Ein Ex-Ingenieur von OpenAI gibt Einblicke in Chaos und Code

Ein ehe­ma­li­ger Ope­nAI-Inge­nieur brach kürz­lich sein Schwei­gen dar­über, was wirk­lich in einem der meist­dis­ku­tier­ten KI-Unter­neh­men der Welt pas­siert. Sei­ne Ent­hül­lun­gen zeich­nen ein Bild, das sich stark vom gepfleg­ten öffent­li­chen Image unter­schei­det. Der Insi­der beschreibt einen Arbeits­platz, der zwi­schen bril­lan­ter Inno­va­ti­on und zuneh­men­dem Druck gefan­gen ist. Wäh­rend das Team Gren­zen in der künst­li­chen Intel­li­genz über­schrei­tet, lau­ern ernst­haf­te Her­aus­for­de­run­gen unter der Ober­flä­che. Was sie teil­ten, wirft wich­ti­ge Fra­gen über die Zukunft der KI-Ent­wick­lung auf.

Hinter den Kulissen bei OpenAI

Geheim­nis­se blei­ben im Sili­con Val­ley sel­ten lan­ge ver­bor­gen, und Ope­nAI ist kei­ne Aus­nah­me. Ein ehe­ma­li­ger Inge­nieur hat kürz­lich über das Leben in einem der meist­be­ob­ach­te­ten KI-Unter­neh­men der Welt gespro­chen und ein Bild von bril­lan­tem Cha­os gemalt, das in mis­si­ons­ori­en­tier­te Ziel­stre­big­keit gehüllt ist.

Ver­ges­sen Sie das Ertrin­ken in E‑Mails bei die­sem Tech-Rie­sen. Der Inge­nieur erhielt wäh­rend eines gan­zen Arbeits­jah­res dort nur zehn E‑Mails. Statt­des­sen läuft alles über Slack, wo Unter­hal­tun­gen mit Licht­ge­schwin­dig­keit ablau­fen. Wäh­rend dies anfangs über­wäl­ti­gend wir­ken kann, ler­nen klu­ge Mit­ar­bei­ter, ihre Kanä­le sorg­fäl­tig aus­zu­wäh­len und unwich­ti­ge Benach­rich­ti­gun­gen auszuschalten.

Der Ein­stel­lungs­pro­zess fühlt sich an wie einen Mara­thon zu lau­fen und dabei Rät­sel zu lösen. Kan­di­da­ten ste­hen vor inten­si­ven Vor­stel­lungs­run­den, die vier bis sechs Stun­den dau­ern und manch­mal über zwei Tage ver­teilt sind. Sie bewäl­ti­gen kom­pli­zier­te Pro­gram­mier­auf­ga­ben, ent­wer­fen Sys­te­me, die mas­si­ve Daten­men­gen ver­ar­bei­ten kön­nen, und rin­gen mit ethi­schen Fra­gen über KIs Aus­wir­kun­gen auf die Gesell­schaft. Der gesam­te Pro­zess dau­ert sechs bis acht Wochen, wobei Komi­tees jedes Detail über­prü­fen und Refe­ren­zen gründ­lich prüfen.

Was vie­le Neu­an­kömm­lin­ge beein­druckt, ist wie ver­schie­de­ne Hin­ter­grün­de zusam­men­kom­men. Das Unter­neh­men schätzt Talent und Poten­zi­al mehr als schi­cke Abschlüs­se oder gro­ße Namen auf dem Lebens­lauf. Sie wol­len Per­so­nen, die auf Feed­back hören, gut mit Unsi­cher­heit umge­hen und wirk­lich dar­an glau­ben, siche­re KI für alle zu entwickeln.

Das täg­li­che Leben bewegt sich schnell, mit Teams, die stän­dig über ver­schie­de­ne Fach­be­rei­che hin­weg zusam­men­ar­bei­ten. Inge­nieu­re, For­scher und Ope­ra­ti­ons-Leu­te arbei­ten Sei­te an Sei­te, tei­len Ideen und lösen gemein­sam Pro­ble­me. Code-Reviews fin­den regel­mä­ßig statt und jeder erwar­tet ehr­li­ches Feed­back. Inge­nieu­re arbei­ten oft in spe­zia­li­sier­ten DERP-Teams, die sich spe­zi­ell dar­auf kon­zen­trie­ren, geg­ne­ri­sche Bedro­hun­gen zu bewäl­ti­gen und Modell­drift zu ver­hin­dern. Es ist nicht unge­wöhn­lich, hit­zi­ge Dis­kus­sio­nen über den bes­ten Ansatz für eine tech­ni­sche Her­aus­for­de­rung zu erleben.

