Der Bericht aus der Fachpresse ist klar: Der Chef von IBM, Arvind Krishna, nennt das aktuell laufende KI-“Wettrüsten” einen nicht tragbaren Bauwahn. Große Tech-Firmen überschlugen sich zuletzt mit Ankündigungen, hundertfach Gigawatt-starke Rechenzentren zu bauen – mit Investitionen im Billionen-Dollar-Bereich.
Krishna geht mit Zahlen in die Offensive: Laut seinen Berechnungen kostet der Bau eines 1-Gigawatt-KI-Rechenzentrums rund 80 Milliarden US-Dollar. Plant ein Unternehmen 20–30 Gigawatt, summiert sich das auf 1,5 Billionen US-Dollar an Investitionen. Bei global geplanten 100 Gigawatt wären das laut ihm rund 8 Billionen Dollar. Der Haken: Hardware veraltet rasch, muss nach etwa fünf Jahren ersetzt werden.
Krishna bezweifelt, dass sich das rentiert: So hohe Investitionen würden jährliche Gewinne in Milliardenhöhe voraussetzen – und selbst für große Unternehmen sei das schwer vorstellbar. Er spricht offen über eine mögliche KI-Blase.
Worum genau es geht
Extreme Infrastruktur-Kosten
- Der Stromverbrauch und das Hardware-Setup für KI in dieser Größenordnung sind gewaltig. Moderne KI-Zentren benötigen enorme GPU-Cluster, Kühlung, Wartung – das treibt Strom- und Betriebskosten in die Höhe.
- Hardware altert schnell, besonders in einem so schnelllebigen Umfeld wie KI: Neue, schnellere Chips kommen – und machen bestehende Systeme rasch ineffizient.
Das bedeutet: Die laufenden Kosten + notwendige Technik-Refreshes erzeugen eine hohe finanzielle Belastung. Ohne signifikante Rendite ist das kaum nachhaltig.
Unrealistische Rendite-Erwartungen
Wenn ein Rechenzentrum fünf Jahre hält, müssen die Gewinne in dieser Zeit die Investitionen amortisieren – plus laufende Kosten abdecken. Laut Krishna liegen die aktuellen Erwartungen der Hyperscaler in vielen Fällen jenseits realistischer Profitprognosen.
Zudem ist unklar, wie viele der neuen KI-Dienste am Ende tatsächlich wirtschaftlich erfolgreich sein werden – gerade angesichts Konkurrenz, Effizienzproblemen und möglicherweise gesättigtem Markt.
Zweifel an AGI (Allgemeine KI)
Krishna macht deutlich, dass er die Hoffnung auf eine baldige, allumfassende künstliche Intelligenz mit dem heutigen Ansatz (große Sprachmodelle / massive Rechenzentren) für extrem optimistisch hält. Er schätzt die Wahrscheinlichkeit, mit aktueller Technik AGI zu erreichen, auf 0–1 Prozent. Für ihn sind weitere technologische Fortschritte nötig – etwa eine Verschmelzung von Wissen mit LLMs (Large Language Models).
Damit legt er sich quer zu manchen Vordenkern der Branche, die AGI für erreichbar halten, wenn Investitionen hoch genug sind.
Stimmen und Kontext aus der Branche
Andere Stimmen erkennen ähnliche Problematiken:
- Ein Kommentar im Handelsblatt sagt es klar: „KI braucht Hirn, nicht Größenwahn“ – also Innovation, nicht gigantische Rechenzentren um des Rechenzentrums Willen.
- Einige Unternehmen experimentieren bereits mit moderateren, effizienteren Ansätzen. So berichtet eine Studie von Einsparungen durch weniger aufwändige KI-Modelle – eine mögliche Alternative zum „alles-auf-eine-Karte“-Ansatz.
- Die Kritik zielt nicht auf KI an sich, sondern auf das Geschäftsmodell, das auf schnelle Skalierung und maximalen Profit ausgelegt ist. Es geht um Nachhaltigkeit – ökonomisch, ökologisch und strategisch.
Damit steht der Ansatz von IBM nicht isoliert. Es gibt erste Signale für eine Rückbesinnung auf klügere, schlankere KI-Strategien.
Warum das relevant ist – auch für KMUs, Agenturen, Kreative
Als jemand, der mit Kreativität, Struktur und Technik arbeitet, ist das Thema für mich nicht nur theoretisch. Es betrifft die Art, wie KI in Unternehmen sinnvoll eingesetzt werden kann:
- Große, teure infrastructure-lastige KI-Lösungen lohnen sich oft nur, wenn du extreme Skalierung brauchst. Für viele kleinere oder mittlere Betriebe ist das weder wirtschaftlich noch notwendig.
- Statt auf „Big Infrastructure“ zu setzen, kann es viel schlauer sein, gezielt kleinere, spezialisierte KI-Tools zu nutzen – nach Bedarf, effizient und skalierbar.
- Der Fokus sollte auf Nutzen stehen. KI darf kein Selbstzweck sein. Wenn der Nutzen nicht klar definiert ist, wird aus Innovation Verschwendung.
Für eine Agentur wie deine heißt das: Überlege genau, ob du eigene Infrastruktur willst – oder besser bestehende Tools, schlanke Lösungen und klares Ziel.
Meine Einschätzung
Ich halte die Warnung von Arvind Krishna für sehr wichtig und realistisch. Die aktuelle Euphorie um KI – viele Firmen wollen mit Gewalt mitmischen, große GPUs, Datenzentren, „wir brauchen das größtmögliche“ – hat starke Parallelen zu früheren Tech-Bubbles. Nur wenige werden am Ende wirklich profitabel sein. Der Rest könnte auf teurer Infrastruktur sitzen bleiben.
Das heißt nicht, dass KI schlecht ist. Im Gegenteil: KI kann enorme Chancen bringen – für Produktivität, Automatisierung, kreative Prozesse. Aber es muss mit Augenmaß gemacht werden. Nicht jedes Projekt braucht eine eigene Super-Cloud. Effizienz, gezielter Einsatz und wirtschaftliche Vernunft sollten Leitprinzip sein.
