Jochens Blog

Graphansicht

Über

Ein privater Blog über Politik, Medien und Homelab.

Der zweite Stack (2/2) — Effizienz als Waffe, der Stich in die Blase und die zwei Rennen

Teil 2 von 2: die Ökonomie des zweiten Stacks.

26 Min. Lesezeit

illustration: Eine orange Kugel schwebt über einer schwarzen Horizontlinie, von links läuft eine helle Nadel auf sie zu und drückt eine kleine Kerbe in ihre Haut; einzelne orange Splitter entweichen im Bogen, im Boden darunter laufen zwei Bahnen auseinander auf zwei getrennte Ziellinien zu

Dies ist der zweite von zwei Teilen über die chinesische KI-Szene. Teil 1 entwickelte das Fundament: den 16. Juli als Zäsur — ein verschenktes 2,8-Billionen-Parameter-Modell, während die Chip-Aktien in den Bärenmarkt rutschen —, die zwei Doktrinen und ihren Juli-Kollaps („Open Weight war eine Taktik, keine Doktrin”), die Sanktionen als Geburtshelfer des zweiten Stacks und den Elektrostaat, der Strom hat, aber Chips sucht. Dieser Teil handelt von der Ökonomie: wie die Szene funktioniert, was ihr Preiskrieg mit der amerikanischen Blase macht — und warum am Ende zwei verschiedene Rennen laufen.

Wie die Szene funktioniert: Effizienz als Waffe

Die andere Hälfte der Rechnung heißt Software. Peter Schadt hat die Frage „Wer macht das Rennen?” auf eine griffige Formel gebracht: DeepSeek verbrauche rund 20 Prozent der Energie von ChatGPT, Effizienz sei Chinas Stärke, und darum kämpfe Peking auf der diplomatischen Bühne für globale Effizienzstandards. Die Formel stimmt — nur greift sie in beide Richtungen zu kurz. Nach unten, weil die Effizienz keine Energie-, sondern eine Architekturfrage ist. Und nach oben, weil sie keine Diplomatie-, sondern eine Marktwaffe ist. Chinas Vorsprung liegt nicht im Strompreis, sondern im Bauplan der Modelle — und in der Art, wie es sie verschenkt.

Zuerst nach unten. Die 20 Prozent sind ein Symptom, keine Ursache, und die Ursache heißt Mixture of Experts. Ein Modell wie DeepSeek V3 trägt 671 Milliarden Parameter, aber nur 37 davon sind pro Token aktiv; der Rest schläft. Chinesische Fachpublikationen beziffern den aktiven Anteil quer durch die Modellfamilien auf zwei bis fünf Prozent. Dazu Kunstgriffe wie Multi-Head Latent Attention und Multi-Token-Prediction, die Speicher und Rechenschritte drücken — letztere beschleunigt die Ausgabe um das Zwei- bis Dreifache, weil ein Rechendurchgang gleich mehrere Token erzeugt. Diese Architektur-Tricks sind kein DeepSeek-Geheimnis, sie wandern durch das ganze Ökosystem — Qwen, GLM, Kimi bauen sie nach und treiben sie weiter. Und, das ist die Pointe zurück zu Teil 1: Nicht der billige Strom macht den Unterschied, der liegt ja zu siebzig bis achtzig Prozent brach. Es ist die erzwungene Kunst, aus wenig Silizium viel Modell zu pressen — eine Tugend aus der Not der Exportkontrollen. Die Sanktion, die in Teil 1 zum Geburtshelfer des Chip-Stacks wurde, ist zugleich der Grund, warum die chinesischen Modelle sparsamer rechnen müssen als die amerikanischen, die im Überfluss aus Nvidia-Clustern schöpfen.

Jetzt nach oben. Effizienz allein gewönne nichts, wenn niemand die Modelle nutzte — aber genau hier ist das Kräfteverhältnis gekippt. Auf OpenRouter, dem Marktplatz, über den Entwickler ihre Modelle beziehen, verarbeiteten chinesische Modelle im Februar 2026 5,16 Billionen Token gegen 2,7 Billionen der amerikanischen; vier der fünf meistgenutzten Modelle der Welt kamen aus China. Hugging Face zählt in seiner eigenen Jahresbilanz 41 Prozent aller Downloads für chinesische Modelle gegen 28 Prozent für amerikanische — und für die Qwen-Familie allein über 113.000 abgeleitete Modelle, mehr als Google und Meta zusammen. Offene Gewichte sind, so gesehen, kein Akt des Idealismus, sondern ein Vertriebskanal. Wer sein Modell verschenkt, besetzt die Standardschicht, auf der die anderen bauen.

