Der neue Weg für Europas KI-Unternehmen

Europa hat bei KI alles falsch gemacht, was man falsch machen konnte. Zu kleine Budgets, zu strenge Regeln, zu wenig Risikobereitschaft. Das war das Mantra der Tech-Szene. Bis zum 20. Januar 2025

An diesem Tag veröffentlichte das chinesische Start-up DeepSeek ein quelloffenes Modell, das in Leistungstests ähnlich abschnitt wie die hochwertigsten Modelle von OpenAI und Meta, aber nur mit einem Bruchteil des Aufwands entstand. DeepSeek macht damit amtlich, was das Silicon Valley schon länger ahnte: Der Vorsprung durch proprietäre KI-Modelle ist eine Illusion. Und zwar aus drei Gründen:

1. Nichts schlägt Open Source. Diese alte Weisheit gilt auch und erst recht für KI-Modelle ¹.
2. Erfolgreiche Modelle wie DeepSeek R1 können durch die „Destillierung“ eines größeren Modells entstehen. Sie entwickeln sich im Zusammenspiel weiter, weitgehend ohne menschliches Zutun.
3. Die für das Training eines Modells benötigte Rechenkapazität ist viel geringer, wenn man darauf wirklich optimiert. Anders als seine Konkurrenten stieß DeepSeek bis zur Hardware-Ebene der Chips vor und schuf ein Sprachmodell, das man sogar auf einem guten Laptop laufen lassen kann.

Diese veränderten Prämissen bedeuten nicht, dass die Entwicklung neuer Modelle ab jetzt stagnieren wird, im Gegenteil. Sie bedeuten aber, dass gute Modelle keinen Wettbewerbsvorteil mehr bieten. Für die aktuellen KI-Größen stellt sich die dringende Frage, warum sie weiter Milliarden in das Training von KI-Modellen stecken sollten, wenn diese schnell veralten und ihnen keinen Vorteil am Markt bieten.

Was für die USA zu einem „Sputnik“-Moment wurde, kann – nein, muss! – in Europa jede Menge Energie freisetzen. Es ist noch nicht zu spät, um in bestimmten Bereichen Weltspitze zu werden. Europäische Unternehmen könnten jetzt vielmehr dort punkten, wo sie scheinbar im Nachteil waren: bei begrenzten Ressourcen und hohen Standards.

Spielen wir diesmal an den drei Geschäftsmodellen der KI-Branche durch.

1) KI-Plattformen

KI-Plattformen bieten die Infrastruktur, auf der andere Unternehmen KI-Anwendungen entwickeln und betreiben können. Bis jetzt waren die Cloud-Giganten Microsoft, Google und Amazon mit ihren riesigen Rechenzentren am besten für diese Aufgabe aufgestellt. Ändert sich das, wenn man große Sprachmodelle in Wahrheit viel ressourcenschonender betreiben kann?

Nicht unbedingt und das hat mit dem sogenannten „Jevons Paradoxon“ zu tun. Wir können dieses Paradoxon immer dann beobachten, wenn die Produktion eines Guts effizienter wird: Der Effizienzgewinn wird schon nach kurzer Zeit aufgefressen. Denn dadurch, dass die Produktion günstiger wird, sinken die Kosten, und das erhöht wiederum die Nachfrage. Wenn die Nachfrage steigt, steigt die Produktion, die Hersteller investieren weiter in Effizienz und so geht es immer weiter. Kostengünstigere KI wird deswegen ziemlich sicher dazu führen, dass der Hunger nach KI steigt. Die Rechenzentren von Big Tech sind dafür bestens aufgestellt.

Und trotzdem hat DeepSeek ein bislang nicht hinterfragtes Narrativ erschüttert, nämlich dass in der KI-Entwicklung nur das Unternehmen mit den größten Budgets zum Marktführer werden kann. In Wahrheit gewinnt nicht der Anbieter mit den tiefsten Taschen, sondern der mit den besten Kostenstrukturen. Bessere Kostenstrukturen benötigen Innovation. Und wo gedeiht Innovation? Nicht dort, wo die Möglichkeiten unbegrenzt sind – genau diesen alten Mythos hat DeepSeek erfolgreich widerlegt.

