Eine Zahl, die das Ausmaß des KI-Wettrüstens zeigt: Google zahlt SpaceX 920 Millionen Dollar — pro Monat — für die Nutzung von GPU-Rechenkapazität. Der Deal, der kürzlich durch SEC-Filings bekannt wurde, offenbart, wie verzweifelt selbst die größten Tech-Konzerne nach Rechenleistung suchen.
Warum Google bei SpaceX mietet
SpaceX? Raketen? Was hat das mit KI zu tun? Mehr als man denkt:
- Starlink-Bodenstationen nutzen GPU-Cluster für Signalverarbeitung. Diese Cluster stehen teilweise idle und können für KI-Training vermietet werden.
- SpaceX hat massive Stromverträge an abgelegenen Standorten, wo Energie günstig ist — genau was GPU-Farmen brauchen.
- Elon Musks xAI (Entwickler von Grok) baut mit „Colossus" das weltweit größte GPU-Cluster. SpaceX und xAI teilen Infrastruktur.
- Google: 75 Milliarden Dollar geplant für Rechenzentren
- Microsoft: 80 Milliarden Dollar (plus Copilot-Integration in alle Produkte)
- Meta: 65 Milliarden Dollar (für Meta AI und Llama-Training)
- Amazon: 100 Milliarden Dollar (AWS + Bedrock)
- OpenAI: 14 Milliarden Dollar Verlust prognostiziert, finanziert durch Investoren
- GitHub Copilot hat den Preis von 10 auf 19 Dollar/Monat fast verdoppelt.
- ChatGPT Plus kostet seit Anfang 2026 25 Dollar statt 20 Dollar.
- Claude Pro liegt bei 20 Dollar — aber mit strengeren Nutzungslimits als noch 2025.
Google braucht die Kapazität für das Training seiner nächsten Gemini-Modelle. Das geplante Gemini 3.5 Pro soll 2 Millionen Token Kontext verarbeiten und erfordert astronomische Rechenleistung.
Die Kosten von KI: Eine Billion Dollar
Der Google-SpaceX-Deal ist nur die Spitze des Eisbergs. Die Gesamtinvestitionen in KI-Infrastruktur 2026:
Zusammen investieren die fünf größten KI-Unternehmen über 300 Milliarden Dollar allein 2026 in Infrastruktur. Geld, das irgendwann zurückverdient werden muss — durch kostenpflichtige KI-Produkte, die wir alle nutzen.
Was das für KI-Tool-Preise bedeutet
Die Rechnung ist einfach: Teure Infrastruktur = teure Produkte. Schon jetzt sehen wir die Auswirkungen:
In unserem KI-Tool-Vergleich zeigen wir die aktuellen Preise von über 1.700 Tools. Wer Kosten sparen will, findet im Direktvergleich die besten Alternativen.
Die Alternative: Lokale KI
Je teurer Cloud-KI wird, desto attraktiver werden lokale KI-Modelle. Modelle wie Llama 3.1, Mistral Large oder Qwen 2.5 laufen auf eigener Hardware — einmal angeschafft, keine laufenden Kosten.
In unserem Hardware-Guide zeigen wir, welche Grafikkarten für welche Modelle reichen. Spoiler: Für die meisten Anwendungen reicht eine RTX 4090 für unter 2.000 Euro — das sind weniger als 3 Monate ChatGPT Team-Abo für ein kleines Team.
Geopolitische Dimension
Der Kampf um GPU-Kapazität hat auch eine geopolitische Dimension. Die USA kontrollieren über NVIDIA den Zugang zu den leistungsstärksten KI-Chips. China entwickelt mit Huawei Ascend eigene Alternativen. Europa? Investiert zwar Milliarden, hat aber keinen eigenen Chip-Hersteller in der KI-Liga.
Für europäische Unternehmen bedeutet das: Abhängigkeit von US-Cloud-Anbietern. Wer das nicht will, muss auf Open-Source-Modelle und eigene Hardware setzen. Unser Lokale-KI-Verzeichnis ist ein guter Startpunkt.
920 Millionen Dollar im Monat. Das ist der Preis, den Google bereit ist zu zahlen, damit Sie „Hallo Gemini" sagen können. Die Frage ist, wer am Ende die Rechnung bekommt.