Chinesische KI-Modelle: Leistung, Risiken – und Europas Weg zu mehr Unabhängigkeit

Am 26. Juli 2026 stellte das chinesische Unternehmen Moonshot AI die Gewichte seines Flaggschiff-Modells Kimi K3 zum freien Download bereit — 2,8 Billionen Parameter, ein Kontextfenster von einer Million Token. Im Artificial Analysis Intelligence Index rangiert K3 mit 57,1 Prozent auf Platz vier von 167 Modellen, nur knapp hinter den Spitzenmodellen von Anthropic und OpenAI. Chinesische KI-Modelle sind damit endgültig in der Leistungsspitze angekommen. Für europäische Banken und Finanzdienstleister stellt sich eine doppelte Frage: Welche Risiken bringt der Einsatz dieser Modelle mit sich — und was bedeutet ihr Aufstieg für die ohnehin unbequeme Abhängigkeit Europas von US-Anbietern?

Aufholjagd mit offenen Gewichten

Das Tempo der chinesischen Anbieter ist bemerkenswert. DeepSeek veröffentlichte im April 2026 die V4-Familie unter MIT-Lizenz mit offenen Gewichten: V4-Pro mit 1,6 Billionen Gesamtparametern und V4-Flash als kompakte Variante, beide mit einer Million Token Kontext. Zhipu/Z.ai legte im Juni mit GLM-5.2 nach, ebenfalls MIT-lizenziert und im Benchmark vor vielen westlichen Modellen. MiniMax unterbietet mit seiner M3-API bei 0,30 US-Dollar pro Million Input-Token fast alle Wettbewerber.

Interessant ist die Gegenbewegung bei Alibaba: Die neuen Qwen-Flaggschiffe 3.7-Max und 3.8-Max-Preview erscheinen nur noch als geschlossene API — das letzte offene Qwen-Generalmodell stammt vom April 2026, wie eine Analyse von Digital Applied nachzeichnet. Der Markt teilt sich also: Ein Teil der chinesischen Anbieter setzt weiter auf offene Gewichte als Verbreitungsstrategie, ein anderer schwenkt auf das proprietäre Geschäftsmodell der US-Konkurrenz ein.

Dass die Leistungslücke schrumpft, ist keine Einzelbeobachtung. Europäische Großbanken haben früh reagiert: HSBC, NatWest und BBVA testeten laut Economist bereits Anfang 2025 DeepSeek-Modelle parallel zu OpenAI und Google — zu einem Zeitpunkt, als US-Banken das Thema noch mieden.

Die Kehrseite: Datenschutz, Zensur, Regulierung

Die Risiken lassen sich in drei Ebenen ordnen. Die erste ist rechtlich: Die Nutzung der chinesischen Cloud-APIs ist für europäische Institute in der Regel nicht DSGVO-konform darstellbar. Für den DeepSeek-Dienst fehlen nach einer deutschen Rechtsanalyse von Compound Law Auftragsverarbeitungsvertrag, Standardvertragsklauseln für Übermittlungen nach China und lange Zeit auch ein EU-Vertreter. Die italienische Datenschutzbehörde Garante verhängte schon im Januar 2025 ein Verarbeitungsverbot, das bis heute in Kraft ist; Behörden in Tschechien, Südkorea, Australien und den USA folgten mit Verboten oder verbindlichen Anordnungen.

Die zweite Ebene betrifft die Inhalte. Eine in PNAS Nexus publizierte Studie verglich chinesische und westliche Modelle anhand von 145 Fragen zur chinesischen Politik: Chinesische Modelle verweigerten signifikant häufiger die Antwort, antworteten kürzer und häufiger falsch — alle in China entwickelten Modelle müssen vor Veröffentlichung staatlich genehmigt werden, wie Phys.org zur Studie berichtet. Für Banking-Anwendungsfälle wie Dokumentenanalyse oder Kundenkommunikation ist politische Zensur selten unmittelbar relevant, für Research- und Wissensanwendungen dagegen sehr wohl.

Die dritte Ebene ist die entscheidende: Das Risiko hängt fundamental vom Bezugsweg ab. Ein offenes Modell, das auf eigener oder europäischer Infrastruktur läuft, überträgt keine Daten nach China. Die zitierte Rechtsanalyse hält Self-Hosting von DeepSeek-Modellen auf EU-Infrastruktur ausdrücklich für gangbar — erforderlich ist dann lediglich ein Vertrag mit dem EU-Infrastrukturanbieter, nicht mit dem Modellhersteller. Kurz gesagt: Nicht das Modell ist das Compliance-Problem, sondern die API.

