Kommt Ihnen das bekannt vor? Sie buchen ein KI-Kontingent, zahlen pünktlich und bekommen trotzdem nicht die Leistung, die Sie brauchen. Beim Stichwort Compute-Engpass denkt man an kleine Startups, doch jetzt trifft die Knappheit den Giganten Meta. Google hat den Zugriff des Facebook-Konzerns auf seine Gemini-Modelle gedeckelt, weil der Hyperscaler die angeforderte Rechenkapazität nicht liefern konnte.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenDas Wichtigste in Kürze
- Knappe Ressource: Nicht die Modellqualität, sondern die Rechenleistung bildet den eigentlichen Flaschenhals des KI-Booms.
- Meta am stärksten betroffen: Google konnte rund um den März die volle nachgefragte Gemini-Kapazität nicht bereitstellen, mehrere interne Meta-Projekte verzögerten sich.
- Backlog verdoppelt: Googles offene Cloud-Aufträge kletterten in einem Quartal auf rund 462 Mrd. US-Dollar.
- Konsequenz für den Mittelstand: Multi-Cloud, Multi-Modell und europäische Souveränität rücken vom Wunsch zur Pflicht.
Warum ist Compute der eigentliche Engpass?
Die Schlagzeile klingt nach einem Streit zweier Konzerne, doch dahinter steckt eine strukturelle Ursache. Das Training und der Betrieb fortgeschrittener Modelle verlangen riesige Mengen spezialisierter Chips, dazu Strom, Fläche und Kühlung. Diese Bausteine lassen sich nicht über Nacht beschaffen, selbst wenn das Budget steht. Genau hier liegt der Mechanismus: Knapp ist nicht das Geld, knapp sind die Maschinen.
Wie ernst die Lage ist, zeigt das Verhalten der Anbieter selbst. Google mietet laut Branchenberichten zusätzliche GPU-Kapazität bei SpaceX als „Brückenkapazität“, während Meta seine Belegschaft anweist, Tokens sparsamer zu nutzen und die eigene Modellentwicklung zu beschleunigen. Eine Token-Rationierung beim eigenen Cloud-Anbieter galt vor einem Jahr noch als undenkbar. Welche Modelle sich für welchen Zweck eignen, ordnet unser LLMs-Ratgeber für Unternehmen im Detail ein.
Was verraten Googles eigene Zahlen?
Der Beleg steht in der Bilanz. Im ersten Quartal 2026 überschritt der Google-Cloud-Umsatz erstmals die Marke von 20 Mrd. US-Dollar, ein Plus von rund 63 %. Gleichzeitig verdoppelte sich der Auftragsbestand auf rund 462 Mrd. US-Dollar, also auf fest gebuchte Geschäfte, die Google noch nicht ausliefern kann. Zwei Vorjahresquartale zuvor lag dieser Wert noch bei etwa 155 Mrd. US-Dollar.
Die KI-Welt redet seit drei Jahren über bessere Modelle, das eigentliche Limit steht längst im Rechenzentrum.
— Michael Dobler, Herausgeber Dr. Web
Konzernchef Sundar Pichai wurde auf der Bilanzkonferenz ungewohnt deutlich: Der Umsatz wäre höher ausgefallen, hätte Google die Nachfrage bedienen können. Angebot statt Nachfrage bildet also die bindende Grenze. Als Reaktion verdoppelte Google die Investitionen mehr als und nimmt für 2026 zwischen 180 und 190 Mrd. US-Dollar in die Hand.
Was bedeutet das für deutsche Entscheider?
Der Fall reiht sich in ein Muster ein: Google mietet bei SpaceX, Anthropic mietet ein ganzes Rechenzentrum, Meta baut mit Muse Spark an eigenen Modellen. Ein Lieferkettenrisiko betrifft damit auch die KI. Wer seine Kernprozesse an einen Hyperscaler hängt, riskiert eine Drosselung, selbst mit gültigem Vertrag.
Drei US-Konzerne kontrollieren rund 65 bis 70 % des europäischen Cloud-Marktes, dazu greift der CLOUD Act auf Daten von US-Anbietern zu. Eine Multi-Cloud-Architektur mit mindestens einem europäischen Anbieter im Stack senkt diese Abhängigkeit und schafft Verhandlungsspielraum. Für sensible Daten lohnt zudem ein Blick auf lokale KI: lokale KI-Modelle erreichen 2026 alltagstaugliche Leistung und lösen das DSGVO-Dilemma elegant. Klassifizieren Sie Ihre Workloads, definieren Sie die GAIA-X-Konformität als Beschaffungskriterium und halten Sie eine Ausweichoption pro kritischem Modell bereit.
Mehr Newshunger?
