LLM-Infrastruktur-GPU-Markt Größe & Marktanteilsanalyse – Wachstumstrends und Prognose (2026–2031)

Globale LLM-Infrastruktur-GPU-Markttrends und Erkenntnisse

Wachsende Nachfrage nach hochdichten GPU-Clustern für das Training von Basismodellen

Der LLM-Infrastruktur-GPU-Markt wird durch die rasche Skalierung des Basismodell-Trainings von Clustern mit Tausenden von Beschleunigern auf Flotten mit Zehntausenden nach oben getrieben. NVIDIA erklärte, dass Vera Rubin NVL72 im Mai 2026 in die Vollproduktion hochgefahren wurde und dass ein Rack 72 GPUs als einheitliche Rechendomäne integriert, was zeigt, wie schnell sich die Erwartungen an die Rack-Dichte im LLM-Infrastruktur-GPU-Markt verschoben haben.^{[1]NVIDIA Corporation, „NVIDIA Vera Rubin läuft in die Vollproduktion, um agentische KI-Fabriken weltweit anzutreiben,” NVIDIA, nvidia.com} NVIDIA berichtete außerdem, dass CoreWeave, IBM und NVIDIA die MLPerf Training v6.0-Einreichungen auf 8.192 Blackwell-GPUs skaliert haben, was den größten validierten Cluster im MLCommons-Peer-Review-Framework NVIDIA.COM markierte. Parallel dazu gab NVIDIA in einer SEC-Einreichung im Januar 2026 bekannt, dass es 2 Milliarden USD in CoreWeave investiert hat, um den Aufbau von mehr als 5 Gigawatt KI-Fabrikkapazität bis 2030 zu beschleunigen, was zeigt, dass die Kapazitätsplanung nun Jahre im Voraus vertraglich festgelegt wird.^{[2]NVIDIA Corporation und CoreWeave, Inc., „NVIDIA investiert 2 Milliarden USD in CoreWeave,” U.S. Securities and Exchange Commission, sec.gov} Diese Verschiebung wandelt den LLM-Infrastruktur-GPU-Markt von einem Hardware-Beschaffungszyklus in einen langfristigen Infrastrukturmarkt um, in dem Kapitalvorausleistungen den Zugang bestimmen. Sie vergrößert auch die Lücke zwischen Hyperscale-Käufern und kleineren Betreibern, da Organisationen, die frühzeitig Kapazitäten sichern, besser positioniert sind, das Training zu skalieren, Dienste schneller einzuführen und die Infrastruktur über Modellgenerationen hinweg wiederzuverwenden.

Zunehmende Einführung GPU-beschleunigter Cloud-Dienste für die LLM-Entwicklung und -Bereitstellung

Der LLM-Infrastruktur-GPU-Markt profitiert auch von einem starken Anstieg des GPU-Cloud-Verbrauchs, da viele Käufer schnellen Zugang zu Hardware der aktuellen Generation benötigen, ohne zunächst ein vollständiges privates Rechenzentrum aufzubauen. AMD und OpenAI kündigten im Oktober 2025 eine strategische Partnerschaft über 6 Gigawatt an, wobei das erste 1-Gigawatt-Deployment des AMD Instinct MI450 für die zweite Hälfte des Jahres 2026 geplant ist, was zeigt, wie Cloud-Kapazitäten nun auf Infrastrukturmaßstab vertraglich vereinbart werden.^{[3]Advanced Micro Devices, Inc., „AMD und OpenAI kündigen strategische Partnerschaft zur Bereitstellung von 6 Gigawatt AMD-GPUs an,” AMD, amd.com} IBM und NVIDIA weiteten ihre Zusammenarbeit im März 2026 aus, und IBM Cloud erklärte, dass es NVIDIA Blackwell Ultra-GPUs für groß angelegtes Training und Inferenzierung im zweiten Quartal 2026 anbieten werde, was die steigende Nachfrage nach verwaltetem und konformem GPU-Zugang widerspiegelt. CoreWeave weitete dann im April 2026 eine langfristige KI-Cloud-Vereinbarung über 21 Milliarden USD mit Meta aus und unterzeichnete eine separate KI-Cloud-Vereinbarung über 6 Milliarden USD mit Jane Street, was zeigt, wie Kapazitätsverträge die Cloud-Wirtschaft im LLM-Infrastruktur-GPU-Markt prägen. Diese Schritte zeigen, dass Käufer zunehmend Hardware-Zugang, Workload-Optimierung und Betriebsunterstützung gegenüber einfacher stündlicher Preisgestaltung schätzen. Sie erweitern auch die Rolle von Neocloud-Anbietern, da dedizierte GPU-Clouds LLM-Workloads mit weniger Plattform-Overhead als allgemeine Cloud-Umgebungen bedienen können.

