Microsoft hat am 12. Oktober 2026 beim OCP Global Summit in San Jose seinen dritten eigenen KI-Beschleuniger vorgestellt: den Maia 300. Der Chip soll ab 2027 zum primären Inferenzsystem für Microsofts eigene Produkte werden, von Copilot über GitHub Copilot bis zu Microsoft Foundry. Für die Branche ist das mehr als eine Produktankündigung. Es ist ein weiteres Signal, dass die großen Cloud-Konzerne ihre Abhängigkeit von Nvidia systematisch verringern wollen, auch wenn das kein Bruch mit dem Platzhirsch ist. Microsoft betont ausdrücklich, weiterhin eng mit Nvidia und AMD zusammenzuarbeiten.
Für Unternehmen, die KI-Infrastruktur planen oder Azure-Verträge verhandeln, ist der Maia 300 deshalb relevant: Er verändert, wie Microsoft Kapazität einkauft, wie Preise für Inferenz kalkuliert werden und wie stark Nvidia seine Preissetzungsmacht in den nächsten Jahren behält. Dieser Artikel ordnet die Fakten ein, vergleicht Maia 300 mit der Konkurrenz und zeigt, welche Folgen die Ankündigung für den Markt hat.
Microsoft kündigt Maia 300 an: Die wichtigsten Fakten
Der Maia 300 ist laut Microsoft die dritte Generation seiner selbst entwickelten KI-Chips und in erster Linie für Inferenz ausgelegt, also für das Ausführen bereits trainierter KI-Modelle, nicht für deren Training. Die Produktionsauslieferung soll 2027 beginnen, parallel dazu will Microsoft die Azure-Maia-Systeme auf sogenannte Multigigawatt-Dimensionen ausbauen. Das ist eine Größenordnung, die bisher vor allem für Nvidia- und AMD-Cluster reserviert war.
Nach Unternehmensangaben soll der Maia 300 künftig das “primäre KI-Inferenzsystem” für Microsofts eigene Produkte und Dienste werden. Das ist eine deutliche Ansage, denn bisher liefen die meisten dieser Workloads auf gemieteter oder gekaufter Nvidia-Hardware. Die Ankündigung fiel zeitlich mit dem OCP Global Summit zusammen, auf dem Nvidia tags zuvor seine Vera-Rubin-Architektur für Partner geöffnet hatte, über die wir bereits in einem separaten Artikel zu Nvidia Rubin berichtet haben. Beide Ankündigungen zusammen zeigen, wie schnell sich die Fronten im KI-Hardware-Markt gerade verschieben.
Wichtig für die Einordnung: Microsoft spricht nicht von einem Ersatz für Nvidia-GPUs, sondern von einer Ergänzung. Trainingsworkloads, die besonders rechenintensiv sind, bleiben laut aktuellem Stand größtenteils auf Nvidia- und teils AMD-Hardware. Maia 300 soll gezielt die besonders kostenintensive Inferenz übernehmen, also jenen Teil der KI-Pipeline, der bei jeder einzelnen Nutzeranfrage neu abläuft und damit die laufenden Betriebskosten dominiert.
Technische Details: TSMC N2P, 96 Beschleuniger pro Rack
Technisch setzt Microsoft beim Maia 300 auf den N2P-Fertigungsprozess von TSMC, einen der aktuell fortschrittlichsten verfügbaren Knoten. Die Chip-Architektur trennt Rechenkerne, Speichercontroller und I/O-Funktionen in separate Blöcke. Diese Aufteilung soll mehr Flexibilität bei der Skalierung bringen, speziell für Workloads mit langem Kontext, hohem Speicherbedarf und intensiver Decodierung, also genau jene Muster, die moderne Sprachmodelle bei Chatbot-Anfragen oder Agenten-Workflows erzeugen.
Ein vollausgestattetes Maia-300-Rack enthält laut Microsoft 96 Beschleuniger, doppelt so viele wie ein Maia-200-Rack. Damit einhergehend wächst auch der Rack-Durchsatz deutlich. Diese Verdopplung der Chipdichte pro Rack ist einer der Gründe, warum Microsoft von einem Sprung und nicht nur von einer Weiterentwicklung spricht.
