Am 16. September 2026 bewerteten Branchenvertreter die Debatte über ein langsameres Tempo bei Frontier-KI als kaum relevant für die unmittelbare Rechenzentren-Nachfrage. John Andril von Avison Young sagte, er sehe derzeit keinen Nachfrageeffekt. Der Grund: Rechenzentren werden nicht nur für das Training großer Modelle gebaut, sondern auch für Cloud-Dienste, Unternehmensanwendungen, KI-Inferenz und bereits langfristig gebundene Projekte.
Auslöser der Debatte war Dario Amodeis Forderung vom 12. September 2026, das Tempo bei der Verbesserung der Fähigkeiten von Frontier-Modellen zu reduzieren. Sam Altman und Elon Musk unterstützten die Richtung; Demis Hassabis bezeichnete sie als derzeit richtig. Eine vollständige Einstellung der Entwicklung war damit nicht verbunden.
Warum eine Trainingsbremse den Ausbau nicht automatisch stoppt
Frontier-Modelle sind die leistungsfähigsten Systeme an der Spitze der KI-Entwicklung. Ihr Training benötigt enorme Rechenleistung, stellt aber nur einen Teil des Geschäfts von Rechenzentrumsbetreibern dar.
Anthony Wanger von Regnaw Capital ordnete die Forderung als eine Frage des Tempos ein: Anthropic und OpenAI wollten die Modellentwicklung demnach nicht beenden. Auch Andrew Power, CEO von Digital Realty, verwies am 15. September 2026 auf die Nachfrage durch Cloud-Computing und digitale Transformation, die nicht unmittelbar mit KI verbunden ist.
Damit hängt die Wirkung einer möglichen Trainingsbremse stark davon ab, welche Kapazitäten ein Betreiber bereitstellt und welche Kunden sie nutzen. Ein Rechenzentrum, das mehrere Workloads bedient, wäre weniger direkt vom Frontier-Training abhängig als eine Anlage, die speziell für große Trainingsläufe geplant wurde.
Der am stärksten betroffene Teil der Nachfrage
John Andril schätzte den Anteil des Frontier-Model Trainings an der aktuellen und erwarteten Rechenzentren-Nachfrage auf 10 bis 20 Prozent. Diese Zahl beschreibt eine Branchenexpertenschätzung für den von ihm betrachteten Markt; sie ist keine allgemeine Aufteilung sämtlicher Rechenzentren weltweit.
Der unmittelbarste Effekt einer Trainingspause würde deshalb bei Kapazitäten liegen, die speziell für solche Trainingsläufe vorgesehen sind. Eine globale freiwillige Pause gilt unter Branchenvertretern zugleich als schwer koordinierbar, weil konkurrierende Unternehmen gleichzeitig mitmachen müssten. Auch chinesische Unternehmen und die chinesische Regierung müssten sich einer solchen Selbstbeschränkung anschließen.
| Nachfragesegment | Verhältnis zu einer möglichen Trainingsbremse | Praktische Folge |
| Training von Frontier-Modellen | Am direktesten betroffen; John Andril schätzt diesen Anteil auf 10 bis 20 Prozent der aktuellen und erwarteten Nachfrage. | Speziell dafür geplante Kapazitäten wären dem größten direkten Risiko ausgesetzt. |
| KI-Inferenz | Führt trainierte Modelle für Nutzer aus und benötigt verteilte Kapazität näher an den Endanwendern. | Die Nachfrage kann mit der Nutzung von KI-Anwendungen weiter steigen. |
| Cloud-Computing | Andrew Power nennt Cloud-Wachstum als wichtigen Treiber für Digital Realty. | Cloud-Kapazität bleibt ein eigenständiger Nachfragefaktor. |
| Unternehmens-Workloads | Gehören zu den tragenden Bereichen des Rechenzentrumsmarkts. | Eine Trainingsbremse würde diese Anwendungen nicht automatisch beenden. |
| Bereits finanzierte oder im Bau befindliche Kapazität | Viele Projekte sind Monate oder Jahre vor dem Betriebsstart vertraglich gebunden. | Eine kurzfristige Änderung der Modellstrategie würde den Ausbau nicht sofort umkehren. |
Inferenz hält die Nachfrage auch nach dem Training am Laufen
Training und Inferenz sind zwei unterschiedliche Rechenphasen. Beim Training lernt ein Modell aus großen Datenmengen. Bei der Inferenz liefert ein bereits trainiertes Modell Antworten oder verarbeitet Anfragen für Nutzer.
