Australien braucht keinen nationalen Chatbot, an dem seitlich eine australische Flagge klebt. So beginnt ein Beitrag der australischen Beraterin für Daten- und KI-Governance Kate Carruthers über die Frage, was KI-Souveränität bedeuten soll. Er trifft, weil er eine bequeme Gleichsetzung auflöst: die von Zugang und Kontrolle. Carruthers argumentiert, ein Land werde nicht souverän, indem es einen langfristigen Vertrag über den Zugang zu einem amerikanischen Frontier-Modell unterschreibt und das Ergebnis nationale Fähigkeit nennt. Wer den Preis ändern, die Regeln anpassen, den Dienst zurückziehen oder die Nutzung vorschreiben kann, hält die Fäden in der Hand. Gemietete Fähigkeit ist keine Souveränität.
Man kann sich das wie eine gut ausgestattete Mietwohnung vorstellen. Du wohnst darin, nutzt sie täglich, sie funktioniert zuverlässig, und trotzdem entscheidest du nicht über die Nebenkosten, die Hausordnung oder die Frage, ob der Vermieter die Wohnung in zwei Jahren selbst braucht. So geht es vielen Organisationen, die heute auf proprietäre Modelle setzen. Sie nutzen eine hervorragende Infrastruktur, aber besitzen weder die Wände noch den Schlüssel zum Keller. Die Schlussfolgerung ist nüchtern: Es geht nicht um Autarkie, sondern darum, so viel Handlungsfähigkeit, Einsicht und Auswahl zu behalten, dass Institutionen nicht in die Falle geraten, wenn sich kommerzielle, rechtliche oder geopolitische Bedingungen verschieben.
Zugang ist nicht Kontrolle
Der erste Denkfehler in dieser Debatte, so Carruthers, ist die Verwechslung von Zugang mit Kontrolle. Die führenden US-Frontier-Modelle sind außerordentlich leistungsfähig und für Recherche, Analyse, Programmierung, Textarbeit, Übersetzung und Kundensupport nützlich; australische Organisationen sollten sie nutzen, wo es sinnvoll ist. Nur sind das Dienste, die anderswo gesteuert werden. Wer ein proprietäres Frontier-Modell einsetzt, kontrolliert in der Regel weder die Gewichte noch die Trainingsentscheidungen, die Policy-Einstellungen, die Verarbeitungsumgebung, den Update-Zyklus oder die kommerziellen Bedingungen. Oft ist nicht einmal klar, wo die Daten verarbeitet werden, und eine Prüfung nach den Maßstäben einer rechenschaftspflichtigen öffentlichen Entscheidung ist häufig nicht möglich. Ändert der Anbieter die Regeln, bleibt dem Kunden wenig Spielraum.
Das macht Frontier-Modelle nicht schlecht. Es macht sie zu KI-Infrastruktur mit Bedingungen, und Infrastruktur hat immer politische Folgen. Diese Lektion haben wir bei Cloud-Plattformen gelernt, bei Software-Ökosystemen und bei sozialen Netzwerken. Bei KI lernen wir sie erneut, mit dem Unterschied, dass die Systeme diesmal sehr viel tiefer in Verwaltung, Gesundheitswesen, Bildung, Forschung und kritische Infrastruktur eingebettet sein dürften. Je folgenreicher die Nutzung, desto wichtiger wird die Governance-Frage. Wer darf die Regeln ändern, wer entscheidet über das Erlaubte, wer kann den Dienst zurückziehen, wer darf das System inspizieren, wer kann es abschalten? Fällt die Antwort auf ein Unternehmen in einer anderen Jurisdiktion mit eigenen kommerziellen Interessen, ist das mehr als ein Beschaffungsdetail, nämlich der Kern des Problems.
