Was konkret auf dem Tisch lag
Laut eines Berichts der New York Times vom Frühjahr 2025 diskutierte die Trump-Administration Sanktionen gegen chinesische Open-Source-KI-Modelle sowie Sperren auf Cloud-Ebene, die deren Nutzung über US-amerikanische Infrastruktur unterbinden sollten. Betroffen wären Modelle wie DeepSeek R1 und V3, die von dem chinesischen Unternehmen High-Flyer entwickelt wurden und seit Anfang 2025 international breit eingesetzt werden. OpenAI und Anthropic sollen aktiv auf Beschränkungen gedrängt haben – ein Schritt, der aus Wettbewerbsperspektive wenig überrascht. Nvidia, Google und Meta positionierten sich dagegen: Für alle drei wären Nutzungssperren auf US-Cloud-Infrastruktur mit direkten Umsatzeinbußen verbunden. Nach intensivem Lobbying ruderte Washington laut aktueller Berichtslage vorerst zurück. Konkrete Regelungen sind zum Zeitpunkt dieser Veröffentlichung nicht in Kraft getreten.
Warum das weit über Washington hinausgeht
Die Debatte berührt unmittelbar die operative Realität von Unternehmen, die KI-Modelle von Drittanbietern einsetzen – unabhängig von Branche und Größe.
Beispiel Softwareentwicklung: Viele mittelständische Softwarehäuser und Agenturen nutzen DeepSeek-Modelle über offizielle APIs oder Self-Hosted-Deployments, weil sie im Preis-Leistungs-Verhältnis kompetitiv zu GPT-4o und Claude sind. Würden US-Cloud-Provider – AWS, Azure, Google Cloud – zur Sperrung verpflichtet, entfällt für diese Nutzer ohne eigene Infrastruktur der Zugang über Standardwege. Eine kurzfristige Migration auf alternative Modelle oder On-Premises-Deployments ist technisch aufwändig und mit Kompatibilitätsrisiken verbunden.
Beispiel Gesundheitswesen und Forschung: Universitätskliniken und Forschungseinrichtungen setzen Open-Source-Sprachmodelle für Literaturrecherche, Dokumentenextraktion und klinische NLP-Anwendungen ein. Die Reproduzierbarkeit von Forschungsergebnissen hängt an spezifischen Modellversionen. Regulatorische Sperren können laufende Studien und Fördervorhaben direkt gefährden, wenn Modellzugriffe plötzlich wegfallen oder Lizenzsituationen unklar werden.
Das eigentliche strukturelle Risiko ist nicht das Verbot selbst – das vorerst ausgeblieben ist –, sondern die Ungewissheit: Unternehmen, die strategische Abhängigkeiten von Modellen aufgebaut haben, die morgen auf einer Sanktionsliste stehen könnten, haben keine belastbare Planungsgrundlage. Das ist ein Beschaffungsrisiko, kein Datenschutzrisiko.
Rechtlicher Rahmen: EU AI Act und Third-Party-Risk
Der EU AI Act greift hier auf zwei Ebenen. Art. 13 (Transparenz) verlangt, dass Betreiber von KI-Systemen über die wesentlichen Eigenschaften und Herkunft eingesetzter Modelle informiert sind. Art. 15 (Genauigkeit und Robustheit) stellt implizit die Frage, ob ein Modell, dessen Trainingsdaten und -methoden intransparent sind, überhaupt in sicherheitskritischen Kontexten einsetzbar ist. Für Hochrisiko-KI-Anwendungen gemäß Anhang III des AI Act – etwa in der Personalentscheidung, Kreditvergabe oder medizinischen Diagnostik – sind diese Anforderungen nicht verhandelbar.
Für Finanzinstitute kommt DORA Art. 28–30 hinzu: Die Nutzung von KI-Modellen eines drittstaatlichen Anbieters über Cloud-APIs ist ein IKT-Drittparteirisiko im Sinne der Verordnung. Konzentrations- und Ausfallrisiken müssen bewertet, vertragliche Exit-Klauseln dokumentiert und alternative Szenarien modelliert werden. Ein chinesisches Modell, das morgen auf einer US-Sanktionsliste steht, kann die Verfügbarkeit eines produktiven Finanzsystems beeinträchtigen – das ist ein meldepflichtiges Szenario im Resilience-Testing nach Art. 26.
