Die drei Leben eines Servers: KI-Hardware | Xinity

Jemand hat unter einem unserer jüngsten Beiträge eine gute Frage gestellt: Wie wirkt sich Ihrer Meinung nach die Abschreibung auf die Hardware aus, wenn ein Unternehmen wächst?

Das verdient mehr als nur eine Antwort in den Kommentaren, denn die Antwort liegt zufällig im Zentrum der derzeit lautesten Buchhaltungsdebatte in der Tech-Branche. Und weil die Antwort für einen Hyperscaler und die Antwort für ein Unternehmen in entgegengesetzte Richtungen weisen.

Drei Uhren, eine Maschine

Jeder Server läuft auf drei Uhren gleichzeitig, und die meisten Infrastruktur-Diskussionen werfen diese durcheinander.

Die buchhalterische Nutzungsdauer ist der Abschreibungsplan. Drei bis sechs Jahre, vom Management festgelegt, von den Wirtschaftsprüfern geprüft, getrieben von Steuer- und Berichtslogik.

Die wirtschaftliche Nutzungsdauer ist die Zeitspanne, in der der Vermögenswert Erträge erwirtschaftet. Sie hängt ganz davon ab, was Sie darauf ausführen und was die Alternativen kosten.

Die physische Lebensdauer ist die Zeitspanne, in der die Maschine funktioniert. GPUs haben keine beweglichen Teile. Speicher fällt in Praxisdaten bei etwa einem halben Prozent pro Jahr aus, und die Mehrheit der CPU- und Speicherfehler in Studien mit großen Serverflotten sind vorübergehende Fehler, die durch einen Neustart behoben werden, kein totes Silizium.

Die Abschreibung beschreibt nur die erste Uhr. Sie ist ein buchhalterisches Ereignis, kein technisches. Am Tag, an dem der Buchwert Null erreicht, passiert mit der Hardware nichts. Die Verwechslung dieser drei Uhren ist die Ursache für die meisten schlechten Beschaffungsentscheidungen.

Worüber die Hyperscaler streiten

Es lohnt sich, diese Debatte zu verstehen, denn wenn Sie Rechenleistung mieten, befinden Sie sich auf der anderen Seite des Tisches.

Zwischen 2020 und 2024 haben die großen Cloud-Anbieter ihre Server-Abschreibungspläne von drei oder vier Jahren auf bis zu sechs Jahre verlängert. Branchenschätzungen beziffern den kollektiven Effekt auf rund 18 Milliarden Dollar pro Jahr an geringeren Abschreibungskosten. Kritiker argumentieren, dies weise zu hohe Gewinne aus, da NVIDIA alle 18 bis 24 Monate eine neue Architektur auf den Markt bringt und ein sechsjähriger Abschreibungsplan davon ausgeht, dass die Hardware über mehrere Generationen von Ersatzgeräten hinweg produktiv bleibt.

Die Hyperscaler antworten mit der Wertschöpfungskaskade: Chips, die aus dem High-End-Training ausgemustert werden, wandern abwärts zur Inferenz und anderen volumenstarken Aufgaben, wo sie jahrelang weiter Geld verdienen. Und die physischen Beweise stützen zumindest einen Teil dieser Behauptung. AWS listet immer noch P3-Instanzen auf, die mit 2017 eingeführten V100-Chips laufen.

Anfang 2025 spaltete sich die Branche dann bei ihrer eigenen Frage. Amazon verkürzte die Nutzungsdauer einer Teilgruppe seiner Server und Netzwerkgeräte wieder von sechs auf fünf Jahre und verwies explizit auf das gestiegene Tempo der KI-Entwicklung, was zu einer außerordentlichen Abschreibung von 920 Millionen Dollar für vorzeitig ausgemusterte Geräte führte. Im selben Monat verlängerte Meta seine Schätzung auf fünfeinhalb Jahre, was die erwarteten Abschreibungen für 2025 um rund 2,9 Milliarden Dollar reduzierte. Derselbe Hardware-Zyklus, derselbe Monat, gegenteilige Schlussfolgerungen, beide von Wirtschaftsprüfern abgezeichnet. Die ehrliche Interpretation ist, dass die Abschreibung eine Schätzung ist, keine Messung.

Warum der Druck bei Hyperscalern anders ist

Hier ist das entscheidende Detail, das in der Berichterstattung meist zu kurz kommt. Was die Hardware bei einem Hyperscaler ausmustert, ist nicht der Ausfall. Es sind die Opportunitätskosten.

