Wer in den vergangenen Jahren wissen wollte, wie weit die KI-Entwicklung ist, hat auf Benchmarks geschaut. Wer es heute wissen will, muss Bilanzen, Fünfjahrespläne und Kommunalpolitik lesen. Die erste Septemberwoche hat dafür drei Belege geliefert, die auf den ersten Blick aus verschiedenen Ressorts stammen und zusammengenommen dieselbe Frage beantworten: Woran hängt der Ausbau der Rechenkapazität, und wo hakt es?

Europa zahlt mit Kapital

Am 8. September hat Mistral eine Finanzierungsrunde über drei Milliarden Euro bekannt gegeben, bei einer Bewertung von über 21 Milliarden Euro nach der Runde. Nach Angaben des Unternehmens ist es die größte Eigenkapitalrunde, die je ein europäisches Technologieunternehmen abgeschlossen hat. Angeführt wird sie von Samsung Electronics gemeinsam mit dem von EQT verwalteten Scaleup Europe Fund und dem Bestandsinvestor PSG Equity. Beteiligt sind außerdem Advent, Fonds von BlackRock und Luxemburg, dazu die bisherigen Geldgeber a16z, ASML, Nvidia und Salesforce Ventures.

Interessanter als die Summe ist die Zusammensetzung. Ein koreanischer Elektronikkonzern führt eine Runde für einen europäischen Modellanbieter an, ein niederländischer Maschinenbauer sitzt zugleich auf der Investoren- und auf der Kundenseite. Mistral zählt nach eigenen Angaben mehr als 125 Unternehmenskunden, darunter Airbus, ASML und HSBC, und will mit dem Geld eine Full-Stack-Strategie mit offenen Modellgewichten über Modelle, Infrastruktur und Rechenkapazität hinweg finanzieren.

Europa organisiert seine technologische Souveränität also über den Kapitalmarkt. Das geht schnell und es bindet keine Steuermittel. Weil sie von Bewertungen abhängt, die sich in einem Quartal drehen können, ist sie aber auch die fragilste der drei Konstruktionen, die sich mit „Kapital für Europa“, „Kilowatt für China“ und „Konsens für die USA“ verschlagworten lassen.

China zahlt mit Planung

Einen Tag bevor Mistral die Finanzierungsrunde bekanntgab, hat Chinas Ministerium für Industrie und Informationstechnologie einen Plan für die Jahre 2026 bis 2030 vorgelegt. Die nationale KI-Rechenkapazität soll auf 9.800 Exaflops bis 2030 mehr als vervierfacht werden, ausgehend von 2.185 Exaflops im Juni, was gegenüber dem Vorjahr bereits ein Plus von 177 Prozent bedeutete. Vorgesehen sind kumuliert 3,8 Billionen Yuan an Infrastrukturinvestitionen, umgerechnet rund 532 Milliarden US-Dollar, sowie der geordnete Aufbau von Clustern mit jeweils mehr als 10.000 Beschleunigerkarten. Aufgesetzt wird das auf das bestehende Netz aus Rechenzentrums-Hubs, in dem nach Angaben des Ministeriums bereits 52 solcher Anlagen laufen.

Rechenleistung wird hier behandelt wie ein Stromnetz oder eine Bahntrasse: als Infrastruktur, deren Ausbau man vorgibt, statt ihn abzuwarten. Der Preis dieses Ansatzes ist bekannt und heißt Fehlallokation. Sein Vorteil ist, dass keine einzelne Kommune ihn stoppen kann.

Die USA zahlen mit Zustimmung, und die wird knapp

Genau daran hakt es inzwischen dort, wo der Ausbau bisher am schnellsten lief. Nach Recherchen des Wall Street Journal haben mehr als zehn US-Bundesstaaten begonnen, Steuervergünstigungen für Rechenzentren zurückzunehmen, die sich in einzelnen Jurisdiktionen auf mehr als eine Milliarde Dollar pro Jahr summieren. Maine hat seine Anreize vollständig gestrichen, die Gouverneure von Illinois, Massachusetts und Ohio haben ihre Programme ausgesetzt, Nebraska, Washington und North Carolina haben Ausnahmen beschränkt oder auslaufen lassen. Als Gründe werden Einnahmeausfälle, steigende Strompreise für private Verbraucher und Widerstand in den betroffenen Gemeinden genannt.

Der amerikanische Rechenzentrumsboom war nie eine rein privatwirtschaftliche Angelegenheit. Er lief auf einer Subventionsschicht, die jetzt dünner wird, und zwar nicht durch eine Entscheidung in Washington, sondern durch viele Entscheidungen von unten. Das ist der eigentliche Befund dieser Woche: Nicht Chips und nicht Modelle sind derzeit der kritische Faktor, sondern lokale Zustimmung und der Strompreis, den sie sich leisten will.

Was daraus für die Industrie folgt

Drei Konsequenzen sind konkret genug, um sie in die Planung zu übernehmen. Erstens die Preisannahmen: Wer heute Angebote für KI-Dienste kalkuliert, arbeitet mit Konditionen, die eine subventionierte Infrastruktur voraussetzen. Fällt diese Schicht weg, wandert der Effekt mit Verzögerung in die Token- und Instanzpreise. Verträge mit langen Laufzeiten und Preisgleitklauseln sind aktuell mehr wert als noch vor einem Jahr.

Zweitens die Anbieterbindung: Die drei Finanzierungsmodelle bedeuten drei unterschiedliche Ausfallwahrscheinlichkeiten. Ein staatlich getragener Anbieter fällt aus anderen Gründen aus als ein risikokapitalfinanzierter. Für die Beschaffung heißt das nicht, sich für ein Lager zu entscheiden, sondern die Wechselkosten zwischen den Lagern niedrig zu halten. Offene Modellgewichte sind genau deshalb ein Beschaffungsargument und keine Ideologie.

Drittens die eigenen Standorte: Unternehmen, die Werks- und Konstruktionsdaten aus Gründen des Datenschutzes im Haus rechnen wollen, treffen künftig dieselbe Entscheidung wie die Hyperscaler, nur eine Größenordnung kleiner: Anschlussleistung, Genehmigungsdauer und Netzentgelte werden zum Standortfaktor für die eigene KI-Kapazität. Wer 2028 rechnen will, muss 2026 mit dem Netzbetreiber sprechen.

Die drei Meldungen geben keine gemeinsame Antwort. Sie stellen aber dieselbe Frage, und sie stellen sie an jeden, der KI in seiner Wertschöpfung fest einplant.