Offene KI-Modelle: USA erwägt Bann, 50 dagegen

Am 24. Juli haben 25 US-Technologiekonzerne einen offenen Brief mit dem Titel "Open Weights and American AI Leadership" veröffentlicht. Einen Tag später standen 50 Namen darunter. Der Anlass ist unangenehm konkret: In Washington wird erwogen, chinesische Open-Weight-Modelle zu beschränken. Für Teams im DACH-Raum ist das keine amerikanische Innenpolitik, denn es geht um genau die Modelle, die hier als Self-Hosting-Option gelten.

Worum es politisch geht

Laut einem Axios-Bericht vom 20. Juli hat die Trump-Regierung ihre Überlegungen zu einem Verbot chinesischer KI-Modelle wieder aufgenommen, begründet mit Cybersicherheit. US-Finanzminister Scott Bessent kündigte am 21. Juli an, chinesische Open-Source-Modelle auf Verletzungen geistigen Eigentums zu prüfen und Sanktionen gegen chinesische KI-Firmen zu erwägen, denen Diebstahl von US-Firmen nachgewiesen wird. Ausgelöst hat die neue Runde der Start von Kimi K3, dessen offene Gewichte am 27. Juli erscheinen sollen.

Der Brief ist die Antwort der Industrie darauf. Er argumentiert historisch: In den 1980ern hätten Open-Source-Pioniere die Annahme widerlegt, Software komme nur voran, wenn Firmen ihren Code streng kontrollieren. Heute trage Open Source große Teile des Internets, inklusive der Systeme von US-Militär und Bundesbehörden. Die zentrale These lautet, die KI-Führung der USA werde nicht an einem einzelnen Spitzenmodell gemessen, sondern daran, ob ein starkes offenes Ökosystem entsteht, das in jeden Wirtschaftszweig diffundiert.

Bemerkenswert ist, wie offen der Brief die Risiken benennt, statt sie wegzureden. Einmal veröffentlicht seien Gewichte der Kontrolle des Entwicklers entzogen, und veränderte Versionen ließen sich kaum zurückverfolgen. Die Schlussfolgerung ist trotzdem eine andere als ein Verbot: In einer Welt, in der Angreifer fortgeschrittene KI nutzen, brauchen Verteidiger Modelle mit vergleichbaren Fähigkeiten. Wie plausibel dieses Argument ist, zeigt sich gerade an einem konkreten Fall, den wir im Parallelartikel über die Redis-Lücken auseinandernehmen.

Ein eigener Absatz ist der Destillation gewidmet, also dem Trainieren eines Modells mit den Ausgaben eines anderen. Die Unterzeichner fordern, legitime Entwicklungstechniken nicht mit unrechtmäßiger Aneignung zu vermengen. Das ist kein Nebensatz, sondern zielt direkt auf den Vorwurf, chinesische Anbieter hätten US-Modelle abgeschöpft.

Wer unterschrieben hat und wer nicht

Die Liste ist breiter, als die erste Berichterstattung vermuten ließ. Sie umfasst unter anderem NVIDIA, Microsoft, Meta, AMD, IBM, Dell Technologies, Cisco, Cloudflare, Palantir, Palo Alto Networks, CrowdStrike, ServiceNow, GitHub, Hugging Face, Mistral, Mozilla, Ollama, Perplexity, Replit, Y Combinator, Andreessen Horowitz und die Linux Foundation.

Die erste Fassung vom 24. Juli hatte 25 Unterzeichner, und darin fehlten OpenAI, Google und Anthropic. Innerhalb eines Tages verdoppelte sich die Liste, und OpenAI und Google sind inzwischen dabei. Wer weiterhin fehlt: Anthropic und Amazon.

Bevor daraus eine Heldengeschichte wird, lohnt der Blick auf die Interessenlage. Die Unterzeichner sind keine neutrale Instanz.

Der Nachzug von OpenAI und Google ist deshalb interessant: Beide verdienen ihr Geld vorrangig mit geschlossenen Modellen, und beide haben trotzdem unterschrieben. Forbes weist zu Recht auf eine Spannung hin, die im Brief nicht auftaucht: Dieselben Firmen, die Offenheit bei Modellgewichten fordern, halten an anderer Stelle sehr geschlossene Ökosysteme, NVIDIA etwa mit CUDA.

Warum das im DACH-Raum ankommt

Der erste Reflex lautet: US-Recht gilt hier nicht, also betrifft uns das nicht. Der Reflex greift zu kurz, und zwar aus einem praktischen Grund.

