Marktgröße und Wachstumsprognose für KI-Beschleuniger 2026–2035, nach Segmenten (Typ, Technologieintegration, Endanwendung), regionalen Nachfragetrends (Nordamerika, Asien-Pazifik, Europa), wichtigen Ländereinblicken (USA, Japan, Südkorea, Deutschland, Frankreich, Italien) und Wettbewerbslandschaft

Marktgröße und Wachstumsaussichten

Der Markt für KI-Beschleuniger hatte 2025 ein Volumen von 30,94 Milliarden US-Dollar und wird voraussichtlich zwischen 2026 und 2035 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 28,5 % wachsen und bis 2035 die Marke von 379,8 Milliarden US-Dollar überschreiten. Der Branchenumsatz für 2026 wird auf 38,97 Milliarden US-Dollar geschätzt.

• Basisjahreswert (2025): USD 30.94 Billion
• CAGR (2026-2035): 28.5%
• Prognosejahreswert (2035): USD 379.8 Billion
• Historischer Datenzeitraum: 2022-2025
• Größte Region: North America
• Prognosezeitraum: 2026-2035

Markt für KI-Beschleuniger Intelligence-Überblick:

• Regionale Marktdynamik:

  • Nordamerika hielt im Jahr 2025 einen Marktanteil von 42,29 %, unterstützt durch Hyperscale-Cloud-Betreiber, fortschrittliche Halbleiterkapazitäten und starke Unternehmensinvestitionen in KI-orientierte Computerinfrastruktur.
  • Für den asiatisch-pazifischen Raum wird ein jährliches Wachstum von 31,35 % prognostiziert, angetrieben durch den Ausbau der digitalen Infrastruktur, den zunehmenden Einsatz von KI, wachsende Investitionen in Rechenzentren und ein sich stärkendes Halbleiter-Ökosystem.

• Segmentdynamik:

  • Grafikprozessoren (GPUs) führen mit einem Marktanteil von 61,74 % aufgrund ausgereifter Ökosysteme, der Vertrautheit der Entwickler und der Kompatibilität mit bestehender Infrastruktur, was einen flexiblen Einsatz für diverse KI-Trainings- und Inferenz-Workloads ermöglicht.
  • Edge-KI-Beschleuniger verzeichnen das schnellste Wachstum aufgrund der steigenden Nachfrage nach latenzarmer, geräteinterner Verarbeitung, wodurch die Abhängigkeit von zentralisierten Cloud-Systemen verringert und Echtzeit-Inferenz in verteilten Umgebungen ermöglicht wird.

• Marktexpansionstreiber:

  • Die steigende Nachfrage nach Hochleistungsrechnern treibt den beschleunigten Einsatz von KI-Hardware voran.
  • Kontinuierliche Innovationen bei GPUs und TPUs durch führende Halbleiterhersteller verbessern die Verarbeitungskapazitäten.
  • Die Expansion des Edge Computing erfordert branchenübergreifend Hardware für KI-Inferenz mit geringer Latenz.

• Führende Marktteilnehmer:

  Zu den führenden Unternehmen auf dem Markt für KI-Beschleuniger gehören Amazon Web Services, Inc. (USA), Google LLC (USA), Graphcore Ltd. (Großbritannien), IBM Corporation (USA), Intel Corporation (USA), Micron Technology, Inc. (USA), Microsoft Corporation (USA), NVIDIA Corporation (USA), Qualcomm Technologies, Inc. (USA) und Advanced Micro Devices, Inc. (USA).

Unlock Complete Insights

Globaler Marktprognose-Snapshot:

• Marktausblick:

  • 2025 Marktgröße 2025: USD 30.94 Billion
  • Prognostizierte Marktgröße: USD 379.8 Billion by 2035
  • Wachstumsprognosen: 28.5% CAGR (2026-2035)

• Regionale und Segment-Prognose:

  • Führender Regionalmarkt: Nordamerika
  • Wachstumsstarker Regionalhub: Asien-Pazifik
  • Kernsegment für Umsatz: Grafikprozessoren (GPUs) (Typ) | Cloudbasierte KI-Beschleuniger (Technologieintegration) | IT & Telekommunikation (Endanwendung)
  • Aufkommendes Chancensegment: Tensor Processing Units (TPUs) (Typ) | Edge-KI-Beschleuniger (Technologieintegration) | Automobilindustrie (Endanwendung)

