Europa darf sich nicht abschotten

Die nächste große Abhängigkeit Europas entsteht nicht erst, wenn ein amerikanischer oder chinesischer Konzern ein besseres Sprachmodell vorstellt. Sie entsteht, wenn Krankenhäuser, Behörden, Energieversorger und Industrie ihre zentralen KI-Systeme nicht mehr verstehen, prüfen oder ersetzen können. Dann entscheidet nicht allein der Vertrag über den Preis. Es entscheiden andere über Zugang, Updates, Sicherheitsvorgaben und darüber, welche Funktionen überhaupt angeboten werden.

Das klingt dramatischer, als es sein muss. Europa ist nicht techniklos. Seine Forschung ist stark, seine Industrie ist groß, seine Unternehmen nutzen KI zunehmend. In Deutschland setzten 2025 bereits 26 Prozent der Unternehmen mit mindestens zehn Beschäftigten KI ein. Bei großen Firmen waren es 57 Prozent, bei kleinen 23 Prozent.[1] Die Frage ist also nicht, ob KI hier ankommt. Sie ist, wer die Bedingungen ihrer Nutzung bestimmt.

Die falsche Antwort wäre ein digitales Europa, das sich hinter einer Mauer aus Herkunftssiegeln, Vorschriften und öffentlichen Förderprogrammen versteckt. Kein Mittelständler wird besser, weil er ein schwächeres Werkzeug nutzen muss. Keine Schule gewinnt, wenn sie nur einen politisch freigegebenen Assistenten öffnen darf. Und ein europäisches Modell wird nicht gut, weil ausländische Konkurrenz ausgesperrt wird.

Die gegenteilige Antwort ist ebenso bequem und ebenso gefährlich: Wir kaufen die jeweils besten Werkzeuge ein und vertrauen darauf, dass der Markt sie dauerhaft liefert. Das ist kein Plan für eine Region, deren Wirtschaft an Maschinenbau, Energie, Medizin, Chemie und vernetzten Lieferketten hängt. Gerade dort kann KI nicht einfach eine austauschbare Chat-Anwendung bleiben.

Nicht alles muss Europa allein können. Handlungsfähig muss es trotzdem bleiben: zwischen mehreren guten Angeboten wählen, in kritischen Feldern eigene Rechenleistung und eigenes Fachwissen vorhalten, Modelle testen und bei Bedarf wechseln. Diese bescheiden klingende Fähigkeit wäre mehr wert als die Losung, man müsse nur das europäische Gegenstück zu OpenAI, Google oder DeepSeek bauen.

Wer über europäische KI spricht, sollte den Abstand nicht kleinreden. In den USA konzentriert sich inzwischen eine Kapitalmacht, die sich nicht durch ein paar Förderbescheide ausgleichen lässt. Nach Zahlen der OECD zogen US-Firmen 2025 rund 194 Milliarden US-Dollar an KI-Wagniskapital an. Auf Unternehmen in den EU-27 entfielen 15,8 Milliarden. Die Lücke ist größer als ein Unterschied in Gründergeist. Sie entscheidet über Chips, Rechenzentren, Gehälter für Spitzenforscher und darüber, ob ein Unternehmen eine schlechte Phase überlebt, bevor aus Forschung ein Produkt wird.[2]

Geld allein erklärt nicht alles. Es erklärt aber viel, wenn die Entwicklung eines Spitzenmodells Milliarden verschlingt und der Betrieb weitere Milliarden für Rechner, Strom und Netze bindet. Die OECD beobachtet zudem, dass sich das Geld in immer größeren Finanzierungsrunden sammelt. Fast drei Viertel des weltweiten KI-Wagniskapitals entfielen 2025 auf Runden über 100 Millionen Dollar. Das begünstigt die wenigen Firmen, die bereits Zugriff auf Kapital und Rechenkapazität haben.[2]

Auch bei der Infrastruktur liegt die Macht nicht gleichmäßig verteilt. Der Stanford AI Index zählte in den USA 5.427 Rechenzentren, mehr als zehnmal so viele wie in jedem anderen einzelnen Land. Zugleich weist der Bericht auf eine zweite Abhängigkeit hin: Fast alle führenden KI-Chips stammen aus einer einzigen taiwanischen Fertigung.[3] Das ist kein Argument gegen amerikanische Anbieter. Es zeigt nur, dass ein vermeintlich grenzenloser digitaler Markt auf sehr wenigen physischen Knoten beruht.

