MENLO PARK / LONDON (IT BOLTWISE) – Meta-CEO Mark Zuckerberg sieht sich mit neuen Signalen konfrontiert, dass der Konzern beim KI-Training und -Einsatz stark von externen Modellen abhängig ist. Berichten zufolge hat Google Meta den Zugriff auf Gemini-Kapazitäten gekürzt, was interne Projekte ausgebremst hat – inklusive Datenmoderation und Support-Workflows. Gleichzeitig steigen die Kosten für KI-Nutzung, sodass Meta seine Mitarbeitenden zum sparsamen Umgang mit KI-Token anweist. Während das Unternehmen parallel sein multimodales Modell Muse Spark vorantreibt, zeigt die Episode vor allem eins: Der Wettlauf um KI-Infrastruktur bleibt auch eine Frage von Lieferfähigkeit und Vertragspolitik.
Meta steht in der KI-Öffentlichkeit nicht nur im Wettbewerb mit anderen Plattformen, sondern offenbar auch in einer Abhängigkeit, die das eigene Momentum dämpft. Laut Berichten aus der Finanzpresse habe Google Meta im Laufe des Jahres den Zugang zu Gemini-Kapazitäten reduziert, sodass interne Teams schlechter planen und bestimmte KI-Projekte später oder mit weniger Spielraum umsetzen konnten. Besonders schmerzhaft sei dabei, dass Meta nicht irgendeinen Feinschliff vermisste, sondern Funktionen, die im Tagesgeschäft direkt auf Modellen aufsetzen. Genannt werden unter anderem Datenmoderation und Kundenservices, also Bereiche mit hohen Anforderungen an Latenz, Qualität und Skalierung.
Technisch lässt sich der Kern der Geschichte relativ klar einordnen: Wenn ein Unternehmen KI-Workloads nicht vollständig selbst betreiben kann, werden externe Inferenz- oder Trainingskapazitäten zum Engpass. Genau hier entstehen in der Praxis häufig zwei Probleme. Erstens sind Modelle wie Gemini zwar leistungsfähig, aber der Zugriff ist oft an Ratenlimits, Kapazitätsfenster, Latenz-Profile und Service-Level gebunden. Zweitens wirkt sich ein plötzlicher Kapazitätsabbau auf die gesamte Pipeline aus – von der Datenaufbereitung bis zur nachgelagerten Policy-Auswertung. Meta habe Berichten zufolge zunächst stark auf Gemini gesetzt, weil es bei bestimmten Aufgaben besser abschnitt als die in-house-Modelle.
Dass Meta dabei gerade die Open-Source-Linie Llama intensiv propagiert, macht die Episode strategisch unruhig. Llama ist ein zentraler Baustein für die KI-Autonomie, aber ein Modell allein löst nicht automatisch die Infrastrukturfrage: Inferenzkosten, GPU-Verfügbarkeit, Fine-Tuning-Zyklus, Evaluation und Betrieb in produktionsnahen Systemen entscheiden mit. Berichten zufolge habe Meta Gemini gewählt, weil die Performance in der jeweiligen Nutzungsform überzeugender war. Das heißt im Umkehrschluss: Die in-house Modelle waren nicht nur „anders“, sondern konkret in den Zielmetriken hinterher, sodass der Produktfortschritt über Externe abgesichert werden musste. Diese Abwägung ist branchenüblich – sie wird nur selten so sichtbar.
Marktseitig verschärft sich das Timing: In nahezu allen großen Tech-Organisationen sind die Budgets für KI-Nutzung in den letzten Monaten unter Druck geraten. Nicht, weil der Nutzen wegfällt, sondern weil die Kosten pro Anfrage, die benötigte Token-Menge und die steigende Zahl paralleler Use-Cases die Rechnung schnell ändern. Wie Branchenbeobachter berichten, sitzen Führungsteams zunehmend auf „Sticker Shock“, wenn sie von Pilotbetrieb in produktive Volllast wechseln. In Meta sei laut Berichten zudem eine 180-Grad-Kehrtwende in der internen Messaging-Strategie erfolgt: Mitarbeiter sollten zunächst möglichst viel KI einsetzen, später jedoch deutlich sparsamer mit KI-Token umgehen. Das wirkt wie eine direkte Reaktion auf Kostenkurven, die nicht mit den Forecasts zusammengefallen sind.
Auch die Unternehmensorganisation spürt solche Reibungen oft unmittelbar. KI-Teams werden in der Praxis nicht nur nach Modellqualität bewertet, sondern auch nach Betriebsstabilität und Skalierbarkeit: Wie schnell lässt sich ein neuer Moderations- oder Support-Ablauf ausrollen? Wie gut wird Halluzinationen mit Retrieval, Constraints oder moderationsnahen Guardrails begegnet? Und wie robust bleiben die Systeme, wenn externe Kapazitäten schwanken? Branchenexperten fassen es sinngemäß oft so zusammen: „KI ist kein Feature, sondern ein Produktionssystem mit Preisschild.“ Genau dieses Preisschild dürfte Meta derzeit besonders hart treffen, weil externe Modellzugriffe und eigene Entwicklung parallel laufen und sich die Abhängigkeiten erst spät vollständig „buchhalterisch“ bemerkbar machen.
Gleichzeitig arbeitet Meta weiter an eigener Modellbasis. Im Mittelpunkt steht dabei laut den Berichten Muse Spark, ein multimodales reasoning-orientiertes Modell, das als erster Schritt einer „Scaling Ladder“ sowie als Produkt aus einer Überarbeitung der KI-Ausrichtung beschrieben wird. In der Logik ist das plausibel: Ein stärker verankertes internes Modell kann externe Anbieter schrittweise ersetzen oder zumindest die Abhängigkeit reduzieren – etwa indem produktionskritische Workflows überwiegend intern laufen und nur noch für Spezialfälle externe Modelle genutzt werden. Quellen zufolge könnte Spark es Mitarbeitenden erlauben, weniger stark auf Gemini zu setzen. Allerdings verweist die Timing-Story auch auf ein schwieriges Verhältnis zwischen Forschungsfahrplan und operativer Verfügbarkeit.
Für die nächsten Monate zeichnet sich damit eine klare Zukunftsfrage ab: Wie schnell bekommt Meta die Lücke zwischen Modellversprechen und operativem Betrieb geschlossen. Muse Spark ist dafür ein Symbol, aber die eigentliche Bewährungsprobe liegt in der Durchsetzung in Unternehmenspipelines. Dazu zählen Metriken wie Antwortqualität in Moderationsentscheidungen, die Stabilität unter Lastspitzen im Kundensupport und die Transparenz der Kosten pro Use-Case. Parallel werden Unternehmen ihre KI-Strategien voraussichtlich stärker als „Portfolios“ gestalten: mehrere Modelle, differenzierte Routing-Regeln, Cost-Aware Inference und engere Governance für Token-Budgets. Meta könnte hier profitieren – wenn die interne Plattform tatsächlich zu der versprochenen Grundlage wird, die Abhängigkeiten verlässlich abbaut.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Meta soll bei Gemini abgehängt worden sein – AI-Teams bremsten sich selbst aus" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Meta soll bei Gemini abgehängt worden sein – AI-Teams bremsten sich selbst aus" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Meta soll bei Gemini abgehängt worden sein – AI-Teams bremsten sich selbst aus« bei Google Deutschland suchen, bei Bing oder Google News!