KI für alle: Ist Künstliche Intelligenz wirklich für alle zugänglich?

Vor wenigen Wochen habe ich einen Beitrag über Zero-Click-Searches geschrieben, die wegen des KI Modus in der Google Suche die Aufrufe von Websites massiv reduzieren. KI und speziell Zero-Click-Searches haben auch meine Website sehr getroffen. Vor wenigen Tagen ist mein grundsätzlich positiver Glauben an den Nutzen von Künstlicher Intelligenz von einem weiteren Ereignis erschüttert worden. Ein Freund machte mich auf eine Geschichte von europäischen KI-Experten mit dem Titel Europe 2031 aufmerksam. Es ist eine eher dystopische Geschichte über ein Europa, was nicht in der Lage ist genügend eigene KI-Rechenzentren aufzubauen. Laut der Autoren dieser Geschichte verliert damit Europa den Anschluss an die USA und China, die schneller und umfangreichere Ressourcen in den Aufbau von KI stecken können. Ich habe mir meine eigenen Gedanken zu diesem schweren technischen, wirtschaftlichen und gesellschaftlichen Thema gemacht. Vor allem interessiert mich die Frage, ob KI für alle möglich ist?

Europe 2031

Die Geschichte Europe 2031 beschreibt ein politisches Zukunftsszenario bzw. eine fiktionale Policy-Studie, die anhand einer Geschichte illustriert, welche Folgen die Autoren erwarten, wenn Europa bei Künstlicher Intelligenz nicht entschlossener handelt.

Bei den Autoren handelt es sich um eine Gruppe von „KI-Forschern, Leuten aus Thinktanks und Investoren, die ihr ganzes Berufsleben dort verbracht haben, wo Spitzen-KI und europäische Politik zusammenkommen“. So beschreiben sie sich selbst. Es sind vor allem Personen aus den Niederlanden und Deutschland. Die Geschichte beschreibt den Niedergang Europas innerhalb der Jahre 2025 bis 2031, weil man durch Zögern und mangelnde Erkenntnis der Dringlichkeit in KI zu investieren, den Anschluss an die USA und China verloren hat. Die Autoren wollen „auf die Alternativen hinweisen, die heute, im Juni 2026, noch offenstehen“.

In einzelnen abgeschlossenen Kapiteln wird die Situation zu Zeitpunkten in diesem Sechsjahres-Zeitraum beschrieben. Aus der Perspektive einer französischen jungen Frau, die bei DG TRADE in Brüssel arbeitet, werden die Vorgänge in Europa beschrieben. Immer wieder kommt es zu Chat-Konversationen mit einem deutschen jungen Mann, der sein Startup in Kalifornien gegründet hat. Aus diesen Konversationen bekommt man die Silicon Valley Perspektive auf Europa präsentiert. Offensichtlich verarbeiten die Autoren ihre persönlichen Erfahrungen. Der folgende Satz kommt auch in Europe 2031 vor.

„Manche unserer Kollegen in den USA fragen uns, warum wir nicht nach Kalifornien ziehen, solange das noch geht.“

Die Autoren wollen Europa davon überzeugen, dass Künstliche Intelligenz zur entscheidenden Macht- und Wohlstandstechnologie des 21. Jahrhunderts wird und dass ein Zögern heute in wenigen Jahren zu wirtschaftlicher, politischer und strategischer Abhängigkeit führen könnte.

Wer profitiert?

Auch wenn die Geschichte vordergründig als gut zu lesende Novelle erscheint, so ist es für mich doch eine Art sehr eigennützige Ermahnung an die europäischen Entscheidungsträger, dem Thema KI in Europa mehr Beachtung zu schenken. Eigennützig deshalb, weil dieser Gruppe von Personen die zu erwartenden Budgets auch zufließen würden.

Es geht hier um Milliarden, die Europa investieren müßte, um KI Rechenzentren zu bauen, eigene Large Language Models (LLM) zu entwickeln und Experten auszubilden. Dabei konkurrieren sie mit denen, die schon weit vorne in dem Rennen um die wenigen Ressourcen sind. Es geht um Spezialchips von Nvidia, um RAM und Storage von wenigen Anbietern weltweit. Natürlich benötigen Rechenzentren für den Betrieb viel Energie und Wasser zur Kühlung .

