Chinesische Open-Weight-KI-Modelle fordern Europas Souveränitätskalkül heraus

Europäische Unternehmen testen stillschweigend eine These, die vor zwei Jahren noch widersprüchlich geklungen hätte: dass chinesische KI-Modelle, auf eigenen Servern betrieben, die technologische Souveränität des Kontinents eher stärken als untergraben könnten. Das Argument, vorgetragen von Beratern und Infrastruktur-Anbietern, ruht auf der Unterscheidung zwischen Herkunft eines Modells und seinem Ausführungsort, eine Unterscheidung, die Brüssels Regulierungsrahmen noch nicht vollständig verinnerlicht hat.

Der Wandel wird durch die Reife chinesischer Open-Weight-Foundation-Modelle getrieben, Systeme, deren zugrundeliegende Parameter veröffentlicht und herunterladbar sind, sodass jede Organisation sie hosten, feinjustieren und betreiben kann, ohne dauerhaft vom ursprünglichen Entwickler abhängig zu sein. Modelle von Unternehmen wie Zhipu AI, Moonshot AI und der Alibaba-gestützten Qwen-Serie haben einen Großteil des Leistungsrückstands zu führenden US-proprietären Systemen aufgeholt, während sie im skalierten Betrieb nur einen Bruchteil der Kosten verursachen.

Das Souveränitätsparadox

Volker Pfirsching, Münchner Partner der Managementberatung Arthur D. Little, benannte die Kernspannung in einem Interview diese Woche: "A Chinese-developed open-weight model operated on European infrastructure, with data remaining under the company's control, may in some respects offer greater operational sovereignty than consuming a proprietary foreign model that can be changed, repriced or withdrawn remotely." Die Beobachtung querliegt der europäischen Politik, die technologische Souveränität tendenziell mit der Nationalität des Lieferanten gleichsetzt.

Pfirschings Punkt ist operativer, nicht politischer Natur. Ein europäisches Unternehmen, das OpenAIs GPT-4o oder Anthropics Claude per API nutzt, hat keine Kontrolle über Modellversionen, Preise, Verfügbarkeit oder Datenverarbeitungsbedingungen. Der US-Anbieter kann einen Endpunkt abschalten, Preise anheben oder das Verhalten mit minimaler Ankündigung ändern. Im Gegensatz dazu gibt ein Open-Weight-Modell, ob chinesisch, französisch oder amerikanisch, , heruntergeladen auf Server in Frankfurt oder Paris, betreut von europäischem Personal, unterliegend dem EU-Datenschutzrecht, und mit firmeneigenen Daten feinjustiert, die das Gelände nie verlassen, der einsetzenden Organisation die volle technische Kontrolle.

Open-Weight versus Open-Source: eine kritische Unterscheidung

Die Branche nutzt "Open-Weight" präzise, weil diese Modelle nicht im traditionellen Sinne Open-Source sind. Trainingsdaten, Trainingscode und oft die Methodik bleiben proprietär. Veröffentlicht werden die Modellparameter, die Milliarden numerischen Gewichte, die das Verhalten des Modells definieren. Das reicht für Inferenz und Feinjustierung, nicht aber für vollständige Reproduzierbarkeit oder unabhängige Auditierung des Trainingsprozesses. Für europäische Unternehmen ist die Unterscheidung relevant: Sie gewinnen Deployment-Autonomie, aber keine Lieferkettentransparenz.

Chinesische Labore waren bei der Veröffentlichung von Open-Weight-Modellen bemerkenswert aggressiv. Zhipu AIs GLM-Serie, Moonshots Kimi und Alibabas Qwen-Familie haben alle Gewichte unter permissiven Lizenzen veröffentlicht, die kommerzielle Nutzung erlauben. Westliche Pendants waren zurückhaltender: Metas Llama-Serie ist die prominenteste Open-Weight-Familie eines US-Unternehmens, während das französische Start-up Mistral AI mehrere Modelle unter Apache 2.0 freigegeben hat. Die chinesischen Veröffentlichungen haben eine Wettbewerbsdynamik beschleunigt, die europäischen Anwendern zugutekommt: mehr Wahl, geringere Kosten, schnellere Innovation.

