Die KI-Blase platzt. Anders. (#1278)

Zwei KI-Agenten diskutieren in dieser Folge des Venture AI Podcast die Frage, ob der aktuelle KI-Boom vor allem eine Blase gigantischer Rechenzentren ist oder der Beginn einer neuen Effizienzlogik. 

Im Zentrum steht die These, dass sich die Leitwährung im KI-Markt von maximaler Rechenleistung hin zu Intelligenz pro Watt verschiebt. Die Debatte verhandelt, ob technologische Effizienz zu mehr Dezentralisierung führt oder ob sie die Macht der bestehenden Infrastrukturkonzerne sogar weiter verfestigt. Für Entscheider entsteht daraus eine strategische Kernfrage: Wer baut heute wirklich souveräne KI-Systeme und wer stärkt am Ende nur die Infrastruktur anderer.

• 00:00 Einstieg: KI frisst Strom im großen Stil
• 01:39 Die neue Leitwährung: Intelligenz pro Watt
• 02:25 Die Milliardenfalle der Rechenzentren
• 03:31 Was Technikgeschichte über Effizienz lehrt
• 04:46 Bricht Effizienz die Macht der Hyperscaler
• 05:43 Quantisierung und Mixture of Experts erklärt
• 08:06 Training bleibt zentral, Inferenz wird dezentral
• 09:13 Bauplan statt Fabrik: Wo Wertschöpfung entsteht
• 10:58 Efficiency First Scaler als europäische Chance
• 12:00 Deutschlands Risiko: effizient, aber zu langsam
• 13:03 Energie als harter Wachstumsgrenzwert
• 14:52 Eisenbahn-Analogie: Bleibt die Macht im Zentrum
• 17:10 Platzt die Bewertungsblase der KI-Infrastruktur
• 18:38 Die offene Machtfrage hinter der Effizienz

Hier geht's zum Artikel:

https://ventureaibriefing.substack.com/p/die-ki-blase-platzt-anders

Transcript

SPEAKER_00 0:12

Willkommen beim Venture AI Podcast. Das ist unsere heutige Debatte über ja eine wirklich spannende Kontroverse im Tech-Markt.

SPEAKER_01 0:21

Genau, hallo auch von mir. Wir schauen uns heute diese absoluten Wahnsinnszahlen beim Stromverbrauch von künstlicher Intelligenz an.

SPEAKER_00 0:29

Richtig. Aktuell frisst ja eine einzige komplexe KI-Anfrage ungefähr zehnmal so viel Strom wie eine ganz klassische Google-Suche. Und in Texas oder auch im Nahen Osten planen die in diesem Moment Rechenzentren, also gigantische Anlagen, die teilweise den Bau von eigenen Kraftwerken erfordern.

SPEAKER_01 0:48

Ja, nur um überhaupt ans Netz gehen zu können. Das wirkt gerade wirklich wie so ein unumstößliches physikalisches Gesetz, weißt du? Mehr KI braucht zwingend mehr Beton, mehr Kupfer und einfach absurde Mengen an Energie. Exakt.

SPEAKER_00 1:03

Und die Investoren spielen da voll mit.

SPEAKER_01 1:06

Das ist halt diese absolute Logik der Masse, die wir gerade in den Vorstandsetagen sehen. Wer das meiste Kapital in die physische Infrastruktur reinwirft, der dominiert die Zukunft. Das ist zumindest die offensichtliche Wette der großen Tech-Konzerne.

SPEAKER_00 1:22

Aber genau diese Logik und dieses scheinbare Naturgesetz, das brechen wir heute mal auf. Wir diskutieren nämlich einen neuen Essay von Norman, der eine extrem mutige These aufstellt. Sehr mutig, ja. Er sagt, die aktuelle KI-Blase wird platzen, aber völlig anders als die meisten Kritiker denken. Es ist nicht die Technologie an sich, die scheitert, es ist dieser Gigantismus der Rechenzentren, der sich als Irrweg erweisen wird. Meine Position heute ist da sehr klar. Dieser aktuelle Wettlauf um immer absurdere, zentrale Rechenleistung, das ist nur eine teure Übergangsphase. Wir bewegen uns auf eine neue Leitwährung zu, nämlich Intelligenz pro Watt. Und wer diese Metrik beherrscht, der gewinnt den Markt der nächsten Dekade.

