Christina Wodtke, erfahrene Produktdesignerin und Dozentin in Stanford, hat kürzlich etwas Wesentliches auf den Punkt gebracht: „Die alten Hasen, die das frühe Web gebaut haben, programmieren mit KI, als wäre es 1995. Blockchain haben sie kurz beschnuppert und sich abgewandt. Krypto haben sie ignoriert. Bei NFTs rollten alle gemeinsam mit den Augen. Aber KI? Das ist eine andere Geschichte. Dieselben Leute, die HTML von Hand geschrieben haben, während die Einwahlmodems sangen, vibe-coden jetzt mit den Jungen.“
Das ist keine Nostalgie. Diese Leute sind Experten im Erkennen von Mustern und haben jeden Technologiezyklus seit Gopher überlebt. Wenn sie sich wieder wie begeisterte Neulinge benehmen, ist das ein Zeichen, dass sich etwas Grundlegendes verschiebt.
Sie kennen den Film schon, aber dieser hier ist anders
Der Vergleich mit der Dotcom-Zeit drängt sich auf, übersieht aber entscheidende Unterschiede. Ja, die vertrauten Symptome einer Blase sind da: überzogene Bewertungen, atemlose Berichterstattung und Risikokapitalgeber, die Geld auf alles werfen, was „KI“ im Pitch Deck stehen hat. Doch die Dynamik darunter hat sich stark verändert.
Beim Dotcom-Crash gingen Firmen wie Pets.com und Webvan spektakulär pleite und rissen Milliarden an Risikokapital mit. Was überlebte, war aber wertvoller als die gescheiterten Startups: kampferprobte Ingenieure, bewährte Software-Frameworks und hart erarbeitetes Wissen darüber, wie man skalierbare Webanwendungen baut. Die Infrastruktur, die zurückblieb, war nicht physisch. Sie bestand aus menschlicher und technischer Expertise.
Die heutige KI-Blase hat ähnliche Merkmale, aber eine andere Ökonomie. Ja, wieder jagen überfinanzierte Startups fragwürdigen Geschäftsmodellen nach. Die Infrastruktur, die dabei entsteht (Open-Source-Modelle, Trainings-Frameworks, Inferenz-Engines und physische Anlagen wie Rechenzentren), ist aber sofort nutzbar und wird laufend besser. Jedes neue Rechenzentrum geht mit voller Auslastung ans Netz. Unternehmen berichten von anhaltenden Kapazitätsengpässen, nicht von Überangebot. Laut einer Studie von McKinsey wollen 92 % der Organisationen ihre KI-Investitionen in den nächsten drei Jahren erhöhen, während der Einsatz noch in den Kinderschuhen steckt: Nur 1 % der Führungskräfte bezeichnet das eigene Unternehmen bei der KI-Einführung als „ausgereift“.
Die Regierung hat diese strategische Bedeutung erkannt. Der AI Action Plan der Trump-Regierung nennt „Building American AI Infrastructure“ als zentrale nationale Priorität, mit über 90 politischen Maßnahmen, die Genehmigungen für Rechenzentren beschleunigen und die Kapazität der Stromnetze modernisieren sollen. Das ist keine Politik aus dem Hype heraus. Sie erkennt an, dass Recheninfrastruktur so wichtig geworden ist wie Autobahnen und Stromnetze.
Was die Veteranen erkennen
Wodtke beschreibt Programmierer der Generation X, die „mit den Jungen vibe-coden“, doch ihre Begeisterung kommt aus hart erarbeiteter Erfahrung. Sie kennen den Unterschied zwischen einem Plattformwechsel und einem Feature-Release. Sie haben genug Goldräusche miterlebt, um Katzengold vom Echten zu unterscheiden.
Was sie sehen, ist nicht die AGI gleich um die Ecke, sondern eine dauerhafte Erweiterung der Rechenfähigkeit. Der Stack, mit dem sie heute experimentieren (große Sprachmodelle, Vektordatenbanken, Agenten-Frameworks und immer leistungsfähigere lokale Hardware), ist ein neues rechnerisches Substrat. Natürliche Sprache wird zur Programmierschnittstelle. Probabilistisches Schließen steht neben deterministischer Logik im Standardwerkzeugkasten.
Das ist kein weiteres App-Ökosystem. Es ist ein Wandel auf Infrastrukturebene, vergleichbar mit dem Schritt vom Mainframe zum vernetzten Rechnen oder vom Desktop zu Mobile-First-Architekturen.
Die Risiken sind real, aber andere
Die KI-Blase wird vermutlich platzen. Der Ökonom Torsten Sløk warnt, dass die heutigen Tech-Giganten stärker überbewertet sind als ihre Vorgänger aus der Dotcom-Zeit. Wenn die Realität den Erwartungen nicht gerecht wird, werden die Märkte heftig korrigieren. Anders als im Jahr 2000 wird diese Korrektur aber die Infrastruktur darunter nicht beseitigen.
Die Rechenkapazität, die heute entsteht, übersteht Marktabschwünge, weil sie sofort nutzbar ist und ständig ausgelastet wird. Die Modelle werden weiter besser. Die Hardware wird weiter effizienter. Die Integrationsmuster werden zur gängigen Praxis.
Das größere Risiko ist nicht das Platzen der Blase, sondern das vorschnelle Aufgeben. Gartner prognostiziert, dass 30 % der KI-Projekte in Unternehmen nach dem Proof of Concept aufgegeben werden, und zwar wegen schlechter Umsetzung, nicht wegen grundsätzlicher Grenzen. Organisationen ziehen sich womöglich genau dann aus KI-Initiativen zurück, wenn die Infrastruktur robust genug wird, um verlässlich Nutzen zu liefern.
Vergessen Sie den Lärm, schauen Sie auf die, die bauen
Die Debatten über den Zeitplan der AGI sind weitgehend belanglos. Ob allgemeine künstliche Intelligenz 2027 oder 2037 kommt, ändert nichts an der unmittelbaren Realität: Eine neue Recheninfrastruktur entsteht in beispiellosem Umfang und Tempo.
Die Veteranen, die auf dieser Infrastruktur bauen, verstehen etwas, das den atemlosen Schlagzeilen entgeht. Sie wetten nicht auf ein KI-Bewusstsein oder die technologische Singularität. Sie erkennen, dass die Werkzeuge für die Verarbeitung natürlicher Sprache, Mustererkennung und automatisiertes Schließen so grundlegend werden wie Datenbanken und Webserver.
Wenn der Hype-Zyklus seinen Höhepunkt erreicht und abstürzt, wenn die Bewertungen korrigiert werden und sich die Startup-Friedhöfe füllen, bleibt die Infrastruktur. Die Veteranen werden weiter darauf bauen und Produkte ausliefern, die noch vor wenigen Jahren unmöglich schienen.
Wie beim letzten Mal werden, wenn sich der Staub gelegt hat, diejenigen, die weitergebaut haben, bestimmen, was als Nächstes kommt. Der Unterschied: Diesmal bauen sie auf einem rechnerischen Fundament, das sofort produktiv, strategisch entscheidend und wirtschaftlich tragfähig ist.
Die Zukunft heißt nicht AGI. Sie heißt Intelligenz, die so tief in unserer Recheninfrastruktur steckt, dass wir bei ihr nicht mehr an künstliche Intelligenz denken, sondern schlicht ans Rechnen.
Aus dem Englischen übersetzt: zum Originalbeitrag