Die „kontinuierliche Lernfähigkeit“ von KI könnte einen neuen Speicherkreislauf einleiten! Citi: Nachfrage nach HBM, Server-DRAM und eSSD steigt; Mangel könnte bis 2031 anhalten.

German Securities Journal hat erfahren, dass Citi in seinem neuesten globalen Bericht zur Halbleiterbranche erklärt hat, dass mit dem Übergang der künstlichen Intelligenz (KI) von der traditionellen Trainings- und Inferenzphase in das Zeitalter des "kontinuierlichen Lernens" der weltweite Markt für Speicherchips möglicherweise eine neue Welle struktureller Nachfrage erlebt. Im Unterschied zu den derzeitigen AI-Modellen, die vorrangig auf Einmaltraining setzen, verlangt das kontinuierliche Lernen, dass Modelle fortlaufend neue Daten aufnehmen, ihr Wissen aktualisieren und gleichzeitig zuvor erlernte Informationen bewahren und abrufen. Dies bedeutet, dass HBM, Server-DDR5 und Enterprise-SSD (eSSD) möglicherweise zeitgleich eine Expansion der Nachfrage erleben und die globale Speicherknappheit im Jahr 2028 weiter verstärken, die sogar bis 2031 anhalten könnte.

Citi ist der Ansicht, dass kontinuierliches Lernen eines der zentralen Themen der KI-Entwicklung in den nächsten fünf Jahren sein wird. In diesem Modell sind AI-Modelle nicht mehr nur nach dem Training relativ statisch, sondern können sich kontinuierlich durch neue Aufgaben, Daten und Wissen inkrementell weiterentwickeln, ohne dabei zuvor erlangte Informationen zu vergessen. Die damit einhergehenden fortlaufenden Modell-Updates und der Zugriff auf historische Daten werden den Ressourcenverbrauch von KI-Systemen für Rechenleistung und Speicher signifikant erhöhen.

Das Unternehmen erwartet, dass ab 2027 der Speicherbedarf durch AI-Training und -Inferenz gleichzeitig beschleunigen wird. HBM wird vom kontinuierlichen Training und Modell-Updates profitieren; Server-DDR5 und SoCAMM2 profitieren vom zunehmenden AI-Inferencing und den steigenden CPU-Workloads, während eSSD die Anforderungen an die langfristige Speicherung großer Mengen historischer Daten und KV-Cache erfüllen wird.

In diesem Zusammenhang stuft Citi Samsung Electronics, SK Hynix (SKHY.US), Micron Technology (MU.US), SanDisk (SNDK.US) und Kioxia als bevorzugte Speicherunternehmen ein; im Bereich Halbleiter-Equipment und -Materialien werden Montage Technology, Applied Materials (AMAT.US), Lam Research (LRCX.US), TES, Eugene Technology und TechWing empfohlen.

KI tritt ins Zeitalter des „kontinuierlichen Lernens“ ein – Die Logik der Speicherbedarf verändert sich

Citi stellt fest, dass aktuelle AI-Modelle eine wesentliche Einschränkung aufweisen: Die Modelle können zwar das während des Trainings erlernte Wissen bewahren, integrieren jedoch nicht automatisch die anschließenden Nutzerinteraktionen und neu entstehenden Daten in die Modellparameter.

Das kontinuierliche Lernen versucht, dieses Problem zu lösen. Das Modell muss fortwährend mit neuen Aufgaben und Wissen trainiert werden, dabei jedoch bereits erlernte Informationen behalten. Die größte technische Herausforderung ist dabei das Vermeiden des sogenannten „katastrophalen Vergessens“, also dass das Modell beim Lernen neuer Kenntnisse seine früheren Fähigkeiten verliert.

Diese Entwicklung könnte die gesamte Speicherindustrie für KI neu gestalten.

Von 2022 bis 2024 ist mit der Ausweitung der AI-Trainingsmodelle die Nachfrage nach HBM explosionsartig gestiegen, während die Nachfrage nach herkömmlichem DRAM und NAND eher schwach blieb. Ab der zweiten Hälfte von 2025 allerdings wird mit der zunehmenden Komplexität der AI-Inferenz die Nachfrage nach Server-DDR5 und eSSD rasch steigen.