Leistungsversprechen: 40 Prozent mehr Tokens pro Megawatt
Die zentrale Kennzahl, mit der Microsoft wirbt, lautet: 40 Prozent mehr Tokens pro Megawatt im Vergleich zu “führenden GPU-basierten Systemen”. Microsoft nennt dabei keine konkrete Vergleichs-GPU, weshalb unabhängige Prüfer diesen Wert als firmeneigene Schätzung und nicht als unabhängig verifizierten Benchmark einordnen. Das heißt nicht, dass die Zahl falsch ist, aber sie stammt eben aus Microsofts eigener Marketingkommunikation und sollte entsprechend vorsichtig gelesen werden.
Zweite zentrale Kennzahl: Ein volles 96-Chip-Rack soll bis zum Siebenfachen des Rack-Durchsatzes von Maia 200 liefern. Da sich sowohl die Chipzahl pro Rack als auch die Effizienz pro Chip verbessert haben sollen, ergibt sich daraus laut Microsoft ein multiplikativer Effekt. Für Kunden, die Azure-Kapazität buchen, würde das bedeuten: Mehr Anfragen pro Rack, mehr Anfragen pro Megawatt, und im Idealfall niedrigere Kosten pro verarbeiteter Anfrage.
Stimmen aus der Branche: Was Microsoft-Manager sagen
Scott Guthrie, Executive Vice President für Microsoft Cloud and AI, hat die Leistungsangaben rund um den Maia 300 mehrfach öffentlich eingeordnet. Laut The Verge sagte Guthrie: “We expect Maia 300 to deliver 40 percent more tokens per megawatt compared to leading GPU-based systems.” Zur Rack-Leistung ergänzte er laut derselben Quelle: “And in a full 96-accelerator configuration, it delivers up to 7x the rack-scale token throughput of Maia 200.”
In einem Interview, das auf Tae Kims Substack-Newsletter veröffentlicht wurde, beschrieb Guthrie den Entwicklungsstand so: “We’re super excited because we finished the tape out, and are announcing Maia 300, which is the next major evolution. That’ll start to go into broad scale deployment next year.” Zur Beziehung zu den etablierten Chiplieferanten stellte er im selben Gespräch klar: “Yeah, we’re big partners of NVIDIA and AMD, and we’ll continue to be big partners of them. We’ve had great success with them and that partnership is multifaceted on many different elements.”
Auch Microsoft-CEO Satya Nadella äußerte sich zur Vorgängergeneration. Laut CNBC sagte Nadella: “Maia 200 delivers 30% better performance per dollar than the latest generation hardware in our fleet.” Diese Aussage bezog sich auf den Vergleich zwischen Maia 200 und der zu diesem Zeitpunkt eingesetzten Flotte, zu der auch Nvidia-GPUs gehören. Die wiederholte Betonung von Preis-Leistung statt reiner Rechenleistung zeigt, worum es Microsoft eigentlich geht: nicht darum, Nvidia in der Spitzenleistung zu schlagen, sondern die laufenden Stromkosten pro verarbeiteter Anfrage zu drücken.
Vom Maia 100 zum Maia 300: Drei Generationen in drei Jahren
Microsofts Weg zum Maia 300 begann nicht erst 2026. Den ersten eigenen Beschleuniger, Maia 100, stellte das Unternehmen bereits 2023 vor, als Antwort auf die wachsenden Kosten für gemietete Nvidia-Kapazität. Der Nachfolger Maia 200 wurde im Jänner 2026 angekündigt und lief laut Unternehmensangaben bis Oktober bereits produktiv. Dass Microsoft binnen weniger als vier Jahren drei Generationen eigener KI-Siliziumchips herausbringt, zeigt ein Entwicklungstempo, das sich klar an der Kadenz von Nvidias eigenen Architektur-Zyklen orientiert.
