelbar vom Hyperscaler-Ausbau abhängig. Eine Drosselung der Investitionen würde Nvidia daher unmittelbar treffen.
Auch wenn KI gerade boomt und ein Ende des Superzyklus nicht vorhersagbar ist, bleibt die Chipbranche zyklisch. Phasen von Kapazitätsengpässen und hohen Margen können rasch in Überkapazitäten umschlagen. Obwohl Nvidia keine eigenen Fabriken betreibt, hat das Unternehmen einen erheblichen Teil des Beschaffungs- und Kapazitätsrisikos vertraglich übernommen. Per Ende Juli bestanden Liefer- und Kapazitätsverpflichtungen von 279 Mrd. US-Dollar, vor allem für Speicher und Fertigungsstätten. Knapp 96 % werden bis zum Ende des Geschäftsjahres 2029 fällig. Bestimmte Vereinbarungen können vor festen Bestellungen gekündigt, verschoben oder angepasst werden; Nvidia warnt jedoch selbst, dass dies bei schwächerer Nachfrage möglicherweise nicht ausreichend gelingt und zusätzliche Kosten entstehen können.
Nvidia nutzt seine Finanzkraft zunehmend, um Kunden und den Ausbau der KI-Infrastruktur zu unterstützen. Finanzvorständin Colette Kress begründete dies damit, dass Frontier-AI-Labs schneller wachsen, als ihre Bilanzen und Kreditprofile die notwendige Infrastruktur tragen können. Nvidia hat nach eigenen Angaben knapp 50 Mrd. US-Dollar in solche Unternehmen investiert und arbeitet mit großen Kapitalgebern an Finanzierungsplattformen über mehr als 500 Mrd. US-Dollar.
Für das kommende Jahr erwartet das Management, dass etwa ein Viertel des Geschäfts auf AI-Labs entfallen könnte, bei denen Nvidia seine Bilanz selektiv einsetzt. Das kann das Ökosystem und die künftige Nachfrage stärken, erhöht aber auch Gegenpartei-, Finanzierungs- und Ausführungsrisiken. Wichtig ist: Diese Ausgaben sind nicht mit laufenden Betriebskosten gleichzusetzen: Nvidia erwirbt Vermögenswerte und Technologie.
Kundenkonzentration und Konkurrenz für CUDA durch Open-Source-Software,
Eigenentwicklungen der Hyperscaler sowie
regulatorischer und geopolitischer Druck.
Zu Beginn des KI-Infrastrukturbooms dominierte das Denken in „Tonnage“: Welches Unternehmen baut mit welchen KI-Chips wie viel Rechnerleistung auf? Diese Sicht bleibt wichtig. Aber: Irgendwann ist in dieser Logik genügend Kapazität aufgebaut und jede zusätzliche Einheit kostet nur noch Geld, ohne eine angemessene Rendite zu erzielen. Kapital wird vernichtet.
Wenn eine KI mit weniger Aufwand das gleiche Ziel erreichen kann, dann benötigen die Unternehmen ja weniger Rechenkapazität als geplant, also sind einige der Investitionen in KI-Rechenzentren plötzlich überflüssig. Aber dieser Gedanke springt zu kurz.
Der Denkfehler liegt gerade im Festhalten an dieser Tonnenideologie. In der Aufbau- und Einführungsphase neuer Technologien mag diese Sicht wichtig sein. Mit dem Fortschritt verliert sie an Bedeutung. An ihre Stelle tritt das Effizienzdenken: Chips und Prozessoren, also sogenannte GPUs, werden je Recheneinheit günstiger. KI-Modelle werden leistungsfähiger. Zugleich entstehen immer neue Anwendungen. Günstigere Angebote ziehen mehr Nutzer an. Die wachsende Verbreitung senkt die Kosten. gleichzeitig geben mehr Nutzer mehr Geld dafür aus oder verdienen mit neuen Anwendungen Geld.
