Die Infrastruktur: von Giga-Rechenzentren bis zum Silizium in Ihrer Hosentasche

Wenn von KI die Rede ist, denken wir oft an etwas Abstraktes, an eine Art « magische Wolke », die im Netz schwebt und unsere Fragen beantwortet. In Wirklichkeit ist KI von brutaler Materialität. Sie besteht aus Stahl, Beton, Kupfer, hochreinem Silizium, Megawatt an Strom und Millionen Litern Wasser.

In diesem Kapitel steigen wir hinab in den Keller der KI: dorthin, wo Physik, Geopolitik und Recht aufeinanderprallen.

Das Paradox der Cloud-Anbieter: Geografie schafft kein Recht

Wenn Sie Ihre Daten speichern oder Ihre Modelle bei einem der großen Cloud-Anbieter laufen lassen, lautet die erste Frage Ihres Sicherheitsverantwortlichen meist: « Wo stehen die Server? » Wenn die Antwort « In Paris oder Frankfurt! » lautet, denken Sie vermutlich: « Gut, das ist in Europa, meine Daten sind durch die DSGVO geschützt. »

Und genau hier liegt die Falle.

Man nennt das das Paradox der digitalen Souveränität: Der physische Standort eines Servers genügt nicht, um Ihre Daten zu schützen, denn die Nationalität des Unternehmens, dem das Rechenzentrum gehört, setzt sich über die Geografie hinweg.

• ▸Wenn Sie AWS (Amazon), Azure (Microsoft) oder Google Cloud nutzen, sind diese Unternehmen amerikanisch — auch wenn Ihr physischer Server in Marseille oder Paris steht.
• ▸Sie unterliegen damit den extraterritorialen Gesetzen der Vereinigten Staaten, insbesondere dem CLOUD Act und Section 702 des FISA.
• ▸Im Klartext: Die Anordnung eines amerikanischen Richters oder eines Nachrichtendienstes kann Microsoft oder Amazon theoretisch zwingen, Zugriff auf die auf ihren Servern gehosteten Daten zu gewähren — ganz gleich, ob der Server in Frankreich steht.

Deshalb tobt der Kampf um die « souveränen Clouds ». Auf der einen Seite garantieren französische und europäische Anbieter (Scaleway, OVHcloud, Outscale, Hetzner) vollständigen Rechtsschutz gegenüber amerikanischem Recht, kämpfen aber darum, die nötige Rechenleistung bereitzustellen. Auf der anderen Seite investieren die amerikanischen Giganten Milliarden, um den Markt mit « souveränen » oder « vertrauenswürdigen » Angeboten zu beruhigen.

Die monströsen Kosten eines KI-Rechenzentrums

Ein Rechenzentrum für generative KI zu bauen hat nichts mit dem Bau eines klassischen Rechenzentrums für Websites zu tun. Ein herkömmlicher Server zieht einige Kilowatt pro Rack. Eine hochmoderne GPU-Farm für KI zieht Megawatt über ein einziges Gebäude hinweg.

⚡ Energie: der Gigawatt-Krieg

Der Strombedarf ist derart kolossal geworden, dass die Internationale Energieagentur schätzt, der Verbrauch der Rechenzentren könnte sich bis 2030 verdoppeln. Um diese Rechenfabriken zu versorgen, schließen die Cloud-Giganten heute Verträge direkt mit Kernkraftwerken oder kaufen ganze Solarparks. Der Zugang zu reichlich vorhandener, stabiler und CO2-armer Energie ist zum wichtigsten Faktor geworden, der darüber entscheidet, wo ein Rechenzentrum entsteht.

Und genau deshalb ist Frankreich in dieser Frage ein durchaus ernstzunehmendes Land: Die Kernkraft liefert uns stabile, CO2-arme Energie, was uns zu einem sehr interessanten Standort für Rechenzentren macht.

Und Frankreich steht wirklich nicht schlecht da: Über 95 % unseres Stroms stammen aus CO2-armen Quellen, davon rund zwei Drittel aus Kernkraft. Das macht uns zum Nettoexporteur von Strom und hilft unseren Nachbarn, ihre eigenen Emissionen zu senken. Vergleichen wir, über denselben Zeitraum:

Zwei Dinge lassen sich aus dieser Grafik lesen. Erstens: Schweden ist noch besser als wir, allerdings bei deutlich geringerer Gesamterzeugung und vor allem stark abhängig von Wasserkraft. Zweitens, und das ist der Punkt, auf den es für ein Rechenzentrum ankommt: Deutschland und das Vereinigte Königreich haben massiv in Wind und Solar investiert, bleiben aber bei 19,9 % Kohle beziehungsweise 26,4 % Gas. Strom, der CO2-arm und regelbar ist, nachts und bei Windstille verfügbar, bleibt ein knappes Gut.

