Wenn das Netz ausfällt: Die KI, die dann noch funktioniert

Am 28. April 2025 wurde aus einer technischen Möglichkeit ein europäischer Ernstfall. Und er stellt eine unbequeme Frage: Worauf können wir uns verlassen, wenn das Stromnetz und das Internet gleichzeitig verschwinden?

Der Tag, an dem die Cloud verschwand

Um 12:33 Uhr mitteleuropäischer Zeit brach am 28. April 2025 auf der gesamten Iberischen Halbinsel das Stromnetz zusammen. Spanien und das spanische Festland Portugals waren rund zehn Stunden lang ohne Strom, mancherorts länger. Ampeln fielen aus, U-Bahnen blieben stehen – und innerhalb von Sekunden begann das digitale Nervensystem zu erlahmen.

Was dann passierte, ist die eigentliche Lektion. Die Mobilfunknetze hielten nicht durch. Im Lauf des Nachmittags meldeten weite Teile der Region, dass 50 bis 100 Prozent der Nutzer offline waren – nicht weil die Funkmasten zerstört waren, sondern weil ihre Notstrom-Akkus leerliefen. Der portugiesische Anbieter MEO, der zuvor in Batterie-Redundanz investiert hatte, hielt große Teile seines Netzes am Laufen. Ein anderer Betreiber – der Anbieter Digi – verlor über 90 Prozent seiner Kunden für mehr als 24 Stunden.

Das ist kein Szenario aus einem fernen Krisengebiet. Das ist 2025, in einem wohlhabenden Kernland der EU, passiert. Und es legt offen, was wir im Alltag verdrängen: Fast alles, was wir „künstliche Intelligenz" nennen, lebt in Rechenzentren, die über genau diese Netze erreichbar sind. Fällt der Strom, fällt das Netz – und mit ihm die Cloud.

Wenn aber die Cloud verschwindet, bleibt nur, was lokal rechnet. In diesem Moment wird das Modell auf dem eigenen Gerät nicht zum besten verfügbaren KI-Werkzeug. Es wird zum einzigen.

Was lokale KI im Ernstfall leisten kann

Stellen wir uns ein Team vor, das nach einem Erdbeben, einer Flut oder einem großflächigen Blackout abgeschnitten ist: kein Mobilfunk, kein Internet, die nächste Fachkraft unerreichbar. Was nützt hier ein Modell, das auf einem kleinen Rechner vor Ort läuft?

Mehr, als man denkt – und das ist belegbar, nicht versprochen. Der seriöseste Einsatzfall ist die durchsuchbare Wissensbasis: medizinische Behandlungsprotokolle, Gefahrstoffdaten, technische Anleitungen, lokale Karten, Notfallprozeduren – vorab geladen und in natürlicher Sprache abfragbar, ohne ein einziges Byte ins Netz zu schicken. Genau dafür ist die Technik namens Retrieval-Augmented Generation (RAG) gedacht: Das Modell sucht in einer hinterlegten Dokumentensammlung und formuliert daraus eine Antwort.

Dass lokale, offline laufende KI im Gesundheitsbereich real funktioniert, zeigt ein Werkzeug von Ärzte ohne Grenzen. Die App Antibiogo wertet Antibiotika-Resistenztests aus – vollständig offline, auf einem einfachen Android-Smartphone, ohne jede Verbindung. Sie ist nach Angaben von Ärzte ohne Grenzen das erste kostenlose Diagnostik-Werkzeug mit CE-Kennzeichnung und erreicht in der klinischen Validierung rund 89 Prozent Gesamtübereinstimmung mit dem mikrobiologischen Goldstandard – je nach Erreger zwischen etwa 67 und 98 Prozent. Im Einsatz ist sie in MSF-Laboren in Mali, Jordanien, im Jemen, in der DR Kongo und der Zentralafrikanischen Republik.

Hinzu kommt die Sprache. Offline-Spracherkennung (etwa über Whisper), lokale Sprachsynthese und maschinelle Übersetzung (etwa über Metas NLLB, das in seinen kleineren Varianten 200 Sprachen abdeckt) laufen heute auf bezahlbarer Hardware – ein Übersetzungs- und Transkriptions-Werkzeug zwischen Helfenden und Betroffenen, das keine Verbindung braucht.

Lokale KI ist im Krisenfall kein Spielzeug. Sie ist mitunter das Letzte, was noch antwortet.

