Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch5. September 2025 · Q006533

Compute scaling will slow down due to increasing lead times

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht schätzt, dass unsichere Renditen und längere Bau- und Beschaffungszeiten den Ausbau der KI-Rechenleistung verlangsamen könnten: Jede weitere Verzehnfachung des Rechenbestands könne etwa ein zusätzliches Jahr Vorlaufzeit bedeuten. Das ist eine grobe Einschätzung der Autorin, keine sichere Prognose; zunächst könnten Labore Trainingsrechenleistung durch Umverteilung weiter schneller steigern.

Mittel

Der Bericht von Yafah Edelman schätzt, dass der Ausbau von KI-Rechenleistung langsamer werden könnte. Der Beitrag ist eine informelle Einschätzung der Autorin und nicht notwendigerweise die Position von Epoch AI. Als Gründe nennt er unsichere Renditen bei extrem hohen Investitionen und längere Vorlaufzeiten: Geldgeber könnten Kapazitäten schrittweise erweitern und zwischendurch die Ergebnisse abwarten. Zugleich dauern größere Vorhaben länger. Der Bericht veranschlagt für den Kauf vieler GPUs etwa ein halbes Jahr, für Rechenzentren meist ein bis zwei Jahre und für eine neue Spitzenchipfabrik vier bis fünf Jahre.

Die Autorin schätzt, dass jede weitere Verzehnfachung des Rechenbestands die Vorlaufzeit um ungefähr ein Jahr verlängert. Eine Fortschreibung des angenommenen OpenAI-Wachstums ergäbe einen Billionen-Dollar-Cluster um 2030; mit längeren Vorlaufzeiten verschiebt sich diese Modellschätzung auf etwa 2035. Zunächst könnten Labore Trainingsläufe weiter schneller skalieren, indem sie mehr ihrer Rechenkapazität dafür einsetzen. Auf längere Sicht könnten die Verzögerungen jedoch auch Experimente und KI-Fortschritt bremsen. Die Zahlen sind grobe Schätzungen; Vorlaufzeiten sind schwer abzugrenzen, manche Bauarbeiten lassen sich parallelisieren und nicht alle Engpässe sind berücksichtigt.

Ausführlich lesen

Der Bericht vertritt die Einschätzung, dass der Ausbau von Rechenleistung für KI in den kommenden Jahren langsamer werden könnte. Als Gründe nennt die Autorin Yafah Edelman hohe wirtschaftliche Unsicherheit und längere Vorlaufzeiten für immer größere Projekte. Der Beitrag sei eine persönliche, informelle Einschätzung und gebe nicht notwendigerweise die Position von Epoch AI insgesamt wieder.

Die zentrale wirtschaftliche Überlegung: Ein Ausbau um Größenordnungen würde Investitionen von Hunderten Milliarden Dollar oder mehr erfordern, während die Rendite ungewiss bleibt. Statt sofort massiv zu investieren, könnten Geldgeber die Kapazität schrittweise erhöhen, Produkte einsetzen und die Ergebnisse abwarten, bevor sie den nächsten Schritt finanzieren. So sinkt das Risiko einer Fehlinvestition, zugleich verlangsamt sich die Skalierung.

Als zweiten Mechanismus beschreibt der Bericht längere Vorlaufzeiten: Je größer die benötigte Rechenleistung, desto aufwendiger werden Beschaffung und Bau. Die Autorin ordnet den Investitionsstufen ungefähre Zeiträume zu: Cloud-GPUs zu mieten könne nahezu unmittelbar möglich sein; der Kauf großer GPU-Mengen dauere etwa ein halbes Jahr; Rechenzentren benötigten meist ein bis zwei Jahre. Für sehr große Rechenzentren samt Stromversorgung veranschlagt sie grob zwei bis drei Jahre, für deutliche Erweiterungen bestehender Chipfabriken rund zwei Jahre und für eine neue Spitzenfabrik vier bis fünf Jahre. Diese Werte sind Schätzungen und die Beispiele zeigen, dass einzelne Projekte deutlich schneller oder langsamer verlaufen können.

Aus diesen Beschränkungen leitet der Bericht als beste gegenwärtige Schätzung ab, dass jede weitere Verzehnfachung des Rechenbestands die Vorlaufzeit ungefähr um ein Jahr verlängert. Als Beispiel nennt er einen geschätzten Bestand von mehr als 15 Milliarden Dollar an OpenAI-Rechenleistung und ein jährliches Wachstum um etwa den Faktor 2,2. Eine einfache Fortschreibung ergebe demnach einen Billionen-Dollar-Cluster um 2030; unter Einbezug längerer Vorlaufzeiten verschiebe sich dies in der Modellierung auf ungefähr 2035.

Die These bezieht sich vor allem auf den gesamten Rechenbestand eines Labors, nicht unmittelbar auf einzelne Trainingsläufe. Labore könnten vorerst weiterhin Trainingsrechenleistung um etwa das Fünffache jährlich steigern, indem sie einen größeren Anteil ihres Bestands für Training einsetzen; der Beitrag hält das für weitere ein bis zwei Jahre für möglich. Langfristig könnten längere Vorlaufzeiten jedoch auch Experimente, die Suche nach algorithmischen Verbesserungen und schließlich die Skalierung des Trainings bremsen. Da der Bericht Rechenleistung als stark mit Modellfähigkeiten korreliert beschreibt, erwartet er dadurch eine Verlangsamung des KI-Fortschritts.

Die Schlussfolgerungen beruhen auf groben Vorlaufzeitschätzungen und einer Extrapolation, nicht auf einer sicheren Vorhersage. Der Bericht räumt ein, dass „Vorlaufzeit“ schwer exakt abzugrenzen ist, Bauprojekte teilweise parallelisiert werden können und weitere Engpässe – etwa die Ausbildung von Fachkräften – nicht vollständig berücksichtigt sind. Auch politische und wirtschaftliche Bedingungen könnten die Bauzeiten beeinflussen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Fassungen (kurz und mittel) geliefert; beide wurden geprüft, die Einstufung gilt für beide. Die Sammelfragen betreffen Governance und Pausenregeln, die der Bericht nicht behandelt; die Einordnung bewertet nur den Bezug zum Berichtsinhalt, unabhängig von Lunas Stufen und Anteilen.

Im Bericht, aber nicht in der Zusammenfassung

  • Konkrete Wachstumszahlen: OpenAI-Rechenbestand über 15 Mrd. $ und etwa 2,2-faches Wachstum pro Jahr
  • Der Befund, dass Lead Times vor allem den Gesamtbestand an Rechenleistung betreffen und nicht die Größe einzelner Trainingsläufe
  • Der Vorschlag, Investitionen in 10×-Schritten mit Entscheidungspunkten zu staffeln statt in einem Sprung um das Tausendfache
  • Das Beispiel von Altmans geplantem Vorhaben über 7 Billionen $ und die Skepsis von Investoren und Chipherstellern
  • Die Vorlaufzeiten je Investitionsstufe (z. B. Rechenzentrum 1–2 Jahre, neue Spitzenfab 4–5 Jahre) fehlen in der kurzen Fassung

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 39 %gleiches Oberthema, hilft nicht
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →