Während des Kalten Krieges baute die Sowjetunion ein System namens Perimeter, das im Westen als „Tote Hand“ bekannt war. Es war darauf ausgelegt, automatisch das gesamte russische Nukleararsenal zu starten, falls Sensoren einen Atomschlag erkannten und die Kommunikation zur militärischen Führung unterbrochen war.[s] Die Logik war einfach: Wenn Menschen nicht reagieren können, sollen die Maschinen entscheiden. Das war damals erschreckend. Was uns jetzt erschrecken sollte, ist, dass wir etwas Ähnliches in die Grundlagen der modernen Zivilisation einbauen, nur dass niemand darüber abgestimmt hat und die meisten Menschen nicht wissen, dass es existiert.
KI-Infrastruktur-Fragilität ist kein hypothetisches Problem. Es ist ein Muster, das bereits Milliardenschäden verursacht hat, und die Bedingungen, die es schaffen, beschleunigen sich. Automatisierte Systeme verwalten heute die Cloud-Plattformen, Netzwerke und digitalen Dienste, die Bankwesen, Gesundheitswesen, Transport und Regierung unterstützen. Wenn diese automatisierten Manager versagen, tun sie es in einem Umfang und mit einer Geschwindigkeit, die menschliche Betreiber nicht erreichen können.
KI-Infrastruktur-Fragilität: Was tatsächlich passiert ist
Am 19. Juli 2024 schob das Cybersicherheitsunternehmen CrowdStrike ein routinemäßiges Software-Update an seinen Falcon-Sensor. Ein Fehler im automatisierten Testsystem des Unternehmens ließ eine fehlerhafte Datei durch. Innerhalb von etwa 80 Minuten stürzten ungefähr 8,5 Millionen Windows-Computer weltweit mit blauen Bildschirmen des Todes ab.[s] Fluglinien stornierten Flüge. Krankenhäuser verloren den Zugang zu Patientenakten. Banken froren ein. Notdienste gingen offline.
Der finanzielle Schaden allein für Fortune-500-Unternehmen überstieg 5 Milliarden Dollar an direkten Verlusten.[s] Viele betroffene Rechner erforderten eine manuelle Vor-Ort-Behebung—oft ein Start im abgesicherten Modus oder in der Windows-Wiederherstellung und das Löschen der fehlerhaften CrowdStrike-Sensordatei; einige Endpunkte erholten sich nach wiederholten Neustarts oder mit automatisierten Wiederherstellungstools.[s] Die automatisierte Bereitstellung verursachte das Problem; ein Großteil der Wiederherstellung hing dennoch von manueller Arbeit ab.
Dann passierte es wieder, anders. Am 20. Oktober 2025 erlitt Amazon Web Services einen größeren Ausfall, als eine Race-Condition im automatisierten DNS-Management-System von DynamoDB einen kritischen Endpunkt-Eintrag löschte.[s] DynamoDB selbst war gesund, aber niemand konnte es erreichen. Der Ausfall kaskadierte durch viele abhängige AWS-Dienste über mehr als 15 Stunden und störte Millionen von Benutzern weltweit.[s] Fehlgeschlagene Anfragen erzeugten automatische Wiederholungen, die einen „Wiederholungssturm“ schufen, der AWS‘ interne Infrastruktur überwältigte und die Wiederherstellung noch schwieriger machte.[s]
Das waren keine exotischen Angriffe oder seltsame Unfälle. Sie waren die vorhersagbaren Konsequenzen einer spezifischen Art automatisierter Infrastruktur-Fragilität—Cloud-Control-Planes und Endpoint-Update-Pipelines, die andere automatisierte Systeme verwalten—mit Ausfallmodi, die sich schneller ausbreiten, als jeder Mensch eingreifen kann.
Warum Automatisierung die Dinge verschlechtert, nicht verbessert
Der Reiz automatisierten Infrastruktur-Managements ist offensichtlich. Maschinen werden nicht müde, sie skalieren mühelos und können in Millisekunden reagieren. Aber dieselben Eigenschaften werden zu Verbindlichkeiten, wenn etwas schiefgeht.
