Du betreibst ein kleines KI-Startup. Du mietest GPU-Stunden in der Cloud, trainierst Modelle, bietest eine API an. Bisher war das erschwinglich. Doch plötzlich steigen die Kosten – um das Zehnfache. Das klingt nach Horror, könnte aber Realität werden. Ein Branchenbeobachter untersucht, warum Compute in den nächsten Jahren drastisch teurer werden könnte – und was das für Labs, Entwickler und Anwender bedeutet.
Die Rechnung der Labs: Umsatz explodiert, Compute hinkt hinterher
Anthropic, das KI-Labor hinter Claude, hat seinen Umsatz im Jahresvergleich verzehnfacht. Ende des Jahres erzielt das Unternehmen voraussichtlich 100 bis 150 Milliarden Dollar Umsatz. Hält der Trend an, müsste Anthropic im kommenden Jahr eine Billion Dollar einnehmen. Der Compute-Ausbau der Labore wächst nur um den Faktor drei pro Jahr. Wie kann ein Unternehmen seinen Umsatz verzehnfachen, wenn die Rechenleistung nur um das Dreifache steigt? Drei mögliche Stellschrauben: Die Margen der Labore steigen, der Preis für Compute steigt, oder die Labore verwenden einen größeren Teil ihrer Rechenleistung für die Inferenz – also für die Ausführung der Modelle, nicht für das Training.
In der Praxis sind alle drei Effekte bereits zu beobachten. Anthropics Margen für die Inferenz des Modells Fable stiegen von 40 Prozent im Jahr 2025 auf über 80 Prozent. Die Spotpreise für Compute haben sich seit Februar 2024 um mehr als 40 Prozent erhöht. Und der Anteil der Inferenz am gesamten Compute-Einsatz ist bei OpenAI von etwa einem Viertel im Jahr 2024 auf über 50 Prozent gestiegen. Allerdings wollen die Labore den dritten Effekt vermeiden. Wer den Großteil seiner Rechenleistung für Inferenz einsetzt, signalisiert, dass der Fortschritt beim Training ins Stocken geraten ist. Die Labore selbst glauben das nicht. Sie sehen die aktuelle Inferenz als Mittel, um das Geschäftsmodell zu untermauern und die nächste Trainingsrunde zu finanzieren. Also bleiben nur zwei Hebel: höhere Margen oder teurere Compute-Preise.
Margen oder Preise: Was bleibt übrig?
Die Margen der führenden Labore könnten auf über 90 Prozent klettern, wenn sie der Konkurrenz meilenweit voraus sind. Denn der Abstand zum zweitbesten Anbieter bestimmt die Marge. Wenn Anthropic oder OpenAI wirklich so viel besser sind, könnten sie Preise verlangen, die fast reiner Gewinn sind. Aber das klingt extrem. Die plausiblere Ergänzung: Compute wird teurer.
Das passiert bereits jetzt. Google mietet über SpaceX eine große Anzahl von GPUs – eine Mischung aus GB200 und GB300, insgesamt 110.000 Stück – für geschätzte 900 Millionen Dollar pro Monat. Das ist etwa das Doppelte des aktuellen Spotpreises pro Stunde für diese GPUs. Und der Spotpreis liegt bereits 40 Prozent über dem Niveau vom Februar. Die Labore können sich nicht auf Spot-Instanzen verlassen; sie brauchen Sicherheit für ihre Gewichte und Kundendaten sowie ausreichende Skalierung und Flexibilität. Der Markt für diese „Prime“-Compute-Ressourcen ist noch teurer als der Spot-Markt.
Die entscheidende Erkenntnis: Je intelligenter KI-Modelle werden, desto besser können sie die gleiche Menge an Compute monetarisieren. Wenn ein Modell die Arbeit eines vollwertigen Softwareentwicklers übernehmen könnte, müsste eine dafür ausreichende GPU – etwa eine H100 – nach aktuellen Marktpreisen für Ingenieure eigentlich 250.000 Dollar pro Jahr kosten. Das ist das Fünfzehnfache des heutigen Spotpreises. Man könnte einwenden: Wenn plötzlich zehn Millionen zusätzliche KI-Softwareentwickler verfügbar sind, sinkt der Wert eines einzelnen Entwicklers. Aber das klassische „Lump of Labor“-Argument aus der Ökonomie besagt: Hochqualifizierte Einwanderung senkt langfristig nicht die Löhne, weil sie Spezialisierung und Innovation fördert und die Nachfrage nach Arbeit steigert. Vielleicht ist der Schock diesmal so groß und schnell, dass diese Regel nicht mehr gilt. Doch folgt man der Standardökonomie, könnte der marginale Wert von Compute – und damit sein Preis – astronomisch werden.