Marktwachstumstreiber und Branchentrends

Steigende Nachfrage nach Hochleistungsrechnern beschleunigt den Einsatz von KI-Hardware Der Bedarf an größeren KI-Modellen, schnelleren Trainingszyklen und Echtzeit-Datenverarbeitung führt zu einer verstärkten Abhängigkeit von spezialisierter Recheninfrastruktur und treibt damit die Nachfrage nach KI-Beschleunigern direkt an. Standardprozessoren stoßen oft an ihre Grenzen, wenn es um den für moderne KI-Workloads erforderlichen Durchsatz und die Energieeffizienz geht. Daher setzen Cloud-Anbieter, Unternehmen und Forschungseinrichtungen verstärkt auf dedizierte Beschleuniger, die parallele Verarbeitung in großem Umfang ermöglichen. Dieser Wandel beeinflusst Beschaffungsentscheidungen, die Architektur von Rechenzentren und Strategien zur Workload-Verteilung. Käufer priorisieren Hardware, die die Trainingszeit verkürzt, die Inferenzgeschwindigkeit erhöht und dichtere Rechenumgebungen unterstützt. All dies trägt zum Wachstum des Marktes für KI-Beschleunigerlösungen bei. Kontinuierliche Innovationen führender Halbleiterhersteller im Bereich GPUs und TPUs verbessern die Verarbeitungskapazitäten Laufende Fortschritte im GPU- und TPU-Design treiben die Marktentwicklung voran, indem sie die Leistungsgrenzen für KI-Training und -Inferenz erweitern. Verbesserungen bei Speicherbandbreite, Verbindungseffizienz, Leistungsoptimierung und Software-Stack-Integration machen neuere Beschleunigergenerationen für Unternehmen attraktiver, die eine bessere Auslastung und geringere Verarbeitungsengpässe anstreben. Im Markt für KI-Beschleuniger fördert dieser Innovationszyklus neben der erstmaligen Einführung auch die Nachfrage nach Ersatzgeräten. Kunden richten ihre Infrastrukturinvestitionen auf Chips aus, die zunehmend komplexere Modelle und höhere Arbeitslastintensitäten ohne proportional steigenden Leistungs- und Platzbedarf unterstützen. Edge-Computing-Expansion erfordert branchenübergreifend Hardware für KI-Inferenz mit geringer Latenz. Da KI-Workloads näher an Geräte, Maschinen und lokale Betriebsumgebungen rücken, steigt der Bedarf an Inferenz mit geringer Latenz und damit die Marktdurchdringung kompakter und energieeffizienter Beschleuniger. Viele Edge-Anwendungsfälle können nicht auf zentralisierte Cloud-Verarbeitung setzen, da Reaktionszeiten, Bandbreitenbeschränkungen, Datensouveränität oder intermittierende Verbindungen die lokale Ausführung praktikabler machen. Dies prägt den Markt für KI-Beschleuniger hin zu Hardware, die für den Einsatz in eingebetteten Systemen, thermische Effizienz und Echtzeit-Entscheidungsfindung optimiert ist. Die Akzeptanz steigt in Umgebungen, in denen On-Site-Intelligenz Automatisierung, Überwachung und reaktionsschnelle Systemsteuerung unterstützt.

Rahmen zur Bewertung von Wachstumstreibern
Parameter	Auswirkungen auf die CAGR	Regulatorischer Einfluss	Geografische Relevanz	Adoptionsrate	Zeitleiste der Auswirkungen
Die steigende Nachfrage nach Hochleistungsrechnern treibt den beschleunigten Einsatz von KI-Hardware voran.	2.40%	Niedrig	Nordamerika, Asien-Pazifik	Hoch	Kurzfristig
Kontinuierliche Innovationen bei GPUs und TPUs durch führende Halbleiterhersteller verbessern die Verarbeitungskapazitäten.	2.20%	Niedrig	Nordamerika	Hoch	Kurzfristig
Die Expansion des Edge Computing erfordert branchenübergreifend Hardware für KI-Inferenz mit geringer Latenz.	2.00%	Mäßig	Asien-Pazifik, Nordamerika	Hoch	Halbjahresprüfung