| Generation | Vorstellung | Status (Oktober 2026) | Haupteinsatz | Besonderheit |
|---|---|---|---|---|
| Maia 100 | 2023 | Erste Generation, inzwischen abgelöst | Einstieg in eigene Siliziumentwicklung | Erster eigener KI-Beschleuniger von Microsoft |
| Maia 200 | Jänner 2026 | In Produktion | Treibt Copilot, GitHub Copilot, Microsoft Foundry | Laut Microsoft bis zu 1,7x mehr Tokens pro Watt |
| Maia 300 | 12. Oktober 2026 | Serienstart ab 2027 angekündigt | Soll primäres KI-Inferenzsystem werden | 40% mehr Tokens/Megawatt, 96-Chip-Racks mit 7x Maia-200-Durchsatz |
Maia 200 im Produktiveinsatz: Copilot läuft schon darauf
Ein Punkt, der in der Berichterstattung oft untergeht: Maia 200 ist keine Ankündigung auf dem Papier, sondern läuft bereits im produktiven Betrieb. Laut Microsoft treibt der Chip aktuell Copilot, GitHub Copilot, Microsoft Foundry und einen Teil der eigenen KI-Modelle des Konzerns an. Das unterscheidet Microsofts Strategie von Ankündigungen, die erst Monate oder Jahre später real genutzte Hardware liefern. Für Maia 300 bedeutet das: Microsoft hat mit Maia 200 bereits Betriebserfahrung in der Fläche gesammelt, bevor der nächste Chip überhaupt in Serie geht.
Diese Reifung in Stufen ist auch ein Grund, warum Analysten die Ankündigung ernster nehmen als frühere Versuche von Cloud-Anbietern, eigene Chips zu bauen. Wer schon einmal den Sprung von einem Prototyp zu einem Produkt mit Millionen täglicher Anfragen geschafft hat, hat ein deutlich geringeres Ausführungsrisiko beim nächsten Schritt.
Warum Microsoft die Nvidia-Abhängigkeit verringern will
Der Grund für Microsofts Strategie ist in erster Linie wirtschaftlich. KI-Inferenz läuft bei jeder Nutzeranfrage neu und wird damit, anders als einmaliges Training, zu einem dauerhaften, mit der Nutzerzahl wachsenden Kostenblock. Wenn Microsoft diesen Teil der Workloads auf eigene Chips verlagert, die laut eigenen Angaben effizienter pro Megawatt arbeiten, sinken die laufenden Infrastrukturkosten, ohne dass der Konzern auf fremde Lieferketten und deren Preissetzung angewiesen ist.
Hinzu kommt ein Lieferkettenargument. Nvidia-GPUs sind seit Monaten knapp, Wartezeiten und Preise für High-End-Beschleuniger wie den H200 oder B200 bleiben hoch, wie wir in unserem Vergleich zu Nvidia B200 gegen H200 in Österreich gezeigt haben. Wer eigene Fertigungskapazität bei TSMC reservieren kann, reduziert das Risiko, bei der nächsten Lieferengpass-Welle leer auszugehen. Das betrifft auch den breiteren Speicherchip-Markt: Wie knapp DRAM und NAND inzwischen sind, haben wir in der Analyse zur Speicherchip-Knappheit dokumentiert. Eigene Chip-Programme sind also auch eine Versicherung gegen künftige Lieferkettenschocks.
Trotzdem bleibt Microsoft offiziell vorsichtig in der Formulierung. Die Strategie laute, Maia vor allem für hochvolumige Inferenz einzusetzen, während man für Trainingsworkloads weiterhin Nvidia-Hardware lease oder kaufe. Das ist kein Abschied, sondern eine Arbeitsteilung.
Marktreaktion: Börsenwerte nach der Ankündigung
An der Börse wurde die Ankündigung unmittelbar eingepreist. Noch am 10. Oktober, also zwei Tage vor der Maia-300-Präsentation, lag Nvidias Marktkapitalisierung laut CNBC bei fast 6 Billionen Dollar, getragen von einer für das Oktober-Quartal erwarteten Umsatzprognose von 108 Milliarden Dollar, ein Plus von 89 Prozent im Jahresvergleich. Nach der Maia-300-Vorstellung bezifferte 24/7 Wall St. Nvidias Marktwert auf rund 5,46 Billionen Dollar, während Microsoft zeitgleich auf etwa 4,02 Billionen Dollar kam.
