Der KI-Training-Markt spaltet sich in zwei dauerhaft getrennte Wettbewerbsligen — das Frontier-Tier, wo Kosten pro Lauf bis 2030 auf 38 Milliarden Dollar steigen, und das Mass-Tier, wo Reinforcement Learning plus Destillation leistungsfähige Modelle auf 5 Millionen Dollar bringt. HBM-Knappheit ist der strukturelle Mechanismus, und die Incumbents, die vor 2026 Versorgung gesichert haben, haben das entscheidende Infrastrukturrennen des Jahrzehnts bereits gewonnen.
Warum der Konsens den falschen Rahmen hat
Der Konsens verfolgt Benchmark-Ergebnisse und Parameteranzahlen. Er feiert Effizienzgewinne bei Open-Weight-Modellen und interpretiert die Komprimierung von Massenmarkt-Modellen als Beweis für die Demokratisierung des Frontiers. Die quantitative Matsuoka-Analyse am RIKEN belegt das Gegenteil: Die Metrik, die die Wettbewerbsposition vorhersagt, sind die Inferenzkosten pro Petabyte Bandbreite — und diese Metrik benachteiligt Neueinsteiger im Jahr 2026 um den Faktor 3,2×. Effizienzgewinne im Mass-Tier sind echt und schnell. Die Kosteninflation im Frontier-Bereich ist ebenso real, ebenso schnell — und bewegt sich in die entgegengesetzte Richtung. Das Mitteln beider Kurven erzeugt eine Konvergenzgeschichte. Ihre Trennung offenbart eine dauerhafte strukturelle Divergenz. Die Kostenkurve sagt: Die Spaltung des Marktes ist eine vollendete Tatsache — der Preis folgt noch.
Die Kostenkurve
Ein Jahrzehnt an Daten beseitigt jede Unklarheit. 2020: Das Training von GPT-3 kostete 4,6 Millionen Dollar — realisierbar für gut finanzierte Forschungslabore. 2023: Die amortisierten Hardware- und Energiekosten von GPT-4 erreichten 78–100 Millionen Dollar — institutionelles Kapital und dedizierte Compute-Cluster waren erforderlich. 2026: Die Frontier-Baseline liegt bei 1,5 Milliarden Dollar pro Lauf, wobei HBM-Speicher 40–50% der Accelerator-Stückliste ausmacht. 2030: Das RIKEN-Modell von Matsuoka prognostiziert 18–38 Milliarden Dollar pro Frontier-Training-Lauf — eine Summe, die das jährliche F&E-Budget der meisten Fortune-500-Unternehmen übersteigt. In entgegengesetzter Richtung: 40 Millionen Dollar im Mass-Tier im Jahr 2026, fallend auf einstellige Millionenbeträge bis 2030 durch RL-Destillation. Zwei Kurven, zwei Industrien, zwei völlig unterschiedliche Wettbewerbslogiken. Dies ist ein Regimewechsel, der als Trend verkleidet ist.
Gemäß AGORÀ Intelligence-Analyse von sechs Primärquellen einschließlich des quantitativen RIKEN-Szenariomodells operiert die strukturelle HBM-Einschränkung über einen einzigen Engpass: Drei Lieferanten — SK Hynix (53%), Samsung (35%), Micron (~10%) — kontrollieren die gesamte HBM-Produktion, mit der gesamten 2026er Kapazität vorverkauft und bedeutender Versorgungsentlastung frühestens 2028. Die DRAM-Vertragspreise stiegen allein im ersten Quartal 2026 um 90%. Der HBM-Markt wächst von 35 Milliarden Dollar im Jahr 2025 auf projizierte 100 Milliarden bis 2028 — ein Zeichen struktureller Neubepreisung statt zyklischer Fluktuation.
Der Markt interpretiert HBM-Knappheit als vorübergehenden Versorgungsengpass — ein zyklisches Problem mit zyklischer Lösung. Die RIKEN-Daten enthüllen eine strukturelle Dynamik: Selbst wenn HBM4 im Jahr 2027 hochfährt und den Incumbent-Neueinsteiger-Abstand auf 1,9× reduziert, skaliert der Frontier-Computerehrgeiz proportional. Bis 2029–2030 weitet sich der Abstand auf 3–4× aus, da Hardware der Rubin-Generation mit 16 TB/s als Frontier-Anforderung gilt. Die Knappheit persistiert. Sie migriert mit jeder neuen Siliziumgeneration im Stack aufwärts.
