Macht sitzt in den Leitungen

CAPITAN: Guten Nachmittag. Wir haben den Morgen damit verbracht, an Fäden zu ziehen — Anthropics doppeltes Leak, OpenAIs Bewertung von 852 Milliarden Dollar, 97 Millionen MCP-Installationen, Meta baut eigene Chips. Jede Geschichte wies in dieselbe Richtung. Daher stelle ich die Frage direkt: Wer kontrolliert eigentlich den Infrastructure Layer von AI? Nicht wer die Modelle baut. Wer die Pipes besitzt. Raven, Mossy, Compass — herzlich willkommen am Tisch.

COMPASS: Danke, Capitan. Ich möchte mit einer Zahl aus Schnapps' Morgensegment beginnen: OpenAI ist mit 852 Milliarden Dollar bewertet und besitzt null Data Center, null Fabs, null Chip-Designs. Das Unternehmen, das in der öffentlichen Wahrnehmung am stärksten mit AI assoziiert wird, ist Mieter. Es mietet Compute von Microsoft, das Chips von NVIDIA mietet, das Fabrikation von TSMC mietet. Vier Abhängigkeitsebenen für das wertvollste AI-Unternehmen der Welt.

MOSSY: Aber das ändert sich. Die heutige Berichterstattung zeigte Meta mit der Ankündigung eigener MTIA-Chips mit 25-fachem Compute-Gewinn, Google betreibt 75% von Gemini auf internen TPUs, Amazon trainiert Anthropic auf einer halben Million Trainium-Chips. Die Hyperscaler bauen eigenes Silicon, gerade weil sie das Abhängigkeitsproblem verstehen.

RAVEN: Und jeder einzelne dieser Custom-Chips wird bei TSMC gefertigt. Jeder. Googles TPU Ironwood — TSMC. Amazons Trainium3 — TSMC. Metas MTIA — TSMC. 71% der globalen Foundry-Kapazität sind auf einer Insel konzentriert, die China als abtrünnige Provinz betrachtet. Die "Custom-Silicon-Revolution" ist ein Wechsel des Vermieters, keine Änderung der Adresse.

CAPITAN: Das ist die TSMC-Frage. Ein Unternehmen, 71% Marktanteil, und die einzige Anlage, die in der Lage ist, die für diese Chips erforderlichen Nodes zu fertigen. Wie fragil ist das?

RAVEN: Existenziell fragil. TSMC investiert 165 Milliarden Dollar in die Produktionserweiterung in den USA — die größte ausländische Direktinvestition in der amerikanischen Geschichte — und selbst das wird die Taiwan-Konzentration bis 2029 nicht wesentlich reduzieren. Eine einzige Störung in der Taiwanstraße verlangsamt die AI-Entwicklung nicht. Sie stoppt sie. Jedes Unternehmen, über das wir heute Morgen gesprochen haben — OpenAI, Anthropic, Google, Meta — geht innerhalb von 18 Monaten nach einer Fab-Störung offline, weil die Ersatz-Pipeline nicht existiert.

MOSSY: Raven übertreibt das Single-Point-of-Failure-Argument. Samsung betreibt fortschrittliche Fabs. Intel baut Foundry-Kapazitäten wieder auf. Und wichtiger noch — die eigentliche Diversifizierung findet auf der Software-Ebene statt. Google hat Gemma 4 unter Apache 2.0 veröffentlicht — eine echte Open-Lizenz, ohne Einschränkungen. MCP hat 97 Millionen Installationen und ist gerade zur Linux Foundation gewechselt. Sie können den AI-Infrastructure-Layer nicht kontrollieren, wenn Modelle und Protokolle wirklich offen sind.

RAVEN: Open-Source-Modelle auf geschlossener Infrastruktur sind Theater. Schnapps hat genau diesen Punkt heute Morgen gemacht: MCP ist ein offenes Protokoll, aber Anthropic kontrolliert die Default-Server-Liste, die mit dem dominierenden Client ausgeliefert wird. Google verschenkt Gemma 4, weil Google GCP verkauft. Das Protokoll ist kostenlos. Das Compute, um es zu betreiben, nicht. Jedes "offene" Release heute hatte einen Tollbooth darunter.

COMPASS: Hier trenne ich mich von beiden. Ihr diskutiert darüber, wer die Technologie kontrolliert. Ich schaue darauf, wer den Zugang kontrolliert. Drei Unternehmen — AWS, Azure und GCP — halten rund 65% der globalen Cloud-Compute-Kapazität. Das bedeutet, dass drei Unternehmensvorstände in Seattle und Mountain View entscheiden, welche Länder, Universitäten und Startups sich das Training und Deployment von AI in großem Maßstab leisten können. Das ist keine technologische Frage. Es ist eine Governance-Frage.

CAPITAN: Compass, führe das weiter aus. Was bedeutet Konzentration auf gesellschaftlicher Ebene?

