Ein einziger Testzyklus von sechs Wochen ohne nennenswerte Probleme hat gereicht, um eines der teuersten Wettrüsten der Tech-Branche neu zu ordnen. Im September 2026 beginnt Meta mit der Serienfertigung seines selbst entwickelten KI-Chips namens "Iris", und markiert damit einen der konkretesten Versuche eines Hyperscalers, sich von Nvidias Hardware-Dominanz zu lösen. Der Meta Iris KI-Chip ist kein Experiment mehr, sondern geht in die industrielle Produktion, gefertigt von TSMC und mitentwickelt mit Broadcom. Für die gesamte KI-Chip-Branche ist das ein Signal: Die Zeit, in der Nvidia allein den Takt vorgibt, könnte sich dem Ende zuneigen.
Inhaltsverzeichnis
Key Takeaways
- Der Meta Iris KI-Chip (Codename der vierten MTIA-Generation) geht im September 2026 in Serienproduktion, nach einem sechswöchigen Testzyklus ohne größere Probleme [1][5].
- Meta will seine gesamte Rechenkapazität von rund 7 Gigawatt (2026) auf 14 Gigawatt im Jahr 2027 verdoppeln [1][7].
- Broadcom entwirft den Chip gemeinsam mit Meta, TSMC fertigt ihn, erstmals im 2-Nanometer-Prozess [4][6].
- Iris ergänzt Nvidia- und AMD-GPUs, ersetzt sie aber nicht vollständig; der Fokus liegt auf Ranking-, Empfehlungs- und generativen KI-Workloads [3][8].
- Meta investiert 2026 bis zu 145 Milliarden US-Dollar in KI-Infrastruktur, während Nvidia weiterhin rund 85 Prozent Marktanteil bei KI-Chips hält [9][8].
Was ist der Meta Iris KI-Chip? Produktionsstart im September 2026
Iris ist der interne Codename für die vierte Generation der Meta Training and Inference Accelerators, kurz MTIA. Laut einem internen Memo, das Reuters einsehen konnte, hat der Chip einen sechswöchigen Testzyklus durchlaufen, ohne größere Architekturprobleme [1][5]. Das ist bemerkenswert, denn frühere Chip-Projekte großer Tech-Konzerne scheiterten häufig genau in dieser Phase an unerwarteten Fehlern in der Fertigung oder im Zusammenspiel mit bestehender Software.
Mit dem reibungslosen Testergebnis hat Meta grünes Licht für die Serienfertigung gegeben. Ab September 2026 rollt der Meta Iris KI-Chip in den ersten Stückzahlen aus den Fabriken von TSMC [2][6]. Offiziell firmiert der Chip auch unter der Bezeichnung MTIA 400, wobei "Iris" der interne Projektname bleibt, unter dem das Vorhaben in Medienberichten bekannt wurde.
Der Zeitpunkt ist kein Zufall. Meta befindet sich mitten in einer Phase massiver Infrastrukturinvestitionen: Für 2026 sind Ausgaben von bis zu 145 Milliarden US-Dollar in KI-Infrastruktur vorgesehen [7]. Ein eigener, in Serie produzierter Chip senkt dabei nicht nur Kosten, sondern reduziert auch die Abhängigkeit von einem einzigen externen Zulieferer für die kritischste Komponente der KI-Wertschöpfungskette.
Technologiepartner: Broadcom, TSMC und der Weg zum 2-Nanometer-Chip
Der Meta Iris KI-Chip entsteht nicht im Alleingang. Meta arbeitet bei Design und Architektur eng mit Broadcom zusammen, während die eigentliche Fertigung bei TSMC, dem taiwanischen Halbleiter-Fertigungsriesen, liegt [1][4]. Diese Aufteilung ist typisch für die Branche: Kaum ein Unternehmen außer TSMC verfügt über die Fertigungskapazitäten für modernste Chip-Prozesse.
Besonders hervorzuheben ist der Fertigungsprozess. Laut Broadcom-Angaben ist Iris der erste Chip, der auf einem 2-Nanometer-Prozess basiert, ein technologischer Sprung, der höhere Rechenleistung bei geringerem Energieverbrauch pro Berechnung ermöglicht [4][6]. Im April 2026 erweiterten Broadcom und Meta ihre Partnerschaft bis ins Jahr 2029 und vereinbarten eine initiale Verpflichtung von über einem Gigawatt an MTIA-Rechenleistung [4][6].
Diese langfristige Bindung zeigt: Es handelt sich nicht um ein einmaliges Projekt, sondern um eine strategische Neuausrichtung der Lieferketten. Ergänzt wird dies durch weitere langfristige Lieferverträge, unter anderem mit:
| Partner | Bereich |
|---|---|
| Samsung Electronics | Speicherchips |
| SanDisk | Flash-Speicher |
| Sumitomo Electric | Glasfaser-Equipment für Rechenzentren |
Diese Vereinbarungen sichern Meta nicht nur die Chip-Produktion selbst ab, sondern auch die gesamte Infrastruktur rund um Speicher und Netzwerkverbindungen, die für den Betrieb großer KI-Cluster notwendig ist.