Citi erwartet, dass von 2027 bis zur ersten Hälfte 2028 die erste Phase des kontinuierlichen Lernens beginnt. In diesem Zeitraum müssen AI-Server kontinuierlich trainieren, Modelle aktualisieren und immer komplexere Inferenzaufgaben ausführen, sodass HBM, Server-DRAM, SoCAMM2 und eSSD erstmals gleichzeitig einen schnellen Nachfrageanstieg erleben werden.

Ab der zweiten Hälfte von 2028 könnten personalisierte KI und Physische KI (Physical AI) zu neuen Treibern der Nachfrage werden. Mit der Verbreitung von Edge-AI, lokaler Datenverwaltung, Robotik und anderen Anwendungen müssen Endgeräte dauerhaften Speicher besitzen und sich an die Umgebung anpassen, sodass auch der lokale und Edge-Speicherbedarf in diesen Wachstumszyklus eintreten wird.

Bemerkenswert ist, dass die Nutzung von AI Token bereits einen raschen Ausbau zeigt. Die Daten auf Seite 3 des Berichts zeigen, dass von Januar 2025 bis August 2026 die monatliche Nutzung der AI Token mit einer CAGR von rund 31% wächst, wobei der Zuwachs im August 2026 im Vergleich zum Vorjahr 2434% beträgt. Citi sieht hierin eine weitere Bestätigung, dass die Arbeitslast und Speichertiefe von KI langfristig steigen werden.

HBM-Nachfrage könnte 2027 um 62% und 2028 um weitere 69% steigen

Unter allen Speicherprodukten bleibt HBM eines der direktesten Nutznießer von AI-Training und kontinuierlichem Lernen.

Obwohl der Markt zuletzt Bedenken über die Verringerung der HBM-Konfiguration bei AI-Chips und die Sicherheit von KI äußert, meint Citi, dass dies nicht bedeutet, dass die Gesamt-Nachfrage nach HBM nachlässt. Im Gegenteil, KI-Chiphersteller wechseln von „Scale-up“- zu „Scale-out“-Architekturen, das heißt, sie erweitern die gesamte Rechenleistung, indem sie mehr Accelerator einsetzen. Das wird den systemweiten HBM-Bedarf weiter ansteigen lassen.

Citi prognostiziert, dass die HBM-bit-Nachfrage im Jahr 2027 um 62% auf 75,2 Mrd. Gb wächst und 2028 nochmals um 69% auf 127 Mrd. Gb steigt, was etwa das Doppelte der früheren Prognosen bedeutet. Neben NVIDIA werden auch ASIC-Chip-Nachfragen von Broadcom (AVGO.US) und Google zu wichtigen Wachstumsquellen.

Noch wichtiger ist, dass selbst bei aktiver Kapazitätserweiterung der Speicherhersteller die HBM-Lieferung die Nachfrage nicht decken kann.

Citi erwartet, dass die HBM-Nachfrage von 46,4 Mrd. 1Gb-Einheiten im Jahr 2026 auf 75,2 Mrd. im Jahr 2027 steigt, während das Angebot nur von 36,1 Mrd. auf 59,3 Mrd. wächst; der HBM-Versorgungsengpass bleibt 2027 mit ca. 21% bestehen und könnte 2028 angesichts zunehmender ASIC-Lieferungen auf etwa 36% steigen.

Citi sieht das aktuelle sogenannte „HBM-Specdown“ mehr als eine Strategie, Ressourcen effizienter zu nutzen und die AI-Accelerator-Liefermenge zu maximieren – nicht als Signal für eine schwache Nachfrage.

AI-Inferenz als zweiter Wachstumsmotor – Server-DRAM-Nachfrage könnte 2027 um 51% steigen

Wenn HBM hauptsächlich von AI-Training profitiert, wird Server-DRAM voraussichtlich zum Hauptnutznießer der Expansion des kontinuierlichen Lernens und der AI-Inferenz.

