Ich bin kein Freund von OpenAI. Das ist kein Geheimnis für alle, die meinen Blog länger verfolgen. Die #QuitGPT-Bewegung, die im Februar 2026 Fahrt aufgenommen hat, hat meine prinzipielle Skepsis nur bestätigt: politische Spenden in zweistelliger Millionenhöhe an einen Wahlkampf, die Zusammenarbeit mit der US-Einwanderungsbehörde ICE, ein qualitativ schwächelndes Modell namens GPT-5.2, das viele Nutzer als bevormundend empfunden haben. Das alles hat mich nicht umgestimmt. Und trotzdem muss ich heute über OpenAI schreiben, weil das, was sie gestern, am 24. Juni 2026, angekündigt haben, eine strategische Zäsur ist, die weit über das Unternehmen selbst hinausreicht.
OpenAI und Broadcom haben gemeinsam einen eigenen KI-Chip präsentiert. Er heißt Jalapeño. Und er ist, bei allem Vorbehalt, den ich gegenüber Sam Altmans Firma habe, technisch und strategisch hochinteressant.
Meine These, ganz direkt: Jalapeño ist kein Produkt. Es ist eine Unabhängigkeitserklärung von NVIDIA. Und wer versteht, was das bedeutet, versteht auch, warum dieser Chip die Chiplandschaft der nächsten Dekade mitformen wird.
In diesem Artikel schaue ich mir an, was der Jalapeño-Chip technisch leistet, wie er in die größere Strategie von OpenAI eingebettet ist, was das für andere Player bedeutet und, ja, auch warum ich das trotz meiner grundsätzlichen Kritik an OpenAI für bemerkenswert halte.
Kurzer Rückblick: #QuitGPT und warum Kritik an OpenAI berechtigt bleibt
Bevor ich in die Technik einsteige, ein kurzer Kontext, der mir wichtig ist.
Im Februar 2026 habe ich auf digitalhandwerk.rocks ausführlich über die #QuitGPT-Bewegung geschrieben. Der Kern damals: Zehntausende Nutzer kündigten ihre ChatGPT-Abos, weil OpenAI-Präsident Greg Brockman und seine Frau 25 Millionen Dollar an ein Trump-nahen Super-PAC gespendet haben, weil GPT-basierte Tools für die Überwachungsinfrastruktur der Einwanderungsbehörde ICE eingesetzt wurden und weil das Modell selbst qualitativ nachgelassen hatte. Ich habe das Vertrauen in OpenAI als Unternehmen seitdem nicht zurückgewonnen.
Diese Haltung ändert sich durch den Jalapeño-Chip nicht. Ein technisch starkes Produkt macht ein Unternehmen nicht zu einem besseren Akteur. Wer heute noch überlegt, von ChatGPT zu alternativen Diensten zu wechseln, hat dafür nach wie vor gute Gründe.
Aber: Technologie kritisch beobachten heißt auch, Wichtiges beim Namen zu nennen, wenn es passiert. Und was OpenAI gestern vorgestellt hat, ist wichtig.
Was ist der Jalapeño-Chip überhaupt?
„OpenAI hat nicht einfach einen Chip in Auftrag gegeben. OpenAI hat sich erstmals die Kontrolle über seine eigene Recheninfrastruktur gesichert“, erklärt Alex Januschewsky, KI-Berater und Betreiber von digitalhandwerk.rocks.
Jalapeño ist ein ASIC (Application Specific Integrated Circuit), also ein Chip, der nicht für allgemeine Aufgaben, sondern für einen einzigen, hochspezifischen Zweck gebaut wurde: LLM-Inferenz. Das ist der Prozess, der passiert, wenn du ChatGPT eine Frage stellst und eine Antwort bekommst. Nicht Training, das ist etwas anderes. Inferenz: das Ausführen eines bereits fertig trainierten Modells im laufenden Betrieb.
Warum das wichtig ist? Ich habe das schon im Artikel über Strom und KI-Infrastruktur beschrieben: Schätzungen gehen davon aus, dass 80 bis 90 Prozent der gesamten KI-Rechenleistung auf die Inferenz entfallen, nicht auf das Training. Wer die Inferenz optimiert, optimiert damit den größten Kostenblock in jedem KI-Betrieb.
