Montag2. November

Die Kapazitätskrise an der Cloud-Infrastruktur verschärft sich messbar. AWS-CEO Andy Jassy bestätigte, dass die AWS-Kapazität bis 2027 weitgehend ausgebucht ist — ein guter Teil von 2028 sei bereits vergeben. Jassy fügte hinzu, das Unternehmen könnte sein geplantes Kapitalbudget von rund 220 Milliarden Dollar für dieses Jahr problemlos übertreffen. Analysten warnen, dass zwischen vorab reservierten Hyperscale-Blöcken und tatsächlicher On-Demand-Verfügbarkeit zu unterscheiden ist — doch Community-Berichte von Entwicklern beschreiben reale Engpässe auch bei regulären EC2-Instanzen, nicht nur bei GPU-Kapazitäten. Ähnliche Einschränkungen werden von Nutzern bei Microsoft Azure und weiteren Anbietern gemeldet.

Die Finanzierungslogik hinter diesem Aufbau ist bemerkenswert — und riskant. Wie eine Analyse der KI-Infrastruktur-Capex-Welle zeigt, wuchs Azure im jüngsten Quartal um 48%, während Google Cloud sogar 103% zulegte — bei Kapitalausgaben von 51,4 Milliarden Dollar, die den operativen Cashflow von 42,3 Milliarden Dollar überstiegen und damit negativen freien Cashflow hinterließen. Alphabet emittierte zudem rund 29 Milliarden Dollar in Anleihen. Noch spektakulärer ist SpaceX' Vorhaben: ein bindendes Finanzierungscommitment über rund 40 Milliarden Dollar für GPU-Equipment über ein von Apollo verwaltetes Finance-Lease — für NVIDIA-Vera-Rubin-Hardware, deren Lieferung im ersten Halbjahr 2027 beginnen soll. Das Management behauptet, die Amortisationszeit liege unter einem Jahr; belegt ist diese Aussage nicht. Das strukturelle Dilemma: Kreditgeber erwarten planbare Zahlungen, während KI-Unternehmen mit unsicherer Auslastung, Hardware-Erneuerungszyklen und aggressivem Preisdruck kalkulieren.

Vor diesem Makro-Hintergrund zeigt die Open-Source-Community, wie Builder mehr aus vorhandener Hardware herausholen können — und damit praktische Antworten auf den Kapazitätsengpass liefern. Berth, ein in Go geschriebener GPU-Ressourcenmanager, koordiniert llama.cpp, ComfyUI und andere CUDA-Anwendungen auf einzelnen GPUs per Lease-System, Prioritätswarteschlange und NVIDIA CUDA-Checkpointing — ohne Cloud-Anbindung, mit integrierter Agent-Integration für Claude Code und Codex. Noch weiter geht ein Community-Experiment, das 8 parallele Coding-Agenten mit je 250K-Token-Kontext auf zwei RTX 3090s betreibt: Durch Sparse-Attention, bei der pro Schritt nur rund ein Prozent der Token aus einem RAM-basierten KV-Cache geladen werden, und Triton-Kernel erreicht der Aufbau einen Gesamtdurchsatz von 545 bis 790 Tokens pro Sekunde auf Qwen3.8-27B W4A16. Die Patches laufen auf einem vLLM-Fork und sind öffentlich verfügbar. Ergänzend veröffentlichte Nace AI Drex Max v1, ein 27B-multimodales Entscheidungsmodell, das vollständig lokal auf Apple Silicon läuft — ohne Cloud-Abhängigkeit, als Open-Source-Release.

Multi-Agent-Systeme sind indes kein Allheilmittel. Eine vielbeachtete Studie demonstrierte, dass KI-Agenten-Schwärme in Minecraft mit 50 Agenten scheitern — nicht an technischen Limits, sondern an Koordinationskosten, die ab einer bestimmten Schwarmgröße den Nutzen überwiegen. Wer glaubt, mehr Agenten lösten komplexe Aufgaben automatisch schneller, irrt. DeepSeeks neu veröffentlichter dsh-superagent adressiert dieses Problem durch einen Router-Worker-Ansatz: GitHub- und Feishu-Anfragen werden in parallele Worker-Sessions aufgeteilt. In eigenen Simulationen sank die p95-Task-Completion-Zeit von 29,5 auf 15,7 Minuten. Der MIT-lizenzierte Prototyp ist direkt integrierbar — ein konkreter Gegenvorschlag zur unkontrollierten Schwarm-Skalierung. Für Enterprise-Teams, die produktive Agenten-Pipelines betreiben, zeigt ein Praxis-Leitfaden zu sechs fortgeschrittenen Architektur-Patterns für den Context Layer Alternativen zu Standard-RAG auf, die Kontext-Qualität und Kosteneffizienz verbessern sollen.

Zwei epistemische Warnhinweise runden das Bild ab. Bei Vision-Modellen lohnt es sich, zuerst die Bildannotation zu prüfen statt Prompts zu iterieren: Modelle scheitern oft nicht am Reasoning, sondern bereits an unzureichend strukturierten Eingaben. Und grundsätzlicher: Kyle Kingsbury, zitiert von Simon Willison, stellt fest, dass LLMs das Vertrauen in Dokumentation und Software untergraben — denn die Signale, die bisher als Reifemerkmale galten, Commit-Historien, Tests, Dokumentation, lassen sich heute leichter imitieren. Für Teams, die KI-generierte Artefakte in kritische Workflows integrieren, ist das eine strukturelle Herausforderung, die über Prompt-Engineering hinausgeht.