AWS erhöht Preise für GPU-Kapazitäten um bis zu 20 Prozent

KI-Boom treibt Kosten für Cloud-Rechenleistung - AWS passt Preise für GPU-Reservierungen an

Bild: KI-generiert mit chatGPT

Amazon Web Services (AWS) erhöht zum 1. Juli 2026 die Preise für reservierte GPU-Kapazitäten der EC2 Capacity Blocks um durchschnittlich 20 Prozent. Betroffen sind vor allem KI-Instanzen auf Basis von Nvidia Blackwell- und Hopper-GPUs. Die Preisanpassung gilt als weiteres Indiz für die anhaltend hohe Nachfrage nach Rechenleistung für KI-Training und Inferenz.

Amazon Web Services erhöht die Preise seiner EC2 Capacity Blocks für Machine-Learning-Workloads zum 1. Juli 2026 um durchschnittlich rund 20 Prozent. Nach Angaben des Unternehmens basiert die Anpassung auf der aktuellen Angebots- und Nachfragesituation im Markt für KI-Beschleuniger.

Betroffen sind vorerst ausschließlich reservierte GPU-Kapazitäten (Capacity Blocks for ML). Alle übrigen EC2-Preise bleiben unverändert.

Capacity Blocks ermöglichen Unternehmen, GPU-Ressourcen für einen definierten Zeitraum im Voraus zu reservieren. Das Angebot richtet sich insbesondere an Organisationen, die zeitkritische Trainingsläufe großer KI-Modelle planen und dafür garantierte Rechenkapazitäten benötigen.

Blackwell- und Hopper-Systeme betroffen

Die neuen Preise gelten für mehrere GPU-Instanzfamilien, darunter die aktuellen Nvidia-Generationen Blackwell und Hopper.

Zu den betroffenen Instanzen gehören unter anderem:

Die leistungsstärksten P6-Instanzen auf Basis der Nvidia-Blackwell-Architektur verteuern sich dabei auf über 14 US-Dollar pro GPU und Stunde.

AWS begründet die Anpassung mit einer regelmäßigen Überprüfung der Preise anhand von Angebot und Nachfrage.

KI-Boom sorgt für anhaltend hohe Nachfrage

Die Preiserhöhung fällt in eine Phase außergewöhnlich hoher Nachfrage nach KI-Infrastruktur.

Im ersten Quartal 2026 wuchs der AWS-Umsatz gegenüber dem Vorjahr um 28 Prozent auf 37,6 Milliarden US-Dollar. Damit verzeichnete die Cloud-Sparte von Amazon das stärkste Wachstum seit mehr als drei Jahren.

Parallel investiert Amazon massiv in den Ausbau seiner KI-Infrastruktur. Für 2026 plant das Unternehmen Investitionen von rund 200 Milliarden US-Dollar in Rechenzentren, Netzwerktechnik und KI-Beschleuniger.

Hinzu kommt eine langfristige Liefervereinbarung mit Nvidia. Medienberichten zufolge soll Amazon bis Ende 2027 rund eine Million Nvidia-GPUs erhalten. Die Größenordnung verdeutlicht, wie angespannt die Versorgung mit Hochleistungsbeschleunigern weiterhin ist.

Reservierte GPU-Kapazitäten werden zum knappen Gut

Capacity Blocks unterscheiden sich von klassischen On-Demand-Instanzen dadurch, dass Kunden ihre GPU-Kapazitäten verbindlich im Voraus buchen.

Gerade für große KI-Projekte besitzt diese Planungssicherheit einen erheblichen Wert. Trainingsläufe großer Sprachmodelle oder umfangreiche Inferenz-Workloads lassen sich häufig nicht kurzfristig verschieben. Unternehmen akzeptieren deshalb höhere Preise, wenn dadurch die benötigten Ressourcen garantiert verfügbar sind.

Signalwirkung für den gesamten Cloud-Markt

Die Entscheidung dürfte weit über AWS hinaus Beachtung finden.

Microsoft Azure und Google Cloud konkurrieren im Markt für KI-Infrastrukturen um dieselben Unternehmenskunden. Beobachter erwarten, dass beide Anbieter ihre Preise für reservierte GPU-Kapazitäten ebenfalls anheben oder die Gelegenheit nutzen, preisbewusste Kunden zu gewinnen.

Insbesondere Google positioniert seine eigenen TPU-Beschleuniger zunehmend als kostengünstige Alternative zu Nvidia-basierten GPU-Instanzen. Sollten Azure oder Google Cloud ihre Preise zunächst stabil halten, könnte dies kurzfristig den Wettbewerb um KI-Workloads verschärfen.

Nvidia profitiert – trotz steigender Kosten

Für Nvidia sendet die Preisentwicklung ein gemischtes Signal.

Einerseits bestätigt sie die weiterhin außergewöhnlich hohe Nachfrage nach GPUs auf Basis der Hopper- und Blackwell-Architekturen. Cloud-Anbieter können ihre Preise erhöhen, weil die verfügbaren Kapazitäten weiterhin knapp sind.

Andererseits steigen damit auch die Infrastrukturkosten für Unternehmen, die große KI-Modelle trainieren oder produktiv betreiben.

Dies könnte mittelfristig den Druck erhöhen, GPU-Auslastung zu optimieren, effizientere KI-Modelle einzusetzen, alternative Beschleuniger zu evaluieren oder aber eigene Rechenzentren stärker auszubauen.

Indikator für den Zustand des KI-Infrastrukturmarktes

Die AWS-Preiserhöhung ist weniger als klassische Preisanpassung zu verstehen, sondern vielmehr als Indikator für den Zustand des weltweiten KI-Infrastrukturmarktes.

Obwohl Cloud-Anbieter und Hyperscaler ihre Investitionen massiv erhöhen, bleibt das Angebot an Hochleistungs-GPUs hinter der Nachfrage zurück. KI-Training und Inferenz entwickeln sich damit zunehmend zu einem Infrastrukturthema, bei dem nicht nur Rechenleistung, sondern auch deren Verfügbarkeit zum entscheidenden Wettbewerbsfaktor wird.

Für Unternehmen bedeutet dies, dass die Kosten für KI-Infrastrukturen voraussichtlich hoch bleiben werden. Gleichzeitig gewinnt eine effiziente Planung von GPU-Kapazitäten weiter an Bedeutung.