Nach aktuellem Stand soll Google am 1. Oktober 2026 einen Prototyp-Satelliten mit Tensor Processing Units ins All bringen. Der Start ist auf einer SpaceX Falcon 9 vorgesehen, als Teil von Project Suncatcher. Der Satellit wurde mit Planet Labs entwickelt, ist etwa so groß wie ein Kühlschrank und soll zunächst vier TPUs tragen. Getestet werden sollen keine fertigen Rechenzentren im Orbit, sondern Belastbarkeit: Startkräfte, Strahlung, Temperaturwechsel und Betrieb in der niedrigen Erdumlaufbahn.
Für sich genommen ist das ein kleiner Hardwaretest. Kapitalmarktlogisch ist er interessanter. Google prüft, ob ein Teil der künftigen KI-Infrastruktur überhaupt noch in die Kostenstruktur klassischer Rechenzentren passt. Der Engpass liegt nicht nur bei Chips, sondern bei Stromanschlüssen, Kühlung, Grundstücken, Genehmigungen, Netzinfrastruktur und Bauzeit. Project Suncatcher ist deshalb weniger eine Produktankündigung als eine frühe Option auf eine andere Kapitalallokation: Rechenleistung dorthin zu verlagern, wo Energie anders verfügbar ist und Abwärme anders behandelt wird.
Die Rechnung beginnt bei Strom und Kühlung
KI-Rechenzentren sind kapitalintensive Anlagen mit mehreren Kostenschichten. Chips sind sichtbar, aber nicht allein entscheidend. Zu ihnen kommen Gebäude, Energieversorgung, Transformatoren, Netzanschlüsse, Kühltechnik, Wasser- oder Luftsysteme, Wartung, Ersatzteile und langfristige Standortverträge. Bei hoher Auslastung kann daraus ein attraktives Modell entstehen: teure Infrastruktur wird möglichst durchgehend genutzt, die Fixkosten verteilen sich auf große Mengen an Rechenleistung. Die Marge hängt dann an Auslastung, Energiepreis, Abschreibung und Effizienz der Hardware.
Kostenlogik orbitaler KI-Infrastruktur
Die Grafik zeigt, welche Kosten- und Risikoschichten zwischen dem TPU-Test im Orbit und einem möglichen KI-Rechenzentrum im All liegen.
Der Orbit verspricht auf dem Papier zwei Entlastungen. Solarenergie ist dort verlässlicher verfügbar als an vielen Standorten auf der Erde, weil Wolken, Nachtzyklen und lokale Netzengpässe anders wirken. Wärme kann über Radiatoren ins Vakuum abgegeben werden, auch wenn das technisch keineswegs trivial ist. Für ein Unternehmen wie Google, das eigene KI-Modelle betreibt und dafür sehr große Rechenkapazitäten benötigt, ist schon die Prüfung solcher Alternativen plausibel. Nicht, weil der Orbit kurzfristig billiger wäre. Sondern weil die Grenzkosten klassischer KI-Infrastruktur steigen können, wenn geeignete Standorte knapp werden.
Der Start ist der kleinste sichtbare Teil der Kosten
Der geplante Flug auf einer Falcon 9 löst das zentrale Problem nicht, er macht es nur messbar. Ein orbitales KI-Rechenzentrum müsste Hardware nicht nur starten, sondern über Jahre betreiben, vernetzen, kühlen, warten und irgendwann ersetzen. Jeder Ausfall ist schwerer zugänglich als in einem Rechenzentrum in Iowa, Frankfurt oder Singapur. Jede Generation neuer Chips müsste entweder nachgerüstet oder mit neuen Satelliten gestartet werden. Das verschiebt die Kostenstruktur von Bau und Betrieb zu Startlogistik, Satellitenproduktion, Strahlungsschutz, thermischem Design und Kommunikationsinfrastruktur.
Genau deshalb ist der erste Test eng gefasst. Vier TPUs im Orbit beantworten keine Frage nach kommerzieller Rentabilität. Sie liefern Daten darüber, ob Googles KI-Hardware die Umgebung überhaupt zuverlässig übersteht. Wenn Chips unter Strahlung, Temperaturstress oder Vibrationen schneller degradieren als erwartet, bleibt die ökonomische These schwach. Wenn sie stabil laufen, ist erst die nächste Kostenschicht dran: Datenverbindungen.
Nach bisher bekannten Plänen sollen 2027 weitere Missionen mit zwei Satelliten folgen, die Hochbandbreiten-Laserverbindungen testen. Dieser Schritt ist entscheidend, weil ein Rechencluster nicht aus isolierten Rechenknoten besteht. Moderne KI-Systeme brauchen schnellen Datenaustausch zwischen Prozessoren, Speichern und Netzwerken. Im Orbit kommt Distanz hinzu, außerdem Ausrichtung, Latenz, Energieverbrauch der Kommunikation und die Frage, wie Daten zur Erde oder zu anderen Satelliten gelangen. Ohne belastbare Verbindungstechnik bleibt der Satellit ein Experiment, kein Rechenzentrum.
