Die NVIDIA Keynote 2026: Von KI Fabriken, autonomen Agenten und der Revolution der physischen KI
ML 2026 – Die NVIDIA Keynote Anfang Juni (1. bis 4.6.2026) hat einmal mehr verdeutlicht, dass wir am Beginn eines völlig neuen Industriezeitalters stehen. NVIDIA CEO Jensen Huang präsentierte eine Zukunftsvision, in der Rechenzentren zu Fabriken werden und Software zunehmend eigenständig handelt. Hier sind die wichtigsten Erkenntnisse und Ankündigungen für alle KI-Enthusiasten und Entwickler.
In dieser neuen Ära, in der KI Fabriken die Landschaft der Technologie prägen, erwartet uns eine Vielzahl an Möglichkeiten und Herausforderungen.
Willkommen im Zeitalter der „AI Factories“ und Tokens
NVIDIA definiert den Zweck von Rechenzentren neu: Sie sind nicht mehr nur Orte, um Daten zu speichern, sondern gigantische „AI Factories“ (KI-Fabriken), deren Hauptprodukt sogenannte Tokens sind
Tokens gelten als die neuen elementaren Bausteine der Intelligenz und als der neue Rohstoff der digitalen Welt. Um diese Fabriken effizient zu planen und zu betreiben, hat NVIDIA die DSX-Plattform vorgestellt, einen Omniverse-basierten digitalen Zwilling, der den Bau und das dynamische Energiemanagement dieser gigantischen Infrastrukturen optimiert.
Zusätzlich treibt NVIDIA den globalen Ausbau dieser Fabriken durch massive Partnerschaften in Asien voran: Mit SK hynix wurde eine mehrjährige Technologiepartnerschaft für KI-Speicher geschlossen, während NAVER und SK Telecom mithilfe der NVIDIA DSX-Plattform gigawattstarke, souveräne KI-Cloud-Infrastrukturen in Korea aufbauen. Auch mit der LG Group und der Doosan Group wurden Fabriken für physische KI vereinbart.
Infografik: Die Architektur der KI-Fabrik
Vera Rubin: Die Architektur für „Agentic AI“
Um den exponentiell wachsenden Rechenbedarf zu decken, präsentierte NVIDIA die neue Vera Rubin-Plattform. Da zukünftige KI-Modelle nicht mehr nur einfache Antworten generieren, sondern als Agenten planen, nachdenken und Werkzeuge nutzen müssen, steigen die Anforderungen enorm. Das Vera Rubin-System ist ein Meilenstein der Technik:
- Es verbindet 72 GPUs über ein revolutionäres NVLink-Netzwerkwerk mit einer Bandbreite von 260 Terabyte pro Sekunde
- Es integriert die neue, extrem energieeffiziente Vera CPU, die speziell auf die hohen Datenraten von KI-Agenten ausgelegt ist
- In einer beispiellosen Partnerschaft kombiniert NVIDIA die Rubin-Plattform mit Groq-Chips (LPU), um extrem schnelles „Token-Generieren“ (Inferenz) bei minimaler Latenz zu ermöglichen, was die Leistung um das 35-fache steigert
Von SaaS zu Agaas: Der Durchbruch von OpenClaw
Ein absolutes Highlight der Keynote war die Ankündigung rund um OpenClaw – laut Huang das erfolgreichste Open-Source-Projekt in der Geschichte der Menschheit, das die Entwicklung von Linux in nur wenigen Wochen in den Schatten stellte. OpenClaw fungiert im Grunde als das Betriebssystem für KI-Agenten, mit dem diese auf Werkzeuge, Dateisysteme und Modelle zugreifen sowie Aufgaben selbstständig in Teilschritte zerlegen können.