SPEAKER_01 2:09

Ich betrachte das aus einer eher systemischen und institutionellen Perspektive. Wir neigen in der Tech-Welt ja leider dazu, einfache Fortschrittserzählungen sofort zu glauben. Naja, wenn die Zahlen stimmen. Klar, besonders wenn uns versprochen wird, dass neue Technologie alles effizienter und dezentraler macht. Normans Text rüttelt wirklich clever an diesem Narrativ der ewigen Gigantomanie. Das erkenne ich an. Aber ich werde heute echt stark hinterfragen, ob so eine reine Effizienzsteigerung der Technologie wirklich die strukturelle Macht der bestehenden Infrastrukturgiganten bricht. Oft führt mehr Effizienz nämlich paradoxerweise dazu, dass Monopole noch unangreifbarer werden.

SPEAKER_00 2:51

Lass uns da direkt in die Mechanik des Essays einsteigen. Norman analysiert da sehr präzise diese, wie er es nennt, Milliardenfalle.

SPEAKER_01 3:00

Genau, die Milliardenfalle.

SPEAKER_00 3:02

Aktuell pumpen Unternehmen hundere Milliarden in digitale Fabriken. Die Botschaft an den Finanzmarkt ist regelrecht martialisch. Wer die größte Rechenleistung besitzt, der beherrscht unwiderruflich die KI. Und das treibt die Bewertungen dieser Infrastrukturunternehmen total in den Himmel. Die Investoren gehen von einer simplen, linearen Gleichung aus.

SPEAKER_01 3:24

Jedes Prozent mehr KI-Nutzung erfordert für immer ein proportionales Wachstum an zentralen Serverhallen. Richtig. Eine Annahme, die ja nicht völlig aus der Luft gegriffen ist, muss man sagen. Der Hunger nach Rechenleistung war in der bisherigen Geschichte der generativen KI tatsächlich exponentiell. Bisher, ja.

SPEAKER_00 3:44

Aber die Technikgeschichte zeigt langfristig oft ein völlig anderes Muster. Norman zieht hier einen historischen Vergleich, den ich extrem stark finde. Nehmen wir mal den Übergang von den riesigen Mainframe-Großrechnern der 70er Jahre hin zum Personal Computer und später zum Smartphone.

SPEAKER_01 4:01

Ein klassisches Beispiel. Das Smartphone hat alte Geräte ja nicht durch pure rohe Rechenkraft besiegt. Es hat sie durch eine extrem clevere Architektur und Spezialisierung verdrängt. Digitalkameras wurden nicht durch den Bau von noch gigantischeren Glaslinsen ersetzt, sondern durch intelligente Software auf kleinstem Raum. Historisch gesehen gewinnt am Ende immer die Effizienz, niemals der stumpfe Ressourceneinsatz.

SPEAKER_00 4:30

Den historischen Befund, den erkenne ich absolut an. Der Essay seziert wirklich hervorragend die blinden Flecken dieses gesamten Finanzmarkthypes. Die Finanzmärkte kalkulieren ein ewiges lineares Wachstum der Kosten für diese Megazentren ein. Aber, und hier setze ich sofort meinen ersten Kritikpunkt an. Okay, schieß los. Norman trifft hier eine hochrisikante Grundannahme. Er geht ganz selbstverständlich davon aus, dass technologische Effizienz zwangsläufig zu einer Dezentralisierung führt.

SPEAKER_01 4:58

Weil die Hardware das ermöglicht? Er suggerierte einen Automatismus, also wenn die Modelle kleiner werden, wandert die Macht weg von den riesigen Hallen hin zu lokalen Geräten und neuen Marktteilnehmern.

SPEAKER_00 5:11

Dieser Automatismus ergibt sich einfach aus der harten technologischen Realität, die wir genau jetzt beobachten. Wenn das Modell kleiner und stromsparender wird, brauche ich das zentrale Megazentrum schlichtweg nicht mehr für jede kleine Anfrage.

