RAMmageddon: Wenn KI aufhört, „Software" zu sein, und zu einem Problem aus Speicher, Energie und Zeit wird
Jahrelang wurde die Konversation über Künstliche Intelligenz wie ein digitales Märchen erzählt: bessere Modelle, mehr Parameter, autonome Agenten, unbegrenzte Automatisierung. Francisco Santolo erdet das Ganze mit einer unbequemen, aber notwendigen Warnung: Die Exponentialkurve der KI kann auf eine physische Grenze stoßen – und diese Grenze ist nicht abstrakt. Sie heißt Speicher, wird in Capex bezahlt, ist mit einem echten Stromnetz verbunden und wird in Jahren gebaut, nicht in Sprints.
Dieses Phänomen hat bereits einen treffenden Namen bekommen: „RAMmageddon" – eine globale Chip-Speicherknappheit, die 2026 durch die Nachfrage der KI-Rechenzentren angetrieben wird. Das Detail, das für Unternehmen zählt, ist nicht der Spitzname, sondern die wirtschaftliche Struktur, die er offenbart: Wenn der kritische Rohstoff knapp wird, hört KI auf, ein horizontaler Wettbewerbsvorteil zu sein, und wird zu einem Zugangs-Privileg.
Die harten Fakten: Der Flaschenhals ist nicht der Prompt, sondern der HBM
Dies sind die Daten, die das Spielfeld verändern und die, nach meiner Erfahrung, viele Geschäftsführungsgremien noch nicht in ihre Finanzmodelle eingearbeitet haben:
- Rechenzentren könnten bis zu 70 % der weltweiten Speicherproduktion im Jahr 2026 verbrauchen und damit das Angebot für PCs, Smartphones, die Automobilindustrie und traditionelle Elektronik abschöpfen.
- Die Hersteller verlagern ihre Kapazitäten auf HBM (High Bandwidth Memory) – den Schlüsselspeicher für KI-Beschleuniger. Das Problem: Ein HBM-Wafer kann bis zu dreimal die Produktionskapazität eines herkömmlichen DRAM-Wafers verbrauchen.
- HBM-Kapazitäten werden mit mehrjährigen Verträgen vergeben, und laut Branchenberichten soll ein Großteil des Jahres 2026 bereits vergeben sein.
- Das Speicherangebotswachstum hält nicht Schritt: Es wird DRAM +16 % YoY und NAND +17 % YoY im Jahr 2026 geschätzt – zu wenig, um die inkrementelle KI-Nachfrage ohne Preisinflation zu absorbieren.
- Santolo fügt die operative Komponente hinzu: Der Übergang zu autonomen Agenten verändert den Takt. Wir wechseln von einem „menschlichen" Datenverkehr zu einem machine-paced 24/7-Betrieb, bei dem die Inferenz bis 2030 den gesamten Rechenaufwand dominieren könnte.
Ich übersetze das in CFO-Sprache: Die Stückkosten für eine Antwort steigen, die Opex-Volatilität nimmt zu, und die „variablen Kosten pro Interaktion" werden zu einem strategischen Risiko, nicht zu einem technischen Detail.
Die Zeitfalle: Agenten lassen sich in Sekunden skalieren, Rechenzentren jedoch nicht in Monaten
Hier liegt der am meisten unterschätzte Punkt: Die Elastizität von Software gilt nicht mehr, wenn der Flaschenhals in der physischen Infrastruktur liegt.
Santolo nennt es „Zeitfalle", und genau das ist es. Man kann tausend Agenten mit einem Klick einsetzen, aber:
- Ein neues Rechenzentrum in Primärmärkten an das Stromnetz anzuschließen kann mehr als 4 Jahre dauern.
- Die neuen Rack-Dichten für KI können 150 kW erreichen, was Flüssigkühlung praktisch unverzichtbar macht.
- Die nächste Generation von Fertigungsknoten (wie 2 nm) erfordert jahrelange industrielle Umsetzung.
In der Zwischenzeit erhöhen die Hyperscaler aggressiv ihren Capex. Der Artikel nennt eine beeindruckende Größenordnung: fast 700 Milliarden US-Dollar Capex im Jahr 2026 unter den großen Marktteilnehmern. Ich lese das nicht als „mutigen Einsatz". Ich lese es als Marktsignal: Es wird Rechenhoheit eingekauft.
Welche Auswirkungen hat das auf Unternehmen: Die Marge wird neu geschrieben, nicht nur die Roadmap
Wenn sich dieser Trend fortsetzt, gibt es vier direkte Auswirkungen auf die Realwirtschaft:
1) Kosteninflation und Produktverschlechterung im Konsumbereich und im traditionellen B2B
Teurer Speicher sickert in alles durch: PCs, Smartphones, Unternehmens-Upgrades. Wenn Hersteller die Spezifikationen nicht aufrechterhalten können (zum Beispiel Geräte mit 16 GB oder 32 GB, die für „AI-ready"-Lasten benötigt werden), gibt es zwei Wege: Preiserhöhungen oder Leistungskürzungen. In beiden Fällen ist das Ergebnis dasselbe: Der Kunde zahlt die Rechnung.2) Konzentration der KI-Macht bei denen, die das Angebot und die Energie kontrollieren
Wenn HBM und Rechenzentrums-Kapazitäten langfristig verhandelt werden, entsteht eine Zugangsökonomie. Die soziale und wettbewerbliche Konsequenz ist heikel: Die durch KI verstärkte Produktivität konzentriert sich, und KMU sind Spot-Preisen, Nutzungsbeschränkungen, Latenzen und Ausfällen ausgesetzt.Das ist kein moralisches Urteil – es ist eine Wertschöpfungskettendiagnose. Wer den Rohstoff kontrolliert, kontrolliert den Markt.
