(Symbolbild)
SAP investiert Milliarde in deutsche KI – während Startups und Infrastruktur hinterherhinken
Die KI-Landschaft zeigt ein zunehmend gespaltenes Bild: Während SAP mit einer Milliardeninvestition in ein junges deutsches KI-Labor den Fokus auf Enterprise-Software und agentische Systeme legt, kämpfen kleinere Innovatoren an völlig anderen Fronten – von der Datenintegration in Forschungslaboren bis hin zur physischen Rechenzentrumsinfrastruktur auf dem offenen Meer.
Der SAP-Deal: Tabellarische Daten als strategische Wette
SAP steht vor der Übernahme von Prior Labs, einem erst 18 Monate alten deutschen KI-Startup, für 1,16 Milliarden Dollar. Das Unternehmen hat sich auf die Verarbeitung tabellarischer Daten spezialisiert – ein für SAP-Kunden zentraler Bereich, da Geschäftsprozesse traditionell stark auf strukturierte Datenbanken angewiesen sind. Parallel schränkt SAP die Wahl der KI-Agenten für Kunden ein und erlaubt explizit nur ausgewählte Lösungen wie Nvidias NemoClaw. (TechCrunch)
Diese Strategie verdeutlicht einen klaren Kurs: SAP bündelt Kontrolle über die gesamte KI-Stack-Landschaft seiner Kunden, von der Dateninfrastruktur bis zur Agentenausführung. Für deutsche Unternehmen bedeutet dies einerseits vereinfachte Integration, andererseits erhöhte Abhängigkeit von einem einzigen Ökosystem.
Datenbruch in der Forschung: Altara und das Silo-Problem
Während SAP große Summen in Modellentwicklung fließen lässt, kämpft ein anderes Segment mit grundlegenderen Hürden. Altara, ein Startup mit 7 Millionen Dollar Frischkapital von Investoren wie Greylock Partners, adressiert ein Problem, das physikbasierte Forschungsbereiche bremst: Experimentdaten liegen fragmentiert in Tabellenkalkulationen und Legacy-Systemen verteilt, was KI-gestützte Analyse nahezu unmöglich macht. (TechCrunch)
Die Lösung von Altara zielt darauf ab, Fehlerdiagnosen zu automatisieren und Forschungszyklen zu beschleunigen. Dies unterstreicht eine systemische Lücke: Selbst wenn leistungsfähige KI-Modelle verfügbar sind, scheitert der praktische Nutzen oft an unzureichender Dateninfrastruktur. Für industrielle Anwendungen in Deutschland – von der Materialforschung bis zur Pharmaentwicklung – ist dies ein wiederkehrendes Muster.
Physische Infrastruktur: Schwimmende Rechenzentren als radikale Antwort
An der dritten Front der KI-Infrastruktur entstehen völlig neue Ansätze. Panthalassa, ein von Silicon Valley unterstütztes Projekt mit 200 Millionen Dollar Finanzierung, plant schwimmende KI-Rechenzentren im Pazifik, die durch Wellenkraft betrieben werden sollen. Erste Tests sind für 2026 vorgesehen. (Ars Technica)
Das Projekt reagiert auf das fundamentale Spannungsfeld der KI-Expansion: Die Nachfrage nach Rechenleistung wächst schneller als das Stromnetz und die Kühlkapazitäten traditioneller Standorte ausreichend bereitstellen können. Ozeanbasierte Lösungen versprechen erneuerbare Energiequellen und natürliche Kühlung, stehen jedoch vor erheblichen regulatorischen und betrieblichen Unsicherheiten.
Die deutsche Energie- und Standortpolitik für Rechenzentren gerät durch solche globalen Alternativen zusätzlich unter Druck. Wenn andere Regionen unkonventionelle Infrastruktur erschließen, könnte der Standortvorteil “stabiles deutsches Stromnetz” relativiert werden.
Fazit
Für deutschsprachige Unternehmen offenbart sich ein dreigeteiltes Handlungsfeld. SAP-Kunden müssen die strategische Entscheidung zwischen Ökosystem-Komfort und Lieferantenvielfalt neu abwägen. Fertigungs- und Forschungsunternehmen sollten Priorität auf die eigene Datenarchitektur legen, bevor sie in KI-Modelle investieren – die Erfahrung von Altara zeigt, dass Daten-Silos teurer sind als fehlende Algorithmen. Zudem wird die physische Rechenzentrumsstrategie zur strategischen Frage: Die deutsche Debatte um Energieversorgung und Standorte muss internationaler Wettbewerbsfähigkeit gerecht werden, ohne in Spekulationen abzugleiten. Wer in KI investiert, muss alle drei Ebenen – Modelle, Daten und Infrastruktur – gleichzeitig adressieren.