Ein Hyperscaler verkauft die technologische Speerspitze. Seine Kunden zahlen für die neueste Rechenleistung, und seine Rechenzentren sind stromlimitiert. Jedes Megawatt, das für den Betrieb der Chips von gestern aufgewendet wird, ist ein Megawatt, das der neuesten Generation fehlt. Die alte Hardware funktioniert noch. Sie konkurriert lediglich mit ihrem eigenen Nachfolger um Strom und Stellfläche. Das ist eine reale wirtschaftliche Kraft, und deshalb kann eine kurze Nutzungsdauer eine vertretbare Annahme für ein Unternehmen sein, dessen Produkt die technologische Speerspitze selbst ist.

Nichts davon trifft auf ein Unternehmen zu, das Inferenz für seine eigenen Workloads betreibt.

Die Kurve für Unternehmen verläuft genau umgekehrt

Ein Unternehmen verkauft keine High-End-Rechenleistung. Es führt eine definierte Gruppe von Workloads aus: Chat, Texterstellung, Zusammenfassung, Extraktion, interne Dokumentenbearbeitung. Und für diese Workloads verschieben zwei Trends die Nutzungsdauer von eigener Hardware nach hinten, nicht nach vorne.

Die Algorithmen verbessern sich schneller als das Silizium. Untersuchungen von Epoch AI und dem MIT haben gezeigt, dass sich die Rechenleistung, die benötigt wird, um ein bestimmtes Leistungsniveau eines Sprachmodells zu erreichen, etwa alle acht Monate halbiert hat – schneller als das Mooresche Gesetz. Was vor zwei Jahren noch ein großes Modell erforderte, wird heute von einem Modell erledigt, das nur noch einen Bruchteil dieser Größe hat. Gleichzeitig werden die Inferenz-Laufzeiten auf unveränderter Hardware durch bessere Quantisierung, besseres Batching und besseres Decoding immer schneller.

Die Hardware eines Hyperscalers verliert an Wert, weil sich die technologische Grenze verschiebt. Die Hardware eines Unternehmens gewinnt an Kapazität, weil sich die Software weiterentwickelt. Dieselbe Physik, gegenteilige Ökonomie. Die Maschine, die Sie gekauft haben, leistet jedes Jahr mehr, nicht weniger.

Was das für Ihr Wachstum bedeutet

Die Antwort auf die Frage lautet also wie folgt: Die Abschreibung wirkt sich auf ein wachsendes Unternehmen hauptsächlich dadurch aus, nach wessen Abschreibungsplan gerechnet wird.

Wenn Sie mit gemieteter Rechenleistung wachsen, zahlen Sie die Nutzungsdauer-Annahme des Anbieters plus Marge als permanente Betriebskosten. In der gesamten obigen Debatte geht es darum, ob diese Annahme ehrlich getroffen wird. So oder so tragen Sie diese Kosten, und der Zähler erreicht nie Null.

Wenn Sie mit eigener Hardware wachsen, ist die Abschreibung zeitlich begrenzt. In den ersten Jahren belastet die Abschreibung Ihre Bücher. Dann endet sie, und die Maschine produziert weiter zu den reinen Stromkosten. Die Lücke zwischen der buchhalterischen Uhr und der physischen Uhr ist dann keine Gewindebatte mehr, sondern wird zu Ihrer Marge.

Es gibt eine Einschränkung, und es ist dieselbe, mit der auch die Hyperscaler im Kleinen konfrontiert sind. Wenn Ihr Workload tatsächlich die technologische Speerspitze benötigt – die größten Modelle, sehr lange Kontexte, Serving mit hoher Parallelität –, dann ist der Veralterungsdruck real und ein kurzer Erneuerungszyklus ehrlich. Aber für die Inferenzaufgaben, die die meisten Unternehmen tatsächlich ausführen, ist der Workload fest definiert und die Software verbessert sich darunter kontinuierlich.

Die Flottendaten

Ein letzter Datenpunkt von unserer Seite, denn Abschreibungspläne gehen stillschweigend davon aus, dass Hardware pünktlich stirbt, was sie nicht tut. In der Flotte, in die wir Einblick haben, waren die einzigen Komponenten, die tatsächlich ausgetauscht werden mussten, die Batterien: die Backup-Einheiten auf RAID-Controllern, die Zellen in der USV. Verschleißteile, nach einem bekannten Zeitplan, zu Kosten, die in einer Capex-Diskussion nie auftauchen.

Das Silizium überlebt seine Abschreibung. Die Bücher sind bloß nicht dafür gemacht, das abzubilden.

Wenn Sie wissen möchten, was die Maschinen, die Sie bereits besitzen, für Ihren Workload leisten können, können wir diese gerne gemeinsam mit Ihnen benchmarken.

Buchen Sie ein technisches Gespräch →

Der Blogbeitrag wurde von einem Menschen verfasst und vom Xinity-Team Korrektur gelesen.