Die Annahme der Monopole beginnt zu bröckeln
Lange galt die Arbeitsannahme, die USA blieben entscheidend vorn und die besten Systeme blieben hinter proprietären Schnittstellen verschlossen. Diese Annahme beginnt zu bröckeln, auch weil chinesische Open-Weight-Modelle aufgeholt haben. Der Stanford AI Index 2026, auf den sich Carruthers beruft, fand einen Abstand zwischen den führenden US- und chinesischen Modellen im niedrigen einstelligen Prozentbereich. Stand März 2026 lag Claude Opus 4.6 mit 39 Arena-Punkten beziehungsweise 2,7 Prozent vor Dola-Seed-2.0 Preview. Die USA behalten enorme Vorteile bei Kapital, Rechenleistung, Frontier-Labors und Infrastruktur, und daran wird sich so schnell nichts ändern. Ein kleiner und schwankender Leistungsabstand ist strategisch trotzdem etwas anderes als überwältigende und dauerhafte Dominanz.
Die naheliegende Reaktion wäre falsch: US-Abhängigkeit gegen chinesische Abhängigkeit zu tauschen. Das ist keine Souveränität, sondern Anbieter-Diversifizierung mit geopolitischem Beigeschmack,. Entscheidend ist etwas anderes: Die Modelllandschaft wird pluraler. Es gibt mehr leistungsfähige Systeme, von mehr Anbietern, unter unterschiedlichen Lizenz- und Betriebsmodellen, darunter Open-Weight-Modelle, die sich mitunter inspizieren, benchmarken, anpassen und in einer selbst kontrollierten Umgebung betreiben lassen. Mehr Modelle machen ein Land noch nicht souverän. Sie nehmen ihm aber eine Ausrede, abhängig zu bleiben.
Open-Weight-Modelle sind ein Hebel, kein Zauberstab
Um offene Gewichte rankt sich viel magisches Denken. Man hört, die Gewichte seien verfügbar, und schließt daraus, die Fähigkeit sei damit automatisch lokal, zugänglich und souverän. So einfach ist es nicht. Open-Weight-Modelle sind trotzdem wichtig, weil sie das Feld möglicher Handlungen vergrößern. Die Stanford-Analyse von 2026 fand, dass sich der Abstand zwischen den besten offenen und geschlossenen Modellen deutlich verringert hat, und sie nennt Alibaba unter den führenden Anbietern in einem enger zusammengerückten Frontier-Feld. Für leistungsfähige Institutionen bedeutet das, mehr tun zu können, als Zugang über eine fremde Oberfläche zu mieten: prüfen, testen, anpassen und in einigen Fällen unter eigenen Governance-Regeln betreiben.
Herunterladbare Gewichte sind jedoch nicht dasselbe wie nutzbare Fähigkeit. Ein großes Modell braucht weiterhin Rechenleistung in Form von Rechenzentren, Fachleute, sichere Infrastruktur, Evaluation, Monitoring und Geld. Es hängt möglicherweise weiterhin von ausländischen Chips, ausländischer Cloud-Kapazität, ausländischen Software-Frameworks und ausländischen Forschungsökosystemen ab. Offene Gewichte garantieren keine Souveränität, aber sie sind ein Hebel. Und Hebel verschaffen Institutionen Spielraum zum Verhandeln, Bestreiten und Weggehen. Carruthers vertritt seit Langem die Position, offene Institutionen seien wichtig, weil sie die Fähigkeit bewahren, sich der Konzentration von Macht zu widersetzen, statt sie nur zu akzeptieren.
Kleinere KI-Modelle sind oft die strategische Wahl
Die Souveränitätsdebatte wird durch Frontier-Theater verzerrt. Die meisten Organisationen brauchen kein Modell, das alles kann, sondern ein System, das eine bestimmte Aufgabe zuverlässig, sicher und zu finanzierbaren Kosten erledigt. Eine Kommune, die Bauanträge klassifiziert, braucht kein Modell mit Billionen Parametern. Ein Gesundheitsdienst, der Personal Fragen aus internen Richtlinien beantwortet, braucht es in der Regel ebenfalls nicht. Eine Aufsichtsbehörde, die ihre eigenen Leitlinien durchsucht, sollte sensible Unterlagen nicht standardmäßig in ein undurchsichtiges externes System schicken. Für viele dieser Aufgaben ist ein kleineres KI-Modell in einer kontrollierten Umgebung die bessere Wahl, nicht weil klein automatisch sicher wäre, sondern weil kleinere Systeme leichter zu betreiben, zu testen, zu begrenzen, zu überwachen und zu ersetzen sind.