Die Mis­si­on treibt alles an. Die Mit­ar­bei­ter ent­wi­ckeln nicht nur coo­le Tech­no­lo­gie ; sie ver­su­chen, künst­li­che all­ge­mei­ne Intel­li­genz zu schaf­fen, die der Mensch­heit hilft, anstatt ihr zu scha­den. Die­se Ziel­set­zung zeigt sich in Mee­tings, Pro­jekt­ent­schei­dun­gen und sogar bei­läu­fi­gen Unter­hal­tun­gen. Per­so­nen dis­ku­tie­ren regel­mä­ßig ethi­sche Dilem­ma­ta und brain­stor­men Wege, KI siche­rer zu machen.

Tech­ni­sche Fähig­kei­ten sind enorm wich­tig. Machi­ne Lear­ning-Inge­nieu­re müs­sen Pro­gram­mie­rung, Debug­ging und Sys­tem­de­sign beherr­schen. Daten­ana­lys­ten müs­sen in Sta­tis­tik bril­lie­ren und Zah­len in nütz­li­che Erkennt­nis­se ver­wan­deln. Aber Kom­mu­ni­ka­ti­ons­fä­hig­kei­ten erwei­sen sich als eben­so wich­tig. Jeder muss in der Lage sein, kom­pli­zier­te Ideen in ein­fa­chen Begrif­fen zu erklären.

Die Kul­tur schätzt Trans­pa­renz und geteil­te Ver­ant­wor­tung. Teams tref­fen Ent­schei­dun­gen offen, begrü­ßen Kri­tik und arbei­ten gemein­sam an schwie­ri­gen Pro­ble­men. Es ist ein Ort, an dem bril­lan­te Köp­fe die größ­te tech­no­lo­gi­sche Her­aus­for­de­rung der Mensch­heit ange­hen, wäh­rend sie durch das schö­ne Cha­os der Inno­va­ti­on navigieren.

Für die­je­ni­gen, die einen Zweck jen­seits des Pro­fits suchen, ent­hüllt die­ser Ein­blick eine Orga­ni­sa­ti­on, in der moderns­te Tech­no­lo­gie auf ech­te Sor­ge um die Zukunft trifft.

Technische Schulden-Krise

Ope­nAIs tech­ni­sche Schul­den bezie­hen sich auf die ange­sam­mel­ten Kos­ten und Abhän­gig­kei­ten aus der schnel­len Infra­struk­tur­ska­lie­rung zur Unter­stüt­zung des KI-Modell­trai­nings und der Bereit­stel­lung. Das Unter­neh­men steht vor mas­si­ven Aus­ga­ben für die Com­pu­ter­in­fra­struk­tur, die zwi­schen 2025 und 2030 vor­aus­sicht­lich 320 Mil­li­ar­den Dol­lar über­schrei­ten wer­den. Die­se Schul­den umfas­sen Ver­pflich­tun­gen gegen­über Dritt­an­bie­tern wie Core­Wea­ve, mit dem Ope­nAI einen 12 Mil­li­ar­den Dol­lar schwe­ren Fünf­jah­res­ver­trag ab Okto­ber 2025 unter­zeich­net hat. Die tech­ni­schen Schul­den ent­ste­hen durch aggres­si­ve Ska­lie­rungs­ent­schei­dun­gen, die das Umsatz­wachs­tum über­tra­fen und erheb­li­che finan­zi­el­le Ver­bind­lich­kei­ten schufen.

Wie viel kostet es OpenAI, KI-Modelle zu trainieren und zu betreiben ?