Brüssels Regulierungsrahmen zieht in die entgegengesetzte Richtung

Der Ansatz der Europäischen Union zur KI-Souveränität wurde vom AI Act geprägt, der im August 2024 in Kraft trat und Systeme nach Risiko statt Herkunft klassifiziert. Die Verordnung auferlegt Anbietern und Betreibern von Hochrisiko-KI-Systeme Pflichten zu Transparenz, Daten-Governance und menschlicher Aufsicht. Sie schränkt die Nationalität von Foundation-Model-Anbietern nicht ein. Die begleitende politische Rhetorik jedoch, von der "Strategischen Abhängigkeiten und Kapazitäten"-Mitteilung der Europäischen Kommission 2021 bis zur Europäischen Wirtschaftsicherheitsstrategie 2023, hat konsequent nicht-europäische kritische Technologieabhängigkeiten als zu reduzierende Verwundbarkeiten gerahmt.

Das erzeugt ein Politik-Missverhältnis. Das Gesetz ist herkunftsagnostisch; die Strategie herkunftssensibel. Ein deutscher Hersteller, der ein feinjustiertes Qwen-Modell auf eigener Infrastruktur betreibt, erfüllt die Deployer-Pflichten des AI Act. Derselbe Hersteller kann sich jedoch im Widerspruch zu Beschaffungsrichtlinien für kritische Infrastrukturen, Verteidigung oder öffentliche Aufträge wiederfinden, die implizit oder explizit europäische Herkunftstechnologie bevorzugen. Die Digitale Dekade der Kommission sieht vor, dass 75 % der europäischen Unternehmen bis 2030 KI nutzen, doch das Politik-Instrumentarium, Finanzierung europäischer Foundation Models über Horizon Europe, die KI-Fabriken-Initiative, das EuroHPC Joint Undertaking, geht davon aus, dass die Lösung in europäisch entwickelten Modellen liegt.

Die Lieferkettenabhängigkeit, die nicht verschwindet

Pfirschings Argument hat einen blinden Fleck: Open-Weight-Modelle sind keine statischen Artefakte. Sie erfordern Updates, Sicherheitspatches, Leistungsverbesserungen, Kompatibilitätsfixes für neue Hardware, Erweiterungen für neue Modalitäten. Die Organisation, die das Modell trainiert hat, kontrolliert die Roadmap. Ein europäisches Unternehmen, das heute ein chinesisches Modell hostet, gewinnt operative Autonomie, erbt aber eine Abhängigkeit von den zukünftigen Veröffentlichungsentscheidungen des chinesischen Labors. Wenn das Labor Updates einstellt, Lizenzbedingungen ändert oder von Peking angewiesen wird, Veröffentlichungen zu unterlassen, steht der europäische Betreiber vor einer Gabelung: ein zunehmend veraltetes Modell pflegen, massiv in eigenständige Weiterentwicklung investieren oder migrieren.

Das ist nicht hypothetisch. Die US-Exportkontrollen für fortschrittliche Halbleiter, verschärft im Oktober 2022 und erneut 2023, zeigten, wie schnell Hardware-Abhängigkeiten instrumentalisiert werden können. Chinesische KI-Labore operieren in einem Regulierungsumfeld, in dem das Cybersicherheitsgesetz, das Datensicherheitsgesetz und das Gesetz zum Schutz personenbezogener Informationen dem Staat weitreichende Zugriffs- und Weisungsbefugnisse gewähren. Europäische Unternehmen, die chinesische Foundation Models übernehmen, kaufen nicht nur Software; sie gehen eine langfristige Beziehung mit einer Entität ein, die einer anderen rechtlichen und politischen Ordnung unterliegt.

Europäische Alternativen existieren, stehen aber vor Skalierungsherausforderungen

Das europäische Ökosystem war nicht untätig. Mistral AI, 2023 gegründet, hat über eine Milliarde Euro eingeworben und Modelle veröffentlicht, die mit GPT-3.5-Klasse-Systemen konkurrieren. Aleph Alpha in Heidelberg pivotierte vom Foundation-Model-Training zu souveräner KI-Infrastruktur für Regierungen und Unternehmen. Das EuroHPC Joint Undertaking hat Exascale-Supercomputer beschafft, LUMI in Finnland, Leonardo in Italien, MareNostrum 5 in Spanien, explizit zum Training europäischer großer Sprachmodelle. Die 2024 gestartete KI-Fabriken-Initiative zielt darauf ab, Rechenzugang mit Daten, Talenten und Start-up-Unterstützung zu koppeln.

