Blackwell-GPUs für souveräne Industrie-KI

Deutsche Telekom und NVIDIA haben die Industrial AI Cloud im November 2025 angekündigt und am 4. Februar 2026 in München in Betrieb genommen. Mehr als 1.000 DGX-B200-Systeme, bis zu 10.000 Blackwell-GPUs, Standort München, Anspruch souveräne KI für Industrie und Mittelstand. Es ist der größte Hardware-Aufschlag, den die Telekom je gefahren hat. Für DACH-CIOs zählt etwas anderes: Was davon ist Standortpolitik, was davon eine Plattform, auf der produktive Industrie-Workloads laufen.

Korrektur vom 10.10.2026: In einer früheren Fassung hieß es, die Industrial AI Cloud sei Ende April 2026 gestartet. Dazu kamen eine geschätzte Roadmap und Wolfspeed als Ankerkunde. Tatsächlich wurde die Plattform im November 2025 angekündigt und läuft seit Februar 2026. Daten, Zeitplan und Kundenangaben sind korrigiert.

Das Wichtigste in Kürze

• Start der Industrial AI Cloud in München: angekündigt am 4. November 2025, in Betrieb seit dem 4. Februar 2026. Mehr als 1.000 DGX-B200-Systeme und RTX PRO Server mit bis zu 10.000 Blackwell-GPUs, Betrieb durch die Deutsche Telekom auf NVIDIA-Hardware (Quelle NVIDIA Blog vom 04.11.2025; Telekom-Pressemitteilung).
• Als Nutzer genannt sind Agile Robots (Ankerkunde), Perplexity, Noxtua und Wandelbots. SAP und Siemens bringen ihre Plattformen ein, Mercedes-Benz und BMW sollen laut Siemens Simulationen darauf fahren. Die Plattform ist Compute-Layer plus NVIDIA-Software-Stack. Industrie-spezifische Modelle, MLOps und Datenintegration bleiben Aufgabe der Anwender.
• Souveränität bezieht sich auf Standort, Betreiber und Auditrechte. Die Hardware-Architektur, der Beschleuniger-Stack und die Lieferkette bleiben NVIDIA-zentral.
• Zeitplan: angekündigt im November 2025, seit Februar 2026 in Betrieb und über T-Systems buchbar. Öffentliche Preise, Förderlinien für den Mittelstand und ein Ausbauplan sind bislang nicht veröffentlicht.
• CIO-Frage: Welche Workload-Klasse rechtfertigt den Wechsel von Hyperscaler oder On-Prem auf einen souveränen GPU-Cluster und welche Exit-Klauseln stehen im Vertrag.

Was ist die Industrial AI Cloud? Eine GPU-Cloud-Plattform der Deutschen Telekom auf NVIDIA-Blackwell-Hardware in München, in Betrieb seit dem 4. Februar 2026. Mehr als 1.000 DGX-B200-Systeme mit bis zu 10.000 Blackwell-GPUs liefern Compute für Foundation-Model-Inferenz, Industrial Digital Twins und Echtzeit-KI auf Produktionsdaten. Vertrieb als AI-as-a-Service über T-Systems, Vertragshoheit nach deutschem Recht, erster genannter Ankerkunde ist Agile Robots.

Was Telekom und NVIDIA in München tatsächlich aufgebaut haben

Die Industrial AI Cloud ist die größte einzelne KI-Compute-Investition der Telekom seit Beginn des KI-Zyklus, ein Projekt von rund einer Milliarde Euro. Mehr als 1.000 NVIDIA-DGX-B200-Systeme und RTX PRO Server bringen bis zu 10.000 Blackwell-GPUs in ein umgebautes früheres Rechenzentrum der HypoVereinsbank im Münchner Tucherpark. NVIDIA stellt die Hardware-Architektur, den Software-Stack (CUDA, NIM, NeMo, Triton) und das Cloud-Operating-Modell. Die Telekom liefert Rechenzentrum, Strom, Konnektivität und den Vertrags-Wrap mit deutscher Rechtshoheit, der Vertrieb läuft über T-Systems. Als erste Nutzer sind Agile Robots, Perplexity, Noxtua und Wandelbots genannt.

Die offizielle Positionierung lautet souveräne KI-Plattform für deutsche und europäische Industrie. Das ist eine Standort- und Betriebs-Aussage. Die Daten bleiben in einem deutschen Rechenzentrum, der Betrieb erfolgt durch einen deutschen Konzern, die Compliance-Klausel referenziert deutsches und europäisches Recht. Was nicht souverän wird: Die Beschleuniger sind Blackwell, die Software-Plattform ist NVIDIA, die Modell-Familie wird über NIM-Microservices ausgeliefert, die strategische Abhängigkeit zu NVIDIA bleibt unverändert. Wer die Souveränitätsaussage als Architektur-Versprechen liest, liest das Wort weiter als die Pressemitteilung es trägt.

