Die billige KI aus China – und warum Europa zwischen zwei Abhängigkeiten geraten könnte

China verschenkt KI – und wir sollten uns fragen, warum

Am 27. Januar 2025 passierte an der amerikanischen Börse etwas, das man bis dahin kaum für möglich gehalten hätte.

Nvidia verlor innerhalb eines Tages rund 593 Milliarden US-Dollar an Börsenwert. So viel hatte noch kein amerikanisches Unternehmen an einem einzigen Tag verloren.

Der Grund war kein Krieg, keine Finanzkrise und auch kein Einbruch bei der Nachfrage nach künstlicher Intelligenz.

Der Grund war ein chinesisches KI-Modell namens DeepSeek.

Ein Modell, das plötzlich bei vielen Aufgaben mit den großen amerikanischen Systemen mithalten konnte. Gleichzeitig war es offen verfügbar und deutlich günstiger.

Damit stand auf einmal eine ziemlich unangenehme Frage im Raum.

Was passiert eigentlich mit dem milliardenschweren KI-Geschäftsmodell der USA, wenn China vergleichbare KI einfach für einen Bruchteil des Preises anbietet?

Der Moment, in dem DeepSeek alle nervös machte

Ende 2024 veröffentlichte DeepSeek den technischen Bericht zu DeepSeek-V3.

Darin erklärte das chinesische Unternehmen, dass der finale Trainingslauf rund 2,788 Millionen Stunden auf Nvidia-H800-GPUs benötigt habe. Daraus wurden Trainingskosten von ungefähr 5,6 Millionen US-Dollar berechnet.

Das klingt im Vergleich zu den teilweise dreistelligen Millionen- oder sogar Milliardenbeträgen amerikanischer KI-Projekte fast lächerlich günstig.

Ganz so einfach ist es natürlich nicht. In den 5,6 Millionen US-Dollar waren unter anderem die vorherige Forschung, Fehlversuche, Datenaufbereitung und weitere Entwicklungskosten nicht vollständig enthalten.

Trotzdem blieb eine wichtige Erkenntnis: DeepSeek hatte gezeigt, dass man leistungsfähige KI offenbar deutlich effizienter entwickeln kann, als viele bis dahin angenommen hatten.

Im Januar 2025 folgte DeepSeek-R1.

Das Modell konnte bei mehreren Aufgaben mit führenden amerikanischen Systemen mithalten. Gleichzeitig stellte DeepSeek den Code und die Modellgewichte unter einer sehr offenen Lizenz bereit. Entwickler und Unternehmen konnten das Modell herunterladen, verändern und auf eigener Infrastruktur betreiben.

Die Reaktion an der Börse war entsprechend deutlich. Nvidia verlor an diesem Tag rund 17 Prozent. Auch Microsoft, Alphabet, Broadcom und andere Unternehmen gerieten unter Druck.

Das eigentlich Interessante war aber nicht der Kursverlust.

Für einen kurzen Moment zweifelte der Markt an seiner eigenen KI-Geschichte.

Denn wenn China leistungsfähige Modelle mit weniger Rechenleistung entwickeln und anschließend sehr günstig anbieten kann, wofür braucht es dann noch all die gigantischen Rechenzentren, Chipbestellungen und Unternehmensbewertungen in den USA?

Diese Frage ist bis heute nicht abschließend beantwortet.

Verschenkt China seine KI mit Absicht?

Der amerikanische Wirtschaftsprofessor Scott Galloway hat dafür im Mai 2026 einen ziemlich provokanten Begriff verwendet: AI Dumping.

Seine These ist einfach.

Wenn China die amerikanische KI-Wirtschaft wirklich unter Druck setzen wollte, müsste es keine Rechenzentren angreifen und keine Unternehmen hacken. China müsste einfach leistungsfähige KI so billig auf den Markt werfen, dass Unternehmen ihre millionenschweren Verträge mit OpenAI oder Anthropic nicht mehr rechtfertigen können.

Warum viel Geld für ein amerikanisches Modell bezahlen, wenn ein chinesisches Modell für viele Aufgaben fast genauso gut ist und nur einen Bruchteil kostet?

Galloway vergleicht das mit chinesischem Stahl. Produkte werden zunächst sehr günstig angeboten. Wettbewerber können mit den Preisen nicht mehr mithalten, Marktanteile verschieben sich und Abhängigkeiten entstehen. Wenn der Markt erst einmal unter Kontrolle ist, können die Preise wieder steigen.

