7 min read · 11 sources

Alibaba wendet sich erneut an die Aktionäre und will rund 10 Mrd. US-Dollar einsammeln, um die KI-Infrastruktur weiter auszubauen; der Zeitpunkt zeigt, wohin die übrigen Hyperscaler steuern. Die Kapitalrunde folgt nur wenige Tage, nachdem das Unternehmen einen Anstieg der Capex um 75% gemeldet hat, der großteils auf KI entfällt: Chips, Rechenzentren und Modellentwicklung. Es ist eines der deutlichsten Signale, dass der KI-Ausbau inzwischen ein Bilanzthema ist und keine reine Operating-Expense-Position.

Der Engpass ist nicht mehr Geld oder Silizium. Es ist das Netz. PJM, der größte US-Netzbetreiber, schlägt Regeln vor, die es erlauben sollen, bei Versorgungsengpässen zunächst einigen neuen Großkunden – KI-Rechenzentren sind namentlich genannt – den Strom abzuschalten, noch vor allen anderen. Der Branche wird damit faktisch gesagt, dass es nicht mehr reicht, eine Anlage mit mehreren Hundert Megawatt ans Netz zu bringen; man muss auch verhandeln, wie oft du abgeschaltet werden darfst.

Die übrigen Nachrichten des Tages sind eine Mischung aus neuen Werkzeugen, neuer Rechnungsschock und der langsamen Erkenntnis, dass die Daten-Grundlagen der eigentliche Engpass für Agentic AI sind.

95% der 1.500 von Cloudera befragten Enterprise-Architekten haben im vergangenen Jahr ein KI-Projekt verzögert oder abgebrochen, teils sechs Mal oder häufiger.

PJM will KI-Rechenzentren auf einen Notausschalter setzen

PJM schlägt vor, neue “Large-Load”-Kunden unterbrechbar zu machen, sodass der Netzbetreiber sie zuerst abwerfen darf, wenn die Versorgung knapp wird. Der Mechanismus ist vertraglich verankert: Im Gegenzug für eine schnellere Netzanbindung akzeptiert der Kunde, abgeschaltet zu werden.

Für Betreiber ergeben sich daraus: Planung um eine neue Klasse von SLAs, Dimensionierung von Vor-Ort-Speichern und Ride-Through-Fähigkeiten, um Curtailment-Ereignisse zu überstehen, sowie eine Modellierung der Erlöse als Funktion erwarteter Unterbrechungsstunden statt einer flachen Verfügbarkeitsquote. Stromverfügbarkeit ist jetzt ein Standortfaktor, der ebenso real ist wie Glasfaser und Wasser. Es ist zu erwarten, dass die Standortwahl für Neubauten die Anschlusswarteschlangen in PJM-Gebieten, bei ERCOT und MISO künftig sehr unterschiedlich gewichten wird.

Alibaba sammelt 10 Mrd. US-Dollar ein, während die KI-Capex-Kurve steiler wird

Source: links.tldrnewsletter.com ↗

Die geplante Aktienplatzierung über 10 Mrd. US-Dollar ist eine zweckgebundene Finanzierungsrunde für KI-Infrastruktur: Chips, Rechenzentren und Modellentwicklung. Die Capex-Steigerung um 75% ist die interessantere Zahl, denn sie impliziert, dass Alibaba bereit ist, heutige Margen für Rechenkapazität zu drücken, die erst in mehreren Quartalen Ertrag abwerfen wird.

Für Ingenieure außerhalb der Hyperscaler bedeutet das: Die übrige Industrie konkurriert nun um denselben begrenzten Pool aus HBM, Advanced Packaging und Netzanschluss. Die Vorlaufzeiten für Kapazität werden sich 2026 kaum verkürzen, und der Rabatt, den kleinere Abnehmer früher erhielten, schwindet.

Ramp öffnet seinen Modell-Router als Router.com

Source: ramp.com ↗

Ramp hat die Modell-Routing-Infrastruktur, die es für seine eigenen über 100 internen KI-Anwendungsfälle gebaut hat, zu einem öffentlichen Produkt gemacht. Sie bietet eine einheitliche API über Anbieter hinweg mit drei Routing-Strategien: einen Flex-Tarif, der bei haltbarer Latenz automatisch rabattierte Modellvarianten wählt, Shadow-Modelle, die echten Traffic gegen ein Kandidatenmodell samplen, ohne die Produktion zu beeinflussen, sowie Benchmark-Routing, das pro Workload auf Basis selbst konfigurierbarer Scores entscheidet. Ramp gibt an, die eigenen LLM-Kosten um rund 30% gesenkt zu haben, ohne Qualität oder Verfügbarkeit zu opfern.

