Microsoft will Maia 300 zum Motor seiner KI-Dienste machen

Wenn Copilot künftig eine Tabelle auswertet, Programmcode prüft oder aus einem langen Dokument eine kurze Antwort destilliert, könnte die entscheidende Rechenarbeit tief unter der Benutzeroberfläche laufen: auf einem Chip, den Microsoft selbst entworfen hat. Kein Chip von Nvidia, kein Prozessor von AMD. Stattdessen ein unscheinbares Stück Silizium mit einem Namen, der beinahe sanft klingt: Maia.

Microsoft hat am 12. Oktober 2026 die dritte Generation seines KI-Beschleunigers vorgestellt. Ab 2027 soll Maia 300 in großem Maßstab in den Rechenzentren des Konzerns installiert werden und schließlich zum primären System für die Ausführung von KI-Modellen in Microsoft-Produkten werden. Zusammengenommen sollen die dafür vorgesehenen Rechenzentrumsinstallationen eine Leistung von mehreren Gigawatt aufnehmen. Aus einem bisherigen Nebenprojekt wird damit ein zentraler Bestandteil von Microsofts KI-Strategie. Recherchequelle: Microsoft Blog→

Mit Maia rückt eine Ebene des KI-Wettlaufs ins Licht, die Nutzer normalerweise nicht sehen. In der öffentlichen Wahrnehmung konkurrieren vor allem Sprachmodelle miteinander: Welches schreibt besser, welches programmiert zuverlässiger, welches versteht längere Texte? Doch hinter jeder Antwort arbeitet eine industrielle Maschinerie. Modelle laufen auf Tausenden von Chips, Daten wandern durch Speicher, Ergebnisse müssen möglichst schnell Millionen von Nutzern erreichen.

Genau dafür ist Maia 300 gebaut.

Nach dem Training beginnt die Dauerarbeit

Bei künstlicher Intelligenz richtet sich die Aufmerksamkeit häufig auf das Training. Dabei lernt ein Modell anhand gewaltiger Datenmengen, Zusammenhänge zu erkennen und Antworten zu erzeugen. Dieser Prozess ist teuer, sorgt für Schlagzeilen und verschlingt Rechenzeit, Strom und Kapital.

Danach beginnt die weniger glamouröse Dauerarbeit: die Inferenz. So heißt der Vorgang, bei dem ein bereits trainiertes Modell eine konkrete Anfrage verarbeitet. Jede Zusammenfassung, jedes erzeugte Bild und jeder Programmierhinweis löst eine solche Berechnung aus. Wird ein Dienst täglich millionenfach genutzt, kann die Summe all dieser kleinen Vorgänge wirtschaftlich wichtiger werden als das ursprüngliche Training.

Maia 300 ist ausdrücklich für diesen laufenden Betrieb konstruiert. Der Beschleuniger soll lange Gespräche, umfangreiche Kontexte und mehrstufige Aufgaben bewältigen. Sein Vorgänger Maia 200 kommt bereits für Microsoft Copilot zum Einsatz und unterstützt sowohl Modelle von OpenAI als auch Microsofts eigene MAI-Modelle. GitHub Copilot und Microsoft Foundry sollen ebenfalls auf die Maia-Infrastruktur wechseln.

Dabei will der Konzern nicht bloß einen schnellen Chip bauen. Er entwirft ein abgestimmtes Gesamtsystem aus Prozessoren, Speicher, Netzwerk, Software, Kühlung und Rechenzentrum. Dieses System endet nicht am Rand des Siliziums. Es reicht bis zu den Rohren, Kabeln und Stromanschlüssen des Gebäudes.

Tokens pro Megawatt

Die vielleicht wichtigste Zahl der Präsentation lautet deshalb nicht Rechenoperationen pro Sekunde, sondern Tokens pro Megawatt. Tokens sind, vereinfacht gesagt, die kleinen Texteinheiten, aus denen Sprachmodelle Eingaben und Antworten zusammensetzen. Nach Angaben von Microsoft kann Maia 300 pro eingesetztem Megawatt 40 Prozent mehr Tokens verarbeiten als führende Systeme auf GPU-Basis.