China ist dabei nicht bloß der Nachzügler der amerikanischen Geschichte. Bei den Spitzenmodellen hat sich der Abstand stark verkleinert. Stanford sah den führenden US- und chinesischen Modellen im März 2026 nur noch 2,7 Prozentpunkte auseinander. China führt bei Veröffentlichungen, Zitierungen, Patentanmeldungen und beim Einsatz von Industrierobotern. 2024 installierte das Land 54 Prozent aller weltweit neu aufgestellten Industrieroboter.[3]

Aus diesen Zahlen folgt kein sicherer Sieg Chinas und keine europäische Aussichtslosigkeit. Unhaltbar wird aber eine Illusion: Der Wettbewerb geht weit über ein paar Chatbots hinaus. Rechenleistung, Energie, Fabriken, Daten, Robotik, Hochschulen, Finanzierung und die rasche Anwendung neuer Technik entscheiden mit.

Die Vereinigten Staaten setzen auf ein enges Bündnis von Großkonzernen, Kapitalmarkt, Universitäten und Staat. Forschung und Rechenzentren gelten im amerikanischen KI-Aktionsplan als strategische Aufgabe. Vorgesehen sind außerdem komplette KI-Pakete für befreundete Staaten: Hardware, Modelle, Software, Anwendungen und Standards.[4] Das ist ein offenes Angebot, aber kein neutraler Marktplatz. Wer die ganze technische Kette liefert, prägt Schnittstellen, Abhängigkeiten und Sicherheitsstandards.

Für Europa ist diese Nähe zugleich Chance und Risiko. Die USA bleiben Partner, ihre Modelle und Chips sind für Forschung und Unternehmen wichtig. Ein politisches Europa, das amerikanische Technik grundsätzlich ausgrenzt, würde sich selbst schwächen. Es sollte aber nicht so tun, als sei der Zugang zu einem Modell dieselbe Sache wie Einfluss auf seine Weiterentwicklung. Ein Unternehmen kann heute einen leistungsfähigen Dienst abonnieren und morgen feststellen, dass Preis, Schnittstelle, Datenschutzbedingungen oder erlaubte Nutzung verändert wurden.

China verfolgt einen anderen Weg. Der Staatsrat verknüpft unter dem Programm „AI Plus“ Forschung, Industrie, Konsum, soziale Leistungen und Verwaltung. Bis 2027 sollen intelligente Endgeräte und KI-Agenten nach dem Regierungsplan eine Verbreitung von mehr als 70 Prozent erreichen.[5] Das ist ein politisches Ziel, keine eingetretene Tatsache. KI soll nach diesem Plan in Fabriken, Städten und Dienstleistungen zur Routine werden.

Chinas Stärke zeigt sich damit nicht allein in Modelltests. Ein großer Binnenmarkt, integrierte Lieferketten und eine Industrie, die Anwendungen rasch erproben kann, gehören ebenso dazu. Das bringt Effizienz, schafft aber Risiken für Freiheit, Datenschutz und staatliche Überwachung. Europa darf dieses Modell nicht kopieren. Seine Fähigkeit zur Anwendung darf es trotzdem nicht unterschätzen.

Es ist zu einfach, den europäischen Rückstand allein dem AI Act anzulasten. Die Verordnung kam nicht aus einer Laune zur Bürokratie. KI kann Menschen bei Bewerbungen aussortieren, Kredite beeinflussen, polizeiliche Entscheidungen prägen oder manipulierte Inhalte in Umlauf bringen. Wer solche Systeme ohne Regeln in den Markt schickt, schützt Innovation nicht. Er verlagert Risiken auf diejenigen, die sich gegen ein falsches Urteil oder eine undurchsichtige Bewertung kaum wehren können.

Die Regeln für allgemeine KI-Modelle verlangen unter anderem technische Dokumentation, Informationen für nachgelagerte Anbieter, eine Copyright-Strategie und eine Zusammenfassung der Trainingsinhalte. Besonders leistungsfähige Modelle mit systemischen Risiken müssen zusätzliche Sicherheits- und Risikopflichten erfüllen.[6] Das ist kein Versuch, jeder Bürgerin und jedem Bürger nur noch eine harmlose Maschine vorzusetzen. Es sind Pflichten für Anbieter, die ihre Modelle auf dem europäischen Markt bereitstellen.

Auch die verbreitete Vorstellung, Europa erlaube künftig nur noch amtlich abgesegnete KI, führt in die Irre. Für frei und offen lizenzierte Modelle gelten unter bestimmten Bedingungen Ausnahmen von einzelnen Dokumentationspflichten. Damit bleibt Open Source im Rahmen der Verordnung nutzbar.[6] Offenheit und Regeln schließen sich nicht aus. Gute Politik muss beides zusammenbringen.

Das Gegenargument bleibt ernst. Jede Pflicht kostet Zeit und Geld. Für einen jungen europäischen Anbieter kann eine komplizierte Dokumentation schwerer wiegen als für einen Konzern mit eigener Rechtsabteilung. Regeln können dadurch ausgerechnet jene Firmen treffen, die Europa für mehr Auswahl bräuchte. Der AI Act versucht, das mit Reallaboren, Beratung und geringeren Gebühren für kleine Unternehmen abzufedern.[7] Ob das im Alltag reicht, ist offen.

