Analyse: Offene KI-Modelle aus China sind günstig, leistungsfähig und verändern den Wettbewerb

Leistungsfähige KI-Modelle zum Herunterladen, lokalen Betreiben und Anpassen werden zu einer ernsthaften Konkurrenz für die geschlossenen Angebote von Anbietern wie OpenAI und Anthropic. Neue offene Modelle aus China, darunter Kimi K3 von Moonshot AI und Qwen 3.8 von Alibaba, verschärfen zugleich die politische Debatte in Washington. Es geht um Sicherheit, wirtschaftliche Chancen und die Frage, wer den Zugang zu KI kontrolliert.

Für die großen US-KI-Labore ist nicht allein problematisch, dass manche Modelle kostenlos verfügbar sind. Entscheidend ist, dass sie für immer mehr Aufgaben ausreichend leistungsfähig werden. Unternehmen erhalten damit mehr Auswahl, können Daten besser unter eigener Kontrolle halten und sind weniger auf die Preise und Vorgaben einzelner Plattformen angewiesen.

Bei KI-Modellen mit „offenen Gewichten“ (open weights) werden die trainierten Parameter eines Modells veröffentlicht. Das bedeutet nicht zwingend, dass auch die Trainingsdaten und alle Entwicklungsschritte offenliegen. Unternehmen können solche Modelle jedoch auf eigener Infrastruktur betreiben, für eigene Zwecke anpassen und nutzen, ohne jede Anfrage an die Server eines externen Modellanbieters zu schicken.

Mehr Wettbewerb im Modellgeschäft

Der Investor Bill Gurley beschreibt offene Modelle in seinem Beitrag für die Washington Post als normalen Wettbewerbsmechanismus. Niedrigere Kosten und ein offener Zugang hätten in vielen Branchen etablierte Anbieter unter Druck gesetzt. Das sei kein Sonderfall, der nach staatlichem Schutz verlange.

Gurleys Kernthese lautet: Software lässt sich nach ihrer Entwicklung fast ohne zusätzliche Kosten vervielfältigen. Freie Software kann deshalb den Preis für den Code selbst senken. Geld wird dann mit angrenzenden Leistungen verdient, etwa mit Support, Hosting, Hardware, Integration oder Unternehmenssoftware. Firmen wie Red Hat, MongoDB und Databricks zeigen nach dieser Logik, dass frei verfügbare Technologie durchaus tragfähige Geschäftsmodelle ermöglichen kann.

Bei KI sind die Kosten allerdings komplexer als bei herkömmlicher Software. Ben Thompson erläutert in Stratechery, dass das Herunterladen eines Modells zwar die Forschungs- und Entwicklungskosten für Nutzer senkt. Die Nutzung bleibt aber nicht kostenlos. Für jede Anfrage sind Rechenleistung, Speicher und Strom nötig. Diese Kosten für die Ausführung, in der Branche Inference genannt, steigen mit dem Einsatzvolumen.

Der reine Preis pro Token reicht deshalb nicht als Vergleich. Verschiedene Modelle benötigen unterschiedlich viele Tokens, um zu einem brauchbaren Ergebnis zu gelangen. Das gilt besonders bei Aufgaben mit mehrstufigem Schlussfolgern oder bei KI-Agenten, die mehrere Arbeitsschritte selbstständig ausführen. Ein scheinbar günstiges Modell kann im Alltag teurer sein, wenn es für dieselbe Aufgabe deutlich mehr Rechenaufwand braucht.

Für viele Unternehmen zählen neben den Kosten andere Vorteile. Ein selbst betriebenes Modell kann vertrauliche Daten im eigenen Umfeld halten, was gerade in Europa wichtig ist. Es verringert die Abhängigkeit von einem einzelnen Anbieter. Außerdem lässt es sich mit Fachbegriffen, internen Abläufen und eigenen Dokumenten anpassen.

Die Plattform Ollama erklärt in einem Beitrag im eigenen Blog, sie erreiche 8,9 Millionen Entwickler und werde von 85 Prozent der Fortune-500-Unternehmen genutzt. Die Angaben lassen offen, wie intensiv die jeweiligen Unternehmen die Plattform einsetzen. Sie zeigen aber die wachsende Nachfrage nach Werkzeugen, die offene Modelle auf dem eigenen Rechner oder in einer selbst gewählten Cloud einfacher nutzbar machen.

