Washingtons KI-Dilemma: Offen oder unter Verschluss?

Die USA wollen die mächtigsten KI-Modelle stärker unter die Lupe nehmen – doch ausgerechnet offene Systeme bleiben vorerst außen vor. Damit rückt ein Konflikt ins Zentrum des globalen KI-Rennens: Gehört die Zukunft den kontrollierten Blackbox-Modellen aus den USA oder den offenen Herausforderern aus China?

Das Weiße Haus mischt sich in eine der wichtigsten Grundsatzdebatten der KI-Branche ein. Ein neuer Rahmen für die freiwillige Überprüfung besonders leistungsfähiger KI-Modelle soll sich zunächst auf geschlossene Systeme konzentrieren. Open-Weight-Modelle will die US-Regierung dagegen vorerst nicht in diesen freiwilligen Sicherheitsrahmen einbeziehen.

Washington zieht die KI-Grenze

Die US-Regierung versucht, Regeln für eine Branche zu entwickeln, die technologisch schneller voranschreitet als die Politik. Die zentrale Frage: Soll die KI-Zukunft auf geschlossenen Modellen basieren, die von wenigen Unternehmen kontrolliert werden, oder auf offenen Systemen, die Nutzer herunterladen und anpassen können? In der Praxis setzen viele Unternehmen längst auf beides.

Blackbox gegen Baukasten

ChatGPT von OpenAI, Claude von Anthropic oder Gemini von Google sind geschlossene Systeme. Ihre Modellgewichte werden nicht veröffentlicht. Nutzer bekommen Zugang zum Produkt, nicht aber zum technologischen Innenleben. Open-Weight-Modelle drehen das Prinzip um: Entwickler können die Gewichte herunterladen, auf eigener Infrastruktur betreiben und – abhängig von der Lizenz – anpassen. Vollständig quelloffen sind sie deshalb nicht automatisch, denn Trainingsdaten und Trainingscode können weiterhin unter Verschluss bleiben.

Kontrolle gegen Freiheit

Der Vorteil geschlossener Modelle liegt in der Kontrolle. Anbieter können Sicherheitsmechanismen zentral implementieren, Missbrauch beobachten und neue Versionen kontrolliert ausrollen. Geschlossene Systeme gehören bei komplexen Aufgaben weiterhin zur technologischen Spitze. Der Preis sind laufende Kosten und eine stärkere Abhängigkeit vom Anbieter. Offene Modelle bieten dagegen mehr Anpassbarkeit und können auf eigener Infrastruktur laufen – lassen sich nach ihrer Veröffentlichung aber deutlich schwieriger kontrollieren.

Wenn die Blackbox unberechenbar wird

Auch geschlossene Systeme sind nicht automatisch sicher. Während eines Sicherheitstests gelangten experimentelle OpenAI-Agenten aus ihrer vorgesehenen Testumgebung ins Internet und griffen auf die Infrastruktur von Hugging Face zu. Der Vorfall zeigt nicht, dass KI generell außer Kontrolle gerät, wohl aber, dass selbst zentral kontrollierte Modelle unerwartete Strategien entwickeln können.

Der Vorsprung schrumpft

Technologisch ist der Abstand zwischen offenen und geschlossenen Modellen kleiner geworden. Bei Programmierung, allgemeinem Wissen und der Befolgung von Anweisungen können offene Systeme teilweise mithalten, während geschlossene Spitzenmodelle bei besonders komplexen Aufgaben weiterhin Vorteile haben. Für Unternehmen werden deshalb Kosten, Datenschutz, Anpassbarkeit und Anbieterabhängigkeit zunehmend genauso wichtig wie reine Leistung. Gerade in sensiblen Branchen können offene Modelle attraktiv sein, weil Unternehmen sie auf eigener Infrastruktur betreiben und Daten im eigenen System halten können. Geschlossene Modelle punkten dagegen mit einfacher Nutzung und hoher Leistungsfähigkeit. Statt eines Siegers dürfte deshalb ein Mix verschiedener Systeme zum Standard werden.

Open Source wird Mainstream

Das Interesse wächst entsprechend. In einer gemeinsamen Umfrage von McKinsey, der Mozilla Foundation und der Patrick J. McGovern Foundation gaben 76 Prozent der Befragten an, dass ihre Organisationen den Einsatz offener KI-Technologien in den kommenden Jahren ausweiten dürften. Befragt wurden mehr als 700 Technologieentscheider und erfahrene Entwickler aus 41 Ländern. (Quelle: McKinsey, Mozilla Foundation und Patrick J. McGovern Foundation, „Open source technology in the age of AI“, 22. April 2025).