Regionale Nachfragedynamik

Nordamerika (größte Region) vs. Asien-Pazifik (am schnellsten wachsende Region) Nordamerika hielt 2025 einen Marktanteil von 42,29 % am Markt für KI-Beschleuniger. Dies ist auf die hohe Dichte an Hyperscale-Cloud-Anbietern, die fortschrittlichen Halbleiter-Designkompetenzen und den frühen Einsatz KI-intensiver Workloads in Unternehmen zurückzuführen. Die Marktführerschaft wird durch die praktische Anwendung in Rechenzentren gestärkt, wo umfangreiches Training und Inferenz kontinuierliche Investitionen in Hochleistungsrechnerinfrastruktur erfordern. Hinzu kommt die enge Integration zwischen Chipentwicklern, Cloud-Plattformen und Software-Ökosystemen, die die Kommerzialisierung und den Einsatz beschleunigt. Für den asiatisch-pazifischen Raum wird im Prognosezeitraum ein jährliches Wachstum von 31,35 % erwartet. Treiber dieses Wachstums sind der rasche Ausbau der digitalen Infrastruktur, die zunehmende KI-Nutzung in großen Produktions- und Elektronikunternehmen sowie steigende Investitionen in Rechenzentrumskapazitäten. Die Nachfrage beschleunigt sich in der Praxis, da regionale Unternehmen und Dienstleister die KI-Verarbeitung für Automatisierung, Verbraucheranwendungen und Cloud-basierte Workloads ausweiten, während ein sich erweiterndes Halbleiter- und Elektronik-Ökosystem eine schnellere Einführung von Beschleunigertechnologien in den Endverbraucherbranchen unterstützt.

Matrix zur regionalen Marktattraktivität und strategischen Passung
Parameter	Nordamerika	Asien-Pazifik	Europa	Lateinamerika	MEA
Innovationszentrum	Fortschrittlich	Fortschrittlich	Fortschrittlich	Entwicklung	Aufstrebend
Kostensensible Region	Niedrig	Medium	Niedrig	Hoch	Hoch
Regulatorisches Umfeld	Unterstützend	Neutral	Unterstützend	Neutral	Neutral
Nachfragetreiber	Stark	Stark	Stark	Mäßig	Schwach
Entwicklungsphase	Entwickelt	Entwicklung	Entwickelt	Aufstrebend	Aufstrebend
Adoptionsrate	Hoch	Hoch	Hoch	Medium	Niedrig
Neueinsteiger / Startups	Dicht	Dicht	Dicht	Mäßig	Spärlich
Makroindikatoren	Stark	Stark	Stark	Stabil	Schwach

Wichtige Ländereinblicke

Vereinigte Staaten

Fortgeschrittenes Rechenökosystem

Der US-amerikanische Markt für KI-Beschleuniger profitiert von einer starken Nachfrage in den Bereichen Cloud Computing, generative KI und Unternehmensanwendungen. Technologieunternehmen setzen auf leistungsstarke Chips, skalierbare Architekturen und Softwareoptimierung, um die zunehmend komplexen KI-Anwendungen zu unterstützen.

Japan

Fokus auf Roboterverarbeitung

Japan treibt die Einführung von KI-Beschleunigern durch Robotik, intelligente Fertigung und die Entwicklung autonomer Systeme voran. Investitionen in die Halbleiterindustrie unterstützen zunehmend latenzarme Verarbeitung und energieeffiziente KI-Hardware für kommerzielle und industrielle Anwendungen.

Südkorea

Halbleiter-Innovationsbasis

Südkorea kombiniert Halbleiterkompetenz mit Investitionen in die KI-Infrastruktur, um den Markt für KI-Beschleuniger zu stärken. Die Unternehmen konzentrieren sich auf fortschrittliches Chipdesign, Speicherintegration und Recheneffizienz für KI-Anwendungen in Rechenzentren und am Netzwerkrand.

Deutschland

Industrielle KI-Berechnung

Deutschland integriert KI-Beschleuniger in die Fertigungsautomatisierung, die industrielle Analytik und Smart-Factory-Initiativen. Die Hardware-Einführung wird durch die Anforderungen an effiziente Edge-Verarbeitung, Echtzeit-Inferenz und zuverlässige Leistung in industriellen Umgebungen vorangetrieben.

