Am 3. September waren mehrere große KI-Dienste innerhalb kurzer Zeit nicht oder nur eingeschränkt erreichbar. ChatGPT, Claude und Grok meldeten Störungen; bei OpenAI traf es nach Angaben der Statusseite auch Codex. Für viele Nutzer lag der offensichtliche Reflex nahe: Wenn drei Konkurrenten fast gleichzeitig ausfallen, muss es eine gemeinsame technische Ursache geben. Genau dafür gibt es bislang jedoch keinen belastbaren Beleg.
Der Vorfall ist trotzdem aufschlussreich. Er zeigt, wie schnell KI-Werkzeuge vom praktischen Helfer zur einzelnen Abhängigkeit werden können, etwa beim Schreiben, Programmieren, Kundensupport oder bei der Recherche. Die richtige Lehre ist weder Alarmismus noch die Suche nach einer spektakulären Erklärung. Sie lautet: Verfügbarkeit, Statuskommunikation und ein handhabbarer Fallback gehören inzwischen zur Nutzung von KI genauso wie Prompt und Modellwahl.
Das Wichtigste in Kürze
- ChatGPT, Claude und Grok hatten am 3. September nahezu zeitgleich Störungen; OpenAI nannte erhöhte Fehlerraten bei ChatGPT und Codex.
- Anthropic sprach nach Berichten über ein Infrastrukturproblem, während die öffentlich bekannten Angaben keine gemeinsame Ursache für alle betroffenen Anbieter bestätigen.
- Medienberichte weichen beim Umfang ab: Einige sahen Gemini zunächst nicht betroffen, andere registrierten später auch Probleme bei weiteren Diensten.
- Gleichzeitigkeit ist ein Warnsignal für mögliche gemeinsame Abhängigkeiten, aber kein Nachweis für einen einzelnen Auslöser.
- Für Nutzer und Unternehmen zählen ein zweites Werkzeug, lokale Arbeitskopien und klare Regeln für Ausfallzeiten mehr als hektisches Wechseln zwischen Chats.
Was gesichert ist und was offen bleibt
Gesichert ist zunächst der engere Kern des Ereignisses. Die Statushistorie von OpenAI dokumentierte am 3. September erhöhte Fehler bei ChatGPT und Codex und meldete später eine Behebung. Zeitgleich berichteten Nutzer und mehrere Redaktionen über Probleme mit Claude und Grok. Datacenter Dynamics schrieb, Claude, Claude Code und die Claude-API seien wegen eines nicht näher erläuterten Infrastrukturproblems teilweise ausgefallen. Bei Grok erschien laut den Berichten eine Überlastungsmeldung.
Offen bleibt dagegen die Kausalität. Keiner der drei Anbieter veröffentlichte in den zitierten Statusmeldungen eine gemeinsame technische Erklärung. Dass Dienste im selben Zeitfenster schlechter erreichbar waren, kann viele Ursachen haben: jeweils unabhängige Fehler, ein gemeinsam genutzter Infrastrukturbaustein, ein Routing- oder Netzproblem oder auch Folgeeffekte, wenn Nutzer während eines Ausfalls auf andere Plattformen ausweichen. Aus der Beobachtung allein lässt sich keine dieser Varianten auswählen.
Auch der genaue Umfang ist nicht völlig eindeutig. The Verge berichtete zunächst, Google Gemini sei nicht betroffen. El País dokumentierte dagegen später Beschwerden und Störungen bei weiteren großen Assistenten, darunter Gemini und Copilot. Das muss kein Widerspruch im strengen Sinn sein. Statusbilder verändern sich über Stunden, regionale Zugänge können abweichen und Nutzermeldungen messen etwas anderes als die Meldung eines Betreibers. Für eine belastbare Chronik wäre eine spätere technische Analyse der Anbieter nötig.
Warum mehrere unabhängige KI-Dienste trotzdem gemeinsam verwundbar sein können
Die großen Assistenten treten nach außen als getrennte Produkte auf, doch kein Onlinedienst lebt vollständig isoliert. Dazu gehören Netzbetreiber, Cloud-Regionen, Content-Delivery-Netzwerke, Identitätsdienste, Sicherheitsfilter, App-Stores und die Geräte der Nutzer. Schon ein Problem auf einer dieser Ebenen kann sich bei mehreren Marken zugleich bemerkbar machen. Umgekehrt kann auch eine stark wahrgenommene Störung zu einem Messartefakt führen: Wer auf einem Dienst Fehler sieht, testet andere Dienste und erzeugt dort zusätzlichen Verkehr oder zusätzliche Fehlermeldungen.
