Die US-Importe von KI-Hardware sind seit 2019 in jeder wichtigen Gerätekategorie schneller gewachsen als die heimische Produktion, wie Daten des Risikokapitalunternehmens a16z zeigen. Computerimporte stiegen im Zeitraum um 366%, während die US-Produktion um 46% zunahm – ein Beleg dafür, wie stark die Expansion der US-KI-Infrastruktur von Übersee-Lieferungen abhängt.

Die Zahlen wurden am 25. Oktober 2026 im Rahmen der Serie „Charts of the Week" von a16z veröffentlicht und umfassen vier zentrale Kategorien des KI-Ausbaus: Computer, Kommunikationsausrüstung, Halbleiter sowie Netz- und Elektroausrüstung.

Importe übertreffen die Produktion in allen Bereichen

Die Importe von Kommunikationsausrüstung stiegen um 175%, während die heimische Produktion um 87% wuchs. Halbleiterimporte kletterten um 131%, gegenüber einem Produktionswachstum von 76%. Netz- und Elektroausrüstung zeigte die größte Diskrepanz: Importe stiegen um 69%, während die US-Produktion um 7% fiel.

Diese Zahlen offenbaren uneinheitliche heimische Reaktionen über die Gerätekategorien hinweg, die die KI-Expansionützen. Der Vergleich misst Veränderungen in Dollarwerten und liefert keine direkte Zählung von Maschinen oder Komponenten. Da die Werte in Dollar angegeben sind, können sie sich sowohl mit Preisen als auch mit Mengen bewegen; die Daten zeigen also, wie sich Import- und Produktionswerte auseinanderentwickelt haben, ohne deren jeweilige Anteile an der Gesamtversorgung festzulegen.

Woher die Produktionsgewinne kamen

Hersteller können ihre Produktion steigern, indem sie Kapazitäten erweitern oder bestehende Anlagen intensiver nutzen. Laut a16z haben sich diese beiden Reaktionen in den vier Kategorien unterschiedlich entwickelt. Die Trennung hilft zu zeigen, ob Wachstum aus neu gebauten Kapazitäten oder aus bestehenden Werken stammt, die näher an ihren Grenzen laufen.

Computerhersteller erweiterten Kapazitäten und steigerten die Auslastung, nutzten also mehr ihrer verfügbaren Produktionskapazität. Zusammen unterstützten diese Veränderungen eine höhere Produktion.

Hersteller von Kommunikationsausrüstung bauten erhebliche Kapazitäten auf, doch die Auslastung sank. Diese Kombination deutet darauf hin, dass die verfügbare Fertigungskapazität schneller wuchs als ihre Nutzung.

Halbleiterhersteller erweiterten ebenfalls Kapazitäten, während die Auslastung unverändert blieb. Ihr Produktionsanstieg stammte daher aus zusätzlichen Kapazitäten und nicht aus einer intensiveren Nutzung bestehender Anlagen.

Die Lücke bei der Elektroausrüstung

Elektroausrüstung schlug einen anderen Weg ein. Die Kapazität sank trotz höherer Auslastung, sodass die heimische Produktion unter dem Niveau von 2019 blieb – die einzige der vier Kategorien, in der die Produktion schrumpfte.

Diese Schwäche ist relevant, weil der KI-Ausbau neben Computing-Hardware auch elektrische Infrastruktur erfordert. Schaltanlagen und verwandte Ausrüstung unterstützen den Netzausbau, der zur Stromversorgung der GPUs benötigt wird, und Importe helfen, die Nachfrage zu decken, wenn die heimische Produktion nicht Schritt halten kann. Die Diskrepanz macht die Vereinigten Staaten stärker von ausländischen Lieferanten für die Ausrüstung abhängig, die diesem Ausbau zugrunde liegt.

Die vorliegenden Zahlen erklären nicht, warum Hersteller auf eine stärkere Expansion verzichteten. a16z verweist auf Baukosten, Investitionsrisiken oder Wettbewerb durch ausländische Anbieter als mögliche Erklärungen für diese Zurückhaltung. Dies bleiben mögliche Erklärungen und keine bestätigten Ursachen.

a16z fasste den Trend in einem Beitrag auf X zusammen:

Since 2019, imports of AI hardware have grown faster than US production in every category

US production vs. imports: – Computers: +46% vs. +366% – Comms equipment: +87% vs. +175% – Semis: +76% vs. +131% – Grid & electrical equipment: -7% vs. +69%

Charts of the:… pic.twitter.com/wJN2meTEdu

— a16z (@a16z) October 25, 2026

(a16z auf X)

GPU-Mieten und Token-Nachfrage

Inzwischen deuten die Mietdaten auf eine anhaltende Nachfrage nach Rechenressourcen hin. Laut Ornn Data kostet die Miete jedes erfassten GPU-Modells mehr als zu Beginn des Jahres, darunter auch ältere A100-Chips. Die Mietpreise lagen zwischen 9% und 143% über einem Benchmark, der eine lineare Abschreibung über sechs Jahre annimmt. Die lineare Abschreibung verteilt den Wertverlust einer Maschine gleichmäßig über ihre angenommene Lebensdauer; Raten über dieser Benchmark deuten also darauf hin, dass die Mietpreise über dem Niveau liegen, das allein eine gleichmäßige Hardware-Abschreibung implizieren würde. a16z weist darauf hin, dass ältere A100s und H100s – Nvidia-Rechenzentrum-Chips, die für KI-Workloads noch breit eingesetzt werden – zuvor länger unter dieser Benchmark lagen.

Die Zahlen von OpenRouter zeigen zudem einen steigenden Token-Verbrauch über offene und proprietäre Modelle hinweg. Tokens sind die Texteinheiten, die diese KI-Systeme verarbeiten. a16z warnt, dass diese Datensätze ein unvollständiges Bild der GPU-Preise und des Token-Verbrauchs liefern.

Arbeitsbelastung steigt

Der Arbeitsmarkt stellt eine weitere Einschränkung dar. Unter Verweis auf den Lohnabwickler ADP berichtet a16z, dass die Wochenarbeitsstunden pro Beschäftigtem in den Branchen, die den KI-Ausbau unterstützen, erheblich gestiegen sind – ein Maß dafür, wie intensiv bestehende Mitarbeitende eingesetzt werden, unabhängig vom Personalwachstum. Jobwechsler erzielten außerdem einen Lohnwachstums-Aufschlag von fünf Prozentpunkten gegenüber Beschäftigten, die bei ihrem Arbeitgeber blieben; ein Arbeitgeberwechsel bringt derzeit also größere Lohngewinne als der Verbleib.

Insgesamt zeigen die Zahlen eine wachsende Hardware-Nachfrage, eine uneinheitliche Fabrikexpansion und steigende Arbeitsbelastungen entlang der KI-Lieferkette. Importe helfen, die Lücke zu schließen, während Elektroausrüstung die deutlichste heimische Produktionsschwäche bleibt. Künftige Ausgaben der wöchentlichen Chartserie von a16z sowie aktualisierte Daten von Ornn Data, OpenRouter und ADP bieten eine Grundlage, um zu verfolgen, ob diese Muster anhalten.