Rechenleistung & Kosten
FLOP
Floating Point Operations — die Zählung einzelner Rechenschritte. In FLOP misst man, wie viel Rechnen in ein Training floss; Regulierer nutzen Schwellen wie 10^25 FLOP, um „große“ Modelle zu definieren. Die Zahl sagt nichts über Klugheit, aber viel über Aufwand — sie ist das Kilogramm-Gewicht der KI-Industrie.
Ein Beispiel
FLOP zählt Rechenoperationen — die Einheit, in der Trainingsaufwand angegeben wird. Die Größenordnungen sind jenseits der Anschauung: Ein aktuelles Spitzenmodell liegt bei etwa 10²⁶ Operationen. Zum Vergleich müsste ein einzelner guter Rechner dafür länger arbeiten, als es Menschen gibt. Praktisch relevant wird die Zahl, weil sie in Regulierung auftaucht: Der EU AI Act knüpft zusätzliche Pflichten an eine Schwelle von 10²⁵ FLOP im Training.
Genauer betrachtet
FLOP zählt Gleitkommaoperationen. Für Modelle wird meist die Gesamtzahl im Training angegeben, heute im Bereich von 10²⁵ bis 10²⁶. Der EU AI Act knüpft an eine solche Schwelle zusätzliche Pflichten.
Warum das zählt
Für die allermeisten Unternehmen ist FLOP eine Kennzahl der Anbieter und keine eigene — Sie trainieren keine Modelle dieser Größe. Wissen sollte man trotzdem, warum sie in Verträgen und Gesetzestexten auftaucht: Sie ist der derzeit einzige halbwegs objektive Näherungswert für „besonders leistungsfähiges Modell“ und dient deshalb als Auslöser für Prüf- und Meldepflichten. Wenn Sie ein Modell einsetzen, das über der Schwelle liegt, hat der Anbieter zusätzliche Pflichten — und Sie haben eine Frage mehr im Lieferantengespräch.
Häufig missverstanden
Als Qualitätsmaß taugt die Zahl nicht. Zwei Modelle mit gleichem Rechenaufwand können sich in Datenqualität und Verfahren erheblich unterscheiden.