Codex ist ebenfalls ausgefallen: Alle drei Hauptsysteme von OpenAI sind gleichzeitig ausgefallen, wie lassen sich die durch den Ausfall verursachten Kosten im Zeitalter der Agenten bemessen?
Am Abend des 25. Juli traten gleichzeitig Fehler bei drei Diensten von OpenAI auf: API, ChatGPT und Codex, wobei die Leistung von 31 Dienstkomponenten abnahm, bis die Systeme nach 1 Stunde und 51 Minuten wiederhergestellt waren.
Ein einzelner Ausfall ist nicht besonders schlimm, das größte Problem besteht darin, dass OpenAI seit 17 aufeinanderfolgenden Tagen keinen einzigen vollständig normalen Betriebstag mehr verzeichnet hat.
Knapper Ausfall
Um 17:17 Uhr Pekingzeit am 25. Juli veröffentlichte die offizielle Statusseite von OpenAI den Status „Untersuchung läuft“: Die Fehlerrate mehrerer Dienste ist gestiegen. Um 18:02 Uhr wechselte der Status zu „Überwachung läuft“, die Minderungsmaßnahmen sind wirksam geworden; um 19:08 Uhr wurde die vollständige Wiederherstellung aller Dienste bekannt gegeben.
Die betroffenen Bereiche umfassen drei Produktlinien: 12 Komponenten der API, 15 Komponenten von ChatGPT und 4 Komponenten von Codex, insgesamt 31 Dienstkomponenten mit verminderter Leistung. Der von einer Drittüberwachungsstation aufgezeichnete Beginn des Vorfalls liegt um 09:17 Uhr UTC, was vollständig mit den Angaben der Statusseite übereinstimmt.
Die Nutzer erleben dies direkt als fehlgeschlagene Anfragen, fehlerhafte Antworten und unterbrochene Aufgaben. Besonders auffällig ist der Ausfall von Codex: Programmier-Agenten bleiben bei der Ausführung von Aufgaben oft Dutzende von Minuten lang hängen, der Dienst bricht mitten im Prozess ab. Wenn man an einem großen Projekt arbeitet, kann dies leicht zum völligen Scheitern des gesamten Projekts führen.
17 aufeinanderfolgende Tage mit beeinträchtigtem Betrieb
Wenn man den Zeitraum auf einen Monat ausdehnt, kann dieser Vorfall nicht mehr als Einzelfall betrachtet werden.
Aufzeichnungen der Drittstatusüberwachungsplattform Bifrost zeigen, dass OpenAI seit dem 9. Juli keinen einzigen Tag im Zustand „vollständig normal“ verbracht hat: Am 12. und 16. Juli gab es zwei schwere Großausfälle, an den übrigen Tagen wechselte der Betrieb ständig zwischen dem Status „verminderte Leistung“ und „teilweiser Ausfall“.
Die Aufzeichnungen einer anderen Überwachungsstation namens incidenthub zeigen ebenfalls eine hohe Dichte an Vorfällen: Allein am 23. Juli veröffentlichte OpenAI vier unabhängige Vorfälle, die die Fehlerrate und Latenz von ChatGPT betrafen; am 24. Juli traten Fehler bei Codex Review auf; am 25. Juli kam es dann zum gleichzeitigen Ausfall aller drei Dienste.
Die offizielle Seite schweigt zu den Gründen, es gibt zwei plausible Erklärungsansätze: Die Last der Schlussfolgerungen im Sommer steigt stetig an, kombiniert mit dem Veröffentlichungsrhythmus neuer Modelle und neuer Funktionen, sodass die Infrastruktur über einen langen Zeitraum an der Belastungsgrenze betrieben wird. Dies sind alles nur Vermutungen, bis die offizielle Nachanalyse veröffentlicht wird.
Im Zeitalter der Agenten hat sich die Berechnung des Ausfallrisikos verändert
Vor zwei Jahren führte ein Ausfall von ChatGPT hauptsächlich zu Einbußen bei dem Chat-Erlebnis. Der Ausfall im Jahr 2026 ist von einer völlig anderen Natur.
Hinter der API stehen Produktivsysteme: Kundenservice-Roboter, Codepipelines, automatisierte Audits und Agent-Arbeitsabläufe. Ein 111-minütiger Dienstausfall bedeutet einen Stillstand der Produktionslinien. Der Slogan unter der Überwachungsseite ist selbst ein Marktsignal: „OpenAI ist ausgefallen? Leite die Anfragen automatisch an gesunde Ersatzmodelle weiter“ – die Ausfallsicherheit durch mehrere Modelle ist bereits zu einem eigenen Geschäftsfeld geworden.
Für Unternehmen, die ihre KI-Lösungen auswählen, rückt dieser 17-Tage-Datensatz einen wichtigen Indikator in den Vordergrund: das SLA. Die Rangliste der Modellfähigkeiten ändert sich wöchentlich, die Zuverlässigkeit wird hingegen täglich bewertet. Die Unterschiede bei den Fähigkeiten werden in Prozent berechnet, der Verlust durch Ausfälle hingegen mit 100 %.
Es gibt zwei plausible Schlussfolgerungen. Erstens wird das Routing über mehrere Clouds und mehrere Modelle von einem Zusatzvorteil zu einem Standardbestandteil der KI-Architektur von Unternehmen, das Risiko der Abhängigkeit von nur einem Anbieter wird neu bewertet. Zweitens ist jeder Ausfall eines ausländischen Flaggschiff-Modells eine Gelegenheit für inländische Modelle, die überlaufende Nachfrage aufzufangen – unter der Voraussetzung, dass die eigene Stabilität der gleichen Belastungskurve standhält.
Das Ingenieurteam von OpenAI wird voraussichtlich innerhalb weniger Tage eine Nachanalyse vorlegen. Aber die Tatsache von 17 aufeinanderfolgenden Tagen mit anormalem Betrieb steht fest, die Erklärung, die der Markt erwartet, wird vermutlich viel komplexer sein als die einfache Aussage „die Fehlerrate ist gestiegen“.