Genau diese Entwicklung sehen wir bei KI. Je günstiger und leistungsfähiger Rechenleistung wird, desto mehr Anwendungen rechnen sich. Wir erleben gerade den Übergang von klassischen KI-Anwendungen, etwa dem Training von Sprachmodellen, hin zu agentischer KI. Effizientere Hardware und Software senken die Kosten je Recheneinheit. Gleichzeitig wächst der Einsatzbereich durch KI-Agenten weiter.
Das verändert unsere Einschätzung von Nvidia. Wir schauen nicht mehr nur auf die Menge der verkauften Chips. Wir betrachten die wirtschaftliche Produktivität der gesamten Plattformlösung von Nvidia. Das Unternehmen verbindet GPUs, CPUs, Netzwerktechnik und Software zu einer Infrastruktur. Mit dieser Infrastruktur lässt sich eine wachsende Zahl von KI-Anwendungen wirtschaftlich betreiben.
Der entscheidende Punkt für uns ist: Effizienz senkt die Nachfrage nach Rechenleistung nicht. Sie macht Rechenleistung wirtschaftlich attraktiver. Über das Wachstum der Einsatzfelder entsteht so zusätzliche Nachfrage nach Rechenleistung. Bei Nvidia sehen wir heute einen Wettbewerbsvorteil als Anbieter einer Gesamtlösung, der über die Leistungsfähigkeit einzelner Speicherchips hinausgeht.
Klar ist, dass sich das Wachstum nicht dauerhaft immer weiter beschleunigen kann. Früher oder später wird sich der CapEx der Hyperscaler auch wieder normalisieren müssen. Dabei ist jedoch zu bedenken, dass Alphabet, Microsoft & Co. ihren CapEx für mehr Rechenleistung („Compute“) schon heute hochprofitabel monetarisieren. Aus der realen Rekordnachfrage der Kunden nach KI- und Cloud-basierten Diensten können aber nur dann echte Umsätze werden, wenn die benötigten Rechenkapazitäten vorhanden sind.
Die Folge: Mehr Compute bedeutet für die Hyperscaler direkt mehr Umsatz. Als Dreh- und Angelpunkt der KI-Infrastruktur verfügt Nvidia daher über eine hohe Visibilität in Bezug auf seine Wachstumsaussichten. Wenn nun CEO Huang für das kommende Geschäftsjahr 2028 ein Wachstum von 70 % auf dann fast 700 Mrd. US-Dollar Umsatz erwartet, ist das kein Wunschdenken, sondern Ergebnis realer Nachfrage.
Wir selbst kalkulieren dennoch bewusst konservativer, auch konservativer als die Analysten, die im Konsens mit einem Umsatzanstieg von rund 45 % gerechnet hatten. Wenn Nvidia im nächsten Jahr tatsächlich “nur” mit 40 % wachsen sollte, würde der Umsatz auf rund 560 Mrd. US-Dollar zulegen. Bei einer angenommenen Free Cash Flow-Marge von 40 % würde Nvidia somit als weltweit erstes Unternehmen in einem einzigen Jahr weit über 200 Mrd. US-Dollar an freiem Cash Flow erzielen. In den optimistischeren Szenarien wären es sogar über 300 Mrd. US-Dollar.
Gemessen am aktuellen Enterprise Value von rund 5.500 Mrd. US-Dollar entspricht dies dem rund 25-Fachen des erwarteten Free Cash Flows von 225 Mrd. US-Dollar (≈ 560 Mrd. US-Dollar mal 40 % Free Cash Flow-Marge). Für ein derart schnell und hochprofitabel wachsendes Qualitätsunternehmen ist das moderat. Eine Abkühlung des KI-Investitionszyklus zum Beispiel durch nachlassende Lieferengpässe und infolgedessen sinkende Knappheitsprämien für GPUs ist in der Bewertung zumindest partiell eingepreist.
Dies unterscheidet Nvidia elementar von anderen KI-Firmen. Während Nvidia sehr hohes Wachstum mit einer fundamental moderaten Bewertung vereint, drängt aktuell mit Anthropic ein Unternehmen an die Börse, das zwar ebenfalls rasant wächst, aber noch auf Jahre hinaus Geld verbrennen wird. OpenAI hat seine Börsenpläne für 2026 mittlerweile abgesagt. Vor diesem Hintergrund ist Nvidia – wie es CEO Jensen Huang treffend sagte – tatsächlich eine echte „Growth Value Stock“. Oder wie wir sagen würden: eine echte, robuste Gewinnmaschine.
| Umsatz | 96,2 Mrd. USD |
| Umsatzwachstum (berichtet) | 106 % |
| Operative Marge | 66,5 % |
| Free Cash Flow (FCF) | 47,6 Mrd. USD |
| Free Cash Flow-Marge (nwc-bereinigt) | 49,5 % |
| Nettofinanzposition (inkl. Net Working Capital) | 168 Mrd. USD |
| Eigenkapital | 229 Mrd. USD |
| Eigenkapitalquote | 71,5 % |
| Kapitalverzinsung (RoCe) | > 100% |
| Enterprise Value | ≈ 25 x FCF FY2028e |
Wertentwicklungen der Vergangenheit bieten keine Gewähr für zukünftige Entwicklungen. Quelle: Geschäftsbericht Nvidia, Berechnungen Wagner & Florack
Stand: 28.09.2026
Nvidia verfügt über ein hochprofitables Geschäftsmodell und eine technologisch perfekt integrierte Plattform aus Rechenleistung, Netzwerk und Software. CUDA, die Systemarchitektur und das hohe Innovationstempo schaffen einen tiefen Burggraben. Dieser ist jedoch nicht unanfechtbar: Einerseits durch Großkunden, die eigene KI-Beschleuniger entwickeln; andererseits durch Open Source-Softwareplattformen, die Wechselkosten verringern sollen. Außerdem bleibt die Kunden- sowie CapEx-Konzentration relevant.
Vor diesem Hintergrund beteiligen wir uns an Nvidia weder als vermeintlich sicherem KI-Gewinner noch aus Börsen-Momentum. Wir investieren begrenzt in ein Unternehmen, dessen Geschäftsmodell und Burggraben sich aus unserer Sicht wesentlich verbreitert haben. Nvidia spielt beim Aufbau der KI-Infrastruktur eine zentrale Rolle und besitzt mit CUDA und den GPUs ein eigenes Ökosystem. Nicht unsere Investmentprinzipien haben sich geändert, sondern unsere Beurteilung des Geschäftsmodells.
Jeden Monat liefern Ihnen Dominikus Wagner und Dr. Dirk Schmitt erstklassige Analysen, Kommentare und Unternehmensbeispiele in unserem Magazin – fundiert, fokussiert und unternehmerisch gedacht.
Disclaimer: Sämtliche Angaben und Inhalte dieses Blogs enthalten ausschließlich die subjektive Meinung des Erstellers; sie erfolgen ausschließlich zu Informationszwecken und stellen keine Empfehlung oder Aufforderung zur Zeichnung, zum Kauf, zum Verkauf, zum Tausch oder zum Halten bestimmter Finanzinstrumente dar. Weder durch die Lektüre dieses Blogs, noch durch die darin ausgesprochenen Empfehlungen oder wiedergegebenen Meinungen kommt ein Anlageberatungs- oder Anlagevermittlungsvertrag zustande. Jegliche Entscheidung zur Zeichnung, zum Kauf oder zum Verkauf in Bezug auf ein in diesem Blog erwähntes Finanzinstrument sollte nicht auf Grundlage dieses Blogs, sondern ausschließlich nach vorheriger eingehender Beratung durch einen professionellen Anlageberater oder Vermögensverwalter erfolgen. Die vorliegenden Angaben können eine auf Ihre individuellen Verhältnisses und Ihre Anlageziele zugeschnittene Beratung nicht ersetzen. Die Ausführungen stellen auch keine Anlagestrategieempfehlung i.S.d. Artikels 3 Absatz 1 Nummer 34 der Verordnung (EU) Nr. 596/2014 oder Anlageempfehlungen im Sinne des Artikels 3 Absatz 1 