AGI: Das Nadelöhr ist die Physik

Die nächste KI-Generation entsteht nicht allein im Labor. Der Wettlauf wird in Rechenzentren, Stromnetzen und Lieferketten entschieden.

Wie Business Insider berichtet, offenbaren an die Öffentlichkeit gelangte interne Planungsdokumente von Amazon ein radikales Infrastrukturmanöver: Im ländlichen US-Bundesstaat Indiana baut der Tech-Gigant seine massive Rechenzentrum-Landschaft unter dem internen Codenamen „AGI Pivot“ im Eiltempo um. Die Pläne verdeutlichen, wie drastisch sich der Wettlauf um die Entwicklung von Artificial General Intelligence (AGI) von einer rein algorithmischen Herausforderung zu einer gigantischen Material- und Ingenieursschlacht gewandelt hat.

Der Umbau in Indiana: Amazons „AGI SuperCluster“

Laut den vertraulichen Dokumenten konsolidiert Amazon mehrere eigenständige Gebäude des Campus in Indiana zu einer einzigen, hochintegrierten Rechenarchitektur – dem „AGI SuperCluster“.

Der Standort – ursprünglich für den KI-Entwickler Anthropic gebaut (Project Rainier) –wird von Grund auf neu konzipiert. Glasfaser- und Netzwerkverbindungen sowie Speichersysteme werden so umgestaltet, dass physisch getrennte Hallen wie ein einziger gigantischer Supercomputer agieren können. Die neue AGI-Initiative soll jedoch auf separater Infrastruktur laufen und die bestehenden Rainier-Server nicht beeinträchtigen.

Die wichtigsten Eckpunkte des Leaks:

• Hardware-Upgrades auf Trainium 3: Amazon aktualisiert einige ältere Trainium-2-Systeme auf die neuere Eigenentwicklung Trainium 3.
• Akute Kapazitätserweiterung: Die Unterlagen weisen eine Dringlichkeitsanforderung („emergent request“) über die Auslieferung von mehr als 6.000 neuen Trainium-Servern aus.
• Architektonische Annex-Struktur: Um Engpässe beim Datenaustausch zu vermeiden, werden bestehende Gebäude in „Annexes“ (Anbauten) umgewandelt. Sie greifen direkt auf die zentrale Netzwerk-Hardware benachbarter Rechenzentren zu, anstatt isoliert zu arbeiten.
• Beschleunigter Zeitplan: Die Inbetriebnahme wurde um mehrere Wochen vorgezogen. Die AGI-Sparte von Amazon benötigt die massive Rechenleistung dringend, um das nächste KI-Flaggschiffmodell bereits auf der nächsten re:Invent präsentieren zu können – so der Wunsch.

Der „AGI Pivot“ folgt auf eine Phase interner Umstrukturierungen: Trotz jüngster Entlassungen in der AGI-Sparte und dem schrittweisen Ausstieg aus der bisherigen Nova-Modellreihe verdoppelt Amazon seine Einsätze bei der Modellentwicklung. Angesichts anhaltender Engpässe bei Nvidia-Grafikprozessoren setzt der Konzern konsequent auf eigenes Silizium, um den enormen Datendurchsatz für multimodales KI-Training physikalisch zu bewältigen.

Amazons Manöver in Indiana ist kein Einzelfall, sondern ein Symptom einer branchenweiten Transformation bei Big Tech. Die vier großen Hyperscaler – Amazon, Microsoft, Alphabet und Meta – haben ihre Investitionsausgaben (CapEx) für Infrastruktur massiv gesteigert. Allein für das Jahr 2026 könnten die kumulierten Investitionen der Tech-Riesen auf die Rekordmarke von 760 Milliarden US-Dollar zusteuern – der Großteil davon fließt direkt in KI-Rechenzentren, spezialisierte Prozessoren und Glasfasernetze.

Mehrere zentrale Marktsignale untermauern diesen strukturellen Wandel:

1. Die Emanzipation vom Chip-Monopol (Custom Silicon)

Um Kosten zu senken und die extremen Bandbreitenanforderungen von Frontier-Modellen zu erfüllen, bauen die Giganten ihre Abhängigkeit von Drittanbietern ab. Neben Amazons Ausbau von Trainium 3 skaliert Google seine hauseigenen purpose-built Tensor Processing Units TPUv8x ("Zebrafish") und TPUv8ax ("Sunfish"), während Microsoft seine eigenen Maia-Chips in die Rechenzentrumsflotte integriert.

2. Multi-Gigawatt-Standorte und Kernenergie

Die schiere Skalierung von AGI-Clustern stößt an die Grenzen der bestehenden Stromnetze. Der Energiebedarf verlangt nach direkter, grundlastfähiger Versorgung:

• Microsoft schloss einen historischen 20-Jahres-Vertrag mit Constellation Energy ab, um den stillgelegten Reaktor Unit 1 des Kernkraftwerks Three Mile Island für die eigene KI-Sparte exklusiv wieder in Betrieb zu nehmen.
• Google sicherte sich über eine Partnerschaft mit Kairos Power Kapazitäten aus kleinen modularen Reaktoren (SMRs), um bis zu 500 Megawatt stromintensive KI-Arbeitslasten abzudecken.
• Meta: Plant Großprojekte wie den 5-Gigawatt-Campus „Hyperion“ in Louisiana im Rahmen einer mehrjährigen Infrastruktur-Initiative im mehrstelligen Milliardenbereich.
• xAI/SpaceX: Um die Cluster für Grok (Colossus) schnell hochzufahren, setzt SpaceX xAI auf eigene Gaskraftwerke.