Der schwerwiegende Fehler läge in einer Politik, die Regulierung nicht mit Infrastruktur, Geld und praktischer Anwendung verbindet. Europa darf keinen Rechtsraum schaffen, in dem ausländische Großunternehmen die Kosten tragen können, während europäische Firmen an ihnen vorbeikaufen müssen. Dann gäbe es zwar Regeln, aber keine industrielle Wirkung.

Die Versuchung ist verständlich. Hängt Europa von amerikanischen Clouds, taiwanischen Chips und chinesischen Lieferketten ab, soll es nach dieser Logik nur noch europäische Dienste kaufen. Das klingt nach Souveränität. In Wahrheit kann es in die zweite Abhängigkeit führen.

Erstens wird kein europäischer Anbieter besser, wenn er vor Konkurrenz geschützt wird. Gerade bei schnell lernender Software sind offene Schnittstellen, internationale Forschung und ein harter Vergleich mit den besten Produkten nötig. Ein Europa-only-Markt könnte öffentliche Aufträge an wenige geschützte Firmen verteilen, ohne dass deren Technik den internationalen Maßstab hält.

Zweitens gibt es nicht die eine europäische Alternative. Ein Krankenhaus braucht andere Modelle als eine Behörde, ein Chemiekonzern andere als eine Schule. Manche Aufgaben verlangen ein besonders leistungsfähiges geschlossenes Modell. Andere lassen sich besser mit einem kleineren Modell lösen, das auf eigener Infrastruktur läuft und dessen Gewichte offen einsehbar sind. Eine Regel, die alles über einen Herkunftsstempel entscheidet, verwechselt Sicherheit mit Herkunft.

Drittens gibt es bei KI keinen vollkommen gefahrlosen Zugang. Geschlossene Modelle werden schon heute von ihren Anbietern gesteuert. Sie können Grenzen setzen, Inhalte filtern, Nutzungsbedingungen ändern oder Funktionen regional anders anbieten. Offene Modelle geben dagegen mehr Freiheit zum Prüfen und Anpassen, können aber auch leichter missbraucht werden. Wer etwa Sicherheitslücken in kritischer Infrastruktur finden will, braucht leistungsfähige Werkzeuge. Dieselben Werkzeuge können Angriffe erleichtern.

Die neue EU-Strategie zu KI und Cybersicherheit zieht daraus einen vernünftigen Schluss. Sie schlägt sichere Testmöglichkeiten für kritische Sektoren vor und nennt Open-Source-Modelle dort sinnvoll, wo sie angemessen sind.[8] Das ist keine Lösung für jedes Problem. Es ist aber klüger als die beiden Parolen „alles offen“ und „alles verbieten“.

Souveränität heißt deshalb nicht Autarkie. Sie heißt, bei wichtigen Entscheidungen eine echte Alternative zu haben. Ein Energieversorger muss nicht alle Chips selbst fertigen. Er sollte aber nicht an einen einzigen Cloudvertrag gebunden sein, wenn dieser Vertrag über Netzbetrieb, Daten und Sicherheitsupdates bestimmt. Eine Verwaltung muss nicht ihr eigenes Universalmodell trainieren. Sie sollte aber wissen, welche Daten ein Modell verarbeitet, wie es getestet wurde und wohin sie wechseln kann, wenn ein Anbieter ausfällt oder seine Bedingungen ändert.

Bei keinem einzelnen Maßstab wird Europa kurzfristig vor den USA oder China liegen. Das muss es auch nicht. Seine Stärke liegt dort, wo KI reale Aufgaben zuverlässig löst: in Fertigung, Energie, Medizin, Wissenschaft, Mobilität und Verwaltung.

Das sind keine nostalgischen Industriebranchen. Ein Modell, das Wartungsdaten einer Maschine auswertet, einen Energieverbrauch sinnvoll plant oder Forschende bei der Auswertung komplexer Daten unterstützt, braucht Fachwissen, gute Daten und Vertrauen in die Anwendung. Genau dort besitzt Europa viel: präzise Industrie, öffentliche Forschung, hoch spezialisierte Mittelständler und einen großen Markt mit hohen Anforderungen an Sicherheit und Qualität.

Die EU hat diese Chance erkannt. Ihre Apply-AI-Strategie will den Einsatz von KI in Bereichen wie Gesundheit, Automobilbau und fortgeschrittener Fertigung beschleunigen. Parallel entstehen AI Factories, die Forschenden und Start-ups Rechenkapazität geben sollen. Nach Angaben der Kommission waren im April 2026 bereits 19 solcher Einrichtungen in Betrieb.[9] Das ist ein Anfang, kein Sieg. Rechenzentren allein schreiben keine besseren Anwendungen und gründen keine starken Firmen.

