Ausgabe vom 20. Juni 2026

Es ist eine der unwahrscheinlicheren Allianzen der Chip-Branche: AMD und Intel, seit Jahrzehnten erbitterte Konkurrenten, haben gemeinsam einen neuen KI-Befehlssatz für x86-Prozessoren spezifiziert. Über die 2024 gegründete x86 Ecosystem Advisory Group stellten beide die AI Compute Extensions (ACE) vor — einen standardisierten Satz von Maschinenbefehlen, der KI- und Machine-Learning-Berechnungen direkt in den CPU-Kernen beschleunigt.

Worum geht es technisch? Das Herzstück moderner KI ist die Matrixmultiplikation — das massenhafte Multiplizieren und Aufaddieren von Zahlenfeldern. Grafikchips (GPUs) und Spezialbeschleuniger sind darin extrem schnell, weil sie tausende solcher Operationen parallel ausführen. Klassische CPU-Kerne hinkten hier hinterher. ACE schließt diese Lücke, indem es acht neue 2D-Tile-Register einführt (jeweils 16×16 Felder) und einen Outer-Product-Algorithmus nutzt, der pro Taktzyklus 1.024 Multiplikationen schafft. Das Ergebnis laut den beteiligten Firmen: eine 16-fach höhere Rechendichte gegenüber den bisherigen AVX10-Befehlen.

Wichtig für die Praxis: ACE ersetzt AVX nicht, sondern erweitert es. Der neue Befehlssatz integriert sich nahtlos in AVX10 und unterstützt nativ die in der KI gängigen, sparsamen Zahlenformate — INT8, OCP FP8, MXFP8, MXINT8 und BF16. Das sind reduzierte Genauigkeiten, mit denen sich KI-Modelle rechnen lassen, ohne für jede Zahl 32 Bit zu verbrauchen. Genau diese niedrige Präzision ist der Hebel, mit dem Inferenz — also das Ausführen fertiger Modelle — billiger und schneller wird.

Der strategische Sinn dahinter: Nicht jede KI-Last gehört auf eine teure GPU. Kleinere Modelle, klassische ML-Workloads und vor allem die wachsende Zahl lokal laufender KI-Funktionen könnten künftig direkt auf der CPU laufen — ohne Daten an einen Beschleuniger oder in die Cloud zu schieben. Für AMD soll ACE laut Berichten erstmals mit der Zen-7-Generation in Silizium gegossen werden; Intel zieht mit kommenden Kernen nach. Ein gemeinsamer Standard bedeutet für Entwicklerinnen und Entwickler vor allem eines: Sie müssen nicht zwei Mal optimieren, sondern können auf eine einheitliche Befehlsbasis bauen.

Für Infrastruktur- und Produktverantwortliche ist die Nachricht weniger ein Datum als ein Richtungssignal. ACE wird die Beschleuniger nicht verdrängen — für das Training großer Modelle bleiben GPUs und ASICs (siehe der nächste Artikel) konkurrenzlos. Aber die Allianz zeigt, dass die CPU im KI-Zeitalter nicht zur Randfigur wird, sondern sich ein eigenes Segment sichert: günstige, breit verfügbare Inferenz dort, wo die Daten ohnehin liegen. Dass AMD und Intel dafür gemeinsame Sache machen, unterstreicht, wie ernst beide die Bedrohung durch die ARM- und Beschleuniger-Welt nehmen.

Die Nachricht ist eine direkte Fortsetzung unseres Leitartikels vom 19. Juni, in dem Amazon-CEO Andy Jassy angekündigt hatte, die hauseigenen Trainium-Chips erstmals direkt als Hardware-Produkt an Dritte zu verkaufen. Nun zieht Google nach: Auch die Tensor Processing Units (TPU) sollen über den eigenen Cloud-Garten hinaus verfügbar werden. Beide Konzerne zielen dabei besonders auf Neoclouds — spezialisierte Rechenzentrumsbetreiber wie CoreWeave, Crusoe oder Nebius, die GPU- und Beschleuniger-Kapazität als reine Infrastruktur vermieten, ohne das volle Plattform-Ökosystem eines AWS oder Google.