Googles Vorteil liegt in vertikaler Kontrolle
Google bringt in dieses Projekt mehrere Bausteine mit, die nicht viele Unternehmen kombinieren können: eigene KI-Modelle, eigene Beschleunigerchips, Cloud-Erfahrung, Kapital, Forschungsabteilungen und langfristigen Infrastrukturbedarf. Die TPUs sind dabei wichtig, weil Google nicht nur fremde GPUs in ein Satellitengehäuse setzt. Das Unternehmen testet Hardware, die in der eigenen KI-Ökonomie eine zentrale Rolle spielt. Je stärker ein Anbieter Chipdesign, Modellbetrieb und Cloud-Vertrieb integriert, desto eher lohnt es sich, ungewöhnliche Infrastrukturpfade zu prüfen.
Das heißt nicht, dass Google den Markt allein definiert. SpaceX ist Startanbieter und zugleich ein Akteur mit eigener orbitaler Infrastruktur. Damit entsteht eine strategische Doppelrolle: Wer heute Startkapazität einkauft, kann morgen von einem Anbieter abhängig sein, der selbst Infrastruktur im Orbit betreibt oder ausbaut. Für Google ist SpaceX kurzfristig ein notwendiger Partner. Langfristig ist die Abhängigkeit von Startkapazitäten ein eigener Risikoposten.
Auch andere Akteure testen das Feld. Nach Medienberichten hat Starcloud, das mit Nvidia-Technik arbeitet, bereits einen Nvidia H100 ins All gebracht und dort KI-Workloads demonstriert. Blue Origin wird in diesem Umfeld ebenfalls als möglicher Akteur genannt. Der Markt ist damit nicht leer, aber noch weit von belastbaren Margenprofilen entfernt. Die Unternehmen kaufen sich im Kern Lernkurven: Strahlung, Thermik, Kommunikation, Produktion, Versicherung, Startplanung und regulatorische Zulassung.
Die Margenfrage bleibt offen
Für Investoren und Strategen ist der relevante Punkt nicht, ob ein Chip im Orbit läuft. Entscheidend ist, ob orbitale Rechenleistung irgendwann günstiger, knapper oder strategisch wertvoller ist als Rechenleistung am Boden. Dafür müssten mehrere Annahmen gleichzeitig stimmen: Startkosten müssten niedrig genug bleiben, Satellitenproduktion müsste skalieren, Hardware müsste lange genug halten, Kommunikation müsste hohe Bandbreiten liefern, und die Auslastung müsste hoch sein. Gleichzeitig dürften irdische Rechenzentren nicht schnell genug neue Energiequellen und effizientere Kühlung erschließen.
Das ist eine enge Rechnung. Klassische Rechenzentren haben Nachteile, aber auch gewaltige Skalenvorteile. Sie lassen sich warten, erweitern, umrüsten und in bestehende Glasfaser- und Energienetze einbinden. Betreiber können defekte Komponenten tauschen, neue Hardwaregenerationen installieren und Standorte an regionale Strommärkte anpassen. Der Orbit nimmt einige physische Zwänge heraus, fügt aber andere hinzu. Die Investitionslogik wird dadurch nicht automatisch besser, sondern komplexer.
Hinzu kommt ein externer Kostenblock, der in frühen Infrastrukturmodellen gern unterschätzt wird: Umwelt- und Regulierungskosten. Eine deutliche Zunahme von Raketenstarts und Satelliten-Wiedereintritten könnte Schadstoffe in der oberen Atmosphäre anreichern. Dazu kommen Fragen von Weltraummüll, Frequenznutzung und orbitaler Sicherheit. Solche Risiken sind schwer zu modellieren, können aber aus einer technischen Option schnell ein regulatorisches Problem machen.
Project Suncatcher ist eine Absicherung gegen Engpässe
Googles Test sollte deshalb nicht als unmittelbar bevorstehende Verlagerung der KI-Cloud in den Weltraum gelesen werden. Näher liegt eine nüchterne Interpretation: Google sichert sich Wissen über eine Infrastrukturvariante, falls der Bau großer KI-Rechenzentren auf der Erde teurer, langsamer oder politisch schwieriger wird. Das ist Forschung, aber keine freie Grundlagenforschung. Sie sitzt direkt an der Kostenbasis des KI-Geschäfts.
Sam Altman hat die Idee von Rechenzentren im Weltraum angesichts der heutigen Bedingungen skeptisch kommentiert. Diese Skepsis ist ökonomisch nachvollziehbar. Der Abstand zwischen einem Kühlschrank-Satelliten mit vier TPUs und einem kommerziellen KI-Cluster ist enorm. Genau deshalb ist der Test interessant: Er macht sichtbar, wie früh die Branche beginnt, über Alternativen zur terrestrischen Rechenzentrumslogik nachzudenken.
Wenn Project Suncatcher scheitert, hat Google Daten über Grenzen seiner Hardware gewonnen. Wenn der Test funktioniert, beginnt die teurere Phase: Verbindung, Skalierung, Produktion, Betrieb. Der erste Start ist damit kein Beweis für orbitale KI-Rechenzentren. Er ist der Anfang einer Kostenprüfung, die nur für Unternehmen sinnvoll ist, deren künftiger Rechenbedarf groß genug ist, um selbst abwegig wirkende Infrastrukturpfade durchzurechnen.
Jens analysiert seit Jahren digitale Märkte, Preisbewegungen und Plattform-Strategien. Als Betreiber mehrerer datengetriebener Systeme wertet er täglich große Mengen an Produkt- und Trenddaten aus. Sein Fokus liegt auf Einordnung statt Hype: Was bedeutet eine Entwicklung wirklich für Nutzer, Preise und Märkte?
