Kurz & Knapp
- Jensen erklärt seine vier Scaling Laws: Pre-Training, Post-Training, Test Time und Agentic – und warum Intelligenz am Ende nur von einer Sache abhängt: Compute
- CUDA auf GeForce war fast der Todestoss für NVIDIA – und wurde zur Grundlage der gesamten KI-Revolution
- Sein Führungsstil: Keine 1-on-1s mit über 60 Direktberichten, stattdessen permanentes kollektives "Belief Shaping"
- Stromversorgung als grösste Infrastrukturfrage – und sein konkreter Lösungsvorschlag
- Über Elon Musk, AGI, Bewusstsein, Sterblichkeit: Hier wird Jensen persönlicher als gewohnt
"NVIDIA ist das Haus, das GeForce gebaut hat"
Bild: GeForce 256 / 1999
Das ist die Origin-Story, die Jensen selten so klar erzählt. Als NVIDIA CUDA entwickelte – die Programmierarchitektur, auf der heute die gesamte KI-Infrastruktur läuft – stand das Unternehmen vor einer existenziellen Entscheidung: CUDA auf allen GeForce-Consumer-GPUs ausrollen, obwohl niemand dafür zahlen würde und es NVIDIAs Bruttomargen von 35 Prozent komplett auffrass.
Der Market Cap fiel danach auf 1,5 Milliarden Dollar. Heute ist NVIDIA 4 Billionen wert.
„Forscher und Wissenschaftler entdeckten CUDA auf GeForce, weil viele von ihnen Gamer waren. In Unilabors bauten sie Cluster aus PC-Komponenten. So kamen wir in Gang."
Das Kalkül damals: GeForce als Massenprodukt erzeugt die Install Base. Install Base zieht Entwickler an. Entwickler machen die Plattform zu einem Standard. Der Standard wird zur Infrastruktur. Jensen wusste, dass x86 nicht deshalb dominiert, weil es elegant ist – sondern weil es überall ist. Er wollte dasselbe für CUDA.
Es hat ein Jahrzehnt gedauert. Es hat geklappt.
Vier Scaling Laws – und warum "Inference ist einfach" immer falsch war
Jensen beschreibt im Gespräch vier Stufen, auf denen KI weiter skaliert:
1. Pre-Training: Mehr Daten, grössere Modelle, smartere KI. Das klassische Scaling Law, das manche für tot erklärten, als die Rede davon war, dass hochwertige Trainingsdaten ausgehen. Jensens Gegenpunkt: Immer mehr Daten werden synthetisch generiert – und das ist kein Betrug, das ist die Art, wie Menschen Wissen schon immer weitergegeben haben.
2. Post-Training: Fine-Tuning, RLHF, Synthetic Data Loops. Skaliert weiter.
3. Test Time Scaling: Inference – also das, was passiert, wenn das Modell tatsächlich denkt. Jensen war schon früh überzeugt, dass das kein "leichtes Problem" ist. Denken ist schwerer als Lesen. Und er hatte recht: Test Time Compute ist eines der heissesten Forschungsfelder 2025/26.
4. Agentic Scaling: Agenten spawnen Sub-Agenten. Eine KI multipliziert sich selbst.
„Am Ende skaliert Intelligenz durch eine einzige Sache: Compute."
Das ist Jensens gesamtes Geschäftsmodell in einem Satz.
Leadership: Keine 1-on-1s, über 60 Direktberichte – und permanentes Belief Shaping
Jensens Führungsphilosophie klingt auf dem Papier unplausibel: Er hat über 60 direkte Reports, macht mit keinem einzelne 1-on-1-Gespräche, und präsentiert Probleme immer im grossen Gruppenformat, weil NVIDIA "extreme Co-Design" betreibt und jede Disziplin bei jedem Problem zuhören können muss.
Was stattdessen passiert: Jensen formt aktiv die Überzeugungen aller Menschen um ihn herum – jeden Tag. Board, Management, Mitarbeiter, Partner, die gesamte Industrie via GTC-Keynotes.
„Ich habe oft schon eine Meinung gebildet, aber ich nutze jede neue Information, jeden neuen Meilenstein, um das Belief-System der anderen zu formen. Wenn ich dann etwas ankündige, sagen alle: Warum hat das so lange gedauert?"
