Das Startup Computable bietet erstmals eine Auktionsplattform für GPU-Leistung an. Nutzer können Rechenzeit auf Nvidia H100-Chips wochenweise ersteigern - mit dynamischer Vergabe und ohne langfristige Verträge.
Das Berliner Startup Computable hat eine neue Online-Plattform vorgestellt, auf der Unternehmen und Einzelpersonen Rechenleistung von Grafikprozessoren (GPUs) flexibel und zeitlich begrenzt mieten können. Im Unterschied zu klassischen Cloud-Angeboten, die meist auf langfristigen Verträgen und festen Preisen basieren, setzt Computable auf ein Auktionsmodell mit wöchentlicher Vergabe. Die Plattform ist seit Juli 2026 öffentlich zugänglich und richtet sich insbesondere an Nutzerinnen und Nutzer mit kurzfristigem Bedarf an leistungsfähigen KI-Chips.
Funktionsweise der Auktionsplattform
Auf der Plattform von Computable können Interessierte in einer Kalenderansicht auswählen, für welche Wochen sie GPU-Leistung benötigen. Anschließend geben sie ein Gebot für die gewünschte Zeitspanne ab. Die Vergabe erfolgt nicht ausschließlich nach dem höchsten Preis: Ein dynamischer Prioritäts-Score soll auch kleineren Projekten mit begrenztem Budget Zugang ermöglichen. Nach Angaben des Unternehmens orientiert sich das Modell an Prinzipien aus dem Energiemarkt, um Preistransparenz und Flexibilität zu erhöhen.
Zum Start stehen Nvidia H100-Grafikprozessoren zur Verfügung, die aktuell zu den leistungsfähigsten Chips für KI-Anwendungen zählen. Die Auktionen decken Zeiträume von August 2026 bis Januar 2027 ab. Das Startgebot lag bei 2,42 US-Dollar pro GPU-Stunde, erste Gebote haben den Preis bereits auf etwa 2,62 US-Dollar pro Stunde steigen lassen. Für eine Woche Nutzung einer einzelnen GPU ergeben sich so Kosten von etwas über 300 US-Dollar.
Marktposition und technische Einordnung
Der Ansatz von Computable unterscheidet sich von etablierten Cloud-Anbietern, die GPU-Leistung meist nur im Rahmen längerfristiger Verträge oder mit Mindestabnahmemengen bereitstellen. Gerade für Startups, Forschungsgruppen oder kleinere Unternehmen mit schwankendem Bedarf können die üblichen Konditionen eine Hürde darstellen. Das Auktionsmodell adressiert diese Lücke, indem es kurzfristige und flexible Nutzung ermöglicht. Nach Unternehmensangaben können Nutzer nicht benötigte Wochen zu einem von Computable festgelegten Marktpreis zurückgeben, was das Risiko bei Planungsänderungen reduziert.
Die Plattform startet zunächst mit Nvidia H100-Chips, die für das Training und die Inferenz großer KI-Modelle eingesetzt werden. Ob und wann weitere Chip-Generationen oder Anbieter folgen, ist bislang nicht bekannt. Auch zur tatsächlichen Auslastung und zur Zahl der verfügbaren GPUs liegen derzeit keine unabhängigen Angaben vor.
Offene Fragen und wirtschaftliche Relevanz
Die Einführung eines Auktionsmodells für GPU-Leistung könnte den Zugang zu Hochleistungsrechnern für eine breitere Nutzergruppe erleichtern. Unklar bleibt, wie sich die Preisbildung langfristig entwickelt und ob das Modell auch bei hoher Nachfrage stabil bleibt. Zudem ist offen, wie viele Anbieter ihre Hardware über Computable bereitstellen und wie sich die Plattform gegenüber etablierten Cloud-Diensten behaupten kann. Für den deutschen und europäischen Markt ist das Angebot insofern relevant, als der Zugang zu KI-Infrastruktur zunehmend als Standortfaktor für Forschung und Innovation gilt.
Die Entwicklung von Computable zeigt, dass sich der Markt für KI-Infrastruktur weiter ausdifferenziert. Während große Cloud-Anbieter weiterhin auf langfristige Verträge und eigene Rechenzentren setzen, entstehen neue Modelle, die Flexibilität und Preistransparenz in den Vordergrund stellen. Ob sich das Auktionsprinzip im breiten Markt durchsetzen kann, wird maßgeblich von der Akzeptanz bei Nutzern und Anbietern sowie von der tatsächlichen Verfügbarkeit leistungsfähiger Hardware abhängen.
Der Begriff GPU-Leistung bezeichnet die Rechenkapazität von Grafikprozessoren, die ursprünglich für die Bildverarbeitung entwickelt wurden, heute aber vor allem für das Training und die Ausführung von KI-Modellen genutzt werden. Die Nachfrage nach GPU-Leistung ist in den letzten Jahren stark gestiegen, da moderne KI-Anwendungen enorme Mengen an Daten verarbeiten und komplexe Berechnungen durchführen müssen. Die Verfügbarkeit und flexible Nutzung solcher Ressourcen ist ein zentraler Wettbewerbsfaktor für Unternehmen und Forschungseinrichtungen im Bereich künstliche Intelligenz.
