Als ChatGPT, Claude und Grok gleichzeitig ausfielen

Am Morgen des 3. September 2026 begann für Millionen Nutzer weltweit ein Arbeitstag mit einer Fehlermeldung. Erst meldete Anthropic Probleme mit Claude, wenig später zeigte OpenAI erhöhte Fehlerraten bei ChatGPT und Codex, fast zeitgleich häuften sich Störungsmeldungen zu xAIs Grok. Rund fünf Stunden lang liefen drei der bekanntesten KI-Systeme der Welt nicht zuverlässig – für Unternehmen, die diese Dienste längst in ihre täglichen Abläufe eingebaut haben, war das kein abstraktes Tech-News-Ereignis, sondern ein handfestes Betriebsrisiko.

Wir ordnen diesen Vorfall hier bewusst mit etwas Abstand ein – als Weckruf, der über die ursprüngliche Schlagzeile hinausreicht. Denn so kurz die Aufregung in den Medien auch war: Die eigentliche Lektion des 3. September ist noch längst nicht überall angekommen. Wer heute KI-Dienste in Kundenservice, Telefonie oder interne Prozesse integriert hat, sollte genau verstehen, was an diesem Tag passiert ist – und was es für den eigenen Betrieb bedeutet.

Für viele Unternehmen war der 3. September der erste Moment, in dem sich abstrakte Risikoüberlegungen zu KI-Anbietern in einen ganz konkreten, spürbaren Ausfall verwandelten. Bis dahin galt vielerorts die stille Annahme, dass ChatGPT, Claude oder Grok als etablierte, milliardenschwer finanzierte Dienste praktisch immer verfügbar sind – vergleichbar mit Strom aus der Steckdose. Diese Annahme hat sich am 3. September als trügerisch erwiesen. Und genau deshalb lohnt es sich, den Vorfall nicht nur als kurze Randnotiz abzuhaken, sondern ihn systematisch durchzugehen: Was ist passiert, warum ist es passiert, und was folgt daraus für die eigene Praxis?

Was am 3. September wirklich passiert ist

Der zeitliche Ablauf ist inzwischen von mehreren Quellen unabhängig voneinander dokumentiert, unter anderem von Bloomberg, Axios und The Register. Anthropic meldete gegen 9:23 Uhr Ostküstenzeit (ET) einen „partial outage", der Störungen bei Claude Opus 5 sowie den Modellversionen Fable 5.1 und Mythos 5.1 verursachte. Der Fix war dort gegen 12:16 Uhr ET wirksam. Fast parallel, ab etwa 10:43 Uhr ET, meldete OpenAI „elevated errors across ChatGPT and Codex". Auch bei xAIs Grok häuften sich zur gleichen Zeit Ausfallmeldungen. Insgesamt dauerte es bis etwa 12:38 Uhr Pazifikzeit, bis ChatGPT, Claude und Grok wieder vollständig liefen – macht in Summe rund fünf Stunden Störung, keine Angelegenheit von Minuten.

Auf dem Nutzer-Meldeportal Downdetector zeigte sich das Ausmaß deutlich: Zum Höhepunkt meldeten rund 40.000 Nutzer Probleme bei OpenAI-Diensten, etwa 1.500 bei Claude und eine ähnliche Größenordnung bei Grok. Auch bei Google Gemini gab es einen spürbaren Anstieg an Meldungen – allerdings mit einer wichtigen Einschränkung, auf die wir gleich zu sprechen kommen.

An dieser Stelle ist uns Transparenz wichtig: Das Ereignis, über das wir hier schreiben, fand nachweislich am 3. September statt. Mehrere seriöse Medien – Bloomberg, Axios, Forbes, The Register und Computerworld – datieren den Vorfall übereinstimmend auf diesen Tag. Wir greifen ihn hier bewusst als Anlass auf, weil die Lehren daraus mit etwas Abstand nicht an Relevanz verlieren, sondern eher noch klarer werden.