Reality Check

Doch was ist dran an dieser Geschichte, die bis Juni 2026 auf konkreten Daten und Ereignissen aufbauen kann? Die für den Zeitraum bis 2031 ein mögliches Szenario beschreibt, was durchaus einen Worst Case darstellen kann?

KI wird zur Schlüsseltechnologie des 21. Jahrhunderts.

Aussage: KI sei vergleichbar mit Elektrizität oder dem Internet – wer die leistungsfähigsten KI-Modelle entwickelt und kontrolliert, bestimmt künftig wirtschaftliche, militärische und politische Macht. 

Reality Check: Die Einschätzung bezüglich der umwälzenden Natur von KI ist durchaus richtig. Genauso wie bei Elektrizität und dem Internet löst auch KI eine Investitionsblase aus, die weit über den wirklichen Bedarf hinaus aufgebläht ist. Seit dem Durchbruch mit LLMs bis zum aktuellen Einsatz der KI-Agenten ist der Bedarf nach dieser Technologie in allen Bereichen des privaten und beruflichen Umfelds sprunghaft gestiegen. Die leistungsfähigsten Modelle entstehen in den USA und China. Als Frontier KI-Systeme werden die Produkte von OpenAI und Anthropic betrachtet. Die in Europe 2031 beschriebene Sanktionierung der Nutzung von Frontier KI-Systemen durch die amerikanische Regierung erscheint sehr realistisch. Schon in meinem Beitrag Digitale Skepsis – Amerika und unsere Daten und digitalen Services habe ich ausgeführt, dass die amerikanische Politik die Technologie als wirtschaftliches, militärisches und politisches Druckmittel einsetzen wird. Und unter der aktuellen amerikanischen Regierung ist ein partnerschaftlicher Austausch mit Europa eher unwahrscheinlich.

Europa unterschätzt die Geschwindigkeit der Entwicklung.

Aussage: Während die USA und China enorme Summen in Rechenzentren, Chips und Forschung investieren, diskutiert Europa vor allem Regulierung, Datenschutz und Wettbewerb. Dadurch vergrößert sich der Rückstand jedes Jahr. 

Reality Check: datacentermap.com listet Stand 6.7.2026 11826 Rechenzentren. Knapp 38 Prozent aller Rechenzentren (4467) stehen in den USA. In Europa wiederum stehen 29 Prozent aller Rechenzentren (3478). Für China sind 369 Rechenzentren gelistet. Ob diese Zahl korrekt ist?

Was die reine Anzahl an Rechenzentren angeht, scheint Europa nicht schlecht positioniert zu sein. Man sollte aber nicht vergessen, dass die amerikanischen Hyperscaler aws, Azure und Google ihre riesigen Rechenzentren vor allem in den USA stehen haben. In Europe 2031 weisen die Autoren für ihre Geschichte folgende Rechenzentrumskapazitäten in Giga Watt (GW) aus:

Zeitpunkt	USA (GW)	Europa (GW)	Verhältnis USA : Europa	Wachstum USA	Wachstum Europa
Jan 2025	17,3	1,4	12,4×	–	–
Aug 2026	35,3	2,1	16,8×	+104 %	+50 %
Jun 2027	61,3	5,2	11,8×	+74 %	+148 %
Aug 2028	104,4	11,8	8,8×	+70 %	+127 %
Apr 2029	146,6	12,8	11,5×	+40 %	+8 %
Jun 2030	208,2	16,8	12,4×	+42 %	+31 %
Mar 2031	255,1	20,9	12,2×	+23 %	+24 %

Was aber Chips angeht sind es amerikanische Konzerne, die die besten Produkte entwickeln. Produziert werden diese in Fernost. Die Forschung ist vor allem dort stark, wo viel Geld ist und es wenig regulative Einschränkungen gibt. Also gewinnen auch hier wieder die USA.

Regulierung, Datenschutz und Wettbewerb

Tatsächlich sind Themen wie Regulierung, Datenschutz und Wettbewerb europäische Themen. Deshalb sind der Digital Services Act und der Digital Markets Act europäische Regulierungen, denen sich alle Firmen unterwerfen müssen, die auf dem europäischen Markt ihre Produkte und Services anbieten wollen. Natürlich zielen diese Regulierungen darauf ab, den marktbeherrschenden amerikanischen Firmen eine Öffnung ihrer Plattformen aufzuzwingen, damit auch kleinere (europäische) Anbieter ihre Produkte und Services auf diesen Plattformen einbringen können. Oder konkurrierende Plattformen aufbauen können.