Dennoch bleibt die Lücke bei Kapital, Talentdichte und Trainingsdatenskalierung erheblich. US-Labore haben zig Milliarden eingeworben; chinesische Labore profitieren von riesigen Heimatmärkten und staatlich gesteuerter Rechenallokation. Europäische Ventures agieren in einem fragmentierten Kapitalmarkt, mit strengeren Datenschutzrestriktionen für Trainingsdaten und einem Regulierungsumfeld, das zwar harmonisiert ist, aber Compliance-Aufwand hinzufügt. Ergebnis: Europäische Open-Weight-Modelle hinken der Spitze um 12 bis 18 Monate hinterher, ein Abstand, der sich für Unternehmen, die heute Beschaffungsentscheidungen treffen, dauerhaft anfühlt.

Sektorale Unterschiede bei der Adoptionsbereitschaft

Die Bereitschaft, chinesische Open-Weight-Modelle zu übernehmen, variiert stark nach Sektor. Fertigung, Logistik und mittelständische Softwareunternehmen, Sektoren, in denen KI Produktivitätswerkzeug statt strategischem Differenzierungsmerkmal ist, sind am offensten. Sie schätzen Preis-Leistung, Deployment-Flexibilität und die Möglichkeit, proprietäre Prozessdaten on-premise zu halten. Finanzdienstleistungen, Telekommunikation und verteidigungsnahe Branchen bleiben vorsichtig. Regulatoren in diesen Sektoren, BaFin in Deutschland, ACPR in Frankreich, der Aufsichtsarm der EZB, haben keine spezifische Leitlinie zur Foundation-Model-Herkunft herausgegeben, aber ihre Erwartungen an Lieferkettenresilienz und Auditierbarkeit wirken effektiv gegen undurchsichtige Upstream-Abhängigkeiten.

Der öffentliche Sektor ist der härteste Fall. Der EU Interoperable Europe Act und nationale digitale Souveränitätsstrategien (Frankreichs "Cloud de confiance", Deutschlands "Sovereign Cloud") schaffen eine Vermutung zugunsten europäischer Herkunfts-Stacks. Ein französisches Ministerium, das ein chinesisches Modell, selbst auf französischen Servern, einsetzt, würde politischer Prüfung ausgesetzt, die ein Mistral-Deployment nicht erfährt. Das ist nicht purer Protektionismus; es spiegelt eine legitime demokratische Präferenz für rechenschaftspflichtige Lieferketten in Systemen wider, die Bürger-Staat-Interaktionen vermitteln.

Der entstehende Mittelweg: Modell-Destillation und synthetische Daten

Ein technischer Workaround gewinnt an Zugkraft. Europäische Unternehmen nutzen chinesische (und US-)Open-Weight-Modelle als Lehrer, generieren synthetische Trainingsdaten, annotieren Datensätze und produzieren destillierte kleinere Modelle, die Fähigkeiten erben, ohne die Parameteranzahl oder die Upstream-Abhängigkeit. Ein 7-Milliarden-Parameter-Modell, destilliert aus einem 72-Milliarden-Parameter-chinesischen Lehrer, kann auf bescheidener Infrastruktur laufen, vollständig im Eigentum stehen und laufende Abhängigkeit von den Veröffentlichungen des Lehrers vermeiden. Dieser Ansatz, manchmal "Modellextraktion" oder "Knowledge Distillation" genannt, bewegt sich in einer Grauzone: Er nutzt die Fähigkeiten des Frontier-Modells, ohne dessen Lieferkette zu adoptieren.

Die Rechtslage ist ungeklärt. Die meisten Open-Weight-Lizenzen erlauben Destillation für internen Gebrauch; einige beschränken kommerzielle Weiterverbreitung abgeleiteter Modelle. Die vorgeschlagene KI-Haftungsrichtlinie der EU und die Überarbeitung der Produkthaftungsrichtlinie könnten irgendwann klären, ob ein Betreiber eines destillierten Modells für Upstream-Mängel oder -Biases haftet. Vorerst gehen Unternehmen vorsichtig vor, dokumentieren die Abstammung jedes Modells in ihren Modellkarten und Risikobewertungen.