Das Trai­ning gro­ßer Model­le wie GPT‑4 kos­tet über 100 Mil­lio­nen Dol­lar pro Trai­nings­durch­lauf und erfor­dert rie­si­ge Rechen­res­sour­cen sowohl für die Ent­wick­lung als auch für die täg­li­chen Infe­renz­ope­ra­tio­nen. Das fort­schritt­lichs­te Argu­men­ta­ti­ons­mo­dell des Unter­neh­mens, o3, kann bis zu 30.000 Dol­lar pro Auf­ga­be für kom­pli­zier­te Berech­nun­gen kos­ten. Die­se astro­no­mi­schen Kos­ten tra­gen dazu bei, dass Ope­nAI 2024 5 Mil­li­ar­den Dol­lar ver­liert, mit pro­gnos­ti­zier­ten Ver­lus­ten von über 14 Mil­li­ar­den Dol­lar im Jahr 2025. Die teu­re Natur der KI-Modell­ope­ra­tio­nen treibt die unhalt­ba­re Geld­ver­bren­nungs­ra­te des Unter­neh­mens an.

Wie ist OpenAIs aktuelle finanzielle Situation bezüglich der Profitabilität ?

Ope­nAI ope­riert mit erheb­li­chen Ver­lus­ten, obwohl seit dem Start von ChatGPT über 60,9 Mil­li­ar­den Dol­lar an pri­va­ter Finan­zie­rung auf­ge­bracht wur­den. Das Unter­neh­men hat eine besorg­nis­er­re­gen­de Geld­ver­bren­nungs­ra­te von etwa 2,25 Dol­lar Aus­ga­ben für jeden ver­dien­ten Dol­lar. Wäh­rend Umsatz­pro­gno­sen ein Wachs­tum auf 11–12 Mil­li­ar­den Dol­lar im Jahr 2025 vor­her­sa­gen, bleibt die Pro­fi­ta­bi­li­tät auf­grund mas­si­ver Infra­struk­tur­kos­ten in wei­ter Fer­ne. Die Markt­be­wer­tung des Unter­neh­mens von etwa 300 Mil­li­ar­den Dol­lar ent­spricht unge­fähr dem 75-fachen sei­nes Umsat­zes von 2024 und über­trifft damit typi­sche Mul­ti­pli­ka­to­ren der Tech­no­lo­gie­bran­che bei weitem.

Warum ist OpenAI stark von externen Infrastrukturanbietern abhängig ?

Ope­nAIs schnel­le Ska­lie­rung erfor­der­te Part­ner­schaf­ten mit exter­nen Com­pu­ter­an­bie­tern, um der wach­sen­den Nach­fra­ge nach KI-Diens­ten gerecht zu wer­den. Das Unter­neh­men ist stark auf Micro­soft Azu­re für Cloud-Diens­te ange­wie­sen und hat sich zu einem 12 Mil­li­ar­den Dol­lar Ver­trag mit Core­Wea­ve für GPU-Res­sour­cen ver­pflich­tet. Die­se Abhän­gig­kei­ten schaf­fen Anbie­ter­ab­hän­gig­kei­ten, die die Kos­ten­kon­trol­le und ope­ra­ti­ve Fle­xi­bi­li­tät erschwe­ren. Die Ver­ein­ba­run­gen wur­den wäh­rend aggres­si­ver Expan­si­ons­pha­sen getrof­fen, wobei Geschwin­dig­keit über lang­fris­ti­ge finan­zi­el­le Nach­hal­tig­keit prio­ri­siert wur­de und erheb­li­che tech­ni­sche Schul­den entstanden.

Welche systemischen Risiken birgt OpenAIs technische Schuld für die Technologiebranche ?

Ope­nAIs mas­si­ve tech­ni­sche Schul­den schaf­fen poten­zi­el­le sys­te­mi­sche Risi­ken im gesam­ten Tech-Öko­sys­tem auf­grund mit­ein­an­der ver­knüpf­ter finan­zi­el­ler Ver­ein­ba­run­gen mit gro­ßen Anbie­tern wie Micro­soft, Ora­cle und NVIDIA. Core­Wea­ves eige­ne Schuld­ver­pflich­tun­gen und Abhän­gig­keit von Ope­nAIs Zah­lun­gen ver­deut­li­chen, wie finan­zi­el­le Insta­bi­li­tät durch die Bran­che kas­ka­die­ren könn­te. Wenn Ope­nAI sei­ne Schul­den nicht bewäl­ti­gen kann, könn­te es Part­ner gefähr­den und das brei­te­re KI-Infra­struk­tur-Öko­sys­tem stö­ren, was mög­li­cher­wei­se zu dem aus­löst, was Ana­lys­ten als “Sub­prime-KI-Kri­se” bezeichnen.

Wie vergleicht sich OpenAIs Bewertung mit traditionellen Tech-Unternehmen ?

