KI-Campi in DE: live, Bau und Planung trennen
München live, Lübbenau im Milliarden-Bau, ESC in Brandenburg: Wie Cloud-Teams AI-Factory-Kapazität ehrlich planen.
München liefert bereits KI-Kapazität, Lübbenau plant im Milliarden-Maßstab, Brandenburg hostet die AWS-Sovereign-Region, Bayern bewirbt Gigafactory-Pläne: Deutschland steckt mitten in einer Welle aus AI Factories, Campi und Hyperscale-Bauten. Für Cloud-Teams zählt weniger die Ankündigungsfolien – sondern was wann online ist und was an Netz, Genehmigung und Auslastung hängen bleibt.
Das Wichtigste in Kürze
- Live und Pipeline mischen sich. Telekom/NVIDIA in München ist in Betrieb; Lübbenau und weitere Großprojekte sind Bau- und Planungsrealität mit langen Lead-Times.
- Kapazität ist nicht gleich Verfügbarkeit. GPUs, MW und „souverän“-Labels helfen nur, wenn Anschluss, Kühlung und Verträge greifen – siehe gescheiterte Standortprojekte.
- Operator-Frage: Welche Workloads brauchen lokale AI-Factory-Kapazität, welche bleiben flexibel in Public Cloud – und wie misst du Auslastung vor dem Commit?
Verwandt:Souveräne Cloud scheitert am Anschluss, nicht am Code / Wenn GPUs den SaaS-Etat auffressen
Die Landkarte: was steht, was wächst, was plant
München, Tucherpark – Industrial AI Cloud von Telekom/T-Systems mit NVIDIA. Offiziell in Betrieb seit Februar 2026. Aufbau mit NVIDIA und Datacenter-Partner Polarise. Kommuniziert: rund 10.000 NVIDIA-Blackwell-GPUs (u.a. DGX B200 und RTX-PRO-Server), bis zu 0,5 ExaFLOPS, Betrieb in Deutschland mit Fokus auf Industrie, Forschung und öffentlichen Sektor. Laut Telekom war die Fabrik mit den ersten Kunden bereits über ein Drittel ausgelastet. Das ist der greifbarste „AI Factory live“-Fall im DACH-Raum – kein reines Strategiepapier.
Lübbenau, Lausitz – Schwarz Digits Datacenter. Schwarz Digits kommuniziert eine Investition von elf Milliarden Euro in ein Rechenzentrum auf einem ehemaligen Kraftwerksgelände, modular in Bauabschnitten, Zielhorizont Ende 2027, mit Kapazität für bis zu 100.000 GPUs und Anbindung an Grünstrom und Abwärmenutzung. Das ist Größenordnung Hyperscale/AI-Campus, nicht ein regionales Colocation-Gebäude. Für die Region ist es Standortpolitik und Energiewende in einem.
Brandenburg – AWS European Sovereign Cloud. Die erste ESC-Region liegt im Land Brandenburg und ist seit Januar 2026 general verfügbar. Das koppelt „souveräne“ Hyperscaler-Kapazität an denselben physischen Engpassraum, in dem auch andere Großprojekte um Strom und Genehmigung konkurrieren.
Schweinfurt / Blue Swan und weitere Bewerbungen. Bayern hat sich mit dem Konzept einer KI-Gigafactory (u.a. bis zu 100.000 KI-Chips im Planungsnarrativ) positioniert. Solche Projekte sind zum Zeitpunkt der Berichterstattung oft noch Bewerbung, Genehmigungs- oder Förderlogik – nicht gleichzusetzen mit „online ab nächstem Quartal“. In der Öffentlichkeitsarbeit verschwimmt das leicht. Praktiker trennen: live, im Bau mit Datum, Bewerbung/Plan.
Warum die Welle jetzt kommt
Drei Treiber greifen ineinander:
- Nachfrage nach lokaler KI-Kapazität – Industrie will Trainings- und Inference-Last mit Datenresidenz und niedriger Latenz, nicht nur API-Calls in die USA.
- Politik und Förderung – AI Factories, IPCEI-ähnliche Narrative, Standortwettbewerb der Länder und der EU um „souveräne“ Compute-Blöcke.
- Hyperscaler und Industriekonzerne investieren parallel – AWS ESC, Telekom/NVIDIA, Handelskonzern-IT (Schwarz Digits) und Bewerber-Gigafactories. Das ist kein einzelner Player, sondern ein Kapazitäts-Rennen.
Gleichzeitig bleibt der Flaschenhals physisch: Strom, Kühlung, Abwärme, Bebauungsplan, Fachkräfte. Ein Campus auf der Folie ohne Trafo und Verfahren ist Marketing. Die RZ-Paradoxon-Lektion von Babenhausen gilt auch hier.