Die Kreditrating-Agentur Fitch warnte nach dem CrowdStrike-Vorfall, dass einzelne Ausfallpunkte „wahrscheinlich zunehmen werden, da Unternehmen nach Konsolidierung streben, um von Größenvorteilen und Expertise zu profitieren, was zu weniger Anbietern mit höheren Marktanteilen führt.“[s] Privacy International drückte es direkter aus: „Die Konsolidierung der Macht in Big-Tech-Unternehmen schafft übermäßige Abhängigkeit von einzelnen Ausfallpunkten. Vielfalt schafft Stärke.“[s]
Das Problem ist nicht, dass ein einzelnes automatisiertes System unzuverlässig ist. Einzeln funktionieren diese Systeme fast die ganze Zeit gut. Das Problem liegt darin, was passiert, wenn sie interagieren. Ein Ausfall in einem KI-gesteuerten System kann in andere kaskadieren und die Auswirkungen weit über den ursprünglichen Fehler hinaus verstärken.[s] Der AWS-Ausfall demonstrierte das perfekt: ein DNS-Fehler wurde zu einem Endpunkt-Ausfall wurde zu einem Control-Plane-Kollaps wurde zu einer globalen Serviceunterbrechung.
Die menschliche Reserve, die nicht da ist
Die Standardberuhigung für automatisierte Systeme ist „Mensch in der Schleife“, die Idee, dass eine Person immer die Aufsicht hat und die Maschine übersteuern kann. Die Forschung zeigt zunehmend, dass das eine tröstliche Fiktion ist.
Der Europäische Datenschutzbeauftragte veröffentlichte 2025 eine detaillierte Analyse mit dem Schluss, dass „das einfache Hinzufügen eines Menschen in den Entscheidungsprozess nicht von Natur aus bessere Ergebnisse gewährleistet.“ Der Bericht fand, dass „nur einen Menschen einzubeziehen wahrscheinlich nicht verhindern wird, dass Systeme falsche oder schädliche Ergebnisse produzieren.“[s]
Georgetowns Center for Security and Emerging Technology untersuchte Automatisierungsvoreingenommenheit, die Tendenz, automatisierten Systemen zu vertrauen, auch wenn sie falsch liegen, in Luftfahrt-, Automobil- und Militärdomänen. Ihr Schluss: „Mensch-in-der-Schleife kann nicht alle Unfälle oder Fehler verhindern“, weil die Voreingenommenheit auf einer psychologischen Ebene operiert, die Training allein nicht vollständig beheben kann.[s]
Schlimmer noch, die Fähigkeiten, die Menschen brauchen, um in einer Krise einzugreifen, schwinden. Deskilling, die Erosion von Kompetenz durch Nichtgebrauch, ist in der Medizin gut dokumentiert, wo KI-Diagnosewerkzeuge bereits das klinische Urteilsvermögen der Fachkräfte verschlechtern, die sie überwachen sollen.[s] Das Muster verallgemeinert sich: Während KI routinemäßige Infrastrukturaufgaben übernimmt, verlieren die Ingenieure, die diese Systeme einst praktisch verwalteten, die Intuitionen und Expertise, die nötig sind, um einzugreifen, wenn die Automatisierung zusammenbricht.
Die Governance-Lücke
Bis Ende 2026 wird erwartet, dass nicht-menschliche und agentische KI-Identitäten 45 Milliarden überschreiten, mehr als zwölfmal die globale menschliche Arbeitskraft. Dennoch berichten nur 10% der Organisationen, dass sie eine Strategie zur Verwaltung dieser autonomen Systeme haben.[s] Diese Lücke zwischen Bereitstellungsgeschwindigkeit und Governance-Reife ist der Ort, wo KI-Infrastruktur-Fragilität gedeiht.
KI erbt nicht nur bestehende Risiken. Es schafft neue obendrauf. Wie ein Infrastruktur-Politikforscher bemerkte, KI „verstärkt und verstärkt“ traditionelle Risiken, „erweitert den Explosionsradius von Systemausfällen“ durch Einführung von „interaktionsgetriebenen, datengetriebenen und gegnerischen Risiken in Maschinengeschwindigkeit und -umfang.“[s]
Einige Gerichtsbarkeiten beginnen zu handeln. Kaliforniens AB 316, gültig seit Januar 2026, verbietet es Angeklagten, die autonome Operation eines KI-Systems als Verteidigung gegen Haftungsansprüche zu verwenden.[s] Colorados KI-Gesetz, gültig seit Juni 2026, wird jährliche Auswirkungsbewertungen für hochriskante KI-Systeme verlangen. Das EU-KI-Gesetz wendet jetzt Regeln auf allgemeine KI-Modelle an. Aber die Infrastruktur-Automatisierung, die tatsächlich das Internet, die Cloud und das Stromnetz betreibt? Sie operiert weitgehend außerhalb dieser Rahmenwerke.
