OpenAI schließt Compute-Deal mit AWS über 38 Milliarden US-Dollar und sieben Jahre ab

Was die 38 Milliarden US-Dollar konkret bedeuten

Die Schlagzeile lautet 38 Milliarden US-Dollar über sieben Jahre, doch die Details wiegen schwerer als die Gesamtsumme. AWS stellt OpenAI Hunderttausende NVIDIA-GPUs zur Verfügung – konkret die Chips GB200 und GB300 –, gebündelt über Amazon EC2 UltraServers, sowie die Möglichkeit, für agentenbasierte Workloads auf zig Millionen CPUs zu skalieren.

Der Zeitplan für die Umsetzung ist ambitioniert. OpenAI nutzt die AWS-Rechenleistung ab sofort, die gesamte vertraglich gesicherte Kapazität soll bis Ende 2026 bereitstehen, mit Spielraum für weiteren Ausbau 2027 und darüber hinaus. Das ist ein sehr eng gesteckter Zeitrahmen für eine Infrastruktur dieser Größenordnung.

AWS beschreibt die Architektur als GPUs, die im selben Netzwerk gebündelt sind, um niedrige Latenzen über verbundene Systeme hinweg zu ermöglichen. Die Cluster sind so ausgelegt, dass sie sowohl die Inferenz für ChatGPT als auch das Training der nächsten Modellgeneration bewältigen – nicht nur eines von beidem.

Die Aufteilung zwischen GPU und CPU deutet auf Agenten hin

Ein Detail geht leicht unter: Die GPUs übernehmen generative KI, doch der Deal sieht explizit vor, auf zig Millionen CPUs zu erweitern, um „agentenbasierte Workloads schnell zu skalieren".

Diese Unterscheidung spiegelt wider, wie Agentensysteme tatsächlich funktionieren. Der Modellaufruf selbst ist GPU-gebunden, doch die umgebende Orchestrierung – Tool-Ausführung, Datenabruf, Koordination und die vielen Schritte eines Agenten außerhalb der reinen Inferenz – läuft auf CPUs. Dass dieser Spielraum separat eingeplant wird, zeigt: OpenAI rechnet mit einem Wachstum des Agenten-Traffics, das eine klassische GPU-Kapazitätsplanung nicht abdecken würde.

OpenAI verteilt seine Rechenleistung über mehrere Anbieter

Sam Altmans Wortwahl verrät hier viel. Er beschreibt den Deal als Stärkung des „breiten Compute-Ökosystems" – eine Formulierung, die AWS als einen Anbieter unter mehreren behandelt, nicht als exklusives Rückgrat.

Die Skalierung von KI an vorderster Front erfordert massive, verlässliche Rechenleistung. Unsere Partnerschaft mit AWS stärkt das breite Compute-Ökosystem, das diese nächste Ära vorantreiben und fortschrittliche KI für alle zugänglich machen wird.Montana Labs

AWS setzt seinerseits auf operative Glaubwürdigkeit: Das Unternehmen verweist auf Erfahrung mit Clustern von über 500.000 Chips. Der Subtext: In dieser Größenordnung ist Zuverlässigkeit auf Cluster-Ebene das entscheidende Merkmal – nicht allein die Verfügbarkeit von Chips.

Die Ankündigung verweist zudem auf eine bestehende Beziehung: OpenAIs Open-Weight-Modelle laufen bereits auf Amazon Bedrock und werden von namentlich genannten Kunden wie Peloton, Thomson Reuters, Comscore und Verana Health für Coding, wissenschaftliche Analysen und agentenbasierte Workflows genutzt. Dieser Compute-Deal baut also auf einem bestehenden Vertriebskanal auf, nicht auf einem kalten Start.

Was ein Timeline-Commitment bei einem einzelnen Anbieter für Teams bedeutet, die auf OpenAI aufbauen

Für alle, die Produkte auf Basis der OpenAI-APIs entwickeln, liegt die konkrete Bedeutung in der Verlässlichkeit der Kapazitätszusage. Eine Vereinbarung mit namentlich genannten Chips, einem festen Umsetzungstermin (Ende 2026) und benannter Cloud-Infrastruktur ist ein deutlich stärkeres Signal für die kurzfristige Verfügbarkeit als vage Skalierungsversprechen.

Sie zeigt zudem, dass OpenAIs Kapazität nun über mehrere Clouds läuft. Teams, die von einer Single-Cloud-Abhängigkeit bei OpenAI ausgegangen sind, sollten dieses Bild überdenken – die Rechenleistung, die Ihre Inferenz-Aufrufe bedient, läuft womöglich zunehmend auf AWS-Hardware, unabhängig davon, welche Cloud Ihr eigener Stack nutzt.

Die praktische Erkenntnis: Führende KI-Labore konkurrieren heute ebenso über gesicherte, terminierte Compute-Verträge wie über Modellarchitektur. Wenn Kapazität der limitierende Faktor ist, ist ein 38-Milliarden-Dollar-Lieferabkommen mit festem Umsetzungsplan selbst schon eine Aussage über die Produkt-Roadmap.