Jensen Huang prognostizierte einen massiven Paradigmenwechsel in der Softwareindustrie: Jedes Software-as-a-Service (SaaS) Unternehmen wird zu einem Agentic-as-a-Service (Agaas) Unternehmen werden. Da OpenClaw naturgemäß Sicherheitsrisiken für Unternehmen birgt (wie den ungewollten Zugriff auf sensible Lieferketten- oder Finanzdaten), stellte NVIDIA mit NemoClaw ein sicheres „Enterprise-Ready“-Referenzdesign vor. So können Unternehmen maßgeschneiderte, sichere KI-Agenten in ihre Netzwerke integrieren.
Physische KI: Wenn Roboter laufen und fahren lernen
Die Keynote widmete sich auch ausführlich der „Physical AI“. NVIDIA demonstrierte dies eindrucksvoll mit 110 Robotern unterschiedlichster Hersteller. Im Zentrum stehen die GR00T Foundation Models, die als Gehirne für vielseitig einsetzbare Roboter dienen, sowie Simulationsumgebungen wie Isaac Lab und Cosmos, in denen Roboter ihre Fähigkeiten rein virtuell trainieren können.
Die Fortschritte in der Robotik zeigten sich an zwei faszinierenden Beispielen:
- Autonomes Fahren: Die Technologie hat ihren „ChatGPT-Moment“ erreicht. NVIDIA kündigte neue Partnerschaften mit BYD, Hyundai, Nissan, Geely sowie dem Fahrdienstleister Uber an, um künftig Robotaxis sicher auf die Straßen zu bringen
- Disney’s Olaf: Zur Auflockerung betrat ein kleiner Disney-Roboter in Form des Schneemanns „Olaf“ die Bühne. Angetrieben von einem NVIDIA Jetson-Computer in seinem Bauch und trainiert durch physikalische Simulationen im Omniverse, demonstrierte der charmante Roboter lebhaft die Fortschritte im Bereich humanoider und charakterbasierter Roboter
Fazit für unsere unsertraining.de-Community
Die Ära der rein textbasierten generativen KI entwickelt sich rasend schnell weiter. Mit der Einführung leistungsstarker Agenten-Systeme (OpenClaw/NemoClaw) und revolutionärer Hardware (Vera Rubin) verschiebt sich der Fokus von „KI, die uns Antworten gibt“ zu „KI, die für uns Aufgaben erledigt“. Für Entwickler und IT-Profis bedeutet das: Jetzt ist der Zeitpunkt, sich mit Agentic AI und den neuen Open-Source-Ökosystemen vertraut zu machen!
Quelle: https://youtu.be/jw_o0xr8MWU
NVIDIA GTC Keynote 2026
Was sind Groq LPUs
LPU steht für Language Processing Unit (Sprachverarbeitungseinheit). Es handelt sich dabei um einen völlig neuartigen, spezialisierten Mikroprozessor, der von der Firma Groq entwickelt wurde.
Während Grafikkarten (GPUs) wie die von NVIDIA ursprünglich für Grafik und das massiv parallele Training von KI-Modellen gebaut wurden, ist die LPU ein reiner Spezialist für die Inferenz – also das sekundenschnelle Ausführen und Generieren von Antworten durch bereits fertige Sprachmodelle (LLMs).
Das führt im Alltag zu den extremen, fast augenblicklichen Text-Generierungsraten, für die Groq bekannt ist.
Warum sind LPUs so extrem schnell?
Die Architektur bricht mit klassischen Chip-Designs und setzt auf drei Kernprinzipien:
SRAM statt HBM (Superschneller Speicher direkt auf dem Chip): Herkömmliche GPUs verwenden HBM (High Bandwidth Memory), der zwar schnell ist, aber als separater Baustein neben dem Rechenkern liegt. Das Hin- und Herschaufeln der Daten erzeugt eine Verzögerung (Latenz). Groq verbaut den Speicher (SRAM) direkt auf dem Rechenkern. Die Recheneinheiten müssen nie auf Daten warten.