Ausbau souveräner KI- und inländischer Modell-Hosting-Programme

Staatlich geführte Rechenprogramme werden zu einem bedeutenden Unterstützungsfaktor für den LLM-Infrastruktur-GPU-Markt, da mehr Länder aus strategischen und regulatorischen Gründen inländische Trainings- und Inferenzkapazitäten anstreben. Die britische Regierung veröffentlichte im Juni 2026 ihren KI-Hardware-Plan und verpflichtete sich zu 750 Millionen GBP, was 952 Millionen USD entspricht, für die nationale KI-Hardware-Erweiterung und eröffnete einen Beschaffungsweg über 400 Millionen GBP für Systeme der nächsten Generation. In Japan gab RIKEN im Juni 2026 bekannt, dass es den KI-für-Wissenschaft-Supercomputer „Riku” in Betrieb genommen hat, der mit 1.600 NVIDIA GB200 NVL4 Blackwell-GPUs ausgestattet ist, was zeigt, wie nationale Forschungseinrichtungen in den Besitz von Hochleistungsbeschleunigern übergehen. Diese Programme erweitern den LLM-Infrastruktur-GPU-Markt über Hyperscaler hinaus, da sie Ministerien, öffentliche Labore, Universitäten und staatlich unterstützte Betreiber in den langfristigen Infrastrukturkauf einbeziehen. Sie begünstigen auch regional gehostete Cluster, souveräne Cloud-Modelle und lokale Systemintegration anstelle eines rein zentralisierten Modells. Langfristig wird dies die geografische Nachfrage ausweiten und vielfältigere Beschaffungsmuster bei öffentlichen, Forschungs- und Unternehmenskäufern schaffen.

Zunehmende Verlagerung hin zur Inferenzoptimierung und latenzarmen Bereitstellung

Ein wachsender Anteil des LLM-Infrastruktur-GPU-Marktes wird nun durch Inferenzanforderungen und nicht nur durch Modelltraining geprägt, da produktive KI-Anwendungen eine konstante Token-Nachfrage und engere Latenzanforderungen erzeugen. NVIDIA berichtete, dass DFlash Speculative Decoding die Inferenzleistung auf Blackwell-GPUs um bis zu 15x verbessern kann, was zeigt, wie Software- und Architekturänderungen die Hardware-Produktivität direkt beeinflussen. PyTorch berichtete im Juni 2026, dass DeepSeek-V4 auf NVIDIA GB300 über SGLang bereitgestellt wurde und einen 5-fach höheren Durchsatz bei gleicher Interaktivität lieferte, was die Verlagerung hin zu inferenzorientierten Bereitstellungs-Stacks unterstützt. Broadcom erklärte im Juni 2026 außerdem, dass 56 % der befragten leitenden IT-Führungskräfte produktive KI-Inferenz in der privaten Cloud betrieben oder planten, was eine stärkere Nachfrage nach verteilter und kontrollierter Inferenzkapazität signalisiert. Der LLM-Infrastruktur-GPU-Markt teilt sich daher in deutlichere Infrastrukturpfade auf, wobei einige Flotten für dichtes Training und andere für Speicherbandbreite, niedrigere Latenz und regionale Bereitstellung konzipiert sind. Diese Trennung ist wichtig, da sie verändert, wie Käufer GPUs, Netzwerke, Facility-Design und Software-Orchestrierung bei der langfristigen Infrastrukturplanung bewerten.

*Unsere Prognosen behandeln die Auswirkungen von Treibern und Einschränkungen als richtungsweisend und nicht additiv. Die Wirkungsprognosen berücksichtigen Basiswachstum, Mischungseffekte und Wechselwirkungen zwischen Variablen.