Eine Zahl allerdings, die in dieser Debatte unablässig zitiert wird, hält der Prüfung nicht stand — und ihr Weg lohnt die Nachverfolgung, weil er zeigt, wie in diesem Feld Befunde entstehen. Der a16z-Partner Martin Casado sagte im August 2025 dem Economist, bei Startups, die sich bei seiner Firma vorstellten, liege die Wahrscheinlichkeit bei „80 Prozent”, dass sie ein chinesisches Open-Source-Modell verwenden. Daraus wurde in der Weiterverwertung — bis hinein in den USCC-Bericht — der Satz, 80 Prozent der amerikanischen KI-Startups bauten auf chinesischen Modellen. Casado hat das selbst richtiggestellt: Gemeint waren 80 Prozent jener 20 bis 30 Prozent der Bewerber, die überhaupt offene Modelle einsetzen — also eher 16 bis 24 Prozent, und auch das nur bezogen auf die Pitches eines einzelnen Wagniskapitalgebers. Der Befund bleibt bemerkenswert. Er ist nur ungefähr ein Viertel so groß, wie er üblicherweise erzählt wird. Wer die These vom zweiten Stack ernst meint, sollte sie nicht auf einer Zahl aufbauen, die ihr Urheber zurückgenommen hat.

Die US-China-Kommission USCC hat dem Mechanismus dahinter im März einen Namen gegeben: „Two Loops”. Die erste Schleife ist digital — offene Modelle, von tausenden Entwicklern verfeinert, deren Verbesserungen ins nächste Basismodell zurückfließen. Die zweite ist physisch — dieselben Modelle wandern in E-Autos, Roboter, Fabriken, und die Einsatzdaten schärfen die nächste Runde. Wie das aussieht, führt BYD vor: Der Konzern stellte Ende Mai die nächste Generation seines Fahrassistenz-Systems „God’s Eye” vor, gebaut um einen selbst entwickelten 4-Nanometer-Chip, ausgelegt auf teilautonomes Fahren und bestimmt für alle künftigen Modelle des größten Elektroautobauers der Welt; Xiaomi zog wenige Tage vorher mit einem eigenen Weltmodell nach. Jedes ausgelieferte Fahrzeug ist ein Sensor, der die nächste Trainingsrunde speist. Angetrieben wird beides von einem Preiskrieg, den kein westlicher Anbieter mitgehen kann: Ein chinesischer API-Aufruf kostet im Vergleich Spitzenmodell gegen Spitzenmodell grob ein bis drei Prozent des amerikanischen Preises, im zwischengespeicherten Fall noch weniger; in der Mittelklasse sind es eher fünf bis fünfzehn. Zwei Größenordnungen an der Spitze. Das ist keine Rabattschlacht, das ist Kommoditisierung mit Ansage.

Damit lässt sich Schadts Satz präzisieren, ohne ihn umzustoßen. Ja, Effizienz ist Chinas Waffe — aber sie zielt nicht auf Energiestandards in Genfer Sitzungssälen, sondern auf das Preisgefüge selbst. Schadt hatte den geschlossenen Kreislauf des amerikanischen Booms beschrieben: Nvidias Gewinne fließen in OpenAI, OpenAI kauft Rechenzentren, Rechenzentren kaufen Nvidia. Chinas Szene greift diesen Kreislauf nicht frontal an. Sie unterläuft ihn — indem sie verschenkt, wofür er künftig Miete kassieren will. Was das für die amerikanische Blase bedeutet, ist der nächste Abschnitt.