Ope­nAIs Markt­be­wer­tung von etwa 300 Mil­li­ar­den Dol­lar ent­spricht unge­fähr dem 75-fachen sei­nes Umsat­zes von 2024, was typi­sche Bewer­tungs­mul­ti­pli­ka­to­ren der Tech­no­lo­gie­bran­che erheb­lich über­schrei­tet. Die­ses extre­me Ver­hält­nis deu­tet auf star­ke Inves­to­ren­spe­ku­la­ti­on und Ver­trau­en in zukünf­ti­ges Wachs­tum hin, anstatt auf aktu­el­le finan­zi­el­le Leis­tung. Tra­di­tio­nel­le pro­fi­ta­ble Tech-Unter­neh­men han­deln typi­scher­wei­se zu viel nied­ri­ge­ren Umsatz­mul­ti­pli­ka­to­ren, was Ope­nAIs Bewer­tung im Ver­hält­nis zu sei­nen aktu­el­len Ver­lus­ten und unsi­che­ren Weg zur Pro­fi­ta­bi­li­tät auf­ge­bläht erschei­nen lässt.

Was sind OpenAIs Strategien zur Bewältigung technischer Schulden und zum Erreichen von Profitabilität ?

Ope­nAI ent­wi­ckelt neue­re, effi­zi­en­te­re KI-Modell­va­ri­an­ten wie GPT‑4.1 nano, um Rechen­kos­ten zu redu­zie­ren und gleich­zei­tig die Leis­tung bei­zu­be­hal­ten. Das Unter­neh­men inves­tiert in maß­ge­schnei­der­te KI-Chips und erwei­tert den Unter­neh­mens­ver­trieb, um die Umsatz­strö­me zu ver­bes­sern. Die­se Stra­te­gien erfor­dern jedoch zusätz­li­che Vor­ab­in­ves­ti­tio­nen, die vor­über­ge­hend die tech­ni­schen Schul­den erhö­hen. Lang­fris­ti­ge Pro­fi­ta­bi­li­tät hängt davon ab, die Gewin­nung von Unter­neh­mens­kun­den erfolg­reich zu ska­lie­ren und gleich­zei­tig Infra­struk­tur­kos­ten durch Effi­zi­enz­ver­bes­se­run­gen und poten­zi­el­le inter­ne Hard­ware­ent­wick­lung zu kontrollieren.

Wie beeinflusst OpenAIs Ausgabenmuster seine Nachhaltigkeit ?

Ope­nAIs unhalt­ba­res Aus­ga­ben­mus­ter, ange­trie­ben von mas­si­ven Infra­struk­tur­in­ves­ti­tio­nen, schafft wach­sen­den Druck auf die lang­fris­ti­ge Lebens­fä­hig­keit des Unter­neh­mens. Das Aus­ga­ben-zu-Ver­dienst-Ver­hält­nis von 2,25 deu­tet auf schwe­re Cash­flow-Her­aus­for­de­run­gen hin, die kon­ti­nu­ier­li­che Inves­to­ren­fi­nan­zie­rung erfor­dern, um den Betrieb auf­recht­zu­er­hal­ten. Wäh­rend Umsatz­wachs­tums­pro­gno­sen eine even­tu­el­le Ver­bes­se­rung nahe­le­gen, muss das Unter­neh­men sei­ne Geld­ver­bren­nungs­ra­te dras­tisch redu­zie­ren, um Nach­hal­tig­keit zu errei­chen. Die aktu­el­len Aus­ga­ben­ni­veaus machen Ope­nAI stark abhän­gig davon, das Ver­trau­en der Inves­to­ren zu erhal­ten und zusätz­li­che Finan­zie­rungs­run­den zu sichern.

Welche Rolle spielen Rechenkosten in OpenAIs technischer Schuldenkrise ?

Rechen­kos­ten stel­len den pri­mä­ren Trei­ber von Ope­nAIs tech­ni­scher Schul­den­kri­se dar und umfas­sen sowohl Modell­trai­nings­aus­ga­ben als auch täg­li­che Infe­renz­ope­ra­tio­nen. Die­se Kos­ten beinhal­ten GPU-Mie­ten, Cloud-Diens­te und Rechen­res­sour­cen, die benö­tigt wer­den, um Mil­lio­nen von Nut­zern zu bedie­nen. Das Enga­ge­ment des Unter­neh­mens, die Ser­vice­qua­li­tät zu erhal­ten und gleich­zei­tig schnell zu ska­lie­ren, führ­te zu teu­ren Infra­struk­tur­ent­schei­dun­gen, die nun die finan­zi­el­le Fle­xi­bi­li­tät ein­schrän­ken. Rechen­aus­ga­ben wer­den vor­aus­sicht­lich bis 2030 der größ­te Bestand­teil von Ope­nAIs Betriebs­kos­ten bleiben.

