Die unbequeme Realität hinter dem AI-Hype

Konstantin Kuznetsov

Software Engineer bei InputLab

Konstantin Kuznetsov ist Software Engineer bei InputLab, dem Startup hinter einer Plattform zur Generierung synthetischer Testdaten auf Basis formaler Methoden — ein Ansatz, der sich bewusst von LLM-basierten Lösungen in der Softwarequalitätssicherung unterscheidet. In der täglichen Entwicklungsarbeit nutzt er LLM-Werkzeuge für schnelles Prototyping und zur Beschleunigung von Entwicklungsabläufen. Zuvor forschte er am CISPA Helmholtz-Zentrum für Informationssicherheit an Verfahren zur automatisierten Softwareanalyse, die stark auf Machine Learning basierten, und beschäftigte sich später am DFKI im Bereich Interactive Machine Learning.

Künstliche Intelligenz entwickelt sich aktuell schneller als nahezu jede andere Technologie der vergangenen Jahre. Neue Modelle erscheinen beinahe monatlich, Investitionen erreichen Rekordhöhen und viele Unternehmen haben Angst, den Anschluss zu verlieren. Doch hinter dem weltweiten AI-Hype entstehen zunehmend Probleme, über die deutlich weniger gesprochen wird. Aus meiner Sicht basiert ein großer Teil des aktuellen AI-Marktes momentan auf massiven Verlusten. Viele globale Anbieter verbrennen enorme Summen an Investorengeldern, nur um ihre Systeme überhaupt betreiben zu können. Langfristig wird dieses Modell kaum haltbar sein. Früher oder später werden diese Unternehmen profitabel arbeiten müssen, und genau dann

wird sich zeigen, was leistungsfähige AI-Systeme tatsächlich kosten. Die Konsequenz? Entweder steigen die Preise erheblich. Oder die Qualität der Modelle wird reduziert, um Betriebskosten zu senken. Gleichzeitig wird häufig behauptet, Unternehmen könnten AI einfach lokal im eigenen Unternehmen betreiben und sich damit unabhängig von Cloud-Anbietern machen. Die Realität ist allerdings deutlich komplizierter. Leistungsfähige On-Premise-Lösungen benötigen enorme Hardware-Ressourcen. Teilweise sprechen wir von fünf bis acht NVIDIA-GPUs im Wert von jeweils rund 30.000 Euro, zusätzlich zu hohen Stromkosten, Kühlung und technischem Wartungsaufwand. Vor allem für Unternehmen entsteht dadurch ein schwieriger Spagat: Einerseits bestehen große Bedenken hinsichtlich Datenschutz, Datensicherheit und der Abhängigkeit von externen Cloud-Anbietern. Andererseits können sich viele Firmen die notwendige Infrastruktur für lokale AI-Systeme kaum leisten oder langfristig wirtschaftlich betreiben.

Ich glaube deshalb, dass die nächsten Jahre weniger von grenzenlosem Wachstum geprägt sein werden, sondern stärker von Konsolidierung und wirtschaftlicher Realität. Die entscheidende Frage wird dann nicht mehr sein, welche AI am spektakulärsten wirkt. Sondern welche Systeme überhaupt nachhaltig, sicher und wirtschaftlich betrieben werden können.