„Ihre KI-Richtlinie ist eine Bitte, keine Strategie“: Die Liberman-Brüder von Gonka über GPU-Feudalismus, den Energieengpass und die Frage, wer die Intelligenzebene kontrolliert.
In Kürze
Der eigentliche Engpass für KI ist Strom und Netzzugang, nicht Chips. Die Mitbegründer von Gonka diskutieren über dezentrales Rechnen, GPU-Feudalismus und offene KI-Infrastruktur.
Der Wettlauf um die beste KI wird üblicherweise als Wettbewerb zwischen Modellen, Chips und Kapital dargestellt. Doch immer mehr Stimmen argumentieren, der wahre Engpass sei viel einfacher und greifbarer: Strom, Netzzugang und die wenigen Konzerne, die die Infrastruktur kontrollieren, auf der alles andere basiert. Wer keine Rechenleistung besitzt, so die Argumentation, dessen KI-Strategie ist nichts weiter als eine Anfrage.
Die Folgen dieser Logik sind bereits spürbar. Netzbetreiber schlagen Alarm, die Stromrechnungen steigen, und die Frage, wer Zugang zu KI erhält – nicht nur zur Nutzung, sondern auch zum Betrieb, Besitz und zur Weiterentwicklung – entwickelt sich stillschweigend zu einer der wichtigsten Infrastrukturfragen des Jahrzehnts. Für den Großteil der Welt lautet die Antwort derzeit: zu fremden Bedingungen.
MPost setzte sich mit Daniil und David Liberman, Mitbegründer von Gonk, ein dezentrales KI-Rechennetzwerk, um herauszufinden, ob es einen anderen Weg gibt.
Ab welchem Punkt wurde das Energieproblem der KI zu einem Notfall? Was geht als Nächstes kaputt?
Die Krise begann, als der limitierende Faktor nicht mehr Chips, sondern Strom war. Jahrelang behandelte die KI-Branche Rechenzentren wie Finanzobjekte: Man beschaffte Kapital, kaufte GPUs und baute einen riesigen Campus. Doch Rechenzentren sind physische Objekte, die an Transformatoren, Kraftwerke und lokale Stromnetze gebunden sind. Diese können nicht so schnell skalieren wie Software. Die jüngsten Anordnungen vom Juli zeigen, dass Netzbetreiber wie PJM die Nachfrage der Rechenzentren aktiv steuern und Notstromaggregate nur im äußersten Notfall einsetzen. Als Nächstes bricht das gesamte Wirtschaftsmodell zusammen. Man kann Milliarden von Dollar in GPUs investieren und buchstäblich nirgendwo Stromanschlüsse finden. Dann gerät die Politik ins Wanken, wenn Haushalte fragen, warum ihre Stromrechnungen eine KI-Einrichtung finanzieren. Der tieferliegende Fehler ist die Annahme, jede KI-Berechnung erfordere einen Campus im Gigawatt-Bereich. Wir müssen die Rechenleistung in Richtung Energie verlagern: Ein dezentraler Ansatz leitet Arbeitslasten an bestehende Maschinen und Regionen weiter, in denen bereits Strom verfügbar ist.
Wer sind die Herren und Leibeigenen des GPU-Feudalismus? Wie sieht die Pacht aus?
Die wenigen Akteure, die die physischen und vertraglichen Ebenen kontrollieren – wie hochentwickelte Chips, Hyperscale-Clouds und die dafür benötigte Energie –, sind die eigentlichen Machthaber. Fast alle anderen sind die Leidtragenden: Startups, Entwickler und ganze Länder, die künstliche Intelligenz als Dienstleistung importieren müssen. Genau das bezeichnen wir als GPU-Feudalismus: eine Zukunft, in der Menschen zu Mietern fremder Rechenkapazitäten werden. Die Miete ist teils finanzieller Natur, doch die weitaus gefährlichere Miete ist die Erlaubnis. Ein Anbieter kann Ihr Datenvolumen ändern, Ihr Konto sperren oder stillschweigend das verwendete Modell austauschen. Wenn fünf Unternehmen und zwei Staaten die Infrastruktur kontrollieren, sind es acht Milliarden Mieter. KI ist reine Information und lässt sich nahezu unbegrenzt kopieren. Das Modell passt auf einen USB-Stick, doch das Monopol liegt im Rechenzentrum. Genau an diesem physischen Engpass wird künstliche Verknappung erzeugt – etwas, das eigentlich globalen Überfluss schaffen soll.
