Vier führende KI-Dienste zeitgleich gestört
Die Cloud-KI-Angebote von OpenAI, Anthropic, xAI und Google waren an einem Donnerstagmorgen US-Ostküstenzeit nahezu gleichzeitig beeinträchtigt. Die Störungen überschnitten sich über mehrere Stunden und betrafen unter anderem ChatGPT, Codex, Claude, Grok sowie wahrscheinlich die Gemini API.
Ein derart breiter Ausfall ist ungewöhnlich. Zwar verzeichnen einzelne KI-Anbieter regelmäßig kurze Störungen, doch diesmal waren vier der wichtigsten proprietären Modellplattformen im selben Zeitfenster betroffen.
| Anbieter | Betroffener Dienst | Zeitraum oder Spitzenwert | Status |
|---|---|---|---|
| Anthropic | Claude Mythos 5.1, Claude Fable 5.1, Claude Opus 5 | 9:23 bis 12:16 Uhr ET | Offiziell bestätigter Teilausfall |
| OpenAI | ChatGPT und Codex | 10:43 bis 12:55 Uhr ET | Offiziell bestätigte Leistungseinbußen |
| xAI | Grok | 1.365 Störungsmeldungen um 9:45 Uhr ET | Fehlerhinweis im Nutzerinterface |
| Gemini API | Wahrscheinlicher Ausfall von 10:45 bis 11:15 Uhr ET | Nicht offiziell bestätigt |
Claude, ChatGPT und Codex mit erhöhten Fehlerraten
Anthropic meldete den ersten Teilausfall um 9:23 Uhr ET. Betroffen waren Anfragen an Claude Mythos 5.1, Claude Fable 5.1 und Claude Opus 5. Nach Angaben des Unternehmens wurde die Ursache intern identifiziert und eine Korrektur eingespielt. Um 12:16 Uhr ET galt der Vorfall als behoben.
Anthropic sprach sinngemäß von einem Teilausfall aufgrund erhöhter Fehlerraten bei mehreren Claude-Modellen.
Kurz nach 12:00 Uhr ET traten zusätzlich für kurze Zeit Fehler bei Claude Sonnet 5 auf. Ob beide Anthropic-Störungen unmittelbar zusammenhingen, ist nicht bestätigt.
OpenAI registrierte ab 10:43 Uhr ET erhöhte Fehlerraten und eine verminderte Leistung bei ChatGPT und Codex. Rund eine halbe Stunde später wurde eine Gegenmaßnahme umgesetzt. Um 12:55 Uhr ET markierte OpenAI das Problem als behoben.
Grok und Gemini ebenfalls beeinträchtigt
Bei xAI zeigte Grok einen Hinweis an, dass der Dienst Probleme habe und an einer schnellstmöglichen Wiederherstellung gearbeitet werde. Die Zahl der Störungsmeldungen stieg von weniger als zehn vor 9:00 Uhr ET auf 1.365 um 9:45 Uhr ET. Später sank sie auf 273.
Google bestätigte keine Störung von Gemini. Externe Messwerte sprechen dennoch für eine Beeinträchtigung. Die gemeldeten Probleme stiegen von 23 um 10:30 Uhr ET auf 412 kurz nach 11:00 Uhr ET. Ein API-Überwachungsdienst erkannte zwischen 10:45 und 11:15 Uhr ET einen wahrscheinlichen Ausfall der Gemini API.
AWS, Microsoft Azure und Cloudflare meldeten im selben Zeitraum keine größeren Ausfälle. Es gab lediglich leichte Ausschläge bei nutzergenerierten Störungsmeldungen. Eine gemeinsame Ursache, etwa ein Routing-Problem oder eine geteilte technische Abhängigkeit, ist bislang nicht belegt.
Hohe Verfügbarkeit schützt nicht vor Überschneidungen
Die historischen Verfügbarkeitswerte der Dienste lagen vor dem Vorfall auf einem hohen Niveau. Trotzdem können wenige gemeinsame Ausfallstunden ausreichen, um automatisierte Geschäftsprozesse, Kundenschnittstellen oder Entwicklungsabläufe zu blockieren.
| Dienst | Verfügbarkeit über 90 Tage | Früherer Vorfall |
|---|---|---|
| Claude | 99,4 % | Dreistündiger Teilausfall am 24. August |
| ChatGPT | 99,63 % | Mehrstündig erhöhte Latenz im Work Mode am 31. August |
| ChatGPT Codex | 100 % | Keine frühere Störung im genannten 90-Tage-Zeitraum |
Für Unternehmen ist dabei nicht nur die Verfügbarkeit eines einzelnen Anbieters relevant. Entscheidend ist, ob Ausweichwege tatsächlich unabhängig voneinander funktionieren. Ein Modell-Router für mehrere KI-Anbieter kann Kosten und Last verteilen, bleibt aber wirkungslos, wenn alle hinterlegten Cloud-APIs gleichzeitig gestört sind.
Multi-Modell allein reicht als Notfallstrategie nicht
Gerade im DACH-Raum werden KI-Funktionen zunehmend in Support, Dokumentenverarbeitung und Softwareentwicklung eingebunden. Werden solche Prozesse ausschließlich an US-amerikanische Cloud-APIs gekoppelt, entsteht eine zentrale externe Abhängigkeit. Das gilt auch dann, wenn mehrere proprietäre Anbieter als Fallback konfiguriert sind.
Robustere Architekturen benötigen mindestens einen technisch unabhängigen Ausweichpfad. Dafür kommen lokale Open-Source-Modelle oder Self-Hosting infrage. Modelle wie die lokal betreibbaren IBM Granite 4.2 Modelle können ausgewählte Kernaufgaben übernehmen, wenn externe APIs nicht erreichbar sind.
Das bedeutet nicht, dass jedes Unternehmen sämtliche Modelle selbst betreiben sollte. Lokaler Betrieb verursacht Aufwand für Hardware, Aktualisierungen, Überwachung und Sicherheit. Für klar abgegrenzte Notfallfunktionen kann dieser Aufwand jedoch wirtschaftlicher sein als ein vollständiger Stillstand kritischer Abläufe.
Der Vorfall macht damit eine Schwäche zentralisierter KI-Dienste sichtbar: Mehrere Abonnements und API-Verträge ergeben noch keine echte Redundanz. Erst unterschiedliche Betriebsmodelle, getrennte Infrastruktur und regelmäßig getestete Rückfallprozesse reduzieren die Abhängigkeit wirksam.