Compute

Jeder Computer erledigt Aufgaben, indem er Rechenschritte ausführt. Compute ist das englische Wort für genau diese Rechenarbeit, und der Begriff hat sich auch im Deutschen eingebürgert. Gemeint ist die Menge an Rechenschritten, die eine Aufgabe verschlingt, und die Ausstattung, mit der man sie erledigt. Man kann Compute deshalb in zwei Richtungen lesen: als Bedarf einer Aufgabe und als Vorrat eines Unternehmens. Ein Vergleich hilft: Compute verhält sich zu einer Rechenaufgabe wie Strom zu einer Fabrik. Man kann es messen, kaufen, verbrauchen – und es kann knapp werden.

Compute als der teuerste Rohstoff der KI-Branche

Moderne KI-Systeme brauchen absurd viel Rechenarbeit. Ein großes Sprachmodell wie die Technik hinter ChatGPT lernt aus riesigen Textmengen. Dieses Lernen, das Training, läuft über Wochen auf tausenden Spezialchips gleichzeitig. Die Rechnung für ein einzelnes Spitzenmodell liegt bei mehreren hundert Millionen Dollar. Das ist der Grund, warum es nur eine Handvoll Firmen gibt, die solche Modelle überhaupt bauen können.

Deshalb ist Compute für Anleger eine der wichtigsten Kennzahlen der Branche. Wer viel davon besitzt, kann größere Modelle trainieren und mehr Kunden bedienen. Firmen berichten in ihren Quartalszahlen, wie viele Milliarden sie in Rechenzentren stecken. Der Chiphersteller Nvidia ist genau deswegen zu einem der wertvollsten Unternehmen der Welt geworden: Er verkauft die Grafikprozessoren, also die Spezialchips, auf denen dieses Rechnen stattfindet.

Knappheit spielt dabei eine große Rolle. Es gibt Wartelisten für Chips, Streit um Stromanschlüsse und politische Exportverbote für Hochleistungschips nach China. Compute ist damit nicht nur eine technische Größe, sondern ein Thema der Wirtschaftspolitik.

Wie man Rechenarbeit misst und einteilt

Rechenarbeit wird meist in Rechenoperationen gezählt. Eine gängige Einheit ist FLOP, was für eine einzelne Rechenoperation mit Kommazahlen steht. Beim Training großer Modelle kommen Zahlen mit über zwanzig Nullen zusammen. Solche Angaben klingen abstrakt, sind aber praktisch: Man kann damit zwei Modelle vergleichen, ohne die Preise der Anbieter zu kennen. Auch die EU-Regeln für KI nutzen eine solche Schwelle, um besonders mächtige Modelle zu erkennen.

Wie viel Compute eine Aufgabe braucht, hängt grob von zwei Dingen ab. Erstens von der Größe des Modells, also der Zahl seiner einstellbaren Stellschrauben. Zweitens von der Menge der Daten, mit denen es lernt. Beides zu verdoppeln bedeutet ungefähr, die vierfache Rechenarbeit zu brauchen. Genau hier liegt die Grenze des Wachstums: Modelle werden nicht beliebig größer, weil Compute nicht beliebig verfügbar ist.

Ein häufiger Irrtum ist, Compute mit Speicherplatz zu verwechseln. Speicher sagt, wie viele Daten hineinpassen. Compute sagt, wie schnell und wie oft gerechnet werden kann. Eine Festplatte voller Text ersetzt keinen leistungsfähigen Prozessor.

Wo Compute in Nachrichten und Produkten auftaucht

Im Alltag merkt man Compute an Grenzen. Kostenlose KI-Dienste begrenzen die Zahl der Anfragen pro Tag oder antworten in Spitzenzeiten langsamer. Bezahlversionen bekommen mehr Rechenzeit und dürfen die stärkeren Modelle nutzen. Auch die Formulierung, ein Modell dürfe nun länger nachdenken, ist eine Aussage über Compute: Es rechnet pro Antwort mehr Schritte.

In Wirtschaftsnachrichten begegnet dir der Begriff bei Investitionsplänen. Meldungen über neue Rechenzentren, Chipbestellungen oder Stromverträge mit Kraftwerken drehen sich alle um Compute. Cloud-Anbieter wie Amazon, Microsoft und Google vermieten Rechenleistung stundenweise, sodass auch kleine Firmen mitspielen können.

Wenn du selbst rechnen willst, geht das übrigens gratis. Dienste wie Google Colab stellen für einige Stunden am Tag einen Grafikprozessor in der Cloud bereit. Damit lässt sich ein kleines Modell trainieren – ein Spitzenmodell natürlich nicht.