Nummer 35 der Verordnung (EU) Nr. 596/2014 dar und unterliegen daher nicht den gesetzlichen Anforderungen zur Gewährleistung der Unvoreingenommenheit. Der Herausgeber/Ersteller und die von ihm zur Erstellung dieses Blogs beschäftigten Personen haben die größtmögliche Sorgfalt darauf verwandt, sicherzustellen, dass die für diesen Blog verwendeten und zugrundeliegenden Tatsachen vollständig und zutreffend sowie die herangezogenen Einschätzungen und aufgestellten Prognosen realistisch sind. Die zugrunde gelegten Informationen und Daten stammen aus öffentlich zugänglichen Quellen, die vom Herausgeber/Ersteller für zuverlässig gehalten werden. Gleichwohl kann der Herausgeber/Ersteller keine Haftung für die Aktualität, Richtigkeit, Vollständigkeit oder Qualität der Informationen und Daten übernehmen. Einschätzungen geben die Meinung des Herausgebers/Erstellers zum Zeitpunkt der Veröffentlichung wieder. Der Herausgeber/Ersteller dieses Blogs hat die zugrunde gelegten Informationen nicht auf Richtigkeit und/oder Vollständigkeit geprüft und übernimmt für die Richtigkeit und Vollständigkeit der Informationen keine Haftung. Insbesondere haftet er nicht für indirekte und/oder direkte Schäden und/oder Folgeschäden. Der Herausgeber/Ersteller dieses Blogs übernimmt ferner keine Gewähr oder Haftung für die Angemessenheit der herangezogenen Einschätzungen oder für den Eintritt der aufgestellten Prognosen. Jede Investition in Aktien und anderen Finanzinstrumente ist mit Risiken behaftet, die je nach Produkt sogar bis zu einem Totalverlust des gesamten eingesetzten Kapitals führen können. In der Vergangenheit erzielte Erfolge bieten keine Gewähr für künftige Entwicklungen. Die Veröffentlichung kann durch aktuelle Entwicklungen überholt sein, ohne dass die in ihr enthaltenen Informationen geändert wurden. Der Herausgeber/Ersteller hat keine Aktualisierungspflicht. Er weist darauf hin, dass Änderungen in den verwendeten und zugrunde gelegten stichtagsbezogenen Daten und Tatsachen bzw. in den herangezogenen Einschätzungen maßgeblichen Einfluss auf die Gesamteinschätzung haben können. Etwaige Ausführungen zu steuerlichen Gegebenheiten beinhalten lediglich allgemeine Angaben, die auf der Grundlage des derzeit geltenden Rechts erfolgen. Die Ausführungen stellen keine Steuerberatung dar, sie ersetzen nicht die Beurteilung Ihrer individuellen steuerlichen Verhältnisse durch einen Steuerberater. Bevor Sie sich zum Abschluss eines Geschäfts aufgrund der im Blog kommunizierten Meinungsäußerungen entschließen, vergewissern Sie sich bitte, dass Sie die Funktionsweise des Geschäfts und die sich hieraus für Sie ergebenden Folgen verstehen. Wir empfehlen Ihnen, eine eigene Bewertung des beschriebenen Produkts dahingehend vorzunehmen, ob dies unter Berücksichtigung Ihrer persönlichen Situation und der von Ihnen verfolgten Ziele sowie der dem Erwerb innewohnenden typischen Risiken und Gewinnmöglichkeiten für Sie geeignet ist. Für diese Bewertung sollten Sie auch Auskünfte Ihrer eigenen Berater vor Abschluss des Geschäfts einholen. Der Herausgeber/Ersteller und die von ihm zur Erstellung dieser Veröffentlichung beschäftigten Personen haben die größtmögliche Sorgfalt darauf verwandt, sicherzustellen, dass die für diese Veröffentlichung verwendeten und zugrundeliegenden Tatsachen vollständig und zutreffend sowie die herangezogenen Einschätzungen und aufgestellten Prognosen realistisch sind.