Dies hat auf Privatanwender durchaus Auswirkungen, wenn Apple seine neue Siri AI nicht auf iOS und iPadOS in Europa ausliefert. Diese beiden Plattformen reguliert der Digital Markets Act, weil Apple bei diesen Plattformen als Gatekeeper gilt.

Geschwindigkeit der Entwicklung

In den USA ist es auf jeden Fall einfacher riesige Investitionssummen zu erhalten. Außerdem gibt es weniger Auflagen und Vorschriften für die Ansiedlung von Rechenzentren als in Europa. Damit wird sich der Rückstand auf jeden Fall vergrößern.

Aber die in Europe 2031 beschriebene Geschwindigkeit der Entwicklung ist meiner Meinung nach übertrieben. Innerhalb von fünf Jahren können zwar massive Rechenzentrumskapazitäten in den USA gebaut werden. Aber vor allem KI-Rechenzentren erfordern einen viel höheren Kapitalaufwand, mehr Kühlung, mehr Energie und bessere Chiptechnologie, als die, die in den normalen Rechenzentren der Hyperscaler verbaut sind. Eventuell wird die Geschwindigkeit des Aufbaus dadurch blockiert, dass nicht genug Energie, Kühlung oder Chiptechnologie vorhanden ist. Vielleicht blockiert auch die amerikanische Gesellschaft den Raubbau an den Reserven. Energie- und Wasserknappheit würde den amerikanischen Bürger mit höheren Kosten belasten.

Ausserdem darf man nicht vergessen, dass KI-Rechenzentren alle drei Jahre auf die neueste Chip-Technik upgraden müssen, um weiterhin vorne mit dabei zu sein. Es sind also nicht nur einmalige Investitionen erforderlich, sondern regelmäßige.

Wertschöpfung wandert ins Ausland.

Aussage: Europäische Unternehmen nutzen zwar amerikanische KI, die Gewinne fließen aber überwiegend an US-Unternehmen. Europa bleibt Konsument statt Produzent der Technologie. 

Reality Check: diese Aussage ist eine der größten Marktrealitäten und beschreibt Marktungleichgewichte, die zwischen den USA und allen Ländern in dieser Welt bestehen. Anbieter aus den USA vertreiben digitale Services in alle Welt. Zusätzliche europäische Steuern und Zölle machen diese Services für den europäischen Endverbraucher nur teurer. Gleichwertige europäische digitale Services gibt es nur selten.

Doch kann man das ändern? Kurzfristig vielleicht nicht. Natürlich kann die sinnvolle Anwendung von KI dazu führen, dass neue digitale Produkte und Services entstehen, die die Abhängigkeit von etablierten amerikanischen Konzernen reduzieren. Warum nicht? Aber dann wäre es schon sinnvoll, wenn man in Europa eigene KI-Rechenzentren und Frontier KI-Systeme hätte, die bei der Herstellung dieser europäischen digitalen Produkte und Services helfen.

Aber die zielgerichtete Anwendung von KI kann auch Produktionsabläufe und Prozesse in unterschiedlichen Branchen optimieren. Findige Ingenieure können dadurch Mehrwerte und Wertschöpfung schaffen, von denen europäische Industrien profitieren können. KI ist also kein Selbstzweck, sondern ein Produktionsmittel, was richtig eingesetzt werden muss.

Produktivität und Arbeitsmarkt verändern sich radikal.

Aussage: Wissensarbeit wird zunehmend automatisiert. Länder mit führenden KI-Unternehmen profitieren, andere verlieren Arbeitsplätze, Steuereinnahmen und Wettbewerbsfähigkeit. 

Reality Check: Viele Firmen haben die Einführung von KI sehr häufig als Rechtfertigung für Arbeitsplatzabbau genutzt. Tatsächlich ist es aber die wirtschaftliche und geopolitische Unsicherheit, die vor allem durch die Trump-Regierung seit Anfang 2025 ausgelöst wurde. Mit Zöllen auf alle möglichen Produkte aus der ganzen Welt sind Handelshindernisse aufgetaucht, die zu einer Rezession führen können. Kriege wie den der Russen gegen die Ukraine und der USA und Israel gegen Iran blockieren die Energieversorgung der Welt. Auch dadurch werden Lieferketten massiv beeinträchtigt. Es entstehen inflationäre Tendenzen für alle Produkte. Preiserhöhungen belasten Firmen wie Endverbraucher.

