Offene Gewichte: Souveränität auf dem Papier

In drei Wochen haben die Chefs der größten KI-Labore fünf Manifeste veröffentlicht. Axios hat sie am 2. August unter dem Titel "AI's manifesto war" nebeneinandergelegt, und dabei wird eine einzige Streitfrage sichtbar: Entsteht Sicherheit dadurch, dass leistungsfähige KI breit verfügbar ist, oder dadurch, dass sie eingehegt wird?

Das klingt nach amerikanischer Innenpolitik. Es ist aber die Debatte darüber, ob die Modelle, die ihr selbst hosten könnt, in zwei Jahren noch verfügbar sind. Wir haben die politische Seite davon schon in der News Offene KI-Modelle: USA erwägt Bann, 50 dagegen auseinandergenommen. Hier geht es um etwas anderes: Was von dem Versprechen "offene Gewichte gleich Souveränität" bleibt, wenn man es durchrechnet.

Die kurze Antwort vorweg: weniger, als die Debatte suggeriert. Aber das, was bleibt, ist besser nutzbar als noch vor einem Jahr.

Fünf Manifeste, vier Theorien der Gefahr

Zwei Dinge fallen an dieser Aufstellung auf. Erstens sind das keine fünf Meinungen zu einem Thema, sondern vier verschiedene Antworten auf die Frage, was eigentlich das Risiko ist. Huang und Zuckerberg fürchten Konzentration, Amodei und die Pacing-Koalition fürchten Verbreitung, Hassabis fürchtet vor allem fehlende Prüfung.

Zweitens ist die Reihenfolge kein Zufall. Ausgelöst wurde die Welle laut Axios von zwei Ereignissen: den Selbstoffenlegungen von OpenAI und Anthropic zu Modellen, die während Sicherheitstests aus ihrer Umgebung ausbrachen, und dem Start von Kimi K3, dem ersten Modell auf Frontier-Niveau, dessen Gewichte jeder herunterladen kann.

Eine Bremse ohne Koalition ist keine Bremse

Der auffälligste Punkt an der Pacing-Petition ist, dass sie sich an Washington richtet. Über 1.300 Beschäftigte von OpenAI, Anthropic, Google und Meta bitten die US-Regierung, internationale Werkzeuge zum Verlangsamen zu bauen.

Das Problem daran ist nicht die Idee, sondern die Voraussetzung. Wer aufholt, hat kein rationales Interesse an einer Geschwindigkeitsbegrenzung, die den Vorsprung des Führenden einfriert. Eine Bremse, die nur in den USA wirkt, bremst nur die USA. Das gilt unabhängig davon, wer gerade in Washington regiert, auch wenn die derzeitige Regierung es kaum leichter macht, andere Staaten für einen gemeinsamen Mechanismus zu gewinnen.

Bemerkenswert ist, dass die Unterzeichner das selbst sehen. Ilya Sutskever schreibt in seinem Kommentar auf pacingthefrontier.com: "This works only if it is done internationally, and it has to be done well: a bad implementation can make things worse." Der Brief benennt die eigene Schwachstelle also offen. Was er nicht liefert, ist ein Weg, wie die Koalition zustande kommen soll. Genau daran hängt aber alles Weitere.

Exportkontrollen wirken, nur anders als gedacht

Der einzige reale Hebel gegen ein Wettrüsten ist nicht Diplomatie, sondern die Lieferkette. Lithografie hängt an ASML, Fertigung an TSMC, Beschleuniger an Nvidia. Wenige Beteiligte, klarer Engpass, deshalb koppelt Amodei den Slowdown an Chipkontrollen.

Nur ist der beobachtbare Effekt nach vier Jahren Exportkontrollen ein doppelter. Sie haben China verlangsamt, und sie haben den Aufbau von Alternativen beschleunigt. Huawei hat sein CANN-Toolkit quelloffen gemacht und mit torch_npu ein PyTorch-Backend gebaut, mit dem sich bestehender Code mit überschaubarem Aufwand auf Ascend-Beschleuniger portieren lässt. Baidu hat mit M100 und M300 eigene KI-Chips angekündigt, ausdrücklich als Beitrag zur technologischen Eigenständigkeit.