Frankreich

Forschungsrechnerunterstützung

Frankreich fördert den Einsatz von KI-Beschleunigern in Forschungseinrichtungen, Cloud-Infrastrukturen und Initiativen zur digitalen Innovation. Organisationen priorisieren Rechenplattformen, die das Training fortschrittlicher KI-Modelle unterstützen und gleichzeitig die betriebliche Effizienz steigern.

Italien

KI-Aktivierung im Unternehmen

Italien treibt die Nutzung von KI-Beschleunigern voran, da Unternehmen ihre digitalen Abläufe und Analysefähigkeiten modernisieren. Die Nachfrage konzentriert sich auf kosteneffiziente Rechenplattformen, die die KI-Verarbeitungsleistung in den Bereichen Fertigung, Gesundheitswesen und Unternehmensanwendungen verbessern.

Marktführerschaft und Wachstumstrends im Segment

  Marktsegmentanalyse: Grafikprozessoren (GPUs) (größtes Segment) vs. Tensorprozessoren (TPUs) (am schnellsten wachsendes Segment) Im Markt für KI-Beschleuniger hielten Grafikprozessoren (GPUs) 2025 einen Marktanteil von 61,74 %. Dies spiegelt ihre etablierte Rolle in den Bereichen KI-Training, Inferenz und umfassendere Hochleistungsrechenanwendungen wider. Ihre führende Position beruht auf der hohen Vertrautheit von Entwicklern, ausgereiften Software-Ökosystemen und der starken Kompatibilität mit bestehender Rechenzentrumsinfrastruktur. Dies reduziert den Implementierungsaufwand für Unternehmen, die ihre KI-Kapazitäten skalieren. Dieser praktische Vorteil sichert GPUs eine zentrale Rolle im Markt für KI-Beschleuniger, wo Unternehmen Flexibilität für verschiedene Modelltypen und Workload-Anforderungen priorisieren. Tensorprozessoren (TPUs) entwickeln sich zum am schnellsten wachsenden Segment im Markt für KI-Beschleuniger, da sie in Umgebungen, in denen Workload-Effizienz und KI-spezifische Verarbeitung wichtiger sind als umfassende Rechenleistung, zunehmend eingesetzt werden. Ihr Wachstum wird durch die steigende Nachfrage nach speziell entwickelten Architekturen begünstigt, die umfangreiche Machine-Learning-Aufgaben mit höherer Betriebseffizienz in optimierten Umgebungen bewältigen können. Mit zunehmender KI-Nutzung profitieren TPUs vom wachsenden Interesse an Beschleunigern, die auf dedizierten Tensoroperationen basieren, anstatt auf allgemeinen Parallelverarbeitungsalternativen. Technologieintegrationssegmentanalyse: Cloudbasierte KI-Beschleuniger (größtes Segment) vs. Edge-KI-Beschleuniger (am schnellsten wachsendes Segment) Cloudbasierte KI-Beschleuniger hatten 2025 den größten Marktanteil im Bereich KI-Beschleuniger. Dies ist auf ihre Ausrichtung auf zentralisierte KI-Entwicklung und Umgebungen für das Training großer Modelle zurückzuführen. Ihre anhaltende Marktführerschaft beruht auf dem praktischen Vorteil, Unternehmen Zugriff auf skalierbare Rechenressourcen zu ermöglichen, ohne eine umfangreiche On-Premise-Beschleunigerinfrastruktur aufbauen und warten zu müssen. Dieses Modell entspricht den betrieblichen Anforderungen von Organisationen mit variablen und rechenintensiven KI-Workloads und trägt dazu bei, dass cloudbasierte Bereitstellungen ihre führende Position im Markt für KI-Beschleuniger behaupten können. Edge-KI-Beschleuniger sind das am schnellsten wachsende Segment im Markt für KI-Beschleuniger, da immer mehr KI-Workloads näher an Endgeräte und Echtzeit-Entscheidungspunkte verlagert werden. Ihr Wachstum wird durch den Bedarf an latenzarmer Verarbeitung in Betriebsumgebungen begünstigt, in denen die Datenübertragung an zentrale Cloud-Umgebungen weniger effizient oder unpraktisch ist. Im Vergleich zu Cloud-basierten Alternativen gewinnen Edge-KI-Beschleuniger an Bedeutung, da sie die Anforderungen an unmittelbare Inferenz in verteilten Bereitstellungsumgebungen besser erfüllen.