Segmentanalyse

Nach Bereitstellungsmodell: Unternehmensaufbau beschleunigt sich inmitten der Cloud-Konsolidierung

Cloud-Rechenzentren hielten im Jahr 2025 einen Anteil von 71,22 %, was sie zur größten Bereitstellungsbasis im LLM-Infrastruktur-GPU-Markt machte. Diese Führungsposition spiegelt die Rolle von Hyperscaler-Campussen und Neocloud-Einrichtungen wider, die dichte flüssigkeitsgekühlte Racks, große Trainingsaufgaben und breiten Entwicklerzugang unterstützen können. In der aktuellen Struktur des LLM-Infrastruktur-GPU-Marktes bietet die Cloud-Bereitstellung nach wie vor den schnellsten Weg zu groß angelegtem Training, da sie GPUs, Netzwerke und Orchestrierung an einem Ort konzentriert. Sie ermöglicht es Käufern auch, kurzfristige und kapazitätsgebundene Modelle zu nutzen, ohne die vollen Kosten für Grundstücke, Strom und Kühlung in der eigenen Bilanz zu tragen. Dennoch ist zentralisierte Cloud-Kapazität nicht mehr die einzige Standardoption, da Datenkontrolle, Latenzanforderungen und Inferenzökonomie mehr Organisationen dazu veranlassen, hybride und private Footprints zu prüfen.

Edge-Rechenzentren bleiben der kleinste Bereitstellungspfad im LLM-Infrastruktur-GPU-Markt, gewinnen jedoch an Relevanz, wo Reaktionszeiten unter 10 Millisekunden oder lokale Verarbeitungsanforderungen wichtig sind. Unternehmens- und private Rechenzentren sollen bis 2031 mit einer CAGR von 17,57 % wachsen, und die LLM-Infrastruktur-GPU-Marktgröße für dieses Segment expandiert schneller, da Organisationen von Pilotprojekten zu nachhaltigen KI-Betrieben übergehen. Die Umfrage von Cloudian vom März 2026 ergab, dass 73 % der Befragten planten, KI-Workloads in den nächsten 24 Monaten in Richtung On-Premises- oder Hybrid-Infrastruktur zu verlagern. Diese Verlagerung bedeutet nicht, dass Unternehmen die Cloud aufgeben, aber sie bedeutet, dass sie öffentliche Kapazitäten für Burst-Training reservieren, während sie Inferenz, compliance-sensible Workloads und interne Tools auf von ihnen kontrollierten Infrastrukturen platzieren. In der Praxis bewegt sich der LLM-Infrastruktur-GPU-Markt auf ein gemischtes Bereitstellungsmodell zu, bei dem die Cloud die Skalierungsmaschine bleibt, während private Umgebungen für die kontinuierliche Bereitstellung und regulierte Daten-Workloads wichtiger werden.

Notiz: Segmentanteile aller einzelnen Segmente sind nach dem Berichtskauf verfügbar

Nach Workload-Typ: Inferenz entwickelt sich zum primären Wachstumsmotor

Training-GPUs hielten im Jahr 2025 einen Anteil von 66,59 %, was zeigt, dass die Modellentwicklung nach wie vor den größten Ausgabenanteil im LLM-Infrastruktur-GPU-Markt ausmachte. Große Trainingsläufe bleiben kostspielig, da sie erweiterten Zugang zu dichten Clustern, Hochbandbreiten-Fabrics und koordinierten Software-Umgebungen über Tausende von Beschleunigern hinweg erfordern. Deshalb hat der LLM-Infrastruktur-GPU-Markt weiterhin erhebliches Kapital in Plattformen gelenkt, die für groß angelegtes Vortraining und Modell-Refresh-Zyklen optimiert sind. Gleichzeitig beginnt sich die Mischung zu verschieben, da mehr Unternehmen nun bestehende Checkpoints feinabstimmen und domänenspezifische Anwendungen einsetzen, anstatt Basismodelle von Grund auf neu zu erstellen. Infolgedessen weicht der ausschließlich dem Training gewidmete Rechenanteil allmählich einer breiteren Balance zwischen Training- und Deployment-Workloads.