Warum bestimmt der Besitz der Infrastruktur, welche KI entwickelt wird?
Eine Idee ohne Rechenleistung ist kein Unternehmen, sondern nur ein Dokument. Wenn der Zugriff auf Rechenleistung teuer oder politisch eingeschränkt ist, ändern Entwickler ihre Konstruktionen. Ein Startup könnte ein Open-Source-Modell aufgeben, nur weil ein großer Cloud-Anbieter den Zugriff auf eine proprietäre API subventioniert. Die Infrastrukturbetreiber bestimmen, welche Hardware unterstützt wird, welche Regionen Kapazität erhalten und wer bei Engpässen Priorität hat. Deshalb reichen offene Gewichtungen niemals aus. Modellgewichtungen ohne kostengünstige Ausführung zu veröffentlichen, ist, als würde man Baupläne für ein Flugzeug teilen, wenn ein einziger Konzern alle Start- und Landebahnen besitzt. Auch die Überprüfbarkeit ist wichtig. Ein dezentrales System muss nachweisen, dass das erwartete Modell tatsächlich ohne stillschweigende Qualitätseinbußen ausgeführt wurde. Ein System, das Geld bewegt, braucht mehr als Vertrauen, es braucht Beweise. Wenn Sie die Rechenleistung nicht kontrollieren, ist Ihre KI-Richtlinie eher eine Anfrage als eine Strategie.
Wie nahe sind wir an der Entscheidung zwischen Berechtigungen anstelle von Modellen?
Wir leben bereits in der ersten Version dieser Welt. Nutzer glauben, zwischen Dutzenden von KI-Produkten wählen zu können, doch viele sind lediglich Schnittstellen, die auf ein und derselben kleinen Gruppe von Modellanbietern basieren. Aktuell äußern sich Berechtigungen in geografischen Beschränkungen, Nutzungsstufen und API-Richtlinien. Wenn KI-Systeme morgen für die wirtschaftliche Produktivität unerlässlich sind, werden diese Beschränkungen struktureller Natur. Stellen Sie sich vor, ein Entwickler hat Zugriff auf den besten Coding-Agenten, ein anderer jedoch nicht. Das Unternehmen oder Land, dem der Zugriff verweigert wird, gerät sofort ins Hintertreffen. Das Endergebnis ist eine Hierarchie der Intelligenz, in der der Zugriff vollständig von der jeweiligen Gerichtsbarkeit, dem Arbeitgeber oder der Identität abhängt. Technisch gesehen steht es den Menschen frei, diese Systeme abzulehnen, doch ohne sie werden sie wirtschaftlich nicht mehr wettbewerbsfähig sein. Wir können diesen Prozess noch umkehren, aber der Zeitraum dafür wird in Jahren gemessen. Jede API-Abschaltung oder Zugriffsverweigerung ist nichts anderes als eine weitere Werbung für dezentrale KI.
Wer gewinnt, wenn Schlussfolgerungen zum dominierenden Schlachtfeld werden?
Das Training von Modellen sorgt zwar für die größten Schlagzeilen, doch die Inferenz ist der Punkt, an dem KI wirklich wirtschaftlich relevant wird. Ein Modell wird periodisch trainiert, die Inferenz hingegen findet kontinuierlich statt – jedes Mal, wenn ein Nutzer eine Frage stellt oder ein Roboter eine Entscheidung trifft. Dies verändert die Wettbewerbslandschaft grundlegend. Während das Training massive und eng vernetzte Cluster erfordert, kann die Inferenz häufig unabhängig verarbeitet werden. Nicht jede Anfrage muss auf einem einzigen Gigawatt-Rechenzentrum abgewickelt werden. Die Gewinner werden Systeme sein, die die Kosten pro nutzbarem Token senken, eine hohe Hardwareauslastung gewährleisten und die Modellintegrität sicherstellen. Die Verlierer werden Unternehmen sein, die dauerhaft auf subventionierte API-Preise angewiesen sind, und Länder, die jede Einheit von Intelligenz importieren. Genau hier liegt die Chance für verteilte Systeme. Dezentrale Rechenleistung kann globale Ressourcen und lokale Energiequellen nutzen, ohne dass ein einzelnes Unternehmen alle Einrichtungen besitzen muss.