Ist das eine bewiesene chinesische Strategie?

Nein.

Ist es vollkommen unrealistisch?

Ebenfalls nein.

China hat in den vergangenen Jahrzehnten mehrfach gezeigt, wie schnell sich ganze Märkte durch Skalierung, staatliche Unterstützung und aggressive Preise verändern lassen. Wir haben das bei Stahl gesehen, bei Solarmodulen, Batterien und Elektroautos.

Warum sollte es bei KI grundsätzlich anders laufen?

Der Unterschied ist sogar noch größer. Stahl muss produziert, transportiert und gelagert werden. Ein KI-Modell kann einmal entwickelt und anschließend weltweit beliebig oft kopiert werden.

KI-Dumping wäre damit möglicherweise sogar einfacher als klassisches Produktdumping.

Der Kampf begann schon vor ChatGPT

Die Auseinandersetzung zwischen den USA und China ist nicht erst mit DeepSeek entstanden.

Bereits am 7. Oktober 2022 führten die USA umfassende Exportkontrollen für besonders leistungsfähige Chips und Anlagen zur Halbleiterfertigung ein. China sollte dadurch der Zugang zu moderner Rechenleistung und Fertigungstechnologie erschwert werden.

Das war rund sieben Wochen vor der Veröffentlichung von ChatGPT.

Washington hatte also schon früh verstanden, dass KI nicht nur das nächste nette digitale Produkt ist. KI wird eine strategische Technologie, die Wirtschaft, Militär, Forschung, Verwaltung und Gesellschaft gleichzeitig verändert.

Wer die Chips kontrolliert, kontrolliert einen wesentlichen Teil der KI-Entwicklung.

Zumindest war das der Plan.

DeepSeek hat später gezeigt, dass man technologische Entwicklung mit Exportkontrollen bremsen kann. Man kann sie damit aber nicht zwangsläufig stoppen.

Im Gegenteil. Wenn Rechenleistung knapp und teuer wird, entsteht ein enormer Druck, effizienter zu werden und eigene Alternativen aufzubauen.

Vielleicht haben die amerikanischen Chipbeschränkungen China also nicht nur behindert. Vielleicht haben sie China gleichzeitig gezwungen, schneller und effizienter zu entwickeln.

China setzt nicht nur auf ein Modell

DeepSeek ist kein einzelner Ausreißer.

Mit Qwen von Alibaba, Kimi von Moonshot, GLM von Zhipu und weiteren Modellen von MiniMax oder Tencent ist inzwischen ein ganzes chinesisches KI-Ökosystem entstanden.

Viele dieser Modelle werden mit frei verfügbaren Gewichten veröffentlicht. Unternehmen können sie herunterladen, selbst betreiben und an ihre eigenen Anforderungen anpassen.

Dabei sollten wir mit dem Begriff Open Source etwas vorsichtig sein.

Nur weil Modellgewichte heruntergeladen werden können, sind nicht automatisch auch Trainingsdaten, Datenfilter, Trainingscode und alle Entwicklungsschritte transparent. Genau deshalb ist Open Weight häufig die ehrlichere Bezeichnung.

Für Unternehmen ist das trotzdem sehr interessant.

Ein offenes Modell kann auf eigener oder kontrollierter Infrastruktur betrieben werden. Daten müssen nicht zwangsläufig an einen externen Chatbot geschickt werden. Das Modell kann angepasst werden und die laufenden Kosten lassen sich besser kontrollieren.

Und vor allem braucht nicht jede Aufgabe das neueste und größte Modell.

Für viele wiederkehrende Prozesse reicht ein kleineres Modell vollkommen aus. Das betrifft interne Suche, Dokumentenklassifizierung, Übersetzungen, Zusammenfassungen oder bestimmte Programmieraufgaben.

Wir sollten deshalb aufhören, KI nur über Benchmarks zu vergleichen.

Die wichtigste Frage ist nicht, welches Modell irgendwo drei Prozent besser abschneidet.

Die wichtigere Frage lautet: Welches Modell löst unseren konkreten Anwendungsfall zuverlässig, sicher und zu einem vernünftigen Preis?

Im Sommer 2026 kam der nächste Warnschuss

Am 16. Juli 2026 stellte Moonshot AI das Modell Kimi K3 vor.

