Während Muse und Astra das Zeitalter der „Digitalen Arbeitskräfte“ einläuten, hat Elon Musk ein Auge auf das Angebot von „KI-Rechenleistung“ geworfen! SpaceX (SPCX.US) macht die KI-Konkurrenten zu großen Kunden.

Wie das Nachrichtenportal Intelligente Finanzen APP berichtet, scheint SpaceX (SPCX.US), gegründet und geleitet von Elon Musk, mit einer Marktkapitalisierung von fast 2 Billionen US-Dollar und als Spitzenreiter im Bereich „AI+Weltraumforschung“, sein „AI-Ehrgeiz“ zu erweitern – vom Wettlauf um die KI-Modellführerschaft hin zur umfassenden weltweiten Vermietung oder dem Verkauf seiner riesigen AI-Computing-Ressourcen an die globale AI-Industrie. Der neueste Bericht von The Information vom 1. Oktober enthüllt, dass laut mehreren Insidern der ursprünglich für Grok genutzte interne AI-Supercomputing-Cluster sich zu einem neuen Geschäftszweig gewandelt hat: dem Angebot von „Neocloud“-Kaliber KI-Computing-Kapazitäten zur Miete oder zum Verkauf, um die Nachfrage großer AI-Cloud-Kunden und Entwickler wie Anthropic und Google zu bedienen.

SpaceX plant, laut Berichten, im November etwa 420.000 Nvidia-GPUs zu aktivieren, den Minihard-Campus in Memphis zu erweitern und Kapazitäten für einen neuen Vertrag mit rund 1,1 Milliarden US-Dollar monatlichem Volumen ab Dezember vorzubereiten; im Sommer wurden mit Microsoft Gespräche über Computing-Vermietung geführt, ein Abschluss steht jedoch noch aus. Der Wettbewerb rund um AI-Modelle fördert kontinuierlich die Nachfrage, während SpaceX versucht, seine Fähigkeit zum effizienten Aufbau von AI-Infrastruktur und die starke Power-Ressourcen rund um AI-Systeme in eine Steigende Umsatzkurve zu verwandeln. Dies erklärt auch, warum der Markt SpaceX' Bewertung als „AI-Computing-Unternehmen“ stärker gewichtet – seit dem Tief Anfang August ist der Aktienkurs um fast 40% gestiegen, die Marktkapitalisierung nähert sich 2 Billionen US-Dollar.

Die Beteiligung von Google, einer Tochter von Alphabet, hat vor allem für die Industrie der AI-Computing-Ketten Signalwirkung: Laut offengelegtem Vertrag erhält Google rund 110.000 Nvidia-GPUs sowie CPUs, DRAM-Speicher und NAND-Datacenter-Storage-Systeme. Vorgesehen ist eine monatliche Zahlung von 920 Millionen US-Dollar von Oktober 2026 bis Juni 2029. Dass sogar Giganten mit eigener TPU und riesiger Cloud-Infrastruktur weitere Computing-Kapazitäten zukaufen, zeigt, dass der Wettbewerb in der AI auch ein Kampf um verfügbare Kapazitäten und zeitige Verfügbarkeit ist.

Der US-amerikanische Speicherchip-Riese Micron, einer der drei weltweit führenden Speicherhersteller, hat jüngst starke Ergebnisse veröffentlicht und die beispiellose Investitionswelle zur AI-Infrastruktur auch in die Gewinn- und Verlustrechnung von Computing-Anbietern übersetzt: Micron erwirtschaftete im vierten Quartal des Geschäftsjahres 2026 einen Umsatz von 54,229 Milliarden US-Dollar, ein Plus von rund 379%, mit einem bereinigten Gewinn je Aktie von 33,42 US-Dollar; die Prognose für das nächste Quartal liegt bei 61,5 Milliarden ±1,5 Milliarden US-Dollar. Das Quartalssegment für Datacenter-SSDs erzielte beinahe 10 Milliarden US-Dollar und übertraf das Vorjahr um das Zehnfache; die meisten HBM-Lieferverträge für 2027 sind bereits abgeschlossen, bei deutlich höheren Preisen. Das Management erwartet, dass die Speicher-Lieferengpässe in den Jahren 2027—2028 gegenüber der ohnehin angespannten Lage neue Rekorde erreichen – was zeigt, dass die AI-Nachfrage den gesamten AI-Computing-Supply-Chain, inklusive Speicher, massiv antreibt und den kommerziellen Wert steigert.