So weit der Reiz der These. Jetzt die Stresstests – denn als Berater interessiert mich weniger, was glänzt, als das, was unter Last bricht.

Die Hardware-Frage ist lösbar – die Stromfrage auch

Ein verbreiteter Einwand lautet: Ein gewöhnlicher Mini-Rechner sei für Katastrophenbedingungen viel zu empfindlich. Das stimmt so nicht. Gerade ein kompakter Rechner ohne bewegliche Teile, mit geringer Abwärme und niedrigem Verbrauch, ist ein hervorragender Kandidat für die Härtung. Es gibt fertige gehärtete Gehäuse nach Militär- und Schutzklassen-Standard (MIL-STD-810, IP-65/67, etwa von Peli oder Milrack), in die sich ein Mac mini oder ein Industrie-Mini-PC einbauen lässt – samt Wärmeableitung, Kabeldurchführung und Vibrationsdämpfung. Robustheit ist eine Konstruktionsaufgabe, kein Ausschlusskriterium.

Auch der Strom ist machbar. Ein Mac mini mit Apple-Silicon verbraucht im Leerlauf nur 3 bis 5 Watt und unter KI-Last bei mittelgroßen Modellen rund 30 bis 40 Watt. Eine tragbare Solar-Powerstation (256 bis 1000 Wattstunden) mit einem 120- bis 240-Watt-Panel deckt das – besonders, wenn die Inferenz in Schüben läuft statt rund um die Uhr.

Noch sparsamer wird es mit einer neuen Generation extrem komprimierter Modelle: Microsofts BitNet reduziert die internen Gewichte auf nur drei Werte (−1, 0, +1). Das bislang veröffentlichte Modell hat 2 Milliarden Parameter; die zugehörige Software bitnet.cpp kann auf einer einzelnen CPU aber Modelle bis in den Bereich von 100 Milliarden Parametern mit etwa Lesegeschwindigkeit ausführen – bei rund zwölffach geringerem Energieverbrauch pro Anfrage und je nach Hardware zwei- bis sechsfach schnellerer CPU-Inferenz. Für netzlose Niedrigenergie-Hardware ist das der eigentliche Hebel.

Die Hardware ist also nicht das Problem. Das Problem liegt woanders.

Das gefährliche Paradox: am riskantesten genau dann, wenn es zählt

Hier wird es ernst – und hier verkaufe ich keine Wunderpille. Lokale KI, die auf RAG aufsetzt, erbt ein grundlegendes Risiko: Sprachmodelle erfinden. Sie fügen Details hinzu, die in der Quelle nicht stehen, stellen Sachverhalte falsch dar oder widersprechen ihr direkt. „Halluzination" nennt sich das verharmlosend.

Die Forschungslage ist unbequem. Eine reale Feldauswertung eines KI-gestützten Entscheidungssystems im laufenden Betrieb von 16 kenianischen Erstversorgungskliniken, 2026 in Nature Health veröffentlicht, fand zwar selten direkte Halluzinationen (3,4 %) und eine hohe Leitlinientreue (99 %) – aber in 7,8 Prozent der Behandlungskontakte aktiv schädliche Empfehlungen. Eine zweite, 2025 in Communications Medicine (Nature) erschienene Studie zeigte, dass ein einziger eingeschleuster Falschwert in einer klinischen Eingabe in bis zu 83 Prozent der Fälle übernommen und sogar ausgebaut wurde. Und je nach Modell und Aufgabe finden Untersuchungen, dass medizinische KI-Antworten von nahezu null bis über 50 Prozent ihrer Quellenangaben schlicht erfinden.

Das Tückische: Falsche Antworten kommen nicht zögerlich, sondern selbstbewusst. Das Modell signalisiert keine Unsicherheit, wenn es irrt.

Und jetzt kommt das Paradox. Genau die Situation, die lokale KI wertvoll macht – ein isoliertes Team ohne Netz, ohne erreichbaren Experten –, ist dieselbe, die jede Korrekturmöglichkeit entfernt. Im Alltag fängt ein Kollege, eine Suchmaschine, ein Gegencheck die Falschauskunft ab. Im Blackout nicht. Eine selbstbewusste Halluzination über eine Medikamentendosis oder einen Gefahrstoff ist dort gefährlicher, nicht harmloser.