Und genau das hat OpenAI mit Jalapeño getan. Der Chip wurde laut offiziellem Statement von Grund auf für LLM-Inferenz gebaut, nicht als Generalisierung eines älteren Designs. Die Architektur reduziert unnötige Datenbewegungen und bringt Rechenleistung, Arbeitsspeicher und Netzwerkressourcen in ein Gleichgewicht, das die tatsächliche Auslastung viel näher an den theoretischen Maximalwert heranbringt. Das ist der Punkt, an dem es technisch wirklich interessant wird. Klassische GPUs, auch die Blackwell-Generation von NVIDIA, sind auf ein breites Spektrum an Workloads ausgelegt. Ein ASIC kann enger, effizienter, vorhersehbarer optimiert werden. Wer nur einen einzigen Job erledigen muss, erledigt ihn besser.
Noch konkreter: Frühe Tests sollen zeigen, dass Jalapeño eine erheblich bessere Performance pro Watt liefert als der aktuelle Stand der Technik. Broadcom-Chef Hock Tan hat in einem Reuters-Interview sogar gesagt, der Chip halte mit Nvidias Blackwell-Chips und Googles TPUs mit. Ob das nach dem Erscheinen des vollständigen technischen Berichts, den OpenAI für die kommenden Monate angekündigt hat, standhalten wird, schauen wir dann mal.
Neun Monate vom Design bis zum Tape-out: Was das bedeutet
Hier ist der Teil, der mich am meisten überrascht hat.
Der Jalapeño-Chip wurde von der ersten Designentscheidung bis zum sogenannten Tape-out, also der Übergabe des Designs zur Fertigung, in neun Monaten fertiggestellt. OpenAI selbst nennt das den schnellsten ASIC-Entwicklungszyklus in der Geschichte der Hochleistungshalbleiter.
Das ist keine Selbstverständlichkeit. Komplexe Chip-Designs dauern normalerweise mehrere Jahre. NVIDIA hat für seine Architekturen regelmäßig Entwicklungszyklen von zwei bis vier Jahren. Die Frage, wie OpenAI das so schnell hinbekommen hat, hat eine simple Antwort: Sie haben ihre eigenen KI-Modelle für Teile des Designprozesses eingesetzt.
Das ist der Flywheel-Effekt, auf den OpenAI in seiner Ankündigung explizit hinweist. Bessere Infrastruktur ermöglicht bessere Modelle. Bessere Modelle helfen dabei, die nächste Generation der Infrastruktur schneller zu entwickeln. Klingt nach Marketing, ist aber strukturell plausibel. Wenn ein LLM bestimmte Optimierungsaufgaben im Chipdesign übernimmt, senkt das die Entwicklungszeit real.
Zur Fertigung: Der Chip geht, wie praktisch alle High-End-KI-Chips derzeit, zu TSMC in Taiwan. Spezifische Details über den Prozessknoten hat OpenAI nicht kommuniziert, aber Broadcom arbeitet aktuell auf TSMCs 3nm-Knoten für seine XPU-Chips, und erste Kapazitäten auf dem 2nm-Knoten sind ebenfalls ausgebucht.
Wer noch im Ökosystem steckt: Broadcom und Celestica
Jalapeño ist kein OpenAI-Soloprojekt. Das Ökosystem dahinter ist durchdacht.
Broadcom übernimmt die Silicon Implementation, also die Umsetzung des Designs in fertiges Silizium, plus die Netzwerktechnologien. Konkret genannt wird Tomahawk Networking Silicon, Broaocoms aktuelles Flaggschiff für Rechenzentrum-Switching. Das ist relevant, weil bei großskaligem KI-Betrieb nicht nur die Chips selbst, sondern die Verbindungen zwischen ihnen den Durchsatz bestimmen.
Celestica, ein kanadischer Auftragshersteller für Elektronik, übernimmt die Integration in Boards, Racks und ganze Serversysteme. Die Chips werden also nicht einzeln verbaut, sondern als komplette Infrastrukturlösung ausgeliefert.