Aus der Mehrebenen-Sicht der Hannover-Messe-Analyse ergibt sich daraus eine klare Programmpflicht. Compute-Souveränität in München lässt sich kombinieren mit Software-Hoheit (Abstraktions-Layer über NVIDIA-Stack) und Daten-Hoheit (eigene Klassifizierung, eigener Audit-Trail). Die Telekom-Plattform liefert nur die unterste Schicht. Wer die mittleren und oberen Schichten ungeprüft mitkauft, hat ein Lock-in-Programm gestartet, das in fünf Jahren so schwer zu lösen ist wie heute der Wechsel zwischen den großen Hyperscalern.

Vom Start zum Produktivbetrieb: Was seit Februar 2026 belegt ist

Zwischen Ankündigung und Inbetriebnahme lagen drei Monate. Seit Februar 2026 ist die Plattform laut T-Systems für Kunden verfügbar. Der belegte Stand im Überblick:

Zwischen Verfügbarkeit und produktivem Workload liegt trotzdem Arbeit auf Kundenseite. Erstens müssen Unternehmen ihre Datenpipelines auf den Cluster bringen, bevor produktive Inferenz laufen kann. Das sind in jedem Industriekonzern mindestens drei Monate Engineering-Arbeit, oft mehr. Zweitens braucht NVIDIAs NeMo- und NIM-Stack pro Use-Case ein eigenes Modell-Tuning. Drittens entstehen die Konditionen im Einzelgespräch mit T-Systems, eine öffentliche Preisliste fehlt. Wer als CIO im Mittelstand produktive Workloads plant, sollte diesen Vorlauf einrechnen.

Souveränitätsversprechen vs. Plattform-Reife: Wo der Trade-off wirklich liegt

Die strategische Frage ist nicht, ob der München-Cluster ein guter Industrie-Standort ist. Er ist es, gemessen an Strom-Verfügbarkeit, Konnektivität und politischer Rückendeckung. Die Frage ist, welche Workload-Klasse die Migration auf einen souveränen GPU-Cluster wirklich rechtfertigt und welche besser auf Hyperscaler oder On-Prem bleibt.

Die Pro-Seite trägt für drei Workload-Klassen eindeutig: Foundation-Model-Inferenz mit Datenhoheit, Industrial Digital Twins mit Maschinen-Telemetrie und Echtzeit-Inferenz auf produktionsnahen Daten, die das Werksgelände nicht verlassen sollen. Für klassische Trainings-Workloads kleinerer Modelle, für Standard-MLOps und für administrative KI-Use-Cases bleibt der Hyperscaler bis auf weiteres die ökonomischere Option. Die Differenzierung gehört in die schriftliche Architektur-Entscheidung, nicht in eine Pauschal-Migration.

Was im DACH-CIO-Kalender bis Ende 2026 wirklich passieren muss

Der München-Cluster ist eine strategische Option. Wer die Option ziehen will, sollte drei konkrete Schritte bis Ende 2026 abgeschlossen haben. Erstens eine Workload-Klassifizierung, die jeder produktiven KI-Anwendung eine Datenklasse, einen Compute-Bedarf und eine Souveränitäts-Anforderung zuweist. Zweitens ein Architektur-Diagramm, das die drei Schichten Compute, Software und Daten getrennt entscheidet, mit explizitem Lock-in-Risiko pro Schicht. Drittens eine Verhandlungsposition mit T-Systems, die Exit-Klauseln, Datenmobilität und Tarif-Pfade abdeckt, bevor der erste produktive Workload migriert wird.

Aus der Google-Cloud-Next-Analyse lässt sich übrigens ableiten, dass die Konkurrenz nicht stillhält. Google positioniert TPU-8i und Agent-Inference-Pods für genau die Workload-Klasse, die der München-Cluster anvisiert. Wer die Industrial AI Cloud als alternativlose Sovereign-Option liest, ignoriert die Tatsache, dass Hyperscaler-Souveränitäts-Konstrukte (deutsche Rechenzentren, BSI-zertifizierte Operating-Modelle) parallel reifen. Die Verhandlungsposition mit der Telekom verbessert sich, wenn die Hyperscaler-Alternative offen auf dem Tisch liegt.

Die Industrial AI Cloud München ist Standortpolitik mit ernsthaftem Compute-Substrat. Zur dominierenden KI-Plattform für die DACH-Industrie wird sie 2026 kaum. Sie ist eine valide Option für die Workload-Klassen, die sie wirklich bedient. Wer das Programm jetzt sauber strukturiert, hat 2027 die besseren Verhandlungspositionen, gleichgültig ob mit der Telekom, mit den Hyperscalern oder mit einem möglichen zweiten souveränen Standort.

Häufige Fragen

Mehr aus dem MBF Media Netzwerk

Quelle Titelbild: Pexels / panumas nikhomkhai (px:17489151)