Das Angebot an Ingenieure ist schlicht: Schluss damit, jedes neue Modell-Release und jede Provider-Preisänderung manuell neu zu evaluieren. Router.com sitzt zwischen Code und Modell-APIs und schluckt den Churn. Im Auge zu behalten ist das Lock-in-Risiko in Ramps Routing-Logik sowie der operative Aufwand beim Debugging, wenn eine Anfrage stillschweigend auf ein anderes Modell gelenkt wird, als in den Logs steht.

GitLab 19.3 stellt Agentic AI hinter dieselbe Compliance-Wand wie den Code

Source: helpnetsecurity.com ↗

GitLab 19.3 ist das Release, auf das Unternehmen mit regulierten Workloads gewartet haben. Die Duo Agent Platform läuft nun innerhalb der Single-Tenant-Umgebung von GitLab Dedicated, sodass Prompts, Antworten und Tool-Aufrufe die Kundengrenze nie verlassen. Eigene Modelle können für die Inferenz mitgebracht und über ein neues Dedicated AI Gateway geroutet werden. Der Secrets Manager wird vom reinen Pipeline-Feature zur allgemeinen Erweiterung und über GitLab Credits auf GitLab.com abgerechnet, mit First-Class-Unterstützung für Kubernetes, Terraform, OpenTofu und eigene Tools.

Zwei neue agentic Security-Funktionen sind für AppSec-Teams relevant: Bulk SAST False Positive Detection und Agentic SAST Vulnerability Resolution, beide mit dem Ziel, den manuellen Triage-Aufwand zu reduzieren. Für Plattform-Teams lautet die praktische Frage, ob GitLab inzwischen eine tragfähige Single-Vendor-Alternative zum Zusammenstückeln aus Coding-Assistent, Secrets-Backend und separater SAST-Pipeline ist. Das Release 19.3 macht dieses Angebot deutlich belastbarer.

Datensilos sind jetzt der Engpass für Agentic AI

Source: cio.com ↗

Zwei Umfragen – Google/MIT und Cloudera/Wakefield – kommen aus unterschiedlichen Blickwinkeln zum selben Ergebnis. Die Cloudera-Umfrage unter 1.500 Enterprise-Architekten und Cloud-Infrastructure-Leitern ergab, dass 95% im vergangenen Jahr ein KI-Projekt verzögert oder abgebrochen haben; einige Organisationen taten dies sechs Mal oder häufiger. In der Google/MIT-Umfrage unter 300 IT- und Produktverantwortlichen hat mehr als die Hälfte ein Agent-Deployment pausiert, um die darunterliegende Datenschicht zu reparieren; die meisten gaben an, dass Legacy-Systeme einen “signifikant negativen Einfluss” auf den KI-ROI haben.

Für Plattform-Teams bedeutet das: Das nächste große interne Programm ist kein weiteres Modell und kein weiteres Agent-Framework. Es ist das Daten-Plumbing: multimodal, kontextbezogen, latenzarm, governance-fähig. Data Warehouse, Lakehouse und Integration-Layer wurden für Menschen gebaut, die Dashboards nutzen. Agenten brauchen etwas, das eher einer echtzeitfähigen, berechtigten und semantisch reichhaltigen Substrate-Schicht ähnelt, und die Organisationen, die in der nächsten Phase des Agent-Deployments gewinnen, sind diejenigen, die das auch finanzieren.

Die GPU-Rechnung wird die neue AWS-Rechnung

Source: cio.com ↗

Ein Developer-Relations-Leader im GPU-Cloud-Bereich argumentiert, KI-Teams wiederholen die Cloud-Kostenfehler der 2010er-Jahre mit einer zusätzlichen Null. GPUs kosten pro Stunde rund zehnmal so viel wie typisches Cloud-Compute, und die Auslastungsmuster sind schlechter: Reservierte Kapazität läuft 24/7, unabhängig davon, ob die Last vorhanden ist. Der Beitrag verweist auf Flexeras State of the Cloud, wonach Organisationen mehr als ein Viertel ihrer Cloud-Ausgaben verschwenden, sowie auf die eigene Erfahrung des Autors, durch die Zusammenführung von drei Analytics-Plattformen rund 220.000 US-Dollar pro Jahr einzusparen.