SPEAKER_01 5:26

Das klingt auf dem Papier super plausibel. Es übersieht aber völlig die reale Machtmechanik der etablierten Unternehmen. Was passiert denn wirklich, wenn diese Hyperscaler, also die Giganten mit den riesigen Rechenzentren, diese extremen Effizienzgewinne auf Hardware- und Software-Ebene realisieren? Sie sparen Kosten. Sie machen ihre Modelle effizienter, ja? Aber sie nutzen den dadurch gewonnenen Platz auf ihren Servern eben nicht, um Macht an den Rand des Netzwerks abzugeben. Sie schlucken diese Effizienz, um noch viel mehr Modelle parallel in ihren eigenen Hallen laufen zu lassen. Effizienz bricht nicht automatisch Monopole auf. Wenn ich ein System besitze und es plötzlich doppelt so effizient betreiben kann, wächst einfach meine Marge. Ich werde dadurch nur noch profitabler.

SPEAKER_00 6:12

Da muss ich jetzt einen harten Schnitt machen. Das ignoriert nämlich die fundamentale Veränderung der Systemarchitektur, die Normann beschreibt. Wir reden hier nicht nur von so kleinen, inkrementellen Verbesserungen. Wir reden von neuen Paradigmen. Nehmen wir die sogenannte Quantisierung. Okay. Wer jetzt zuhört und sich fragt, was das ist, das ist vereinfacht gesagt, das Zusammenquetschen von Daten, ohne dass das Modell dümmer wird. Stell dir vor, ein neuronales Netz rechnet intern nicht mehr mit acht Nachkommastellen, sondern nur noch mit einer oder zwei. Die Richtung der Berechnung bleibt gleich. Aber plötzlich schrumpft der Speicherbedarf eines gigantischen Modells auf einen winzigen Bruchteil. Und die Leistungsfähigkeit bleibt für die allermeisten Anwendungen nahezu erhalten. Ein unbestreitbar brillanter Ingenieurstrick, der die Kosten senkt. Es ist viel mehr als ein Trick. Es ist ein echter Türöffner für neue Player. Und dazu kommt dann noch das Mixture of Experts-Prinzip. Anstatt bei jeder simplen Frage das gesamte neuronale Netz mit hunderten Milliarden Parametern anzufeuern, leitet ein vorgeschalteter Router die Frage nur an den spezifischen kleinen Teil weiter, der die Antwort auch wirklich kennt. Das spart massiv Strom, ja? Exakt. Wenn du diese beiden Techniken kombinierst, bricht die technische Notwendigkeit für zentrale Gigantomanie einfach in sich zusammen. Neue Unternehmen wie Grog oder Cerebras greifen die etablierten Chip-Architekturen genau da an. Das entzieht den großen Rechenzentren das Monopol über die tägliche Anwendung. Das ist reale Geschwindigkeit und Umsetzbarkeit.

SPEAKER_01 7:48

Du zählst da beeindruckende technische Innovationen auf und die Mechanik, wie Modelle bei der Beantwortung schrumpfen, die erklärst du auch völlig richtig. Aber Norman und du, ihr macht hier einen fatalen analytischen Fehler. Oh, jetzt bin ich gespannt. Ihr vermischt zwei völlig unterschiedliche physikalische Prozesse, nämlich die Inferenz und das Training. Inferenz, also das, was du gerade beschrieben hast, die Anwendung der KI im Alltag, um eine Antwort zu generieren, ja, das wird dezentraler. Aber das anfängliche Training dieser Spitzenmodelle erfordert weiterhin diese gigantischen zentralen Rechenzentren.

SPEAKER_00 8:26

Weil das Training das gesamte Wissen erstmal komprimieren muss. Das ist logisch. Es geht um die Art der Berechnung.

SPEAKER_01 8:32

Inferenz ist ein simpler Vorwärtsdurchlauf. Du gibst einen Text ein, die Antwort fällt hinten raus. Das kann ein lokaler Chip. Aber Training ist extrem komplexes Feedback. Wenn das Modell lernt, muss es Milliarden von Parametern rückwirkend über zehntausende Chips hinweg anpassen. Das erfordert eine unfassbare Bandbreite und null Verzögerung zwischen den Prozessoren. Richtig, das geht nicht über das normale Internet. Genau. Wenn du versuchen würdest, dieses Training dezentral über Millionen Smartphones zu verteilen, würdest du Jahrhunderte warten. Du brauchst diese gigantischen, eng vernetzten Cluster zwingend unter einem Dach. Ich frage dich also, löst sich das Monopol der Infrastruktur hier wirklich auf oder verlagert es sich nur geschickt auf die Ebene jener drei oder vier Firmen, die sich diese Trainingszentren überhaupt noch leisten können?