Der Schlüssel zur Transformation von SpaceX liegt darin, zuvor wenig genutzte Ressourcen in verkaufbare Services umzuwandeln. Laut The Information lag die Auslastung des Clusters Colossus letztes Jahr zeitweise bei unter 40% und auch im Frühjahr noch im unteren Bereich; Musk war zunächst gegen die Vermietung von Kapazitäten, nahm aber dann die Nachfrage von Anthropic an und revitalisierte die für das Grok-Training weniger effizienten H100-Kapazitäten. The Information berichtet außerdem, dass SpaceX das Problem der sicheren Multi-Tenant-Isolation im System gelöst hat. Zwischen Chip-Eigentum und Cloud-Service-Erlös bestehen zahlreiche Hürden: Scheduling, Software, Sicherheit und Kundenschnittstellen; erst wenn diese gemeistert sind, können lokale Überkapazitäten in dringend benötigte Industrie-Kapazität verwandelt werden.

Um die Auslieferung zu beschleunigen, hat das Unternehmen Gas-Turbinen im Wert von mehreren hundert Millionen US-Dollar im Voraus angeschafft, ABB-Roboter für das Kabelmanagement eingeführt, modulare Bauweise und parallele Installation genutzt – das Prinzip lautet: „Strom vorab sichern, Bauzeit verkürzen, Zuverlässigkeit steigern“, und gemeinsam mit Humain aus Saudi-Arabien wird ein 500MW-Datacenter beschleunigt. Gleichzeitig könnten Entwässerungs- und Strukturprobleme in Colossus II zu mindestens zwei bis drei Wochen Verzögerung führen, wofür SpaceX Ingenieure rotieren und Projektmanagement und Zuverlässigkeit verstärkt.

Diese Details verdeutlichen – entscheidend für die kommerzielle Größe von AI-Computing-Ressourcen ist die vollständige Lieferfähigkeit von Strom über Bau bis zum stabilen Betrieb; das ist die Kernkompetenz von SpaceX: effizientes Integrationspotenzial von AI-Computing. Kunden kaufen kontinuierlich laufende Computing-Services, die Lieferfähigkeit muss die gesamte Kette von Strom bis Cluster-Stabilität abdecken. Anthropic und Google waren lange die stärksten Konkurrenten von Musk's gegründetem xAI (mittlerweile von SpaceX übernommen) im Bereich AI-Modelle und AI-Agenten – jetzt sind sie die größten Kunden von SpaceX und sichern SpaceX weiteres Wachstum in der „AI-Agenten-Ära“, steigern Auslastung und breiten die Umsatzquellen aus.

AI-Agenten übernehmen Unternehmensprozesse: Jede Command startet das gesamte AI-Datacenter

Finanzdaten aus dem jüngsten IPO-Prospekt des globalen AI-Modelle-Leaders Anthropic zeigen von der AI-Computing-Nachfrageseite, warum SpaceX diese Transformation vollzieht. Besonders relevant: Die Ausgaben für AI-Computing sind deutlich gewachsen. Aus Anthropic's vertraulichem IPO-Prospekt, über das Medien berichteten, geht hervor: Für 2025 wird ein Umsatz von rund 4,6 Milliarden US-Dollar erwartet, operativer Verlust 8,06 Milliarden US-Dollar, Ausgaben für Computing und Infrastruktur 7,33 Milliarden US-Dollar – dreimal so viel wie im Vorjahr und etwa 58% der Gesamtbetriebskosten von 12,65 Milliarden US-Dollar. Die IPO-Daten zeigen: Die Kommerzialisierung von fortschrittlichen Modellen erweitert gleichzeitig Umsätze und Computing-Ressourcenverbrauch; Investitionen in Training, Inferenz und Infrastruktur für AI-Agenten/Modelle dominieren weiterhin gegenüber realisierten Profiten.