Das ist einer der Gründe, warum Mistral einen so großen Vertrag mit Microsoft über Rechenleistung unterschrieben hat. Bei Microsoft fehlte Rechenkapazität, und damit ergab sich für ein Unternehmen wie Mistral die Gelegenheit, mehr zu werden als ein Modellbauer: ein Dienstleister. Die einen werden darin einen sehr klugen strategischen Schachzug sehen, die anderen einen « Verrat » an der Souveränität, weil damit amerikanischer Einfluss auf unserem Boden wächst. Was passiert, wenn der Kunde mit Monopolstellung etwas von einem verlangt?

Die Wirklichkeit ist komplexer. Wer sonst war bereit, in Frankreich oder in Europa so viel zu investieren? Wie schlägt man die Chance aus, wenigstens teilweise die Hand auf diesem Markt zu behalten? Ich überlege, einen Artikel über diese strategischen Fragen und meine persönliche Sicht darauf zu schreiben. Erinnern Sie mich ruhig daran, wenn Sie das Thema interessiert :)

💧 Wasser: das Kühlungsproblem

Ein weiteres Problem: Diese Chips werden heiß. Sehr heiß. Klassische Luftkühlung, also die großen Lüfter, genügt für Chips hoher Dichte nicht mehr. Rechenzentren stellen massiv auf Flüssigkeitskühlung um, bei der Kühlmittel direkt an den Prozessoren zirkulieren.

Das erfordert allerdings komplexe Infrastruktur und mitunter beeindruckende Wassermengen für die Kühltürme. Die Umweltwirkung dieses Wassers zu steuern, ist für die Kommunen, die solche Zentren beherbergen, zu einem großen politischen Thema geworden.

All das treibt die Cloud-Anbieter dazu, ihre Energieeffizienz und ihre Kühlsysteme zu verbessern — etwa mit der adiabatischen Kühlung im Rechenzentrum Paris 2 von Scaleway. Manche gehen so weit, ihren Kunden Werkzeuge zur Berechnung der Umweltwirkung bereitzustellen. Denn ja, KI verbraucht viel Energie und steht derzeit im Zentrum der Aufmerksamkeit: Unternehmen brauchen so viel Monitoring und Steuerung wie möglich — für ihre Nachhaltigkeitsstrategie, aber schlicht auch für ihre Ausgaben.

Es geht eben nicht nur um Tokens ;)

Die Silizium-Steuer: wohin fließt das Geld wirklich?

Wenn ein Cloud-Anbieter Milliarden für den Bau eines KI-Rechenzentrums ausgibt: Was kostet Ihrer Meinung nach am meisten? Die Mauern? Der Strom? Das Netzwerk?

Nein. Es sind die Chips.

In einem für KI im sehr großen Maßstab optimierten Rechenzentrum kostet die Hardware (die Grafikkarten) rund doppelt so viel wie das Gebäude selbst. Für ein Campus-Projekt von 1 Gigawatt rechnen Sie mit etwa 10 Milliarden Dollar für Struktur und Infrastruktur — und 20 Milliarden Dollar allein dafür, die Racks mit Chips zu füllen.

Warum dieses Ungleichgewicht? Ganz einfach, weil der Markt von einem Quasi-Monopol beherrscht wird: NVIDIA. Das Unternehmen verkauft nicht bloß einen Chip zu Zehntausenden Dollar pro Stück, es verkauft die gesamte Architektur: die ultraschnelle Verbindung (NVLink) und die Softwareschicht (CUDA), auf der nahezu alle KI-Modelle der Welt aufsetzen.

Diese Lage hat sogar eine neue Kategorie von Akteuren hervorgebracht: die Neoclouds (CoreWeave, Nebius, Lambda). Das sind keine allgemeinen Cloud-Anbieter, sondern Spezialisten mit einer einzigen Aufgabe: Zehntausende NVIDIA-GPUs kaufen und sie stundenweise an KI-Unternehmen vermieten.