Deterministische Architektur (Keine unvorhersehbaren Verzögerungen): Ein LPU-Chip besitzt keinen dynamischen Cache und keine komplexe, automatische Routenplanung für Daten. Ein spezieller Compiler plant im Vorfeld (beim Laden des Modells) auf die Nanosekunde genau, welches Datenbit wann welchen Pfad auf dem Chip nimmt. Alles läuft wie auf einem perfekt getakteten Fließband.
Fokus auf sequenzielle Verarbeitung: Sprachgenerierung funktioniert Wort für Wort (Token für Token) – das nächste Wort baut immer auf dem vorherigen auf. GPUs glänzen, wenn sie Millionen Aufgaben gleichzeitig (parallel) berechnen können; bei dieser strikt hintereinander ablaufenden Textgenerierung langweilen sie sich jedoch oft. Die LPU ist genau für diesen sequenziellen Datenfluss optimiert.
Was haben Rubin-GPUs mit Nvidia zu tun?
Rubin-GPUs sind die absolute Speerspitze von NVIDIAs Grafikprozessoren-Architektur. Sie stellen die nächste fundamentale Generation dar, die auf der NVIDIA GTC 2026 als Nachfolger der Blackwell-Generation angekündigt wurde.
Während Hopper (2022/2023) für das erste große KI-Training berühmt wurde und Blackwell (2024/2025) für die massenhafte Skalierung von Inferenz (Antworten generieren) optimiert war, bricht die Rubin-Architektur alle bisherigen Leistungsrekorde und ist radikal auf das Zeitalter der „Agentischen KI“ (KI-Agenten, die eigenständig handeln und planen) ausgerichtet.
Was sind Rubin GPUs?
Die enormen Leistungssprünge (wie in deiner Grafik zu sehen: von 50 Millionen auf 700 Millionen in der Token-Generierungsrate) werden durch bahnbrechende neue Technologien ermöglicht:
HBM4 (High Bandwidth Memory der nächsten Generation): Rubin-GPUs setzen erstmals auf den brandneuen HBM4-Speicher. Dieser ist über ein extrem breites Speicherinterface (einzelne Stapel sind mit 2048-Bit-Breite angebunden) direkt mit dem Grafikprozessor gekoppelt. Dadurch wird die größte Bremse moderner KI-Chips – die Speicherbandbreite – drastisch gelockert.
3nm-Fertigungsprozess: Die Chips werden in einem noch feineren Verfahren (voraussichtlich bei TSMC im 3-Nanometer-Prozess) hergestellt. Das erlaubt es NVIDIA, noch mehr Milliarden Transistoren auf derselben Fläche unterzubringen und gleichzeitig den Stromverbrauch pro Rechenoperation massiv zu senken.
Vera CPU-Kopplung: Die Rubin-GPUs arbeiten extrem eng mit der neuen Vera CPU zusammen. Während die GPU die massiven mathematischen KI-Berechnungen durchführt, sorgt die Vera CPU für das extrem schnelle Management der Logikketten, die für komplexe, mehrstufige KI-Agenten-Workflows nötig sind.
Was bedeutet das für die Praxis?
In der obigen Grafik wird das Hauptmerkmal mit „35-facher Durchsatz pro Megawatt“ beschrieben. Das ist der entscheidende Punkt für moderne Rechenzentren (die „KI-Fabriken“):
Bisher stieg mit der Leistung von KI-Modellen auch der Stromhunger der Server exponentiell an. Rubin bricht diese Kurve. Weil die Energieeffizienz so massiv verbessert wurde, können Rechenzentren viel intelligentere Modelle betreiben, ohne dass die Stromnetze kollabieren.
Zusammen mit den Groq-LPUs, die für die blitzschnelle Textausgabe zuständig sind, bilden die Rubin-GPUs das rechenstarke Fundament, das im Hintergrund die gigantischen Datenmengen analysiert, Bilder/Videos berechnet und die logischen Entscheidungen der KI-Agenten steuert.
