2 Billionen Dollar Bewertung – Chinas KI-Modelle lernen denken wie wir

Ein Algorithmus, der wie ein Mensch zaudert

Peking, drei Uhr morgens. Liang Wenfeng beobachtet, wie sein KI-Modell zögert. Auf dem Bildschirm erscheint die Antwort von DeepSeek R1: „Mögliche Lösung … aber ich bin nicht sicher. Lass mich noch einmal nachdenken.“ Dann folgt eine Pause – nicht programmiert, sondern emergent. Liang, Gründer des 2023 gestarteten Start-ups DeepSeek, lehnt sich zurück. Fünf Millionen Dollar Trainingskosten, 2.048 NVIDIA H800-GPUs, und plötzlich verhält sich die Maschine wie ein übermüdeter Student in der Prüfung.

Was wie Science-Fiction klingt, ist Realität. DeepSeek R1, veröffentlicht im Januar 2025, löst komplexe mathematische Probleme und generiert Code auf einem Niveau, das mit OpenAIs GPT-o1 vergleichbar ist – zu einem Bruchteil der Kosten. Die Nachricht schlug ein wie ein Meteorit: Chinas KI-Industrie, lange als Nachzügler belächelt, hatte nicht nur aufgeholt, sondern einen neuen Maßstab gesetzt. Plötzlich lautete die Frage nicht mehr, ob China mithalten kann, sondern wie schnell der Westen reagieren würde.

Die Benchmark-Lüge

Die westlichen Medien reagierten mit einer Mischung aus Faszination und Alarm. Tech-Blogs titelten mit Schlagzeilen wie „China holt im KI-Wettrüsten auf“, während Analysten eilig neue Rankings erstellten. Doch die Realität ist komplexer – und beunruhigender.

Denn Benchmarks wie MMLU oder HumanEval, die seit Jahren den Fortschritt messen, erfassen nur einen Teil der Wahrheit. Sie testen Wissen, nicht Denkvermögen. DeepSeek R1 aber zeigt etwas anderes: die Fähigkeit zur Selbstkorrektur. In internen Tests des Start-ups löste das Modell 89 % der Aufgaben im ersten Anlauf – nach einer zweiten Überlegung stieg die Quote auf 97 %. Ein an der Entwicklung beteiligter Ingenieur erklärte, dies sei kein Trick. Vielmehr habe das Modell offenbar verstanden, dass es sich irren könne.

Interne Tests von DeepSeek (2025).

Während der Westen noch über die Implikationen diskutiert, handelt China. Alibabas Qwen2.5-72B, Baidus Ernie 4.0 und Tencents Hunyuan sind längst keine Laborprojekte mehr. Sie sind in Suchmaschinen, Fabriken und Krankenhäusern im Einsatz – und werden offen geteilt. Qwen2.5 ist auf GitHub verfügbar, DeepSeek R1 sogar mit Trainingsdaten. Ein Alibaba-Manager erklärte, Open Source sei kein Altruismus. Es sei eine strategische Entscheidung.

Chips, Clouds und der stille Krieg

Hinter dem Erfolg der Modelle steht ein Ökosystem, das der Westen erst langsam begreift. Als die USA 2023 die Lieferung von NVIDIA H800- und A800-Chips nach China blockierten, galt dies als schwerer Schlag. Doch Huawei hatte bereits eine Alternative: den Ascend 910B. Mit etwa 60 % der Leistung eines NVIDIA H100, aber einem entscheidenden Vorteil – er ist vollständig chinesisch.

Auf der World Artificial Intelligence Conference (WAIC) in Shanghai im Juli 2025 präsentierte Huawei seine „Cluster + SuperPoD“-Architektur. Ein System, das Tausende Ascend-Chips zu einem Supercomputer verbindet. Ein Huawei-Ingenieur erklärte, man habe nicht nur die Hardware ersetzt, sondern das gesamte Software-Stack neu entwickelt. Das Ergebnis: ein Ökosystem, das von der Cloud bis zum Endgerät reicht – unabhängig von amerikanischer Technologie.

Doch der eigentliche Durchbruch liegt woanders. Während der Westen über Ethik und Regulierung streitet, baut China eine Infrastruktur der Geschwindigkeit. Moonshot AI, das Start-up hinter dem Kimi-Modell, sammelte 2026 zwei Milliarden Dollar ein – bei einer Bewertung von 20 Milliarden. Der Gründer Yang Zhilin sagte, man brauche keine behördlichen Genehmigungen, um ein Modell zu veröffentlichen. „Wir brauchen nur Daten und Rechenleistung.“

Die Regulierungsfalle

In Washington tobt ein Machtkampf. Die US-Regierung unter Donald Trump zerriss im Mai 2026 einen Entwurf für KI-Regulierung mit der Begründung, dieser würde die Innovation ersticken. Doch die Realität ist paradox: Während die USA über das Ob und Wie streiten, hat China längst entschieden – für Innovation, aber unter Kontrolle.