Die Inferenz verteilt sich stärker auf Standorte in der Nähe der Anwender. Wenn Unternehmen und Kunden mehr KI-Dienste einsetzen, kann dadurch zusätzliche Rechenkapazität entstehen, selbst wenn neue Frontier-Trainingsläufe langsamer wachsen. Genau diese räumlich verteilte Nutzung unterscheidet sich vom gebündelten Rechenaufwand beim Training eines Spitzenmodells.
Cloud-Dienste und klassische Unternehmens-Workloads verbreitern den Markt zusätzlich. Andrew Power verwies auf digitale Transformation ohne direkten KI-Bezug und auf das anhaltende Wachstum von Cloud-Computing. Für Betreiber mit einem gemischten Kundenportfolio ist eine Trainingsbremse daher nicht gleichbedeutend mit einem Ende der Nachfrage.
Warum ein Effekt erst mit Verzögerung sichtbar würde
Rechenzentren entstehen nicht über Nacht. Neue Kapazitäten werden häufig Monate oder Jahre vor der Inbetriebnahme zugesagt. Branchenvertreter beschrieben außerdem einen großen Rückstand bei Projekten und einen Planungshorizont von fünf bis zehn Jahren. Ein Teil der dafür benötigten Infrastruktur sei bereits finanziert oder befinde sich im Bau.
Diese zeitliche Bindung dämpft kurzfristige Ausschläge. Selbst wenn Unternehmen ihre Pläne für neue Trainingsläufe ändern, laufen Bau, Netzanschlüsse und bereits geschlossene Vereinbarungen zunächst weiter. Ein langsameres Tempo könnte den Druck auf Lieferketten und Baukapazitäten reduzieren, ohne den gesamten Ausbau unmittelbar zu stoppen.
Auch die Stromversorgung bleibt ein Engpass. Deloitte berichtet von US-amerikanischen Netzanschlussanfragen, bei denen Wartezeiten bis zu sieben Jahren auftreten können. Solche langen Vorläufe machen die Rechenzentren-Planung träge – in beide Richtungen.
Die Prognosen zeigen weiter starkes Wachstum
Goldman Sachs Research prognostiziert für 2027 weltweit rund 92 GW Rechenzentren-Nachfrage. Die zugrunde liegenden Szenarien reichen bei der Wachstumsrate von etwa 14 Prozent im ungünstigeren Fall über eine Basisrate von 17 Prozent durchschnittlichem jährlichem Wachstum zwischen 2025 und 2028 bis zu 20 Prozent im günstigeren Szenario.
Deloitte schätzt für die USA einen möglichen Anstieg des Strombedarfs von KI-Rechenzentren von 4 GW im Jahr 2024 auf 123 GW im Jahr 2035. Diese Prognose steht neben Unsicherheiten bei Netzkapazität, Lieferketten, Genehmigungen und der künftigen Nachfrage.
Die Zahlen beschreiben unterschiedliche Regionen und Zeiträume, weisen aber in dieselbe Richtung: Eine mögliche Verlangsamung beim Training von Frontier-Modellen würde auf einen Markt treffen, dessen Nachfrage aus mehreren Quellen gespeist wird. Der kurzfristige Ausbau bleibt deshalb zunächst an Cloud, Inferenz, Unternehmens-Workloads und bereits gebundene Infrastruktur gekoppelt.