In einem vollständig bestückten Rack sollen 96 Maia-Beschleuniger zusammenarbeiten. Dafür nennt Microsoft eine Leistungsaufnahme von rund 167 Kilowatt. Gegenüber Maia 200 soll ein solches System bis zu siebenmal so viele Tokens verarbeiten. Reuters weist allerdings darauf hin, dass Microsoft offengelassen hat, auf welche konkreten GPU-Systeme sich der Vergleich für die behaupteten 40 Prozent stützt. Die Zahlen stammen vom Hersteller und wurden bislang nicht durch einen unabhängigen Leistungsvergleich bestätigt. Recherchequelle: Reuters→

Ohne eine offengelegte Vergleichsbasis bleibt die Aussagekraft der 40 Prozent begrenzt. Im Chipgeschäft hängen solche Werte stark davon ab, welches Modell läuft, welche Genauigkeit verlangt wird und wie Speicher, Kühlung oder Netzwerk in die Rechnung einfließen. Ein System kann bei einer bestimmten Aufgabe glänzen und bei einer anderen zurückfallen. Microsoft präsentiert also ein Versprechen, noch keinen allgemein bestätigten Sieg über GPU-Systeme.

Dennoch zeigt die Wahl der Kennzahl, worauf der Konzern besonderen Wert legt. Strom ist beim Ausbau künstlicher Intelligenz längst nicht mehr bloß eine Nebenkostenposition. In vielen Regionen wird die verfügbare Leistung zum Nadelöhr, das darüber entscheidet, wie schnell sich ein Rechenzentrum erweitern lässt. Wer pro Megawatt mehr Antworten erzeugt, senkt damit nicht automatisch den gesamten Energieverbrauch. Innerhalb derselben Leistungsgrenze lassen sich jedoch mehr Anfragen zahlender Kunden bearbeiten.

Effizienz wird so unmittelbar zum Geschäftsmodell.

Möglichst wenig Bewegung

Technisch setzt Microsoft auf eine Architektur aus mehreren spezialisierten Bausteinen. Die Recheneinheiten entstehen im N2P-Verfahren von TSMC, andere Bestandteile sind etwa für Speicherzugriffe sowie für Ein- und Ausgabe zuständig. Acht HBM4-Speicherstapel sollen jedem Beschleuniger 288 Gigabyte Kapazität und eine Bandbreite von bis zu 18 Terabyte pro Sekunde zur Verfügung stellen.

Hinter den großen Zahlen verbirgt sich ein erstaunlich schlichtes Problem: Daten zu bewegen kostet Zeit und Energie. Bei modernen KI-Systemen warten Recheneinheiten häufig darauf, dass Modellparameter oder zwischengespeicherte Informationen am richtigen Ort eintreffen. Mehr Rechenleistung allein beseitigt diesen Engpass nicht.

Maia 300 soll benötigte Daten deshalb möglichst nahe an den aktiven Recheneinheiten halten. Microsoft bezeichnet dieses Konzept als softwaregesteuerte Datenflussarchitektur. Sie legt präzise fest, wo Informationen gespeichert, umgewandelt und weitergereicht werden. In einem großen Verbund können bis zu 12.288 Beschleuniger über zwei Netzwerkebenen zusammenarbeiten. Ein einzelnes Rack enthält 96 davon und verfügt insgesamt über 27,6 Terabyte Hochgeschwindigkeitsspeicher. Recherchequelle: Microsoft Azure Blog→

Darin liegt der Kern der Konstruktion. Maia soll nicht allein durch mehr Rechenleistung überzeugen, sondern vor allem durch kürzere Datenwege. In einem Rechenzentrum, in dem Milliarden Datenpakete durch Leitungen und Speicher strömen, kann jeder vermiedene Umweg ins Gewicht fallen.

Kein Bruch mit Nvidia

Die Ankündigung lässt sich leicht als Konkurrenzansage an Nvidia lesen. Microsoft gehört zu den größten Käufern von KI-Hardware und zahlt erhebliche Summen an einen Lieferanten, der zugleich Preise, Lieferzeiten und technische Standards mitbestimmt. Ein eigener Beschleuniger verspricht mehr Kontrolle über Kosten und Verfügbarkeit.

Eine vollständige Abkehr ist dennoch nicht zu erwarten. Microsoft und Nvidia bleiben eng verbunden. Azure betreibt weiterhin Nvidia-Systeme, zudem will Microsoft auch kommende Chipgenerationen des Herstellers einsetzen. Die Maia-Familie ergänzt diese Infrastruktur zunächst, statt sie vollständig zu ersetzen.

