Der Kampf um den Besitz von künstlicher Intelligenz – Warum Rechenzentren wichtiger sind als je zuvor

Vor einigen Jahren schienen Rechenzentren wie etwas rein Technisches und Unsichtbares – Infrastruktur, die tief im Hintergrund verborgen war, selten außerhalb professioneller Kreise diskutiert. Doch das explosive Wachstum von künstlicher Intelligenz hat dieses Bild vollständig verändert. Heute sind Rechenzentren zu den neuen “Ölfeldern” der digitalen Wirtschaft geworden: ein strategischer Vermögenswert, um den herum Milliarden in Investitionen, Regierungsrichtlinien und Unternehmensstrategien aufgebaut werden.

Neue Nachrichten bestätigen dies. Anthropic kündigte den Bau seiner eigenen Rechenzentren in den USA an, die 50 Milliarden Dollar kosten werden, eine Summe, die mit den Budgets großer Energie-Megaprojekte vergleichbar ist. Fast gleichzeitig enthüllten X.AI und Nvidia ein gemeinsames Projekt in Saudi-Arabien, eines der größten Rechenzentren in der Region.

Warum ist das Thema Rechenzentren so global geworden? Warum ziehen große Spieler sich von reinen Cloud-Modellen zurück und investieren Zehnmilliarden in ihre eigene Kapazität? Und wie beeinflusst diese Veränderung die Architektur von künstlicher Intelligenz, Energiesysteme, Geopolitik und den Aufstieg alternativer Modelle, von arktischen bis hin zu weltraumgestützten Rechenzentren?

Dies ist, was die folgende Spalte erforscht.

Der globale Ansturm auf den Besitz von Rechenzentren

Wenn der Verbrauch von Rechenressourcen in Millionen von Dollar pro Jahr gemessen wird, ist es tatsächlich kostengünstiger, Cloud-Server zu mieten: Unternehmen müssen keine Gebäude bauen und warten, keine Strom- und Kühlkosten zahlen, keine Ausrüstung kaufen oder regelmäßig upgraden. Aber wenn die Ausgaben Zehnmilliarden Dollar erreichen, verschiebt sich die Logik.

Zu diesem Zeitpunkt wird es kostengünstiger, eigene Rechenzentren zu bauen, Ingenieure zu beschäftigen, Ausrüstung zu kaufen und die Infrastruktur für spezifische Bedürfnisse zu optimieren. Das Unternehmen hört auf, für die Margen von Cloud-Anbietern zu überzahlen, und gewinnt viel größere Kontrolle über die Kosten und Effizienz der Rechenleistung.

Das ist der Grund, warum die Trend zum Bau von privaten Rechenzentren am relevantesten für Riesen wie OpenAI oder Anthropic ist, Unternehmen, deren Bedürfnisse so groß sind, dass die Cloud nicht mehr wirtschaftlich gerechtfertigt ist.

Gleichzeitig ist es wichtig zu verstehen, dass das Konzept eines “Rechenzentrums” mehrschichtig ist. Für einige Unternehmen ist es in erster Linie eine Datenlagerungseinrichtung: Festplatten, Datenbanken und Benutzerinformationen. Für andere ist es auch ein Rechenzentrum: Server, die Modelle wie GPT, Claude oder LLaMA ausführen, gleichzeitig Daten speichern und komplexe Operationen durchführen. Im Wesentlichen ist heute ein Rechenzentrum ein massiver technologischer “Lager” mit Tausenden von spezialisierten Computern.

Und je höher die Nachfrage nach künstlicher Intelligenz-Kapazität ist, desto strategischer und umstrittener wird dieser “Lager”, was der Grund ist, warum Rechenzentren jetzt nicht nur von Ingenieuren, sondern auch von Investoren, Politikern und Top-Exekutiven diskutiert werden.

Was zählt mehr beim Bau von Rechenzentren für künstliche Intelligenz: Geschwindigkeit oder Qualität?

In Wirklichkeit ist weder die Bauzeit noch die formale “Qualität” eines Rechenzentrums der primäre Treiber. Große Unternehmen investieren in ihre eigene Infrastruktur, um Kosten zu reduzieren und die maximale Kontrolle über die Rechenleistung zu erlangen.

Die Qualität der Modelle selbst ist den Top-Spielern viel weniger wichtig, als man denken könnte. Der Grund ist einfach: die Qualitätslücke zwischen den Marktführern ist minimal. Es ist sehr ähnlich wie in der Automobilindustrie: Volkswagen, Toyota, Honda – alle unterschiedlich, aber keiner kann sich so weit vorne setzen, dass er den Markt monopolisieren kann. Jeder hält seinen stabilen Anteil.