Die Antwort heißt „Quelle vor Antwort"

Es gibt einen technischen Ansatz, der das Risiko nicht beseitigt, aber beherrschbar macht: Citation-first – Beleg vor Behauptung. Die Idee: Keine Aussage ohne konkrete Quelle, und der Beleg entsteht im selben Zug wie die Aussage, nicht nachträglich. Jeder Satz verweist direkt auf die Textstelle, aus der er stammt; fortgeschrittene Systeme prüfen sogar mechanisch, ob die zitierte Passage wirklich in der Wissensbasis existiert, und verwerfen alles andere.

Der Effekt ist messbar: Sauber umgesetzte Attribution senkt Halluzinationsraten in den getesteten Datensätzen um rund 42 Prozent gegenüber Standard-RAG. Vor allem aber verschiebt der Ansatz die Rolle des Menschen: Statt einer fertigen Antwort sieht die Nutzerin zuerst die belegte Originalpassage – das Notfallprotokoll im Wortlaut –, die KI-Formulierung ist nur die Zusammenfassung darüber. Der Mensch bleibt die prüfende Instanz.

Ehrlich bleiben muss man trotzdem: Auch zitatbasiertes RAG halluziniert weiter, wenn die Prüfung schwach ist. „Mit Quelle" ist kein Gütesiegel. Für Lebenskritisches – Dosierungen, Gefahrstoffe, Triage-Schwellen – gilt deshalb eine harte Regel: Das Modell zeigt und übersetzt die Quelle, es entscheidet nicht. Es ist Suchhilfe und Dolmetscher, nicht Autorität.

Kommunikation kommt vor Rechenleistung

Es gibt einen blinden Fleck in der ganzen Erzählung, und er ist groß. Ein isoliertes Team braucht zuerst eines: Verbindung zu anderen Teams, zur Koordination. Nicht eine Wissensdatenbank, sondern die Fähigkeit, „Wir sind hier, wir brauchen das" zu senden.

Dafür existiert eine erprobte, dezentrale Lösung – und sie hat mit großen Modellen nichts zu tun. Meshtastic baut über günstige LoRa-Funkmodule ein selbstheilendes Mesh-Netz auf, das ganz ohne Mobilfunk, ohne SIM, ohne Internet funktioniert. Jeder Knoten leitet Nachrichten weiter; gut dimensionierte, solarbetriebene Knoten laufen bei ausreichend Sonne eine Woche und länger, im Idealfall dauerhaft. Das ist die Lebensader, auf der alles andere aufsetzt.

Lokale KI ist in diesem Bild eine Schicht, nicht der Held. Die überzeugende Architektur ist nicht „ein Rechner rettet den Tag", sondern ein Verbund: ein Mesh-Funknetz für die Kommunikation, ein gehärteter, solarbetriebener Basisknoten am Koordinationspunkt für die schwere Arbeit (RAG, Übersetzung, Lagebild), und sparsame Edge-Geräte – Smartphones, robuste Tablets mit kleinen Modellen – in der Hand der Einzelnen.

Wer die KI in den Vordergrund stellt und die Kommunikation vergisst, hat das Problem nicht verstanden.

Das eigentliche Nadelöhr: Vorbereitung

Und hier ist die unbequemste Wahrheit für alle, die in lokaler KI das Wundermittel sehen: Im Blackout kann man nichts mehr aufbauen. Das spezialisierte Modell, der kuratierte Wissensbestand, die getesteten Abläufe – all das muss vorher stehen. Wessen Protokolle? In welcher Sprache? Von wem aktuell gehalten und validiert? Diese Arbeit ist mühsam, unsichtbar und schlecht zu finanzieren – und genau deshalb scheitern Projekte daran.

Der Befund hat einen Namen: „Pilotitis". Die Weltbank zählte schon 2013 fast 500 unkoordinierte digitale Gesundheitsprogramme; Uganda verhängte Anfang 2012 ein Moratorium, weil sich bis zu 80 NGOs gegenseitig mit nicht-skalierbaren Pilotprojekten überlagerten. Nach Ende der Förderung gehen die Server offline, das geschulte Personal wechselt, die Prioritäten verschieben sich. Bessere Hardware löst dieses Problem nicht – sie kann es sogar kaschieren.