Handlungsempfehlungen
Für jeden Einkaeufer und Betreiber:
- Sofortige Inventarisierung (innerhalb von 72 Stunden): Erfassen Sie, welche KI-Modelle in welchen Workflows produktiv genutzt werden – unterschieden nach Modellherkunft, Zugangsweg (API, Self-Hosted, Cloud-Marketplace) und Kritikalität des Use Cases. Tools wie ein einfaches CMDB-Feld oder ein strukturiertes Tabellenblatt in Ihrem ITSM (ServiceNow, Jira Service Management) genügen für den Einstieg.
- Risikoklassifizierung innerhalb von 14 Tagen: Kennzeichnen Sie alle Modelle nicht-westlicher Herkunft als potenziell regulierungsexponiert. Prüfen Sie für jeden Use Case, ob ein kurzfristiger Modellwechsel technisch möglich wäre – Kompatibilität der API-Schnittstellen (OpenAI-kompatibles Format, Hugging Face Inference API), Finetuning-Abhängigkeiten, Prompt-Engineering-Aufwand.
- Contingency-Plan dokumentieren: Definieren Sie für mindestens die drei kritischsten KI-Use-Cases ein alternatives Modell sowie den Migrationsaufwand. Dieser Plan muss nicht sofort umgesetzt, aber im nächsten Change-Advisory-Board verabschiedet und versioniert abgelegt werden.
Zusätzlich für regulierte Branchen:
- Third-Party-Risk-Assessment aktualisieren (DORA Art. 28-30 / MaRisk AT 9): Wenn chinesische Modelle über Cloud-APIs in produktiven Systemen eingesetzt werden, ist ein formales IKT-Drittparteirisiko-Assessment Pflicht. Prüfen Sie, ob die bestehenden Vertragswerke mit dem Cloud-Provider Exit-Szenarien für regulatorisch erzwungene Sperren abdecken. Banken mit EBA-Meldepflichten sollten das Szenario „Wegfall eines wesentlichen KI-Modell-Providers" in den nächsten TLPT-Zyklus (Threat-Led Penetration Testing, DORA Art. 26) aufnehmen.
- EU AI Act Konformitätsdokumentation prüfen: Für Hochrisiko-Anwendungen gemäß AI Act Anhang III müssen Herkunft, Trainingsparameter und bekannte Einschränkungen des Modells dokumentiert sein. Für chinesische Open-Source-Modelle ist diese Dokumentation oft unvollständig – das begründet bereits heute ein Compliance-Risiko, unabhängig vom politischen Ausgang der US-Debatte.
Was wir kritisch sehen
Die Darstellung des Konflikts als Kampf zwischen Sicherheitsinteressen (OpenAI, Anthropic) und Innovationsfreiheit (Nvidia, Google, Meta) ist zu simpel. OpenAI und Anthropic haben ein offensichtliches wirtschaftliches Interesse an der Marktbereinigung – das macht ihr Lobbying nicht zwangsläufig falsch, aber es sollte bei der politischen Bewertung transparent sein.
Problematisch ist zudem die Fixierung auf Cloud-Sperren als Instrument: Self-Hosted-Deployments von Open-Source-Modellen wie DeepSeek R1 auf eigener GPU-Infrastruktur wären von US-Cloud-Verboten vollständig unberührt. Wer die Modellgewichte bereits heruntergeladen hat, ist regulatorisch kaum noch erreichbar. Die diskutierten Maßnahmen hätten primär kommerzielle Cloud-Nutzer getroffen – also genau die Kunden, deren Daten auf US-Infrastruktur liegen und die ohnehin bereits durch andere Regularien erfasst sind.
Der eigentliche blinde Fleck der Debatte: Keine der diskutierten Maßnahmen adressiert das technische Kernproblem, nämlich die mangelnde Auditierbarkeit von Trainingsverfahren und Modelleigenschaften bei Modellen, deren Herkunft intransparent ist. Das ist eine Frage, die den EU AI Act und die technischen Prüfpflichten betrifft – nicht primär Handelspolitik.
