Wer hält den Schalter? Die Stunde der souveränen KI

Der Schalter, den niemand kannte

Am Freitag, dem 12. Juni 2026, öffneten Millionen Nutzer weltweit ihre gewohnten KI-Werkzeuge — und fanden sie verschlossen vor. Anthropics Modelle Fable 5 und Mythos 5, die leistungsstärksten kommerziellen KI-Systeme auf dem Markt, waren ohne nennenswerte Vorwarnung nicht mehr verfügbar. Nicht nur für Privatnutzer. Nicht nur in bestimmten Ländern. Für alle Nicht-US-Amerikaner auf der Welt — und zeitweise sogar für internationale Anthropic-Mitarbeiter selbst.

Was war geschehen? Das US-Handelsministerium hatte Anthropic-Chef Dario Amodei per Direktive angewiesen, die beiden Modelle unter Exportkontrollrecht zu stellen. Begründung: potenzielle Sicherheitslücken im Bereich Cybersecurity. Da Anthropic technisch nicht in der Lage war, seinen internationalen Nutzerstamm in Echtzeit nach Staatsangehörigkeit zu filtern, zog das Unternehmen den einzigen verfügbaren Hebel — und schaltete global ab.

Es war das erste Mal in der Geschichte, dass Exportkontrollrecht — ein Instrument, das ursprünglich für Waffenexporte und physische Halbleiter entwickelt wurde — auf einen bereits ausgerollten kommerziellen Cloud-Dienst angewandt wurde. Damit wurde eine Frage zur Dringlichkeit, die viele für abstrakt gehalten hatten: Wer kontrolliert eigentlich den Schalter?

KI-Souveränität: Was das Wort wirklich bedeutet

„Souveräne KI“ klingt nach Regierungsrhetorik. In der Praxis ist es ein konkretes Schichtenmodell, das Unternehmen und Staaten gleichermaßen verstehen müssen.

Die unterste Schicht ist Compute — die Rechenleistung. Wer Chips besitzt und Rechenzentren betreibt, kontrolliert, wer überhaupt trainieren und inferieren darf. Die zweite Schicht sind Daten: Wo werden sie gespeichert, unter welchem Recht, kann ein ausländischer Staat per Gerichtsbeschluss darauf zugreifen? Dritte Schicht: das Modell selbst — ist es proprietär und in einer fremden Cloud gesperrt, oder kann man es herunterladen und selbst betreiben? Die vierte, oft vergessene Schicht ist Infrastruktur und Governance: Wessen Betriebsbedingungen, Nutzungsrichtlinien und Kill-Switch-Mechanismen gelten?

Der Anthropic-Fall zeigte, dass alle vier Schichten gleichzeitig verwundbar sein können — selbst wenn man für einen Dienst zahlt, selbst wenn man ihn für kritische Geschäftsprozesse nutzt, selbst wenn man ihn vertraglich gesichert glaubt.

Europa zwischen Weckruf und Aktionismus

Die Reaktion aus Brüssel war schnell. Ein Sprecher der EU-Kommission erklärte, die Kommission prüfe die Konsequenzen für europäische Nutzer; die Entwicklung verdeutliche einmal mehr, warum Europa seine technologische Souveränität stärken müsse. Gleichzeitig mahnte er, Schutzmaßnahmen dürften „nicht diskriminierend gegenüber Partnern“ sein — eine diplomatische Formulierung, die den Balanceakt zwischen Transatlantismus und Eigenständigkeit spiegelt.

Unverblümter war die finnische Europaabgeordnete Aura Salla: Europa „kann nicht weiterhin seine technischen Kapazitäten ausbauen, indem es sich auf Zugänge verlässt, die eine fremde Regierung über Nacht abschalten kann.“ Bemerkenswert: Die EU-Kommission hatte nur wenige Tage vor dem Shutdown ihr Paket zur technologischen Souveränität veröffentlicht, inklusive eines geplanten Cloud- und AI-Development-Acts. Das Timing wirkte wie eine prophetische Warnung.