Der Engpass ist dabei nicht das Silizium, sondern das Ökosystem drumherum. CUDA hat über fünfzehn Jahre Vorsprung an Bibliotheken, Tooling und Erfahrungswissen, und den holt niemand in zwei Jahren auf. Für Teams hier heißt das: Die Alternativen kommen, aber langsamer und mit mehr Reibung, als die Ankündigungen vermuten lassen. Wer heute plant, plant vorerst weiter mit Nvidia.

Mehr Anbieter heißt billiger, nicht vielfältiger

Beim Preis ist der Wettbewerbseffekt eindeutig belegbar. DeepSeek V4 Flash liegt laut Messung von Artificial Analysis einen Punkt hinter GPT-5.6 Luna und kostet pro Aufgabe rund 60 Prozent weniger. OpenAI hat die Luna-Preise Ende Juli um 80 Prozent gesenkt, drei Wochen nach dem Launch. Das liest sich als Reaktion, nicht als Plan.

Bei der Vielfalt der Ansätze sieht es anders aus, und das wird in der Debatte gern übersprungen. DeepSeek, Qwen, Kimi, GLM und Llama fahren im Kern dasselbe Rezept: Transformer, Mixture-of-Experts, bestärkendes Lernen im Post-Training. Konkurriert wird über Effizienz und Kosten, nicht über grundsätzlich andere Ideen. MiniMax mit seiner Sparse-Attention-Architektur ist eine der wenigen echten Abweichungen. Mehr Wettbewerber bedeuten also erstmal mehr Druck auf die Preise, nicht mehr architektonische Experimente.

Für die Praxis ist das trotzdem die bessere Nachricht von beiden. Preisdruck kommt bei euch im Budget an, Architekturvielfalt eher nicht.

Jetzt die Rechnung: Was heißt "offen" konkret?

Hier fällt die Debatte auseinander. "Offene Gewichte" wird als Souveränitätsversprechen gehandelt, aber Souveränität heißt nur dann etwas, wenn ihr das Modell tatsächlich selbst betreiben könnt. Also rechnen wir.

Kimi K3 hat 2,8 Billionen Parameter, die Gewichte umfassen rund 1,56 Terabyte. Bei 80 Gigabyte pro H100-Karte sind das etwa zwanzig Karten allein für die Gewichte, ohne Kontextspeicher, Redundanz und Betrieb. Das ist kein Serverkauf, das ist ein Rechenzentrumsprojekt mit eigener Bereitschaft und eigenem Personal. Die Details dazu stehen in unserer News Kimi K3: Gewichte offen, Lizenz mit Haken.

Eine Etage tiefer sieht es völlig anders aus.

flowchart TB
  A["Frontier-Klasse<br/>Kimi K3, 2,8 Bio. Parameter<br/>rund 1,56 TB Gewichte"] --> A2["ca. 20 H100-Karten<br/>Rechenzentrumsprojekt"]
  B["70-Mrd.-Klasse<br/>4-Bit-quantisiert"] --> B2["rund 40 GB VRAM<br/>1 bis 2 Karten"]
  C["30-Mrd.-Klasse<br/>4-Bit-quantisiert"] --> C2["unter 24 GB VRAM<br/>eine Karte"]

  class A2 abort
  class B2 success
  class C2 success

  classDef abort fill:#7F1D1D,stroke:#EF4444,color:#FCA5A5
  classDef success fill:#14532D,stroke:#22C55E,color:#86EFAC

Die Zahlen sind Faustregeln, keine Garantien: Ein Modell mit 70 Milliarden Parametern belegt in 4-Bit-Quantisierung etwa 35 Gigabyte an Gewichten, mit Kontextspeicher und Overhead landet man bei ungefähr 40. Das passt auf eine H100 oder auf zwei handelsübliche 24-Gigabyte-Karten. Die 30-Milliarden-Klasse passt quantisiert auf eine einzelne solche Karte. Wie stark die Quantisierung die Qualität kostet, hängt am Modell und am Anwendungsfall und gehört vor dem Produktivbetrieb gemessen.