Der deutsche Mittelstand zeigt die Lücke besonders deutlich. Die KI-Nutzung steigt, aber zwischen kleinen und großen Firmen liegen weiter 34 Prozentpunkte.[1] Viele kleine Unternehmen brauchen kein eigenes Modelllabor. Sie brauchen verlässliche Datenräume, Fachleute, sichere Standardwerkzeuge und die Gewissheit, dass ein Versuch nicht sofort eine juristische und technische Dauerbaustelle auslöst.

Hier entscheidet sich, ob Europa seine Industrie modernisiert oder nur Modelle anderer Länder konsumiert. Tausend Pilotprojekte mit schönen Präsentationen braucht es nicht. Nötig sind Anwendungen, die in Schichten laufen, in Werkstätten funktionieren, im Krankenhaus überprüfbar bleiben und einer Verwaltung Zeit sparen, ohne Menschen in unverständliche Entscheidungen einzusperren.

Erstens braucht Europa Rechenkapazität als öffentliche und wirtschaftliche Grundversorgung. Nicht jedes Unternehmen muss einen Supercomputer besitzen. Aber Hochschulen, Start-ups und kritische Einrichtungen dürfen bei Rechenleistung nicht von wenigen ausländischen Plattformen abhängig sein. Die Kommission schlägt mit dem Cloud and AI Development Act vor, europäische Rechenzentren auszubauen und eine einheitliche Prüfung der Cloud- und KI-Souveränität einzuführen.[10] Noch ist das ein Vorschlag. Entscheidend wird sein, ob Genehmigungen, Stromanschlüsse und Investitionen schneller folgen als die nächste Ankündigung.

Auch diese Investition kann scheitern. Ein Rechenzentrum ist keine Souveränität, wenn es zu spät ans Netz geht, zu teuer bleibt oder nur wenige große Nutzer erreicht. Öffentliche Mittel sollten deshalb nicht an die Zahl neuer Gebäude gebunden sein, sondern an überprüfbare Ergebnisse: Wer erhält Rechenzeit? Welche Forschung, welche Start-ups und welche Anwendungen profitieren? Können kleinere Unternehmen die Infrastruktur tatsächlich nutzen? Solche Fragen sind weniger glanzvoll als ein Milliardenbetrag. Sie entscheiden aber darüber, ob aus europäischer Rechenleistung eine wirtschaftliche Fähigkeit wird oder nur ein weiterer Fördertopf.

Zweitens muss Europa offene und geschlossene Modelle zugleich fördern. Offene Modelle sind kein Selbstzweck. Sie sind wichtig, weil sie Forschung, Anpassung und Wechsel erleichtern. Geschlossene Modelle bleiben dort sinnvoll, wo sie nachweislich besser, sicherer oder effizienter sind. Öffentliche Beschaffung sollte nicht automatisch „europäisch“ kaufen. Sie sollte Interoperabilität, überprüfbare Sicherheit, Datenportabilität und einen realistischen Wechselweg verlangen.

Drittens muss der Staat als guter Käufer auftreten. Wenn jedes Ministerium, jede Kommune und jede Klinik allein mit Verträgen, Datenschutzprüfungen und technischen Fragen kämpft, gewinnen die größten Anbieter. Gemeinsame Standards, sichere Testumgebungen und klare Beschaffungsregeln können kleinen europäischen Firmen einen Markt öffnen, ohne die Qualität künstlich abzusenken.

Viertens braucht Europa die Debatte über Energie ehrlicher. KI ist keine App, die im luftleeren Raum wächst. Rechenzentren brauchen Strom, Netze, Kühlung und Flächen. Wer jedes neue Zentrum prinzipiell ablehnt, entscheidet sich indirekt dafür, die Rechenarbeit anderswo zu kaufen. Wer es ohne Umwelt- und Netzplanung durchwinkt, schafft neue Konflikte. Eine europäische KI-Politik muss daher Industrie-, Energie- und Digitalpolitik zusammen denken.

Und fünftens müssen die Schutzregeln dort streng bleiben, wo Macht über Menschen ausgeübt wird. Ein Assistent, der einen Textentwurf sortiert, ist etwas anderes als ein System, das über Kredit, Einstellung, Überwachung oder medizinische Behandlung mitentscheidet. Europa sollte nicht versuchen, jede KI gleich zu behandeln. Es sollte die gefährlichen Anwendungen nachvollziehbar begrenzen und den übrigen Raum für Entwicklung lassen.

Europa steht nicht vor der Frage, ob es die Zukunft der KI nett oder böse findet. Es steht vor einer ökonomischen und demokratischen Entscheidung. Die eine Seite will Regulierung bauen und vertraut bei der Technik auf andere. Die andere will einen europäischen Markt schützen, auch wenn seine Werkzeuge schlechter sind. Beide Wege machen abhängig.

