Eine andere Prozessorfamilie zu kaufen bedeutet nicht, die bisherige aufzugeben. Das OpenAI zugeschriebene Vorhaben, Google-Chips zu erwerben, verdeutlicht diesen Unterschied: Hinter dem Wettbewerb zwischen Marken steht eine industrielle Frage – wie viel Rechenkapazität zum Trainieren und Betreiben von KI-Modellen verfügbar ist.
Am 28. Oktober 2026 griff Clubic eine Meldung von The Information auf, der zufolge OpenAI den Kauf von Google-TPUs erwäge. Dabei handelt es sich um ein von der Presse berichtetes Vorhaben. Daraus lässt sich weder ein unterzeichneter Vertrag noch eine Lieferung oder eine Ablösung der Nvidia-GPUs als gesicherte Tatsache ableiten.
Ein Kaufvorhaben, noch keine dokumentierte Installation
Eine Reuters-Meldung vom 27. Oktober beruft sich auf dieselbe journalistische Quelle. Sie berichtet, dass die finanziellen Bedingungen und weitere Einzelheiten nicht veröffentlicht worden seien. Zu diesem Zeitpunkt hatte OpenAI eine Stellungnahme abgelehnt, und Google hatte der Nachrichtenagentur zunächst nicht geantwortet.
Die Vielzahl der Artikel stellt somit keine Mehrzahl unabhängiger Bestätigungen des Kaufs dar. Die Texte verweisen auf eine ursprüngliche Meldung. Für Leserinnen und Leser ist diese Unterscheidung wichtig: Eine mögliche Verhandlung sagt weder etwas über die Anzahl der Chips noch über deren Generation oder den Zeitpunkt aus, zu dem sie einsatzfähig werden könnten.
Die Bedeutung lässt sich dennoch erläutern, ohne eine Möglichkeit als Gewissheit darzustellen. Dazu muss man drei Dinge unterscheiden: die Art der Prozessoren, den Zugang zu ihnen und die Organisation der Software, die sie nutzt.
Was eine TPU bezeichnet
TPU steht für „Tensor Processing Unit“. In seiner technischen Dokumentation beschreibt Google diese Komponenten als spezialisierte Schaltkreise zur Beschleunigung von Berechnungen im maschinellen Lernen. Sie sind insbesondere für umfangreiche Matrixoperationen ausgelegt – Berechnungen mit Zahlenfeldern, die in neuronalen Netzen häufig vorkommen.
Der Anbieter weist außerdem darauf hin, dass der für diese Prozessoren bestimmte Code über den XLA-Compiler läuft. Die Hardware ist also kein austauschbares Bauteil, dessen Name allein schon Rückschlüsse auf das Ergebnis zulässt. Das Programm, seine Struktur und die angeforderten Operationen beeinflussen die erzielte Leistung.
Google unterscheidet zudem zwischen Anwendungsfällen, die sich für TPUs eignen, und solchen, für die GPUs oder herkömmliche Prozessoren besser geeignet sein können. In seiner Dokumentation nennt das Unternehmen unter anderem Einschränkungen bei bestimmten benutzerdefinierten Operationen oder beim Bedarf an Berechnungen mit hoher Genauigkeit. Die Spezialisierung ist bei passenden Aufgaben ein Vorteil; sie belegt keine allgemeine Überlegenheit.
Rechenleistung mieten und Chips kaufen: zwei verschiedene Entscheidungen
Ein Unternehmen kann einen Beschleuniger nutzen, ohne ihn zu besitzen, indem es auf eine Cloud-Infrastruktur zugreift. Der Kauf von Hardware bedeutet eine andere Art der Organisation: Es muss festgelegt werden, wo sie installiert wird, wer sie betreibt und wie sie in das übrige System integriert wird.
Das berichtete Vorhaben mit OpenAI liefert nicht die nötigen Angaben, um diese Organisation zu beschreiben. Es wäre daher verfrüht, eine neue Karte seiner Rechenzentren zu zeichnen oder konkrete Einsparungen pro Anfrage anzukündigen.
Ein rein veranschaulichender wirtschaftlicher Vergleich: Ein Team kann Kapazität mieten, wenn es sie benötigt, oder in eine Infrastruktur investieren, die es voraussichtlich dauerhaft nutzen wird. Im zweiten Fall erzählt der Preis der Komponente nicht die ganze Geschichte: Wird eine Ressource einen Teil der Zeit nicht genutzt, kann das die Rechnung verändern. Im ersten Fall sagt der flexible Zugang für sich genommen nichts über die Kosten über mehrere Jahre aus. Diese Fragen helfen, den Vorgang einzuordnen; sie sind keine bekannten Zahlen zum Vorhaben von OpenAI und Google.
Die Diversifizierung beginnt nicht erst mit dieser Meldung
Ein öffentliches Dokument bietet einen fundierteren Kontext. Die gemeinsame Mitteilung von AMD und OpenAI vom 6. Oktober 2025 kündigte eine mehrjährige Vereinbarung über sechs Gigawatt an Infrastruktur mit AMD-GPUs an, verteilt auf mehrere Generationen.
Der angekündigte Zeitplan sah ab der zweiten Jahreshälfte 2026 einen ersten Ausbau um ein Gigawatt mit der Instinct-MI450-Serie vor. Das Dokument belegt die Ankündigung und deren Umfang; es ist kein Beweis dafür, dass sämtliche Installationen heute abgeschlossen sind. Die sechs Gigawatt sind außerdem weder eine Anzahl von Chips noch ein direktes Maß dafür, wie viele Antworten ChatGPT erzeugen könnte.
Dieses frühere Beispiel hilft, die TPU-Hypothese in eine bereits dokumentierte Nutzung mehrerer Technologien einzuordnen. Es bestätigt den Kauf bei Google nicht. Vor allem verhindert es, jeden zusätzlichen Anbieter als exklusiven Wechsel von einem Lager ins andere darzustellen.
Die Fragen, anhand derer sich die weitere Entwicklung beurteilen lässt
Sollte eine offizielle Ankündigung erfolgen, wären vier Informationen besonders hilfreich. Um welche Komponentengeneration geht es? Ist das Vorhaben für das Training, den Betrieb der Modelle oder für beides bestimmt? Wann wird die Kapazität tatsächlich verfügbar sein? Welche Ergebnisse werden mit der konkret eingesetzten Software gemessen?
Außerdem muss man zwischen bestellter Kapazität, gelieferter Hardware und einem betriebsbereiten Dienst unterscheiden. Über alle diese Schritte kann es Ankündigungen geben, doch sie beschreiben nicht denselben Fortschritt.
Für Endnutzer garantiert ein Wechsel des Anbieters von Rechenleistung weder direkt einen niedrigeren Abonnementpreis noch eine bessere Antwort des Modells. Das sind andere Ergebnisse, die gesondert überprüft werden müssen. Der Vorgang rund um OpenAI und Google ist daher als mögliches Zeichen einer Diversifizierung interessant – vorausgesetzt, man verfolgt die Belege für die Umsetzung, statt darin bereits das Urteil im Chipkrieg zu sehen.
Symbolbild: Serverausrüstung; sie zeigt keine TPU-Installation von OpenAI.