Die Verteilungswege für offene Modelle sind überwiegend amerikanisch. Hugging Face ist ein US-Unternehmen, GitHub gehört Microsoft, und ein erheblicher Teil der Inferenz-Anbieter sitzt in den USA. Ein Verbot müsste chinesische Modelle nicht aus dem Internet entfernen, um zu wirken. Es würde reichen, wenn US-Plattformen sie nicht mehr hosten dürfen. Wer heute ein Qwen- oder DeepSeek-Modell per Ein-Zeilen-Befehl zieht, hat morgen möglicherweise die Wahl zwischen Umwegen und einem anderen Modell.

Genau das ist der Punkt, den die Kritiker eines Verbots betonen: Durchsetzbar ist es kaum, denn heruntergeladene Gewichte lassen sich nicht zurückrufen. Aber "kaum durchsetzbar" heißt nicht "folgenlos". Reibung im Bezugsweg reicht, um eine bequeme Option in eine unbequeme zu verwandeln.

Dazu kommt die zeitliche Nähe. Die Kimi-K3-Gewichte sollen am 27. Juli erscheinen, einen Tag nach diesem Artikel. Das trifft auf eine Debatte, die vor wenigen Tagen neu entfacht wurde.

Was Teams jetzt mitnehmen

Ein Wort zur Destillation

Der Destillations-Absatz im Brief ist der Teil, an dem wir am längsten hängengeblieben sind. Für uns ist das im Kern eine Frage der Fairness, nicht des Eigentums.

Praktisch alle großen Modelle sind auf öffentlich zugänglichem Wissen trainiert, ein erheblicher Teil davon ohne zu fragen. Künstlerinnen, Autoren und Entwickler finden ihre Werke regelmäßig in Trainingssets wieder, ohne je zugestimmt zu haben. Daraus folgt für uns eine schlichte Reziprozität: Wer sich am Gemeinwissen bedient, um ein Modell zu bauen, sollte das Ergebnis nicht komplett wegschließen dürfen. Public knowledge rein, ein Stück public knowledge wieder raus. Das ist im Grunde genau das Prinzip, für das der Brief wirbt, nur konsequenter zu Ende gedacht, als es den Unterzeichnern mit geschlossenen Modellen lieb sein dürfte.

Der zweite Punkt betrifft die Nutzungsbedingungen selbst. Ein Modell, das über eine API Ausgaben bezieht und daraus lernt, tut im Grunde dasselbe wie ein Mensch, der ein Werkzeug benutzt, die Antworten liest und dabei besser wird. Fair wäre eine Regel, die ein Modell nicht schlechter stellt als einen normalen Nutzer: Solange es sich an dieselben Nutzungsmuster hält wie ein Mensch, an die Rate Limits und den vereinbarten Zweck, sollte das erlaubt sein. Heute passiert das Gegenteil. Die Bedingungen der großen Anbieter verbieten das Training konkurrierender Modelle pauschal, egal wie fair die Nutzung sonst ist. Genau diese Ungleichbehandlung finden wir schwer zu rechtfertigen: Der Mensch darf aus der Ausgabe lernen, die Maschine nicht, obwohl beide dieselbe Quelle nutzen und dasselbe bezahlen.

Das heißt nicht, dass alles erlaubt sein soll. Wer sich Zugang erschleicht, Rate Limits umgeht oder Verträge bricht, gehört belangt, gezielt vor Gericht statt über ein pauschales Modellverbot. Die Grenze verläuft für uns entlang des fairen Verhaltens, nicht entlang der Frage, ob am Ende ein Mensch oder ein Modell gelernt hat.

Einordnung

Ein offener Brief ist ein Lobbyinstrument, kein Gesetz. 50 Firmen mit erheblichem Eigeninteresse fordern eine Politik, die ihrem Geschäft nützt, und das darf man so benennen. Trotzdem ist das Argument nicht falsch, nur weil es interessengeleitet ist. Offene Gewichte sind für Teams im DACH-Raum tatsächlich der bislang verlässlichste Weg zu KI ohne Datenabfluss, und wir haben das an mehreren Stellen ausbuchstabiert, etwa in Digitale Souveränität für KI-Teams.

Was diese Woche zeigt, ist eher eine strukturelle Verschiebung. Offene Modelle sind aus der Nische heraus und mitten in der Geopolitik angekommen. Wer sie einsetzt, trifft damit nicht mehr nur eine technische Entscheidung, sondern eine, die von Entwicklungen abhängt, auf die man keinen Einfluss hat. Die vernünftige Reaktion darauf ist keine Abkehr von offenen Modellen, sondern Beweglichkeit: wissen, was man einsetzt, und wissen, wie man wechselt.

Und bei aller berechtigten Skepsis gegenüber den Absendern bleibt ein Satz aus dem Brief bemerkenswert, weil er der eigenen Branche widerspricht: Sich allein auf geschlossene Modelle zu verlassen sei nicht per se sicher, denn auch die könnten kompromittiert werden oder auf eine Weise versagen, die von außen niemand bemerkt.