Über die Chips selbst spreche ich im nächsten Kapitel. Ein wenig Spannung hält Sie ja bei der Stange ;)

Der große Trend: hybride KI

Angesichts wahnwitziger Infrastrukturkosten, Latenzproblemen im Netz und Vertraulichkeitsfragen stellt sich eine Frage: Sind wir dazu verdammt, alles in riesigen entfernten Rechenzentren laufen zu lassen? Die Antwort lautet nein. Wir erleben eine Verlagerung hin zur lokalen KI (on-device).

Die Stunde der Small Language Models

Die Ära des « immer größer » stößt an ihre wirtschaftlichen Grenzen. Man hat gemerkt, dass es kein riesiges Modell mit 700 Milliarden Parametern in den USA braucht, um einen Tippfehler zu korrigieren oder eine berufliche E-Mail zusammenzufassen.

Dank hochoptimierter, kompakter Modelle (SLM, Small Language Models, etwa die leichten Varianten von Mistral, Llama oder Phi) und dank spezialisierter Chips in unseren Geräten (NPU, Neural Processing Units) zieht die KI direkt in unsere Smartphones und Rechner ein: Copilot+ PCs, Apple Intelligence.

Das Problem: Der Einsatz von SLM verlangt deutlich mehr Ingenieursarbeit, als einfach alles an ein großes Modell zu schicken. Deshalb ist die Praxis noch nicht sehr verbreitet.

Das hybride Modell: der richtige Kompromiss

Manche halten die Zukunft der Infrastruktur weder für 100 % Cloud noch für 100 % lokal, sondern für hybrid:

• ▸Lokal, auf Ihrem Telefon oder PC: für 80 % der alltäglichen Aufgaben (Autovervollständigung, Bildbearbeitung, Suche in eigenen Dokumenten). Das ist sofort da, kostet keine API-Gebühren, funktioniert offline, und Ihre Daten verlassen nie Ihr Gerät.
• ▸In der Cloud: für die 20 % komplexen Aufgaben, die tiefes Schlussfolgern, die Analyse von Terabytes an Daten oder aufwendige Videoerzeugung verlangen.

Heute scheint der Markt tatsächlich in diese Richtung zu gehen, mit einem geringeren Anteil für das Lokale. Und ein dritter Strang gewinnt zunehmend an Bedeutung: die private Cloud / On-Premise, also das Hosting auf Servern im Unternehmen selbst, für besonders sensible Vorgänge. Genau bei solchen Themen werden Technologien wie Socle AI mehr als ein Beschleuniger: ein notwendiger Schritt, denn die gesamte KI-Infrastruktur muss dann intern aufgebaut und so verzahnt werden, dass sie Wert liefert.

Cloud-Anbieter: eine Kompetenz, die nicht nur im Mauerwerk steckt

Bisher haben wir über Mauern, Chips und Energie gesprochen. Aber Server zum Zusammenspielen zu bringen und sie mit allen zugehörigen Softwareschichten zu betreiben, ist alles andere als ein Selbstläufer. Das ist eine präzise Kompetenz, die man nicht unterschätzen sollte: Gute DevOps, diese brummigen Ingenieure in dunklen Räumen, sind in Wahrheit die, ohne die gar nichts liefe.

« Ein Rafale-Pilot macht Eindruck. Deutlich weniger, wenn seine Maschine nicht abhebt, weil niemand das Triebwerk eingebaut oder gewartet hat. »

Auch das ist die Arbeit eines Cloud-Anbieters: Werkzeuge und Dienste bereitzustellen und damit die Fähigkeit, mit diesen Hardware-Ressourcen umzugehen. Und jeder hat seine eigene Positionierung — von Outscale, dem Cloud-Anbieter von Dassault mit institutionellem Ruf, bis zu Scaleway, dem angesagten Anbieter, der bei KI-Themen schnell die Nase vorn hatte.

Kurz gefasst

Die Infrastruktur ist die physische Grenze der KI. Sie erinnert uns daran, dass ein einziger Klick auf « Generieren » eine weltweite Lieferkette auslöst: Chips, geätzt in Taiwan, verkauft von einem amerikanischen Unternehmen, eingebaut in ein wassergekühltes Rechenzentrum in Europa und gespeist von einem örtlichen Kraftwerk.

Diese Schicht zu verstehen heißt, die wahren Kosten, die wahren ökologischen Grenzen und die echten Souveränitätsfragen der künstlichen Intelligenz zu verstehen. Und da am Ende alles auf die Chips zurückkommt, schauen wir uns nun genauer an, wer sie herzustellen versteht.