Am Donnerstagmorgen (Eastern Time) gab es einzelne Fehlermeldungen. Dann weitete sich die Störung aus: ChatGPT, Claude und Grok meldeten fast gleichzeitig massive Ausfälle. Über Stunden waren zentrale KI-Dienste nicht erreichbar. Manche Nutzer konnten sich nicht einloggen, Unterhaltungen luden nicht, oder die Oberfläche gab schlicht Fehler zurück.
Drei konkurrierende Anbieter fallen nicht zufällig zur selben Zeit aus. Da steckt vermutlich eine systemische Ursache dahinter. Für Unternehmen, die ihre Abläufe zunehmend auf KI-Agenten stützen, ist das ein Alarmzeichen. Solche Ausfälle werden wiederkommen. Entscheidend ist, wie schnell die Firma reagieren kann.
Die Störung im Detail
Die Ausfälle waren breiter, als erste Meldungen vermuten ließen. OpenAI meldete ab etwa 11 Uhr ET Probleme mit ChatGPT. Betroffen waren Suche, Datei-Uploads, Agenten, GPTs, Sprachmodus, Bildgenerierung, Deep Research und die Compliance API. Auch die Codex-Dienste Web, API, CLI und VS-Code-Erweiterung waren zeitweise nicht erreichbar. Gegen 12:55 Uhr war der Fehler behoben, die Störung dauerte rund zwei Stunden.
Anthropic hatte schon ab 7:37 Uhr ET erhöhte Fehlerraten. Laut Unternehmensangaben waren mehrere Modelle betroffen, darunter Opus 5, Sonnet 5 und ältere Versionen. Erst um 11:27 Uhr gab es Entwarnung. Das sind fast vier Stunden Ausfall – deutlich mehr als die kurzen Aussetzer, die man von Cloud-Diensten kennt. Einen Tag zuvor hatte es bereits einen 27-minütigen Ausfall gegeben.
SpaceXAI meldete ab 9:30 Uhr ET Probleme mit Grok Web, Build, API, Office-Plugins, Android und X. Um 13:08 Uhr war der normale Betrieb wiederhergestellt – nach rund dreieinhalb Stunden. Auffällig ist die zeitliche Überlappung. Brian Jackson von Info-Tech Research Group vermutet eine gemeinsame Ursache auf Infrastrukturebene: einen ausgefallenen CDN-Layer, DNS-Probleme oder eine geteilte Cloud-Basis.
Agenten sind eine andere Risikoklasse
Bislang waren Ausfälle von KI-Tools für die meisten Unternehmen kaum mehr als ein Ärgernis. Ein Chatbot, der kurz nicht antwortet? Kein Beinbruch. Doch KI-Agenten übernehmen inzwischen komplexe Aufgaben automatisiert: Sie recherchieren, erstellen Berichte, analysieren Daten und stoßen Workflows an – oft ohne menschliche Kontrolle in jedem Schritt.
Carmi Levy, Technologie-Analyst und Journalist, nennt den Donnerstag einen Weckruf für IT-Leiter. Viele hätten ignoriert, was ein Ausfall dieser Plattformen kostet. Das Risiko sei nicht länger hypothetisch. Wenn ein Agent stundenlang verschwindet, steht nicht nur eine einzelne Aufgabe still. Oft hängt ein ganzes Bündel von Prozessen daran, das kaum jemand manuell nachvollziehen kann.
Das Kernproblem ist die stillschweigende Abhängigkeit. Unternehmen haben ihre Workflows umgebaut, sodass KI-Agenten Kernaufgaben übernehmen. Das klingt nach Effizienz. Fällt die KI aus, müssen Mitarbeiter auf Tabellenkalkulationen, manuelle Recherche oder mühsames Textredigieren zurückfallen. Sind sie dazu überhaupt noch in der Lage? Levy warnt, die kognitiven Fähigkeiten der Mitarbeiter seien möglicherweise nicht mehr so geschärft wie früher.
Automatisierung hat ihren Preis
Es ist bequem, einem Agenten zu sagen: „Erstelle mir die Quartalsübersicht und schicke sie ans Finanzteam.“ Der Agent sammelt Daten, generiert Diagramme und formuliert eine Zusammenfassung. Fällt er aus, merkt man plötzlich, wie wenig man über die zugrunde liegenden Prozesse weiß. Welche Datenquellen wurden verwendet? Welche Schritte waren nötig? Wie ließ sich das Ergebnis überprüfen?
Diese Blindheit macht Unternehmen verwundbar. Anders als bei klassischen Cloud-Diensten wie Google Workspace oder Microsoft 365 gibt es für agentische KI kaum Offline-Modi. Dokumente lassen sich lokal synchronisieren. Aber einen Agenten, der Entscheidungen vorbereitet, kann man nicht einfach auf dem Laptop zwischenspeichern.