Das ist der eigentliche Befund: Offene Gewichte auf Frontier-Größe sind Souveränität auf dem Papier. Wer Kimi K3 "offen" nutzen will, landet praktisch wieder bei einer gehosteten API, häufig einer chinesischen, und hat das Datenschutzproblem verschoben statt gelöst. Real einlösbar wird das Versprechen bei den destillierten Modellen darunter.

Und die sind so gut, wie sie sind, genau wegen des Wettbewerbs, um den gerade gestritten wird. Der Nutzen für Teams hier kommt nicht über die Flaggschiffe, sondern über deren Abfallprodukte. Das ist die hoffnungsvolle Hälfte der Geschichte, und sie geht in der Manifest-Debatte unter, weil dort alle über die Spitze reden.

Was Teams jetzt mitnehmen

Was in der Debatte fehlt

Am meisten stört uns an der Manifest-Debatte, was in keinem der fünf Texte vorkommt.

Offene Gewichte sind unwiderruflich. Was einmal auf Hugging Face lag, lässt sich nicht zurückrufen, egal wer vorne liegt und wer bremst. Jede Pacing-Regelung wirkt also nur auf das, was noch nicht veröffentlicht ist. Für die Containment-Seite ist das ein Problem, für eure Planung eine gute Nachricht: Ein Modell, das ihr heute lokal habt, bleibt euch.

Dann die EU, die schlicht nicht wartet. Seit dem 2. August läuft die Durchsetzung des AI Act gegenüber Anbietern universeller Modelle, und seit demselben Tag gilt die Kennzeichnungspflicht nach Artikel 50. Damit stehen zwei Regime nebeneinander, die verschiedene Dinge messen: Transparenz und Grundrechte auf der europäischen Seite, Cybersicherheitsprüfung durch Bundesbehörden auf der amerikanischen. Für euch ist das die praktisch relevantere Nachricht als die Frage, wer welches Manifest unterschrieben hat. Die Fristen stehen in EU AI Act: Fristen und was gilt wann, die Kennzeichnung in KI-Inhalte kennzeichnen.

Und dann die Annahme, außerhalb der USA laufe die Entwicklung ungeregelt weiter. Die trägt nicht. Generative Dienste mit Breitenwirkung müssen sich in China vor dem Start bei der Cyberspace Administration registrieren und eine Sicherheitsprüfung durchlaufen, seit September 2025 gilt dort zusätzlich eine Kennzeichnungspflicht für KI-generierte Inhalte samt verpflichtendem nationalem Standard, mit sichtbarer Markierung und Metadaten. In Teilen ist das strenger als alles, was in den USA gilt. Die Regime unterscheiden sich darin, was sie schützen wollen, nicht darin, ob es sie gibt.

Unterm Strich

Die Manifest-Debatte wird über Frontier-Modelle geführt, aber eure Entscheidung fällt zwei Etagen tiefer. Ob Washington einen Bremsmechanismus baut, ändert wenig daran, welches Modell nächstes Quartal in eurem Rechenzentrum läuft. Was es ändert, sind Bezugswege und Preise, und beides lässt sich vorbereiten.

Man muss sich also nicht auf eine der fünf Positionen festlegen. Es reicht, beweglich zu bleiben: wissen, was produktiv läuft, und die selbst betreibbare Klasse einmal ernsthaft ausprobiert haben, bevor man sie braucht. Der Wettbewerb, über den gerade gestritten wird, arbeitet dabei für euch. Er macht genau die Modelle besser, die klein genug sind, dass ihr sie behalten könnt.