SPEAKER_00 9:25

Es verlagert sich technologisch, das ist korrekt. Aber ökonomisch ziehst du daraus den falschen Schluss. Lass uns deine Annahme mit einer Metapher aus der klassischen Industrie korrigieren. Ein KI-Modell ist nicht die Fabrik selbst, es ist eher wie der extrem komplexe Bauplan für eine neuartige Lokomotive. Das gigantische Rechenzentrum ist das Konstruktionsbüro. Okay, ich folge dir. Dort brauche ich alle Experten dicht an dicht in einem Raum. Das verschlingt enorm viel Zeit und Geld. Aber wenn dieser Bauplan einmal fertig ist, also das trainierte Modell, dann kann ich die Lokomotive überall auf der Welt dezentral bauen und einsetzen. Wer den fertigen Bauplan nutzt, um vor Ort reale Wertschöpfung zu generieren, der kontrolliert den weitaus lukrativeren Teil der Wirtschaft.

SPEAKER_01 10:15

Das Konstruktionsbüro hat aber die Macht zu entscheiden, wer den Bauplan überhaupt bekommt und zu welchem Preis.

SPEAKER_00 10:22

Aber die Grenzkosten für die Anwendung fallen auf nahezu null, sobald das Modell lokal läuft. Wenn die Inferenz dezentral beim Nutzer stattfindet, schrümpft das Rechenzentrum wirtschaftlich zu einer reinen Infrastrukturdienstleistung, ähnlich wie ein banaler Stromanbieter. Das ist ein massiver Bedeutungsverlust für die Monopolisten. Und das bringt uns direkt zu den realen Konsequenzen dieses Textes. Gerade für uns in Europa hochspannend. Du meinst diesen Efficiency First Scalar? Genau. Norman prägt diesen Begriff. Das ist die Blaupause für Europa. Wer jetzt zuhört und in der Industrieentscheidungen trifft, denkt oft, wir haben nicht das Budget von Microsoft. Der KI-Zug ist abgefahren. Wir versuchen krampfhaft, diese amerikanischen Hyperscaler zu kopieren. Was wir nicht schaffen werden. Eben, das ist strategischer Selbstmord. Wenn die neue Währung aber Intelligenz pro Watt ist, dann wird KI plötzlich zu einer klassischen Ingenieursaufgabe. Intelligenz pro Euro, pro Kühlkreislauf, pro Industrieprozess. Denk an Roboterarme in einer Chemieanlage. Diese Anlagen brauchen Modelle, die lokal in Millisekunden entscheiden. Die Cloud ist dafür viel zu langsam und unsicher. Wir müssen nicht die generellen Weltmodelle bauen, wir müssen hocheffiziente Spezialmodelle bauen. Das ist die deutsche DNA, Ingenieurskunst.

SPEAKER_01 11:45

Hier muss ich echt extrem deutlich widersprechen. Hier zeigt der Essay nämlich seinen größten blinden Fleck. Die Idee des Efficiency First Scalers ist strategisch total reizvoll, ja? Aber institutionell ist sie hochriskant. Wieso riskant? Du sagst es selbst, Ingenieurs DNA. Das ist unser klassisches deutsches Narrativ. Wir bauen im geschützten Labor die effizienteste Maschine der Welt und glauben ernsthaft, die Welt wird uns dafür schon irgendwie belohnen. Aber die heutige technologische Dominanz wird eben nicht durch pure physikalische Effizienz auf dem Reisbrett entschieden.

SPEAKER_00 12:24

Sondern durch was? Die Gesetze der Physik lassen sich durch Marketing nicht aushebeln.

SPEAKER_01 12:29

Sie wird durch radikale unternehmerische Skalierung und Plattformökonomie entschieden. Und genau da sind wir in Deutschland oft zu zögerlich. Aus einem cleveren, hochgradig effizienten lokalen Modell ein robustes Produkt zu bauen mit Haftungen, Standards, API-Schnittstellen und massivem Vertrieb. Das ist der wahre Engpass.

SPEAKER_00 12:51

Das stimmt, da hinken wir oft hinterher.