Was sich ändern muss
Die Lektion aus CrowdStrike und AWS ist nicht, dass Automatisierung schlecht ist. Es ist, dass Automatisierung ohne Sicherungen, ohne erhaltene menschliche Expertise und ohne echte Vielfalt bei Infrastrukturanbietern ein Rezept für die Art von kaskadierenden, systemischen Ausfällen ist, die Volkswirtschaften in die Knie zwingen.
Drei Prinzipien sind wichtig. Erstens, gestaffelte Bereitstellung: kein automatisiertes Update sollte alle Systeme gleichzeitig erreichen. CrowdStrike hat sich seitdem zu einem gestaffelten Ansatz verpflichtet, Updates zuerst an eine Teilmenge von Kunden bereitzustellen, bevor sie breiter ausgerollt werden.[s] Das sollte ein Industriestandard sein, nicht eine Lektion nach der Katastrophe. Zweitens, Infrastruktur-Vielfalt: Wenn der Ausfall einer einzigen Cloud-Region Dienste in 60 Ländern lahmlegen kann, ist die Architektur die Schwachstelle. Drittens, erhaltene menschliche Kompetenz: Die Menschen, die automatisierte Systeme übersteuern sollen, müssen das regelmäßig üben, nicht nur wissen, dass es theoretisch möglich ist.
KI-Infrastruktur-Fragilität ist kein zukünftiges Risiko. Es ist ein gegenwärtiger Zustand. Jeder kaskadierende Ausfall ist eine Erinnerung daran, dass wir Systeme gebaut haben, die für Effizienz unter normalen Bedingungen optimiert und unter abnormalen Bedingungen katastrophal spröde sind. Die Tote Hand wurde für ein Szenario entworfen, das ihre Schöpfer hofften, würde niemals eintreten. Wir bauen unsere in die Systeme ein, auf die wir jeden Tag angewiesen sind.
1985 aktivierte die Sowjetunion Perimeter, ein semi-autonomes nukleares Kommandosystem, das die westliche Aufklärung als „Tote Hand“ bezeichnete. Das System überwachte seismische Aktivität, Strahlungswerte, Luftdruck und Kommunikationsverbindungen. Wenn es Signaturen erkannte, die mit einem Nuklearschlag vereinbar waren, und die militärische Führung nicht erreichen konnte, konnte es die Startbefugnis an Dienstoffiziere in gehärteten Bunkern übertragen oder in einigen Konfigurationen autonom starten.[s] Das System verkörperte eine spezifische Philosophie: Wenn der Einsatz existenziell ist, entferne die menschliche Entscheidungslatenz aus dem kritischen Pfad. Diese Philosophie durchdringt jetzt, wie wir digitale Infrastruktur verwalten, und sie produziert ein erkennbares Muster von KI-Infrastruktur-Fragilität.
KI-Infrastruktur-Fragilität durch die Linse der Normal-Unfall-Theorie
1984 veröffentlichte der Soziologe Charles Perrow „Normale Unfälle“ und argumentierte, dass Systeme mit zwei Eigenschaften, interaktiver Komplexität und enger Kopplung, unvermeidlich katastrophale Ausfälle produzieren werden, unabhängig von Sicherheitsmaßnahmen. Ein System ist „komplex interaktiv“, wenn Komponenten auf nichtlineare, unerwartete Weise interagieren. Es ist „eng gekoppelt“, wenn Ausfälle sich schneller ausbreiten, als Betreiber eingreifen können.[s]
Moderne KI-verwaltete Infrastruktur zeigt beide Eigenschaften in extremer Form. Forscher an Stanford und der Bocconi-Universität wandten Perrows Rahmenwerk direkt auf KI-Systeme an und kamen zu dem Schluss, dass „unter dem aktuellen Paradigma Perrows normale Unfälle auf KI-Systeme zutreffen und es nur eine Frage der Zeit ist, bis einer auftritt.“[s] Der Mechanismus ist einfach: Während KI-Systeme allgegenwärtiger werden, „werden verschiedene Algorithmen direkt interagieren, was zu eng gekoppelten Systemen führt, deren Schadenspotential wir nicht vorhersagen können.“[s]
Eine ergänzende Analyse der University of Louisville erweitert dieses Rahmenwerk und stellt fest, dass „die Erhöhung der Komplexität und Erweiterung der Rolle von KI-Komponenten in einem System die Verständlichkeit des Systems verringert, was zu einer Zunahme normaler Unfälle führt.“[s] Die Schlüsselerkenntnis aus dieser Forschung ist, dass KI nicht nur Komponenten zu bestehenden Systemen hinzufügt; es verändert grundlegend, wie diese Systeme ausfallen. Traditionelle Komponentenausfälle sind linear und nachverfolgbar. KI-vermittelte Ausfälle sind nichtlinear und oft für Betreiber in Echtzeit unverständlich.