Solche Schwankungen über wenige Handelstage sind an sich normal und kein Beweis für einen dauerhaften Trend. Dennoch ist bemerkenswert, dass sich die beiden Aktien laut dem Bericht nach der Ankündigung auseinanderbewegten. Für Anleger ist die Maia-300-Vorstellung damit auch ein Signal, wie der Markt künftige Nvidia-Abhängigkeit bei den größten Cloud-Kunden bewertet.
| Kennzahl | Wert | Quelle / Datum |
|---|---|---|
| Nvidia-Marktkapitalisierung (vor Ankündigung) | rund 6 Billionen Dollar | CNBC, 10. Oktober 2026 |
| Nvidia-Marktkapitalisierung (nach Ankündigung) | rund 5,46 Billionen Dollar | 24/7 Wall St., 13. Oktober 2026 |
| Microsoft-Marktkapitalisierung | rund 4,02 Billionen Dollar | 24/7 Wall St., 13. Oktober 2026 |
| Nvidia-Umsatzprognose Oktober-Quartal | 108 Mrd. Dollar (+89% im Jahresvergleich) | CNBC, 10. Oktober 2026 |
| Geschätzter Maia-Anteil an Microsofts KI-Chip-Budget (Anfang 2027) | rund 10 Prozent | Evercore ISI, zitiert bei 24/7 Wall St. |
| Neocloud-Anbieter, die Nvidia-GPUs weitervermieten | über 300 (+55% in 11 Monaten) | CNBC / SemiAnalysis |
Analysten-Einschätzung: Nvidia bleibt vorerst unangefochten
Die nüchternste Einordnung kommt von der Wall Street selbst. Evercore ISI schätzt, dass Maia bis Anfang 2027 nur rund 10 Prozent von Microsofts gesamten KI-Chip-Ausgaben ausmachen wird. Im Umkehrschluss heißt das: Rund 90 Prozent der Ausgaben fließen weiterhin in fremde Hardware, vor allem von Nvidia. Für Nvidia bedeutet die Maia-300-Ankündigung damit kurzfristig keinen nennenswerten Umsatzverlust, sondern eher ein mittelfristiges Warnsignal.
Interessant ist der Kontext: Über 300 Neocloud-Anbieter vermieten mittlerweile Nvidia-GPUs an Firmen weiter, ein Anstieg von 55 Prozent in weniger als elf Monaten laut einer von CNBC zitierten SemiAnalysis-Auswertung. Die Nachfrage nach Nvidia-Rechenleistung ist also insgesamt weiter gewachsen, selbst während Microsoft parallel an eigenen Alternativen arbeitet. Beide Entwicklungen schließen sich nicht aus: Der Gesamtmarkt für KI-Rechenleistung wächst schneller, als einzelne Anbieter ihre Abhängigkeit reduzieren können.
Konkurrenzvergleich: Google Ironwood, Amazon Trainium und Meta MTIA
Microsoft ist nicht der einzige Hyperscaler mit eigenem Chip-Programm. Google verfolgt mit seiner Ironwood-TPU-Reihe eine ähnliche Strategie innerhalb von Google Cloud, Amazon setzt auf seine Trainium-Beschleuniger für AWS, und Meta entwickelt mit MTIA eigene Chips vorrangig für interne Workloads wie Empfehlungssysteme und das eigene KI-Modellportfolio. Belastbare, unabhängig geprüfte Vergleichszahlen zu Leistung, Effizienz oder Marktanteil dieser drei Programme im Verhältnis zu Maia 300 liegen derzeit nicht vor, weshalb an dieser Stelle bewusst auf konkrete Kennzahlen verzichtet wird.
Was sich aber klar sagen lässt: Alle vier großen Cloud-Anbieter, zu denen man im weiteren Sinn auch OpenAI mit eigenen Chip-Ambitionen zählen kann, verfolgen dieselbe Logik. Inferenz ist der Kostentreiber der kommenden Jahre, und wer die Stückkosten pro Milliarde verarbeiteter Tokens senkt, verschafft sich einen strukturellen Vorteil gegenüber Wettbewerbern, die komplett auf gemietete Nvidia- oder AMD-Hardware angewiesen bleiben.
