Der Fahrdienstvermittler Uber verstärkt seine Zusammenarbeit mit Amazon Web Services und integriert Amazons proprietäre Trainium-KI-Chips in seinen Produktivbetrieb. Der Deal ist mehr als eine technische Entscheidung – er markiert eine strategische Weichenstellung im globalen Cloud-Wettbewerb und stellt Enterprise-Kunden weltweit vor grundlegende Fragen zur eigenen Infrastrukturstrategie.
Uber weitet AWS-Partnerschaft aus und setzt auf Amazons hauseigene KI-Chips
Uber baut seine Cloud-Infrastruktur auf Basis von Amazon Web Services deutlich aus und integriert dabei verstärkt Amazons proprietäre KI-Chips in seinen Betrieb. Der Schritt signalisiert eine klare strategische Positionierung gegen bisherige und potenzielle Anbieter wie Oracle und Google.
Vom GPU-Engpass zur Eigenentwicklung
Der Hintergrund der Entscheidung ist bekannt: Die Nachfrage nach Rechenkapazitäten für KI-Workloads übersteigt seit Monaten das verfügbare Angebot an Nvidia-GPUs. Amazon hat darauf mit der Eigenentwicklung seiner Trainium-Chip-Serie reagiert. Trainium2, die aktuelle Generation, ist speziell auf das Training und den Betrieb großer KI-Modelle ausgelegt und soll gegenüber Standardhardware bei bestimmten Workloads deutliche Kostenvorteile bieten.
Uber nutzt diese Chips nun, um einen wachsenden Teil seiner Ride-Sharing-Funktionen zu betreiben. Welche Systeme konkret betroffen sind – etwa Preisgestaltung, Routenoptimierung oder Nachfrageprognosen – wurde nicht vollständig offengelegt. Klar ist jedoch, dass es sich nicht um ein Pilotprojekt handelt, sondern um eine strategische Erweiterung eines bestehenden AWS-Vertrags.
Wettbewerb unter Cloud-Anbietern
Die Entscheidung hat eine deutliche wettbewerbspolitische Dimension. Uber hatte in der Vergangenheit Beziehungen zu mehreren Cloud-Anbietern gepflegt, darunter Google Cloud und Oracle. Die jetzige Ausweitung des AWS-Engagements ist ein klares Signal:
Amazon kann im Rennen um große Enterprise-Kunden mit eigenentwickelter Hardware punkten – auch dort, wo Hyperscaler bislang auf Augenhöhe konkurrierten.
Amazon verfolgt mit seiner Chip-Strategie ein klares Ziel: Kunden tiefer in das eigene Ökosystem einzubinden und gleichzeitig die Abhängigkeit von Nvidia zu reduzieren. Für Unternehmenskunden wie Uber bedeutet das potenziell günstigere Konditionen – sofern sie bereit sind, ihre Workloads auf die proprietäre Infrastruktur anzupassen.
Technische Anforderungen und Vendor-Lock-in
Die Nutzung spezialisierter Chips wie Trainium ist nicht ohne Aufwand. Bestehende Modelle und Trainingspipelines müssen in der Regel angepasst oder neu optimiert werden, da die Architektur von Nvidia-GPUs abweicht. Amazon stellt dafür eigene Softwaretools bereit, doch der Migrationsaufwand ist nicht trivial.
Unternehmen, die diesen Schritt gehen, binden sich damit stärker an einen einzelnen Anbieter – ein Aspekt, der in Enterprise-Entscheidungen zunehmend kritisch bewertet wird.
Uber nimmt diesen Trade-off offenbar bewusst in Kauf. Als Unternehmen mit erheblichen KI-Ausgaben dürfte die Kostenoptimierung ein wesentlicher Treiber sein.
Einordnung für deutsche Unternehmen
Die Entscheidung Ubers steht exemplarisch für eine breitere Verschiebung im Enterprise-Cloud-Markt: Proprietäre KI-Chips der großen Hyperscaler – neben Amazon auch Google mit TPUs und Microsoft über seine Kooperation mit OpenAI – werden zu einem ernsthaften Faktor bei der Infrastrukturstrategie.
Für deutsche Unternehmen, die KI-Workloads skalieren wollen, stellt sich damit eine zentrale Frage:
Rechtfertigen die potenziellen Kostenvorteile spezialisierter Chips den erhöhten Migrationsaufwand und die stärkere Anbieterbindung?
Angesichts der in Deutschland besonders ausgeprägten Sensibilität gegenüber Vendor-Lock-in und Datensouveränität bleibt eine differenzierte Bewertung im Einzelfall unerlässlich.
Quelle: TechCrunch AI – Uber is the latest to be won over by Amazon’s AI chips