Der Stich in die Blase

Wer das Seitenstück zur KI-Serie kennt — „Die Blase, die keine sein will” —, kennt die drei Werkzeuge, mit denen sich die amerikanische KI-Bewertung prüfen lässt, ohne im Kaffeesatz zu lesen. Der Zirkellauf: Nvidia, Microsoft, OpenAI, Oracle bezahlen einander im Kreis, und aus der Rundreise entsteht an jeder Station ein Buchgewinn, den der Markt als Wert liest. Die Lücke: 2025 standen 344 Milliarden Dollar Investitionen der großen Tech-Konzerne rund 50 Milliarden Einnahmen gegenüber — eine Schlucht, die sich seither nur vertieft hat. Ein Jahr später rechnet Stephan Kaufmann im nd vor: 1,5 Billionen Dollar stecken inzwischen in den „KI-Fabriken”, der Umsatz erreicht davon nur die Hälfte. Und die Hausmann-Frage, die aus dem liberalen Mainstream kommt und darum politisch immun ist: Welche Weltwirtschaft müsste entstehen, damit diese Bewertungen aufgehen? Das Seitenstück endete mit einer offenen Frage — der nach der Sun-Workstation von 2026: jener billigeren Methode, die den Auftragsbestand entwertet, auf dem der Zirkellauf ruht, so wie die Allzweck-Workstation 1987 die teure LISP-Maschine über Nacht wertlos machte. DeepSeeks Effizienzsprung, hieß es dort, war das Vorbeben. Dieser Abschnitt behauptet: Das Beben hat einen Namen, und es ist der zweite Stack.

Der Zirkellauf trägt nur unter einer Bedingung — dass sich der Kreis am Ende nach außen öffnet, dass irgendwann jemand zahlt, der nicht selbst Teil der Schleife ist. OpenAIs Infrastruktur-Verpflichtungen von rund 1,15 Billionen Dollar setzen genau das voraus: dass Intelligenz ein knappes, teuer verkäufliches Gut bleibt, für das die Welt künftig Miete entrichtet. Genau dieses Gut verschenkt die chinesische Szene. Was der vorige Abschnitt als Preiskrieg beschrieb — die Modelle um ein Vielfaches billiger, die Gewichte obendrein zum freien Download —, ist von der Bewertungsseite gelesen eine Annullierung der Knappheit, bevor sie eintritt. Man kann keine Rente auf ein Gut erheben, das der Konkurrent verschenkt.

Wie brutal der Abstand ist, zeigt die sauberste verfügbare Messung — die des britischen Sicherheitsinstituts, von dem gleich noch die Rede sein wird. Es ließ dieselbe Cyber-Prüfaufgabe von verschiedenen Modellen bearbeiten und rechnete die Kosten aus: Ein Durchlauf über hundert Millionen Token kostete mit Anthropics Spitzenmodellen rund 85 Dollar, mit dem offenen GLM-5.2 rund 46 Dollar — und mit DeepSeeks V4-Pro 1,19 Dollar. Das ist kein Rabatt, das ist ein Faktor von siebzig, gemessen an derselben Arbeit, von einer Behörde, die keinen Anbieter zu bewerben hat.

Damit beantwortet der zweite Stack die Hausmann-Frage — negativ. Hausmann rechnete vor, die großen KI-Konzerne müssten binnen eines Jahrzehnts rund 2,4 Billionen Dollar zusätzliche Auslandseinnahmen erzielen, damit ihre Bewertung aufgeht: die Welt müsste Jahr für Jahr einen Service-Tribut dieser Höhe nach Amerika überweisen. Der Einwand des Seitenstücks war, die Welt sei dazu weder in der Lage noch willens. Der zweite Stack fügt einen schärferen hinzu: Sie muss gar nicht. Warum den vollen Preis an Anthropic entrichten, wenn ein offenes chinesisches Modell dieselbe Standardaufgabe für einen Bruchteil erledigt — die Gewichte obendrein zum Nulltarif? Der Tribut scheitert nicht am Widerstand der Zahler, sondern an der Existenz eines quasi kostenlosen Substituts.

Dass dies kein KI-Sonderfall ist, sondern Chinas eingespieltes Muster, bringt Kaufmann mit einem Verweis auf die FAZ auf den Punkt: Eine aktive Industriepolitik züchtet eine Vielzahl konkurrierender heimischer Firmen, die den Preis so lange drücken, bis aus dem Premiumgut eine Commodity wird — wie zuvor bei Autos und Solarmodulen, jetzt bei Sprachmodellen. Damit schließt sich der Kreis zur China-Serie: Das Solarmodul auf dem deutschen Dach war der erste Fall, das Sprachmodell auf dem amerikanischen Server ist der nächste. Kimi K3, dessen Gewichte Moonshot am 27. Juli tatsächlich zum Download freigab — 2,8 Billionen Parameter unter einer leicht abgewandelten MIT-Lizenz —, zeigt, dass die Kommodifizierung bis in die Frontier-nahe Klasse reicht. Was China mit der Solarindustrie tat — den Weltmarktpreis so weit drücken, dass westliche Hersteller reihenweise aufgaben —, droht es mit der teuersten Wette der amerikanischen Börsengeschichte zu wiederholen.