Soziale Herausforderungen

Verlust von Arbeitsplätzen, Steuereinnahmen und Wettbewerbsfähigkeit führen zu sozialen Problemen in unserer Gesellschaft. Ich finde es immer faszinierend, wie schnell gewinnorientierte Firmen Maßnahmen treffen, um den größten Kostenfaktor zu reduzieren. Dies dürfte in den meisten Fällen das Personal sein. Massenentlassungen entlasten die Bilanzen dieser Unternehmen, belasten aber die Sozialkassen der Gesellschaften. Früher haben Unternehmer wie Henry Ford ihre Arbeitnehmer besser bezahlt, damit diese mehr konsumieren können; vor allem die eigenen Produkte. Das waren fast Zeichen einer sozialen Marktwirtschaft, wie sie vor allem in den europäischen Ländern ausgeprägt sind. Im Amerika von Hire and Fire ohne große soziale Absicherung ist dies eine Herausforderung für arbeitslose Menschen.

Es ist wie immer in solchen Phasen der gesellschaftlichen Umwälzung die Frage zu klären, ob genügend neue Jobs geschaffen werden können, um die Menschen wieder in Lohn und Brot zu bringen. In Europe 2031 ächzt Europa unter der Belastung von Massenarbeitslosigkeit wegen später und wenig konsequenter politischer Entscheidungen für KI-Investments. Die sozialen Auswirkungen in den USA werden aber nicht thematisiert. Es wird davon ausgegangen, dass der soziale Frieden in den USA durch die KI-Umwälzungen nicht gestört wird, sondern die Gesellschaft profitiert. Das verlangt meiner Meinung nach einer differenzierteren Betrachtung durch die Autoren.

Produktivitätssteigerung

Produktivitätssteigerung ist eines der größten Versprechung der Tech-Bros von Nvidia, OpenAI, Anthropic, Microsoft, aws und Google. Durch den Einsatz von KI, vor allem generativer KI mit agentischer Unterstützung entstehen Lösungen in kurzer Zeit, die vor kurzem noch undenkbar gewesen wären. Frontier KI-Systeme erkennen Sicherheitslücken in Software, die sonst von böswilligen Akteueren ausgenutzt würden. Diese Sicherheitslücken können geschlossen werden und verbessern damit die Sicherheit und Stabilität bestehender Systeme.

Der Einsatz moderner generativer KI mit Agenten verschlingt aber so große Mengen an Token, dass eine KI-Stunde bald teurer wird, als eine Arbeitsstunde. Der Token ist die kleinste Abrechnungseinheit für die Bereitstellung von Ergebnissen aus den KI-Systemen. Für komplexe Abfragen mit agentischer Unterstützung können tausende Token innerhalb kürzester Zeit verbraucht werden. Kunden dieser KI-Anbieter verbrauchen ihre Token-Kontingente immer schneller. Token werden aber auch immer teurer, da sie bisher über billiges Geld von Investoren subventioniert wurden und diese Budgets schnell aufgebraucht sind. KI-Rechenzentren verbrennen buchstäblich Geld. Die günstigen Tarife für Token-Kontingente werden bald Geschichte sein. Und dann ist die Frage, wer sich diese Produktivitätssteigerungen durch KI noch leisten kann.

Technologische Abhängigkeit wird geopolitische Abhängigkeit.

Aussage: Europa gerät zwischen die USA und China. Wer die Rechenleistung und KI-Infrastruktur kontrolliert, erhält erheblichen politischen Einfluss. Das Szenario beschreibt sogar Situationen, in denen Europa keinen gleichwertigen Zugang mehr zu modernster KI erhält. 

Reality Check: die USA und mit ihr die westliche Welt haben den Zugriff auf Technologie immer als politisches Druckmittel gegen politische Gegner genutzt. Das ist nicht ungewöhnlich. Das in Europe 2031 beschriebene Szenario, dass Europa der Zugriff auf Frontier KI-Systeme verwehrt wird, ist leider eine mögliche Auswirkung der Handlungen der Trump-Regierung: America First. Weitere US-Regierungen nach Trump können diese technologische Abhängigkeit Europas von den USA genauso ausnutzen.

