Das Geld für künstliche Intelligenz fließt weiter, aber nicht mehr blind. Wer vorhandene Rechenleistung teilt und voll auslastet, hat gerade das stärkste Argument für den nächsten Ausbau.
Diese Woche hat mich an etwas erinnert, das ich aus der Beratung gut kenne: Geld ist selten das eigentliche Problem. Vertrauen ist es.
Am Freitag berichteten Financial Times und Wall Street Journal, dass OpenAI das Ziel seiner neuen Finanzierungsrunde von 30 auf 20 Milliarden Dollar gesenkt hat. Gesichert seien bisher 11 Milliarden, einige große Geldgeber hielten sich zurück (TechCrunch, 31.10.2026). Fast zur selben Zeit meldete die Initiative Data Center Watch, dass in den USA Rechenzentrumsprojekte für fast 200 Milliarden Dollar wegen Widerstands vor Ort verzögert oder gestoppt sind (TechCrunch, 31.10.2026).
Das heißt nicht, dass der Ausbau endet. Es heißt, dass die Fragen schärfer werden. Wer baut, muss zeigen, dass die Anlage gebraucht wird. Und dass die Nachbarn sie mittragen.
Was mich wundert: Bei uns reden wir fast nur über Neubau. Über Gigawatt, Gigafabriken, neue Flächen. Kaum jemand fragt, wie voll die Rechner sind, die schon laufen.
Ein Beispiel, das wenig Aufmerksamkeit bekommen hat: Baden-Württemberg, Bayern und Nordrhein-Westfalen haben im Oktober das Projekt COSAI gestartet. Hochschulen der drei Länder nutzen ihre KI-Infrastruktur gemeinsam. Eine Anfrage wird in Sekundenbruchteilen dorthin geleitet, wo ein passendes Modell läuft, Rechenkapazität frei ist und die Daten angemessen geschützt verarbeitet werden. Aus Baden-Württemberg sind das KIT und die Universität Tübingen dabei, aus Bayern das Leibniz-Rechenzentrum und das Rechenzentrum der Universität Erlangen-Nürnberg. Die drei Wissenschaftsministerien geben dafür über drei Jahre zusammen knapp drei Millionen Euro aus (Wissenschaftsministerium Baden-Württemberg, 05.10.2026).
Drei Millionen. Neben den Summen aus den USA ist das fast nichts. Genau das finde ich bemerkenswert. Um mehr aus vorhandener Rechenleistung herauszuholen, braucht es keine neue Halle. Es braucht Absprache.
Ich sehe darin mehr als ein Hochschulprojekt. Wer seine Anlagen über Ländergrenzen hinweg teilt, weiß irgendwann sehr genau, wann sie voll sind. Und eine belegte Auslastung, die zeigt, dass es eng wird, überzeugt einen vorsichtigen Geldgeber mehr als jede Bedarfsprognose.
Dazu kommt das Tempo. Mit Superintelligenz ist eine KI gemeint, die dem Menschen in nahezu allen geistigen Aufgaben überlegen ist, und ein wichtiger Treiber auf dem Weg dorthin ist, dass KI bereits hilft, die nächste KI zu bauen. Jede Generation verlangt mehr Rechenleistung, und zwar schneller, als neue Rechenzentren geplant, genehmigt und gebaut werden können. Gut genutzte Kapazität ersetzt den Ausbau nicht. Sie ist die Brücke dorthin.
Deutschland beginnt dabei nicht bei null. Es gibt das Höchstleistungsrechenzentrum Stuttgart, das Jülich Supercomputing Centre, das Leibniz-Rechenzentrum in Garching, KI-Rechenzentren an vielen Hochschulen und einen Mittelstand, der an manchen Standorten Fläche und Netzanschluss schon besitzt. COSAI zeigt, dass Länder hier zusammenarbeiten können, ohne auf das nächste große Programm zu warten.
Mich beschäftigt deshalb eine einfache Frage: Wie voll sind unsere Rechner heute, und ab wann reichen sie nicht mehr? Wer diese Zahl kennt und offenlegt, hat das beste Argument für den nächsten Ausbau in der Hand. Das gilt für Hochschulen genauso wie für Unternehmen, die Rechenleistung brauchen.
Erst auslasten, dann ausbauen. Das klingt bescheiden. Ich glaube, im Moment ist es der schnellste Weg.
Quellen: TechCrunch, OpenAI senkt laut Berichten das Ziel seiner Finanzierungsrunde (OpenAI reportedly lowers funding target for new round), 31.10.2026 · TechCrunch, Rechenzentren werden in den USA zum Wahlthema (Data centers are now a midterm issue, even in Brooklyn), 31.10.2026 · Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg, Drei Länder stärken technologische Souveränität bei KI, 05.10.2026
Bild: Deutschland Compute 2035 / eigene Gestaltung – Wochenbild „Stuttgart im KI-Modus“