Inferenz-GPUs sollen bis 2031 mit einer CAGR von 17,88 % wachsen und damit das am schnellsten wachsende Workload-Segment im LLM-Infrastruktur-GPU-Markt darstellen. NVIDIA berichtete, dass DFlash Speculative Decoding die Inferenzleistung auf Blackwell-GPUs um bis zu 15x verbessern kann, was zeigt, warum Software-Effizienz Teil von Hardware-Kaufentscheidungen wird. PyTorch erklärte im Juni 2026, dass DeepSeek-V4 auf NVIDIA GB300 mit SGLang einen 5-fach höheren Durchsatz bei gleicher Interaktivität lieferte, was die Nachfrage nach Bereitstellungs-Stacks verstärkt, die auf Inferenz statt Training zugeschnitten sind. Dies ist wichtig, da die LLM-Infrastruktur-GPU-Branche nicht mehr auf ein einziges Cluster-Design für jeden Workload setzt und Käufer dichte Trainingssysteme von geografisch verteilten Inferenzsystemen trennen. Diese Veränderung schafft einen stärker segmentierten LLM-Infrastruktur-GPU-Markt, in dem Speicherbandbreite, Latenzverhalten, Software-Scheduling und regionale Platzierung genauso wichtig sind wie die reine Rechenleistung.

Nach Endnutzer: Unternehmen schließen sich Hyperscalern beim Ausbau der GPU-Infrastruktur an

Hyperscaler und Cloud-Dienstleister hielten im Jahr 2025 einen Anteil von 68,17 %, was sie zur dominanten Endnutzergruppe im LLM-Infrastruktur-GPU-Markt machte. Ihre Führungsposition spiegelt anhaltende Ausgaben für Trainingscluster, globale Inferenzbereitstellung und Plattform-Ökosysteme wider, die Rechenleistung zusammen mit Speicher-, Netzwerk- und Softwarediensten bündeln. Im aktuellen LLM-Infrastruktur-GPU-Markt prägen diese Betreiber nach wie vor die erste Welle der Hardware-Einführung, da sie in den größten Mengen kaufen und längere Vertragshorizonte absorbieren können. Regierungs- und Forschungseinrichtungen sind kleiner, werden aber sichtbarer, da politisch geführte Rechenprogramme Finanzierung erhalten und öffentliche Forschungszentren fortschrittliche Beschleunigersysteme in Besitz nehmen. Diese Nachfrage ist wichtig, da sie die Kundenbasis über kommerzielle Cloud-Betreiber hinaus erweitert und den LLM-Infrastruktur-GPU-Markt weniger abhängig von einer einzigen Käuferklasse macht.

Unternehmen sollen das schnellste Wachstum mit einer CAGR von 17,64 % bis 2031 verzeichnen, was zeigt, dass private KI-Infrastruktur zu einer zentralen operativen Priorität statt einem begrenzten Experiment wird. IBM und NVIDIA erklärten im März 2026, dass IBM Cloud NVIDIA Blackwell Ultra-GPUs für groß angelegtes Training, hochdurchsatzfähige Inferenzierung und KI-Reasoning anbieten werde, was zeigt, dass der Unternehmenszugang sich in Richtung Full-Stack-Dienste statt einfacher Rechenmiete bewegt. Auch die öffentliche Forschungsbereitstellung expandiert, da RIKEN im Juni 2026 seinen „Riku”-Supercomputer mit 1.600 NVIDIA GB200 NVL4 Blackwell-GPUs ankündigte. Die Herausforderung für Unternehmenskäufer besteht darin, dass der Hardware-Kauf allein keine starke Auslastung garantiert, da Orchestrierung, Modellmanagement und Workload-Scheduling parallel zur Flotte reifen müssen. Der LLM-Infrastruktur-GPU-Markt begünstigt daher Anbieter, die Silicon-Zugang, verwalteten Betrieb und Compliance-Kontrollen kombinieren können, da diese Fähigkeiten Unternehmen helfen, gekaufte Kapazitäten in nachhaltige Produktionsleistung umzuwandeln.

