Tesla fertigt eigene Chips: Auswirkungen auf die Preise für künstliche Intelligenz
Am 14. März 2026 veröffentlichte Elon Musk auf X sechs Worte: "Terafab Project launches in 7 days." Sechs Worte, die eine Investition von 25 Milliarden Dollar ankündigen, eine Fabrik, die zwischen 100 und 200 Milliarden maßgeschneiderte Chips pro Jahr produzieren soll, und eine Wette, die, falls sie richtig umgesetzt wird, die Kosten für das Training von KI-Modellen revolutionieren könnte.
Es ist keine Übertreibung. Es ist Mathematik.
Warum der Bau einer Chipfabrik eine finanzielle, nicht technologische Entscheidung ist
Die Halbleiterindustrie operiert nach einer Logik, die die meisten Führungskräfte außerhalb des Sektors unterschätzen: Die Grenzkosten für die Produktion eines zusätzlichen Chips sinken drastisch mit steigender Stückzahl, aber die einmaligen Fixkosten sind so hoch, dass sie jahrzehntelang als unüberwindbare Hürde dienten. TSMC benötigte Jahrzehnte und hunderte Milliarden Dollar, um seine dominante Position zu erreichen. Samsung investierte in ähnlichen Dimensionen. Kein privates Unternehmen außerhalb dieses Duopols hatte versucht, eine vergleichbare Produktionskapazität zu schaffen.
Tesla versucht, aus einem einzigen Komplex heraus das 70% der aktuellen Gesamtproduktion von TSMC zu erreichen. Das anfängliche Ziel liegt bei 100.000 Wafer-Starts pro Monat, mit einem Fahrplan in Richtung einer Million pro Monat. Die Prozess-Technologie zielt auf 2 Nanometer, der derzeit verfügbaren fortschrittlichsten Node.
Dies ist kein Forschungs- und Entwicklungsprojekt. Es handelt sich um eine strukturelle Neuorganisation der Kostenwirtschaft von Tesla und damit auch des weltweiten Preises für Rechenleistung in der künstlichen Intelligenz.
Die Logik hinter Terafab basiert nicht auf einer abstrakten technologischen Ambition. Sie beruht auf einer konkreten Berechnung: Tesla erkannte, dass selbst unter dem optimistischsten Szenario seiner aktuellen Lieferanten das prognostizierte Angebot nicht ausreichen würde, um die Nachfrage zu decken, die durch das Cybercab-Programm, die Produktionslinie des Roboters Optimus, den Supercomputer Dojo und die Trainingsinfrastruktur von Grok, dem Model von xAI, entstehen wird. Musk formulierte dies während der Jahreshauptversammlung der Aktionäre mit einer ungewöhnlichen Klarheit: "Selbst wenn wir das beste Szenario für die Chipproduktion unserer Lieferanten hochrechnen, ist es immer noch nicht genug." Wenn das beste mögliche Ergebnis mit Ihren Lieferanten immer noch unzureichend ist, gibt es nur einen rationalen Ausweg: selbst zum Anbieter werden.
Der Moment, in dem Infrastruktur keine Ausgabe mehr ist, sondern einen Vorteil darstellt
Es besteht ein struktureller Unterschied zwischen einem Unternehmen, das Chips kauft, und einem Unternehmen, das sie selbst herstellt. Es geht nicht nur um direkte Kosten. Es geht um eine gesamte Wettbewerbsarchitektur.
Wenn Tesla Chips von TSMC oder Samsung bezieht, bezahlt es nicht nur die Produktionskosten, sondern auch die Marge des Zwischenhändlers, die Kapazitätsbeschränkungen, die mit anderen hochkarätigen Kunden wie Apple, Nvidia oder Qualcomm geteilt werden, und die Zykluszeiten, die kein Vertrag vollständig eliminieren kann. Jeder Dollar, den TSMC über Tesla verdient, ist ein Dollar, der nicht in die Senkung des Preises für autonome Fahrzeuge oder industrielle Roboter investiert werden kann.
Mit Terafab verschwindet diese Marge aus der Bilanz. Aber das, was an ihre Stelle tritt, ist noch interessanter: die Fähigkeit, den AI5-Chip, die fünfte Generation des künstlichen Intelligenzprozessors von Tesla, mit Spezifikationen zu entwerfen, die genau auf ihre eigenen Arbeitslasten abgestimmt sind. Keine generischen Chips, die für den Markt optimiert sind. Chips, deren Architektur logische Verarbeitung, Speicher und fortschrittliches Packaging in einer vertikal integrierten Produktionslinie kombiniert. Der Unterschied in der operativen Effizienz zwischen einem speziell für das Training autonomer Fahrmodelle ausgelegten Chip und einem für den allgemeinen Markt entwickelten Chip kann laut branchenüblichen Standards für Optimierungen mit dediziertem Node Einsparungen von 20% bis 40% im Energieverbrauch pro Inferenzzyklus zur Folge haben.