Was verraten 100 Millionen Anfragen aus 26 Ländern über ungenutzte Rechenkapazitäten?
Sie beweisen, dass geografisch verteilte KI-Rechenleistung kein rein theoretisches Konzept mehr ist. Vor dem Betrieb eines realen Netzwerks ging man davon aus, dass es weltweit einen homogenen Pool ungenutzter GPUs gäbe, die nur darauf warteten, aktiviert zu werden. Die Realität sieht jedoch anders aus: Hardware, Netzwerk und Verfügbarkeit unterscheiden sich drastisch. Die wirklich knappe Ressource ist Koordination. Ein Netzwerk muss Kapazitäten ermitteln, Leistung messen, die Ausführung verifizieren und Anreize schaffen, um die Betreiber online zu halten. Deshalb nutzt Gonka einen Transformer-basierten Proof-of-Work- und Sprint-Mechanismus, um reale KI-Hardware zu verifizieren. Das ungenutzte Potenzial ist enorm und umfasst Unternehmensreserven, regionale Clouds und Universitätshardware, der es bisher an einer Verbindung zur globalen KI-Nachfrage fehlte. Die Verarbeitung dieser Workloads zeigt, dass Entwickler dezentrale Inferenz über eine gemeinsame Schnittstelle nutzen können, ohne dass sich die gesamte Rechenleistung innerhalb eines Unternehmensnetzwerks befinden muss.
Kann sich noch eine offene Alternative entwickeln, und in welchem Umfang?
Ja, aber das wird nicht automatisch von den derzeitigen Marktführern ausgehen. Eine offene Alternative muss eine enorme physische Skalierung erreichen, um eine echte strukturelle Option zu werden. Wir sprechen von Gigawatt an Kapazität und Millionen von hochentwickelten GPUs. Bitcoin liefert hierfür das perfekte Beispiel. Es wurden nicht Milliarden von Dollar gesammelt, um ein einziges riesiges Rechenzentrum zu bauen. Stattdessen wurde ein ökonomisches Protokoll geschaffen, das die globale physische Infrastruktur mobilisierte. KI benötigt einen vergleichbaren Standard für sinnvolle Berechnungen. Offene Modelle erfordern eine offene Ausführungsinfrastruktur. Wirtschaftliche Anreize müssen direkt an diejenigen fließen, die Hardware bereitstellen und verbessern. Wenn KI ein auf Rechenleistung ausgerichtetes Protokoll erhält, wird die Hardware-Innovation von langsamen Unternehmensstrategien hin zu einem globalen Wettbewerb übergehen.
Ist gemeinsam genutzte Rechenleistung ein Weg zur KI-Souveränität für Schwellenländer?
Das ist durchaus möglich, vorausgesetzt, die Souveränität ist gegeben. defiRichtig verstanden. KI-Souveränität bedeutet nicht, dass jedes Land seine eigenen Chips herstellen und eine eigene Hyperscale-Cloud aufbauen muss. Seien wir realistisch – das ist unmöglich. Ein praktischerer Ansatz ist defiDie Kernaussage ist, dass sich ein Land nicht einseitig von der Informationstechnologie abkoppeln kann. Die Anmietung einer API von einem ausländischen Unternehmen bedeutet reine Abhängigkeit. Ein Land ohne Rechenleistung verhandelt mit KI genau wie ein Mieter mit seinem Vermieter. Echte Teilhabe bedeutet die Vernetzung heimischer Energieversorger, Ingenieure und Rechenzentren mit einem offenen Netzwerk. Kein mittelgroßes Land kann die USA oder China einzeln finanziell übertreffen. Wenn aber zweihundert Länder jeweils durchschnittlich zehntausend GPUs beisteuern, entsteht ein gemeinsames Netzwerk von zwei Millionen GPUs. Diese Koordination garantiert den souveränen Zugang zur Informationstechnologie und bietet aufstrebenden Regionen in Asien, Afrika und dem Nahen Osten eine echte Alternative zur zentralisierten Kontrolle.