SPEAKER_01 12:54

Ohne diese radikale Entscheidungskraft in der Wirtschaft bleibt der Efficiency First Scaler eine rein romantische Illusion auf dem Papier. In der harten unternehmerischen Realität ist das oft nur eine Ausrede für fehlende Skalierungsfähigkeit. Frei nach dem Motto, wir sind zwar bei den großen Modellen abgehängt, aber hey, dafür machen wir die Anwendung ein bisschen stromsparender.

SPEAKER_00 13:16

Das blendet den gigantischen ökonomischen Druck völlig aus, der gerade entsteht. Wir reden hier nicht von einem bisschen stromsparender. Wenn Energie weltweit der absolut limitierende Faktor für Wachstum wird, und das sehen wir heute schon an den überlasteten Stromnetzen in Regionen, wo keine neuen Rechenzentren mehr ans Netz dürfen, dann ist Effizienz kein nettes extra mehr. Es ist wichtig, ja. Sie ist das einzige verdammte Ticket, um überhaupt noch neue Systeme installieren zu können. Wenn ein deutsches Unternehmen ein KI-System baut, das eine komplette Produktionsstraße steuert und dabei nur ein Zehntel der Energie der Konkurrenz braucht, dann kauft der Weltmarkt dieses System aus nackter betriebswirtschaftlicher Notwendigkeit.

SPEAKER_01 14:00

Ich widerspreche ja gar nicht der Thermodynamik oder der Mathematik deiner Rechnung, ich widerspreche der Annahme, dass das amerikanische Kapital diese Effizienzsprünge nicht einfach kopiert und viel schneller global ausrollt.

SPEAKER_00 14:11

Aber die aktuelle finanzielle Bewertung dieser zentralen Infrastruktur ist doch eine Blase. Norman schreibt völlig zu Recht, wir haben keine KI-Ideenblase. Die Nutzung wird weiter explodieren. Aber wir haben eine Bau- und Bewertungsblase. Die geplanten Megazentren könnten sich schlichtweg als falsch dimensioniert erweisen. Er vergleicht das mit den alten Telefonvermittlungsstellen. Riesige Gebäude voller Relais. Die waren wichtige Brücken, aber eben nicht die Endstation der Kommunikation.

SPEAKER_01 14:42

Und genau an diesem Punkt halte ich die stärkste Gegenposition dagegen. Eine, die Normen am Ende des Essays ja glücklicherweise selbst als offenes Szenario stehen lässt. Lass uns dieses Infrastrukturargument mal auf die Spitze treiben. Okay, gerne. Was passiert, wenn dieser gigantische Bauboom heute exakt so verläuft wie der Eisenbahnbau im 19. Jahrhundert?

SPEAKER_00 15:04

Das ist ein populärer Vergleich bei Investoren. Aber zeig mir, warum der hier zutreffen soll.

SPEAKER_01 15:11

Damals wurden gigantische Trassen mit unfassbarem Kapitaleinsatz durch die Landschaft gefräst. Es gab unzählige Betrugsfälle, eine gewaltige Finanzblase platzte, aber die Schienen blieben liegen. Die Infrastruktur war geschaffen. Und jene wenigen Player, die diese Knotenpunkte kontrollierten, haben ein ganzes Jahrhundert lang die Wirtschaft diktiert. Meine These ist, was, wenn die Rechenzentren in 20 Jahren eben nicht kleiner und dezentraler werden, sondern noch viel gigantischer? Das würde voraussetzen, dass die Nutzung zwingend zentral bleiben muss. Warum sollte das passieren, wenn wir lokale Chips haben? Weil deine Baupahnmetapher von vorhin einen entscheidenden Fehler hat. Du gehst davon aus, dass KI-Modelle statisch sind, wenn sie einmal fertig trainiert und verteilt wurden. Aber die wirklich wertvolle KI der Zukunft wird kontinuierlich im laufenden Betrieb lernen müssen. Über neue Daten. Genau. Wir füttern diese Systeme künftig mit endlosen Echtzeitdatenströmen. Live-Video-Auswertungen, globale Sensorik, autonome Roboterflotten. Dieses massive Feedback kannst du nicht isoliert auf lokalen Maschinen verarbeiten. Das muss zentral synchronisiert, neu berechnet und als Update zurückgespielt werden. In dem Szenario sind die lokalen Geräte nur die dummen Fühler an der Peripherie. Das eigentliche lernende Gehirn bleibt in der Mitte. Und das Gehirn braucht den Strom. Es braucht Kühlwasser, eigene Kraftwerke und unvorstellbare Mengen an Kapital. Wer dieses Zentrum kontrolliert, kontrolliert alles. Es ist gefährlich zu glauben, dass sich das bei KI ausgerechnet jetzt ändert.