Produktion in kleinen Stückzahlen im Jahr 2026. Volumen im Jahr 2027. Wenn diese Fristen eingehalten werden, wird Tesla in weniger als zwei Jahren das erreicht haben, was die meisten Akteure der Branche ein Jahrzehnt kostet.
Die 25%, die der CFO noch nicht budgetiert hatte
An dieser Stelle wird die finanzielle Analyse unangenehmer. Der CFO von Tesla, Vaibhav Taneja, räumte während der Ergebnispräsentation am 28. Januar 2026 ein, dass die Gesamtkosten für Terafab, die auf 25 Milliarden Dollar geschätzt werden, nicht vollständig in die gemeldete Investitionssumme für 2026 einfließen, die bereits über 20 Milliarden liegt. Das bedeutet, dass der Investitionsplan für das Jahr bereits ambitioniert war, bevor die größte Investition in Infrastruktur, die das Unternehmen je angekündigt hat, einbezogen wurde.
Dies ist das konkretste Ausführungsrisiko des Projekts. Die Halbleiterindustrie verzeiht keine Planungsfehler. Die Bauzyklen für eine fortschrittliche Fertigungsanlage sind lang, das spezialisierte Talent ist rar, und die Ausbeutekurven neuer Fertigungsprozesse sind unberechenbar. Tesla begann im Februar 2026 mit der Rekrutierung von Chipdesignern für künstliche Intelligenz in Südkorea und suchte Ingenieure für das, was es als die am höchsten volumenproduzierten Chips der Welt bezeichnete. Diese Rekrutierung, Monate vor dem angekündigten Start, deutet darauf hin, dass die Organisation immer noch Fähigkeiten aufbaut, die normalerweise der Operation vorausgehen würden.
Die Frage ist nicht, ob Terafab eine gute Idee ist. Die Frage ist, ob das Tempo der Umsetzung die Ambitionen des Zeitplans aufrechterhalten kann. Und in der Halbleiterfertigung wird der Abstand zwischen Ankündigung und Produktion in großem Maßstab selten in Monaten gemessen.
Wenn die Kosten für die Produktion von künstlicher Intelligenz fast null erreichen für den, der das Silizium kontrolliert
Es gibt ein Muster, das sich in jeder Branche wiederholt, in der sich die Technologie reif entwickelt: Die Grenzkosten der Produktion kollabieren für die Akteure, die die Infrastrukturebene kontrollieren, während die Abhängigen von Zwischenhändlern in einer Kostenstruktur gefangen bleiben, die sie nicht optimieren können.
Apple hat dies mit den M-Chips gemacht, jedoch nur im Design, nicht in der Fertigung. Google hat seine TPUs zum Trainieren von Modellen gebaut, ist aber weiterhin auf externe Foundries angewiesen. Amazon hat die Chips Trainium und Graviton entwickelt, jedoch ebenfalls mit der gleichen Abhängigkeit. Tesla versucht den Schritt, den keiner von ihnen gewagt hat: sowohl das Design als auch die Fertigung zu kontrollieren.
Wenn Terafab das Ziel von einer Million Wafer-Starts pro Monat erreicht, würde Tesla mehr fortschrittliche Chips produzieren als jede private Einheit außerhalb von Taiwan und Südkorea. Die Grenzkosten für das Hinzufügen zusätzlicher Rechenleistung zum Training neuer Versionen von FSD oder zur Skalierung der Produktion von Optimus würden sich schrittweise den reinen variablen Kosten für Energie und Materialien annähern, ohne die strukturellen Mehrkosten von Verträgen mit Dritten.
Das ändert nicht nur die Wirtschaftlichkeit von Tesla. Es ändert den Referenzpreis für Rechenleistung in der künstlichen Intelligenz für die gesamte Branche, weil es einen neuen erreichbaren Kostensockel festlegt für diejenigen, die die Skala und das Kapital haben, um das Modell zu replizieren.
Unternehmen, die noch ihre Strategie für künstliche Intelligenz berechnen und davon ausgehen, dass die Kosten für Rechenleistung eine exogene Variable sind, die sie nicht kontrollieren, treffen Entscheidungen auf einer Karte, die bereits neu gezeichnet wird. Der Wettbewerbsvorteil in den nächsten zehn Jahren wird nicht bei denen liegen, die die verfügbaren Chips auf dem Markt am besten nutzen, sondern bei denen, die die Infrastruktur zum Produzieren zu ihren eigenen Grenzkosten aufgebaut haben.
