Die Entwicklung von sogenannten Frontier-KI-Modellen markiert eine neue Stufe in der künstlichen Intelligenz, die durch immense Ressourcen definiert wird. Diese Systeme, zu denen bekannte Familien wie GPT, Claude oder Llama gehören, basieren auf Entwicklungskosten in Höhe von hunderten Millionen US-Dollar und einem gigantischen Rechenaufwand. Die technische Basis bilden sogenannte „AI Factories“, in denen neuronale Netzwerke mit mehreren Petabyte an Daten, darunter Softwarecode und wissenschaftliche Aufsätze, trainiert werden.
Regulatorisch ziehen Gesetzgeber eine klare Trennlinie bei einem Trainingsaufwand von über 10^26 FLOPS. Diese mathematische Schwelle beschreibt Gleitkommaoperationen mit 26 Nullen, die über Monate hinweg von tausenden zusammengeschalteten Grafikprozessoren ausgeführt werden. Dabei ist zwischen dem Frontier-Modell als mathematischem Kern und der Frontier-KI als einsatzbereitem Gesamtsystem zu unterscheiden, welches zusätzlich Schnittstellen und Sicherheitsfilter integriert.
Ein zentrales Merkmal dieser Technologie ist die sogenannte Emergenz, bei der Systeme komplexe Denkaufgaben lösen oder Code schreiben, ohne dass Programmierer dies explizit beigebracht haben. Während ältere Modelle auf menschliche Prompts angewiesen waren, agieren Frontier-Systeme zunehmend als autonome Agenten. Diese können Aufgabenketten selbstständig planen und beispielsweise Fehler in digitalen Infrastrukturen in Echtzeit finden und reparieren.
Trotz der Effizienzgewinne bergen diese Systeme signifikante Risiken und Kosten. Die enorme Problemlösungskompetenz könnte von Kriminellen für raffinierte Schadsoftware oder automatisierte Social-Engineering-Angriffe missbraucht werden, während die internen Entscheidungspfade der Modelle oft selbst für Spitzenforscher undurchsichtig bleiben. Zudem verursachen die tausenden Spezialprozessoren einen massiven ökologischen Fußabdruck durch hohen Stromverbrauch und die Notwendigkeit aufwendiger Flüssigkeitskühlungen.
Als Reaktion auf die Abhängigkeit von fremden Cloud-Infrastrukturen und den Schutz sensibler Daten gewinnt der Trend zu souveränen KI-Systemen an Bedeutung. Diese zeichnen sich durch kleinere, maßgeschneiderte Modelle aus, die lokal auf eigenen Servern betrieben werden. Damit versuchen Unternehmen, vertrauliche Informationen im eigenen Haus zu behalten und die Risiken einer externen Datenverarbeitung zu minimieren.
