VMware AI Factory: Broadcom öffnet die KI-Infrastruktur für mehrere Hardware-Anbieter
Broadcom hat die VMware AI Factory vorgestellt — eine Software-definierte Grundlage für private KI-Clouds, die nun mehrere Hardware-Anbieter gleichzeitig unterstützt. Was das für Unternehmen bedeutet, die KI im eigenen Rechenzentrum betreiben wollen.
Wer KI nicht über externe Cloud-Dienste beziehen, sondern im eigenen Rechenzentrum betreiben will, steht schnell vor einer Infrastruktur-Entscheidung: Welche Hardware, welche Software, welcher Anbieter — und wie vermeidet man langfristige Abhängigkeiten? Broadcom hat darauf am 31. August 2026 auf der VMware Explore in Las Vegas eine klare Antwort gegeben.
Mit der VMware AI Factory hat Broadcom die software-definierte Grundlage für eine private KI-Cloud vorgestellt. Das Entscheidende: Die Architektur unterstützt zertifizierte Hardware von mehreren Anbietern gleichzeitig — Cisco, Dell Technologies, Lenovo und Supermicro liefern die sogenannten AI ReadyNodes — und erlaubt sowohl NVIDIA-GPUs als auch AMDs Instinct-GPUs mit dem offenen ROCm-Ökosystem. Die Bindung eines privaten KI-Stacks an einen einzigen Hardware-Anbieter gehört damit der Vergangenheit an.
Was die VMware AI Factory konkret leistet
Im Kern bündelt VMware AI Factory die VMware Cloud Foundation (VCF) mit automatisierter Infrastrukturbereitstellung und Lifecycle-Management. Unternehmen können damit KI-Integration und Automatisierung auf ihrer eigenen Hardware betreiben, ohne für jeden Schritt — von der Hardwarebereitstellung bis zum Modellbetrieb — zwischen verschiedenen Werkzeugen wechseln zu müssen.
- Infrastruktur-Automatisierung: Von der Bare-Metal-Bereitstellung bis zum ersten Modell-Deployment in Stunden statt Wochen
- GPU-Ressourcen-Pooling: Mehrere Teams teilen GPU-Kapazitäten auf einer gemeinsamen Infrastruktur, ohne redundante Setups
- Model Gallery: Zentrale Oberfläche für das Deployment und die Verwaltung von über 150 Modellen — darunter Gemma 4, Qwen 3.7-Max und Nemotron 3
- AI Gateway: Einheitliche Governance mit intelligentem Prompt-Routing und Token-Raten-Begrenzung
- Sichere KI-Sandboxes: Isolierte Ausführungsumgebungen für agentengenerierten Code mit Validierungskontrollen
Hardware-Freiheit statt Anbieter-Lock-in
Eine der konkretesten Ankündigungen ist die neue Partnerschaft mit MetalSoft. Die Integration ermöglicht heterogene Bare-Metal-Automatisierung direkt über die VCF-Managementkonsole — physische Server verschiedener Anbieter bereitstellen, konfigurieren und einbinden: in Minuten statt Wochen. Für Unternehmen, die KI-Workloads on-premise skalieren wollen, ist das ein wesentlicher Fortschritt. Die Infrastruktur-Flexibilität erhöht sich, ohne dass die operative Komplexität im gleichen Maß steigt.
Broadcom bezeichnet als einen zentralen Vorteil die Kontrolle über die KI-Tokenomics — gemeint ist die Kostenkontrolle und Ressourcenzuteilung beim Betrieb großer Sprachmodelle im eigenen Haus. Token-Verbrauch, Durchsatz, Latenz und GPU-Auslastung werden einheitlich gemessen und lassen sich über den AI Gateway gezielt steuern. Für Unternehmen, die KI nicht nur testen, sondern intern abrechnen und budgetieren wollen, ist das ein wichtiger operativer Baustein.
Was das für mittelständische Unternehmen bedeutet
VMware AI Factory ist zunächst eine Enterprise-Plattform — der Einstieg setzt bestehende VMware-Cloud-Foundation-Lizenzen voraus. Für mittelständische Unternehmen ist die Ankündigung dennoch in mehrfacher Hinsicht relevant.
- Preisdruck in der Lieferkette: Wenn Enterprise-Kunden weniger an einzelne GPU-Anbieter gebunden sind, steigt der Wettbewerb unter Hardware-Lieferanten — davon profitieren langfristig auch KMU über günstigere Cloud-Preise.
- Signal für Architekturentscheidungen: Multi-Vendor-fähige KI-Infrastrukturen setzen sich als Standard durch. Wer heute interne KI-Infrastruktur plant, sollte Anbieter-Neutralität als Anforderung formulieren — nicht erst wenn der erste Vertrag läuft.
- Offene Modelle werden Enterprise-reif: Über 150 unterstützte Modelle auf einer Plattform zeigen, dass Open-Weight-Modelle zunehmend produktionstauglich sind — eine gute Grundlage auch für KMU-nahe On-Premise-KI-Projekte.
- Interne KI-Kostensteuerung: Das Tokenomics-Prinzip lässt sich auch kleiner denken — KMU können von ähnlichen Governance-Ansätzen profitieren, sobald KI-Tools in mehreren Abteilungen eingesetzt werden.
Was Sie jetzt prüfen sollten
Wenn Ihr Unternehmen KI-Workloads bislang ausschließlich über externe Dienste bezieht, lohnt sich ein strukturierter Blick auf die eigene Situation: Welche Daten dürfen das Unternehmen nicht verlassen? Wie entwickeln sich die Cloud-Kosten bei wachsender KI-Nutzung? Welche internen Prozesse eignen sich für eine On-Premise-KI-Lösung? Diese Fragen strukturiert zu beantworten ist Teil einer strategischen IT-Beratung, bevor Infrastruktur-Entscheidungen getroffen werden. Welche Erfahrungen NoviCogi dabei mit mittelständischen Kunden gesammelt hat, zeigen die Referenzen und Cases.
Hintergründe zu den strukturellen Engpässen in der KI-Infrastruktur — von Chip-Knappheit bis zu Rechenzentrumskapazitäten — bietet unser Beitrag Der neue KI-Engpass.
Dieser Artikel wurde mit KI-Unterstützung erstellt und redaktionell geprüft.