Erst als die USA den Export leistungsfähiger KI-Chips nach China beschränkten, mussten die chinesischen Ingenieure anderen Lösungen finden, als einfach mehr Chips zu kaufen. Sie tauchten tief in die Hardware-Architektur der NVIDIA-Prozessoren ein, umgingen die übliche Programmiersprache CUDA und schrieben ihren Code in PTX, der „Maschinensprache“ der Grafikchips. Was zunächst nach einem verzweifelten Workaround aussah, erwies sich als Geniestreich, der nun Mark Zuckerberg und Sam Altman die Haare zu Berge stehen lässt.

Könnten europäischen Unternehmen ähnliche Geniestreiche gelingen? Es gibt zwei gute Gründe dafür.

Zum einen basieren moderne Chips, die für die KI-Entwicklung unerlässlich sind, schon jetzt zu einem erheblichen Teil auf europäischer Technologie. Alle großen Chip-Hersteller setzen seit Jahren auf die EUV-Lithografie, ein Hightech-Verfahren, das mit extrem kurzwelligem Licht die feinen Strukturen auf die Chipoberfläche druckt – und dieses Verfahren benötigt Teile, die nur zwei deutsche Unternehmen liefern können.

Die kompliziertesten Maschinen der Welt

Ohne europäische Unternehmen wäre das für moderne Chips notwendige EUV-Verfahren nicht denkbar:

• Ein von Triumpf entwickelter Laser schießt 50.000 Mal pro Sekunde auf einen mikroskopisch kleinen Zinntropfen und erzeugt dabei ein Plasma, das heißer ist als die Sonnenoberfläche. Allein das Ventilatorsystem, das die enorme Wärme effizient abführt, besteht aus über 457.000 Einzelteilen.
• Zeiss fokussiert den EUV-Lichtstrahl mit hochpräzisen Spiegeln. Diese Spiegel stellen die glattesten Objekte dar, die jemals hergestellt wurden – würde man sie auf die Größe Deutschlands skalieren, würden Unebenheiten nur einen Zehntelmillimeter betragen.
• Im niederländischen Veldhoven baut ASML dann aus der Technik von Zeiss und Triumpf die teuersten und komplexesten Maschinen der Welt.

Auf der anderen Seite könnten europäische Unternehmen bestimmte Grenzen als Chance nutzen und in ihrem Bezugsrahmen Innovation liefern – etwa als Plattform für besonders regulierte Branchen (Finanzen, Gesundheitswesen usw.) oder als Weltmeister für effiziente KI-Systeme.

In der Vergangenheit haben solche Vorschläge für Gelächter gesorgt. Als das deutsche Unternehmen Aleph Alpha die Entwicklung eines eigenen Large Language Models aufgab und sich stattdessen als Plattform für große Unternehmen positionierte, war dies für viele das symbolische Ende der deutschen KI-Träume.

Doch in einer Welt, in der Large Language Models zur Massenware geworden sind, können Unternehmen wie Aleph Alpha zu den Gewinnern gehören. Sie kennen die Bedürfnisse europäischer Großunternehmen und Behörden genau und sie wissen, wie man KI-Modelle regelkonform und sicher betreibt.

Die Karten sind neu gemischt. Warum sollten die sparsamsten und spezialisiertesten KI-Plattformen der Welt zukünftig nicht aus Europa kommen?

2) KI-Produkte

KI-Produkte müssen, wie jede Software, einfach bedienbar sein und echte Probleme lösen. Interessanterweise beißen sich die aktuell erfolgreichsten KI-Unternehmen an dieser Aufgabenstellung die Zähne aus. OpenAI, die Firma hinter ChatGPT, ist zwar versehentlich zu einer der erfolgreichsten Produktfirmen der Welt geworden, doch die führenden Köpfe dahinter sind keine Produktemacher. Bis heute bietet die Software keine sinnvollen grafischen Interfaces an – auch da nicht, wo es sinnvoll wäre – und die Integration in die Microsoft-Welt ist mehr als holprig. Natürlich ist der Erfolg von ChatGPT phänomenal, aber das liegt eben daran, dass ChatGPT für jeden – vom mittelständischen Geschäftsführer bis zum Grundschüler – der Inbegriff von KI ist. ChatGPT ist eine außergewöhnlich erfolgreiche Marke. Kein besonders gutes Produkt.