Nach GPU-Integration und Interconnect: Hochbandbreiten-Architekturen definieren die Cluster-Skalierung neu

Hochbandbreiten-Interconnect-GPUs hielten im Jahr 2025 einen Anteil von 63,21 % und sollen bis 2031 auch mit einer CAGR von 18,14 % wachsen, was bedeutet, dass dieses Segment im LLM-Infrastruktur-GPU-Markt sowohl das größte als auch das am schnellsten wachsende war. Diese Kombination spiegelt eine strukturelle Verschiebung wider, da große LLM-Cluster nun auf Hochgeschwindigkeits-Fabrics als Basisanforderung statt als optionales Leistungs-Upgrade angewiesen sind. Trainingsumgebungen an der Spitze des LLM-Infrastruktur-GPU-Marktes benötigen eine enge Koordination über Tausende von GPUs hinweg, was reine PCIe-Architekturen für die größten Workloads unzureichend macht. PCIe-basierte Systeme sind in kleineren Unternehmens-Deployments, Edge-Inferenz und Anwendungsfällen, bei denen die Parallelität innerhalb eines einzelnen Servers oder eines begrenzten Clusters bleibt, nach wie vor relevant. Dennoch verlagert sich der Schwerpunkt hin zu integrierten Plattformen, bei denen die Interconnect-Wahl Leistung, Kosten, Rack-Design und langfristige Upgrade-Optionen beeinflusst.

NVIDIA erklärte im Mai 2026, dass Vera Rubin die NVLink-Bandbreite und die GPU-Netzwerkkapazität im Vergleich zu Blackwell verdoppelt und gleichzeitig Spectrum-X Ethernet Photonics mit 200 Gbps SerDes und verbesserter Energieeffizienz einführt. Diese Merkmale sind wichtig, da Käufer im LLM-Infrastruktur-GPU-Markt zunehmend eine vollständige Plattform erwerben, die Switches, Kabel, Firmware und Cluster-Management-Software umfasst. Im Wesentlichen beginnt die Entscheidung eher einer Plattformeinführung als einer Komponentenauswahl zu ähneln. Hochbandbreiten-Interconnect-GPUs machten im Jahr 2025 63,21 % der LLM-Infrastruktur-GPU-Marktgröße aus, und dieser Anteil zeigt, wie schnell das Scale-out-Design zur Standardwahl für Produktions-Deployments wurde. Das Ergebnis ist eine engere Verbindung zwischen Silicon-Anbietern und Infrastrukturdesign, was die Leistungsobergrenzen erhöht, aber auch die Bedeutung von Ökosystem-Fit, Wechselkosten und Anbieterabhängigkeit über die Lebensdauer des Clusters steigert.

Nach Kühltechnologie: Flüssigkeitskühlung wird zum Infrastrukturstandard für KI-Fabriken

Luftgekühlte GPU-Infrastruktur hielt im Jahr 2025 einen Anteil von 61,47 %, was bedeutet, dass sie nach wie vor die dominante installierte Basis im LLM-Infrastruktur-GPU-Markt darstellte. Diese Basis spiegelt größtenteils bestehende Rechenzentren und Nachrüstumgebungen wider, die ursprünglich nicht für das thermische Profil neuerer Beschleunigersysteme ausgelegt wurden. Luftkühlung bleibt daher im LLM-Infrastruktur-GPU-Markt wichtig, wo Käufer bestehende Einrichtungen erweitern, Upgrades schrittweise durchführen oder kleinere Workloads bedienen, die keine Rack-Dichten am oberen Ende erfordern. Dennoch ändert sich die Balance, da neu in Betrieb genommene KI-Fabriken zunehmend von Anfang an rund um Flüssigkeitskühlung konzipiert werden. Dies schafft eine Spaltung, bei der ältere Kapazitäten luftgekühlt bleiben, während die meisten zukünftigen Großinstallationen zu geschlossenen Flüssigkeitssystemen übergehen.

Flüssigkeitsgekühlte GPUs sollen bis 2031 mit einer CAGR von 17,99 % wachsen und damit das am schnellsten wachsende Kühlsegment im LLM-Infrastruktur-GPU-Markt darstellen. NVIDIA erklärte, dass DSX MaxLPS Betreibern helfen kann, bis zu 40 % mehr GPUs innerhalb eines festen Leistungsbudgets zu betreiben, und dass GB200 NVL72 eine 25-fach höhere Energieeffizienz und eine 300-fach höhere Wassereffizienz im Vergleich zu herkömmlichen luftgekühlten Architekturen liefern kann. LiquidStack brachte seine GigaModular CDU-Plattform im Mai 2026 kommerziell auf den Markt mit einer Skalierung bis zu 14 MW, während Supermicro im Juni 2026 DCBBS-Blueprints für Vera Rubin NVL72 und HGX Rubin NVL8 einführte. Diese Schritte zeigen, dass das unterstützende Ökosystem für Flüssigkeitskühlung parallel zur Hardware selbst reift. In der nächsten Phase des LLM-Infrastruktur-GPU-Marktes wird Kühlung nicht mehr als eine untergeordnete Facility-Entscheidung behandelt werden, da sie bereits die einsetzbare Dichte, nutzbare Leistungsbudgets, Rack-Design und die Wirtschaftlichkeit des zukünftigen KI-Fabrikaufbaus beeinflusst.