Das Ganze ist als Multi-Generationen-Plattform konzipiert. Jalapeño ist der erste Schritt, nicht der letzte. Die Ankündigung spricht von einem gemeinsamen Chip-Roadmap mit Broadcom über mehrere Generationen, mit erstem Deployment bis Ende 2026 und weiterer Skalierung in den folgenden Jahren.
Warum das NVIDIA beunruhigen sollte
Ich habe vor einigen Monaten über das Hardware-Dilemma und OpenAIs Infrastrukturstrategie geschrieben und dabei auf ein grundsätzliches Problem hingewiesen: Wer als reiner Software-Anbieter auf fremder Hardware läuft, ist austauschbar. OpenAI hat das erkannt.
Das Muster kennen wir von anderen Playern. Google hat seine TPUs seit 2014 intern entwickelt und arbeitet heute mit Broadcom, MediaTek, Marvell und Intel zusammen. Amazon hat Trainium und Inferentia. Microsoft hat Maia. Meta baut MTIA. Alle großen Hyperscaler haben erkannt, dass die Abhängigkeit von NVIDIA langfristig weder wirtschaftlich noch strategisch tragbar ist.
Ich habe das schon im Kontext der deutschen KI-Fabrik beschrieben, wo 10.000 GPUs als Meilenstein gefeiert wurden, während Stargate auf 3 Millionen GPUs zielte: Wer bei Nvidia Bittsteller bleibt, hat kein eigenes Schicksal. OpenAI hat das jetzt, wenigstens auf der Infrastrukturseite, geändert.
Zahlen zur Einordnung: Custom ASIC-Serverlieferungen sollen laut Analysten 2026 auf einen Marktanteil von 27,8 Prozent wachsen, den höchsten Stand seit 2023. Das Wachstum der kundenspezifischen ASICs liegt bei 44,6 Prozent pro Jahr, fast dreimal so hoch wie das GPU-Wachstum von 16,1 Prozent. Und Broadcom, das im Zentrum fast aller dieser Custom-Chip-Projekte steht, hat für 2027 einen KI-Chip-Umsatz von 100 Milliarden Dollar angekündigt, bei einem AI-Backlog von 73 Milliarden Dollar.
NVIDIA hat rund 70 Prozent Marktanteil bei KI-Chips. Dieser Anteil wird sinken. Nicht verschwinden, aber sinken. Jalapeño ist ein weiterer Baustein in diesem Prozess.
Was das für die Kosten von ChatGPT bedeuten könnte
Hier ist, was mich aus der Nutzerperspektive am meisten interessiert.
Inferenz ist teuer. Jede ChatGPT-Anfrage, jede Codex-Aufgabe, jede API-Response kostet Rechenleistung und damit Geld. OpenAI betreibt das aktuell großteils auf NVIDIA-Hardware, und NVIDIA-GPUs sind generalistisch, also für viele Workloads ausgelegt. Ein ASIC, der ausschließlich für LLM-Inferenz gebaut wurde, kann effizienter, also billiger pro Token, sein.
Wenn Jalapeño hält, was die frühen Tests versprechen, also eine deutlich bessere Performance pro Watt als aktuelle High-End-GPUs, dann senkt das die Kosten für jeden generierten Token. Das könnte sich in günstigeren API-Preisen niederschlagen. Oder in schnelleren Antwortzeiten. Oder in beides.
Ob das tatsächlich bei den Endnutzern ankommt oder primär die Margen von OpenAI verbessert, ist eine andere Frage. Ich hab da keine Illusion darüber, wie Altmans Unternehmen Kosteneinsparungen priorisiert. Aber das strukturelle Potenzial für günstigere Inferenz ist real.
Was das für Europa und die KI-Souveränität bedeutet
Schauen wir mal kurz aus der Vogelperspektive.
Jalapeño ist ein privater Custom-Chip eines US-Unternehmens, gefertigt in Taiwan, entwickelt mit einem Broadcom-Konzern mit Hauptsitz in Palo Alto. Da ist keine europäische Hand im Spiel. Überhaupt keine.
