Analyse der KI-Rechenkrise: Chips statt Geld

Ich habe einen Freund, der Startup-Fundraising früher als den finalen Bosskampf beschrieben hat. Finanzierungsrunde abschließen, Team einstellen, Produkt ausliefern, wiederholen, bis der Markt dich entweder krönt oder vergisst. In letzter Zeit wirkt diese Geschichte fast altmodisch. In der KI kann das Geld eintreffen, bevor die Maschinen da sind, und die Maschinen könnten wichtiger sein.

Das ist die seltsame Geschäftslektion in WSJs Compute Gold Rush, wie von InvestingLive zusammengefasst: Für führende KI-Unternehmen verlagert sich der Stress vom Überzeugen von Investoren hin zur Sicherung von Chips, Rechenzentren und Strom. Kapital ist natürlich weiterhin wichtig. Aber ein Dollar, der sich nicht in Rechenleistung umwandeln lässt, sieht allmählich weniger wie Treibstoff aus und eher wie eine Reservierung in einem Restaurant ohne Tische.

Der Engpass hat sich vom Pitch Deck zur Steckdose verlagert

InvestingLive fasst die Berichterstattung des WSJ zusammen und sagt, dass die Mietkosten für Chips innerhalb eines Jahres um 60 % gestiegen sind, während Startups durch mehrjährige Verträge und Vorauszahlungen von bis zu 30 % unter Druck geraten. Das ist nicht nur eine Randnotiz zur Infrastruktur. Es verändert die Form des Wettbewerbs, weil der knappe Einsatzfaktor nicht mehr einfach Talent, Marke, Vertrieb oder Geld ist, sondern die Fähigkeit, die Hardware, die moderne KI nützlich macht, zuverlässig zu mieten oder zu kontrollieren.

Der kontraintuitive Teil ist, dass diese Verknappung gerade deshalb schmerzt, weil die Nachfrage nach KI stark aussieht. Eine schwache Technologie hat Mühe, Nutzer zu finden. Eine starke hat Mühe, sie zu bedienen. Wenn Kapazität zur Einschränkung wird, beginnen Allianzen, die in einem ruhigeren Markt seltsam gewirkt hätten, strategisch sinnvoll zu erscheinen, weil Zugang wertvoller sein kann als Reinheit.

Die Verkäufer von Schaufeln bauen Burgen

Michael Parekhs AI Reset to Zero beschreibt die bodennahe Version derselben Geschichte: Die Preise für Rechenleistung für KI-Training und Inferenz werden kurzfristig nach oben getrieben, wobei junge KI-Startups den Druck spüren, während große Tech-Etablierte und Neoclouds profitieren. Parekh verweist konkret darauf, dass Nvidias H100 aus dem Jahr 2022 um 50 % teurer vermietet wird, und nennt CoreWeave und Nebius unter den Neoclouds, die davon profitieren.

Deshalb funktioniert die Goldrausch-Metapher, aber vielleicht nicht so, wie wir sie normalerweise verstehen. Die Gewinner sind nicht nur die Goldsucher, die Modelle bauen. Es sind auch die Vermieter, Machtvermittler und Besitzer von Ausrüstung, die entscheiden können, wer graben darf, wann und zu welchem Preis. Ein Startup kann eine wunderschöne Modellarchitektur haben und sich trotzdem vor der Mine wartend wiederfinden.

Günstige Intelligenz kann trotzdem an eine Wand stoßen

Azeem Azhar und Hannah Petrovic von Exponential View nennen dies die KI-Kapazitätsfalle: KI war noch nie günstiger zugänglich, aber es war auch noch nie schwieriger, sie zu nutzen, ohne an Grenzen zu stoßen. Sie verweisen darauf, dass OpenAI-APIs im Oktober 2025 6 Milliarden Tokens pro Minute verarbeiteten, bis April stieg diese Zahl auf 15 Milliarden, ein 2,5-facher Anstieg in fünf Monaten. Günstigere Tokens verringern den Druck nicht automatisch, wenn niedrigere Preise schneller mehr Nutzung anziehen, als das Angebot wachsen kann.

Das ist Jevons’ Paradoxon im Hoodie. Macht man etwas günstiger, nutzen Menschen mehr davon. In der Software sind wir daran gewöhnt, dass Grenzkosten in den Hintergrund treten. KI erinnert alle daran, dass die Cloud immer noch aus Gebäuden, Chips, Kühlsystemen und Stromverträgen besteht.

Knappheit wird zu einer Kultur, nicht nur zu einer Kostenstelle

Der Druck beschränkt sich nicht auf winzige Unternehmen. Die Los Angeles Times berichtete über den KI-Rechenleistungsengpass, der Google-Forscher zum Kündigen bringt, eine nützliche Erinnerung daran, dass selbst ein Gigant eingeschränkt sein kann, wenn die interne Nachfrage die verfügbare Kapazität übersteigt. Exponential View hat außerdem argumentiert, dass Google einen Meilenstein erreicht hat, bei dem seine Ausgaben für Rechenleistung seine Ausgaben für Menschen überstiegen, und nannte dies einen Wendepunkt.

Es lohnt sich, bei dieser Umkehrung kurz innezuhalten. In weiten Teilen der Selbstmythologie der Tech-Branche waren Menschen das knappe Gut und Server der Hintergrund. Jetzt wartet die kreative Arbeitskraft, die Forscherin oder der Gründer vielleicht in einer Warteschlange, die durch den Infrastrukturplan eines anderen verwaltet wird. Die wichtigste Tabelle eines Unternehmens ist vielleicht nicht mehr der Einstellungsplan, sondern die Zuteilungsliste für Rechenleistung.

Die seltsamen Kurswechsel sind ein Signal

WIRED fing die kulturelle Absurdität dieses Wandels anhand von Allbirds ein, das einen Kurswechsel hin zu KI-Recheninfrastruktur ankündigte, nachdem es zuvor eine neue Canvas-Cruiser-Kollektion und eine Pantone-Partnerschaft gefeiert hatte. Das Unternehmen sagte, es werde eine wandelbare Finanzierungsfazilität über 50 Millionen Dollar in Hochleistungs-GPU-Anlagen umwandeln, einen GPU-as-a-Service- und KI-nativen Cloud-Anbieter aufbauen und sich in NewBird AI umbenennen. Das Zitat in der Unternehmensmitteilung, wie von WIRED berichtet, war direkt: „Unternehmen, KI-Entwickler und Forschungsorganisationen können sich die Rechenressourcen nicht sichern, die sie benötigen, um KI in großem Maßstab zu entwickeln, zu trainieren und zu betreiben.“

Es ist leicht, über ein Schuhunternehmen zu lachen, das GPUs hinterherjagt. Aber seltsame Kurswechsel zeigen oft, wo der Markt glaubt, dass sich Wert ansammelt. Wenn Rechenleistung knapp genug wird, sieht der Besitz von Kapazität allmählich aus wie der Besitz eines Grundstücks am Strand während einer Wohnungsknappheit.

Für Gründer ist die Lektion praktisch: Behandelt Rechenleistungsplanung als Kernstrategie, nicht als Beschaffung. Für Investoren sollte die Due Diligence neben Modelldemos und Umsatzdiagrammen auch Kapazitätszugang, Vertragsbedingungen und Energieexponierung umfassen. Für den Rest von uns ist die unbequeme Frage größer: Wenn Intelligenz zunehmend durch diejenigen vermittelt wird, die die Maschinen kontrollieren, die sie erzeugen, wer darf dann die Zukunft bauen, wenn die Warteschlange voll ist?