Der Markt setzt künstliche Intelligenz mit Grafikprozessoren, HBM-Speicher und schnellem Flash gleich und behandelt Festplatten als Auslauftechnologie. Das ist ein Irrtum. Das Training und der Betrieb von KI-Modellen erzeugen enorme Datenmengen, die dauerhaft und günstig gespeichert werden müssen: Trainingsdatensätze, aufeinanderfolgende Versionen der Modellgewichte, Checkpoints, Inferenz-Logs, Vektordatenbanken für RAG sowie multimodale Daten (Bild, Video, Audio). Der weit überwiegende Teil dieser Daten ist kalt oder warm, wird selten gelesen und muss ökonomisch auf dem günstigsten Medium je Terabyte landen, also auf hochkapazitiven Nearline-Festplatten.
Kern der These ist die Kostenrechnung je Terabyte. Flash bleibt in der Kapazitätsklasse um ein Mehrfaches (rund 5-7x) teurer je Terabyte, und diese Lücke schließt sich nicht schnell, weil die NAND-Hersteller ihre begrenzten Kapazitäten eher auf margenstarke Enterprise-SSDs lenken. Das marginale Petabyte an KI-Daten landet deshalb auf Magnetscheiben. Entgegen der Intuition tötet KI die Festplatte nicht, sondern vergrößert ihren Markt.