Ein Rückblick auf das Big Bang AI-Festival in Berlin und auf eine KI-Debatte, die längst weitergezogen ist

Eigentlich war ein Rückblick auf das BIG BANG KI FESTIVAL in Berlin geplant. Aber reine Konferenzrückblicke sind selten besonders spannend und dafür ist seitdem schlicht zu viel passiert. In nur zwei Wochen sind so viele der dort diskutierten Themen in den Nachrichten wieder aufgetaucht, dass sie in diesem Rückblick nicht fehlen dürfen. Zwei Dinge vorweg. Das Programm war breiter als das, was ich selbst gesehen habe und ich war natürlich nicht in jedem Panel. Und ja, auch Superintelligenz war sehr präsent. Das Thema hatte in den Tagen zuvor die Schlagzeilen bestimmt und entsprechend wurde auch auf dem Festival viel darüber gesprochen: aus unterschiedlichen Perspektiven und mit durchaus unterschiedlichen Einschätzungen dazu, was davon für Unternehmen heute schon relevant ist.

Interessant fand ich allerdings, was passierte, sobald die Gespräche konkreter wurden. Dann ging es ziemlich schnell um Datenhaltung, Compliance, verfügbare Infrastruktur und Netzanschlüsse. Die große Debatte schaut weit nach vorn. Viele der Herausforderungen, die Unternehmen heute lösen müssen, liegen sehr viel näher. Die Vorträge unserer Advisory-Board-Mitglieder Dr. Philipp Rösler und Prof. Dr. Feiyu Xu habe ich mir deshalb besonders genau angesehen. Spannend fand ich, wie gut sie sich ergänzten und damit eine Klammer um viele der Diskussionen auf dem Festival bildeten. Denn ob Europa bei KI handlungsfähig bleibt, entscheidet sich auf zwei Ebenen: bei den politischen und wirtschaftlichen Rahmenbedingungen und bei der Frage, welche technologische Infrastruktur dafür tatsächlich gebraucht wird.

Philipp Rösler näherte sich dem Thema aus der ersten Perspektive, Feiyu Xu aus der zweiten. Am Ende gehört beides zusammen: Politische Ambitionen helfen wenig, wenn die nötige Infrastruktur fehlt. Und die beste Technologie bringt uns nicht weiter, wenn die Rahmenbedingungen ihre Umsetzung ausbremsen. Er formulierte das europäische Abhängigkeitsproblem sehr direkt: Man könne sich nicht in fremde Hände begeben und sich anschließend darüber beschweren, dass dort fremde Regeln gelten. Wer Datenschutz, Datengerechtigkeit und andere europäische Werte durchsetzen will, braucht deshalb auch die technologische Fähigkeit, sie abzubilden. Wie groß die Abhängigkeit inzwischen ist, zeigen die Zahlen. Europäische Cloud-Anbieter kommen zusammen auf rund 15 Prozent des europäischen Marktes. 2017 waren es noch 29 Prozent. AWS, Microsoft und Google halten inzwischen gemeinsam rund 70 Prozent. 
 

Röslers Punkt: Wenn Europa diese Abhängigkeit verringern will, müssen Politik und Wirtschaft gemeinsam handeln. Und die Größenordnung der Aufgabe ist erheblich. Die EU will ihre Rechenzentrumskapazität innerhalb von fünf bis sieben Jahren mindestens verdreifachen. Die Politik kann Genehmigungen vereinfachen, den Zugang zu Energie und Flächen verbessern und Investitionen erleichtern. Gebaut und betrieben wird ein großer Teil dieser Infrastruktur aber von Unternehmen.

Von Souveränität zu Infrastruktur

Genau an dieser Infrastrukturfrage setzte Prof. Dr. Feiyu Xu an. Sie nennt das Konzept dahinter das European Intelligence Grid. Die Idee: Im KI-Wettbewerb entscheidet nicht mehr allein, wer das beste Modell entwickelt. Entscheidend ist, ob das gesamte System funktioniert, von Chips und Energie über Rechenzentren und Daten bis zu Modellen, Agenten und Anwendungen. Denn diese Ebenen hängen voneinander ab. Das beste Modell hilft wenig, wenn die Rechenleistung fehlt oder zu teuer ist. Neue Rechenzentren allein schaffen noch keine erfolgreichen KI-Anwendungen. Und Agenten können nur zuverlässig arbeiten, wenn sie auf die richtigen Daten und Systeme zugreifen können. Der Vergleich mit einem Stromnetz macht das greifbar: Entscheidend ist nicht das stärkste einzelne Kraftwerk, sondern ob das Netz als Ganzes funktioniert und genügend Leistung dort ankommt, wo sie gebraucht wird.

Beim Thema AI kommt allerdings eine zusätzliche Herausforderung hinzu: Die Anwendungen verändern sich sehr viel schneller, als neue Infrastruktur geplant und gebaut werden kann.