Mit 2,8 Billionen Parametern wurde es als größtes Open-Weight-Modell seiner Zeit angekündigt. Bei einigen Aufgaben kam es in die Nähe führender amerikanischer Systeme. Insgesamt lag es noch hinter den stärksten proprietären Modellen, aber der Abstand wurde erneut kleiner.

Nvidia verlor an diesem Tag nicht noch einmal fast 600 Milliarden US-Dollar, wie es teilweise dargestellt wurde. Die Aktie gab zeitweise rund zwei Prozent nach. Das war kein zweiter DeepSeek-Crash, aber ein weiterer Warnschuss.

China konnte inzwischen nicht mehr einfach als Technologieland belächelt werden, das amerikanische Entwicklungen mit einigen Monaten Verzögerung kopiert.

Die chinesischen Modelle waren da, sie wurden besser und sie waren deutlich günstiger.

Dann schalteten die USA ihre beste KI einfach ab

Für Europa war aber noch ein anderes Ereignis wesentlich wichtiger.

Am 12. Juni 2026 ordnete die amerikanische Regierung an, den Zugriff ausländischer Personen auf die besonders leistungsfähigen Anthropic-Modelle Fable 5 und Mythos 5 zu sperren.

Anthropic konnte die Staatsangehörigkeit seiner Nutzer nicht zuverlässig in Echtzeit überprüfen und deaktivierte die Modelle deshalb zunächst für alle Kunden.

Die Einschränkung wurde zum 1. Juli wieder aufgehoben. Trotzdem hatte das Ereignis etwas gezeigt, was vorher gerne als theoretisches Risiko abgetan wurde.

Ein europäisches Unternehmen kann für eine amerikanische KI bezahlen, diese tief in seine Prozesse integrieren und trotzdem von einem Tag auf den anderen den Zugriff verlieren.

Nicht wegen eines technischen Problems.

Nicht wegen eines Cyberangriffs.

Sondern aufgrund einer politischen Entscheidung in Washington.

Wer bei digitaler Souveränität noch immer nur an Datenschutz und Serverstandorte denkt, sollte sich dieses Beispiel genauer anschauen.

Und plötzlich wurde die günstige chinesische KI teurer

Im August 2026 folgte dann die nächste interessante Wendung.

DeepSeek erhöhte die Preise für sein leistungsfähigstes API-Modell deutlich und führte Peak- und Off-Peak-Zeiten ein.

Eine Million Output-Token von DeepSeek V4 Pro kosteten zu Spitzenzeiten nun 3,96 US-Dollar statt zuvor 87 Cent. Damit hatte sich der Preis mehr als vervierfacht.

Das beweist noch keine langfristige Dumpingstrategie.

Es zeigt aber sehr deutlich, wie gefährlich es ist, eine strategische Entscheidung nur auf Grundlage des heutigen Tokenpreises zu treffen.

Ein Anbieter kann Preise verändern. Ein Modell kann eingestellt werden. Eine Regierung kann den Zugriff beschränken. Eine Lizenz kann angepasst werden und ein bislang offenes Modell kann beim nächsten Update wieder geschlossen sein.

Wenn das Modell dann bereits in zehn oder zwanzig wichtige Prozesse eingebaut wurde, ist ein Wechsel nicht mehr so einfach.

Der billigste Anbieter ist deshalb nicht automatisch der günstigste Anbieter.

Das kennen wir aus der Cloud längst. Bei KI scheinen wir trotzdem gerade dabei zu sein, den gleichen Fehler noch einmal zu machen.

Wir bezahlen nicht nur mit Geld

Bei KI gibt es neben dem sichtbaren Preis noch einen zweiten Preis.

Wir bezahlen mit Daten, Abhängigkeit und einem Stück Kontrolle über die Antworten, die wir bekommen.

Chinesische Modelle unterliegen chinesischen Gesetzen und politischen Vorgaben. Das wird spätestens bei Fragen zum Tian’anmen-Platz, zu Taiwan oder zur chinesischen Staatsführung sichtbar.

Auch die Verarbeitung von Nutzerdaten führte bereits zu Untersuchungen und Einschränkungen. Taiwan untersagte seinen Behörden 2025 den Einsatz von DeepSeek aus Gründen der Informations- und nationalen Sicherheit.

Bei amerikanischen Modellen bestehen andere Risiken.

Dort geht es weniger um chinesische Zensur, dafür aber um amerikanische Gesetze, proprietäre Plattformen und politische Entscheidungen über den weltweiten Zugang zu Technologie.

