KI-Notaus rückt Kontrolle der Rechenzentren in den Fokus

Die Debatte über einen Notaus für KI-Systeme verlagert sich von einer allgemeinen Forderung hin zu praktischen Fragen: Wer kann leistungsfähige Modelle im Ernstfall stoppen, welche Infrastruktur ist dafür nötig, und wer trägt Verantwortung, wenn Kontrolle versagt? Parallel bauen große Technologiekonzerne ihre eigene Hardware aus. Microsoft will seine Maia-Chips ab dem kommenden Jahr stärker für den Betrieb eigener KI-Angebote einsetzen. Damit wird die technische Basis von KI zu einem Teil der Sicherheits- und Regulierungsdebatte.

Microsoft setzt stärker auf eigene Chips

Microsoft hat die dritte Generation seiner Maia-Reihe angekündigt. Nach Darstellung des Konzerns soll Maia ab 2027 das zentrale Chipsystem für die Ausführung eigener KI-Dienste werden. Gemeint ist dabei vor allem die sogenannte Inferenz, also der laufende Einsatz bereits trainierter Modelle. Nicht im Mittelpunkt steht damit das Training neuer Systeme, sondern der Betrieb im Alltag.

Die FAZ berichtet, Microsoft nutze die aktuelle zweite Maia-Generation bereits für eigene Produkte wie Copilot. Auch Modelle des engen Partners OpenAI laufen demnach auf dieser Infrastruktur. Konzernchef Satya Nadella bezeichnete die neue Generation auf der Plattform X als „unsere bislang größte Wette“ auf eigene Chips.

Für die Diskussion über Abschaltmechanismen ist dieser Punkt wichtig: KI-Dienste hängen nicht nur von Software ab, sondern auch von Rechenzentren, Cloud-Plattformen, Chips und Zugriffsrechten. Ein technischer Stopp kann deshalb nicht allein im Modell selbst gedacht werden. Er betrifft ebenso die Umgebung, in der ein System betrieben wird.

Kontrolle hängt an der Infrastruktur

Ein KI-Notaus klingt nach einem einzelnen Schalter. In der Praxis geht es jedoch um eine Kette von Eingriffsmöglichkeiten. Betreiber müssten Dienste begrenzen, Modelle vom Netz nehmen, Zugänge sperren oder Rechenkapazität entziehen können. Je stärker ein Anbieter Hard- und Software selbst kontrolliert, desto klarer kann er solche Eingriffe technisch organisieren. Zugleich wächst damit die Verantwortung dieses Anbieters.

Microsofts Schritt passt in einen größeren Branchentrend. Google und Amazon entwickeln seit Jahren eigene KI-Chips und öffnen diese Infrastruktur zunehmend auch für externe Kunden. Google nutzt seine sogenannten Tensor Processing Units bereits seit 2015 und verkauft sie inzwischen direkt. Amazon setzt eigene Chips in seiner Cloud-Sparte AWS ein und bietet Kundinnen und Kunden dort Alternativen zu Nvidia-Systemen.

Damit verschiebt sich Macht in der KI-Wirtschaft. Wer Rechenleistung bereitstellt, entscheidet mit darüber, welche Modelle in welchem Umfang laufen können. Diese Rolle ist für Sicherheitsfragen zentral. Wird ein KI-System als riskant eingestuft, stellt sich nicht nur die Frage nach Software-Updates oder Nutzungsregeln, sondern auch nach Cloud-Zugang und Hardwarekapazität.

Nvidia bleibt dominierend

Trotz der eigenen Chipprogramme bleibt Nvidia der wichtigste Anbieter im Markt für KI-Beschleuniger. Die FAZ verweist auf das jüngste Geschäftsquartal, in dem Nvidia den Umsatz auf 96,2 Milliarden Dollar mehr als verdoppelte. Auch Microsoft arbeitet weiter eng mit Nvidia zusammen. Erst in der vergangenen Woche präsentierte der Konzern eine neue Laptop-Reihe mit einem Nvidia-Chipsystem.

Für die großen Cloud-Anbieter geht es dennoch um mehr Unabhängigkeit. Eigene Chips können Kosten senken, Lieferketten absichern und den Betrieb besser auf die eigenen KI-Dienste zuschneiden. Amazon-Chef Andy Jassy schrieb im Frühjahr, viele Kunden suchten nach Alternativen mit einem besseren Verhältnis von Preis und Leistung. Zugleich bleibe die Partnerschaft mit Nvidia stark.

Auch OpenAI arbeitet an eigener Hardware. Das Unternehmen stellte vor wenigen Monaten ein KI-Chipsystem vor, das gemeinsam mit Broadcom entwickelt wurde. Damit treten neben klassischen Chipfirmen wie AMD auch KI-Anbieter selbst in den Wettbewerb um die technische Grundlage ihrer Systeme ein.

Regulierung wird konkreter

Die neue Phase der Debatte betrifft deshalb nicht nur abstrakte Risiken leistungsfähiger KI. Sie führt zu konkreten Fragen nach Zuständigkeit und Haftung. Wenn ein Modell in der Cloud eines großen Anbieters läuft, ein anderer Konzern die Hardware liefert und ein dritter Dienst darauf aufsetzt, muss klar sein, wer im Störfall handeln darf und muss.

Ein Notaus ist damit weniger ein einzelnes Bauteil als ein Bündel aus Regeln, technischen Schnittstellen und Verantwortlichkeiten. Die Entwicklung eigener KI-Chips durch Microsoft, Google, Amazon und OpenAI zeigt, dass Kontrolle über KI immer stärker an Kontrolle über Infrastruktur gebunden ist. Genau dort entscheidet sich, ob Sicherheitsvorgaben im Betrieb tatsächlich durchgesetzt werden können.