Das Cliff-Ereignis
Das Jahr 2027 wird ein kurzes, irreführendes Fenster scheinbarer Konvergenz erzeugen. Der HBM4-Hochlauf reduziert den Incumbent-Neueinsteiger-Inferenzkostenabstand von 3,2× auf 1,9–2,0×. Neueinsteiger mit starken Bilanzen werden dies als Demokratisierungsmoment interpretieren und entsprechend investieren. Die Matsuoka Staged-Gate-Analyse identifiziert präzise Kill-Kriterien für diese Investitionen: zwei aufeinanderfolgende Quartale mit Crash-Signalen, Frontier-Modellpreissenkungen von über 30%, oder HBM-Angebotsbeschleunigung von über 20%. Unternehmen, die Kapital im Konvergenzfenster 2027 einsetzen — und es fälschlicherweise als dauerhafte Bedingung lesen — tragen das höchste Solvenzyrisiko, wenn der Abstand 2029 wieder anwächst. Rubin-Generationssysteme mit 16 TB/s HBM4 und 1.800 W Leistungsaufnahme stellen eine kategorisch andere Infrastrukturanforderung dar als heutige H100-Cluster.
Drei Sektoren, die bis 2029 anders aussehen werden
- Infrastrukturfinanzierung: Das zirkuläre Verpflichtungsnetz von über 800 Milliarden Dollar — Stargate, Oracle-OpenAI, OpenAI-AMD, OpenAI-AWS — hat die Infrastrukturfinanzierung bereits in eine eigene Anlageklasse verwandelt. Bis 2029 wird Frontier-KI-Trainingskapazität wie Stromerzeugung finanziert: langfristige Kapazitätsverträge, Staatsfondsbeteiligung und regulierte Renditen. Organisationen außerhalb dieser Finanzierungsarchitektur trainieren ausschließlich auf dem Mass-Tier.
- Enterprise-Software: Die Preisschere von zwei Größenordnungen — Anthropic bei $25–30 pro Million Token gegenüber DeepSeek V4 Flash bei $0,09–0,18 — festigt sich statt zu komprimieren. Das Premium-Tier erzielt 42% des OpenRouter-Umsatzes bei 11% Tokenanteil; diese Konzentration verstärkt sich mit der Divergenz der Tiers. SaaS-Produkte müssen sich vor 2028 für ihr Tier entscheiden — Infrastruktur-Switching-Kosten multiplizieren sich jährlich, und das Fenster für Repositionierung schließt sich mit jedem Rubin-Generationszyklus.
- Nationale KI-Programme: Das Szenario der Geopolitischen Bifurkation mit 12% Wahrscheinlichkeit in der RIKEN-Analyse — Exportkontrollen schaffen eine westliche Frontier-Enklave, während der Rest der Welt auf chinesische Open Weights standardisiert — beschreibt eine bereits in Gang gesetzte Partition. Chinas LineShine LX2 belegte im Juni 2026 Platz #1 in der TOP500-Liste mit 2,198 EFLOPS. Nationen außerhalb beider Blöcke stehen vor einer binären Entscheidung: Ausrichtung auf ein Frontier-Ökosystem oder dauerhafte Mass-Tier-Position in der globalen Intelligenzhierarchie.
Bis Ende 2028 konsolidiert sich die Gruppe der Organisationen, die auf dem Frontier trainieren können — Läufe über 5 Milliarden Dollar Rechenkosten — auf weltweit fünf oder weniger: zwei bis drei US-Hyperscaler, ein chinesisches staatlich unterstütztes Konsortium und höchstens eine europäische oder Golf-Staatsentität. Alle anderen KI-Entwickler, einschließlich der aktuell gut kapitalisierten Frontier-Labore, migrieren dauerhaft zum Mass-Tier-Training über RL und Destillation. Das Mass-Tier erreicht 5 Millionen Dollar pro leistungsfähigem Lauf. Das Frontier-Tier überschreitet 18 Milliarden Dollar. Der Abstand ist terminal.
Kill-Signal: Der HBM-Spotpreis fällt über zwei aufeinanderfolgende Quartale auf unter 50 Dollar pro Stack, oder eine Durchbruch-Speicherarchitektur — CXL-gebundenes gepooltes DRAM, photonische Verbindung auf Compute-Klasse-Bandbreite — erreicht Parität bei 60% niedrigeren Kosten vor Q2 2027. Eines dieser Szenarien setzt den Trainings-Kostenboden zurück und öffnet den Frontier-Zugang für gut kapitalisierte Neueinsteiger.