Von der KI-Fabrik zum Arbeitsplatz
Was die NVIDIA GTC Berlin 2026 für Unternehmen bedeutet
Was die NVIDIA GTC Berlin 2026 für Unternehmen bedeutet
Auf der NVIDIA GTC Berlin 2026 hat Jensen Huang eine klare Botschaft mitgebracht: KI ist kein Experiment mehr, sondern wird zur Kerninfrastruktur von Unternehmen. Im Zentrum seiner Keynote stand die Idee der „KI-Fabrik" – KI nicht als einzelnes Modell, sondern als produzierendes System aus Rechenleistung, Netzwerk, Speicher, Software und Datenmanagement. Die zentrale Erkenntnis: Infrastruktur muss vorhanden sein, bevor Modelle entstehen – ähnlich wie Stromnetze vor der Elektrifizierung.
Souveräne KI war eines der bestimmenden Themen. Huang betonte, dass Souveränität bedeutet, die eigenen Daten zu kontrollieren und handlungsfähig zu bleiben. Europa – und insbesondere Deutschland – soll KI nicht nur konsumieren, sondern selbst produzieren. Dazu kündigte NVIDIA Investitionen in europäische KI-Initiativen an und verwies auf Partnerschaften mit der deutschen Regierung sowie Unternehmen wie Siemens und Mercedes-Benz.
Ein zweiter Schwerpunkt lag auf agentischen KI-Systemen. Damit sind Systeme gemeint, die Modelle mit Werkzeugnutzung, Planungslogik und Rückkopplungsschleifen verbinden, um mehrstufige Aufgaben eigenständig auszuführen. Für Unternehmen bedeutet das: KI-Agenten rücken näher an produktive Prozesse – und damit auch Fragen nach Sicherheit und Kontrolle in den Vordergrund.
Sicherheit wurde dabei als technisches Ingenieursthema behandelt, nicht als reine Policy-Frage. Mit der OpenShell Reference Architecture und NVIDIA Sentry auf BlueField-4 DPUs erhalten Unternehmen eine Laufzeitkontrolle über autonome Agenten. Die Rollenverteilung ist dabei klar: Agenten „denken" auf Rubin-GPUs, „handeln" über Harnesses auf Vera-CPUs und werden auf BlueField-4 DPUs überwacht – Sentry kann Agenten in Millisekunden quarantänisieren, wenn sie ihre Software-Grenzen verlassen. OpenShell setzt dabei auf Kernel-Level-Sandboxing und wird von über 100 Partnern unterstützt, darunter Red Hat, Canonical, SUSE, CrowdStrike, SAP und ServiceNow.
Im Bereich Agentic AI wurden neue Nemotron-Modelle (Super VL, Bolt, Retriever-Familie), die Agent Knowledge Foundation sowie das NemoClaw-Blueprint für Agent-Optimierung vorgestellt. Wichtig einzuordnen: NemoClaw ist bereits seit März 2026 verfügbar und wurde für die OpenClaw-Community entwickelt – als Ein-Kommando-Installation, die Nemotron-Modelle und OpenShell kombiniert, um Agenten sicher und lokal lauffähig zu machen. In Berlin wurde es also nicht neu vorgestellt, sondern in den breiteren Agentic-AI-Kontext eingeordnet.
Ein weiterer neuer Baustein im Bereich KI-Fabriken war DSX POD: ein modularer Container-Referenzentwurf für komplette Vera-Rubin-AI-Factories, der vorgefertigt und validiert ausgeliefert wird. Das Onsite-Deployment schrumpft damit von bis zu sechs Monaten auf rund 14 Tage. Die Partner umfassen Dell, HPE, Lenovo, GIGABYTE, Schneider Electric und Vertiv; die Verfügbarkeit ist für Anfang 2027 angekündigt. Die neue Generation liefert laut NVIDIA 30x mehr agentische Leistung pro Megawatt und 30x mehr Tokens pro Dollar im Vergleich zu GB300 NVL72.
Nicht zuletzt ging es um physische KI – also Robotik, Fertigung, Automobile und Schwerindustrie. Huangs pointierte Formulierung: „Elektronen werden niemals Atome ersetzen." Die nächste Welle der KI ist physisch, und Deutschland mit seiner Industriebasis ist dafür ein zentraler Schauplatz. NVIDIA präsentierte umfangreiche Updates für Cosmos, Isaac Lab 3.0, Omniverse-Bibliotheken, Fahrzeugplattformen (Hyperion, Halos SAFE, Alpamayo 2) und Robotik. Einzuordnen ist hier: Cosmos 3 und Alpamayo 2 wurden bereits auf der GTC Taipei im Mai 2026 angekündigt und in Berlin in den europäischen Kontext eingeordnet. Hyperion als Fahrzeugplattform wird laut Huang von Herstellern genutzt, die rund 80 Prozent der weltweiten Autohersteller repräsentieren – darunter Volvo, Mercedes-Benz und Volkswagen.