Sauber bleiben sollte man auch bei der Zahl der betroffenen Anbieter. Klar belegt und von mehreren Quellen bestätigt sind Störungen bei genau drei Unternehmen: OpenAI (ChatGPT, Codex), Anthropic (Claude) und xAI (Grok). Google Gemini zeigte laut Downdetector zwar erhöhte Störungsmeldungen, doch Google selbst veröffentlichte keinen offiziellen Incident-Eintrag auf seiner Status-Seite. Ob Gemini „offiziell" mitbetroffen war, bleibt damit unklar – ein vierter, unsicherer Fall, den man von den drei klar dokumentierten Ausfällen unterscheiden sollte. Und: Keiner der drei betroffenen Anbieter hat einen Angriff oder eine koordinierte Ursache bestätigt. Fachmedien führen die Häufung überwiegend auf eine gemeinsame Cloud-Infrastruktur-Abhängigkeit zurück, nicht auf Cyberkriminalität.

Die eine gemeinsame Schwachstelle: Cloud-Infrastruktur

Als wahrscheinliche Ursache wird in Sekundärberichten ein Ausfall der Microsoft-Azure-Region East US genannt. Wichtig ist hier die Einordnung: Diese Ursache stammt aus Berichten von Fachmedien und wurde nicht in einem offiziellen, primärquellen-verifizierten Post-Mortem von Microsoft, OpenAI oder Anthropic bestätigt. Sie gilt als plausibelste, aber nicht als bewiesene Erklärung.

Trotzdem lohnt sich genau an dieser Stelle ein zweiter Blick, denn sie zeigt ein strukturelles Problem, das über den konkreten Vorfall hinausreicht. Anthropic fährt offiziell eine Multi-Cloud-Strategie über AWS, Google Cloud und Azure. Ein relevanter Teil des Claude-Produktivverkehrs lief den Berichten zufolge dennoch weiterhin über Azure-verknüpfte Pfade. Mit anderen Worten: Selbst ein Anbieter, der auf dem Papier mehrere Cloud-Anbieter nutzt, kann an einer einzigen Stelle im Hintergrund verwundbar bleiben.

Ein einzelner regionaler Infrastrukturfehler kann mehrere, scheinbar unabhängige KI-Plattformen gleichzeitig treffen. Unternehmen, die ChatGPT, Claude oder Grok ohne dokumentierten Kontinuitätsplan in geschäftskritische Workflows eingebettet hatten, erlebten sofortige Produktionsausfälle.

So fasst Sandy Carter in ihrer Forbes-Analyse vom 5. September die zentrale Lehre für Führungskräfte zusammen. Und genau hier liegt der Punkt, der für den Mittelstand am meisten wehtut: Die Annahme, „ich nutze ja mehrere Anbieter, also bin ich abgesichert", greift zu kurz, wenn diese Anbieter im Hintergrund dieselbe Cloud-Infrastruktur teilen. Multi-Provider ist kein Ersatz für Multi-Infrastruktur.

Warum das für den deutschen Mittelstand keine akademische Frage mehr ist

Man könnte diesen Vorfall als Problem der großen Tech-Konzerne abtun – wäre da nicht die Geschwindigkeit, mit der KI in deutschen Unternehmen bereits produktiv eingesetzt wird. Laut Bitkom setzen inzwischen 41 Prozent der deutschen Unternehmen KI aktiv ein, 2024 waren es erst 20 Prozent. Weitere 32 Prozent planen den Einsatz. Die Schwerpunkte: 71 Prozent nutzen KI für Text und Übersetzung, 53 Prozent für Marketing und Kommunikation, 42 Prozent im Kundenservice und 31 Prozent für Datenanalyse.

Gerade der Kundenservice-Anteil von 42 Prozent macht den Vorfall vom 3. September konkret. Generative KI kann in diesem Bereich 70 bis 90 Prozent der Support-Tickets abdecken – aber nur, wenn Wissensbasis und Fallback zu Menschen sauber designt sind. Fehlen diese Voraussetzungen, sinkt die Abdeckung auf 30 bis 40 Prozent. Diese Spanne ist kein Detail am Rande, sie ist der eigentliche Kern der Sache: Die Fallback-Frage entscheidet darüber, ob ein KI-Ausfall für Ihr Unternehmen ein Achselzucken oder ein Notfall ist.

Wer beispielsweise seinen telefonischen Kundenservice komplett auf einen KI-Assistenten umgestellt hat, ohne eine eingeübte Rückfallebene zu Menschen zu haben, stand am 3. September möglicherweise fünf Stunden lang ohne funktionierenden Kanal da. Fünf Stunden, in denen Kunden nicht durchkamen, Anfragen unbeantwortet blieben und interne Prozesse ins Stocken gerieten. Das ist der Unterschied zwischen einem Tool, das die Arbeit erleichtert, und einer Abhängigkeit, die zum Single Point of Failure wird.