Damit sind sie leichter zu regieren. Kleinere und spezialisierte Modelle lassen sich näher an sensiblen Daten hosten, an geltendes Recht, institutionelle Sprache und definierte Arbeitsabläufe anpassen und gegen ein schmaleres, besser verstandenes Risikoset prüfen. Sie laufen mit geringeren Kosten, geringerem Energiebedarf und niedrigerer Latenz, sind ausfallsicherer und lassen sich austauschen, ohne die ganze Organisation um einen Anbieter herum neu zu bauen. Das Designprinzip ist einfach: Nutze das kleinste Modell, das die Aufgabe sicher, zuverlässig und wirtschaftlich erfüllt, und begründe jede Skalierung nach oben. Das ist kein Argument gegen Frontier-Modelle, denn manche Arbeit wird sie brauchen. Aber „nimm das größte verfügbare Modell“ ist keine Strategie, sondern eine Gewohnheit aus einer Zeit, in der Fähigkeit knapp, konzentriert und laut vermarktet war.
Keine Autarkie, aber verwaltete Interdependenz
Eine Fantasie lässt sich sofort beiseiteschieben: Australien, und mit ihm jedes mittelgroße Land, wird keine KI-Autarkie erreichen. Niemand wird jeden fortgeschrittenen Chip im Inland fertigen, jedes große Grundlagenmodell von Grund auf trainieren, jede Cloud-Schicht besitzen und sich von globalen Forschungs- und Softwareökosystemen abkoppeln. Der Versuch wäre ruinös teuer, technologisch brüchig und strategisch töricht, weil er eine Abhängigkeit durch eine kleinere, fragilere lokale Monokultur ersetzen würde. Autarkie abzulehnen heißt aber nicht, Hilflosigkeit zu akzeptieren. Die realistische Alternative ist verwaltete Interdependenz.
Das bedeutet, genau zu verstehen, wo im KI-Stack die Macht sitzt, und bewusst zu entscheiden, welche Abhängigkeiten tragbar und welche gefährlich sind. Woher kommen die Chips, wo wird das Modell gehostet, wer kontrolliert die Updates, was erlaubt die Lizenz, welche Cloud-Dienste sind unverzichtbar, welche Fähigkeiten sind so knapp, dass sie zum strategischen Engpass werden? Dazu gehört, Optionen zu haben, bevor man sie braucht. Keine Institution sollte erst während eines Ausfalls, eines Vertragsstreits, eines Exportkontrollschocks oder eines geopolitischen Bruchs entdecken, dass ein externer Anbieter still zum Betriebssystem einer essenziellen öffentlichen Funktion geworden ist. Das ist keine Resilienz, sondern Wunschdenken mit angehängter Rechnung.
Souveränität zeigt sich unter Druck – und in der Fähigkeit, zu gehen
Echte KI-Souveränität ist keine Aussage darüber, wo ein Modell trainiert wurde oder wo ein Server steht. Sie ist ein Test für den Ernstfall. Lässt sich das System inspizieren? Kann man Leistung, Sicherheit, Datenschutz und Robustheit unabhängig prüfen? Lassen sich Daten verschieben und Workloads auf ein anderes Modell umziehen? Läuft der Betrieb weiter, wenn der Anbieter die Bedingungen ändert? Merkt man, wenn sich das Modell verändert hat? Erfüllt man die eigenen rechtlichen und rechenschaftspflichtigen Pflichten? Und kann man es abschalten? Fällt eine dieser Antworten negativ aus, hat man keine Souveränität, sondern eine Abhängigkeit, die noch nicht getestet wurde.