Europa war nach dem zweiten Weltkrieg immer technisch, militärisch, wirtschaftlich und politisch abhängig von den USA. Aber sie waren auch zuverlässige Partner der USA. Der wenig kooperative Weg der Trump-Regierung hat diese Partnerschaft erschüttert. Nichts, was zukünftige Regierungen nicht wieder korrigieren könnten.

Trotzdem ist das Szenario nicht unwahrscheinlich, dass die USA aus wirtschaftspolitischen Gründen selbst ihre Partner in der Welt nachteilig behandeln und den Zugriff auf Zukunftstechnologie verweigern oder einschränken.

Die wirtschaftlichen Folgen bedrohen den Sozialstaat.

Aussage: Sinkende Unternehmensgewinne, steigende Arbeitslosigkeit und höhere Staatsausgaben führen laut Szenario zu einer Schuldenkrise und politischen Spannungen innerhalb der EU. 

Reality Check: ein absolut realistisches Szenario. Die europäischen Gesellschaften sind Wohlfahrtstaaten mit guter sozialer Absicherung ihrer Bürger. Diese Absicherung ist aber nur möglich, wenn die Wirtschaft floriert und genügend Arbeitnehmer Steuern in die Sozialsysteme zahlen können. Damit wird der soziale Frieden in Europa gesichert.

Sollte KI eine so disruptive Auswirkung haben, dass viele gut bezahlte Arbeitskräfte ihre Jobs verlieren und keine neuen finden, dann wird das skizzierte Szenario sehr wahrscheinlich. Europäische Entscheidungsträger sollten sich Gedanken machen, was man in Europa anders machen kann, um dieses Szenario zu verhindern. Ich persönlich glaube aber nicht, dass Riesenbudgets für KI-Projekte die richtige Antwort für dieses Problem sind.

Auch die Autoren dieser Novelle Europe 2031 sollten ihre Energie vor allem in Ideen stecken, wie Europas Weg in Hinsicht auf die KI-Herausforderung sozial verträglich gestaltet werden könnte. Europa wird nie die wirtschaftlichen und regulativen Freiheiten der USA haben. Diese Einschränkungen sollten berücksichtigt werden.

Europa ist ein großer Markt für amerikanische und chinesische Firmen und sollte sich auch so selbstbewusst positionieren. Europa ist mit vielen regulativen Konzepten Vorreiter gegen die doch sehr turbo-kapitalistische digitale Wirtschaftswelt. Regulierung, Datenschutz und Wettbewerb sind wichtig. Ansonsten passieren wirklich so erpresserische Szenarien, wie die Autoren von Europe 2031 es beschrieben haben.

Der Niedergang ist nach Ansicht der Autoren nicht unvermeidlich.

Im Epilog wird betont, dass Europa zwischen 2025 und 2027 noch die Chance gehabt hätte, entschlossener zu investieren und internationale Partnerschaften aufzubauen.

KI für alle?

Nachdem ich diese Novelle und seine Aussagen verarbeitet hatte, stellte ich mir die Frage, ob es KI für alle geben kann? Die beliebteste Variante von KI-Systemen sind die generativen wie Large Language Models und Bild- oder Videogeneratoren. Wir nutzen sie alle. Die meisten von uns for free. Einige wenige bezahlen eine monatliche Gebühr, um diese KI-Services länger nutzen zu können. Wir alle kennen es, wenn uns der Anbieter in seiner KI-App aufzeigt, dass das freie Kontingent an Tokens aufgebraucht ist.

Für diesen Fall habe ich mehrere KI-Apps auf meinem iPhone installiert: Copilot, Gemini, Mistral, ChatGPT, Claude und Perplexity. Wenn ein Kontingent bei einem Anbieter aufgebraucht ist, dann springe ich zum nächsten. Im Grunde sind wir gerade in einer goldenen Zeit für KI. Wir zahlen nichts bis nur wenige monatliche Gebühren für die Nutzung von LLMs. Die wirklichen Kosten werden von den KI-Unternehmen getragen. Sie machen Verluste, um den Hype KI am Laufen zu halten.

Seit OpenAI im Jahr 2022 mit ChatGPT den Hype begründet hat, sind die generativen KI-Systeme immer besser geworden. Die Hoffnung der Anbieter beruht darauf, dass sich diese KI-Systeme immer höher skalieren lassen.

