Du kaufst einen superschlanken Rennwagen. Nur ein bestimmter Mechaniker macht ihn schnell. Er kennt jede Schraube, jedes Zucken des Motors. Als Kreditsicherheit zählt jedoch nur der Marktwert des Fahrzeugs – ohne den Menschen. GPU-Clustern geht es genauso. Milliarden Kredite werden besichert durch Hardware, deren Wert bei Zahlungsunfähigkeit schlagartig zerfallen kann. Das Betriebswissen steht nicht auf dem Papier.
Der Kredit-Deal zwischen xAI und Apollo Global Management ist ein Beispiel. Morgan Stanley stellte im Juni 2025 ein Schuldenpaket über fünf Milliarden Dollar bereit. Die Gläubiger – Apollo und Diameter Capital Partners – können bei Zahlungsverzug den gesamten Colossus-Cluster übernehmen. Das sind 200.000 GPUs in Memphis, die dann an andere KI-Firmen vermietet werden. Das erscheint solide. Doch was bekommt Apollo wirklich? Ein Gebäude hat einen festen Wert. Ein GPU-Cluster nicht. Sein Wert hängt von Konfiguration, aktuellem Betrieb und vor allem vom Team ab, das seine Tücken kennt. Das alles steht in keiner Bilanz – es existiert nur in den Köpfen der Mannschaft.
Das KI-Infrastruktur-Boom hat ein Problem. Dutzende Milliarden Dollar Schulden sind besichert durch Chips, deren Wert von betrieblichen Zuständen abhängt, die für Preisfestsetzer unsichtbar sind. Der Autor des Originalartikels nennt dies ein zentrales ungelöstes Problem. Konkret:
Moderne Datenzentren sind Dauerbaustellen. GPUs fallen mit einer jährlichen Rate von etwa 9 Prozent aus. Das wirkt harmlos, aber auf 200.000 GPUs gibt es etwa 50 Ausfälle täglich. Meta dokumentierte bei seinem Llama-3-Training auf 16.384 H100-GPUs über 54 Tage hinweg 419 unvorhergesehene Störungen – 148 reine GPU-Fehler, 72 HBM3-Speicherfehler. Bei den von xAI geplanten einer Million GPUs prognostiziert Epoch AI etwa alle drei Minuten einen Fehler. Das ist der Normalzustand. Die teuren Fehler sind die leisen: Stille Datenkorruption, bei der eine defekte GPU falsche Ergebnisse liefert ohne abzustürzen. Ein mehrtägiges Training läuft scheinbar normal durch, aber die Modellgewichte sind unbemerkt vergiftet. Kaskadenausfälle: Eine einzige kaputte GPU legt einen Trainingsprozess lahm, der auf Tausenden läuft – Tage Rechenzeit verbrannt. Hinzu kommen thermische Drosselung, ECC-Speicherfehler, NVLink-Störungen, GPUs, die vom Bus fallen. NVIDIA hat NVSentinel gebaut, weil herkömmliche Überwachung diese Probleme zwar erkennt, aber kaum behebt. Crusoe hat AutoClusters entwickelt, weil die Wartezeit auf freie Ressourcen die größte steuerbare Variable für den Gesamtdurchsatz ist. Ohne solche Tools dauern Reparaturen Stunden bis Tage.
Ein Betriebsteam hält all dies stabil. Sie wissen, welche Racks im Sommer heiß laufen, welche Kühlkreisläufe seit dem letzten Firmware-Update zicken, welche Jobs sie umleiten müssen, wenn ein Knoten langsam wird, aber noch nicht ausgefallen ist. Kein Teil dieses Wissens ist niedergeschrieben. Es lebt im Team. Dieses Team ist die eigentliche Sicherheit für Milliarden Schulden.
Die Finanzierungsstruktur hinter diesen Deals zeigt das Risiko. In den letzten 18 Monaten hat sich die Finanzierung von KI-Infrastruktur von Unternehmensschulden hin zu chip-besicherten Darlehen gewandelt. Das xAI Colossus 2 SPV ist das klarste Beispiel: etwa 7,5 Milliarden Eigenkapital, davon bis zu 2 Milliarden von NVIDIA selbst, plus 12,5 Milliarden Fremdkapital. Die Zweckgesellschaft kauft NVIDIA-GPUs und least sie an xAI für fünf Jahre. Apollo und Diameter sitzen auf dem Schulden-Tranche, Valor Equity Partners führt das Eigenkapital. Die Schulden sind durch die Chips besichert – nicht durch die Bilanz von xAI. Der Preis dieses Kredits: bis zu 12,5 Prozent Zins. CoreWeaves GPU-besicherte Deals lagen bei etwa 8,5 Prozent über dem Referenzzins. Kreditgeber verlangen den Preis, den sie für das Risiko halten. Der Zinsaufschlag ist der Preis für die Ungewissheit.
Die Bandbreite der Schätzungen ist groß. Im Vergleich zu anderen Anlageklassen: Flugzeuge haben ISTAT-zertifizierte Gutachter, ein globales Register, standardisierte Wartungsprot
Quelle: ciphertalk.substack.com