Der Markt für künstliche Intelligenz folgt einer ähnlichen Logik. Fortgeschrittene Benutzer verwenden bereits mehrere Modelle gleichzeitig: eines für die Programmierung, ein anderes für die Textgenerierung, ein drittes für die Analyse oder die Suche. Corporate-Kunden tun das Gleiche. Zum Beispiel haben Dienste wie Grammarly kein eigenes Modell. Sie kaufen Token von mehreren Anbietern, Anthropic, OpenAI, Meta. Wenn ein Anfrage eingeht, wählt das System automatisch den Anbieter: den, der gerade billiger, schneller oder genauer ist. Wenn der Text auf Englisch ist, geht er zu GPT; wenn er auf Hindi ist, geht er zu Claude; wenn LLaMA gerade die niedrigsten Tarife hat, geht er dorthin. Dies ist im Wesentlichen ein modellbasierter Lastverteilungsansatz.

In Gesprächen mit corporate-Kunden von Keymakr sehe ich immer mehr den gleichen Trend: große Unternehmen haben den “ein Modell – ein Anbieter”-Ansatz längst aufgegeben. Sie bauen Multi-Modell-Pipelines, bei denen Anfragen zwischen verschiedenen künstlichen Intelligenz-Systemen je nach Kosten, Latenz oder Sprachspezifität geroutet werden. Allerdings stellt diese Architektur erheblich höhere Anforderungen an die Daten, insbesondere an ihre Sauberkeit, Annotation, Validierung und Konsistenz. In diesem Sinne wird die Dateninfrastruktur genauso strategisch wie die Rechenzentren selbst: ohne hochwertige Eingaben funktioniert ein Multi-Modell-System einfach nicht.

Letztendlich wird in dieser Architektur die Modellqualität nur einer von vielen Parametern. Der Schlüssel liegt in der Aufrechterhaltung von Geschwindigkeit, Skalierbarkeit und der Fähigkeit, massive Rechenlasten zu bewältigen. Und genau das gibt privaten Rechenzentren ihren strategischen Wert: sie ermöglichen es Unternehmen, Kosten, Durchsatz und Stabilität zu kontrollieren, während sie wenig Auswirkungen auf die endgültige Modellqualität haben.

In anderen Worten, heute bauen Unternehmen Rechenzentren nicht für Geschwindigkeit oder perfekte Qualität, sondern für Ökonomie und Kontrolle.

Die Geographie der Daten

Wenn ich von “Kontrolle” spreche, meine ich die Geographie der Daten. Wenn ein Unternehmen mit Regierungsbehörden zusammenarbeitet, verbietet das Gesetz oft, dass Daten das Land verlassen. Regierungs- und quasi-militärische Anwendungen nutzen künstliche Intelligenz in der Aufklärung, in der Verteidigung, in IT-Einheiten und in kommunalen Diensten. Aber es ist unmöglich, diesen Systemen Zugang zu einem Modell zu gewähren, wenn das Rechenzentrum in einer Region mit ungewisser Gerichtsbarkeit oder geringem Vertrauen liegt. Deshalb verlangen Regierungen, dass die Rechenkapazität physisch innerhalb des Landes liegt.

Große Unternehmen verstehen dies perfekt. Wenn sie an Regierungsverträgen teilnehmen, Verträge unterzeichnen oder sensible Daten verarbeiten wollen, benötigen sie Infrastruktur in bestimmten Regionen und die Fähigkeit, die Einhaltung von Sicherheitsstandards zu garantieren. Diese geographische Einschränkung hat auch einen erheblichen Einfluss auf einen anderen kritischen Faktor beim Bau und Betrieb von Rechenzentren – Energie.

Rechenzentren für künstliche Intelligenz verbrauchen enorme Mengen an Strom, sowohl für den Betrieb von Servern als auch für deren Kühlung. Die Kühlung kostet oft mehr als die Rechenleistung selbst. Dies schafft strenge Einschränkungen. In einigen Regionen sind Rechenzentren auf die Nutzung einer bestimmten Menge an Strom aus dem Netz beschränkt; in anderen sind Wärmeemissionen in die Umwelt streng reguliert. Die Überschreitung von Grenzwerten führt zu Strafzahlungen und teuren technischen Upgrades.

Darüber hinaus wird Strom hauptsächlich von staatseigenen Energieunternehmen gekauft, die ihre eigenen Tarife haben. Man kann nicht einfach “so viel wie man will” kaufen. Zum Beispiel ist der Preis bis zu einer bestimmten Schwelle ein Tarif; darüber hinaus ein anderer. Wenn ein Rechenzentrum während der Spitzenzeiten mehr Strom verbraucht, als erlaubt, verursacht es automatisch Strafzahlungen. Deshalb finden große Unternehmen es oft wirtschaftlicher, ihre eigenen Rechenzentren in der Nähe ihrer eigenen Kraftwerke zu bauen.

Dies führt natürlich zu der Idee, private Stromerzeugung zu entwickeln, wie z.B. Solarfarmen, Gaskraftwerke oder kleine Wasserkraftwerke. Aber all diese Lösungen haben Einschränkungen. Gaskraftwerke und Kohlekraftwerke produzieren Emissionen. Wasserkraft verändert die Ökosysteme von Flüssen. Kernenergie ist die sauberste Art der Energieerzeugung, aber nur Regierungen können Kernkraftwerke bauen.