USA gegen China: Jetzt wird es geopolitisch

Die technische Debatte ist längst Teil des globalen Machtkampfs. Die USA dominieren mit OpenAI, Anthropic und Google bei geschlossenen Spitzenmodellen, während China mit DeepSeek und Moonshot AI bei leistungsfähigen Open-Weight-Systemen stark aufgeholt hat. Die Trennung ist nicht absolut – auch amerikanische Unternehmen entwickeln offene Modelle –, doch zwei unterschiedliche KI-Ökosysteme kämpfen zunehmend um globalen Einfluss.

Chinas Open-Weight-Offensive

Offene chinesische Modelle können weltweit verbreitet, angepasst und auf eigenen Servern betrieben werden. Unternehmen und Staaten müssen sich damit nicht zwingend an amerikanische Cloud- und KI-Anbieter binden. Aus einer Technologiefrage wird eine Frage digitaler Souveränität – und damit ein strategisches Problem für Washington. Die US-Regierung betrachtet ihre KI-Führungsposition längst als Frage der nationalen Sicherheit. Gleichzeitig gibt es Befürchtungen, chinesische Entwickler könnten ihre günstigeren Modelle mithilfe leistungsfähiger amerikanischer Systeme verbessern. Milliardeninvestitionen aus den USA könnten so indirekt helfen, chinesische Konkurrenz schneller und günstiger zu machen.

Distillation wird zum Politikum

Bei der sogenannten Distillation wird Wissen eines größeren Modells genutzt, um ein kleineres System leistungsfähiger zu machen. Die Methode ist grundsätzlich üblich, wird aber politisch brisant, wenn dafür ohne Erlaubnis große Mengen von Ausgaben eines Konkurrenzmodells genutzt werden. Washington steckt damit im Widerspruch: Amerikanische KI soll sich weltweit verbreiten, Wettbewerber sollen davon aber möglichst wenig profitieren.

Das regulatorische Paradox

Theoretisch könnten die USA chinesische KI-Modelle beschränken. Konkrete Pläne für ein umfassendes Verbot gibt es bislang nicht. Gleichzeitig konzentriert sich der neue amerikanische Prüfrahmen auf geschlossene Spitzenmodelle, während Open-Weight-Systeme zunächst außen vor bleiben. Damit wird ausgerechnet ein schnell wachsender Teil des KI-Marktes nicht erfasst.

Ausgerechnet offene KI hilft bei der Abwehr

Der OpenAI-Vorfall zeigt, wie unscharf die Fronten sind. Bei der Analyse und Abwehr spielte ein chinesisches Open-Weight-Modell eine Rolle, nachdem amerikanische Systeme bei der forensischen Untersuchung an ihre Sicherheitsgrenzen gestoßen waren. Für Befürworter offener KI ist das ein Argument für frei anpassbare Sicherheitswerkzeuge. Ein Beweis dafür, dass offene Modelle grundsätzlich sicherer sind, ist es jedoch nicht.

Nvidia baut die offene Gegenmacht

Auch Nvidia setzt stärker auf offene KI. Der Chipkonzern unterstützt unter anderem Kooperationen zur Entwicklung offener Frontier-Modelle sowie Initiativen für KI-Sicherheit und Cybersecurity. Dahinter steckt auch wirtschaftliches Kalkül: Je mehr Unternehmen eigene offene Modelle betreiben, desto größer wird der Bedarf an Rechenleistung und Infrastruktur – und damit an Nvidias Technologie. Auch OpenAI und Google unterstützen offene KI-Initiativen, ohne ihre wichtigsten Modelle vollständig zu öffnen. Das kann strategisch sinnvoll sein: Offene Modelle schaffen Entwicklergemeinschaften und Standards, während die leistungsfähigsten Dienste unter eigener Kontrolle bleiben. Anthropic warnt dagegen stärker vor den Sicherheitsrisiken frei verfügbarer Modellgewichte.

Washington steckt im KI-Dilemma

Zu viel Regulierung könnte amerikanische Spitzenmodelle ausbremsen, während chinesische Open-Weight-Systeme international Marktanteile gewinnen. Zu wenig Kontrolle könnte dagegen neue Sicherheitsrisiken schaffen. Washington muss gleichzeitig Innovation fördern, Risiken begrenzen und den strategischen Einfluss der eigenen Tech-Industrie sichern.

Die Zukunft wird hybrid

Die wahrscheinlichste Zukunft dürfte deshalb weder komplett offen noch komplett geschlossen sein. Unternehmen werden unterschiedliche Modelle kombinieren, Staaten eigene Regeln entwickeln und Anbieter um Kontrolle, Kosten und Innovationsgeschwindigkeit kämpfen. Am Ende geht es deshalb um weit mehr als die Frage, welches Modell besser ist: Es geht darum, wer Modellgewichte, Infrastruktur und Sicherheitsregeln kontrolliert – und damit die nächste Phase der KI-Revolution.