Chinas Weg über Verbreitung

Chinesische Anbieter haben gute Gründe, Modelle offen bereitzustellen. US-Exportkontrollen können den Zugang zu leistungsfähigen Chips erschweren. Zudem ist es für chinesische Firmen schwieriger, weltweit zentralisierte KI-Dienste im gleichen Maßstab wie US-Anbieter aufzubauen. Die Verteilung von Modellgewichten bietet einen anderen Weg: Entwickler, Cloud-Anbieter und Unternehmen können die Modelle dort betreiben, wo sie es für richtig halten.

Ben Werdmuller schreibt auf werd.io, dass diese Strategie einen Nachteil bei der Recheninfrastruktur in einen Vorteil bei der Verbreitung verwandeln kann. Offene Modelle können sich über Hosting-Angebote, Entwicklerwerkzeuge, Unternehmenssoftware und lokale Installationen verbreiten. Davon profitieren auch ergänzende Märkte wie Cloud-Dienste und Chips.

Auch die chinesische Führung setzt offenbar auf diesen Ansatz. Xi Jinping hat zu mehr Open Source, Offenheit und Zusammenarbeit im KI-Bereich aufgerufen. Thompson wertet dies als Versuch, KI breit für Bereiche nutzbar zu machen, in denen China industrielle Stärken besitzt, etwa Produktion und Robotik.

Die jüngsten Veröffentlichungen deuten darauf hin, dass offene Modelle nicht mehr nur bei kleineren Systemen eine Rolle spielen. Wojciech Gryc schreibt in Emerging Trajectories, Kimi K3, Qwen 3.8 und weitere chinesische Modelle stellten die Annahme infrage, nur geschlossene und sehr kapitalstarke Labore könnten an der Leistungsspitze mitspielen. Die Angaben zur Leistungsfähigkeit müssen allerdings noch durch unabhängige Tests und reale Anwendungen bestätigt werden.

Der politische Konflikt in den USA

Parallel prüfen US-Behörden Maßnahmen, die den Einsatz chinesischer offener Modelle begrenzen oder unattraktiv machen könnten. Maria Curi berichtet für Axios, dass in der Trump-Regierung unter anderem Einträge auf der Entity List, Beschaffungsregeln, Cybersecurity-Warnungen und besondere Sicherheitsauflagen für das Hosting chinesischer Modelle diskutiert werden.

Befürworter solcher Schritte verweisen auf mögliche Hintertüren, Risiken für Unternehmensdaten und politische Einflussnahme durch den chinesischen Staat. Diese Fragen wiegen besonders schwer, wenn Modelle vertrauliche Informationen, Behördenmaterial oder sicherheitsrelevante Daten verarbeiten.

Kritiker befürchten dagegen, weitreichende Einschränkungen könnten vor allem die Marktposition weniger großer US-Anbieter schützen. Gurley warnt, offene Alternativen könnten dadurch geschwächt werden. Axios zitiert auch den KI-Berater des Weißen Hauses, David Sacks, mit Kritik an Regeln, die offene Konkurrenz zugunsten marktbeherrschender Anbieter geschlossener Modelle ausschalten könnten.

Hinzu kommt ein praktisches Problem für die IT-Sicherheit. Thompson argumentiert, dass Sicherheitsteams leistungsfähige Modelle benötigen, die sie bei Angriffen in ihrer eigenen Umgebung einsetzen können. Zu strenge Beschränkungen für US-Modelle im Cybersecurity-Bereich könnten dazu führen, dass Verteidiger auf ausländische Alternativen angewiesen sind.

Die Entscheidung liegt daher nicht einfach zwischen uneingeschränkter Offenheit und einem pauschalen Verbot. Unternehmen sollten Leistungsfähigkeit, tatsächliche Betriebskosten, Lizenzbedingungen, Datenschutz, Sicherheit der Lieferkette und die Möglichkeit zum eigenen Hosting prüfen. Für die Politik besteht die schwierigere Aufgabe darin, reale Risiken zu begrenzen, ohne den Wettbewerb in einem zentralen Technologiemarkt dauerhaft zugunsten weniger Anbieter festzuschreiben.

Quellen

• Open models for AI were inevitable – The Washington Post
• The secret Trump administration battle to fight Chinese AI – Axios
• Who’s Afraid of Chinese Models? – Stratechery
• Kimi K3, Qwen 3.8, and Anthropic’s (potential) Unravelling – Emerging Trajectories
• American AI is locked down and proprietary. It’s losing. – werd.io
• Ollama: all aboard open models – Ollama Blog