Das gilt besonders für Verwaltung, regulierte Sektoren und kritische Infrastruktur. Wer essentielle Funktionen um Systeme herum baut, die sich nicht unabhängig bewerten, nicht sinnvoll auditieren und nicht glaubwürdig ersetzen lassen, geht ein hohes Risiko ein. Ein proprietäres Modell kann im Einzelfall die richtige Wahl sein, denn am Kauf einer Dienstleistung ist nichts grundsätzlich falsch. Die Entscheidung sollte nur bewusst fallen, dem Risiko angemessen sein und durch vertragliche, technische und operative Absicherungen flankiert werden. Es geht nicht darum, Abhängigkeit zu beseitigen, sondern darum, dass Abhängigkeit nicht zu Gehorsam wird.
Carruthers plädiert deshalb für einen Portfolio-Ansatz statt für einen nationalen Champion. Routinearbeit, Datenschutz oder niedrige Latenz sprechen für ein kleines, lokal gehostetes Modell. Regulierte Entscheidungsunterstützung braucht domänenangepasste Modelle mit definierter Evaluation, Protokollierung und menschlicher Aufsicht. Komplexe Forschung, multimodale Analyse oder agentische Aufgaben können ein großes Open-Weight-Modell rechtfertigen, wenn Infrastruktur und Governance passen. Außergewöhnliche Allzweckfähigkeit bleibt dem proprietären Frontier-Modell vorbehalten, selektiv eingesetzt und mit Sicherheits-, Vertrags- und Ausstiegskontrollen. National bedeutsame Anwendungen schließlich brauchen Forschung, Evaluation, Betriebsexpertise und sichere Infrastruktur über den gesamten Stack hinweg.
Die wichtigste politische Aufgabe ist damit nicht ein weiteres Strategiepapier mit wohlklingenden Formeln über vertrauenswürdige KI. Sie besteht darin, die Fähigkeit zur Wahl aufzubauen. Dazu gehören im Inland gehostete Inferenz und sichere Rechenkapazität für sensible Workloads, Beschaffungskompetenz in der öffentlichen Verwaltung, unabhängige Evaluation von Sicherheit, Zuverlässigkeit, Datenschutz, Verzerrung und kultureller Angemessenheit, Fachwissen zu Feintuning und Betrieb, offene Standards und interoperable Architekturen gegen Vendor-Lock-in, indigene Daten-Governance und echte Mitbestimmung über kulturell sensible Daten sowie verbindliche Anforderungen an Portabilität, Kontinuität und getestete Ausstiegspläne in Hochrisiko-Beschaffungen. Auch die technische und rechtliche Möglichkeit, KI-Systeme bei Bedarf sicher anzuhalten, gehört dazu. Das ist keine glamouröse Arbeit, und ein nationaler Chatbot, den man auf einer Pressekonferenz enthüllen kann, wird dabei nicht herauskommen.
Vieles davon gilt auch außerhalb Australiens. In Europa und Deutschland diskutieren wir über digitale Souveränität meist als Frage der Herkunft: wo steht das Rechenzentrum, wo sitzt der Anbieter, welches Label trägt das Modell. Der Beitrag dreht die Frage um. Entscheidend ist nicht die Flagge auf dem System, sondern die Fähigkeit, es zu prüfen, zu begrenzen, zu ersetzen und notfalls abzuschalten. Kleinere Modelle ersetzen nicht alles, sind aber ein praktischer Hebel, weil sie Abhängigkeit sichtbar und verhandelbar machen. Souveränität entsteht nicht durch eine Ankündigung, sondern durch die unspektakuläre Arbeit an Ausstiegsplänen, Evaluationsverfahren und Rechenkapazität, die man selbst kontrolliert. Das verlangt weniger Reden über Modelle und mehr Arbeit an Verträgen, Tests und Alternativen.
Quelle: katecarruthers.com
