Google schränkt Metas Nutzung von Gemini-KI-Modellen ein und offenbart den tiefgreifenden Rechenkapazitätsmangel der Branche

Die Obergrenze und ihre unmittelbaren Folgen

Google teilte Meta eigenen Angaben zufolge um März mit, dass es die volle Gemini-KI-Kapazität, die das soziale Netzwerk kaufen wollte, nicht bereitstellen könne, so drei mit der Sache vertraute Personen gegenüber der Financial Times. Der Engpass störte und verzögerte einige interne KI-Projekte von Meta; die Einschränkung besteht weiterhin. Auch andere Google-Cloud-Kunden waren von den Rechenkapazitätsengpässen betroffen, wenn auch in geringerem Maße. Meta traf es besonders hart aufgrund seiner außergewöhnlich hohen Nachfrage nach Googles Modellen.

Metas Reaktion

Als Folge der Einschränkungen und eines breiter angelegten Bemühens, KI-Kosten zu optimieren, forderte Meta seine Mitarbeiter auf, effizienter mit KI-Token umzugehen – den Einheiten, die die Modellnutzung messen. Das Unternehmen hatte ursprünglich auf Gemini für Sicherheitsprozesse wie die Entfernung schädlicher Inhalte und die Bekämpfung von Betrug gesetzt, verlagert aber Arbeitslasten zunehmend auf Muse Spark, ein neues internes Modell, das in seiner Superintelligence Labs-Abteilung entwickelt wurde. Diese internen Schritte beschleunigten sich, nachdem Meta im Mai 8.000 Stellen gestrichen, 7.000 Mitarbeiter in KI-orientierte Rollen versetzt und für 2026 Investitionsausgaben von 115 bis 135 Milliarden US-Dollar angekündigt hatte.

Googles eigener Kampf um Kapazitäten

„Unser Cloud-Umsatz wäre höher gewesen, wenn wir die Nachfrage hätten bedienen können.“

Der Google-Cloud-Umsatz überstieg im ersten Quartal 20 Milliarden US-Dollar, aber CEO Sundar Pichai sagte, kurzfristige Rechenengpässe hätten ein noch höheres Wachstum verhindert und dazu beigetragen, dass der Auftragsbestand der Sparte sich im Quartalsvergleich fast verdoppelte auf über 460 Milliarden US-Dollar. Der Druck veranlasste Google bereits im Juni zu einem Deal über 920 Millionen US-Dollar pro Monat, um Rechenkapazität von Elon Musks SpaceX zu leasen – bezeichnet als "Brückenkapazität", um die explodierende Nachfrage nach Gemini Enterprise zu decken.

Ein breiteres Branchenmuster

Der Vorfall gewährt einen seltenen Einblick in Infrastrukturengpässe, die selbst die größten Technologieunternehmen nicht durch höhere Ausgaben überwinden können. Trotz zig Milliarden Dollar, die in Chips, Rechenzentren und Strom fließen, wächst die Nachfrage nach KI-Inferenz-Workloads schneller als das Angebot. Google, das in diesem Jahr über 180 Milliarden Dollar für Investitionsausgaben ausgibt und dennoch den Zugang für einen so großen Kunden wie Meta rationiert, während es gleichzeitig GPUs von einem Raketenunternehmen mietet, ist das deutlichste Signal dafür, dass der Ausbau der KI-Infrastruktur mit dem Verbrauch nicht Schritt gehalten hat.

Was als Nächstes kommt

Für Meta beschleunigt die Gemini-Obergrenze einen Wandel, den es ohnehin schon vollzog: weg von externen Vorzeigemodellen hin zu internen Alternativen, die kritische Arbeitslasten im großen Maßstab bewältigen können. Die gesamte Branche steht vor dem gleichen strukturellen Spannungsfeld: Umsatzwachstum und Modellbereitstellung werden beide durch physische Rechenobergrenzen begrenzt, die selbst Rekordausgaben nicht schnell genug anheben konnten.

Umsatz20

Auftragsbestand460

Umsatz

20 Mrd. $

Auftragsbestand

460 Mrd. $

Daten aus dem Artikeltext