Strategisch ist das sinnvoll. Microsoft muss Nvidia nicht in jedem Einsatzfeld übertreffen. Schon ein relevanter Anteil eigener Hardware kann die Verhandlungsposition verbessern, Lieferengpässe abfedern und wiederkehrende KI-Aufgaben günstiger machen. GeekWire berichtet unter Berufung auf eine Analystenschätzung, dass Maia Anfang 2027 zunächst nur etwa zehn Prozent von Microsofts Ausgaben für KI-Chips ausmachen könnte. Der Wandel geschieht also nicht auf Knopfdruck, sondern Rack für Rack. Recherchequelle: GeekWire→

Microsoft ist damit Teil einer branchenweiten Entwicklung. Google entwickelt seit Jahren eigene Tensor-Prozessoren, Amazon wirbt mit Trainium um Cloud-Kunden, Meta baut Beschleuniger für seine internen Systeme, und auch OpenAI arbeitet an eigener Hardware. Die größten Abnehmer der Chipindustrie werden selbst zu Chipentwicklern.

Ihre Prozessoren müssen diese Konzerne nicht zwangsläufig auf dem freien Markt verkaufen. Microsoft kann Maia dort einsetzen, wo der Konzern die Arbeitslast besonders genau kennt: bei Copilot, GitHub, Teams oder seinen eigenen Modellen. Weil Hard- und Softwareteams gemeinsam planen, lässt sich der Chip gezielt auf wiederkehrende Aufgaben zuschneiden. Neben das universelle Werkzeug tritt so eine Maschine, die bestimmte Handgriffe besonders gut beherrscht.

Der Nutzer sieht nur die Antwort

Für Azure-Kunden bleibt Maia vorerst weitgehend unsichtbar. Microsoft vermietet die Beschleuniger bislang nicht wie gewöhnliche Cloud-Hardware. Nutzer wählen also keinen Maia-Chip aus einem Menü. Sie bemerken allenfalls dessen Folgen: kürzere Wartezeiten, stabilere Dienste oder Preise, die trotz wachsender Rechenlast nicht im selben Tempo steigen.

Gerade diese Unsichtbarkeit macht die Ankündigung bedeutsam. Der wichtigste KI-Chip ist für Microsoft künftig womöglich nicht derjenige mit dem spektakulärsten Datenblatt, sondern jener, der leise Milliarden alltäglicher Anfragen verarbeitet. Im Hintergrund geht es um vertraute Aufgaben: Texte zusammenfassen, Programmcode ergänzen, Besprechungen durchsuchen und Geschäftsdaten ordnen.

Für 2027 ist der Produktivbetrieb von Maia 300 vorgesehen. Bis dahin kommt es auf das Zusammenspiel von Fertigung, Software und Rechenzentren an. Zugleich muss Microsoft seine Leistungsversprechen unter realen Bedingungen bestätigen. Gelingt das, wäre Maia mehr als ein weiterer Prozessor. Der Chip würde Microsoft helfen, die gesamte Verarbeitungskette einer KI-Anfrage zu kontrollieren – vom Modell über das Silizium bis zu dem Satz, der schließlich auf dem Bildschirm erscheint.

Weiterführende Informationen

Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.

Microsoft – Microsoft stellt Maia 300 vor: die nächste Generation seines maßgeschneiderten KI-Chips
Die deutschsprachige Originalquelle erläutert den geplanten Ausbau ab 2027 und Maia 300 als zentrale Inferenzplattform für Microsofts KI-Dienste.
https://news.microsoft.com/source/emea/2026/10/microsoft-stellt-maia-300-vor-die-naechste-generation-seines-massgeschneiderten-ki-chips/?lang=at

Hardwareluxx – Microsoft Maia 300: Dritte Generation des Inferenz-Chips kommt auf 288 GB HBM4 und 1 kW
Der Fachartikel vertieft N2P-Fertigung, Chiplet-Aufbau, acht HBM4-Stapel, Speicherkapazität, Bandbreite und Rack-Konfiguration.
https://www.hardwareluxx.de/index.php/news/hardware/prozessoren/70606-microsoft-maia-300-dritte-generation-des-inferenz-chips-kommt-auf-288-gb-hbm4-und-1-kw.html

wallstreetONLINE – Microsoft greift Nvidia an: Dieser Chip soll jetzt alles verändern
Der Beitrag ordnet Microsofts nicht unabhängig bestätigte Effizienzangabe ein und erklärt, warum Nvidia trotz des Maia-Ausbaus ein wichtiger Partner bleibt.
https://www.wallstreet-online.de/nachricht/21512248-milliarden-ki-chips-microsoft-greift-nvidia-an-chip-veraendern