Der Kommentator Luigi Pandolfi hat daraus im il manifesto die zugespitzteste Lesart gezogen: Die Nadel, die die Blase sticht, komme womöglich nicht aus einem Nachfrageeinbruch, sondern aus Peking — in seiner Rechnung kostet dieselbe Aufgabe zwei Cent bei DeepSeek gegen 2,75 Dollar bei Claude, und der Absturz werde durch die Hebel-ETFs verstärkt, mit denen Kleinanleger auf den Halbleiter-Boom gewettet haben. Die Kulisse gibt ihm vorerst recht: Der Halbleiterindex SOX lag Mitte Juli rund ein Fünftel unter seinem Rekordhoch von Ende Juni — die technische Schwelle zum Bärenmarkt, und das nach einer Rally von 105 Prozent seit dem Märztief. Der dreifach gehebelte SOXL, mit dem Kleinanleger auf genau diesen Boom gewettet hatten, verlor allein im vergangenen Monat rund ein Drittel, an einem einzigen Junitag 23 Prozent; die Talfahrt hat sich bis in die letzte Juliwoche fortgesetzt. Im ersten Quartal 2026 trug der Rechenzentrums-Ausbau nach den Zahlen des US-Handelsministeriums rund drei Viertel zum amerikanischen Wachstum bei. Eine Ökonomie, die zu drei Vierteln auf einem einzigen, defizitären Investitionszyklus balanciert, ist ein Riese auf einem Bein.

Hier ist Disziplin nötig, in zwei Richtungen — sonst kippt die Analyse in die Prophetie, die das Seitenstück vermeiden wollte. Erstens die Absichtsfrage: Ob Peking den Preiskrieg führt, um die Blase zu stechen, oder ihn nur als Nebeneffekt der Kommoditisierungs-Strategie in Kauf nimmt, lässt sich von außen nicht entscheiden — und ist für die Rechnung gleichgültig. Belegt ist die Strategie, nicht der Vorsatz. Zweitens, und wichtiger: China sticht die Blase nicht, es beschleunigt ihren Stich. Die Sollbruchstellen trägt die Konstruktion in sich, und Kaufmann zählt sie auf: Die Hyperscaler stehen in scharfer Konkurrenz zueinander, die schon für sich die Margen drückt (Goldman Sachs); und die zahlungsfähige Nachfrage stockt, weil KI sich für die meisten Unternehmen noch nicht auf die Wertschöpfung auswirkt und die Token-Kosten so hoch sind, dass Firmen die Budgets ihrer Mitarbeiter deckeln. Diese Risse liefen auch ohne Peking. China liefert den Anlass, nicht die Ursache.

Bleibt der nüchterne Befund, den das Werkzeug verlangt: nicht „China lässt die Blase platzen” — das wäre wieder Kaffeesatz —, sondern dass die eine Voraussetzung, unter der die amerikanische Bewertung aufginge, die dauerhafte Knappheit teurer Intelligenz, von der chinesischen Szene systematisch zerstört wird. Der zweite Stack ist die Sun-Workstation von 2026, und diesmal steht sie nicht in Kalifornien. Was das für „das Rennen” heißt, hängt aber daran, was man überhaupt misst — und ob ein verschenktes Modell die Frontier einholt oder sie bloß unterbietet. Das ist die nächste Frage.

Wie nah dran — und woran gemessen?

Die Frage, wie nah China der Spitze ist, hat eine Lieblingsantwort: die Bestenliste. Ein neues Modell erscheint, eine Tabelle kursiert, es hat diesen oder jenen amerikanischen Namen überholt. Und genau hier beginnt die Irreführung. Moonshot behauptete, Kimi K3 schlage die Spitzenmodelle von OpenAI und Anthropic — und gab im selben Atemzug zu, insgesamt hinter ihnen zu liegen. Selbstberichtete Benchmarks aus dem hauseigenen Testrahmen sind kein Messwert, sondern Marketing; sie sagen mehr über die PR-Abteilung als über das Modell. Wer die Leaderboard-Frage stellt, bekommt eine Leaderboard-Antwort — und die ist nur so belastbar wie der, der sie ausgibt.