3. Personalien

Demis Hassabis gibt die operative Führung von Google DeepMind ab und übernimmt die Rolle des Chief Scientist von Alphabet sowie den Vorsitz von Google DeepMind. Der Schritt ist mehr als eine interne Personalrochade. Hassabis, Mitgründer von DeepMind und eine der prägendsten Figuren der modernen KI-Forschung, soll sich künftig stärker auf die langfristige AGI-Strategie, wissenschaftliche Durchbrüche und die gesellschaftliche Rahmung der Technologie konzentrieren. Damit trennt Alphabet das Tagesgeschäft rund um Gemini und Frontier-Modelle stärker von der strategischen Forschungsarchitektur – ein Signal, dass der AGI-Wettlauf nicht nur über Rechenzentren, Chips und Stromverträge entschieden wird, sondern auch über Forschungskultur, Governance und personelle Fokussierung an der Spitze.

Blick gen Osten

Auch auf der anderen Seite des Pazifiks verdichten sich die Anzeichen für einen massiven, infrastrukturgetriebenen AGI-Shift. Besonders sichtbar wird dieser Ansatz bei DeepSeek: Der Gründer Liang Wenfeng erklärte in einem bekannt gewordenen Investorengespräch, dass DeepSeek langfristige AGI-Entwicklung über Gewinnmaximierung stelle.

Getrieben von US-Exportbeschränkungen auf Hochleistungs-Chips (wie Nvidias H100 oder Blackwell-Architekturen) verfolgen chinesische Tech-Giganten und der Staat eine eigene, hochaggressive Strategie: Sie kompensieren den Effizienzrückstand einzelner Prozessoren durch massive physische Skalierung, neuartige Netzwerkarchitekturen und staatlich gelenkte Megaprojekte.

Peking hat eine mehrjährige, rund 295 Milliarden US-Dollar schwere KI-Infrastrukturstrategie ins Leben gerufen. Das erklärte Ziel ist der schrittweise Umstieg auf eine weitgehend autarke Hardwarebasis. Staatliche Vorgaben und Zertifizierungsprogramme steuern darauf hin, dass Hyperscaler wie Baidu, ByteDance, Tencent und Alibaba bei neuen Großprojekten bis zu 80 % auf heimische Beschleuniger – allen voran Huaweis Ascend-Serie – setzen.

Da einzelne chinesische Chips in Speicherbandbreite und Fertigungsprozess noch hinter der absoluten US-Spitze zurückbleiben, verlagert sich der Innovationsschwerpunkt auf das Systemdesign:

• System-Architektur statt Einzel-Chip-Krone: Mit Ansätzen wie Huaweis CloudMatrix werden Hunderte von Ascend-Prozessoren (wie dem Ascend 910C) über hochspezialisierte optische Netzwerke zu extrem eng gekoppelten Verbünden zusammengeschaltet. Diese Mega-Cluster gleichen Nachteile beim Stromverbrauch oder der Pro-Chip-Leistung durch schiere Masse und optimierten Datendurchsatz aus.
• Der Durchbruch beim Modell-Training: Lange galten heimische Chips nur für die Ausführung (Inferenz) fertiger Modelle als konkurrenzfähig. Durchbrüche heimischer Entwicklerteams – etwa das vollständige Post-Training von Großmodellen wie DeepSeek V4-Pro (1,6 Billionen Parameter) auf Huawei Ascend-910C-Clustern – belegt jedoch, dass China auch die rechenintensivsten Trainingsphasen auf eigenen Hardware-Systemen durchführen kann.
• Energievorteil durch staatliche Infrastruktursteuerung: Während US-Konzerne oft mit langwierigen Genehmigungsverfahren für Stromnetzanschlüsse kämpfen, nutzt China die direkte staatliche Durchgriffsmöglichkeit auf den Energiesektor. Im Rahmen der nationalen Initiative East Data, West Computing verlagert China energieintensive Rechenlasten aus den dicht besiedelten Küstenregionen in westliche und nordwestliche Computing-Hubs wie Ningxia, Gansu, Guizhou, Xinjiang oder die Innere Mongolei. Dort entstehen große Rechenzentrumscluster, die zunehmend mit Wind- und Solarprojekten, direkter Grünstromversorgung, Speicherlösungen und leistungsfähigeren Glasfaserverbindungen gekoppelt werden.

Fazit

Der weltweite Wettlauf um die nächste KI-Generation hat seine rein theoretische Phase endgültig hinter sich gelassen. Ob in den USA oder in Ostasien: Die Fähigkeit, Gigawatt an Energie, eigene Prozessorarchitekturen und extrem skalierte Glasfasernetze zu einer einzigen logischen Rechenmaschine zu verschmelzen, ist zum zentralen Machtfaktor im AGI-Zeitalter geworden.

Trivia am Rande

Nach Chips, Memory und Helium werden Gasturbinen zum Nadelöhr der KI-Infrastruktur: Was früher Kraftwerksausrüstung war, wird im AGI-Zeitalter zur strategischen Mangelware. Weil Hyperscaler, Versorger und Industriekunden gleichzeitig nach schnell verfügbarer, grundlastfähiger Leistung greifen, melden Hersteller wie GE Vernova, Siemens Energy und Mitsubishi Power zwar volle Auftragsbücher und reservierte Produktionsslots bis weit in die zweite Hälfte des Jahrzehnts – aber auch Lieferzeiten von mehreren Jahren.