- Erste echte AI-Factory-Kapazität in DE (München) als Referenz für SLA und Onboarding
- Großprojekte (Lübbenau u.a.) signalisieren mehr GPU-Angebot ab Mitte/Ende der Dekade
- Sovereign-Cloud-Regionen koppeln Hyperscaler an denselben Standort-Markt
- Viele Ankündigungen sind noch Bau- oder Bewerbungsstatus
- Netz und Genehmigung können Zeitpläne sprengen
- Auslastung und Preis pro GPU-Stunde entscheiden über den Business Case
Was Cloud- und Plattform-Teams jetzt tun
1. Inventur der Bedarfsklassen. Welche Workloads brauchen „GPU in Deutschland mit Betriebsmodell X“ – und welche brauchen nur günstige Inference irgendwo in der EU?
2. PoC gegen Live-Kapazität, nicht gegen Renderings. München und ähnliche Angebote lassen sich testen. Pipeline-Projekte mit 2027er Horizont gehören in die Szenario-Planung, nicht in den Q3-Produktions-Commit.
3. Multi-Source-Strategie. Eine Factory ist Single Point of Failure. ESC, europäische Colos, Telekom-Cloud und Public-Cloud-EU-Regionen sind Optionen – mit klaren Failover-Kriterien.
4. Standort-Due-Diligence mitdenken. Wenn du Kapazität „lokal“ kaufst, kaufst du indirekt Netz, Kühlung und Politik. Die sieben Standort-Fragen aus dem RZ-Paradoxon-Artikel gelten 1:1.
5. FinOps vor dem Hype-Commit. GPU-Stunden, Auslastung, Idle-Quote – sonst frisst die Campus-Story denselben Etat, der gerade SaaS-Lizenzen kürzt.
// Definition
Was ist eine AI Factory / KI-Campus-Kapazität? Ein gebündeltes Angebot aus GPU-/AI-Server-Infrastruktur, oft mit Betreiber, Standort in einer Jurisdiktion und Fokus auf Training/Inference für Industrie oder Forschung – im Unterschied zur reinen Public-Cloud-Region. „Campus“ und „Factory“ sind Marketingbegriffe; technisch zählen MW, GPU-Anzahl, Netz, SLA und Betriebsmodell.
Verdikt
Deutschland baut – endlich – physische KI-Kapazität. München beweist, dass es geht. Lübbenau und Co. zeigen den Maßstab der nächsten Jahre. AWS ESC zeigt, dass auch Hyperscaler den Standortkampf mitspielen. Die strategische Falle wäre, Ankündigungen mit verfügbarer Kapazität zu verwechseln. Wer 2026 produziert, bucht das, was live ist und messbar skaliert. Wer 2028 plant, braucht Szenarien mit Netz, Genehmigung und Exit – nicht nur eine Landkarte voller Logos.
Häufige Fragen
Was ist eine AI Factory?
Ein Standort oder Angebot mit gebündelter KI-Rechenkapazität (typisch GPUs), Betreiber und oft Souveränitäts- oder Industrie-Fokus. Der Begriff ist nicht standardisiert – relevant sind GPU-Zahl, Leistung, Standort, SLA und Betriebsmodell.
Ist die Telekom/NVIDIA-Cloud in München schon nutzbar?
Ja. Die Industrial AI Cloud wurde im Februar 2026 offiziell in Betrieb genommen. Telekom kommuniziert rund 10.000 Blackwell-GPUs und erste Industriekunden mit spürbarer Auslastung.
Was plant Schwarz Digits in Lübbenau?
Ein großes Rechenzentrum in der Lausitz mit kommunizierter Investition von elf Milliarden Euro, modularer Bau, Zielhorizont Ende 2027 und Kapazität für bis zu 100.000 GPUs – auf einem ehemaligen Kraftwerksstandort mit Energie- und Abwärme-Fokus.
Sind alle Campus-Projekte schon genehmigt und finanziert?
Nein. Manche sind live, manche im Bau, manche Bewerbung oder politische Positionierung (etwa Gigafactory-Konzepte). Immer Status und Quellen prüfen, bevor Kapazität in die Architektur einfließt.
Wie sollten Teams Kapazität einkaufen?
Bedarfsklassen definieren, PoCs gegen Live-Angebote fahren, Multi-Source planen, Standort- und Netzrisiken bewerten und GPU-FinOps (Auslastung, Idle, Commit) vor dem Langfrist-Commit festziehen.
Lesetipps der Redaktion
cloudmagazinSouveräne Cloud scheitert am Anschluss, nicht am CodecloudmagazinWenn GPUs den SaaS-Etat auffressencloudmagazinSovereign Cloud endet nicht am ServerstandortMehr aus dem MBF Media Netzwerk
MyBusinessFutureWann sich ein deutsches KI-Modell wirklich rechnetDigital ChiefsSouveräne KI: die Verantwortung bleibt im HausSecurityTodayWas ist KRITIS? Betreiber, Pflichten und SchwellenBildquelle: KI-generiert (Juli 2026)