Anatomie von zwei kaskadierenden Ausfällen
Der CrowdStrike-Vorfall vom 19. Juli 2024 ist eine Lehrbuchillustration. CrowdStrikes Falcon-Sensor operiert auf Kernel-Ebene von Windows mit privilegiertem Zugang zum Kern des Betriebssystems. Channel File 291, ein Sensor-Konfigurationsupdate, passierte die automatisierte Validierung aufgrund eines Fehlers im Inhaltsverifizierungssystem. Die Datei löste einen Out-of-Bounds-Speicherzugriff im Parser des Falcon-Sensors aus und brachte den Windows-Kernel zum Absturz.[s] Innerhalb von 80 Minuten nach der Bereitstellung waren ungefähr 8,5 Millionen Geräte unbrauchbar. Die Wiederherstellung erforderte manuelle Eingriffe an jeder Maschine: physischen Zugang, Booten in den abgesicherten Modus, Löschen der fehlerhaften Datei.
Der Schaden für Fortune-500-Unternehmen überstieg 5 Milliarden Dollar an direkten Verlusten, wobei Gesundheitswesen und Bankwesen mit 1,94 Milliarden bzw. 1,15 Milliarden Dollar die schwersten Auswirkungen trugen.[s] Fitch Ratings bemerkte, dass dieser Vorfall „ein wachsendes Risiko einzelner Ausfallpunkte hervorhebt“ und warnte, dass solche Konzentration „wahrscheinlich zunehmen wird, da Unternehmen nach Konsolidierung streben.“[s]
Der AWS-Ausfall vom 20. Oktober 2025 demonstrierte einen anderen Ausfallmodus mit denselben zugrundeliegenden Dynamiken. AWS verwendet zwei automatisierte Subsysteme für DNS-Management: einen DNS-Planer (der Load-Balancer-Gesundheit verfolgt und Änderungen vorschlägt) und einen DNS-Enactor (der Änderungen über Route 53 anwendet). Eine latente Race-Condition zwischen redundanten Enactor-Instanzen verursachte, dass ein Cleanup-Job den aktiven DNS-Eintrag für den DynamoDB US-EAST-1-Endpunkt löschte und ihn auf keine IP-Adressen zeigen ließ.[s]
DynamoDB selbst blieb intern gesund, aber seine DNS-Unerreichbarkeit kaskadierte durch die AWS-Control-Plane. EC2, Lambda, CloudWatch und NLB-Gesundheitschecks hingen alle von DynamoDB ab. Client-SDKs initiierten bei fehlgeschlagenen Anfragen automatische Wiederholungen, die einen Wiederholungssturm schufen, der die interne Resolver-Infrastruktur weiter überwältigte. NLB-Gesundheitschecks begannen, neu gestartete EC2-Instanzen abzulehnen, was die Wiederherstellung verlangsamte. Der Ausfall hielt über 15 Stunden an und löste weitverbreitete nachgelagerte Serviceausfälle aus, wobei Hunderte von SaaS-Anbietern ihre Ausfälle AWS zuschrieben.[s]
Beide Vorfälle teilen ein charakteristisches Muster von KI-Infrastruktur-Fragilität: automatisierte Managementsysteme, die mit Geschwindigkeiten operieren, die menschliches Verständnis übertreffen, interagieren mit eng gekoppelten Abhängigkeiten auf Weise, die Ausfälle verstärken statt eindämmen.