Entwicklung der GPT-Modelle

Modell	Veröffentlichung	Geschätzte Parameter	Trainingsdaten	Kontextfenster	Wesentliche Verbesserungen
GPT-1	2018	117 Mio.	BooksCorpus (~7.000 Bücher)	512 Token	Erster Transformer für generative Sprachmodelle
GPT-2	2019	1,5 Mrd.	WebText (~8 Mio. Webseiten)	1.024 Token	Deutlich bessere Textqualität
GPT-3	2020	175 Mrd.	Hunderte Milliarden Tokens aus Büchern, Webseiten und Wikipedia	2.048 Token	Wenige Beispiele genügen („Few-shot Learning“)
GPT-3.5	2022	nicht veröffentlicht (ähnliche Größenordnung wie GPT-3)	Erweiterte und verbesserte Datensätze	4.096–16.000 Token	Grundlage von ChatGPT, deutlich bessere Dialogfähigkeit
GPT-4	2023	nicht veröffentlicht (Schätzungen: mehrere hundert Milliarden bis über 1 Billion Gesamtparameter in einem Mixture-of-Experts-System)	Größere und hochwertigere Datensätze	bis 128.000 Token	Multimodal, deutlich besseres Reasoning
GPT-4o	2024	nicht veröffentlicht	Multimodales Training	bis 128.000 Token	Einheitliches Modell für Text, Bild und Sprache in Echtzeit
GPT-5	2025	nicht veröffentlicht	Erweitertes multimodales Training	sehr großes Kontextfenster (je nach Variante)	Verbesserte Planung, Reasoning, Werkzeugnutzung und Zuverlässigkeit

Deshalb erzählen die KI-Protagonisten den Investoren, dass diese Entwicklung mit immer mehr Investitionen in Hardware, besseres Training und immer größere Modelle unendlich so weitergehen kann. Und man behauptet, dass man kurz vor der Entwicklung einer Allgemeinen Künstlichen Intelligenz (AGI=Artificial General Intelligence) stehen würde.

Forscher bezweifeln mittlerweile, dass generative KI auf Basis der Transformer-Architektur in der Lage ist diesen Zustand der AGI zu erreichen.

Die Transformer-Architektur, die heute praktisch allen modernen Large Language Models (LLMs) zugrunde liegt, entwickelten 2017 Forscher bei Google. Die entscheidende Veröffentlichung war das wissenschaftliche Paper:

• Attention Is All You Need (2017)

Dieser Ansatz liefert Textergebnisse auf Basis von statistischen Analysen. Große Vektoren werden mit noch größeren Matrizen multipliziert und das so häufig, dass Grafikprozessoren von Nvidia hier die bevorzugte Technologie sind.

Die Fähigkeiten werden immer umfangreicher und auch immer spezialisierter. So hat Anthropic Modelle entwickelt, die besonders gut in der Programmierung sind. Sie finden Sicherheitslücken in Legacy Code.

Werden die KI-Modelle immer besser?

Aber die Lernkurve scheint abzuflachen, obwohl mit jeder Generation die Anzahl der Parameter und die Kontextfenster immer größer werden. Der Kontextfenster-Begriff steht für die Menge an konzeptuellen Informationen (z.B. Bilder und Dokumente), den man mit dem Eingabeprompt an das LLM übergeben kann. Je größer das Kontextfenster ist (z.B. 500000 Tokens), umso mehr individuelle Informationen werden in der Inferenzphase genutzt. Die Inferenzphase ist die Zeit nach der Eingabe des Prompts bis zur Rückmeldung der Antwort.

Seit knapp einem Jahr gibt es immer mehr Stimmen (wie Gary Marcus), die bezweifeln, dass die KI-Modelle immer besser werden. Laut dieser Autoren und Kommentatoren bewege man sich mit der Transformer-Technologie auf eine Grenze zu. AGI sei damit nicht erreichbar. Trotzdem ist das, was als Ergebnisse aus diesen LLMs herauskommt, beeindruckend. Wenigstens so lange man die echte Rechnung für die Tokens nicht bezahlen muss.