Europa steht also nicht zwischen einer guten und einer schlechten Abhängigkeit.

Europa steht zwischen zwei unterschiedlichen Abhängigkeiten.

Und beide können im falschen Moment ziemlich unangenehm werden.

Europa sollte jetzt nicht den nächsten Fehler machen

Die Antwort kann nicht sein, amerikanische und chinesische Modelle grundsätzlich abzulehnen und nur noch auf europäische KI zu warten.

Das wäre weder realistisch noch sinnvoll.

Digitale Souveränität bedeutet nicht, alles selbst zu entwickeln. Sie bedeutet auch nicht, sich technologisch abzuschotten.

Digitale Souveränität bedeutet, im entscheidenden Moment noch eine Wahl zu haben.

Wir können amerikanische und chinesische Modelle nutzen, wenn sie technisch und wirtschaftlich sinnvoll sind. Gleichzeitig müssen wir unsere Systeme so bauen, dass ein Anbieter oder Modell austauschbar bleibt.

Wir brauchen kontrollierte Datenräume, offene Schnittstellen, eine saubere Trennung von Modell und Geschäftsprozess und zumindest für kritische Anwendungen eine belastbare Alternative.

Und wir brauchen eigene Fähigkeiten.

Nicht überall und nicht zwangsläufig immer an der Weltspitze. Aber an ausreichend vielen Stellen, damit wir nicht vollständig abhängig und damit erpressbar werden.

Mit den europäischen AI Factories und den geplanten AI Gigafactories versucht die EU, mehr eigene Rechenleistung für Unternehmen, Forschung und Behörden aufzubauen. Inzwischen entsteht ein Netzwerk aus 19 AI Factories. Zusätzlich sollen bis zu zehn Milliarden Euro an öffentlichen Mitteln weitere private Investitionen in große europäische KI-Infrastrukturen auslösen.

Auch eine europäische Open-Source-Strategie gehört dazu. Denn offene Technologie kann Abhängigkeiten reduzieren. Allerdings nur, wenn es auch Menschen gibt, die sie weiterentwickeln, absichern, finanzieren und langfristig betreiben.

Ein Modell einmal herunterzuladen, ist noch keine digitale Souveränität.

Es geht um wesentlich mehr als Chatbots

Der KI-Wettbewerb zwischen den USA und China wird nicht darüber entschieden, welcher Chatbot die schönste E-Mail schreibt.

Es geht darum, wessen Chips verwendet werden, auf wessen Cloud die Modelle laufen, welche Schnittstellen zum Standard werden, wer die Preise bestimmt und welche politischen Werte in diesen Systemen stecken.

Die USA haben das längst verstanden.

Der amerikanische AI Action Plan sieht ausdrücklich vor, vollständige KI-Pakete aus Chips, Rechenzentren, Cloud-Diensten, Modellen, Anwendungen und Sicherheitslösungen an Partnerstaaten zu exportieren. Es geht nicht mehr um einzelne Produkte. Es geht um den Export eines kompletten technologischen Ökosystems.

China setzt dem günstige Modelle, offene Gewichte und ein schnell wachsendes eigenes Ökosystem entgegen.

Beide Seiten erzählen uns dabei natürlich eine passende Geschichte.

Die USA verkaufen Sicherheit, Innovation und technologische Führung.

China verkauft Offenheit, Zusammenarbeit und günstigen Zugang.

Am Ende wollen beide vor allem eines: dass möglichst viele Unternehmen, Staaten und Menschen ihre Technologie verwenden.

Europa sollte sich deshalb nicht für eine der beiden Abhängigkeiten entscheiden.

Wir sollten die Vorteile beider Seiten nutzen und gleichzeitig eigene Hebel aufbauen. Europa muss nicht jede Ebene des KI-Stacks dominieren. Wir müssen aber an ausreichend vielen Stellen so gut und relevant sein, dass niemand vollständig an uns vorbeikommt.

ASML hat im Halbleiterbereich gezeigt, dass das möglich ist.

Vielleicht ist genau das die wichtigste Erkenntnis aus der Geschichte von DeepSeek, Kimi und der vermeintlich billigen KI aus China.

Wenn ein Staat leistungsfähige Technologie sehr günstig oder kostenlos anbietet, dürfen wir sie gerne nutzen.

Wir sollten uns vorher nur eine einfache Frage stellen.

Warum?