Die seriöseste Messung stammt vom britischen AI Security Institute — das bis Februar 2025 „AI Safety Institute” hieß, und die Umbenennung ist selbst ein Politikum: Aus der Sicherheit vor der Technik wurde die Sicherheit durch sie. Sein Befund vom 17. Juli: Offene Modelle liegen nur noch vier bis sieben Monate hinter der Frontier — im Vorjahr waren es noch sechs bis zehn. Der Abstand schrumpft also, und zwar messbar. Wichtig ist, wie die Spanne zustande kommt: Sie bildet nicht zwei Modelle ab, sondern zwei Aufgabentypen. Bei eng umrissenen Aufgaben liegt GLM-5.2 vier Monate hinter Claude Opus 4.6, in vollständigen Angriffsszenarien sieben Monate hinter dem älteren Opus 4.5; DeepSeeks V4-Pro liegt dazwischen. Ein Rückstand von Monaten, nicht von Generationen. Aber der entscheidende Teil steht im Kleingedruckten, und das Institut schreibt ihn selbst hin: Der Befund umfasst ausschließlich Cyber-Fähigkeiten, Rückschlüsse auf andere Fähigkeiten seien nicht zulässig. Eine einzige Achse, sauber vermessen, und schon deshalb aussagekräftiger als jede Bestenliste. Aber eben: eine einzige Achse.

Und hier liegt der eigentliche Gehalt der Frage. „Wie nah dran” unterstellt, dass es eine Strecke gibt, auf der einer vorn und einer hinten läuft. Die bisherigen Abschnitte — von den Chips bis zum Strom — haben gezeigt, dass das nicht stimmt. China läuft nicht dieselbe Strecke langsamer; es hat eine zweite gebaut. Benchmark-Distanz misst, ob ein chinesisches Modell dieselbe Aufgabe löst wie Opus. System-Autonomie misst etwas anderes: ob China den vollen Stack — Chip, Strom, Modell, Diffusion — ohne den Westen betreiben kann. Auf der ersten Achse liegt China Monate zurück. Auf der zweiten ist es dabei, uneinholbar zu werden — nicht weil es schneller läuft, sondern weil es woanders läuft.

Damit lösen sich die zwei scheinbar widersprüchlichen Befunde auf, die sich durch die ganze Debatte ziehen. „Nur Monate hinter der Frontier” und „kein Verfolger, sondern ein zweiter, gespaltener Stack” widersprechen sich nicht — sie messen Verschiedenes. Der erste misst die Distanz auf der amerikanischen Achse, der zweite die Existenz einer eigenen. Wer nur die Bestenliste liest, sieht einen Verfolger, der fast aufgeschlossen hat. Wer den Stack sieht, sieht einen zweiten Pol, der die Frage „wer liegt vorn?” langsam sinnlos macht. Welche der beiden Messungen die wichtigere ist, ist am Ende keine technische Frage, sondern eine der Doktrin — und die führt geradewegs zur Kehrseite des offenen Modells: zur Sicherheit, und zu der Frage, wem die Panik darüber nützt.

Die Kehrseite — und wem die Panik nützt

Bis hierher klang der zweite Stack wie eine Erfolgsgeschichte. Er hat eine Kehrseite, und sie ist real. Ein offenes Modell ist per Definition eines, dessen Gewichte jeder herunterladen und verändern kann — auch, um die eingebauten Sicherheitsfilter zu entfernen. Was Anthropic und OpenAI hinter einer API einschließen und moderieren, liegt beim heruntergeladenen Modell offen. Und die Sorge ist nicht theoretisch: Die jüngsten Versionen von Claude und ChatGPT finden Software-Schwachstellen inzwischen so zuverlässig, dass amerikanische Sicherheitsbehörden ihren eigenen Zugang beschränkt haben. Ein frei modifizierbares Modell auf annähernd demselben Niveau ist damit auch ein frei modifizierbares Werkzeug für den, der Lücken sucht, statt sie zu schließen. Das ist die ernstzunehmende Sorge, und sie ist nicht erfunden.

Washingtons Antwort nimmt Gestalt an, und wer sie liest, sollte auf die Namen achten. Laut Axios erwägt das Weiße Haus strenge Regeln gegen chinesische Modelle bei gleichzeitiger Lockerung für die eigenen — nicht „gegen offene KI” also, sondern gegen die chinesische und für die amerikanische. Beschlossen war lange nichts; seit dem 22. Juli aber beschuldigt der Wissenschaftsberater des Präsidenten das Unternehmen Moonshot namentlich, amerikanische Modelle abgeschöpft zu haben, und das Finanzministerium droht mit der Sanktionsliste. Der Druck kommt aus dem Sicherheits- und Finanzapparat.