Wenn Anwendungen die Infrastruktur verändern 

Wie schnell sich dadurch auch die Erwartungen an Infrastruktur verschieben können, zeigte sich nur wenige Tage nach dem Festival. Am 21. September legten AMD, Intel und Arm an der Börse deutlich zu. Auslöser war die wachsende Begeisterung für Meta Muse und die Erwartung, dass eine stärkere Verbreitung von KI-Agenten auch den Bedarf an CPUs erhöhen könnte. Warum, zeigt ein Blick auf die Anwendung selbst. Meta hatte Muse kurz zuvor als persönlichen KI-Agenten veröffentlicht. Anders als ein klassischer Chatbot reagiert Muse nicht nur auf einzelne Anfragen, sondern kann Aufgaben über mehrere Schritte hinweg erledigen, beispielsweise E-Mails bearbeiten oder Reisen buchen. Solche Agenten verändern die Anforderungen an die Infrastruktur. Statt nur eine Anfrage zu verarbeiten und eine Antwort zu erzeugen, müssen Systeme über längere Zeit arbeiten, Aufgaben koordinieren und immer wieder auf Daten, Modelle und andere Anwendungen zugreifen. Damit rücken neben GPUs auch CPUs und die übrige Infrastruktur stärker in den Fokus. Genau hier wird Feiyus Intelligence Grid greifbar. Wenn sich verändert, wie wir KI nutzen, verändert sich auch die Infrastruktur, die dafür gebraucht wird. Während ein Rechenzentrum über Jahre geplant und gebaut wird, können sich KI-Anwendungen innerhalb weniger Monate grundlegend verändern. Wer heute Infrastruktur für die nächsten Jahre plant, muss deshalb nicht nur abschätzen, wie viel Rechenleistung gebraucht wird, sondern auch welche.

Und noch eine zweite Entwicklung erhöht das Tempo: AI wird gleichzeitig immer günstiger. Anthropic hat letzte Woche Claude Opus 5.5 vorgestellt. Nach Angaben des Unternehmens kostet das Modell bei typischen Workloads rund 40 Prozent weniger als sein Vorgänger. Input- und Output-Tokens sind jeweils 20 Prozent günstiger, Cache Reads sogar 60 Prozent. Für sich genommen ist das eine Produktmeldung. Im größeren Bild passt sie aber zu einem bemerkenswerten Trend. Epoch AI hat untersucht, wie schnell die Kosten sinken, um mit KI ein bestimmtes Leistungsniveau zu erreichen. Über mehrere Benchmarks hinweg kommt die Organisation seit 2023 auf einen durchschnittlichen Rückgang von rund 47 Prozent pro Quartal. Nach ihrer Analyse ist das schneller als der historische Kostenrückgang bei Technologien wie klassischer Rechenleistung, Batterien oder DNA-Sequenzierung. Auf den ersten Blick könnte man erwarten, dass günstigere KI den Druck auf die Infrastruktur reduziert. Aber es gibt einen starken gegenläufigen Effekt: Wenn KI-Aufgaben günstiger werden, rechnen sich plötzlich Anwendungen, die vorher zu teuer waren. Aus einzelnen Anfragen werden Agenten, die über längere Zeit arbeiten. Aus Tests werden Anwendungen im Dauerbetrieb. Der Rechenaufwand für eine einzelne Aufgabe kann sinken, während gleichzeitig sehr viel mehr Aufgaben ausgeführt werden. Damit schließt sich der Kreis zu Feiyus  Intelligence Grid: Effizientere Modelle bedeuten nicht automatisch weniger Infrastruktur. Wenn KI dadurch an immer mehr Stellen eingesetzt wird, kann der Bedarf an Compute, Netzwerk, Speicher und Energie insgesamt trotzdem weiter steigen.

Vom Experiment in den Betrieb

Genau diese Bewegung war für mich auch eine der auffälligsten Veränderungen auf dem AI Big Bang Festival. Vor einem Jahr drehten sich viele Gespräche noch um Modelltraining und erste Tests. Diesmal kamen Unternehmen mit konkreten Use Cases und wollten wissen, wie sie diese zuverlässig in den Betrieb bekommen: KI-gestütztes CRM, Healthcare, Finance, Maschinenbau.Damit werden die Fragen hinter der KI wichtiger. Wo läuft die Anwendung? Wo liegen die Daten? Was kostet sie im Dauerbetrieb? Ist genügend Rechenleistung verfügbar? Und wie schnell lässt sich zusätzliche Kapazität bereitstellen? Vielleicht ist genau das mein wichtigster Eindruck aus Berlin: Über die Zukunft der KI wird viel gesprochen. Ob sie tatsächlich im Alltag der Unternehmen ankommt, entscheidet sich an sehr konkreten Dingen – Infrastruktur, Energie, Daten, Kosten und den Bedingungen, unter denen all das zusammenkommt.