Der bessere Weg ist anstrengender. Europa muss mit den USA und China handeln, forschen und konkurrieren. Es muss ihren Modellen Zugang zum Markt geben, wenn sie Regeln einhalten. Zugleich muss es dafür sorgen, dass Krankenhäuser, Behörden, Industrie und Forschung nicht bei einem einzigen Anbieter festhängen. Dafür braucht es Rechenzentren, offene Alternativen, Fachkräfte, gute öffentliche Beschaffung und klare Grenzen für riskante Anwendungen.

Das ist keine romantische Idee digitaler Unabhängigkeit. Europa wird auch dann Chips importieren, Dienste einkaufen und in internationalen Forschungsnetzen arbeiten. Aber es kann entscheiden, ob es in diesem Netz nur Endkunde bleibt. KI-Souveränität beginnt nicht damit, alles selbst zu besitzen. Sie beginnt damit, im entscheidenden Moment selbst wählen zu können.

Europa hat seine wirtschaftliche Stärke selten dadurch gewonnen, dass es sich selbst genügte. Der Binnenmarkt wurde am 1. Januar 1993 mit den vier Freiheiten für Personen, Waren, Dienstleistungen und Kapital gestartet.[11] Das war kein naiver Verzicht auf Regeln. Es war der Versuch, nationale Grenzen durch gemeinsame Regeln so zu überwinden, dass Handel, Wettbewerb und Zusammenarbeit größer werden konnten als die einzelnen Märkte.

Diese Erfahrung ist für KI wichtiger, als es auf den ersten Blick scheint. Der Binnenmarkt war keine Fabrik, die ein europäisches Auto oder einen europäischen Computer entwarf. Er war eine Architektur: gemeinsame Standards, Rechtsdurchsetzung, offene Märkte und die Möglichkeit, in mehreren Ländern zugleich zu arbeiten. Genau diese Art von Fähigkeit fehlt der europäischen KI-Debatte oft. Sie fragt zu schnell nach dem einen Champion und zu selten danach, ob ein Start-up, eine Universität oder ein Mittelständler über Grenzen hinweg Rechenzeit, Datenzugang, Fachkräfte, Kunden und verlässliche Regeln findet.

Der historische Vergleich darf allerdings nicht romantisiert werden. Der Binnenmarkt entstand über Jahrzehnte, mit Konflikten über Normen, Beihilfen, öffentliche Aufträge und nationale Schutzinteressen. Auch bei KI wird es nicht reichen, in Brüssel eine Strategie zu beschließen und auf die Wirkung zu warten. Aber die Geschichte lehrt einen nüchternen Punkt: Europa wird handlungsfähiger, wenn es Größe durch Verbindung schafft. Eine Sammlung nationaler Digitalprogramme, die jeweils eigene Clouds, eigene Beschaffungswege und eigene Ausnahmen bauen, kann Geld ausgeben und dennoch zu klein bleiben.

Offenheit bedeutete in Europa außerdem nie Wehrlosigkeit. Gemeinsame Produktregeln, Wettbewerbsrecht und Verbraucherschutz haben Märkte nicht abgeschafft, sondern ihre Bedingungen gesetzt. Für KI folgt daraus: Der Maßstab darf weder lauten „europäisch um jeden Preis“ noch „Hauptsache verfügbar“. Er muss lauten: Ist ein System nachprüfbar, austauschbar, sicher betreibbar und unter Regeln beschaffbar, die nicht nur den größten Anbieter begünstigen?

Die Debatte wird klarer, wenn man nicht von einer einzigen digitalen Abhängigkeit spricht. Die erste Schicht ist Rechenleistung: Wer trainieren oder große Systeme betreiben will, braucht Chips, Rechenzentren, Strom, Netze und Kapital. Der Stanford AI Index beschreibt die starke Konzentration sowohl bei Rechenzentren als auch bei der Fertigung führender KI-Chips.[3] Ohne eigene oder vertraglich gesicherte Kapazitäten wird Europa hier nicht über Nacht unabhängig.

Die zweite Schicht ist das Modell. Ein Unternehmen kann mit einem externen Modell produktiv sein und trotzdem abhängig bleiben, wenn Preis, Leistungsumfang, Datenverarbeitung oder Schnittstellen einseitig verändert werden können. Das ist keine Anklage gegen geschlossene Modelle. Viele Aufgaben brauchen gerade heute die Qualität, die einige wenige Anbieter liefern. Aber ein Vertrag ist keine Strategie, wenn er keine Exportwege für Daten, keine klaren Wechselkosten und keine getestete Rückfalloption enthält.