Das ist die unbequeme Realität: Während wir in Österreich und Deutschland über KI-Strategien, Regulierungsrahmen und Ethik-Guidelines diskutieren, bauen die USA ihre KI-Infrastruktur vertikal durch, vom Chip über das Rechenzentrum bis zum Modell bis zum Produkt. Der CLOUD Act bleibt, die Daten-Abhängigkeit bleibt, die Kontrolle über kritische Infrastruktur bleibt drüben.
Wer europäische Souveränität in der KI-Frage ernst nimmt, muss diese Hardware-Realität kennen. Denn wer den Chip kontrolliert, kontrolliert die Inferenz. Wer die Inferenz kontrolliert, kontrolliert, was mit deinen Anfragen passiert.
Was ich trotz allem daran richtig finde
Kommen wir zum Teil, der mir schwerfällt, aber wichtig ist.
Ich habe erwartet, dass OpenAI bei eigenen Hardware-Versuchen scheitern könnte, weil Hardware eben Atome biegt und Lieferketten braucht, was OpenAI bis dato nicht konnte.
Ich hab das falsch eingeschätzt. Zumindest teilweise.
OpenAI hat nicht versucht, ein Consumer-Device zu bauen. Sie haben sich einen spezialisierten Chip-Partner gesucht, der seit Jahrzehnten weiß, wie das geht, nämlich Broadcom. Dann haben sie ihre eigene Stärke eingesetzt: die Kenntnis ihrer eigenen Modelle, Kernel und Serving-Patterns. Und sie haben KI genutzt, um den Chip schneller zu entwickeln. Das ist eine ehrliche Stärke-zu-Stärke-Partnerschaft, keine Überheblichkeit.
Die neun Monate Entwicklungszeit sind, wenn sie stimmen, ein echter Beweis. Das ist keine PR-Zahl, sondern etwas, das Ingenieure in der Chipindustrie nachprüfen können und werden. Wenn das ASIC tatsächlich in dieser Geschwindigkeit und Qualität entstanden ist, ist das ein Benchmark für die gesamte Branche.
Was das für EPU und KMU in meinem Umfeld in der DACH-Region direkt bedeutet? Im ersten Moment wenig. Jalapeño wird nicht in den Open-Source-Modellen laufen, die lokale Unternehmen einsetzen. Aber es ändert die Kostenstruktur der Cloud-KI-Dienste mittel- bis langfristig, und das betrifft jeden, der APIs nutzt.
Was ich noch nicht weiß und du auch nicht
Zum Abschluss ein paar ehrliche Fragezeichen.
Der ausführliche technische Bericht kommt erst in den nächsten Monaten. Ob Jalapeño wirklich mit NVIDIA Blackwell oder Googles Ironwood TPUs mithalten kann, weiß im Moment niemand außer den Testteams bei OpenAI. Ich bin grundsätzlich skeptisch gegenüber Performance-Claims zum Ankündigungszeitpunkt. Die Branche hat genug davon gehabt.
Offen ist auch die Frage, wie es mit dem TSMC-Kapazitätsproblem aussieht. TSMC hat derzeit mehr Nachfrage als Kapazität auf den Advanced Nodes, und Broadcom selbst hat vor Engpässen gewarnt. Ob die Jalapeño-Produktion wie geplant bis Ende 2026 skaliert, ist noch keine sichere Sache.
Und schließlich: Die Multi-Generationen-Roadmap klingt überzeugend. Aber OpenAI ist kein Unternehmen, das für seine langfristige Stabilität bekannt ist. Strategische Kurswechsel, interne Unruhe, Führungsdebatten: das alles ist Teil der OpenAI-Geschichte. Ob diese Chip-Partnerschaft in zwei oder drei Jahren noch so aussieht wie heute, ist offen.
Meine Einschätzung, so wie die Dinge jetzt stehen: Jalapeño ist ein ernsthafter erster Schritt. Kein Allheilmittel, keine Revolution, aber auch keine leere Ankündigung. Es ist das erste Mal, dass OpenAI einen strukturellen Schritt tut, der über Modelle und Produkte hinausgeht und wirklich in die Infrastruktur greift.
Das macht das Unternehmen nicht besser. Aber es macht den Chip beachtenswert.