Und genau an diesem Punkt beginnen neue Konzepte zu entstehen…

Alternative Lösungen

Die offensichtlichste Option ist, Rechenzentren in Regionen mit natürlich kaltem Klima zu verlegen, wie z.B. in den nördlichen Teilen Kanadas, den nördlichen Territorien Skandinaviens oder in abgelegenen Gebieten der Arktis. Dort löst die Natur selbst das Kühlproblem, reduziert die Betriebskosten erheblich.

Der nächste Schritt sind “Unterwasser-Rechenzentren”. Die Rechenleistung findet unter Wasser statt, wobei die kalte Meeresumgebung die natürliche Kühlung übernimmt. Aber auch dieser Ansatz hat Nachteile. Umweltschützer haben bereits Bedenken geäußert. Zum Beispiel in der Nähe von Südisland, wo der Golfstrom vorbeifließt, haben einige vorgeschlagen, dass die großflächige Errichtung von Unterwasser-Rechenzentren den lokalen Klimaprozess beeinflussen, möglicherweise sogar das Verhalten von Ozeanströmungen verändern könnte. Erste Beobachtungen solcher Abweichungen wurden bereits festgestellt.

Es gibt auch futuristischere Optionen. Kürzlich habe ich mit Kollegen das Konzept von weltraumgestützten Rechenzentren diskutiert. Die Idee, Recheninfrastruktur in den Orbit zu bringen, existiert bereits seit langem; jedoch hat die Technologie sie nun an die Schwelle der praktischen Umsetzbarkeit gebracht, mit einer bereiten technischen Grundlage.

Warum scheint der Weltraum attraktiv? Er löst sofort zwei große Einschränkungen: Kühlung und Strom. Die Temperaturen im erdnahen Weltraum sind extrem niedrig, was die Wärmeableitung fast kostenlos macht. Strom ist auch kein Problem: massive Solarpanele können wie Weltraumteleskope entfaltet werden. Im Weltraum gibt es keinen Staub, kein Wetter, keine Beschattung. Die Paneele liefern stabilen Strom rund um die Uhr mit fast keiner Wartung.

Die Kommunikation mit der Erde ist eine separate technische Herausforderung, aber sie ist vollständig lösbar. Ein Ansatz ist die Verwendung von Satellitensystemen wie Starlink, aber mit viel breiteren Kanälen. Funkverbindungen können im Prinzip diese Volumina bewältigen, und optische Verbindungen, lichtbasierte Kanäle mit enormer Bandbreite, können verwendet werden, wenn notwendig. Ingenieure werden definitiv eine Lösung hierfür finden.

Insgesamt ist die Weltraum-Infrastruktur mehr eine zukünftige Entwicklung, aber es scheint nicht mehr wie Science-Fiction, insbesondere da die Nachfrage nach Rechenleistung viel schneller wächst als die neue Kapazität auf der Erde.

Es ist erwähnenswert, dass Google kürzlich sein Suncatcher-Projekt angekündigt hat, das darauf abzielt, künstliche Intelligenz-Orbital-Rechenzentren zu schaffen. Laut Plan sollen Satelliten mit TPU-Chips ausgestattet werden, die von Solarenergie angetrieben und durch optische Kanäle Daten übertragen werden. Google behauptet, dass diese Lösung bis zu acht Mal höhere Energieeffizienz als terrestrische Systeme bieten könnte. Die ersten Satelliten-Prototypen sind bereits für 2027 geplant.

Die Auswirkungen von Vorschriften

Wenn es um Vorschriften geht, die Rechenzentren, ihre Umweltauswirkungen und ob rechtliche Rahmenbedingungen diesen Markt tatsächlich in den Weltraum oder unter Wasser “drücken” könnten, bleibt die Frage offen.

Jedes Land handelt anders, implementiert Vorschriften gemäß seinen langfristigen Plänen. Es ist kein Geheimnis, dass Europa zum Beispiel strengere Regeln hat, die die Entwicklung von künstlicher Intelligenz verlangsamen. Die USA hingegen gehen einen pragmatischeren Ansatz: Gesetze werden in der Regel so geschrieben, dass sie Innovation und Wachstum ermöglichen. Eine starke Tech-Lobby in Kalifornien, der Heimat von Unternehmen wie Nvidia, Apple, Microsoft und Meta, macht ein totales Verbot von künstlicher Intelligenz unwahrscheinlich. Das bedeutet, dass die Technologie weiter voranschreiten wird.

Wir leben in einer Ära, in der “außerhalb der Box” denken gefördert wird, sowohl im Westen als auch in Asien, und die Beispiele von Elon Musk und Steve Jobs inspirieren weiterhin ambitionierte Projekte. Vielleicht ist also die Rechenleistung im Weltraum der nächste logische Schritt.