| Unternehmen | Eigener Chip | Rolle im Ökosystem |
|---|---|---|
| Microsoft | Maia 300 (3. Generation) | Soll ab 2027 primäres KI-Inferenzsystem für Microsoft-Produkte werden |
| Ironwood (TPU-Reihe) | Eigener Beschleuniger für Google Cloud und interne KI-Modelle | |
| Amazon | Trainium | Eigener Beschleuniger für AWS-Kunden und interne Workloads |
| Meta | MTIA | Eigenentwicklung vor allem für interne Empfehlungssysteme und KI-Modelle |
| Nvidia | Blackwell / Vera Rubin | Bleibt dominanter externer Lieferant für Training und einen Großteil der Inferenz |
Historischer Kontext: Der Wettlauf um eigene KI-Chips
Microsofts Weg vom Maia 100 im Jahr 2023 zum Maia 300 im Oktober 2026 fällt in eine Phase, in der praktisch jeder große Cloud-Anbieter versucht, einen Teil seiner KI-Rechenlast von externen Chip-Lieferanten unabhängig zu machen. Der Auslöser ist immer derselbe: Nvidia hat über Jahre eine so dominante Position bei KI-Beschleunigern aufgebaut, dass selbst finanzstarke Konzerne wie Microsoft, Google, Amazon und Meta spürbare Lieferzeiten und hohe Margen in Kauf nehmen mussten.
Auch AMD spielt in diesem Umfeld eine wachsende Rolle als zweite externe Option neben Nvidia, wie die jüngste Marktkapitalisierung des Unternehmens zeigt, die wir in unserem Artikel zu AMDs Billionen-Dollar-Bewertung eingeordnet haben. Für Microsoft bedeutet das: Die Maia-Strategie ist kein Alleingang gegen den gesamten Markt, sondern Teil eines größeren Trends hin zu mehr Lieferantenvielfalt, von dem auch europäische Rechenzentrumsprojekte wie das in unserem Beitrag zum LUMI-AI-Supercomputer beschriebene profitieren könnten.
Was das für Unternehmen in Österreich bedeutet
Für heimische Unternehmen, die über Azure Zugang zu Microsofts KI-Diensten haben, ist der Maia 300 vor allem ein Preissignal. Wenn Microsoft tatsächlich die versprochenen Effizienzgewinne bei der Inferenz realisiert, könnten sich mittelfristig die Kosten für Copilot-Lizenzen, Azure-OpenAI-Nutzung und andere KI-Dienste stabilisieren, statt im gleichen Tempo wie die GPU-Preise weiter zu steigen. Das betrifft insbesondere Firmen in Österreich, die wegen der engen EU-Datenschutzvorgaben häufig auf europäische oder zumindest EU-konforme Azure-Regionen setzen und dort direkt von Kapazitätsausbauten profitieren würden.
Gleichzeitig bleibt die Abhängigkeit von einem einzigen US-Konzern bestehen, nur eben verschoben von Nvidia-Hardware auf Microsofts eigene Chip-Architektur innerhalb derselben Azure-Cloud. Wer als Unternehmen Wert auf Lieferantendiversifizierung legt, sollte die Maia-Ankündigung deshalb nicht als Entwarnung lesen, sondern als Bestätigung, dass die großen drei bis vier Cloud-Anbieter künftig noch stärker um exklusive Chip-Vorteile konkurrieren werden.
Fünf Einschätzungen für die kommenden Monate
- Nvidia bleibt 2027 der größte Lieferant bei Microsoft. Mit einem von Evercore ISI geschätzten Maia-Anteil von nur rund 10 Prozent am gesamten KI-Chip-Budget wird Nvidia kurzfristig keinen signifikanten Auftragsverlust bei Microsoft verzeichnen.
- Der Preisdruck auf Inferenz-Kosten wird spürbar zunehmen. Wenn die 40-Prozent-Effizienzsteigerung in der Praxis auch nur teilweise eintritt, dürfte das langfristig günstigere Preise für Azure-KI-Dienste ermöglichen.
- Weitere Hyperscaler werden ihre eigenen Nachfolgechips vorziehen. Google, Amazon und Meta haben ein unmittelbares Interesse daran, auf Microsofts Ankündigung mit eigenen Updates zu reagieren, um nicht ins Hintertreffen zu geraten.
- Nvidia wird bei künftigen Architektur-Ankündigungen den Fokus auf Inferenz-Effizienz verstärken. Die eigene Vera-Rubin-Architektur, die Nvidia erst wenige Tage vor Maia 300 für Partner geöffnet hat, dürfte entsprechend positioniert werden.
- Der eigentliche Test für Maia 300 kommt erst 2027. Ankündigungen sagen wenig über Produktionsreife aus. Erst wenn Maia-300-Racks tatsächlich in großem Maßstab laufen, lässt sich beurteilen, ob die versprochenen Effizienzwerte in der Praxis halten.