Bemerkenswert ist, wer dort nicht treibt. Die naheliegende Erzählung — der einflussreiche KI-Berater des Präsidenten setze die Restriktionen durch — trägt nicht mehr: David Sacks ist seit Ende März 2026 nicht mehr KI-Beauftragter des Weißen Hauses, sondern nur noch beratend tätig, und er warnt ausdrücklich vor einem pauschalen Verbot, das die Verbreitung nicht stoppen, aber ein heimisches Duopol zementieren würde. Dass derselbe Sacks Anteile an Hunderten von KI-Firmen hält, macht die Sache nicht einfacher, sondern nur ehrlicher: In dieser Debatte hat fast jeder Sprecher ein Portfolio. Womit die Frage im Titel dieses Abschnitts gestellt wäre — wem nützt die Panik?

Die schärfste Antwort kommt von jemandem, der es beurteilen kann: Walter Quattrociocchi, Informatiker an der römischen Sapienza und Mitglied des KI-Expertenpanels der EU-Kommission. Er relativiert die Alarmstimmung gleich zweifach. Ökonomisch: Es sei „kein Zufall”, dass ausgerechnet Anthropic und OpenAI das Cybersicherheits-Thema so laut spielen — offene Modelle könnten „ihr Geschäftsmodell zum Einsturz bringen”. Die Sicherheitspanik verteidigt, so gelesen, weniger die kritische Infrastruktur als die API-Rente aus dem Blasen-Abschnitt. Und sicherheitstechnisch: Die Solidität einer kritischen Infrastruktur hänge „vor allem von der Qualität der Verteidigung” ab — unabhängig davon, ob der Angreifer Mensch oder Maschine, ein offenes oder ein geschlossenes Modell ist. Wer sein Netz nicht schützen kann, verliert es an ChatGPT so gut wie an Kimi. Das offene Modell verschiebt die Gleichung, aber es erfindet die Angreifer nicht.

Wie wenig die saubere Zuordnung von Lagern trägt, führte Mitte Juli ausgerechnet Hugging Face vor — die Plattform, über die die halbe Debatte läuft. Ein autonom operierendes Agentensystem griff sie an: Schadcode in einem Datensatz, zwei ausgenutzte Ausführungspfade, Rechteausweitung bis auf Node-Ebene, Ausbreitung über mehrere interne Cluster an einem Wochenende, tausende Einzelaktionen aus einem Schwarm kurzlebiger Sandboxes. Für die forensische Aufarbeitung griff das Unternehmen zu GLM 5.2 — einem offenen chinesischen Modell —, weil die kommerziellen Schnittstellen die Sicherheitsanfragen blockierten. Die Asymmetrie, die dabei sichtbar wurde, ist die eigentliche Nachricht: Der Angreifer operierte ohne jede Beschränkung, die Verteidiger wurden von den Sicherheitsrichtlinien ihrer eigenen Werkzeuge ausgebremst — und griffen deshalb zu dem Modell, vor dem Washington warnt. Das ist Quattrociocchis Punkt, nur als Vorfallbericht.

Wer in diesem Streit auf welcher Seite steht, verrät ein offener Brief vom 25. Juli. Fünfundzwanzig überwiegend amerikanische Technologiekonzerne — Microsoft, Nvidia, Meta, IBM, Dell, Hugging Face, Mistral, Y Combinator und, pikanterweise, a16z — fordern darin ein Ökosystem offener Modelle, statt ein einzelnes dominantes System zu schützen; Verfahren wie Distillation seien legitime Entwicklungstechnik und kein Diebstahl. Zwei Namen fehlen auf der Liste: Anthropic und OpenAI. Man muss niemandem ein Motiv unterstellen, um die Sortierung zu bemerken — es sind genau die beiden Häuser, deren Bewertung an jener Knappheit hängt, die der Blasen-Abschnitt beschrieben hat.

