Die aktuelle KI-Debatte werde von einem globalen Wettlauf um Rechenleistung bestimmt, sagt Nidhi Singh gleich zu Beginn. Dabei gehe es meist um möglichst große Trainingscluster für neue Modelle. Ihr Gast Raymond Ononiwu, der in Afrika modulare Rechenzentren baut, widerspricht dieser Fokussierung: Die viel wichtigere Unterscheidung sei die zwischen Training und Inference – also dem alltäglichen Betrieb von KI-Anwendungen. Während Training wie das Erfinden eines Motors sei, gleiche Inference dem Transportwesen, das Flughäfen, Straßen und Verkehrsleitsysteme brauche. Genau diese Infrastruktur fehle in vielen Ländern des Globalen Südens. Ononiwu stellt die praktischen Hürden in den Vordergrund: unzuverlässige Stromversorgung, hohe Konnektivitätskosten, fehlende Kapitalmodelle. Er plädiert für einen problemorientierten Ansatz: Länder sollten sich nicht an Prestigeprojekten oder der Regulierung von etwas orientieren, das sie noch gar nicht besitzen.
Zentrale Punkte
- Training vs. Inference: der entscheidende Unterschied Training sei das einmalige, extrem ressourcenintensive Erstellen eines Modells, Inference dagegen die alltägliche Nutzung. Die meisten Länder bräuchten keine Trainingsinfrastruktur, sondern zuverlässige, kosteneffiziente und geografisch verteilte Inference-Kapazitäten. Diese Unterscheidung sei zentral, um Fehlinvestitionen zu vermeiden.
- Afrikas Bottlenecks sind praktischer Natur Nicht mangelnder Ehrgeiz bremse den KI-Ausbau, sondern unzuverlässige Stromnetze, hohe Energiekosten, wenig diversifizierte Glasfasernetze und Finanzierungsmodelle, die nicht zu KI-Investitionen passten. Standorte mit günstigem Strom hätten oft keine redundante Netzinfrastruktur – es gehe darum, die richtige Kombination von Bedingungen zu finden.
- Problemorientiert investieren, Prestige ignorieren Regierungen rät Ononiwu, mit konkreten Problemen zu beginnen, statt Prestigeprojekte ohne Anwendungsfall zu verfolgen. Investitionen sollten in verlässliche saubere Energie, öffentlich zugängliche Rechenleistung, Datenverwaltung und bereichsspezifische Pilotprojekte fließen. Talentförderung funktioniere durch Zugang zur Technologie, nicht durch abstrakte Schulungsprogramme.
Einordnung
Die Episode leistet eine wichtige Verschiebung des Diskurses: Ononiwu bricht die Dominanz des Frontier-Modell-Narrativs auf und ersetzt sie durch eine bodenständige, an den Bedürfnissen des Globalen Südens orientierte Perspektive. Seine Analogien machen komplexe Infrastrukturfragen verständlich, und er spricht aus eigener unternehmerischer Erfahrung – etwa wenn er die Kosten eines GPU-Racks mit den Baukosten ganzer Rechenzentren vergleicht. Die Moderatorin lässt ihm Raum für ausführliche, nuancierte Antworten und stellt kluge Nachfragen, die die Diskussion vertiefen.
Was fehlt, sind konkrete politökonomische Details: Wie genau sollten die von ihm vorgeschlagenen öffentlichen Rechenknoten finanziert werden, wenn afrikanische Staatshaushalte chronisch unter Druck stehen? Die Frage, wer in der Praxis Zugang zu der von ihm skizzierten Infrastruktur bekäme – und wer weiterhin ausgeschlossen bliebe –, wird nicht gestellt. Die Spannung zwischen seinem Plädoyer für öffentliche Investitionen und seiner Warnung vor staatlicher Überregulierung bleibt unaufgelöst. Auch abseits seines Erfahrungshorizonts liegende Perspektiven – etwa von Regulierungsbehörden oder großen Cloud-Anbietern – kommen nicht vor. Ononiwu formuliert seinen Ansatz als pragmatische Alternative, verlässt dabei aber selbst nicht den Rahmen, dass KI grundsätzlich erstrebenswert sei.
Hörempfehlung: Hörenswert für alle, die KI-Politik jenseits des Silicon-Valley-Hypes verstehen wollen und eine praxisnahe, differenzierte Perspektive auf Infrastrukturfragen im Globalen Süden suchen.
Sprecher:innen
- Nidhi Singh – Associate Fellow, Technology and Society Program, Carnegie India
- Raymond Ononiwu – Gründer und CEO von Horus Lab; ehemaliger Microsoft-Ingenieur