Europa muss die USA und China nicht kopieren

Der internationale KI-Wettbewerb wird häufig wie ein Wettrennen beschrieben: Wer entwickelt die leistungsfähigsten Modelle? Wer verfügt über die meiste Rechenleistung? Wer investiert am stärksten? Und kann Europa gegenüber den USA und China noch aufholen?

Die Ausgangslage hinter diesen Fragen ist real. Der Stanford AI Index 2025 weist für das Jahr 2024 40 sogenannte „notable AI models“ aus US-Institutionen aus, 15 aus China und lediglich drei aus Europa. Gleichzeitig hatte China den Leistungsabstand bei wichtigen Benchmarks bereits stark verkleinert.

Der AI Index 2026 zeigt, wie dynamisch sich diese Entwicklung fortsetzt. Seit Anfang 2025 wechselten sich amerikanische und chinesische Modelle mehrfach an der Spitze ab. Im März 2026 lag das führende US-Modell in der dort verwendeten Bewertung nur noch 2,7 Prozent vor dem besten chinesischen Modell.

Daraus lässt sich jedoch nicht seriös ableiten, Europa habe das KI-Rennen endgültig verloren. Schon die Vorstellung eines einzigen Rennens ist problematisch: Spitzenmodelle, industrielle Nutzung, wissenschaftliche Anwendungen, Robotik, öffentliche Verwaltung, Cybersicherheit oder vertrauenswürdige KI verlangen unterschiedliche Fähigkeiten.

Was sich aus den Zahlen sehr wohl ableiten lässt, ist etwas anderes: Deutschland und Europa sollten ihre Strategie nicht darauf reduzieren, die Skalierungsmodelle der USA oder Chinas nachzuahmen.

Genau diese Überlegung findet sich bereits im deutschen KI-Aktionsplan. In der ursprünglichen Recherche wurde herausgearbeitet, dass der Bund eine bloße Imitation des amerikanischen oder chinesischen Weges als wenig erfolgversprechend einordnet und stattdessen europäische Stärken wie Industrie 4.0, B2B-Anwendungen, Open Source, wissenschaftsbasierte Start-ups sowie die Verbindung von KI mit anderen Schlüsseltechnologien stärker nutzen will.

Das ist keine Absage an internationale Ambition. Die Europäische Kommission verfolgt mit ihrem AI Continent Action Plan weiterhin ausdrücklich das Ziel, Europa zu einem führenden KI-Standort zu machen. Sie setzt dafür aber nicht allein auf Basismodelle, sondern auf fünf miteinander verbundene Bereiche: Recheninfrastruktur, Daten, Kompetenzen, KI-Anwendung und eine praktikable Umsetzung der Regulierung.

Die strategische Frage lautet deshalb weniger:

Kann Europa exakt das aufbauen, was die USA und China bereits aufgebaut haben?

Sondern:

Welche Fähigkeiten muss Europa beherrschen, damit es in einer KI-geprägten Wirtschaft technologisch, wirtschaftlich und politisch handlungsfähig bleibt?

Souveränität ist nicht Autarkie

Technologische Souveränität wird schnell mit vollständiger Unabhängigkeit verwechselt. Für eine hochgradig arbeitsteilige Technologieökonomie wäre das kaum ein realistischer Maßstab.

Moderne KI-Systeme hängen von Halbleitern, Rechenzentren, Cloud-Infrastruktur, Software, Modellen, Daten, Energie, Forschung und einer Vielzahl spezialisierter Zulieferer ab. Nicht jede einzelne Stufe dieser Kette national abzubilden ist deshalb weder realistisch noch notwendigerweise wünschenswert.

Die europäische Wirtschaftssicherheitsstrategie folgt gerade nicht einer allgemeinen Abschottungslogik. Sie verbindet den Ausbau eigener Fähigkeiten mit dem Schutz vor konkreten Risiken und der Zusammenarbeit mit internationalen Partnern. Gleichzeitig identifiziert die EU Risiken für Lieferketten, kritische Infrastruktur, Technologiesicherheit sowie die politische Instrumentalisierung wirtschaftlicher Abhängigkeiten.