Die dritte Schicht ist die Anwendung. In einer Fabrik, einer Klinik oder einer Behörde entscheidet nicht nur das Basismodell über den Nutzen. Entscheidend sind Datenqualität, Fachwissen, Prozesse, Schnittstellen, Haftung und die Menschen, die ein Ergebnis prüfen können. Gerade deshalb kann Europa auf Feldern stark sein, auf denen seine Industrie, Forschung und öffentliche Infrastruktur reale Probleme gut kennen. Ein leistungsfähiges Modell ohne Zugang zu sauberem Prozesswissen bleibt dort oft ein beeindruckendes Werkzeug ohne verlässliche Wirkung.

Die vierte Schicht ist die Regelsetzung. Wer technische Standards, Prüfverfahren, Beschaffungsbedingungen und Haftungsfragen prägt, beeinflusst, welche Systeme sich durchsetzen. Der AI Act schafft dafür einen unionsweiten Rechtsrahmen; seine allgemeinen Anwendungstermine und Ausnahmen sind im Gesetz selbst gestaffelt festgelegt.[12] Regeln können Marktzugang erschweren. Sie können aber auch verhindern, dass jede Behörde und jedes Krankenhaus dieselben Sicherheits- und Dokumentationsfragen neu erfinden muss.

Die fünfte Schicht ist das Wissen. Ein Land oder ein Unternehmen kann Infrastruktur mieten. Es kann aber nicht kurzfristig die Fähigkeit kaufen, Modelle zu bewerten, Sicherheitsrisiken zu erkennen, Daten zu kuratieren oder einen Anbieterwechsel technisch zu führen. Diese Kompetenz entscheidet im Ernstfall darüber, ob eine Organisation noch auswählt oder nur noch verlängert. Wer von Souveränität spricht, sollte deshalb nicht nur über Server sprechen, sondern über Ingenieurinnen, Domänenexperten, Beschaffer, Datenschutzleute und Prüfteams.

Der Wunsch nach einem europäischen Spitzenmodell ist verständlich. Sichtbare Erfolge bündeln Talent, Kapital und Selbstvertrauen. Europa sollte Unternehmen, die im Basismodellwettbewerb bestehen können, nicht durch kleinteilige Verfahren ausbremsen. Doch die politische Versuchung beginnt dort, wo ein einzelner Champion zur Stellvertretung für die ganze Fähigkeit erklärt wird.

Ein Champion kann scheitern, verkauft werden, technisch überholt werden oder sich auf einen kleinen Markt konzentrieren. Wenn dann Behörden, Schulen, Krankenhäuser und Industrie nur um ihn herum gebaut wurden, ist die politische Antwort auf Abhängigkeit selbst zu einem Klumpenrisiko geworden. Öffentliche Förderung sollte deshalb nicht nur ein Firmenlogo finanzieren, sondern offene Schnittstellen, unabhängige Evaluierung, Rechenzugang und die Fähigkeit kleinerer Anbieter, in komplexe Systeme einzusteigen.

Die OECD-Zahlen zur extrem ungleichen Verteilung von KI-Wagniskapital erklären, warum Europa diese Frage nicht allein dem Markt überlassen kann.[2] Wer im Kapitalwettbewerb weit zurückliegt, braucht keine Illusionen über die Geschwindigkeit, mit der ein einzelnes Förderprogramm den Abstand schließt. Die politische Aufgabe lautet daher nicht: Den globalen Markt nachspielen. Sie lautet: Bereiche wählen, in denen europäische Nachfrage, Forschung und industrielle Erfahrung einen Markt für gute, sichere und exportfähige Anwendungen schaffen.

Das ist kein Plädoyer für staatlich festgelegte Gewinner. Es ist ein Plädoyer für eine belastbare Umgebung. Ein junges Unternehmen braucht Zugang zu Testdaten, Rechenzeit, Referenzkunden und Standards, die nicht bei jedem Auftrag neu verhandelt werden. Ein Krankenhaus braucht Rechtssicherheit, technische Beratung und die Möglichkeit, einen Pilotversuch kontrolliert zu stoppen. Eine Kommune braucht nicht die hundertste Präsentation über generative KI, sondern eine Beschaffung, die Datenschutz, Qualität und Wechselbarkeit prüfbar macht.

Europa hat auf den Infrastrukturmangel reagiert. Die 2024 in Kraft getretene Erweiterung der EuroHPC-Regeln gab dem gemeinsamen Unternehmen den Auftrag, KI-Fabriken aufzubauen und zu betreiben.[13] Das Programm ist damit mehr als ein Slogan: Es verbindet KI-optimierte Rechner mit Nutzerzugang, Fachberatung und einem europäischen Netzwerk.