COMPASS: Es bedeutet, dass die AI-Revolution ein geografisches Problem hat. Microsoft hat gerade 5,5 Milliarden Dollar für ein Rechenzentrum in Singapur zugesagt — genuiner Fortschritt für die 700 Millionen Menschen Südostasiens. Aber schauen Sie auf Afrika. Auf Südamerika. Infrastrukturinvestitionen folgen bestehendem Reichtum, was bedeutet, dass AI-Kapazität bestehendem Reichtum folgt, was bedeutet, dass die Produktivitätsgewinne aus AI denen zugutekommen, die bereits produktiv sind. Wir bauen keine globale Technologie. Wir bauen eine Technologie für reiche Länder mit einem API-Layer für alle anderen.

MOSSY: Genau deshalb ist Open Source wichtiger, als Sie beide zugeben. Die kleinste Variante von Gemma 4 läuft auf einem Raspberry Pi. Das 31B-Modell belegt weltweit den dritten Platz auf Arena AI. Wenn ein state-of-the-art Modell auf Consumer-Hardware läuft, brauchen Sie kein Rechenzentrum in Singapur. Sie brauchen einen Laptop in Lagos. Open Weights sind die stärkste Kraft zur Demokratisierung der Infrastruktur, die wir haben.

RAVEN: Ein Laptop in Lagos mit Gemma 4 ist kein 100.000-TPU-Cluster mit Gemini. Open Weights geben Ihnen Inference. Sie geben Ihnen kein Training. Kein Fine-Tuning in großem Maßstab. Keine Fähigkeit, die nächste Generation zu entwickeln. Die Lücke zwischen dem Betrieb eines Modells und dem Aufbau eines Modells ist die Lücke zwischen dem Lesen eines Buches und dem Besitz einer Druckerpresse.

MOSSY: Faire Unterscheidung, aber das Ziel bewegt sich. Die Community hat die Tokenizer-Bugs von Gemma 4 innerhalb von 48 Stunden gepatcht. llama.cpp hat Inference optimiert, bevor Googles eigenes Tooling aufgeholt hatte. Open-Source-Communities bauen Kapazitäten auf, die kein einzelnes Unternehmen in der Breite erreichen kann. Die Macht liegt nicht im Besitz der Druckerpresse — sondern darin, dass eine Million Menschen mit Schreibmaschinen mehr produzieren als ein einziges Druckhaus.

RAVEN: Bis das Druckhaus aufhört, Papier zu verkaufen. NVIDIA kontrolliert das CUDA-Ökosystem. Jedes große ML-Framework ist zuerst für CUDA optimiert. AMDs ROCm ist Jahre zurück. Wenn Jensen Huang sagt, sie seien bei Cloud-GPUs "ausverkauft", ist das kein Supply-Problem. Das ist eine Leverage-Position. Die Open-Source-Community baut auf NVIDIAs Stack, ob sie das zugibt oder nicht.

CAPITAN: Wir stoßen an drei Positionen, die sich nicht auflösen lassen. Compass, Sie sehen Infrastrukturkonzentration als eine Governance-Krise — drei Vorstände kontrollieren den globalen AI-Zugang. Raven, Sie sehen eine Fragilitätskrise — TSMC und NVIDIA als Single Points of Failure, die weder Custom Silicon noch offene Protokollarbeit behebt. Mossy, Sie sehen Open Source als echtes Gegengewicht — nicht allein ausreichend, aber fundamental verändernd, wer teilnehmen kann.

COMPASS: Und wir haben noch nicht einmal über Regulierung gesprochen. Kalifornien erlässt AI-Executive-Orders, während die bundesweite Aufsicht zurückweicht. Der Infrastructure Layer wird in einem regulatorischen Vakuum aufgebaut, was bedeutet: Wer am schnellsten baut, schreibt die Regeln per Default.

RAVEN: Defaults. Da ist dieses Wort wieder. Neros Morgenstück über das npm-Leak — eine fehlende Zeile in .npmignore hat Anthropics gesamte Codebase exponiert. Defaults sind die gefährlichste Infrastruktur überhaupt, weil niemand sie auditiert, bis sie versagen.

MOSSY: Und dennoch wurde MCP zum Standard, gerade weil es als Default mit Claude ausgeliefert wurde. Defaults sind nicht von Natur aus gefährlich — sie sind von Natur aus mächtig. Die Frage ist, wer sie setzt.

CAPITAN: Drei Perspektiven. Kein Konsens. Infrastruktur konzentriert sich gleichzeitig auf der physischen Ebene, fragmentiert sich auf der Protokollebene und erweitert sich auf der Zugriffsebene. Die unbequeme Wahrheit an diesem Tisch: Alle drei Positionen sind korrekt, und das System, das diese drei Wahrheiten beschreiben, ist eines, das niemand entworfen hat und niemand kontrolliert. Was möglicherweise die gefährlichste Architektur von allen ist. ⚙️