Je mehr Unternehmen Menschen aus dem Kreislauf nehmen, desto schwieriger wird es, den Kreislauf im Notfall wieder zu schließen. Mitarbeiter verlieren Routine, Wissen und Sicherheit bei manuellen Prozessen. Kommt dann ein mehrstündiger Ausfall, müssen sie nicht nur die technische Störung überbrücken, sondern auch einen Kompetenzverlust, der sich über Monate aufgebaut hat.
Notfallpläne für den KI-Ausfall
Klassische Notfallplanung kennt Szenarien wie Serverausfälle, Cyberangriffe oder Naturkatastrophen. Doch wie sieht ein Plan für einen KI-Agenten aus, der nicht mehr erreichbar ist? Levy empfiehlt, Workflows detailliert zu dokumentieren und konkrete Szenarien durchzuspielen: Was passiert, wenn der Assistenzdienst vier Stunden ausfällt? Welche Aufgaben sind kritisch? Wie lassen sie sich von Hand erledigen?
Wichtig ist Training. Unternehmen müssen sicherstellen, dass Mitarbeiter manuelle Fähigkeiten nicht verlernen. Das klingt nach Rückschritt, ist aber pragmatisch. Wer manuell eine strukturierte Datensammlung erstellen kann, ist nicht von einem Agenten abhängig. Eine einfache Übung bietet sich an: Teams arbeiten regelmäßig ohne KI-Tools, etwa einen Tag pro Monat. So bleiben die Fähigkeiten erhalten.
Brian Jackson empfiehlt außerdem eine modulare Architektur für große Sprachmodelle. Die KI-Schicht sollte ein austauschbares Bauteil sein, kein monolithisches System. Fällt der bevorzugte Anbieter aus, kann ein anderer Cloud-Dienst oder ein selbst gehostetes Open-Weights-Modell einspringen. Das ist vielleicht nur eine Behelfslösung, hält aber den Betrieb aufrecht.
Kein Anbieter ist unverzichtbar
Viele Unternehmen haben sich an einen Ökosystem-Anbieter gewöhnt: ChatGPT für alles, oder Claude für alles. Dieses Single-Vendor-Prinzip rächt sich, sobald der Anbieter ausfällt. Die gleichzeitigen Störungen vom Donnerstag zeigen: Selbst mehrere Anbieter schützen nicht, wenn die Ursache in der gemeinsamen Infrastruktur liegt.
Ein tragfähiger Backup-Plan setzt auf mehreren Ebenen an. Erstens: Bestandsaufnahme, welche Workflows von KI abhängen. Zweitens: Jedes Team definiert, welche Aufgaben bei einem Ausfall kritisch sind und wie sie sich manuell oder mit klassischen Tools bewältigen lassen. Drittens: alternative KI-Modelle bereithalten – idealerweise solche, die auf eigener Infrastruktur laufen und unabhängig von den großen Cloud-Anbietern sind.
Es gibt Open-Weights-Modelle, die sich lokal betreiben lassen und für viele Standardaufgaben genügen. Sie ersetzen die großen Frontier-Modelle nicht, sind aber eine solide Notlösung. Unternehmen, die diese Option testen, finden oft heraus, dass ein gut konfiguriertes lokales Modell schneller und datenschutzfreundlicher ist. Das sind zwei handfeste Vorteile.
Was Unternehmen daraus lernen
Der Donnerstag hat gezeigt, dass die großen KI-Plattformen nicht so zuverlässig sind wie Strom aus der Steckdose. Sie sind komplexe Cloud-Dienste mit eigenen Schwachstellen. Wenn mehrere gleichzeitig versagen, wird das Risiko systemisch. Das ist kein Grund, auf KI zu verzichten. Es ist ein Grund, sie anders zu nutzen.
Es geht künftig nicht darum, die besten Prompts zu schreiben. Es geht darum, intelligente Werkzeuge einzusetzen, ohne blind von ihnen abhängig zu sein. Wer Notfallpläne aufstellt, manuelle Alternativen trainiert und modular aufgestellt ist, schützt sich vor einem Ausfall, der garantiert wiederkommt. Vielleicht nicht morgen, vielleicht nicht in dieser Form. Aber sicher dann, wenn man ihn am wenigsten erwartet.
Der nächste große KI-Ausfall wird kommen. Ob Ihr Unternehmen dann ruhig weiterarbeiten kann, hängt von den Vorbereitungen ab, die Sie jetzt treffen.
Quelle: cio.com