Bei den anderen Big-Tech-Unternehmen sieht es nicht besser aus. Amazon verschiebt die überfällige Modernisierung von Amazon Alexa immer wieder aufs Neue. Meta presst wahllos Chatbots in seine Plattformen. Und Google, dessen Labor erst die Grundlagen für Generative KI legte, konnte aus seinen Dutzenden Prototypen, Demos und Produktideen noch immer kein sinnvolles Produkt gestalten.

Es ist also keineswegs ausgemacht, dass die zukünftigen KI-Produkte ausschließlich aus den USA kommen, besonders weil der Software-as-a-Service-Markt schon jetzt nicht allein dort zu Hause ist. Von B2B-Software wie Miro oder Zendesk (Russland und Dänemark) über Fintech-Unternehmen wie Klarna, Revolut und Trade Republic (Schweden und Deutschland) bis zu Giganten wie Spotify (Schweden) – Europa kann Softwareprodukte. Besser als allgemein angenommen.

Für europäische KI-Startups eröffnen sich viele Möglichkeiten. Sie könnten „schwarze Löcher“, die bisher nicht von KI erschlossen wurden, in nutzbare Daten verwandeln. Sie könnten Tools für bestimmte Branchen entwickeln (z. B. Recht oder Medizin). Und sie könnten sich vornehmen das zu sein, was ChatGPT versehentlich wurde: eine starke Marke, die für bestimmte Werte steht, insbesondere Sicherheit und Zuverlässigkeit.

3) KI-Modelle

Im Rennen um das beste „Weltmodell“ kann ein Unternehmen nicht gegen Open Source gewinnen, zumindest wäre das eine sehr riskante Wette. Und doch gibt es zwei Innovationen, mit denen europäische Player die State-Of-The-Art-Modelle noch besser machen könnten:

1. Nachvollziehbarkeit: Der europäische AI Act fordert, dass Betroffene erfahren, wie KI zu einer Entscheidung gekommen ist. Welche Daten wurden berücksichtigt, was waren die Entscheidungskriterien? Die KI-Branche protestiert lautstark gegen diese Forderung, und zwar nicht, weil das Ziel unvernünftig wäre (das Gesetz verlangt ja nur, was wir von jeder Technologie erwarten), sondern weil sie lieber an größeren und mächtigeren Modellen arbeiten wollten.
2. Andere Trainingsdaten: Bestehende Modelle können durch Embeddings oder durch das Destillieren eines neuen Modells mit weiteren Daten ergänzt werden. In europäischen Bibliotheken, Verlagen und Unternehmen schlummern Datenschätze, die OpenAI & Co. bis heute nicht heben konnten. Der Analyst Marcel Weiß schlägt vor, daraus eine „europäische Datenpipeline“ zu schaffen, zu der nur öffentliche und private Modellanbieter aus der EU Zugang haben.

Zum Glück hat Europa bis heute wenig Geld in den Versuch gesteckt, die universellsten und leistungsfähigsten Modelle zu schaffen. Der späte Start könnte sich als Glücksfall erweisen – wenn die Unternehmen sich jetzt auf Transparenz und einzigartigen Daten spezialisieren.

Das Spielfeld steht bereit

Warum wurde DeepSeek nicht in Europa entwickelt? Weil wir bei digitalen Technologien im Allgemeinen, bei KI im Speziellen, ausschließlich auf das große Vorbild USA geschaut haben. Diese irrationale Strategie fasste der Tech-Analyst Thomas Riedel neulich so zusammen: „Richtig viel Geld auf alles werfen, was es schon gibt und wo andere einen Vorsprung haben“ und das möglichst ohne Regulierung².

Doch Innovation entsteht niemals im luftleeren Raum, sondern in einem Spielfeld. Europa hat die Chance, dieses Spielfeld nach den eigenen Werten zu definieren und damit Innovation zu fördern, nicht zu verhindern. Dafür müssen wir investieren, entschlossen und sofort, aber nicht in die Kopie des amerikanischen Geschäftsmodells, sondern in eine Strategie, die die europäischen Stärken hebelt. Packen wir’s.