Von Anthropic gibt es langfristige Infrastrukturverpflichtungen von mindestens 518 Milliarden US-Dollar für die nächsten zehn Jahre, etwa 80% davon sind nicht kündbar oder müssen unabhängig von Nutzung bezahlt werden; die Verpflichtung gegenüber SpaceX/xAI bis 2029 maximal 84,5 Milliarden US-Dollar ist meist mit einer 90-Tage-Stornierungsoption ausgestattet. Zu beachten ist: Dies sind zukünftige Vertragsverpflichtungen, die separat zu aktuellen Ausgaben und bereits gebuchten Umsätzen betrachtet werden sollten. Alles weist darauf hin: Die weltweit fortschrittlichsten AI-Modell-Labore sichern sich mit langfristigen Verpflichtungen zukünftige Kapazitäten, SpaceX strebt über schnelle Bauzeiten eine gestärkte Lieferposition an.

Ein Bericht von Medien unter Berufung auf Insider besagt, dass Anthropic einen Vertrag unterzeichnet hat, um bis zu 84,5 Milliarden US-Dollar zu zahlen, um bis 2029 AI-Computing von SpaceX zu nutzen, dem „AI+Weltraumforschungs“-Leader unter Musk. Dies bedeutet, dass die für SpaceX fälligen Computing-Gebühren fast doppelt so hoch sind wie bisher angenommen – dies verdeutlicht, dass je schneller die Kommerzialisierung von AI-Modellen und „Agenten-Workflows“ voranschreitet, desto strategischer wertvoll werden rechtzeitig ausgelieferte und stabil laufende Computing-Cluster.

Neueste Fortschritte von Muse, Astra und Anthropic Claude legen die technologische Basis für die Skalierung von AI-Anwendungen in allen Branchen und die weitere Steigerung des Computing-Bedarfs – insbesondere breitere Agenten-Applikationen erhöhen die Nachfrage nach AI-GPUs/TPUs, hochleistungsfähigen CPUs, leistungsfähigen Datacenter-HBM/DRAM/NAND-Speicherchips und schnellen optischen Interconnects.

In der Architektur von AI-Inferenzsystemen übernehmen GPU und spezialisierte Beschleuniger die Modellberechnung, die CPU wandelt Inferenzresultate in tatsächliche Operationen um, Memory und Storage sichern und rufen Aufgabenstatus ab. Längere Kontexte und Multi-Runden-Operationen erhöhen die Pre-Fetching- und KV-Cache-Anforderungen, Browser, Code-Sandboxen, Retrieval und Task-Management erhöhen die CPU-Last im Server, Dateien, Datenbanken, persistente Erinnerung und Cache-Schicht erweitern die Nachfrage nach Server-DRAM, Enterprise-SSDs und Hochgeschwindigkeitsnetzwerken. Nvidia beschreibt die AI-Agenten-Inferenz in seinen technischen Papieren als gewaltiges Systemprojekt, das GPU-HBM, CPU-DRAM, lokale NVMe und Remote-Storage sowie für Datenübertragung unverzichtbare interne optische Highspeed-Verbindungen umfasst.