Europas industrielle Antwort läuft bereits auf mehreren Ebenen. Mistral AI, das Pariser Flaggschiff europäischer KI-Entwicklung, hat im Frühjahr 2026 eine Schuldenfinanzierung im dreistelligen Millionenbereich abgeschlossen, um ein Rechenzentrum nahe Paris mit rund 13.800 Nvidia-Chips zu bauen — erwartet online Mitte 2026. Ein weiteres Projekt in Schweden soll 2027 folgen. Das Ziel: 200 Megawatt Rechenkapazität in europäischer Jurisdiktion bis 2027. Mistral-Mitgründer Arthur Mensch hatte zuvor wiederholt gewarnt, Europa habe nur noch ein kurzes Zeitfenster, um tiefere Abhängigkeiten zu vermeiden.

Das European High-Performance Computing Joint Undertaking (EuroHPC) — Europas Supercomputer-Verbund — baut unterdessen ein Netz sogenannter AI Factories auf, das sich an Anlagen wie LUMI in Finnland oder JUPITER in Deutschland anlehnt. Parallel positioniert sich das Heidelberger Unternehmen Aleph Alpha neu: statt um Frontier-Modelle zu konkurrieren, bietet es mit seiner Plattform On-Premises-Deployments mit Schwerpunkt auf Erklärbarkeit — ein Ansatz, der gerade im öffentlichen Sektor und bei regulierten Branchen auf Interesse stößt.

Indiens Wette auf eigene Modelle

Während Europa noch debattiert, hat Indien am 15. Juni 2026 ein Signal gesetzt: Das in Bengaluru ansässige Startup Sarvam AI erhielt in seiner Series-B-Finanzierungsrunde 234 Millionen Dollar, angeführt von HCLTech mit einem Einsatz von 150 Millionen Dollar. Die Bewertung: 1,5 Milliarden Dollar. Sarvam ist damit Indiens neuestes KI-Unicorn (wir berichten dazu auch in dieser Ausgabe).

Das Besondere ist nicht das Geld, sondern das Modell dahinter. Sarvam hat seine Systeme — quelloffene Modelle mit 30 und 105 Milliarden Parametern — in Indien trainiert, auf indischen Sprachdaten, für indische Anwendungsfälle. Es werden nach Unternehmensangaben täglich über zwei Millionen Konversationen verarbeitet, Daten von 17 Millionen Bauern für ein Ministerium erfasst und Kampagnen für 45 Millionen Versicherungspolicen abgewickelt. Sarvam war eines der ersten Startups, das im Rahmen der IndiaAI Mission ausgewählt wurde — einem Staatsprogramm, das heimische Frontier-Modell-Entwicklung fördert.

Die Logik dahinter ist explizit souveränitätsorientiert: Indien will nicht der nächste Absatzmarkt der amerikanischen KI-Industrie sein, sondern ein eigener Block mit eigenen Modellen, eigener Infrastruktur und eigenen Governance-Regeln. Das Paradox, das diese Wette antreibt: Sowohl OpenAI als auch Anthropic bezeichnen Indien als ihren zweitgrößten Markt — und trotzdem hat das Land bislang kein eigenes Spitzenmodell hervorgebracht.

Kanada und die Lehre aus der Finanzkrise

Kanadas Premierminister Mark Carney — als ehemaliger Zentralbanker mit institutionellem Gedächtnis ausgestattet — griff am Rande des G7-Gipfels zum stärksten Vergleich, der ihm zur Verfügung stand: Die Abhängigkeit von wenigen KI-Anbietern erzeuge ein „Modell-Risiko“, das an die Konzentration im Bankensystem vor 2008 erinnere. „Die Situation, in der wir uns kollektiv mit Mythos und Fable befinden, kann mit jeder zu starken Abhängigkeit von bestimmten Modellen passieren.“

Der Vergleich ist nicht übertrieben. Wer die „Too big to fail“-Dynamik aus dem Finanzsektor kennt, versteht die Pointe: Wenn kritische Infrastruktur von einem einzigen Anbieter abhängt und dieser Anbieter — aus welchem Grund auch immer — ausfällt, trägt die Allgemeinheit das systemische Risiko.

China: Der vollständig geschlossene Block

Während Europa und Indien souveräne Alternativen im Wettbewerb mit US-Anbietern aufbauen, hat China die Frage der KI-Souveränität anders gelöst: durch weitgehende Entkopplung. Westliche Frontier-Modelle sind in China ohnehin kaum zugänglich; stattdessen entwickelt das Land eine eigene Modell-Ökologie um Baidu, Alibaba, DeepSeek und andere.