Wie könnte OpenAIs technische Schuld die Zukunft der Entwicklung künstlicher Intelligenz beeinflussen ?

Ope­nAIs tech­ni­sche Schul­den­kri­se könn­te die Prak­ti­ken der KI-Bran­che erheb­lich beein­flus­sen, indem sie die Unhalt­bar­keit der aktu­el­len Ska­lie­rungs­an­sät­ze auf­zeigt. Ande­re KI-Unter­neh­men könn­ten kon­ser­va­ti­ve­re Infra­struk­tur­stra­te­gien anneh­men, um ähn­li­che Schuld­an­häu­fung zu ver­mei­den. Wenn Ope­nAI seine finan­zi­el­len Her­aus­for­de­run­gen nicht lösen kann, könn­te es Ven­ture-Capi­tal-Inves­ti­tio­nen in KI-Start­ups ent­mu­ti­gen und die Bran­che zu finan­zi­ell nach­hal­ti­ge­ren Ent­wick­lungs­mo­del­len zwin­gen. Die Kri­se könn­te letzt­end­lich Inno­va­ti­on in kos­ten­güns­ti­gen KI-Trai­nings- und Bereit­stel­lungs­me­tho­den vorantreiben.

Abschiedswarnung eines Ingenieurs an die Industrie

Was pas­siert, wenn jemand, der die Zukunft auf­ge­baut hat, beschließt, über ihre Gefah­ren zu spre­chen ? Der schei­den­de Inge­nieur zeich­ne­te ein düs­te­res Bild davon, wohin sich KI ent­wi­ckeln könnte.

“Unter­neh­men wett­ei­fern dar­um, Pro­duk­te zu ver­sen­den, ohne über die Kon­se­quen­zen nach­zu­den­ken”, warn­ten sie. Böse Akteu­re nut­zen die­se Tools bereits für Betrug und Fake-News-Kam­pa­gnen. Ope­nAIs neu­es­ter Bericht doku­men­tier­te, wie Bedro­hungs­ak­teu­re gro­ße Sprach­mo­del­le für Cyber­kri­mi­na­li­tät und Social-Engi­nee­ring-Angrif­fe als Waf­fe ein­ge­setzt haben. Der Inge­nieur sah aus ers­ter Hand, wie schnell die Din­ge außer Kon­trol­le gera­ten können.

Sie sor­gen sich am meis­ten über klei­ne­re Start­ups, die Sicher­heits­re­geln igno­rie­ren. Vie­le wer­den aus App-Stores ver­bannt oder haben spä­ter recht­li­che Pro­ble­me. “Es ist wie ein Haus zu bau­en, ohne zu prü­fen, ob das Fun­da­ment soli­de ist”, erklär­te der Ingenieur.

Ihre größ­te Befürch­tung ? Der Indus­trie liegt mehr dar­an, Kon­kur­ren­ten zu schla­gen, als Ein­zel­per­so­nen zu schüt­zen. “Jemand muss auf die Brem­se tre­ten, bevor wir abstürzen.”

Quellenangabe

• https://www.interviewquery.com/interview-guides/openai-machine-learning-engineer
• https://www.datainterview.com/blog/openai-data-analyst-interview
• https://www.businessinsider.com/ex-openai-engineer-received-about-10-emails-in-his-year-there-2025–7
• https://openai.com/interview-guide/
• https://natesnewsletter.substack.com/p/how-to-get-an-ai-job-in-2025-beyond
• https://www.wheresyoured.at/openai-is-a-systemic-risk-to-the-tech-industry‑2/
• https://www.theneurondaily.com/p/openai-burning-14b-in-2025
• https://futurism.com/openai-trouble-subprime
• https://ts2.tech/en/openais-meteoric-rise-breakthroughs-billions-and-backlash-in-2025/
• https://techcrunch.com/2025/07/11/openai-delays-the-release-of-its-open-model-again/