Glossareintrag
Wir denken. KI tippt mit.
Hyperscaler sind Technologiekonzerne, die weltumspannende Netze aus eigenen Rechenzentren betreiben und darüber Rechenleistung, Speicher und Software in nahezu unbegrenztem Umfang als Cloud-Dienste vermieten. Der Name leitet sich vom englischen „Hyperscale Computing“ ab. Gemeint ist eine Architektur, die bei steigender Nachfrage nicht einzelne Maschinen aufrüstet, sondern Tausende baugleiche Standard-Server hinzuschaltet.
Die bekanntesten drei Anbieter sind Amazon Web Services (AWS), Microsoft Azure und Google Cloud. Weitere sind Oracle, Alibaba und Tencent. Meta betreibt eigene Rechenzentren in Hyperscale-Größe, vermietet die Kapazität aber nicht an Kunden. Lt. der groben Faustregel des Marktforschers IDC beginnt Hyperscale bei rund 5.000 Servern pro Standort.
Praktisch alle großen KI-Modelle wie ChatGPT, Claude oder Gemini werden in Hyperscaler-Rechenzentren trainiert und betrieben.
Ein einzelnes Hyperscale-Rechenzentrum kommt auf eine Anschlussleistung von rund 100 Megawatt und damit auf den Strombedarf von Hunderttausenden Haushalten. In den USA zählte der Datendienst Cleanview Anfang 2026 bereits 68 Rechenzentren, die mindestens 50 Megawatt nutzen.
Laut dem Marktforscher Synergy Research hielten AWS 28 Prozent, Microsoft Azure 21 Prozent und Google Cloud 14 Prozent des weltweiten Cloud-Infrastrukturmarkts im ersten Quartal 2026, zusammen also fast zwei Drittel. Aufs Jahr hochgerechnet überschritt der Markt dabei erstmals die Marke von 500 Milliarden Dollar.
Amazon, Microsoft, Alphabet und Meta planen für 2026 zusammen rund 700 Milliarden Dollar an Investitionsausgaben, fast nur für KI-Rechenzentren (Auswertung der Quartalszahlen bei Yahoo Finance). Zusätzlich kommen Projekte außerhalb der klassischen Bilanzen, etwa das Rechenzentrums-Vorhaben Stargate von OpenAI, SoftBank, Oracle und MGX mit angekündigten 500 Milliarden Dollar für zehn Gigawatt KI-Rechenleistung in den USA (Stargate-Ankündigung von OpenAI).
Um die Abhängigkeit vom Chip-Marktführer Nvidia zu verringern, entwickeln alle großen Hyperscaler eigene KI-Chips. Google setzt auf seine TPU-Reihe, Amazon auf Trainium, Microsoft auf Maia und Meta auf MTIA. Amazon betreibt mit Project Rainier einen Rechenzentrums-Verbund mit inzwischen mehr als einer Million Trainium2-Chips, auf dem Anthropic seine Claude-Modelle trainiert und betreibt.
Neoclouds wie CoreWeave, Nebius oder Lambda bilden eine eigene Anbieter-Klasse neben den Hyperscalern. Sie vermieten fast nur GPU-Rechenleistung für KI-Training und Inferenz, bieten aber nicht das breite Dienste-Portfolio der Hyperscaler von Datenbanken hin zu Bürosoftware. Selbst Hyperscaler mieten hier mittlerweile Kapazität zu. Microsoft und Meta gehören zu den größten Kunden von Nebius. Beim Nscale-Vertrag über rund 45 Milliarden Dollar lief es umgekehrt. Microsoft stieg aus, Anthropic übernahm die Kapazität.
Die Internationale Energieagentur beziffert den Stromverbrauch aller Rechenzentren 2024 auf etwa 415 Terawattstunden oder rund 1,5 Prozent des weltweiten Stromverbrauchs (IEA-Report Energy and AI). Sie erwarten bis 2030 einen Anstieg auf 945 Terawattstunden.
In Deutschland und Europa läuft parallel eine Souveränitätsdiskussion, weil die großen Hyperscaler US-Unternehmen sind und damit dem US-CLOUD-Act unterliegen. AWS hat im Januar 2026 die European Sovereign Cloud mit erstem Standort in Brandenburg gestartet. Betrieben ausschließlich von EU-Personal unter einer deutschen Gesellschaft. Langfristig sollen dort mehr als 7,8 Milliarden Euro hineinfließen (AWS-Ankündigung zur European Sovereign Cloud). Google investiert nach eigenen Angaben 5,5 Milliarden Euro bis 2029 in Deutschland. U. a. in ein neues Rechenzentrum in Dietzenbach (Google-Ankündigung zur Deutschland-Investition). Europäische Anbieter wie STACKIT (Schwarz-Gruppe), IONOS, Open Telekom Cloud und OVHcloud reihen sich als gute Alternative mit garantierter Datenresidenz in Europa ein.
Die meisten lokalen Unternehmen und Handwerksbetriebe sind bereits Hyperscaler-Kunden, ohne einen Vertrag mit AWS, Azure oder Google Cloud zu haben. Microsoft 365 läuft auf Azure, viele Website-Baukästen, Buchhaltungs- und Handwerker-Apps auf AWS oder Google Cloud, und ChatGPT wird auf Rechenzentren von Microsoft, Oracle und weiteren Partnern betrieben. Wer ein Cloud-Tool nutzt, nutzt fast immer indirekt einen Hyperscaler.
Für die Auftragsverarbeitung nach DSGVO zählt, in welchem Rechenzentrum ein Software-Anbieter seine Daten hält. Viele nennen dafür konkret eine AWS- oder Azure-Region wie Frankfurt. Betriebe, die Wert auf einen europäischen Betreiber legen, finden einen bei IONOS, STACKIT oder bei der Open Telekom Cloud Hosting für Website und E-Mail.
Auch die Verfügbarkeit von KI-Tools hängt direkt an den Hyperscalern. Wenn GPU-Kapazität knapp ist, reagieren die Anbieter mit Wartelisten, gedrosselten Modellen oder strengeren Nutzungslimits. Die milliardenschweren Rechenzentrums-Investitionen der Hyperscaler entscheiden mit darüber, wie schnell solche Engpässe verschwinden. Ein Betrieb muss dafür nichts tun, versteht mit dem Begriff aber, warum ein KI-Tool zeitweise langsamer antwortet, Limits begrenzt oder neue Funktionen nur stückchenweise freigeschaltet werden.