Automatisierungsvoreingenommenheit und die Erosion menschlicher Überschreibungskapazität
Die Theorie hochzuverlässiger Organisationen (HRO) legt nahe, dass das Problem normaler Unfälle durch spezifische organisatorische Praktiken gemildert werden kann: dezentralisierte Entscheidungsfindung, starke Sicherheitskultur, Redundanz und kontinuierliches Training durch Simulation.[s] Die kritische Anforderung ist, dass menschliche Betreiber sowohl die Autorität als auch die Kompetenz beibehalten, automatisierte Systeme zu überschreiben. Aktuelle Trends untergraben beides.
Georgetowns Center for Security and Emerging Technology untersuchte Automatisierungsvoreingenommenheit in drei Domänen (Tesla-Autopilot-Vorfälle, Boeing/Airbus-Luftfahrtvorfälle und militärische Luftverteidigungssysteme) und fand, dass „Mensch-in-der-Schleife nicht alle Unfälle oder Fehler verhindern kann.“ Automatisierungsvoreingenommenheit verursacht „Kommissionsfehler (Handeln aufgrund falscher KI-Vorschläge) und Omissionsfehler (Nichthandeln, weil die KI keine Aktion veranlasste).“[s]
Die Analyse des Europäischen Datenschutzbeauftragten von 2025 identifizierte ein grundlegenderes Problem mit menschlicher Aufsicht über automatisierte Systeme: „die Ausgaben des Systems rahmen die verfügbaren Wahlmöglichkeiten ein und stupsen Benutzer subtil zu spezifischen Schlüssen an.“ Der EDPS kam zu dem Schluss, dass „das einfache Hinzufügen eines Menschen in den Entscheidungsprozess nicht von Natur aus bessere Ergebnisse gewährleistet“, weil Aufsicht oft als „eine rein prozedurale Formalität oder symbolische Geste“ implementiert wird.[s]
Erschwerend kommt hinzu, dass Deskilling aktiv die menschliche Expertise verschlechtert, von der Aufsicht abhängt. Im Gesundheitswesen, wo KI-Diagnosewerkzeuge sich ausgebreitet haben, beschreiben Forscher zwei unterschiedliche Mechanismen: technisches Deskilling, die Erosion praktischer Fähigkeiten, wenn Systeme die Ausführung übernehmen, und kognitives Deskilling, die Auslagerung von Kernmentalprozessen einschließlich Interpretation, kritischem Denken und iterativem Lernen.[s] Dieselben Dynamiken gelten für Infrastrukturtechnik. Wenn KI DNS, Load-Balancing, Skalierung und Bereitstellung verwaltet, verlieren die Ingenieure, die diese Systeme nominell überwachen, die operative Intuition, die aus praktischer Erfahrung aufgebaut wird.
Das Ausmaß des Governance-Defizits
Das Missverhältnis zwischen KI-Bereitstellung und KI-Governance ist quantifizierbar. Nicht-menschliche und agentische KI-Identitäten werden bis Ende 2026 voraussichtlich 45 Milliarden überschreiten, mehr als zwölfmal die globale menschliche Arbeitskraft, während nur 10% der Organisationen berichten, eine Managementstrategie für autonome Systeme zu haben.[s] Die Forschung zeigt, dass „kaskadierende Ausfälle sich schneller ausbreiten, als traditionelle Vorfallreaktion sie eindämmen kann“, wobei simulierte Umgebungen zeigen, dass ein einziger kompromittierter Agent 87% der nachgelagerten Entscheidungsfindung innerhalb von vier Stunden vergiftet.[s]
KI schafft, was Politikforscher „inkrementelles Risiko“ nennen, neue Schwachstellenschichten, die vor der KI-Bereitstellung nicht existierten. Das ist nicht KI, das bestehende Risiken ersetzt, sondern sie verstärkt: „KI verstärkt und verstärkt sie, erweitert den Explosionsradius von Systemausfällen“ durch „interaktionsgetriebene, datengetriebene und gegnerische Risiken in Maschinengeschwindigkeit und -umfang.“[s]
Regulatorische Antworten entstehen, bleiben aber fragmentiert. Kaliforniens AB 316 schließt die „KI hat es getan“-Haftungsverteidigung aus. Colorados KI-Gesetz schreibt Auswirkungsbewertungen vor. Das EU-KI-Gesetz deckt allgemeine Modelle ab. NIST veröffentlichte im Dezember 2025 einen Entwurf eines Cybersicherheits-Framework-Profils für KI, obwohl seine Autoren explizit Lücken um agentische KI-Systeme anerkannten, wo mehrere Agenten koordinieren und autonome Aktionen unternehmen.[s] Keines dieser Rahmenwerke behandelt spezifisch die automatisierten Infrastruktur-Managementsysteme, die die Cloud betreiben, Internet-Verkehr routen oder Stromnetze ausbalancieren.