Im Telekommunikationsbereich hat die Deutsche Telekom die kommerzielle AI-RAN-Plattform von Nokia und NVIDIA in Bonn und Oulu validiert, inklusive AI-enhanced Uplink Channel Estimation; Feldtests sind für 2027 geplant. Weitere Betreiber sind Fastweb und Vodafone in Italien, Kazakhtelecom, Orion in Serbien und Cassava in Afrika.
Die Keynote hat einen klaren Trend benannt: KI wird physisch – in Robotik, Fertigung und industriellen Anlagen. Für Unternehmen bedeutet das wachsenden Bedarf an Rechenleistung für Simulation und Training, etwa für den Transfer von simulierten Modellen in die reale Welt.Als NVIDIA-Partner mit Sitz in Bremen verfolgen wir diese Entwicklung mit besonderem Interesse – und sehen mehrere direkte Anknüpfungspunkte:
Der NVIDIA DGX Spark ist bereits Teil unseres Portfolios. Er ermöglicht es Entwicklerteams, KI-Workloads lokal auszuführen – ohne Cloud-Abhängigkeit, mit voller Datenkontrolle und ohne laufende Cloud-Kosten. Die Keynote bestätigt genau diesen Ansatz: Souveräne KI beginnt dort, wo Teams die Kontrolle über ihre Daten und ihre Infrastruktur behalten.
Unsere Kunden in regulierten Branchen – Gesundheitswesen, Fertigung, öffentliche Hand – benötigen Lösungen, die KI im eigenen Rechenzentrum betreiben und die Datenhoheit behalten. Als herstellerunabhängiger Anbieter (NVIDIA, Gigabyte, Supermicro) können wir genau das liefern: Hardwareintegration und Vor-Ort-Support aus einer Hand.
Die Keynote hat einen klaren Trend benannt: KI wird physisch – in Robotik, Fertigung und industriellen Anlagen. Für Unternehmen bedeutet das wachsenden Bedarf an Rechenleistung für Simulation und Training, etwa für den Transfer von simulierten Modellen in die reale Welt. Das berührt auch unser Kernthema: HPC-Infrastruktur. Wir beschäftigen uns seit Jahren mit der Auslegung und dem Betrieb rechenintensiver Systeme – eine Grundlage, die bei physischer KI zunehmend gefragt sein dürfte.
Die „fünfschichtige Torte" der KI-Infrastruktur lässt sich auch als Skalierungsgeschichte lesen: vom DGX Spark für den Einstieg über Gigabyte-Workstations auf Abteilungsebene bis hin zu HGX-B200-Servern für Cluster und KI-Fabriken. Wir begleiten Kunden dabei, die passende Größenordnung zu wählen – und mitzuwachsen.
Ein Bild, das auf der GTC Berlin 2026 für Aufsehen sorgte: Jensen Huang steht auf der Bühne vor einer ganzen „Roboterparade". Im Hintergrund humanoide Maschinen von Agility Robotics und Enchanted Tools, im Vordergrund – kaum größer als ein Laptop – die kleine Roboterente Microduck. Microduck ist ein Open-Source-Roboter von Hugging Face, gerade einmal 25 Zentimeter groß. Er kann laufen, sich hinsetzen und mit seinem Schnabel Gegenstände aufheben. Was zunächst nach einem Spielzeug klingt, ist für die KI-Welt ein strategischer Schachzug: Über eine derart günstige und zugängliche Hardware erhalten Entwickler weltweit einen niedrigschwelligen Einstieg in die Sim2Real-Pipeline – also den Transfer von simuliertem Training in die reale physische Welt. Hugging Face stellt dafür auf seiner Plattform kostenlos Simulationsumgebungen, Trainingsdaten und Skripte bereit.Für uns bei sysGen ist diese Szene mehr als eine nette Anekdote. Sie zeigt anschaulich, wie breit die Landschaft der physischen KI inzwischen ist: vom Ökosystem-Einstieg (Microduck) über die kommerzielle Produktion (Agility Digit) bis zur Service-Interaktion (Enchanted Tools). Und sie macht deutlich, was all diese Systeme gemeinsam haben – sie brauchen eine tragfähige Infrastruktur. Ob lokales Training auf dem DGX Spark, Abteilungs-Workstations oder HGX-B200-Server für großskalige Modellentwicklung: Die Reise von der „Ente" zur produktiven KI-Anwendung beginnt mit der richtigen Hardware und Datenkontrolle.