Auch die jüngere Ausweitung auf KI-Gigafactories zeigt, wie groß die Ambition geworden ist. Diese Einrichtungen sollen den gesamten Lebenszyklus sehr großer Modelle von Entwicklung bis Inferenz unterstützen.[14] Daraus folgt noch nicht, dass Europa den amerikanischen oder chinesischen Ausbau einholt. Aber es schafft eine Grundlage, auf der Forschung, Start-ups und öffentliche Nutzer nicht ausschließlich auf wenige kommerzielle Clouds angewiesen sind.

Entscheidend wird die Zugangsfrage. Ein Rechenzentrum hilft einem mittelständischen Betrieb nicht, wenn Antrag, Kosten, Beratung und Zeithorizont an seinen Arbeitsalltag vorbeigehen. Eine Forschungsgruppe braucht andere Zugänge als ein Start-up, das seine Anwendung in drei Monaten testen muss. Eine Behörde braucht möglicherweise eine abgesicherte Umgebung mit klaren Protokollen und Support. Europas Infrastrukturpolitik wird erst dann überzeugend, wenn sie aus der Sicht dieser Nutzer funktioniert und nicht nur aus der Sicht einer Eröffnungsrede.

Daneben bleibt Energie eine harte Grenze. Mehr Rechenleistung bedeutet mehr Bedarf an Stromanschlüssen, Netzen, Kühlung und Flächen. Eine verantwortliche Politik darf die ökologischen und lokalen Konflikte nicht wegreden. Sie darf aber auch nicht so tun, als verschwinde Rechenarbeit, wenn Europa sie nicht baut. Dann wird sie lediglich anderswo erledigt, unter anderen Preisen, Regeln und Emissionen. Die richtige Frage ist daher nicht, ob Europa Rechenzentren zulässt, sondern nach welchen Energie-, Netz- und Effizienzkriterien es sie plant.

In vielen wichtigen Bereichen entscheidet öffentliche Beschaffung schneller über einen Markt als eine allgemeine Innovationsstrategie. Krankenhäuser, Kommunen, Schulen, Hochschulen, Sozialverwaltungen und Energieunternehmen kaufen nicht nur Software. Sie kaufen Arbeitsabläufe, Datenflüsse und eine Zukunftsentscheidung. Wenn sie für zehn Jahre an einen Anbieter gebunden sind, wird es später sehr teuer, technische oder rechtliche Fehler zu korrigieren.

Daraus folgt keine Pflicht, nur in Europa entwickelte Produkte zu kaufen. Eine solche Regel würde Qualität mit Herkunft verwechseln und vielen Nutzern schaden. Öffentliche Auftraggeber sollten vielmehr Kriterien verlangen, die aus jedem Herkunftsland dieselbe Fähigkeit herausfordern: dokumentierte Datenverarbeitung, überprüfbare Sicherheitsvorkehrungen, Schnittstellen, Exportmöglichkeiten, klare Zuständigkeiten, realistische Kündigungs- und Wechselwege sowie Tests unter den Bedingungen des konkreten Einsatzes.

Für öffentliche Stellen gilt deshalb: Interoperabilität ist keine Nebenfrage der Verwaltung, sondern eine Voraussetzung dafür, dass sie neue Systeme überhaupt kontrollieren kann. Wenn Daten, Identitäten und Verfahren nicht sauber zusammenarbeiten, wird KI nur eine weitere Schicht auf alten Brüchen. Gemeinsame Standards und wiederverwendbare Prüfungen sind weniger spektakulär als ein neues Modell, aber sie machen Beschaffung für kleinere Anbieter und für die öffentliche Hand zugleich realistischer.

Gute Beschaffung schützt auch vor einer falschen Sparlogik. Der billigste Anfangspreis ist teuer, wenn ein System später nur mit einem Anbieter erweiterbar ist. Umgekehrt kann eine offene, gut dokumentierte Lösung anfangs mehr Aufwand kosten und später Handlungsspielraum schaffen. Diese Rechnung muss öffentlich nachvollziehbar werden. Sonst bleibt Souveränität ein Wort, während die entscheidenden Weichen in technischen Vertragsanlagen gestellt werden.

Der AI Act ist weder Europas Rettung noch sein Untergang. Er ist der Versuch, einen gemeinsamen Rahmen für sehr unterschiedliche Risiken zu setzen. Für allgemeine KI-Modelle nennt die Europäische Kommission unter anderem Dokumentation, Informationen für nachgelagerte Anbieter, eine Strategie zum Urheberrecht und Transparenz über Trainingsinhalte; für Modelle mit systemischen Risiken gelten zusätzliche Pflichten.[6] Diese Anforderungen sind sinnvoll, wenn sie Menschen und Organisationen in die Lage versetzen, Risiken zu prüfen.