Was Downtime tatsächlich kostet – und was das für KMU bedeutet

Zahlen zu Downtime-Kosten helfen, die Dringlichkeit einzuordnen – allerdings mit einer wichtigen Einschränkung: Die folgenden Zahlen stammen aus einer allgemeinen Splunk/Oxford-Economics-Studie zu IT-Downtime insgesamt, nicht speziell zu diesem KI-Ausfall und nicht spezifisch für den deutschen Mittelstand. Sie liefern trotzdem eine nützliche Größenordnung: Im Schnitt kostet Downtime rund 15.000 US-Dollar pro Minute, aggregiert kommen Global-2000-Unternehmen jährlich auf etwa 600 Milliarden US-Dollar an Downtime-Kosten – ein Plus von 50 Prozent innerhalb von zwei Jahren. Pro Organisation ergibt das im Schnitt rund 300 Millionen US-Dollar jährlich, beziehungsweise über 900.000 US-Dollar pro Stunde Ausfall.

Diese Größenordnungen stammen aus der Welt der Großkonzerne und lassen sich nicht eins zu eins auf einen mittelständischen Betrieb übertragen. Aber die Richtung ist eindeutig: Je stärker ein Unternehmen KI-gestützte Prozesse in seinen Betrieb integriert, desto stärker wirkt sich ein Ausfall dieser Prozesse auf Umsatz, Kundenbindung und interne Abläufe aus – proportional geringer als bei einem Weltkonzern, aber für den einzelnen Betrieb genauso real. Die begleitende Splunk-Studie zeigt zudem: Rund die Hälfte der befragten Organisationen erlebte bereits Downtime durch fehlerhafte KI-Automatisierung oder Modell-Drift, knapp ein Drittel durch Bugs aus der KI-Einbettung in Produktivsysteme. Man könnte das ein „Reliability Paradox" nennen: Je aggressiver Unternehmen KI einsetzen, um operative Risiken zu senken, desto mehr entsteht eine neue, schwer vorhersehbare Risikokategorie.

Von der Multi-Provider-Illusion zur echten Resilienz

Computerworld brachte es in seiner Überschrift zum Vorfall auf den Punkt: ChatGPT, Claude und Grok fielen gleichzeitig aus – Unternehmen brauchen einen Backup-Plan. Die begleitende Analyse des AI Governance Institute spricht in diesem Zusammenhang von „AI Concentration Risk": Der Vorfall wird branchenweit als Beleg dafür gewertet, dass sich kritische Infrastruktur gefährlich auf wenige, cloud-abhängige KI-Anbieter konzentriert.

Was heißt das konkret für Ihren Betrieb? Erstens: Fragen Sie aktiv nach, über welche Cloud-Region beziehungsweise welchen Hyperscaler Ihr KI-Anbieter tatsächlich läuft, statt sich allein auf das Label „Multi-Cloud" zu verlassen. Zweitens: Für jeden KI-gestützten, geschäftskritischen Prozess – Telefonie, Kundenservice, Auftragsannahme – sollte ein dokumentierter, eingeübter manueller Fallback-Plan existieren. Genau die Unternehmen, die einen solchen Plan nicht hatten, erlebten laut Forbes-Analyse beim Ausfall sofortige Produktionsstörungen. Drittens: Eine bewusste Triage lohnt sich. Welche Prozesse dürfen vollautomatisiert ohne Rückfallebene laufen, weil ein Ausfall dort verschmerzbar ist? Und welche brauchen zwingend eine Eskalationsstufe zum Menschen, weil dort echte Kundenbeziehungen oder Umsatz auf dem Spiel stehen?

Ein Blick auf die eigene Infotech-Analyse „Overlapping AI Outages Expose an Enterprise Resilience Gap" bestätigt dieses Bild: Die Lücke liegt selten in der KI-Technologie selbst, sondern in der fehlenden Kontinuitätsplanung rund um sie. Wer einen Agenten für den Kundenservice einsetzt, aber nie durchgespielt hat, was passiert, wenn dieser Agent für fünf Stunden nicht erreichbar ist, hat ein Betriebsrisiko eingebaut, das erst im Ernstfall sichtbar wird.