Bei Google nimmt das bereits konkrete Form an: Ein Joint Venture mit dem Finanzinvestor Blackstone soll eine TPU-basierte Neocloud aufbauen, und der Zugang zu den Chips wird für eine „ausgewählte Gruppe von Kunden“ geöffnet. Zu den externen TPU-Nutzern jenseits von Anthropic zählen inzwischen Midjourney, Salesforce und Safe Superintelligence. Amazon wiederum kann auf Bestellzusagen von rund 225 Milliarden Dollar verweisen — unter anderem von OpenAI und Anthropic.

Der wirtschaftliche Reiz für Kunden ist der Preis. Eigenentwickelte Beschleuniger wie Trainium und TPU sind als ASICs — auf einen Zweck zugeschnittene Spezialchips — pro Recheneinheit deutlich günstiger als Nvidias Universal-GPUs. Berichte beziffern die Kostenvorteile auf bis zu 80 Prozent gegenüber vergleichbaren Nvidia-Konfigurationen. Genau diese „Nvidia-Steuer“ zu umgehen, ist das Verkaufsargument.

Doch hier liegt auch die Pointe der Golem-Recherche: Mögliche Interessenten zögern — aus Angst, Nvidias Gunst zu verlieren. In einem Markt, in dem Nvidia-GPUs chronisch knapp sind und die Zuteilung über Geschäftsbeziehungen läuft, kann es sich kaum ein Cloud-Anbieter leisten, beim Marktführer in Ungnade zu fallen. Wer offen auf Trainium oder TPU umschwenkt, riskiert seine Position in der Warteschlange für die begehrten Blackwell- und Rubin-Chips. Die Abhängigkeit wirkt also in beide Richtungen.

Für Unternehmen, die KI-Infrastruktur einkaufen, ist die Entwicklung dennoch gute Nachricht: Mehr Anbieter und mehr Chip-Architekturen bedeuten Verhandlungsmacht und sinkende Inferenz-Kosten. Der Preis dafür ist neuer Lock-in auf einer anderen Ebene — denn Trainium läuft auf AWS' Neuron-Software, TPU auf Googles XLA-Stack, und beide sind nicht so universell wie Nvidias CUDA-Ökosystem. Die strategische Lehre bleibt dieselbe wie in unserer Reportage zum Ende des Nvidia-Monopols: Die Chip-Wahl wird zur Wettbewerbsfrage — und Modell-Portabilität ist die beste Versicherung.

Eine Recherche von Bloomberg und der Financial Times legt offen, was viele Konzernzentralen derzeit beschäftigt: Die ersten großen Unternehmen ziehen bei der KI-Nutzung ihrer Belegschaft die Reißleine. Amazon, Walmart, Cisco, Uber und Meta gehören zu den Vorreitern, die Obergrenzen einführen, „verschwenderisches“ Verhalten ausbremsen oder Mitarbeitende auf günstigere Modelle umlenken. Ein Manager fasste die Stimmung mit dem titelgebenden Satz zusammen: „We created a monster.“

Das prägnanteste Beispiel ist Uber: Der Konzern hatte sein komplettes Budget für KI-gestütztes Programmieren im Jahr 2026 bereits im April aufgebraucht — er gab rund dreimal so schnell Geld aus wie geplant. Seit Anfang Juni gilt eine Obergrenze von 1.500 Dollar pro Werkzeug und Monat. Ubers COO begründete den Schritt damit, dass die höhere Nutzung sich nicht in proportional mehr nützlichen Funktionen niedergeschlagen habe. Amazon strich ein internes Leaderboard, das Beschäftigte nach KI-Nutzung rankte — Mitarbeitende hatten begonnen, die Rangliste zu manipulieren, was die Compute-Kosten hochtrieb. Walmart deckelte den Einsatz seines hauseigenen KI-Agenten, Meta zügelt laut Berichten die Ausgaben für Anthropic-Werkzeuge — eine bemerkenswerte Kehrtwende.