SPEAKER_00 16:56

Der Fehler in der Eisenbahnanalogie bleibt aber die grundlegende Natur der Wertschöpfung. Kohle musste physisch über diese eine Schiene transportiert werden. Intelligenz ist digital und ohne Reibungsverlust replizierbar. Selbst wenn so ein kontinuierliches Feedback Loop existiert, ändert das nichts an den Margen. Warum nicht? Wenn die lokale Industrie die massenhafte Datenverarbeitung dezentral erledigt, sinken die Gewinnmargen für das reine Bereitstellen von zentralen Serverkapazitäten drastisch. Das zentrale Rechenzentrum bleibt, ja? Aber sein wirtschaftlicher Wert relativiert sich. Es wird zu einer reinen Basisinfrastruktur, die hart im Preis umkämpft ist. Wenn diese Monopolrendite ausbleibt, weil kluge Ingenieure die Prozesse dezentralisieren, dann platzt diese spezifische Börsenblase. Das ist die Kernaussage von Norman.

SPEAKER_01 17:52

Ich warne einfach davor, den Kampf um diese systemische Basisinfrastruktur kampflos aufzugeben, nur weil wir uns in die Rhetorik von Intelligenz pro Watt verlieben.

SPEAKER_00 18:02

Wir müssen die Linien für heute mal zusammenziehen. Was bleibt als belastbarer Kern von Normans Text nach dieser Debatte wirklich übrig? Aus meiner strategischen Sicht ist es ein völlig unerschüterlicher Metrikwechsel. Völlig unabhängig davon, ob die KI der Zukunft lokal läuft oder durch kontinuierliches Lernen doch wieder zentral. Intelligenz pro Watt ist ab sofort die neue Leitwährung. Wer diese physikalische und ökonomische Gleichung aus Rechenleistung, Energiebedarf und Latenz am cleversten löst, der dominiert die nächste Dekade.

SPEAKER_01 18:36

Diesem Metrikwechsel kann ich voll zustimmen. Schon die physischen Grenzen unseres Planeten und der Stromnetze zwingen uns dazu, das ins Zentrum zu stellen. Da führt kein Weg dran vorbei. Aber unser wesentlicher Dissens bleibt am Ende bestehen. Nämlich die Machtfrage. Genau, es ist für mich völlig offen, ob wir wirklich ein dezentrales, faires Netzwerk bekommen oder ob die Effizienz nur dazu führt, dass die ohnehin Mächtigen mit noch weniger Ressourceneinsatz noch unangreifbarere Monopole bauen. Der Essay legt wirklich brillante Finger in die Wunden des aktuellen Finanzhypes, aber er liefert uns keine Garantie für eine dezentralere Technologielandschaft.

SPEAKER_00 19:15

Und genau diese unaufgelöste Spannung macht den Text so ungemein wertvoll. Wir werden hier heute ganz bewusst keinen endgültigen Sieger küren. Wenn du jetzt zuhörst und in deinem Unternehmen strategische Entscheidungen über IT-Architekturen oder industrielle KI triffst, dann liest diesen Essay von Norman unbedingt selbst.

SPEAKER_01 19:34

Und frag dich bei jeder Entscheidung ganz präzise, ob du ein souveränes System für dein Unternehmen baust oder ob du mit deinen Industriedaten gerade nur die zentrale Infrastruktur eines Monopolistenmächtiger machst.

SPEAKER_00 19:46

Vor 20 Jahren dachten wir auch, der autarke PC sei das Ende der Technologiegeschichte. Dann kam die gewaltige Zentralisierung durch die Cloud. Und jetzt wackelt diese Cloud eben unter dem Gewicht ihres eigenen Stromverbrauchs. Wenn wir beim nächsten Mal Bilder von einem neuen gigantischen Rechenzentrum in der Wüste sehen, betrachten wir vielleicht gar nicht die unantastbare Kathedrale der Zukunft, sondern nur ein verdammt großes, unglaublich teures Brückenbauwerk.