Nach Einschätzung von Anthropic-Management sind Speicherchip-Komponenten bei Datacenter-Servern und AI-GPUs weiterhin die eindeutigsten Engpässe in der AI-Computing-Kette. Die Marktstudienagentur TrendForce erwartet, dass die DRAM-Vertragspreise für Server bis 2026 um etwa 270% steigen, die Enterprise-SSD-Preise um etwa 235%; für HBM wird bis 2027 ein Preissprung um 70%—140% erwartet – also weiter Verdopplung. Diese Zahlen verdeutlichen die Beziehung zwischen wachsender AI-Computing-Nachfrage und Speicherchip-Preisanstieg. TrendForce berechnet, dass die NVL72-Rack-Auslieferungen, inklusive Blackwell und Vera Rubin Plattformen, 2027 um über 50% gegenüber dem Vorjahr steigen; die Marktforschung zeigt, dass der Systemvalue von rund 226 Milliarden US-Dollar 2026 auf 711 Milliarden US-Dollar 2027 wächst – ein Plus von 214%.

Muse und Astra bewirken den Kernwandel, dass „digital workforce“ der neue Hauptverbraucher für Computing-Leistung wird. Meta’s Muse wird durch Muse Spark betrieben und hat eigene virtuelle Maschinen in der Cloud, kann Aufgaben auch nach Verlassen der App fortführen und lässt Aktionen durch einen unabhängigen Sentinel-Agenten prüfen; OpenAI’s GPT-6 Astra stellt dots Funktionen zur Verfügung, jeder Agent hat eine Cloud-Computer, Browser und Tools, kann fortlaufende Aufgaben bearbeiten und Sub-Agents delegieren. Eine Nutzerweisung löst eine Kette aus Planung, Retrieval, Ausführung, Prüfung und erneuter Inferenz.

Die allgemeine Mechanik der AI-Computing-Nachfrage lässt sich so zusammenfassen: Gesamter Inferenz-Arbeitsaufwand ≈ Anzahl aktiver Nutzer x Aufgabenfrequenz pro Nutzer x Modellaufrufe pro Aufgabe x Computing-Aufwand pro Aufruf. Erhöhte Durchdringung kurbelt den ersten Faktor, Automatisierung von Workflows und Multi-Agent-Kollaboration expandieren die mittleren Faktoren. Anthropic zeigte in früheren Studiendaten, dass AI-Agenten etwa viermal so viele Tokens wie typischer Chat verbrauchen, Multi-Agent-Systeme rund 15 Mal – diese Zahlen gelten nicht direkt für Muse oder Astra, zeigen aber den Wandel im Ressourcenverbrauch von „Fragen beantworten“ zu „Komplexe Aufgaben effizient erledigen“.

Tiefere Wachstumstreiber sind gesunkene Kosten pro erfolgreicher Aufgabe, die den Bereich wirtschaftlich nutzbarer AI-Arbeit erweitern. Astra steigert in öffentlichen Benchmarks simultan die Fähigkeit und Token-Effizienz, so dass Nachfragewachstum nicht zwingend höhere Ressourcen pro Aufgabe erfordert – solange neue Aufgabenzahlen den Ressourcenspar-Effekt pro Aufgabe ausgleichen, wächst der Gesamtbedarf weiter. Außerdem sorgen Open- und Closed-Source-Modell-Wettstreit für Qualitätsverbesserung, niedrigere Nutzungsbarrieren und breitere Anwendungsszenarien – insgesamt vergrößert das den Bedarf an AI-Computing-Ressourcen.

Die „Delivery-Killergrenze“ des AI-Booms: Wie SpaceX das 3-Billionen-Dollar-Bewertungspotenzial erschließt

Die beschleunigte Verbreitung und Integration von Muse und Astra-Agenten verändert die Ressourcenstruktur im Datacenter: Die GPU übernimmt die Modellberechnung, die CPU betreibt Browser, Code-Sandboxen, Toolaufrufe, Datenverarbeitung und Tasks; lange Kontexte und hohe Parallelität erhöhen den Bedarf an aktiven KV-Caches und treiben die HBM-Kapazitäten und Bandbreite nach oben, DDR unterstützt VM-, Tool-Prozesse und Cachedaten-Auslagerung, Enterprise-SSDs sichern Dateien, langfristige Memories und Schichtspeicher für Kontexte. Cross-Node Pre-Fetch/Decode Separation fordert Netzwerkbeschleunigung, optische Interconnects. Effektive Computing-Leistung hängt davon ab, ob das Gesamtsystem synchron skalierbar ist.