Das eigentliche Strategieproblem: Abhängigkeit von den USA

Wer chinesische Modelle nur als Risiko diskutiert, übersieht die zweite Hälfte der Gleichung. Europas KI-Landschaft hängt heute weit stärker an den USA als an China: US-Anbieter halten laut einem von Euronews zitierten Allianz-Bericht 80 Prozent des europäischen Cloud-Markts, kontrollieren bis zu 40 Prozent der operativen Rechenkapazität Europas und fast die Hälfte der geplanten Rechenzentrumsprojekte. Hinzu kommt der US CLOUD Act: US-Behörden können amerikanische Anbieter zur Herausgabe von Daten verpflichten — auch wenn diese in EU-Regionen gespeichert sind. EU-Datenresidenz allein schützt davor nicht.

Vor diesem Hintergrund sind leistungsfähige offene Modelle — gleich welcher Herkunft — strategisch wertvoll: Sie schaffen Verhandlungsmacht und echte Ausweichoptionen. Bemerkenswert ist die Einschätzung von Venture-Investoren, die die Financial Times zitiert: Europäische Unternehmen betrachten ein selbst gehostetes Modell zunehmend als die sicherere Wahl — unabhängig vom Ursprungsland, weil die Kontrolle bei der eigenen Institution verbleibt.

Was europäische Institute konkret tun können

Für die Praxis haben sich drei Wege herausgebildet. Erstens: Hyperscaler mit EU-Datenzonen. Microsoft bietet DeepSeek V4 seit Mai 2026 in Foundry mit EU-Datenresidenz an (West Europe, Sweden Central); Google Vertex AI führt DeepSeek-Modelle mit EU-Datenverarbeitungsgarantie in Belgien und den Niederlanden; AWS hat im Januar 2026 seine European Sovereign Cloud in Brandenburg in Betrieb genommen und investiert dort über 7,8 Milliarden Euro. Das löst die Datenresidenz-Frage, nicht aber die CLOUD-Act-Frage.

Zweitens: europäische Anbieter. Mistral bietet wettbewerbsfähige Modelle aus Frankreich, Aleph Alpha adressiert mit PhariaAI regulierte Branchen, und OVHcloud betreibt mit seinen AI Endpoints eine serverlose Inferenz-API mit Zero Data Retention, die ausdrücklich auch Qwen- und DeepSeek-Modelle umfasst. Drittens: vollständiges Self-Hosting. Die deutschen Sparkassen zeigen mit dem S-KIPilot, dass sich eine KI-Lösung für rund 200.000 Mitarbeitende komplett on-premises mit offenen Modellen betreiben lässt — ohne US-Cloud und ohne proprietäres Sprachmodell.

Welcher Weg der richtige ist, hängt von Datenklassifizierung, Volumen und interner Kompetenz ab. Gemeinsam ist allen dreien: Sie funktionieren nur, wenn die eigene Anwendungslandschaft einen Modellwechsel überhaupt zulässt.

Stand August 2026; Einzelheiten und Quellen im Text.

Modellunabhängigkeit als Architekturprinzip

Genau hier liegt die Lehre aus beiden Entwicklungen — dem Aufstieg chinesischer Modelle und der US-Abhängigkeit: Die Modelllandschaft verschiebt sich schneller, als Beschaffungszyklen in Banken dauern. Ein Modell, das heute führend ist, kann morgen regulatorisch problematisch, kommerziell unattraktiv oder technisch überholt sein. Wer seine KI-Anwendungen fest mit einem einzelnen Anbieter verdrahtet, macht jede dieser Verschiebungen zum Migrationsprojekt.

Wir haben unseren Assistant bei Acceleraid deshalb von Anfang an modell-agnostisch gebaut. Das zugrunde liegende Sprachmodell lässt sich jederzeit austauschen — etwa gegen ein europäisch gehostetes offenes Modell, wenn Souveränitätsanforderungen es verlangen, oder gegen ein leistungsfähigeres Modell, wenn sich das Ranking dreht. Wissen, Kontexte und Konfigurationen bleiben dabei vollständig erhalten. Souveränität beginnt nicht bei der Frage, welches Modell man nutzt, sondern bei der Frage, wie leicht man es wieder wechseln kann.

Die geopolitische Gemengelage um KI wird sich weiter verschieben — in welche Richtung, ist offen. Sicher ist nur: Institute, die Wechselfähigkeit als Architekturprinzip verankern, können auf jede dieser Verschiebungen reagieren, ohne von vorn anzufangen.

Illustration: KI-generiert. KI-gestützte Inhalte: Bei der Erstellung unserer Beiträge setzen wir KI-Technologien und automatisierte Agenten ein, unter anderem von Microsoft, Google, OpenAI, Anthropic und weiteren Anbietern. Themen, fachliche Ausrichtung und finale Freigabe liegen bei unserem Team.