Berichtsegmentierung
Segment	Untersegment	Größtes Segment	Am schnellsten wachsendes Segment
Typ	Grafikprozessoren (GPUs), Tensorprozessoren (TPUs), anwendungsspezifische integrierte Schaltungen (ASICs), Zentralprozessoren (CPUs), feldprogrammierbare Gate-Arrays (FPGAs)	Grafikprozessoren (GPUs)	Tensor Processing Units (TPUs)
Technologieintegration	Cloudbasierte KI-Beschleuniger, Edge-KI-Beschleuniger	Cloudbasierte KI-Beschleuniger	Edge-KI-Beschleuniger
Endverwendung	IT & Telekommunikation, Gesundheitswesen, Automobilindustrie, Finanzwesen, Einzelhandel, Sonstige	IT & Telekommunikation	Automobil

Wettbewerbsumfeld und Marktpositionierung

Die wichtigsten Akteure auf dem Markt für KI-Beschleuniger: 1. Amazon Web Services Inc. (USA) 2. Google LLC (USA) 3. Graphcore Ltd. (Großbritannien) 4. IBM Corporation (USA) 5. Intel Corporation (USA) 6. Micron Technology Inc. (USA) 7. Microsoft Corporation (USA) 8. NVIDIA Corporation (USA) 9. Qualcomm Technologies Inc. (USA) 10. Advanced Micro Devices Inc. (USA) Der Markt für KI-Beschleuniger entwickelt sich rasant, da der Rechenbedarf für KI-Workloads stetig wächst. Innovationen in der Prozessorarchitektur verbessern Geschwindigkeit und Energieeffizienz deutlich. Gemeinsame Entwicklungsinitiativen unterstützen die Hardwareentwicklung der nächsten Generation. Der Markt für KI-Beschleuniger verzeichnet zudem die kontinuierliche Einführung von Hochleistungslösungen zur Verbesserung von Machine Learning und Deep Learning.

Wettbewerbsdynamik und strategische Einblicke
Bewertungsparameter	Zugewiesene Skala	Skalenbegründung
Marktkonzentration	Hoch	NVIDIA und AMD dominieren den Markt für GPUs und schränken damit den Markteintritt neuer Anbieter ein.
M&A-Aktivitäten / Konsolidierungstrend	Mäßig	Die Akquisitionen zielen auf Edge-KI und kundenspezifische ASICs für spezialisierte Arbeitslasten ab.
Grad der Produktdifferenzierung	Hoch	GPU- und TPU-Varianten eignen sich für Training bzw. Inferenz in Rechenzentren.
Wettbewerbsvorteil und Nachhaltigkeit	Dauerhaft	Patente im Bereich der neuronalen Verarbeitung sichern den Vorsprung bei KI-Hardware.
Innovationsintensität	Hoch	Festkörper- und neuromorphe Designs fördern energieeffizientes Rechnen.
Kundenloyalität / Kundenbindung	Stark	Hohe Integrationskosten binden Hyperscaler und Großunternehmen an den Markt.
Vertikale Integrationsebene	Hoch	Führende Unternehmen steuern das Chipdesign bis hin zu Software-Stacks, um eine optimale Leistung zu erzielen.