Die MTIA-Roadmap: Von Iris zu MTIA 500
Iris ist Teil eines größeren, mehrjährigen Plans. Die MTIA-Roadmap von Meta umfasst mehrere Chip-Generationen (MTIA 300, 400, 450, 500), von denen Iris die aktuell in Produktion gehende Generation ist [3][5]. Jede dieser Generationen soll im Abstand von etwa sechs Monaten erscheinen, ein ambitionierter Rhythmus, der eher an Smartphone-Zyklen als an klassische Halbleiterentwicklung erinnert.
Der nächste große Meilenstein ist MTIA 500, der für den Masseneinsatz im Jahr 2027 geplant ist [3][8]. Diese Taktung erlaubt es Meta, technologische Fortschritte schnell in die eigene Infrastruktur einzuspeisen, statt wie klassische Chip-Zyklen zwei bis drei Jahre auf die nächste Generation zu warten.
"Hyperscaler wie Meta entwickeln zunehmend eigene Chips, um nicht von einzelnen Zulieferern abhängig zu sein", erklärt Analyst Mike Gualtieri von Forrester [8].
Diese Einschätzung trifft den Kern der Strategie: Es geht nicht darum, Nvidia vom Markt zu verdrängen, sondern die eigene Verhandlungsposition und Lieferkettensicherheit zu verbessern.
Warum Meta eigene KI-Chips baut: Kosten, Energie und Unabhängigkeit von Nvidia
Der zentrale Treiber hinter dem Meta Iris KI-Chip ist eine Kombination aus Kosten- und Energieeffizienz. Nvidia-GPUs sind leistungsstark, aber teuer und energieintensiv, und angesichts der schieren Menge an benötigter Rechenleistung summieren sich diese Kosten schnell auf Milliardenbeträge [9]. Ein selbst entwickelter Chip, der auf spezifische Meta-Workloads zugeschnitten ist, kann in bestimmten Anwendungsfällen effizienter arbeiten als eine Allzweck-GPU.
Wichtig für die Einordnung: Iris soll die bestehende GPU-Infrastruktur nicht ersetzen, sondern ergänzen [3][8]. Der Chip ist primär für folgende Workloads ausgelegt:
- Ranking-Algorithmen für Newsfeeds bei Facebook und Instagram
- Empfehlungssysteme für Inhalte und Werbung
- Generative KI-Anwendungen innerhalb der Meta-Plattformen
Für besonders rechenintensive Trainingsaufgaben, etwa das Training großer Sprachmodelle, bleiben Nvidia- und AMD-GPUs weiterhin im Einsatz. Die Strategie ist also keine vollständige Abkehr, sondern eine gezielte Diversifizierung der Rechenlast, ein Muster, das auch bei anderen Hyperscalern wie Google (mit den TPUs) und Amazon (mit Trainium) zu beobachten ist.
Nvidias Marktmacht unter Druck: Was Iris für die Branche bedeutet
Nvidia hält weiterhin einen Marktanteil von rund 85 Prozent im Bereich KI-Beschleuniger [8]. Diese Dominanz beruht nicht nur auf der Hardware selbst, sondern auch auf dem tief verwurzelten CUDA-Software-Ökosystem, das Entwickler seit Jahren nutzen. Ein einzelner Chip eines Hyperscalers wird diese Position kurzfristig nicht ins Wanken bringen.
Trotzdem ist die Symbolik des Meta Iris KI-Chips bedeutsam. Wenn einer der größten Cloud- und Social-Media-Konzerne der Welt eigene, in Serie produzierte Chips einsetzt, sendet das ein klares Signal an den gesamten Markt: Abhängigkeit von einem einzigen Chip-Lieferanten wird zunehmend als Risiko betrachtet, nicht als Selbstverständlichkeit.
Für die deutschsprachige Tech- und Investorenszene ist die Frage "Ende der Nvidia-Abhängigkeit?" berechtigt, aber differenziert zu beantworten. Kurzfristig bleibt Nvidia der unangefochtene Marktführer. Mittelfristig aber könnte sich das Kräfteverhältnis verschieben, sollten weitere Hyperscaler dem Beispiel folgen und eigene Chip-Programme in ähnlichem Umfang skalieren.