Der scheinbare Widerspruch: Die Preise pro Token — die kleinste Abrechnungseinheit der Modelle — sind kollabiert. Trotzdem steigen die Gesamtrechnungen. Die Erklärung liegt in der agentischen Nutzung. Während ein Chatbot ein Modell einmal pro Frage aufruft, ruft ein KI-Agent es in einer Schleife immer wieder auf: planen, ein Werkzeug nutzen, prüfen, nachbessern. Laut einer EY-Analyse verbraucht eine agentische Aufgabe das Fünf- bis Dreißigfache an Token einer einfachen Anfrage. Das hat die KI-Rechnungen vieler Firmen verdreifacht — die KI-affinsten geben inzwischen rund 7.500 Dollar pro Mitarbeiter und Monat aus.

Es ist die Wiederkehr eines bekannten Musters. Was in den 2010er-Jahren der „AWS-Bill-Shock“ war — die böse Überraschung am Monatsende durch eine vergessene Cloud-Instanz —, ist heute der Token-Schock durch einen Agenten, der sich in einer Endlosschleife festfrisst. In einem dokumentierten Extremfall fand sich ein Unternehmen mit einer 500-Millionen-Dollar-Rechnung für Claude wieder, weil es schlicht vergessen hatte, Nutzungslimits zu setzen. Die Disziplin, die daraus erwächst, hat bereits einen Namen: KI-FinOps.

Wichtig ist die Lesart: Keines der genannten Unternehmen steigt aus der KI aus — alle bauen ihre Nutzung weiter aus. Es geht um den Übergang vom ungebremsten Experimentieren zur kontrollierten Wertschöpfung. Warum dieser Übergang gerade jetzt kommt, was das Jevons-Paradox damit zu tun hat und welche vier Hebel SaaS-Unternehmen konkret haben, analysieren wir ausführlich in unserer heutigen Reportage. Der Zusammenhang zur Plattform-Ökonomie ist dabei nicht zufällig: Schon im April mussten Anbieter wie Anthropic ihre Flatrate-Tarife für agentisches Coding überdenken (siehe Ausgabe vom 23. April).

Die Geschichte des Anthropic-Banns, über die wir seit dem 12. Juni fortlaufend berichten, bekommt eine aufschlussreiche Wendung. Trotz der US-Anordnung, die jeglichen Zugang ausländischer Staatsangehöriger zu den Modellen Fable 5 und Mythos 5 untersagt und faktisch zur weltweiten Abschaltung führte, haben einige Unternehmen weiterhin Zugriff auf eine Preview-Version von Mythos. Das berichtet Bloomberg.

Möglich macht das offenbar eine andere rechtliche Einstufung. Die betroffenen Firmen — darunter Banken und Technologieunternehmen — nutzen die Mythos-Preview über Project Glasswing, ein von Anthropic geprüftes Konsortium aus rund 200 Organisationen, die das Modell zur Suche nach Cyber-Schwachstellen einsetzen dürfen. Der Sicherheitsspezialist Dragos und der Netzwerkkonzern Cisco haben bestätigt, dass sie ihren Zugang behalten. Die Preview-Variante scheint also unter Bedingungen zu laufen, die den vorab freigegebenen Sicherheitsforschungs-Organisationen weiter Zugriff erlauben — während die breit ausgerollten Versionen abgeschaltet bleiben.

Das wirft ein Schlaglicht auf die Widersprüchlichkeit der Maßnahme. Die US-Regierung begründete den Bann mit nationaler Sicherheit und der Sorge, das Modell könne zum Finden von Schwachstellen missbraucht werden. Doch ausgerechnet die Funktion, die als Risiko galt — das Aufspüren von Sicherheitslücken —, bleibt für ein internationales Konsortium von 200 Organisationen aus über einem Dutzend Ländern aktiv. Kritiker hatten von Anfang an argumentiert, der Bann nehme den Verteidigern ihr bestes Werkzeug, ohne Angreifer ernsthaft zu bremsen (siehe 16. Juni).

Parallel mehren sich Hinweise, dass der Konflikt Anthropic geschäftlich nicht schadet, sondern nützt. Auswertungen von Verkaufsdaten und Marktbeobachtungen deuten darauf hin, dass der Streit mit der Regierung Anthropics Ruf bei Geschäftskunden als „seriöser, sicherheitsorientierter Akteur“ eher stärkt. Die Nutzungszahlen für die verbliebenen Modelle zeigen wenig Einbruch — die Kundschaft wich weitgehend auf das Vorgängermodell Opus 4.8 aus, blieb aber bei Anthropic. Für ein Unternehmen, das mitten in der Vorbereitung eines Börsengangs steckt, ist das eine paradox günstige Botschaft.