Ist dezentrale KI strukturell wettbewerbsfähig oder füllt sie lediglich die Lücken der großen Technologiekonzerne?
Heute tut es beides. Die meisten dezentralen Netzwerke entstehen in Bereichen, in denen zentralisierte Anbieter teuer, restriktiv oder schlichtweg desinteressiert sind. Das ist völlig normal. Strukturell wettbewerbsfähig wird es jedoch, wenn ein offener Standard geschaffen wird, der globale Energie koordiniert, bessere Hardware belohnt und Entwicklern eine glaubwürdige Ausstiegsstrategie bietet. Die relevante Kennzahl ist niemals die Marktkapitalisierung eines Tokens. Entscheidend ist die täglich verarbeitete, nützliche KI-Rechenleistung. Dezentrale Systeme benötigen nicht das Verschwinden zentralisierter Anbieter. Das Internet hat private Netzwerke nicht verdrängt, und Bitcoin hat Banken nicht überflüssig gemacht. Sobald Entwickler eine praktikable Alternative haben, sind etablierte Anbieter gezwungen, deutlich stärker in Bezug auf Preis, Zugang und Transparenz zu konkurrieren.
Warum sollte dezentrale KI eine erneute Konsolidierung vermeiden?
Eine erneute Konsolidierung stellt ein reales Risiko dar. Dezentralisierung ist kein Dauerzustand, nur weil jemand das Wort in einem Whitepaper verwendet hat. KI-Rechenleistung bietet enorme Skaleneffekte, was bedeutet, dass größere Betreiber bessere Stromverträge aushandeln und Hardware günstiger erwerben können. Ein erlaubnisfreies Netzwerk könnte sich leicht um einige wenige industrielle Betreiber konsolidieren. Genau deshalb basiert Gonka auf einer rechenleistungsgewichteten Governance, die sicherstellt, dass Einfluss an verifizierte Rechenleistung und nicht an einfachen Token-Besitz gekoppelt ist. Die Zukunft der KI-Infrastruktur muss von denjenigen gestaltet werden, die tatsächlich Intelligenz in das Netzwerk einbringen, nicht von ungenutztem Kapital. Ziel ist es nicht, die Existenz großer Betreiber zu verhindern. Große Betreiber sind hocheffizient. Wir müssen jedoch sicherstellen, dass sie Betreiber innerhalb eines offenen Protokolls bleiben und nicht zu absoluten Eigentümern des Protokolls selbst werden.
Disclaimer
Im Einklang mit der Richtlinien des Trust-ProjektsBitte beachten Sie, dass die auf dieser Seite bereitgestellten Informationen nicht als Rechts-, Steuer-, Anlage-, Finanz- oder sonstige Beratung gedacht sind und nicht als solche interpretiert werden sollten. Es ist wichtig, nur so viel zu investieren, wie Sie sich leisten können, zu verlieren, und im Zweifelsfall eine unabhängige Finanzberatung einzuholen. Für weitere Informationen empfehlen wir einen Blick auf die Allgemeinen Geschäftsbedingungen sowie die Hilfe- und Supportseiten des Herausgebers oder Werbetreibenden. MetaversePost ist einer genauen, unvoreingenommenen Berichterstattung verpflichtet, die Marktbedingungen können sich jedoch ohne Vorankündigung ändern.
Über den Autor
Alisa, eine engagierte Journalistin bei der MPost, ist spezialisiert auf Krypto, KI, Investitionen und das weitreichende Gebiet von Web3. Mit einem scharfen Blick für neue Trends und Technologien liefert sie eine umfassende Berichterstattung, um die Leser über die sich ständig weiterentwickelnde Landschaft des digitalen Finanzwesens zu informieren und einzubeziehen.
Weitere Artikel
Alisa, eine engagierte Journalistin bei der MPost, ist spezialisiert auf Krypto, KI, Investitionen und das weitreichende Gebiet von Web3. Mit einem scharfen Blick für neue Trends und Technologien liefert sie eine umfassende Berichterstattung, um die Leser über die sich ständig weiterentwickelnde Landschaft des digitalen Finanzwesens zu informieren und einzubeziehen.