Recent Development/Industry News

Name der Firma	Datum	Schlüsselentwicklung
OpenAI & Broadcom	Jan-25	OpenAI und Broadcom haben eine strategische Partnerschaft zur Bereitstellung von 10 GW kundenspezifischer KI-Beschleuniger ins Leben gerufen. Diese Zusammenarbeit konzentriert sich auf die Skalierung großflächiger KI-Infrastrukturen und steigert die für das Training und die Bereitstellung fortschrittlicher Modelle benötigte Rechenkapazität erheblich. Gleichzeitig stärkt sie die Wettbewerbsposition proprietärer Siliziumchips in Hyperscale-Umgebungen.
NXP Halbleiter	Jul-24	NXP Semiconductors hat die Übernahme des KI-Chip-Startups Kinara abgeschlossen – ein strategischer Schritt zur Stärkung des Hardware-Portfolios. Durch diese Integration erweitert NXP seine Kompetenzen im Bereich Edge-KI-Beschleuniger und eingebetteter Systeme und ermöglicht effizientere, energieeffiziente Verarbeitungslösungen, die speziell auf industrielle und automobile Anwendungen zugeschnitten sind.
Lambda	May-24	Lambda sicherte sich eine syndizierte Kreditfazilität in Höhe von 1 Milliarde US-Dollar, um den Ausbau der KI-Infrastruktur im Gigawatt-Bereich zu ermöglichen. Diese Kapitalspritze unterstützt die Beschaffung von Hochleistungsrechenressourcen und deckt damit den kritischen Bedarf der Lieferkette an KI-Beschleuniger-gestützter Infrastruktur, die für das rasante Wachstum großer KI-Dienstleister unerlässlich ist.
Rapidus & Tensorp	Feb-24	Rapidus und Tenstromren haben eine strategische Partnerschaft zur gemeinsamen Entwicklung und Fertigung von Edge-KI-Beschleunigern geschlossen. Durch die Nutzung der fortschrittlichen Halbleiterfertigungskompetenz von Rapidus und der KI-Architekturexpertise von Tenstromren zielt diese Zusammenarbeit darauf ab, die heimische Produktion von Hochleistungschips zu beschleunigen und die Wertschöpfungskette für spezialisierte KI-Hardware zu diversifizieren.
Intel	Mar-25	Intel hat die allgemeine Verfügbarkeit seiner KI-Beschleunigerplattform Gaudi 3 gestartet. Die Plattform, die im Bereich des Hochleistungstrainings und der Inferenz konkurrieren soll, bietet Hyperscalern und Rechenzentren eine Alternative, um das Kosten-Nutzen-Verhältnis für generative KI-Workloads im Vergleich zu bestehenden marktführenden Chips zu optimieren.
AMD	Invalid	AMD hat den KI-Beschleuniger MI325X mit 288 GB HBM3E-Speicher auf den Markt gebracht. Diese Produkteinführung stärkt AMDs Wettbewerbsposition im Bereich High-Performance Computing und zielt insbesondere auf speicherintensive KI-Inferenz- und Trainings-Workloads ab, die eine hohe Bandbreite für die Verarbeitung massiver, komplexer Datensätze benötigen.
Synopsys	Oct-24	Synopsys hat Ultra Ethernet und UALink IP-Lösungen vorgestellt, die die Vernetzung von bis zu 1.000 KI-Beschleunigern zu einheitlichen Rechenclustern ermöglichen. Diese technologische Weiterentwicklung behebt aktuelle Engpässe in großflächigen Cluster-Netzwerken und ermöglicht eine effizientere Kommunikation sowie eine höhere Skalierbarkeit für umfangreiche KI-Modelltrainings- und Inferenzoperationen.
IBM Corporation	Oct-24	IBM hat den Spyre-Beschleunigerchip für sein IBM Z-Mainframe-Ökosystem vorgestellt. Der Chip verfügt über 32 Kerne und 25,6 Milliarden Transistoren und ist für die Skalierung von KI-Inferenz auf Unternehmensebene ausgelegt. Er ermöglicht es Unternehmen, komplexe KI-Workloads sicher innerhalb ihrer bestehenden On-Premise-Mainframe-Infrastruktur auszuführen.
Marvell Technology	Oct-24	Marvell Technology gab im Rahmen seines Investorentags einen bedeutenden Auftrag für die Entwicklung eines Hyperscale-KI-Beschleunigers bekannt. Das Unternehmen präsentierte zudem neue KI-Netzwerktechnologien und signalisierte damit einen strategischen Kurswechsel hin zur Bereitstellung maßgeschneiderter, skalierbarer Infrastrukturkomponenten. Diese sind unerlässlich für die Unterstützung der massiven, energieeffizienten Datenverbindungen, die moderne KI-Beschleuniger benötigen.
Broadcom & FuriosaAI	Oct-24	Broadcom hat sich mit FuriosaAI zusammengetan, um gemeinsam KI-Inferenzbeschleuniger der nächsten Generation auf Basis einer Multi-Die-Systemarchitektur zu entwickeln. Ziel dieser Initiative ist die Optimierung von Energieeffizienz und Leistung für anspruchsvolle KI-Anwendungen. Dies spiegelt den Trend zu modularen, heterogenen Chipdesigns im wettbewerbsintensiven Markt für KI-Hardware wider.