Und die Panik ist nicht einseitig. Anfang Juli warnte Chinas nationale Schwachstellen-Datenbank vor einer mutmaßlichen Hintertür in Anthropics Programmierwerkzeug Claude Code — Belege blieb sie schuldig, Alibaba verbannte das Werkzeug trotzdem; wenige Wochen später dachte Washington über Sperren in die Gegenrichtung nach. Und dass Chinas eigene Fachleute längst ihren „Tschernobyl-Moment” fürchten — den Kontrollverlust über eine zu schnell diffundierende Technik —, hat ausgerechnet das amerikanische Magazin WIRED dokumentiert. Die beiden Warnungen fielen nicht in dieselbe Woche, und man sollte sie nicht zur Gleichzeitigkeit stilisieren. Was sie verbindet, ist nicht der Kalender, sondern der Reflex. Das saubere Bild vom sorglos streuenden China gegen das ängstlich abschottende Amerika ist zu ordentlich, um zu stimmen. Es zerbricht endgültig an dem Befund, der diese ganze Strecke trägt — Teil 1 hat ihn entwickelt: dass Peking mittlerweile selbst Exportkontrollen für Modellgewichte prüft. Beide Seiten greifen, sobald die eigene Führung bedroht scheint, zum selben Werkzeug — der Kontrolle. Die „zwei Doktrinen” sind keine Wesensmerkmale, sondern Züge im selben Spiel, eingenommen je nachdem, ob man vorne liegt oder aufholt.

Bleibt, was die Disziplin verlangt: die Sorge ernst nehmen, ohne die Erzählung zu übernehmen. Die Gefahr frei modifizierbarer Modelle ist berechtigt; die Dringlichkeit, mit der sie in Washington vorgetragen wird, ist zugleich Geschäftsschutz. Beides ist wahr, und man muss beides zugleich aushalten, um nicht zum Lautsprecher der einen oder anderen Seite zu werden. Und beides führt auf dieselbe Schlussfrage — die nach dem Rennen selbst. Wenn „offen” und „geschlossen” keine Doktrinen sind, sondern Züge, und wenn der zweite Stack nicht hinter dem ersten herläuft, sondern neben ihm: Was heißt dann überhaupt noch „gewinnen”?

Zwei Rennen

„Wer macht das Rennen?” — die Frage, mit der Peter Schadt die Debatte eröffnete, hat am Ende dieser beiden Teile eine unbequeme Antwort: Sie ist falsch gestellt. Es gibt nicht ein Rennen, es gibt zwei, und sie haben verschiedene Ziellinien. Das amerikanische Rennen läuft auf Frontier-Rente: Erfolg heißt, die knappste Intelligenz der Welt zu besitzen und die Welt dafür Miete zahlen zu lassen — anders lassen sich die Billionen-Verpflichtungen, die der Zirkellauf aufgetürmt hat, nicht refinanzieren. Das chinesische Rennen läuft auf Diffusions-Macht: Erfolg heißt, dass die eigene Technik überall steckt — in den Derivaten auf Hugging Face, in den Startups, die auf Qwen bauen, in den Fabriken, E-Autos und Verwaltungen der zweiten Schleife. Der eine Erfolgsbegriff misst sich in Marge, der andere in Verbreitung. Man kann beide Rennen gewinnen und im jeweils anderen verlieren — genau das passiert gerade.

Silicon Valley tut sich schwer, das zu sehen, und zwar systematisch. Lex Zhao hat bei Rest of World die Schieflage vermessen: Die öffentliche Rhetorik rahmt China als Feind, während die erfolgreichsten Konzerne des Valley es längst als ebenbürtigen Wettbewerber behandeln — Apple fertigt dort, Tesla setzte zuletzt rund ein Drittel seiner Fahrzeuge dort ab, und als Trump nach Peking reiste, saßen die CEOs von Apple, Tesla, Nvidia und Qualcomm mit im Flugzeug. Die Decoupling-Erzählung und die Verflechtungs-Realität laufen offen auseinander; wer im Valley reüssiert, tut es nicht trotz, sondern wegen der korrekten Klassifikation. Das Missverständnis hat Methode: Wer nur die eigene Metrik kennt — die Bestenliste, die Rente, die Frontier —, kann ein System nicht lesen, das auf eine andere Ziellinie zuläuft. Er sieht einen Verfolger, wo ein zweiter Pol entsteht.