Geldvernichtung

Alle KI-Modelle müssen trainiert werden. Die Kosten für das Training dieser Modelle sind gewaltig. Und sie werden immer größer, da die Modelle immer größer werden. Zum Training werden alle möglichen Daten herangezogen. Alle über das Internet öffentlich zugänglichen Quellen dürften für das Training dieser KI-Modelle mittlerweile genutzt worden sein. Im Grunde sind KI-Chatbots wie ChatGPT nichts anderes als in die breite Masse verteilte KI-Trainingsplattformen. Mit unseren Prompts liefern wir zusätzliches Trainingsmaterial für die Modelle. Mit unserer Reaktion, ob die Antwort akzeptiert wurde, oder wir das Ergebnis als eine Halluzination erkennen, trainieren wir die Modelle. Im Grunde versuchen die KI-Anbieter an alle verfügbaren Privat- und Firmendaten heranzukommen, um ihre Datenbasis zu verbessern.

Diese Trainingsprozesse finden in den Entwickungs- und Forschungsabteilungen der KI-Anbieter statt. Jede Weiterentwicklung dieser Modelle bindet umfangreiche technische und menschliche Ressourcen. Das kostet und deshalb versuchen die KI-Firmen Investoren davon zu überzeugen, dass in diese Modelle investiertes Geld viel Profit in der Zukunft erwirtschaften wird. Dass die aktuellen Geschäftsmodelle nicht genügend Umsatz liefern, um die laufenden Kosten für Personal und technische Infrastruktur zu tragen, ist für Zukunftstechnologie typisch. Verluste hatten Investoren auch nicht davon abgehalten in Amazon zu investieren. Heute ist Amazon und sein Geschäftsmodell höchst profitabel und hat den Handel revolutioniert.

Subventionierte KI

Die KI-Firmen haben Investments von den Hyperscalern in Form von Rechenzeit in ihren Rechenzentren erhalten. Zum Beispiel hat sich Microsoft so bei OpenAI eingekauft. aws und Google haben in OpenAI und Anthropic investiert und ihnen ebenfalls ihre Plattformen für die rechenintensiven Aufgaben der KI-Modelle bereitgestellt. Nvidia investiert indirekt in diese KI-Firmen in Form von Hardwareinvestments. Sie stellen die hochspezialisierten Grafikkarten bereit, die für die Berechnungen beim Training und bei der Inferenz erforderlich sind. Die Speicher- und Storagefirmen konzentrieren ihre Produktion nur noch auf die KI-Rechenzentren. Auch das ist eine Form von Investment, da sie andere Märkte wie den Computermarkt komplett vernachlässigen. Aber diese Investments sind schnell aufgebraucht und die Rechenkapazitäten für die Entwicklung und den Betrieb der exponentiell wachsenden Modelle sind nicht mehr ausreichend.

Also mussten weitere Investoren gefunden werden, die von dem Versprechen einer Billionen Dollar-Industrie angezogen werden. OpenAI und Anthropic werden bald an die Börse gehen und weiteres Geld für die immer größer werdende KI-Story einsammeln.

Solange immer genug frisches Geld reinkommt und die KI-Modelle weiterentwickelt und angeboten werden können, so lange wird versucht weitere Kunden an sich zu binden. Schließlich soll KI in allen möglichen privaten und beruflichen Bereichen aktiv genutzt werden. KI soll so tief in die Prozesse eingebunden werden, dass es nicht mehr umkehrbar ist. Solange werden die KI-Services subventioniert. Danach kann man davon ausgehen, dass KI ein Commodity geworden ist und jeder bereit ist dafür zu zahlen. Oder zahlen muss, wenn er die KI-Produktivität nicht mehr verlieren will. Es ist nur eine Frage der Zeit, bis die Preise in Abhängigkeit von der tatsächlichen Nutzung steigen werden.

Millionen Tokens

Für den Nutzer der KI-Chatbots ist überhaupt nicht abschätzbar, was seine tägliche Nutzung für Kosten auf Seiten der KI-Firmen auslöst. Ein kleiner Prompt kann zu vielen tausenden von Tokens während der Inferenz führen. Diese Token sind die Grundeinheit für die Nutzung von KI-Services. Alle diejenigen, die keinen monatlichen Tarif bezahlen, bekommen diese Tokens geschenkt. Auch diejenigen, die pauschale Summen pro Monat bezahlen, werden von KI-Firmen subventioniert. Keine KI-Firma hat bisher einen Gewinn aus seiner Geschäftstätigkeit gezogen.