Was Entwickler und Unternehmen jetzt wissen müssen
Für Entwickler, die auf Azure-Diensten aufbauen, ändert sich kurzfristig wenig an der täglichen Arbeit. Die Umstellung auf Maia-300-Hardware passiert auf der Infrastrukturebene von Microsoft und soll für API-Nutzer von Copilot, Azure OpenAI oder Microsoft Foundry weitgehend transparent erfolgen. Relevanter ist die mittelfristige Perspektive: Wenn Microsoft wie angekündigt 2027 in die breite Produktion geht, könnten sinkende Inferenzkosten in günstigeren Preisstufen oder höheren Nutzungslimits bei bestehenden Abonnements sichtbar werden.
Unternehmen, die aktuell Verträge für KI-Infrastruktur verhandeln, sollten die Maia-300-Roadmap als zusätzlichen Verhandlungsfaktor im Blick behalten. Ein Anbieter mit eigener Chip-Produktion hat mehr Spielraum, Preise langfristig stabil zu halten, als einer, der komplett von externen GPU-Lieferketten abhängt. Das gilt besonders für Branchen mit hohem, planbarem KI-Volumen wie Finanzdienstleister, Versicherungen oder große Industriebetriebe, die in Österreich zu den größten Azure-Kunden zählen.
Häufig gestellte Fragen zum Microsoft Maia 300
Was ist der Microsoft Maia 300?
Der Maia 300 ist Microsofts dritte eigene KI-Chip-Generation, vorgestellt am 12. Oktober 2026 beim OCP Global Summit. Er ist primär für KI-Inferenz ausgelegt und soll ab 2027 zum Hauptinferenzsystem für Microsofts Produkte werden.
Wann kommt der Maia 300 in den produktiven Einsatz?
Microsoft plant den Start der Produktionsauslieferung für 2027, mit dem Ziel, die Azure-Maia-Systeme danach auf Multigigawatt-Dimensionen auszubauen.
Wie unterscheidet sich der Maia 300 vom Maia 200?
Ein volles Maia-300-Rack enthält 96 Beschleuniger, doppelt so viele wie ein Maia-200-Rack, und soll laut Microsoft bis zum Siebenfachen des Rack-Durchsatzes von Maia 200 liefern. Zusätzlich verspricht Microsoft 40 Prozent mehr Tokens pro Megawatt gegenüber führenden GPU-Systemen.
Ersetzt Maia 300 die Nvidia-GPUs bei Microsoft komplett?
Nein. Microsoft betont, weiterhin eng mit Nvidia und AMD zusammenzuarbeiten. Laut Schätzung von Evercore ISI wird Maia bis Anfang 2027 nur rund 10 Prozent von Microsofts KI-Chip-Budget ausmachen, Training-Workloads bleiben größtenteils auf externer Hardware.
Welche anderen Firmen entwickeln eigene KI-Chips?
Google verfolgt mit der Ironwood-TPU-Reihe eine ähnliche Strategie für Google Cloud, Amazon setzt auf Trainium für AWS, und Meta entwickelt MTIA vorrangig für interne Workloads. Alle folgen demselben Ziel: die Inferenzkosten pro Anfrage zu senken.
Was bedeutet die Ankündigung für Nvidias Aktienkurs?
Kurzfristig bewegten sich Nvidia- und Microsoft-Aktien nach der Ankündigung laut 24/7 Wall St. in unterschiedliche Richtungen. Nvidias Marktkapitalisierung lag Mitte Oktober 2026 bei rund 5,46 Billionen Dollar, Microsofts bei rund 4,02 Billionen Dollar. Ein dauerhafter Trend lässt sich daraus noch nicht ableiten.
Können Azure-Kunden in Österreich den Maia 300 direkt nutzen?
Direkten Hardwarezugriff gibt es nicht, da Maia-Chips Microsofts eigene Infrastruktur betreiben. Kunden spüren die Effekte indirekt über Preise und Kapazität bei Diensten wie Copilot, Azure OpenAI und Microsoft Foundry.
Ist der 40-Prozent-Effizienzwert unabhängig geprüft?
Nein. Es handelt sich um eine Angabe von Microsoft selbst, ohne Nennung der konkreten Vergleichs-GPU. Unabhängige Benchmarks zum Maia 300 liegen bislang nicht vor.