Ein Vergleich der aktuellen Positionierung verdeutlicht die Dynamik:
| Aspekt | Nvidia-GPUs | Meta Iris KI-Chip |
|---|---|---|
| Marktanteil | ca. 85 Prozent | Interner Einsatz bei Meta |
| Haupteinsatz | Training, universelle KI-Workloads | Ranking, Empfehlungen, generative KI |
| Fertigung | Eigenes Design, TSMC-Fertigung | Broadcom-Design, TSMC-Fertigung |
| Ökosystem | CUDA, breite Software-Basis | Meta-interne Infrastruktur |
Ausblick: 14 Gigawatt Rechenkapazität und die Rolle von Iris bis 2027
Metas Ziel, die gesamte Rechenkapazität von rund 7 Gigawatt im Jahr 2026 auf 14 Gigawatt im Jahr 2027 zu verdoppeln, ist eine der ambitioniertesten Infrastrukturzusagen der Branche [1][7]. Der Meta Iris KI-Chip wird dabei ein zentraler, aber nicht der einzige Baustein sein. Parallel investiert Meta in Speicherchips, Flash-Speicher und Glasfaser-Netzwerke, um sicherzustellen, dass die zusätzliche Rechenleistung auch tatsächlich genutzt werden kann.
Für 2027 und darüber hinaus zeichnen sich folgende Entwicklungen ab:
- Masseneinsatz von MTIA 500 ab 2027, als nächste Generation nach Iris [3][8].
- Fortsetzung der Sechs-Monats-Taktung neuer Chip-Generationen.
- Weiterer Ausbau der Partnerschaft mit Broadcom bis mindestens 2029 [4][6].
- Parallele Nutzung von Nvidia- und AMD-GPUs für Trainingsaufgaben, die eigene Chips nicht abdecken.
Ob dieser Kurs bis 2028 tatsächlich signifikante Marktanteile von Nvidia abzieht, bleibt eine offene Frage, die von Analysten unterschiedlich bewertet wird. Belastbare Prognosen darüber, wie sich die Marktanteile konkret verschieben werden, liegen aktuell nicht vor, die genannten Fakten beschränken sich auf Metas eigene Infrastrukturpläne und Partnerschaften.
Fazit: Was der Meta Iris KI-Chip für Entwickler und Investoren bedeutet
Der Start der Serienproduktion des Meta Iris KI-Chips ist ein handfestes Beispiel dafür, wie Hyperscaler versuchen, ihre Abhängigkeit von einzelnen Hardware-Lieferanten zu reduzieren. Die Kombination aus eigenem Chip-Design, Broadcoms Engineering-Expertise und TSMCs Fertigungskapazitäten zeigt einen pragmatischen Mittelweg: Iris ersetzt Nvidia nicht, sondern übernimmt gezielt jene Workloads, bei denen ein spezialisierter Chip wirtschaftlicher arbeitet.
Für Entwickler, die mit Meta-Infrastruktur arbeiten, bedeutet dies mittelfristig neue Optimierungsmöglichkeiten für Ranking- und Empfehlungssysteme. Für Investoren liefert die Entwicklung ein wichtiges Signal: Wer die KI-Chip-Branche bewertet, sollte nicht nur auf Nvidias Umsatzzahlen schauen, sondern auch die wachsende Zahl an Eigenentwicklungen der großen Cloud- und Plattformkonzerne im Blick behalten. Die nächsten konkreten Meilensteine, der Masseneinsatz von MTIA 500 im Jahr 2027 und die Fortschritte bei der Kapazitätsverdopplung auf 14 Gigawatt, werden zeigen, wie nachhaltig dieser Kurswechsel tatsächlich ist.
References
[1] Meta Put Ai Chip Into Production September It Looks Double Computing Capacity 2026 07 09 – https://www.reuters.com/world/asia-pacific/meta-put-ai-chip-into-production-september-it-looks-double-computing-capacity-2026-07-09/
[2] Meta Start Production Iris Ai 122141801 – https://finance.yahoo.com/technology/ai/articles/meta-start-production-iris-ai-122141801.html
[3] Meta Iris Ai Chip Mtia Production 2026 – https://tech-insider.org/meta-iris-ai-chip-mtia-production-2026/
[4] Metas Iris Chip Enters Production In September Broadcom – https://letsdatascience.com/blog/metas-iris-chip-enters-production-in-september-broadcom
[5] Metas Iris Ai Chip Passes Testing Broadcom Now Designs Chips Three Rivals – https://www.techtimes.com/articles/320839/20260717/metas-iris-ai-chip-passes-testing-broadcom-now-designs-chips-three-rivals.htm
[6] Meta To Put Ai Chip Into Production In September Report – https://www.cnbc.com/2026/07/09/meta-to-put-ai-chip-into-production-in-september-report.html
[7] Exclusive Meta Put Ai Chip 112222555 – https://finance.yahoo.com/technology/ai/articles/exclusive-meta-put-ai-chip-112222555.html
[8] Meta Iris Ai Chip Nvidia Market Share 2026 – https://tech-insider.org/ca/meta-iris-ai-chip-nvidia-market-share-2026/
[9] Meta Custom Chips Nvidia Cost Energy – https://cryptobriefing.com/meta-custom-chips-nvidia-cost-energy/
[10] Exclusive Meta Put Ai Chip Production September Looks Double – https://www.globalbankingandfinance.com/exclusive-meta-put-ai-chip-production-september-looks-double/