Dies erklärt, warum Investoren zunehmend auf CPUs, Speicher und interne optische Highspeed-Verbindungen im Datacenter setzen. Am 21. September trieb die explosive Muse-Nachfrage AMD um rund 10% nach oben, Intel um 12% und Arm um 17%; Koreas Septemberdaten, veröffentlicht am 1. Oktober, liefern Herstellungssignale (Korea beherbergt zwei der größten Speicherchip-Hersteller – SK Hynix und Samsung Electronics): Halbleiterexport 60,3 Mrd. US-Dollar, ein Anstieg um 262,8% zum Vorjahr; Computerexport 7 Mrd. US-Dollar, plus 435,3%; Halbleiter-Equipment-Import 3,44 Mrd. US-Dollar, plus 50,8%. Exportwerte steigen durch Menge und Preis, Equipment-Import durch weitergeleitete Computing-Nachfrage und Ausbau der Halbleiterproduktionskapazitäten.

Wall-Street-Analysten schlussfolgern: Die beispiellose AI-Investitionswelle formt eine „AI-Computing-Delivery-Killergrenze“ – das kommerzielle Limit bestimmt immer mehr, wie viel erfolgreiche Aufgaben Unternehmen zu welchen Kosten, mit welcher Verzögerung und Zuverlässigkeit liefern können. SpaceX sichert Strom, baut Cluster aus, akquiriert Kunden und stärkt Stabilität – und kämpft so um eine Führungsposition in dieser Grenzzone. Für Investoren werden die Bewertungsmaßstäbe konkreter: verfügbarer Strom, pünktlich ausgelieferte Kapazitäten, bezahlte Auslastung, erfolgreiche Tasks pro Megawatt und finaler Cashflow.

Wall-Street-Finanzinstitut TD Cowen deckte SpaceX Ende September erstmals ab, vergab „Buy“-Rating und 200 Dollar Kursziel, was gegenüber dem Schlusskurs am 1. Oktober von 148,07 Dollar rund 35,1% Kurspotenzial ausmacht; Kerngedanke: AI-Computing-Vermietung wird kurzfristig Hauptwachstumstreiber, 2027 sollen 66 Mrd. Dollar Umsatz damit erzielt werden und 58% der Gesamteinnahmen ausmachen, ab Q1 2027 über die Hälfte des Umsatzes beitragen. Goldman Sachs vergibt „Buy“-Rating und 220 Dollar Kursziel binnen 12 Monaten, Morgan Stanley „Overweight“ mit bis zu 300 Dollar Kursziel, UBS „Buy“ mit 210 Dollar Kursziel, Bank of America „Buy“ mit 235 Dollar Kursziel.

S&P Global fasst bis 30. September die Meinungen von 37 Wall-Street-Analysten zusammen und vergibt „Buy“ – das optimistischste Rating; das durchschnittliche Kursziel für die nächsten 12 Monate liegt bei 226,04 Dollar, was gegenüber 148,07 Dollar etwa 52,7% Potenzial bedeutet; bei konstantem Aktienbestand von etwa 13,57 Mrd. Stück entspricht das einer Marktkapitalisierung von etwa 3,07 Billionen US-Dollar, deutlich höher als aktuell rund 2,01 Billionen US-Dollar. Die Analysten verbinden dieses optimistische Szenario explizit mit SpaceX’s Fokussierung unter Musk: Strom, Baugeschwindigkeit und Clusterbetrieb für dauerhafte Umsätze bei mehreren AI-Kunden einzusetzen.