Es wäre deshalb unseriös, aus dem Vorfall eine bestimmte gemeinsame Cloud-Abhängigkeit abzuleiten. Die veröffentlichte Faktenlage trägt das nicht. Dennoch ist die Frage nach Abhängigkeiten berechtigt. Ein Unternehmen, das seinen gesamten Schreibprozess, seine Entwicklungsumgebung oder seinen Kundenkontakt an einen einzelnen KI-Anbieter bindet, hat bereits bei einem isolierten Ausfall ein Problem. Wenn mehrere Ausweichdienste dieselbe Art von Infrastruktur oder dieselbe Arbeitsweise voraussetzen, bleibt der Wechsel womöglich nur scheinbar eine Absicherung.
Der jüngste Bericht über den gebündelten Zugang des Pentagons zu mehreren KI-Angeboten macht die strategische Seite sichtbar. Mehrere Anbieter können Auswahl und Redundanz verbessern. Sie ersetzen aber keine Prüfung, welche Daten, Schnittstellen und Betriebsabläufe tatsächlich voneinander unabhängig sind.
Was eine praktische Ausfallvorsorge ausmacht
Für Einzelpersonen beginnt Vorsorge klein. Wichtige Entwürfe sollten nicht ausschließlich in einem Chatfenster liegen, sondern in einem Dokument mit eigener Versionsgeschichte. Recherchelinks, Zwischenergebnisse und Dateien gehören in einen Speicherort, der auch ohne den gerade genutzten Assistenten erreichbar ist. Bei einer zeitkritischen Aufgabe hilft es, den Prompt und die bereits geprüften Fakten lokal zu sichern. Dann kann ein anderer Dienst übernehmen, ohne dass der gesamte Kontext neu aufgebaut werden muss.
Für Teams ist die wichtigste Frage nicht, ob ein zweites Modell vorhanden ist, sondern ob es nutzbar ist. Gibt es einen freigegebenen Ersatzdienst? Dürfen vertrauliche Daten dorthin übertragen werden? Wer entscheidet, ob eine Aufgabe verschoben, manuell erledigt oder mit einem anderen Werkzeug fortgesetzt wird? Und wie wird nach einem Ausfall kontrolliert, dass unterschiedliche Modelle keine widersprüchlichen Zwischenergebnisse erzeugt haben? Solche Regeln müssen vor dem ersten größeren Ausfall stehen, nicht in dessen hektischer Stunde.
Technische Teams sollten außerdem zwischen Benutzeroberfläche, API und eigentlicher Arbeitslogik unterscheiden. Wenn ein Chatdienst nicht erreichbar ist, kann ein lokaler Editor, ein gespeicherter Testlauf oder ein anderer Zugangskanal dennoch weiterhelfen. Bei wiederkehrenden Prozessen lohnt sich ein einfacher Degradationsmodus: Aufgaben werden gesammelt, Eingaben versioniert und erst wieder an ein Modell übergeben, wenn der Dienst stabil zurück ist. Das ist oft verlässlicher als automatisches Wiederholen in kurzer Folge.
Der wichtigere Maßstab ist Transparenz
Kein Anbieter kann vollständige Verfügbarkeit garantieren. Entscheidend ist, wie schnell er einen Ausfall erkennt, welche Funktionen er als betroffen nennt und ob Nutzer nachvollziehen können, wann die Lage wieder stabil ist. Die OpenAI-Statusseite war in diesem Fall ein nützlicher Anhaltspunkt, aber eine Lösungsmeldung ist noch keine Ursachenanalyse. Bei Anthropic blieb der Hinweis auf Infrastruktur allgemein. Für Anwender ist diese Unterscheidung wichtig, weil sie bestimmt, ob ein eigener Fallback kurzfristig genügt oder ob ein grundlegenderes Risiko geprüft werden sollte.
Der Ausfall vom 3. September beweist keine gemeinsame Störung hinter allen Diensten. Er beweist aber etwas Alltäglicheres: KI ist inzwischen Infrastruktur für reale Arbeit, und Infrastruktur fällt aus. Wer seine Abläufe so gestaltet, dass ein Chatfenster nicht der einzige Ort für Wissen, Dateien und Entscheidungen ist, reagiert auf die nächste Störung ruhiger und besser. Redundanz beginnt nicht mit drei Abos, sondern mit nachvollziehbaren Arbeitsständen und einem Plan für die Stunde ohne Assistenten.