Für Unternehmen, die auf Anthropic-Modelle setzen, bleibt die Lehre dennoch unbequem: Ein kommerzieller Cloud-Dienst kann binnen Stunden per Verwaltungsanordnung verschwinden — und ob man danach noch Zugang hat, hängt davon ab, in welcher Kategorie man eingestuft ist. Modell-Routing, Fallback-Optionen und vertragliche Force-Majeure-Klauseln sind damit keine Kür mehr, sondern Pflicht — ein Thema, das wir in unserer Reportage zur souveränen KI ausführlich behandelt haben.

Im Mai kam das Startup Subquadratic aus dem Verborgenen — mit einer gewaltigen Behauptung und 29 Millionen Dollar Seed-Finanzierung. Das vierköpfige Team aus Miami erklärte, es habe einen mathematischen Engpass gelöst, der große Sprachmodelle seit fast einem Jahrzehnt bremse. Die Details waren zunächst dünn, die Reaktion der KI-Forschung reichte von Neugier bis zum offenen Vorwurf der Luftnummer. Nun, berichtet die MIT Technology Review, beginnt das Unternehmen, Belege zu liefern.

Um zu verstehen, worum es geht, muss man das Herz jedes Transformer-Modells kennen: die Attention. Vereinfacht vergleicht dieser Mechanismus jedes Wort eines Textes mit jedem anderen Wort, um Zusammenhänge zu erfassen. Das ist gründlich — aber teuer. Verdoppelt man die Textlänge, vervierfacht sich der Rechenaufwand ungefähr. Diese quadratische Skalierung (mathematisch: der Aufwand wächst mit dem Quadrat der Länge) ist der Hauptgrund, warum LLMs so viel Rechenleistung und Energie verschlingen — und warum sehr lange Eingaben so kostspielig sind.

Subquadratic verspricht, wie schon der Name andeutet, ein Verfahren mit subquadratischem Aufwand — er wächst also langsamer als das Quadrat. Das Modell namens SubQ soll dadurch schneller und günstiger sein, deutlich weniger Energie brauchen und bis zu zwölfmal so viel Text auf einmal verarbeiten können wie übliche Modelle. Das wäre besonders für datenschwere Aufgaben relevant: das Analysieren hunderter Dokumente oder ganzer Codebasen in einem Rutsch. Einzelne Berichte sprechen von einem Kontextfenster von zwölf Millionen Token und einer um den Faktor 52 schnelleren Attention zu einem Fünftel der Kosten eines Spitzenmodells.

Hier ist die gebotene Vorsicht angebracht: Diese Leistungsversprechen stammen überwiegend vom Unternehmen selbst und sind noch nicht unabhängig verifiziert. VentureBeat berichtet, dass Forscher unabhängige Nachweise einfordern; der Vorwurf der „Vaporware“ steht im Raum. Die Idee subquadratischer Architekturen ist zudem nicht neu — Ansätze wie State-Space-Modelle (etwa Mamba) oder lineare Attention verfolgen seit Jahren dasselbe Ziel, scheiterten aber bisher meist an der Qualität bei langen, komplexen Aufgaben. Ob SubQ den entscheidenden Durchbruch schafft oder nur ein weiterer vielversprechender Kandidat ist, lässt sich seriös erst nach externen Benchmarks beurteilen.

Warum die Sache trotzdem zählt: Sollte sich der Ansatz bestätigen, ginge es um mehr als ein schnelleres Modell. Die quadratische Attention ist die ökonomische Grundgleichung hinter den explodierenden KI-Kosten, von denen unser heutiger Kostenartikel handelt. Ein wirklich subquadratisches Modell würde lange Kontexte — und damit datenintensive agentische Workloads — drastisch billiger machen. Für Tech-Entscheiderinnen lohnt es, die unabhängigen Tests der kommenden Wochen abzuwarten: Bestätigen sie sich, verschiebt sich die Kostenrechnung der gesamten Branche. Tun sie es nicht, war es ein weiteres Kapitel im langen Wettlauf um die Ablösung des Transformers.