Das Achillesfersen-Problem bleibt die Chip-Ebene. Huaweis beste KI-Chips liefern nach Schätzungen des Council on Foreign Relations derzeit nur einen kleinen Bruchteil der aggregierten Rechenleistung, die Nvidia produziert — und diese Lücke droht sich auszuweiten, weil SMIC, Chinas führender Chip-Hersteller, durch die US-Exportkontrollen faktisch auf 7-Nanometer-Technologie festgehalten wird. Die seit 2022 schrittweise verschärften Kontrollen wirken: China kann KI-Qualitätsmängel nicht beliebig durch Quantität kompensieren.

Dennoch sollte man den chinesischen KI-Block nicht unterschätzen. Modelle wie die DeepSeek-Reihe — teils unter freien Lizenzen verfügbar und damit weltweit selbst-hostbar — haben gezeigt, dass chinesische Labore auf hohem Niveau mithalten können. Für die Frage der globalen KI-Souveränität bedeutet das: Es gibt keine binäre Wahl zwischen US-Abhängigkeit und kompletter Eigenentwicklung. Open-Weight-Modelle aus China sind eine dritte Option — mit ihren eigenen geopolitischen Implikationen.

Open-Weight-Modelle: Der schnellste Weg zur Kontrolle

Für Unternehmen, die nicht auf staatliche Großprojekte warten können, sind Open-Weight-Modelle — also Modelle, bei denen die trainierten Gewichte öffentlich verfügbar sind — die pragmatischste Antwort auf das Kill-Switch-Risiko. Modelle von Meta (Llama), Mistral oder DeepSeek laufen auf eigenem Compute, unter eigenem Recht, ohne Abhängigkeit von fremden API-Verfügbarkeiten.

Der Haken: Die Ökonomie stimmt erst ab einer gewissen Größenordnung. Self-Hosting rechnet sich gegenüber Cloud-APIs typischerweise erst bei stabiler, hoher Auslastung — darunter sind die Investitionskosten für GPU-Hardware schwer zu amortisieren. Für kleinere Unternehmen empfiehlt sich daher ein hybrider Ansatz: unkritische, niedrigvolumige Workloads über souveräne europäische Cloud-Anbieter wie Scaleway oder OVHcloud; datensensible oder geschäftskritische Prozesse im Self-Hosting auf eigener oder vertrauenswürdiger Infrastruktur.

Was Unternehmen jetzt tun müssen

Der Anthropic-Shutdown war ein Stresstest, den niemand bestellt hat — und er hat gezeigt, wie viele Unternehmen keinen Notfallplan haben. Wer heute KI-Modelle in Produktion einsetzt, sollte drei Hausaufgaben machen.

Erstens: Vendor-Abhängigkeit kartieren. Welche Geschäftsprozesse hängen an welchem Anbieter? Was wäre der Tages- und Wochenschaden, wenn dieser Anbieter über Nacht nicht verfügbar ist? Die meisten Unternehmen kennen diese Zahl nicht.

Zweitens: Fallback-Architektur bauen. Modell-Routing — die Praxis, Anfragen je nach Datenklassifizierung und Workload-Typ an verschiedene Modelle weiterzuleiten — ist kein Luxus mehr, sondern Business Continuity. Ein Request für interne Dokumentenverarbeitung muss nicht über einen US-amerikanischen Frontier-Anbieter laufen, wenn ein europäisches oder selbst gehostetes Modell die gleiche Qualität liefert.

Drittens: Vertragsklauseln prüfen. „Force majeure“-Klauseln in KI-Serviceverträgen decken staatlich angeordnete Abschaltungen in den meisten Standardverträgen nicht sauber ab. Wer KI in seine eigenen SLAs verbaut hat, sitzt im Zweifel auf dem Trockenen — ohne durchsetzbaren Schadenersatzanspruch.

Der Schalter existiert. Er wurde einmal betätigt. Und nichts spricht dagegen, dass es wieder passiert — bei Anthropic, bei OpenAI, bei Google, bei einem beliebigen Anbieter, dessen Hauptquartier in einer Jurisdiktion liegt, deren geopolitische Interessen mit den eigenen nicht deckungsgleich sind.

Souveränität heißt nicht Isolation. Es heißt: wissen, wer den Schalter hält — und dafür sorgen, dass man mehr als einen hat.