Und es wird schlimmer. Die nächste Evolutionsstufe der KI, die sogenannte agentische KI verbraucht ein Vielfaches der Token einer einfachen KI-Chatbot-Nutzung. Agenten sind interaktive und tief in die Systeme der Nutzer und anderer Anbieter integrierte KI-Komponenten, die komplexe Aufgabenstellungen für ihre Nutzer erledigen. Vor allem Entwickler nutzen diese Agenten. Anthropic ist hier Vorreiter mit Claude Code und seiner Model Context Protocol (MCP) Schnittstelle. Dabei arbeiten die Agenten relativ autark und fragen nur beim Entwickler nach, wenn eine Zugriffsgenehmigung oder eine detaillierte Anforderung benötigt wird.

Die Ergebnisse aus dieser agentischen KI sind beeindruckend. Aber diese Agenten verbrauchen genauso beeindruckend schnell die zur Verfügung gestellten Token-Kontingente.

Zusammenfassung

Wir leben in einer Zeit der KI für alle. KI wird von den KI-Firmen subventioniert, damit gegenüber den Investoren der Eindruck entsteht, dass der Bedarf nach KI exponentiell steigt. So wie die Kosten für die Weiterentwicklung und den Betrieb der KI-Plattformen weiter steigen. Es ist wie so häufig, wenn man neues Geschäft aufbauen will. Die Ölfirmen haben anfangs Petroleumlampen subventioniert, um den Verbrauch von Öl zu fördern. Auch hier sieht es so aus, dass wir auf dem selben Pfad unterwegs sind.

Und das Versprechen ist ein mehrere Billionen Dollar großer Markt. Dummerweise ist die endlose Skalierung der KI-Modelle und KI-Rechenzentren auch extrem teuer und muss mit massiven Investitionen gestützt werden. Ich bin gespannt, ob es nicht einen vernünftigen Weg gibt, aus dieser endlosen Spirale auszubrechen und vernünftige und tragfähige Geschäftsmodelle zu entwickeln. Solche Geschäftsmodelle, die auch sozial verträglich sind und nicht die Welt in eine neue Form von kalten Krieg führt: ein Krieg um die Vorherrschaft von Frontier KI-Systemen, die eingesetzt werden, um wirtschaftspolitischen Druck auf andere auszuüben, die auf KI-Services angewiesen sind.

Fazit

Was für ein geiles Thema. Von einer dystopischen Geschichte einer Gruppe von KI-Experten aus Europa hin zu der Betrachtung einer Investitionsblase rund um KI-Modelle und der Frage nach KI für alle. Die Analyse hat viel Zeit erfordert und ich habe viele Stimmen gehört. Viele sind skeptisch, dass die aktuellen Transformer-Modelle die angestrebte Allgemeine Künstliche Intelligenz ermöglichen werden. Viele KI-Firmen sind der Meinung, dass dies mit den bestehenden Transformer-Modellen über immer größere Skalierung möglich ist. Sie halten diesen Glauben aufrecht, damit Investoren immer mehr Geld in die Weiterentwicklung und den Betrieb dieser KI-Systeme stecken. Außerdem subventionieren sie die Nutzung der generativen KI-Systeme, um immer mehr Nutzer in dieses Ökosystem reinzuziehen.

Die Angst zu spät zu kommen (Fear of missing out = FOMO) wird durch Geschichten wie Europe 2031 verstärkt. Europa ist spät dran mit KI, da Regulierung und schlechtere Rahmenbedingungen bei Investitionen Europa gegenüber den USA und China benachteiligen. Die gefragten Ressourcen Grafikkarten, RAM und Storage sind schon für viele Produktionsjahre an die Early Mover verteilt. Jeder, der zu spät kommt, muss sich entweder hinten anstellen, oder bereit sein noch mehr zu zahlen.

Stimmen, die sagen, dass mehr Forschung in effizientere KI-Systeme erfolgsversprechender sein kann, machen Hoffnung auf einen Ausweg aus diesem Rennen, was Europa wahrscheinlich wirklich schon verloren hat. Transformer scheinen ihre Grenzen zu haben. Diese Technik gibt es erst seit 2017. Warum sollte es nicht bald andere erfolgsversprechende Ansätze geben, die mit weniger Kapitaleinsatz und weniger Ressourcen umgesetzt werden können?

Schon jetzt verteilen die KI-Firmen die Anfragen der Nutzer auf weniger leistungsfähige LLMs, da diese nicht so energiehungrig, effizienter und „gut genug“ sind. Und vielleicht kann Europa mit Lösungen klarkommen, die gut genug sind und auf europäische Werte trainiert werden. Das wäre doch auch eine Perspektive, oder?