Seit August 2023 gilt in China eine Regel: Jedes generative KI-Modell muss staatlich zugelassen sein und „sozialistische Kernwerte“ widerspiegeln. Für Consumer-Produkte ist das ein Hindernis. Für die Industrie ist es ein Freifahrtschein. Ein Analyst erklärte, die Regierung wolle keine Chatbots, die Witze über Xi Jinping machen. „Aber sie will Fabriken, die mit KI effizienter arbeiten.“

Das Ergebnis ist ein zweigeteiltes System: Auf der einen Seite eine zensierte Consumer-KI, auf der anderen eine hyperkompetitive Industrie-KI. Während Europa über den AI Act diskutiert, baut China bereits die nächste Generation – Modelle wie Lingchu Intelligences Psi-R2, die nicht nur antworten, sondern handeln können.

Der Preis des Fortschritts

Doch der Fortschritt hat seinen Preis. In einem Pekinger Co-Working-Space sitzt Sam Finnegan-Dehn, ein britischer Tutor, der Notion AI nutzt, um seine Unterrichtsstunden zu organisieren. Er beschreibt die Erfahrung wie einen zweiten Kopf – mit allen Vor- und Nachteilen. „Manchmal macht es auch Unsinn.“ Sein größtes Problem sind die Kosten. 20 Dollar im Monat für Notion AI mögen für Einzelpersonen überschaubar sein, doch für Unternehmen summieren sich die Ausgaben schnell.

Noch deutlicher wird dies bei GitHub Copilot. Das einstige Vorzeigeprojekt führte 2026 ein nutzungsbasiertes Preismodell ein. Plötzlich kostete ein Monat Nutzung so viel wie zuvor ein ganzes Jahresabonnement. Ein Entwickler berichtete, die Rechnung sei ein Schock gewesen. „Wir dachten, KI würde alles billiger machen. Stattdessen wird es teurer – und unberechenbar.“

Wer bezahlt die Rechnung?

Die Antwort darauf könnte in Shenzhen liegen. In einem unscheinbaren Bürogebäude arbeitet ein Team von Airwallex an einer Lösung: virtuelle Kreditkarten, die Unternehmen in Echtzeit mit KI-Plattformen verbinden. Sean Huang, Chief Commercial Officer, erklärt, das Problem liege nicht in der Technologie. „Das Problem ist das Geld.“

Denn während KI-Modelle immer leistungsfähiger werden, stockt der Zahlungsverkehr. Chinesische Unternehmen können keine US-Kreditkarten nutzen, um für Rechenleistung zu zahlen. Und westliche Unternehmen scheitern an bürokratischen Hürden, wenn sie mit chinesischen Partnern arbeiten wollen. Ein Gründer verglich die Situation mit dem Versuch, „mit einem Steinzeit-Feuerzeug ein Smartphone aufzuladen“.

Doch genau hier liegt die Chance. Unternehmen wie AhaCreator automatisieren das Influencer-Marketing mit KI und nutzen Airwallex, um Zahlungen in 200 Länder zu senden. Der COO des Unternehmens, Wels, sagt: „Wir bauen nicht nur KI. Wir bauen die Infrastruktur, die KI erst möglich macht.“

Die unbequeme Frage

Am Ende bleibt eine Frage, die niemand gerne stellt: Was passiert, wenn Chinas KI-Ökosystem nicht nur aufholt, sondern überholt – und der Westen plötzlich in einer Welt lebt, die von anderen Regeln geprägt ist?

DeepSeek R1 hat gezeigt, dass Denken kein Monopol ist. Qwen und Ernie beweisen, dass offene Modelle schneller skalieren als geschlossene. Und Huaweis Ascend-Chips zeigen, dass Abhängigkeit kein Schicksal sein muss.

Vielleicht ist die größte Überraschung nicht, dass China mithalten kann – sondern dass der Westen immer noch glaubt, er hätte die Wahl.

Kernzahlen:

• 5,6 Mio. USD: Trainingskosten für DeepSeek R1 (Analysten schätzen die Kosten für GPT-4 auf über 100 Mio. USD)
• 2.048: Anzahl der NVIDIA H800-GPUs, die für das Training von DeepSeek R1 genutzt wurden
• 20 Mrd. USD: Bewertung von Moonshot AI nach der letzten Finanzierungsrunde
• 15 Mrd. USD: Chinas KI-Marktvolumen 2023 (Prognosen gehen von 38 Mrd. USD bis 2027 aus)
• 60 %: Geschätzte Leistung von Huaweis Ascend 910B im Vergleich zum NVIDIA H100

*Geschätzte Kosten laut Analysten (2025). Quelle: Artikel-Kernzahlen.