Die FinOps-Lektion ist dieselbe, die Cloud-Teams auf die harte Tour lernen mussten: alles taggen, mutige Wetten vom operativen Betrieb trennen und Auslastungs-Dashboards vor die Leute stellen, die darauf reagieren können. Die neue Nuance: GPUs verlieren schnell an Wert, daher ist Leerlauf nicht nur verschwendetes Geld, sondern ein abschreibender Vermögenswert, der nichts tut.

Nvidia unterstützt Cloverleaf für AI Factories im Gigawatt-Maßstab

Source: hpcwire.com ↗

Nvidia hat eine Minderheitsbeteiligung an Cloverleaf Infrastructure übernommen; beide entwickeln gemeinsam AI-Factory-Standorte in den USA. Cloverleafs Pipeline liegt nach eigenen Angaben bereits bei mehreren Gigawatt, womit das Unternehmen in derselben Liga wie die großen Hyperscale-Campusse spielt, nur mit Nvidia als strategischem Partner statt reinem Vendor.

Für Betreiber stellt sich die Frage, was “AI Factory” als Baustandard tatsächlich bedeutet: standardisierte Strom- und Kühlungsblöcke, vorgefertigte Hallen und eine Lieferkadenz, die eher Halbleiterfabs ähnelt als traditionellen Rechenzentren. Der Deal zwischen Cloverleaf und Nvidia ist die Wette, dass das Modell die Spezifikation ist und das Gebäude die Fertigungslinie.

Sam Altman über Compute-Skalierung als das teuerste Projekt der Geschichte

Source: davidsenra.com ↗

In einem langen Gespräch mit David Senra rahmt OpenAI-CEO Sam Altman die Wette seines Unternehmens weniger als Frage eines einzelnen Modells, sondern als Koordination von Chips, Fabs, Rechenzentren, Strom, Finanzierung, Politik und Lieferketten zu einer einzigen Plattform. Er bekräftigt die These von “einem Consumer-Interface, einer API” und erinnert daran, dass OpenAI rund viereinhalb Jahre lang kein Produkt ausgeliefert hat, bevor GPT kam. Der Podcast ist leicht an Engineering-Details und schwer an Plattform-Philosophie, aber das Compute-Koordinations-Framing ist nützlicher Kontext für alle, die GPU-Versorgung, Rechenzentrumsstrom oder Modellpreise über die nächsten 24 Monate prognostizieren wollen.

Anthropic lässt Unternehmen aufbewahrungspflichtige Daten in der eigenen Cloud

Source: qz.com ↗

Anthropic plant, Enterprise-Kunden die Möglichkeit zu geben, aufbewahrungspflichtige Daten in ihren eigenen Cloud-Konten zu halten statt in Anthropics Systemen. Die Ankündigung enthält wenige Details, aber die Richtung zählt: Regulierte Käufer, insbesondere in Finanzdienstleistungen und Gesundheitswesen, sind an Aufbewahrungsregeln gescheitert, die sie mit einem vom Vendor verwalteten Speicher nicht erfüllen können. Es ist zu erwarten, dass dies die Beschaffungslücke zwischen Anthropic und den hyperscaler-gehosteten Modell-APIs für diese Käufer verringert.

Portworx 3.6.2.2 verschärft vSphere-TLS und weist auf eine KubeVirt-DR-Falle hin

Source: docs.portworx.com ↗

Portworx Enterprise 3.6.2.2, veröffentlicht am 21. August, erfordert Operator 26.3.1+, Stork 26.4.0+ sowie einen unterstützten Kernel. Die wichtigste Änderung ist eine echte TLS-Zertifikatsprüfung für vCenter-API-Verbindungen während Cloud-Drive-Operationen auf vSphere; damit kann jetzt ein CA-Zertifikat angegeben werden, und Portworx prüft die Identität des vCenter tatsächlich.

Die Release Notes dokumentieren außerdem zwei bekannte Issues mit Major-Schweregrad, PWX-57471 und PWX-58026, die das Async-DR-Restore von KubeVirt-VMs betreffen. Geerbte Volume-Affinity-Platzierung aus dem Quell-Cluster kann zu Restore-Fehlern führen, wenn Root- und Daten-Disks unterschiedliche Replication-Faktoren oder Platzierungsstrategien aufweisen. Der Workaround besteht darin, die Replication-Faktoren vorab mit pxctl volume ha-update --repl anzugleichen, bevor das Async-DR ausgeführt wird. Wer Portworx auf vSphere mit KubeVirt betreibt, sollte das Upgrade planen und die Replication-Faktor-Abstimmung für jede VM prüfen, die failovert werden soll.