Der faire Einwand lautet: Komplexe Regeln treffen kleine Anbieter oft härter als die Konzerne, die ganze Abteilungen für Compliance beschäftigen. Genau deshalb darf Regulierung nicht nur als Kontrollapparat gedacht werden. Beratung, standardisierte Vorlagen, Reallabore und technisch kompetente Aufsicht sind Teil einer innovationsfreundlichen Ordnung. Die EU sieht dafür unter anderem Maßnahmen für kleine und mittlere Unternehmen vor.[7]

Die entscheidende Frage ist nicht, ob jede denkbare Gefahr vor Markteintritt ausgeschlossen werden kann. Das wäre bei einer schnell lernenden Technologie weder möglich noch wünschenswert. Die Frage ist, ob Europa bei riskanten Anwendungen nachvollziehbare Stoppschilder hat und bei weniger riskanten Anwendungen schnelle, verständliche Wege eröffnet. Ein Assistenzsystem, das interne Texte sortiert, verlangt einen anderen Umgang als ein System, das Bewerbungen vorsortiert, medizinische Entscheidungen vorbereitet oder Menschen überwacht.

Diese Differenzierung ist auch politisch wichtig. Wer alle Regeln als innovationsfeindlich beschreibt, unterschätzt die Kosten fehlerhafter Systeme. Wer jede technische Entwicklung wie ein Sicherheitsproblem behandelt, produziert die Bürokratie, die später als Beleg gegen Europa dient. Souveränität heißt hier: Risiken konkret benennen, Verantwortung zuordnen und dann die übrige Entwicklung nicht mit pauschaler Angst blockieren.

Europa wird in den nächsten Jahren nicht alle Chips, Clouds, Modelle und Anwendungen selbst herstellen. Es muss das auch nicht. Der Versuch, vollständige Autarkie zu erzwingen, würde Kapital binden, Konkurrenz vermindern und genau die Offenheit zerstören, die Europa für Forschung und Handel braucht. Der bessere Maßstab ist anspruchsvoller und überprüfbar: Kann ein europäisches Unternehmen, eine Universität oder eine Behörde in einem kritischen Einsatz den Anbieter wechseln, ohne seine Daten, sein Wissen und seine Handlungsfähigkeit zu verlieren?

Dafür braucht es mehr als eine rechtliche Kündigungsklausel. Es braucht Datenportabilität, dokumentierte Schnittstellen, geschultes Personal, realistische Ersatzmodelle, getestete Notfallpläne und eine Beschaffung, die diese Dinge vor Vertragsabschluss abfragt. In manchen Fällen wird die beste Antwort ein globales Spitzenmodell sein. In anderen wird ein kleineres offenes Modell auf eigener Infrastruktur sinnvoller sein. In wieder anderen Fällen ist die richtige Entscheidung, noch keine KI einzusetzen.

Der Draghi-Bericht ordnet Europas Problem als Lücke bei Innovation, Produktivität, Energie und globalem Wettbewerb ein.[15] Gerade deshalb wäre es falsch, KI wie ein isoliertes Digitalthema zu behandeln. Die Frage berührt Energiepolitik, Kapitalmarkt, Bildung, Forschung, öffentliche Verwaltung, Industriestandorte und die Fähigkeit, große Vorhaben über Grenzen hinweg umzusetzen.

Die gute Nachricht lautet: Europa beginnt nicht bei null. Es hat einen großen Markt, Forschung, Industrie, Rechtsstaatlichkeit und die Erfahrung, aus nationalen Interessen gemeinsame Regeln zu machen. Die schlechte Nachricht lautet: Keiner dieser Vorteile wirkt automatisch. Sie werden nur dann zur KI-Strategie, wenn Europa Zugang offen hält, Infrastruktur baut, Beschaffung professionalisiert und an kritischen Stellen echte Alternativen schafft.

Europa darf sich nicht abschotten. Aber es darf sich auch nicht damit zufriedengeben, für die Technik anderer die Regeln zu schreiben und die Rechnungen zu bezahlen. Sein Ziel sollte weder digitale Reinheit noch ein staatlich geschützter Champion sein. Sein Ziel sollte Wahlfähigkeit sein: Zugang zu den besten Werkzeugen, eigene Kompetenz in kritischen Bereichen und die reale Möglichkeit, Anbieter zu prüfen, zu ersetzen oder selbst zu betreiben.

Das ist weniger heroisch als die Ankündigung eines europäischen Gegen-Giganten. Es ist aber die belastbarere Form von Souveränität. Sie entsteht dort, wo Entscheidungen getroffen werden: bei Rechenzeit, Standards, Verträgen, Daten, Fachkräften, Energieanschlüssen und öffentlichen Aufträgen. Wer diese Grundlagen organisiert, macht Europa nicht unabhängig von der Welt. Er sorgt dafür, dass Europa in ihr nicht nur Kunde bleibt.