Und die Stimmung ist dem Westen schon davongelaufen. In Umfragen vom Frühjahr 2026 zeigten sich 84 Prozent der Chinesinnen und Chinesen begeistert von KI-Produkten, in den USA 38; dem Staat trauten bei der KI-Regulierung 81 Prozent der Singapurer, aber 31 Prozent der Amerikaner; und die Zuwanderung von KI-Fachleuten in die USA ist seit 2017 um fast neun Zehntel eingebrochen. Man muss diese Zahlen nicht überdehnen — es sind Umfragen, keine Volkszählungen. Aber die Richtung ist eindeutig: Das Rennen um Akzeptanz und Köpfe, die Vorbedingung jeder Diffusion, läuft in Asien — während in Amerika Rechenzentren am Bürgerprotest scheitern und die Branche ihre Zukunft gegen die eigene Bevölkerung durchsetzen muss.

Das Rennen ist dabei längst nicht mehr bipolar, nur ein Satz dazu: Wer sich die Manhattan-Doktrin nicht leisten kann, spielt zwangsläufig offen (Mistral), wer Kapital hat, kauft sich eher in die amerikanische Blase ein, als sie herauszufordern (die Golfstaaten), und Mittelmächte wie Kanada proben mit „AI for All” die Souveränität per Diffusion — die zwei Ziellinien sortieren auch den Rest der Welt.

Bleibt die Rückbindung, die diese ganze Strecke trägt. Die China-Serie endete mit dem Satz, der heutige Staat sei die Fortführung des maoistischen Zwecks mit anderen Mitteln: Mao wollte die Nation stark machen durch Plan, Deng durch Kapital, Xi durch technologische Souveränität. Der zweite Stack ist die jüngste Gestalt dieses Zwecks — und deshalb war „Open Source” nie die Doktrin, für die der Westen sie hielt. Die Doktrin ist die Souveränität; die Offenheit war ihr Werkzeug, solange sie dem Aufholen diente, und sie wird kontrolliert, sobald die eigene Führung erreichbar scheint. Die Exportkontroll-Prüfung vom Juli ist kein Bruch in der chinesischen Strategie, sie ist ihre Bestätigung. Wer das Rennen verstehen will, muss auf den Zweck schauen, nicht auf das jeweilige Mittel.

Und Europa? Es hat weder die Rente — die Frontier-Labore stehen woanders — noch organisiert es die Diffusion; es reguliert, was andere bauen, und bezahlt am Ende in beide Richtungen: API-Gebühren nach Westen, Hardware-Rechnungen nach Osten. Die zweite Richtung lässt sich beziffern: Das Handelsdefizit der EU mit China erreichte im ersten Quartal 2026 rund 98 Milliarden Euro und lag 2025 bei knapp 360 Milliarden — etwa eine Milliarde pro Tag. Was Europa den amerikanischen KI-Anbietern überweist, weiß dagegen niemand genau; es gibt keine öffentliche Zahl, und schon dieses Nichtwissen ist ein Befund. Ob es dabei bleiben muss, ist die Frage, die dieser Artikel offen lässt — sie braucht einen eigenen. Vorerst endet die Strecke, wo die China-Serie endete, nur eine Ebene höher: Auf dem Dach liegt das chinesische Solarmodul, im Rechenzentrum läuft das amerikanische Modell — und dazwischen entscheidet sich gerade, welches von beiden das Muster der nächsten Jahrzehnte ist: die Technik, die man besitzt und vermietet, oder die Technik, die man verschenkt und deshalb überall ist.

Quellen

Effizienz und Marktanteile

Die Blase

Metrik und Benchmarks

  • UK AI Security Institute: „How far behind the frontier are leading open-weight models on cyber?” (17.07.2026) — vier bis sieben Monate Rückstand (Vorjahr: sechs bis zehn), aufgeschlüsselt nach Aufgabentyp; die Kostenrechnung 85 / 46 / 1,19 Dollar je Hundert-Millionen-Token-Lauf; und die ausdrückliche Einschränkung, dass ausschließlich Cyber-Fähigkeiten geprüft wurden.
  • Moonshot AI: Kimi-K3-Blogpost (16.07.2026) — Selbstauskunft; die Benchmark-Siege sind Eigenangaben, das Zurückliegen in der Gesamtleistung räumt Moonshot selbst ein.

Sicherheit und Regulierung

Zwei Rennen

Serien-Anschlüsse (dieses Blog)

Die Reihe „Der zweite Stack“

  1. 2) — Doktrinen, Chips, Strom: das Fundament von Chinas KI-System
  2. Der zweite Stack (2/2) — Effizienz als Waffe, der Stich in die Blase und die zwei Rennen — dieser Teil

↩ Zum Anfang: 2) — Doktrinen, Chips, Strom: das Fundament von Chinas KI-System

Backlinks