Tesla skaliert AI-Training in Giga Texas deutlich hoch
Tesla dreht 2026 beim KI-Training sichtbar auf. Aus den aktuellen Unternehmensangaben geht hervor, dass die installierte Trainings-Rechenkapazität am Standort Gigafactory Texas im ersten Halbjahr stark gewachsen ist und sich im Verlauf von Q2 besonders kräftig erhöht hat.
Konkret stieg die Kapazität von rund 115 MW Ende 2025 zunächst auf etwa 135 MW zum Ende von Q1 2026. Bis Ende Q2 sprang der Wert dann auf ungefähr 260 MW. Treiber dafür war vor allem die Aktivierung neuer Supercomputing-Cluster vor Ort.
Die wichtigsten Zahlen im Überblick
| Zeitraum | AI-Trainingskapazität in Texas (installiert) | Einordnung |
|---|---|---|
| Ende 2025 | ca. 115 MW | Basis vor dem 2026er Ramp |
| Ende Q1 2026 | ca. 135 MW | moderater Ausbau |
| Ende Q2 2026 | ca. 260 MW | nahezu Verdopplung, vor allem durch neue Cluster |
| Prognose Ende 2026 | nahe 400 MW | weiterer Ausbau im Jahresverlauf geplant |
Wofür Tesla die zusätzliche Rechenleistung braucht
Mehr AI-Compute heißt bei Tesla vor allem: größere Modelle, schnellere Trainingszyklen und mehr Iterationen pro Zeit. Für autonomes Fahren ist das zentral, weil die Netze mit riesigen Datenmengen aus der Flotte trainiert werden, typischerweise Videoframes aus realen Fahrsituationen. Je schneller das Training, desto schneller können neue Modellstände gebaut, getestet und ausgerollt werden.
Spannend ist der zweite große Abnehmer der Rechenpower: Optimus. Bei humanoiden Robotern geht es neben Wahrnehmung auch um Bewegungsplanung, Greifen, Balance sowie das Erlernen robuster Abläufe in wechselnden Umgebungen. Auch dafür sind große Trainingscluster eine direkte Produktivitätswährung.
„Cortex 2 supports the development of both vehicle and humanoid robot autonomy software and will ramp further over the rest of the year to ensure we have sufficient compute resources.“
Robotaxi und FSD profitieren doppelt: Training und Validierung
Der Ausbau ist auch deshalb relevant, weil Tesla parallel seine autonomen Systeme stärker in reale Flotten bringt. Laut Management laufen Robotaxi-Fahrzeuge bereits mit FSD v15. Zusätzlich wurde kommuniziert, dass diese Robotaxi-Flotten bereits über 380.000 Meilen ohne Fahreraufsicht in mehreren Städten zurückgelegt haben. Solche Kilometer sind nicht nur PR, sie liefern auch wertvolle Rückkopplung für Training, Simulation und die Priorisierung von Edge-Cases.
Für den DACH-Raum ist dabei wichtig: Robotaxi und „unsupervised“ Einsätze sind regulatorisch und operativ nicht 1:1 auf Europa übertragbar. Dennoch ist der Kernpunkt relevant, weil mehr Trainingskapazität und schnelleres Iterieren mittelfristig auch die Stabilität und Leistungsfähigkeit der Fahrerassistenz in Kundenfahrzeugen verbessern kann, sobald Features hierzulande zugelassen und ausgerollt werden.
Auch der Tesla Semi steht auf der Agenda
Ein weiterer Hinweis aus dem Umfeld der Aussagen: FSD soll auch für den Tesla Semi kommen. Ein Class-8-Truck stellt an Wahrnehmung und Planung andere Anforderungen als ein Pkw, etwa durch Länge, Anhängerbetrieb, Bremswege und das Verhalten in engen Manövern. Es liegt nahe, dass zusätzliche Compute-Ressourcen auch die Entwicklung solcher spezialisierten Netze beschleunigen.
Warum „mehr MW“ im Alltag nicht sofort sichtbar ist, aber langfristig zählt
Rechenleistung in MW ist kein direktes Feature auf dem Infotainment-Screen. Der Effekt zeigt sich indirekt: Updates können häufiger kommen, Modelle werden schneller verbessert und neue Funktionen haben mehr Chancen, früher einen stabilen Reifegrad zu erreichen. Gerade bei End-to-End-Ansätzen entscheidet oft die Geschwindigkeit der Iteration, nicht nur eine einzelne „geniale“ Version.
Interessant ist dabei auch Teslas Strategie, verschiedene Modellgrößen effizient auf unterschiedliche Hardware zu bringen. So wurde zuletzt bekannt, dass aktuelle HW4-Kundenfahrzeuge teils mit verdichteten, also kleineren „distilled“ Modellen arbeiten, die aus größeren Flaggschiff-Netzen abgeleitet sind. Wenn die Trainingskapazität steigt, kann Tesla solche Ableitungen häufiger aktualisieren, was am Ende auch in der Breite ankommt.