Geografische Analyse

Nordamerika hielt im Jahr 2025 einen Anteil von 47,12 % und hatte damit die führende regionale Position im LLM-Infrastruktur-GPU-Markt inne. Die Region bleibt das wichtigste Zentrum für Hyperscaler-Beschaffung, Neocloud-Expansion und anbietergeführte KI-Fabrik-Partnerschaften. NVIDIA gab im Januar 2026 bekannt, dass es 2 Milliarden USD in CoreWeave investiert hat, um mehr als 5 Gigawatt KI-Fabrikaufbau bis 2030 zu unterstützen, und NVIDIA und IREN kündigten im Mai 2026 eine weitere strategische Partnerschaft an, die auf bis zu 5 Gigawatt KI-Infrastruktur-Deployment abzielt, was zeigt, wie sich Kapital- und Lieferverpflichtungen um die nordamerikanische Expansion konzentrieren. Dies hält den LLM-Infrastruktur-GPU-Markt in Nordamerika eng mit groß angelegten Cloud-Aufbauten, langfristigen Hardware-Verpflichtungen und der raschen Einführung flüssigkeitsgekühlter Kapazitäten verbunden. Südamerika befindet sich noch in einem früheren Stadium, mit Deployments, die sich noch auf wichtige Cloud-Regionen und eine kleinere Basis souveräner oder unternehmenseigener KI-Infrastruktur konzentrieren.

Europa gewinnt für den LLM-Infrastruktur-GPU-Markt an Bedeutung, da öffentliche Politik und Anforderungen an die Unternehmensdatenkontrolle lokale Bereitstellungsentscheidungen unterstützen. Der KI-Hardware-Plan der britischen Regierung verpflichtete sich zu 750 Millionen GBP, entsprechend 952 Millionen USD, und umfasste eine Beschaffungsmöglichkeit über 400 Millionen GBP für Hardware der nächsten Generation, was der Region einen klareren öffentlichen Investitionspfad gibt. Die europäische Nachfrage wird auch durch stärkere Anforderungen an regionales Hosting, Modell-Governance und operative Rechenschaftspflicht geprägt, was private Rechenzentren und souveräne Cloud-Umgebungen relevanter macht. Das bedeutet, dass der LLM-Infrastruktur-GPU-Markt in Europa nicht nur eine Hardware-Geschichte ist, da Hosting-Standort und Governance-Struktur die Beschaffungsentscheidungen zunehmend neben der reinen Leistung beeinflussen.

Der asiatisch-pazifische Raum soll bis 2031 mit einer CAGR von 18,22 % expandieren und damit die am schnellsten wachsende Geografie im LLM-Infrastruktur-GPU-Markt darstellen. Japan und Südkorea zeigen bereits sichtbaren Schwung, da RIKEN im Juni 2026 sein „Riku”-Deployment ankündigte und NAVER und NVIDIA eine Gigawatt-skalige globale KI-Fabrik-Vereinbarung ankündigten, die bei 55 MW in NAVERs GAK Sejong-Einrichtung beginnt. Der regionale LLM-Infrastruktur-GPU-Markt wird auch durch inländische Beschleunigerprogramme, wachsenden Unternehmensaufbau und einen stärkeren Fokus auf nationale Rechenkapazität geprägt. Chinas Zugangsbeschränkungen für importierte High-End-Hardware fördern die inländische Substitution, was den Lieferantenmix verändert, auch wenn die Verfügbarkeit von Frontier-GPUs eingeschränkt bleibt. Der Nahe Osten und Afrika bewegen sich ebenfalls aktiver in den Aufbau souveräner Rechenkapazitäten, was den zukünftigen geografischen Fußabdruck des LLM-Infrastruktur-GPU-Marktes über den langjährig etablierten nordamerikanischen Kern hinaus erweitert.