NVIDIA GTC Berlin 2026 findet vom 20. bis 22. Oktober in Berlin statt: über 100 Sessions in der STATION-Berlin, Jensen Huangs Keynote im Tempodrom am 21. Oktober um 11:00 CEST. Primärquellen sind NVIDIAs News-Hub und der Keynote-Liveblog.
Die Leitidee ist die Full-Stack-AI-Fabrik—von GPUs und Netzwerk über Stromnetze, Open-Weight-Modelle und Enterprise-Agenten—plus ein starker Schub für lokale KI (RTX Spark, DGX Spark, DGX Station) und Sovereign Cloud in Europa. Entwickler brauchen nicht jede Folie; wichtiger ist, ob Inferenz-Stacks günstiger werden, ob Agenten standardmäßig mit Sandbox ausliefern und ob offene Modelle plus eigene Daten zur Normalarchitektur werden.
Was die Keynote gerahmt hat
Huang positionierte NVIDIA als Full-Stack-AI-Fabrik: Hardware, Systemsoftware, CUDA-X-Bibliotheken und deploybare Modelle. Die Europashow betonte Industrie-KI, Datensouveränität und agentische KI—Systeme, die recherchieren, Tools aufrufen, Code ausführen und Ergebnisse bewerten, nicht nur chatten.
GPUs und Compute: Vera Rubin, DSX, Strom
Vera Rubin und Cloud
Vera Rubin gilt als nächste Plattform in voller Produktion. Google Cloud kündigte A5X-Bare-Metal-Instanzen auf Vera Rubin mit GA nächsten Monat und geplanter EU-Erweiterung an—für großskalige agentische Inferenz und RL. Siehe Googles Beitrag.
DSX POD
DSX POD ist ein Referenzdesign für partnergebaute, containerisierte Vera-Rubin-AI-Fabriken, vor Auslieferung validiert. NVIDIA nennt Deployment-Zeiten von bis zu 14 Tagen statt etwa sechs Monaten; Partnerlieferung ist für Anfang 2027 angesetzt (Newsroom).
Strom als Engpass
In Sessions wiederholt sich: Strom und Netzanschluss sind der Infrastruktur-Engpass. Für Einzelpersonen zählt praktisch, wo Kapazität landet, wenn Cloud-Regionen und Reserved vs. On-Demand-GPU gewählt werden.
Rubin und DSX POD sind Rechenzentrums-Sprache. Häufiger trifft man Rubin/A5X in der Cloud, Blackwell in Neoclouds oder ein lokales DGX-Spark-Cluster. Zuerst fragen: Training, Long-Context-Inferenz oder viele parallele Agenten?
Lokale KI: Spark und Station
- RTX Spark: Windows-Laptops mit bis zu 128 GB Unified Memory, ab etwa 2.399 $; Desktop-Agenten wie Underdog zielen auf On-Device-Inferenz.
- DGX Spark 64GB: Partner-Rollout ab Freitag, 23. Oktober; bis zu acht Einheiten per ConnectX-7 und NVIDIA Sync (~1 TB Unified Memory).
- DGX Station: Frontier-Workloads im Teammaßstab; Windows-Version für Dezember geplant.
Software-Updates: llama.cpp-/vLLM-Beschleunigung, Day-0-Open-Modelle (Nemotron, Qwen, DeepSeek, GLM usw.) und lokales Coding-Modell Recursive Flint. Wer schon Cloud-AI-Coding-Abos nutzt, sieht Spark als Gegengewicht zu Privatsphäre und Fixkosten—kein vollständiger API-Ersatz.
Agenten: OpenShell, Toolkit, offene Modelle
OpenShell
OpenShell ist NVIDIAs Referenz-Containment für Agenten—Zero-Trust-Ausführung, bevor Tools Produktionsdaten sehen. Build-a-Claw-Events bauen darauf; als Checkliste für Rechte, Audit und Sandboxing nutzen.
NVIDIA Agent Toolkit
Das offene NVIDIA Agent Toolkit wurde um Grounding auf Firmendaten, Monitoring und Governance erweitert—neben Confidential-Computing-Optionen für Frontier-Builder.
Offene Modelle
Europa-fokussierte Releases: Nemotron 3.5, Kumo für strukturierte Daten, Cosmos 3.5 World Models und Branchenfälle wie Revoluts PRAGMA auf beschleunigten Open Models.
Software: CUDA-X, Cosmos, Fabrik-Blueprint
- cuDSS (GA): GPU-Sparse-Solver für Engineering-Simulation.
- Cosmos: World Models für Physical AI trainieren, evaluieren, deployen.
- Factory Operations Blueprint (FOX): Early Access auf GitHub für Always-on-Factory-Manager-Agenten.
Europa: Sovereign Cloud und Industrie
Partner-Clouds, Open Models im öffentlichen Sektor, agentischer Handel im Retail und Earth-2-Wettermodelle zeigen: Publikum sind europäische Unternehmen und Politik—globale Teams erben trotzdem Entscheidungen zu „Data Residency + Open Weights“.
Was Alltags-Entwickler verfolgen sollten
- Inferenz-Stack-Support für eigene Modelle (vLLM, llama.cpp, TensorRT-LLM).
- Sicherheits-Defaults für Agenten—OpenShell-artige Grenzen vor Produktions-Tools.
- Lokal vs. Cloud-TCO für Spark-Hardware vs. APIs.
- Apple-Lieferung parallel: GTC ist nicht Xcode-Woche; siehe Apples Termin am 28. Oktober und halte Builds auf Mac oder Cloud Mac für Signing und TestFlight.
FAQ
Wann ist GTC Berlin 2026?
20.–22. Oktober. Keynote 21. Oktober 11:00 CEST; Pregame 9:00 CEST.
Wie hängen Vera Rubin und Blackwell zusammen?
Rubin ist in der Keynote die nächste Produktionsplattform; RTX Spark bleibt Blackwell-RTX-Generation. Cloud A5X zielt auf Rubin-NVL72-Skala.
Soll ich RTX Spark kaufen?
Nur bei hohem lokalem Speicherbedarf und Offline-Agenten; die meisten starten mit APIs oder vorhandenen GPUs.
Was ist OpenShell?
Eine Referenz-Zero-Trust-Laufzeit für toolnutzende Agenten.
Betrifft mich DSX POD?
Nur bei Rechenzentrums-Kapazität; sonst indirekt zukünftige Cloud-GPU-Versorgung.
Ich shippe iOS-Apps—GTC folgen?
Modelle und Inferenz-Services verfolgen; Xcode-Builds auf macOS oder Cloud Mac lassen.
Fazit
GTC Berlin 2026 verdoppelt den Einsatz auf AI-Fabriken, Vera-Rubin-Cloud-Skala, lokale Spark-Systeme und steuerbare Agenten. Toolchain-Karte aktualisieren—offene Modelle, Inferenz-Engines, Sandboxes, Compute-Platzierung—und Apple-Lieferung auf dem Mac behalten.
iOS-Builds gehören weiterhin auf einen Mac
GTC ist NVIDIA-Compute und Agenten; xcodebuild und TestFlight brauchen macOS. Cloud-Mac-Tarife ab 101,7 $/Monat für 16 GB—getrennt von Spark-Hardware.