KI-Infrastruktur-Fragilität: Strukturelle Sanierung
Die Behebung von KI-Infrastruktur-Fragilität erfordert Änderungen auf der Architekturebene, nicht nur auf der Politikebene. Vier Interventionen sind wesentlich.
Obligatorische Kanarienvogel-Bereitstellungen. Kein automatisiertes Update sollte sich gleichzeitig an eine gesamte Kundenbasis ausbreiten. CrowdStrike hat sich zu einem gestaffelten Ansatz für die Freigabe von Inhalts-Updates verpflichtet, zuerst an eine Teilmenge von Kunden bereitzustellen und zu überwachen, bevor eine breitere Einführung erfolgt.[s] Das sollte eine regulatorische Anforderung für jede Software sein, die auf Kernel-Ebene operiert oder kritische Infrastruktur verwaltet.
Architektur-Vielfalt-Anforderungen. Der AWS-Ausfall offenbarte, dass Verfügbarkeitszonenstrategien Abhängigkeiten von grundlegenden Diensten nicht beheben können, deren Ausfall durch die gesamte Control-Plane kaskadiert.[s] Privacy Internationals Bewertung ist korrekt: „das Internet sollte nicht auf enge Pfade und ummauerte Gärten beschränkt sein.“[s] Kritische Dienste brauchen echte Multi-Anbieter-Redundanz, nicht nur Multi-Region-Bereitstellung innerhalb eines einzigen Anbieters.
Erhaltene Überschreibungskompetenz. Aus HRO-Prinzipien schöpfend müssen Organisationen in das investieren, was Medizinpädagogen „bewusste Übung“ nennen, regelmäßige Übungen, wo menschliche Betreiber Infrastruktur ohne automatisierte Hilfe verwalten.[s] Die Analogie zur Luftfahrt ist präzise: Piloten fliegen immer noch Anflüge von Hand trotz Autopilot-Fähigkeit, spezifisch um Fertigkeitsschwund zu verhindern.
Automatisierte Sicherungen mit Explosionsradius-Grenzen. Der Wiederholungssturm, der den AWS-Ausfall verstärkte, ist ein bekanntes Ausfallmuster. Automatisierte Systeme müssen Sicherungen enthalten, die kaskadierende Wiederholungen stoppen und Explosionsradius-Eindämmung durchsetzen. AWS‘ eigene Reaktion nach dem Vorfall, die Deaktivierung und Neubewertung der verantwortlichen Automatisierungssysteme, ist der richtige Instinkt, angewandt nach der Tatsache statt davor.[s]
Die Tote-Hand-Parallele
Die sowjetische Tote Hand wurde gebaut, um menschliches Urteil aus einem System zu entfernen, wo verzögerte Antwort Vernichtung bedeutete. Ihre Designer verstanden den Kompromiss: Geschwindigkeit und Gewissheit der Antwort im Austausch für das Risiko autonomer Katastrophe. Moderne KI-Infrastruktur-Fragilität bettet denselben Kompromiss in Systeme ein, die wir jeden Tag nutzen, aber ohne dieselbe Klarheit darüber, was wir aufgeben.
Perimeter hatte zumindest einen expliziten Aktivierungsschritt; ein hoher Beamter musste es während einer Krise einschalten. Unsere automatisierten Infrastruktur-Managementsysteme sind immer an, breiten immer Änderungen aus, sind immer eng mit nachgelagerten Abhängigkeiten gekoppelt. Wenn sie ausfallen, tun sie es mit Netzwerkgeschwindigkeit. Die Frage ist nicht, ob der nächste kaskadierende Ausfall passieren wird, sondern ob wir die Sicherungen, die menschliche Expertise und die architektonische Vielfalt gebaut haben werden, um ihn einzudämmen, wenn es passiert.