Damit verbunden ist ein Aspekt, der in der Aufregung um technische Ursachen leicht untergeht: Klare interne und externe Kommunikationsprozesse für Ausfallzeiten sollten vorab definiert sein, nicht erst während der Störung improvisiert werden. Wer weiß, wie Kunden informiert werden, wenn der KI-Telefonassistent ausfällt? Wer übernimmt in der Zwischenzeit die eingehenden Anfragen? Wie lange darf eine Störung dauern, bevor eine Eskalation an die Geschäftsführung erfolgt? Der fünfstündige Vorfall vom 3. September zeigt, dass Ausfälle auch bei etablierten Großanbietern mehrere Stunden dauern können – nicht nur Minuten, wie man vielleicht instinktiv annehmen würde. Ein Unternehmen, das für diesen Fall keinen Plan hat, verliert wertvolle Zeit genau dann, wenn sie am wichtigsten ist.

Diese Planung muss nicht kompliziert sein. Oft reicht eine einfache Checkliste: Wer wird informiert, welcher Kanal springt ein, welche Kunden werden proaktiv kontaktiert, wann gilt der Ausfall als „kritisch genug" für eine Eskalation an die Geschäftsführung. Sinnvoll ist außerdem, feste Verantwortlichkeiten zu benennen, statt im Ernstfall erst zu klären, wer überhaupt zuständig ist. Der Unterschied zwischen einem Unternehmen, das souverän durch eine fünfstündige Störung kommt, und einem, das in Chaos verfällt, liegt selten an der Technik – sondern daran, ob dieser Plan vorher existiert oder erst im Ausfall improvisiert werden muss. Genau dieser Unterschied entscheidet am Ende darüber, ob Kunden eine Störung als kleinen Ärger oder als Vertrauensbruch wahrnehmen.

Was Sie aus dem 3. September konkret mitnehmen sollten

Der Vorfall vom 3. September 2026 ist kein Grund, den Einsatz von KI-Agenten im eigenen Betrieb zu stoppen – die Zahlen zur Nutzung und zum Wachstum in deutschen Unternehmen zeigen, dass sich diese Technologie ohnehin durchsetzt. Er ist aber ein guter Anlass, drei Fragen ehrlich zu beantworten. Wissen Sie, welche Cloud-Infrastruktur hinter Ihrem KI-Anbieter tatsächlich steckt? Haben Sie für jeden geschäftskritischen, KI-gestützten Prozess einen dokumentierten Fallback zum Menschen? Und gibt es einen abgestimmten Kommunikationsplan für den Fall, dass eine Störung mehrere Stunden dauert?

Wer diese drei Fragen mit Ja beantworten kann, hat aus dem Ausfall der drei großen Anbieter bereits die richtige Lehre gezogen. Wer sie nicht beantworten kann, sollte das nicht erst beim nächsten Ausfall herausfinden. Denn eines hat der 3. September gezeigt: Die Frage ist nicht mehr, ob ein solcher Vorfall wieder passiert, sondern wann – und wie gut Ihr Unternehmen dann vorbereitet ist.

Wichtig ist dabei die richtige Balance. Es geht nicht darum, aus Angst vor Ausfällen auf produktive KI-Nutzung zu verzichten – angesichts der Zahlen zur Verbreitung im deutschen Mittelstand wäre das ohnehin ein Wettbewerbsnachteil. Es geht darum, KI-Agenten so in bestehende Abläufe einzubetten, dass eine Störung beim Anbieter zu einem überschaubaren Ärgernis wird und nicht zu einem mehrstündigen Stillstand geschäftskritischer Prozesse. Genau dieser Unterschied – zwischen unreflektierter Abhängigkeit und bewusst gestalteter Resilienz – entscheidet darüber, ob der nächste große KI-Ausfall Ihr Unternehmen kalt erwischt oder nur am Rande betrifft. Der 3. September 2026 war insofern kein Ausreißer, sondern ein Testlauf dafür, wie gut die eigene Vorbereitung tatsächlich ist – und ein guter Zeitpunkt, diese Vorbereitung jetzt nachzuholen, statt beim nächsten Vorfall erneut überrascht zu werden.