Citi prognostiziert, dass Server-DRAM unter dem Einfluss des kontinuierlichen Lernens im Jahr 2027 mehr als 50% zugelegt, und auch die eSSD-Nachfrage um rund 50% steigt. Zunehmende Inferenz-Komplexität erhöht den Bedarf an CPUs und Server-Arbeitsspeicher.

Im Detail erwartet das Unternehmen, dass die Nachfrage nach Server-DRAM von 226,3 Mrd. 1Gb-Einheiten 2026 auf 341,7 Mrd. im Jahr 2027 steigt (plus ca. 51%). Server werden dann etwa 67% der globalen DRAM-Nachfrage erzeugen und bleiben der größte Anwendungsmarkt.

Dieser Trend korreliert auch mit der Reduktion der HBM-Konfiguration pro Accelerator bei AI-Chips. Wenn bestimmte KV-Caches und andere Speicherlasten von HBM auf Server-DRAM oder externe Speicher ausgelagert werden, könnte dies die Nachfrage nach Server-DRAM und eSSD weiter erhöhen.

Citi berichtet außerdem, dass Speicher-Kunden die Laufzeiten langfristiger Lieferverträge (LTA) von drei auf fünf Jahre verlängern, was die zunehmende Sichtbarkeit der Speicher-Nachfrage für die nächsten Jahre widerspiegelt.

eSSD-Nachfrage könnte explodieren – 2027 voraussichtlich Wachstum von 53%

Auch der NAND-Markt könnte einer der großen Gewinner des Zeitalters des kontinuierlichen Lernens werden.

Kontinuierliches Lernen bedeutet, dass AI-Modelle nicht nur fortlaufend neue Informationen verarbeiten müssen, sondern auch große Mengen früherer Daten bewahren müssen, weshalb der Bedarf an langfristigem Speicher steigt.

Citi erwartet, dass die globale NAND-Nachfrage im Jahr 2027 um 29,1% und damit schneller als das Versorgungswachstum von 21,2% wächst; die Enterprise-SSD-Nachfrage soll um 52,9% zulegen – deutlich schneller als das Gesamtwachstum bei SSD von rund 45%.

Einer der wichtigsten Treiber dieses Wachstums ist die Auslagerung von KV-Caches. Mit sinkender HBM-Konfiguration bei AI-Acceleratoren werden immer mehr KV-Caches und andere Speicherlasten auf externe Speicher verschoben – High-Capacity QLC Enterprise-SSDs profitieren davon besonders.

Citi vermerkt, dass AI-Server inzwischen mehr Speicher nahe der GPU konfigurieren, zum Beispiel durch QLC-SSD, um mehr Daten nah am Accelerator zu speichern und so die Effizienz von Modellgedächtnis und Datenzugriff zu erhöhen.

Während NAND in Konsumelektronik durch den schwachen Markt für Handys und PCs belastet wird, sieht Citi, dass die durch AI-Inferencing getriebene Nachfrage im Enterprise-Bereich dies ausgleichen kann. Im Bericht wird außerdem erwähnt, dass AI-Datencenter weltweit – auch in China – verstärkt den Austausch von HDD durch SSD erwägen; ab 2027 dürfte das die Nachfrage nach eSSD weiter erhöhen.

DRAM-Versorgungsengpass könnte sich 2028 auf 9,7% ausdehnen – Preisanstieg setzt sich fort

Die Kehrseite des rasanten Nachfragewachstums ist, dass die Speicherindustrie weiterhin begrenzt expandiert.

Citi prognostiziert, dass die globale DRAM-bits-Nachfrage 2027 um ca. 30,2% wächst, deutlich schneller als das Versorgungswachstum von 18,8%, sodass sich die Balance aus 2026 zu einem Versorgungsengpass von rund 8,7% verschiebt; 2028 könnte die Lücke auf 9,7% anwachsen.

Das begrenzte Angebot resultiert aus zwei Faktoren: Erstens allokieren Samsung Electronics, SK Hynix und Micron mehr DRAM-Kapazität für HBM; zweitens verlangsamt sich die Migration auf fortschrittliche Fertigungstechnologien und neue Wafer-Fabriken benötigen lange Aufbauphasen, weshalb zusätzlicher bit-Supply nicht schnell freigesetzt werden kann.