Der Alchian-Allen-Effekt: Das Beste wird noch wertvoller
Wenn Compute teuer wird, verändert sich das Nutzungsverhalten. Der Alchian-Allen-Effekt: Wenn eine Fixkostenkomponente auf zwei Güter unterschiedlicher Qualität aufgeschlagen wird, wird das Premiumgut relativ günstiger. Ein Beispiel: Wenn der Versand für einen teuren und einen günstigen Wein gleich viel kostet, lohnt sich der teurere Wein mehr. Übertragen auf Compute: Wenn eine GPU-Stunde 20 Dollar kostet, ist es teuer und dumm, ein schwächeres, ineffizienteres Modell zu nutzen, weil es mehr Tokens verbraucht. Die Kunden zahlen lieber einen Aufpreis für das beste, effizienteste Modell, das die teure Rechenzeit optimal ausnutzt. Die führenden Labore können enorme Margen verlangen – und der Abstand zu Verfolgern wird größer. Wer kein Geld für die teuren GPUs hat, wird abgehängt.
In dieser Welt werden viele heutige KI-Anwendungen unbezahlbar. Der Grund, warum KI derzeit günstig erscheint – verglichen mit menschlicher Arbeit – ist, dass sie viele Aufgaben noch nicht auf menschlichem Niveau erledigen kann. Sobald das der Fall ist, werden GPUs nicht mehr für kurze Video-Snippets oder sinnlose Texte verschwendet. Der Autor warnt davor, diese Prognose mit der Simon-Ehrlich-Wette zu vergleichen. Damals wettete Paul Ehrlich, dass Rohstoffpreise steigen würden, während Julian Simon das Gegenteil behauptete. Simon gewann, weil menschlicher Erfindergeiz neue Wege fand, Ressourcen zu ersetzen oder effizienter zu nutzen. Der Autor hält Compute jedoch für weniger elastisch als Rohstoffe. Das Angebot an GPUs wächst nicht schnell genug, um die Nachfrage zu decken.
Warum das Angebot nicht mitzieht
Die Compute-Kapazität steigt derzeit um etwa das Dreifache pro Jahr. Das setzt sich zusammen aus 1,4-fach durch Moores Law, 1,2-fach durch neue Fabriken (limitiert durch EUV-Lithografie-Tools, mindestens bis 2030) und 1,8-fach dadurch, dass KI immer mehr der führenden Wafer-Produktion beansprucht. Doch dieser letzte Effekt stößt an eine Grenze: Schon Ende 2027 wird der KI-Anteil an den modernsten Fertigungslinien von 60 auf 86 Prozent gestiegen sein – dann bleibt kaum Raum für weiteres Wachstum. Die drei Hebel lassen sich nicht beliebig vergrößern.
Compute wird irgendwann wieder billig – wenn Roboter unendlich viele Computer aus Silizium und Kupfer bauen können. Aber für die absehbare Zukunft, in der die Rechenleistung nur um den Faktor drei pro Jahr steigt, während der Nutzen von KI um ein Vielfaches wächst, werden die Preise steigen. Dass Anthropics Umsatz sich verzehnfacht, während der Compute-Einsatz sich nur verdreifacht, deutet auf starke Skaleneffekte im Model-Geschäft hin. Einmal trainierte Fähigkeiten lassen sich auf unzählige Nutzer umlegen – anders als beim Menschen, wo jeder Mitarbeiter von neuem lernen muss. Das konzentriert Macht, aber die Logik scheint zu stimmen.
Für Anwender und Entwickler bedeutet das: Die aktuell günstigen KI-Anwendungen könnten bald unerschwinglich werden – oder wir zahlen deutlich mehr für die gleiche Leistung. Gleichzeitig werden die Modelle so gut, dass sie den Preis rechtfertigen. Es ist eine Übergangsphase, in der die Skaleneffekte der Intelligenz zu einer neuen Knappheit führen: der Knappheit an Compute für diejenigen, die nicht an der Spitze stehen. Wer heute in effiziente Modelle und starke Infrastruktur investiert, könnte morgen die Früchte ernten. Wer sich auf günstige Spot-Preise verlässt, wird möglicherweise abgehängt. Wir stehen vor einer Verknappung, die den Markt fundamental verändert – die ersten Anzeichen sind bereits sichtbar.
Quelle: dwarkesh.com