Ein zweites Nadelöhr ist die Sprache. Ausgerechnet die Sprachen, auf die es in Krisenregionen ankommt, sind am schlechtesten abgedeckt. Spracherkennung produziert bei Paschtu mitunter flüssig aussehende, aber unlesbare Ausgaben; selbst der zentrale Maßstab zur Bewertung maschineller Übersetzung enthielt für mehrere afrikanische Sprachen Fehler. Für Rohingya konkurrieren bis heute mehrere Schriftsysteme, ohne dass sich eines allgemein durchgesetzt hätte. Das ist kein technisches Versehen. Es bildet ab, wer Trainingsdaten produziert und besitzt – und wessen Sprache schlicht fehlt.

Wem gehört die Krisenautonomie?

Hier lohnt der Schritt zurück. Was an dieser Architektur politisch interessant ist, geht über Katastrophenschutz hinaus. Eine dezentrale, gemeinschaftseigene Resilienz-Infrastruktur ist das Gegenteil dessen, was im Iberischen Blackout reihenweise versagte: zentrale, abhängige, fremdkontrollierte Systeme. Lokale Modelle auf eigener Hardware, ein Funknetz ohne Konzern dahinter, ein Wissensbestand in eigener Hand – das ist anschlussfähig an alles, was Selbstorganisation, gegenseitige Hilfe und Unabhängigkeit von Cloud-Monopolen ernst nimmt.

Aber damit das ehrlich bleibt, gehören drei Vorbehalte dazu.

Erstens: Die Souveränität ist geliehen. Die offenen Modelle, auf denen all das beruht, kommen weiter von Meta, Google und Alibaba. Wer offline läuft, ist im Betrieb unabhängig – aber nicht in der Frage, was das Modell gelernt hat und wessen Sprachen fehlen. Echte Unabhängigkeit hieße, auch Daten und Training in Gemeinschaftshand zu bringen.

Zweitens: Resilienz-Technik ist Kontroll-Technik. Dieselbe Kiste, die einem abgeschnittenen Team hilft, ist für Behörden zur Lageüberwachung und Zugangskontrolle attraktiv. Wer sie baut, baut beides.

Drittens, und das ist das Wichtigste: Technik ersetzt keine soziale Infrastruktur. Was in Katastrophen Leben rettet, sind vorbereitete Menschen und tragfähige Vertrauensnetze – nicht Gadgets. Lokale KI darf nicht zur Ausrede werden, die organisatorische und solidarische Vorbereitung zu vernachlässigen, die viel schwerer zu beschaffen ist als ein Solarpanel.

Die spannende Frage ist nicht, ob die Technik funktioniert. Sie funktioniert zunehmend. Die Frage ist, wem sie gehört – und ob wir sie vorbereiten, bevor wir sie brauchen.

Was Organisationen jetzt tun können

Für gemeinnützige Organisationen, Katastrophenschutz-Strukturen und Mutual-Aid-Netzwerke heißt das konkret: Behandeln Sie Resilienz nicht als Hardware-Einkauf, sondern als Vorbereitung. Klären Sie zuerst, welche Informationen ein isoliertes Team im Ernstfall wirklich abrufen können muss – und kuratieren Sie diesen Wissensbestand jetzt, in der Sprache Ihrer Arbeit, mit benannter Verantwortung für Aktualität und Prüfung.

Bauen Sie in Schichten, nicht in einem Gerät: erst die Kommunikation (ein Mesh-Funknetz), dann der gehärtete, solarbetriebene Basisknoten, dann sparsame Edge-Geräte. Bestehen Sie bei jedem KI-Werkzeug, das in sensible Entscheidungen hineinreicht, auf dem Prinzip „Quelle vor Antwort" – und halten Sie für Lebenskritisches an deterministischen, geprüften Inhalten fest, statt ein Sprachmodell allein entscheiden zu lassen. Und testen Sie das Ganze, bevor der Ernstfall es testet.

Für mich als Berater heißt das: Ich verkaufe keine Blackout-Box, die alle Probleme löst – die gibt es nicht. Ich helfe Organisationen, die Vorbereitung zu leisten, die im Ernstfall trägt: den richtigen Wissensbestand, die richtige Architektur, die richtigen Sicherheitsregeln – und die ehrliche Unterscheidung zwischen dem, was lokale KI kann, und dem, was sie verspricht.

Die Resilienz, die uns als Einzelne im Blackout fehlt, lässt sich nicht im letzten Moment herstellen. Aber sie lässt sich – kollektiv, vorausschauend, selbstbestimmt – organisieren.