3) Operative Volatilität: mehr Ausfälle, mehr Abhängigkeit, mehr Reputationsrisiko
Wenn das Ökosystem die Infrastrukturgrenze erzwingt, nehmen Szenarien mit partiellen Ausfällen, Serviceverschlechterungen und Priorisierung von „Premium"-Lasten zu. Unternehmen, die „ihr Gehirn auslagern" ohne Kontinuitätsplan, werden verwundbar.4) Die Kostenlosigkeit von KI wird wirtschaftlich unhaltbar
Santolo weist auf ein konkretes Symptom hin: Tools, die ihre Preise abrupt erhöhen. Das ist keine Laune. Es ist Nachfrageelastizität gegen einen knappen Rohstoff. Wenn die Inferenzkosten steigen, verschärft sich das Monetarisierungsmodell: mehr Paywalls, mehr Beschränkungen, mehr Werbung, mehr Unternehmenspakete.Der Übergang zur KI: Ja, man muss handeln, aber mit finanzieller Architektur
KI nicht zu adoptieren ist ebenfalls eine Entscheidung mit sehr hohem Risiko. Ich sehe es täglich: Organisationen, die Effizienz, kommerzielle Geschwindigkeit und analytische Kapazität verlieren und am Ende mit menschlichen Arbeitsstunden subventionieren, was der Markt bereits automatisiert hat.
Aber es gibt einen intelligenten Weg, diesen Flaschenhals zu navigieren, ohne in toxische Abhängigkeit zu fallen.
Dies sind strategische Entscheidungen und operative Modellentscheidungen, die, wenn sie heute getroffen werden, morgen Margen retten können:
- Standardmäßig „schlanke" KI entwerfen: Jedes Token kostet. Jeder Aufruf an ein Modell ist eine variable Kostenzeile. Prompts optimieren, Caching, gut implementiertes RAG und Richtlinien für „keine KI, wenn sie keinen Mehrwert bringt" sind finanzielle Disziplin, keine technologische Sparsamkeit.
- Anwendungsfälle mit nachweisbarem ROI und zugehöriger Abrechnung priorisieren: Wenn das Projekt keinen klaren Mechanismus zur Wertabschöpfung hat, ist es Corporate-Fürsorge in der KI-Version. Automatisierung muss von dem Kunden finanziert werden, der den Nutzen erhält – auch wenn es mit internen Mikropreisen pro Bereich oder Geschäftseinheit ist.
- Die Falle des „Agent Sprawl" vermeiden: Autonome Agenten ohne Kontrolle erzeugen 24/7-Verbrauch. Das ist ungezügeltes Opex. Governance, Grenzen, prozessbezogene Budgets und Beobachtbarkeit sind Teil des Modells, kein „Nice-to-have".
- Technologische Abhängigkeit diversifizieren: Multi-Modell, Notfallpläne und eine Architektur, die eleganten Abbau ermöglicht. In Zeiten der Knappheit ist Resilienz genauso viel wert wie Präzision.
- Kapazitäten verhandeln wie Energie oder Logistik: Verträge, Planbarkeit, schrittweise Skalierung. KI ist kein Plugin mehr; sie ist ein strategischer Rohstoff.
Gewinner und Verlierer: Ein Equity-Audit des neuen Stacks
Dieser Moment wird diejenigen bereichern, die vertikal in die Infrastruktur integriert sind und die Spielraum für langfristige Verträge haben. Und er wird – durch Kosten oder durch Rückstand – ganze Sektoren ärmer machen, die mit engen Budgets und langsameren Beschaffungszyklen konkurrieren.
Die ethische Frage ist nicht, ob KI „zugänglich sein sollte". Die pragmatische Frage ist, wer Modelle aufbaut, bei denen die durch KI erzeugte Effizienz geteilt wird – mit Arbeitnehmern, Lieferanten und Kunden –, und wer sie nutzt, um Wert zu extrahieren durch dynamische Preisgestaltung, Abhängigkeit und Lock-in.
Bei Sustainabl setze ich mich für Sozialunternehmen ein, weil ich etwas Wesentliches verstehe: Wenn eine Ressource knapp wird, wird der Markt brutal. Deshalb wird echter Impact nicht mit Reden aufrechterhalten, sondern mit Architekturen, die Krisen standhalten.
Fazit: KI wird in der Tabellenkalkulation und im Maschinenraum gewonnen
RAMmageddon ist keine Schlagzeile für Technologen – es ist ein Signal für Aufsichtsräte. KI wird weiter voranschreiten, aber der Zugang zu Rechenleistung, Speicher und Energie wird Kosten, Preise, operative Kontinuität und Wettbewerbsmacht neu definieren. Das Mandat für die C-Ebene ist unverhandelbar: Heute ein Geschäftsmodell aufbauen, das Kosten- und Margenorientierung nutzt, um echten Wert zu skalieren – und dabei klar entscheiden, ob das eigene Unternehmen Menschen und Umwelt lediglich zur Gewinnerzielung instrumentalisiert, oder ob es den strategischen Mut besitzt, Geld als Treibstoff einzusetzen, um Menschen weiterzubringen.