Citi erwartet, dass die durchschnittliche Waferkapazität der DRAM-Branche 2027 nur um ungefähr 8% zunimmt, während die gesamte DRAM-bit-Versorgung um ca. 18,8% steigt – das führt zu anhaltender Knappheit im gesamten Jahr 2027.

Knappheit in Angebot und Nachfrage bedeutet auch anhaltend starke Speicherpreise.

Nach einem Preisanstieg von 242,4% für den gewichteten Durchschnittspreis von DRAM im Jahr 2026 erwartet Citi für 2027 einen weiteren Anstieg um 23,1%. Obwohl dieser Zuwachs deutlich schwächer als 2026 ausfällt, sorgen HBM und herkömmlicher DRAM durch die andauernde Unterversorgung weiterhin für Preisanstiege.

NAND ebenfalls im Versorgungsengpass – Knappheit könnte bis 2031 halten

NAND sieht sich ebenfalls wachsendem Versorgungsdruck.

Citi erwartet, dass die NAND-Nachfrage 2027 um rund 29% wächst, die Versorgung aber nur um 21% – und somit eine Versorgungslücke von rund 6,1% entsteht; 2028 wird die Nachfrage um 33% wachsen, weiterhin schneller als das Versorgungswachstum (25%), womit der Engpass von rund 5,5% bestehen bleibt.

Ein wichtiger Grund hierfür liegt darin, dass die Speicherhersteller derzeit bevorzugt ihre DRAM- und HBM-Kapazität erhöhen und somit die Erweiterung von NAND-Kapazität begrenzen.

Unter dem Einfluss von kontinuierlichem Lernen, hochdichter eSSD, NVIDIA KV-Cache-Auslagerung sowie dem ab 2028 verstärkten Bedarf durch personalisierte und Physische KI könnten die globalen Speicherengpässe ab 2028 weiter verschärfen und bis 2031 anhalten.

Das bedeutet, dass die aktuelle Speicherzyklus nicht mehr nur von klassischen Faktoren wie Handymarkt, PC-Lagerauffüllung etc. getrieben wird, sondern vielmehr von strukturellen Veränderungen durch AI-Computing-Architekturen.

Speicherhersteller erweitern Kapazität massiv – Equipment- und Materialfirmen profitieren synchron

Im Angesicht der langfristigen Expansion der Nachfrage starten die Speicherhersteller umfangreichere Investitionen, was die Chance auf AI-Speicherinvestitionen auf die komplette Halbleiter-Einrichtungen- und Material-Branche ausdehnen könnte.

Citi erwartet, dass die globale Kapitale für DRAM und NAND von rund 54,9 Mrd. USD 2026 auf 80,4 Mrd. USD 2027 steigen – ein Wachstum von 46,5%; der Kapitalaufwand für DRAM wird voraussichtlich 58,6 Mrd. USD (+51,6%) und für NAND 21,8 Mrd. USD (+34,2%) erreichen.

Langfristig rechnet der Bericht bis 2031 mit insgesamt rund 322,5 Mrd. USD an Kapitale für DRAM und NAND, davon ca. 254 Mrd. USD für DRAM und 68,5 Mrd. USD für NAND.

Citi schlussfolgert, dass diese Speicherboom nicht nur den Speicherchipherstellern zugutekommt, sondern sukzessive auf die Halbleitergeräte- und Materialbranche übergreift.

Im Speicherbereich sieht Citi Samsung Electronics, SK Hynix, Micron Technology, SanDisk und Kioxia als bevorzugte Unternehmenswerte; im Bereich Equipment und Materialien werden Montage Technology, Applied Materials, Lam Research, TES, Eugene Technology und TechWing empfohlen. Citi glaubt, dass das kontinuierliche Lernen und die mittel- bis langfristige Entwicklung des personalisierten KI den strukturellen Speicherbedarf antreiben und den Speicherherstellern durch die anhaltende Knappheit direkt zugute kommen, während Equipment- und Materialfirmen von den zunehmenden Investitionen und der höheren Kapazitätsauslastung in den Wafer-Fabriken profitieren können.