Das ist keine Manipulation – das ist Jensens Definition von Leadership. Du manifestierst eine Zukunft so konsequent und so kontinuierlich, bis alle anderen sie für selbstverständlich halten. Den Mellanox-Kauf. Den Pivot zu Deep Learning. OpenClaw. Er habe das alles schon zwei Jahre vorher in GTC-Keynotes gezeigt, sagt er. Die Leute hätten nur nicht zugehört.
Das Energie-Problem: Jensen will das Abfall-Strom-Problem lösen
Einer der überraschendsten Gesprächsmomente: Jensen erklärt, dass das Stromnetz für Worst-Case-Szenarien ausgelegt ist – einige Hitzewellen im Sommer, einige Kältephasen im Winter. 99 Prozent der Zeit läuft das Netz bei rund 60 Prozent seiner Kapazität.
Sein Vorschlag: Rechenzentren bauen, die graceful degradation unterstützen. Wenn die Utilities sagen müssen, dass sie auf 80 Prozent runtergehen müssen, schieben Datacenters einfach unkritische Workloads, fahren kurz langsamer, ohne dass Daten verloren gehen. Im Gegenzug könnten sie den überschüssigen Strom des Netzes dauerhaft nutzen, anstatt neue Kapazität zu erzwingen.
„Im Stromnetz steckt gerade zu viel Abfall. Wir sollten drangehen."
Das Problem, so Jensen, liegt nicht bei den Utilities – es liegt bei den Unternehmens-CEOs, die Rechenzentren mit Six-Sigma-Verfügbarkeitsanforderungen beauftragen, ohne zu wissen, was das netzinfrastrukturell bedeutet.
Über Elon Musk und Colossus
Jensen lobt Musks Aufbau des Colossus-Supercomputers in Memphis in vier Monaten. Was er an Musks Methode hervorhebt, ist weniger technisch als charakterlich: vollständige Präsenz am Ort des Problems, radikale Vereinfachung, persönliche Dringlichkeit, die auf alle anderen überträgt.
„Wenn du mit so viel persönlicher Dringlichkeit handelst, zwingt das alle anderen, mit Dringlichkeit zu handeln. Jeder Zulieferer hat viele Projekte. Er sorgt dafür, dass er die Top-Priorität von allen ist."
Jensen sagt nicht, er tue dasselbe – aber es ist offensichtlich, dass er das für eine universell gültige Eigenschaft effektiver Führung hält.
"Speed of Light"-Denken: Erst die Physik befragen, dann optimieren
Jensens internes Rahmenwerk für jede Designentscheidung nennt sich "Speed of Light": Bevor an einem Problem gearbeitet wird, wird gefragt, was die physikalisch mögliche Grenze ist. Nicht was üblich ist. Nicht was historisch möglich war.
„Wenn mir jemand sagt, etwas dauert 74 Tage und wir können es auf 72 reduzieren – ich sage: Stopp. Erkläre mir erst, warum 74. Und dann lass uns ausrechnen, wie lange es dauern würde, wenn wir von null anfangen würden."
Das Ergebnis, sagt er, wäre in vielen Fällen sechs Tage. Die anderen 68 Tage wären gut begründete Kompromisse – aber man würde sie erst sehen, wenn man das Limit kennt.
Über AGI, Bewusstsein und Sterblichkeit
Gegen Ende des Gesprächs wird Jensen persönlicher. Auf die Frage nach AGI-Timelines weicht er dem konkreten Datum aus, aber nicht der Substanz: Er glaubt, dass das, was wir für menschliche Einzigartigkeit hielten, zunehmend von KI-Systemen erreicht wird – und dass dieser Prozess bereits läuft.
Zum Thema Bewusstsein: Jensen hält es für möglich, dass KI-Systeme irgendeine Form von Erleben entwickeln könnten. Er ist nicht kategorisch dagegen. Er ist vorsichtig damit, es zu behaupten. Aber er schliesst es nicht aus.
Zur Sterblichkeit: Jensen spricht offen darüber, was es bedeutet, ein Unternehmen aufgebaut zu haben, das grösser ist als man selbst – und was man hinterlässt. Es ist einer der wenigen Momente im Gespräch, wo der CEO verschwindet und ein Mensch spricht.
Das Gespräch ist 2,5 Stunden lang und komplett als Transkript verfügbar. Wer Zeit hat: Es lohnt sich.
Was überrascht dich an Jensens Narrativ am meisten – die technische Tiefe, der Führungsstil, oder die philosophischen Schlusspassagen?