GitHub rüstet auf: 4 Millionen CPU-Kerne gegen den KI-Ansturm

GitHub hat seine Infrastruktur in diesem Jahr um vier Millionen CPU-Kerne, 160 Petabyte schnellen Speicher und 50 Terabit pro Sekunde Netzkapazität erweitert. Das geht aus Angaben der Plattform selbst hervor. Es handelt sich um zusätzliche Ressourcen für wachsende Aktivität, nicht um die Gesamtkapazität. KI-Agenten nennt das Unternehmen als einen der Gründe für den Druck.

Aktivität fast verdreifacht

Laut Octoverse 2026 stieg die Zahl der Commits von 12,9 Milliarden auf 34,3 Milliarden in den zwölf Monaten bis September 2026, öffentliche wie private Repositories eingerechnet. Allein im September waren es 7,38 Milliarden. Ein Commit ist eine gespeicherte Version von Änderungen an einem Projekt und kann sehr klein oder groß sein. Die Zahl misst also erfasste Aktivität, nicht erzeugte Codezeilen.

Agenten erklären einen Teil des Sprungs. Im September begannen mehr als 40 % der Pull Requests mit einem Entwurf, den ein für GitHub erkennbarer KI-Agent erstellt hatte; im März waren es 17 %. Neue Repositories mit Konfigurationsdateien für Agenten verzeichneten im Schnitt achtmal mehr Commits als solche ohne. GitHub weist darauf hin, dass dies keinen gleichwertigen Produktivitätsgewinn belegt, da auch Repositories ohne diese Dateien KI nutzen können.

Die Häufigkeit ist das Problem

Die Belastung entsteht weniger durch das Speichern als durch die Zugriffshäufigkeit. Eine einzelne Agentenaufgabe kann mehrere Pushes, Lesezugriffe und automatische Prüfungen auslösen; arbeiten viele Agenten parallel, vervielfacht sich der Verkehr.

Die Grenzen zeigten sich bereits. Am 17. August 2026 fiel GitHub sieben Stunden und 47 Minuten teilweise aus. Laut Unternehmen erreichte der Traffic einen neuen Höchstwert, und eine kritische Komponente in einem US-Rechenzentrum skalierte nicht mit. GitHub räumte ein, bestimmte Ressourcen nicht früh genug ausgebaut zu haben, machte KI-Agenten aber nicht direkt verantwortlich.

Neue Architektur

Mehr Kapazität allein genügt laut GitHub nicht. Das Unternehmen migriert auf eine über mehrere Microsoft-Azure-Regionen verteilte Infrastruktur und trennt Speicher und Verarbeitung, damit beide unabhängig wachsen können. Zudem sollen weniger Vorgänge miteinander abgestimmt werden müssen. In internen Tests stieg die Schreibkapazität bis auf das 35-Fache, was jedoch noch nicht die Gesamtleistung der Plattform widerspiegelt.

Der Fall zeigt eine weniger offensichtliche Folge von KI beim Programmieren: Code-Vorschläge lassen sich leicht erzeugen, doch Entwickler müssen sie weiterhin prüfen, testen und auswählen, während die Dienste dahinter immer stärker automatisierten Verkehr verkraften müssen.