Auch bei der Auswahl besonders sensibler Technologien geht die EU risikobasiert vor. Fortgeschrittene Halbleiter, KI, Quantentechnologien und Biotechnologie gehören zu den Bereichen, für die aufgrund möglicher Technologielecks, Dual-Use-Potenziale und sicherheitspolitischer Bedeutung vertiefte Risikobewertungen vorgesehen wurden.

Das legt eine wichtige Trennlinie nahe.

Nicht jede Abhängigkeit ist automatisch eine strategische Schwäche. Kritisch wird sie dort, wo der Ausfall eines Lieferanten, eine politische Entscheidung oder der Verlust eines technologischen Zugangs die eigene Handlungsfähigkeit erheblich beeinträchtigen könnte und kurzfristig keine Alternative verfügbar wäre.

Das Ziel sollte deshalb nicht Autarkie sein, sondern kontrollierbare Abhängigkeit.

Deutschland und Europa müssen nicht jede Technologie selbst herstellen. Sie sollten aber wissen, welche Abhängigkeiten sie eingehen, welche Alternativen bestehen und welche Teile einer technologischen Architektur im Krisenfall kontrolliert, ersetzt oder eigenständig weiterbetrieben werden können.

Ein interessantes Beispiel dafür liefert der Deutschland-Stack. Seine offizielle Architektur verbindet ausdrücklich europäische Souveränität mit Interoperabilität, offenen Standards und Open Source. Ziel ist nicht ein abgeschottetes deutsches System. Bestehende nationale und europäische Komponenten sollen integriert werden; gleichzeitig sollen externe Abhängigkeiten reduziert und die Kontrolle über zentrale Technologien gestärkt werden.

Damit ist Interoperabilität nicht das Gegenteil von Souveränität. Unter bestimmten Bedingungen ist sie eine Voraussetzung dafür.

Denn je stärker Systeme auf offenen Schnittstellen und gemeinsamen Standards beruhen, desto leichter lassen sich Komponenten austauschen, Anbieter wechseln oder europäische Lösungen miteinander verbinden.

Diese Logik ist für die KI-Politik insgesamt relevant – und sie führt unmittelbar zu den Bundesländern.

Sechzehn Länder – verschiedene Modelle statt eines Best Practice

Wenn Autarkie nicht das Ziel sein kann, muss Deutschland seine vorhandenen Fähigkeiten besser miteinander verbinden. Genau deshalb lohnt sich der Blick auf die Bundesländer.

Der Ländervergleich zeigt kein einheitliches Erfolgsmodell. Die Bundesländer setzen unterschiedliche Schwerpunkte zwischen Forschung und Rechenleistung, Verwaltungs-KI, Transfer, vertrauenswürdiger KI, Datenpolitik, Cybersicherheit und sektoralen Anwendungen.

Das kann zunächst eine Stärke des Föderalismus sein. Baden-Württemberg verfügt über andere industrielle Voraussetzungen als Berlin. Hamburg kann Verwaltungsinnovationen anders pilotieren als ein großes Flächenland. Bayern verfügt über andere finanzielle Skalierungsmöglichkeiten als Bremen oder Mecklenburg-Vorpommern.

Die Recherche lässt dennoch mehrere Muster erkennen: forschungs- und HPC-getriebene Modelle, verwaltungszentrierte Ansätze mit Governance und eigenen Assistenzsystemen, transferorientierte Modelle für KMU und regionale Ökosysteme sowie Länder, deren KI-Politik stärker sektoral oder projektförmig organisiert ist.

Überblick über die Bundesländer

Abb. 1: Unterschiedliche KI-Profile der Bundesländer. Eigene Einordnung auf Grundlage offizieller Landesstrategien, Regierungsdokumente und Projektquellen; Stand Mai 2026.

Quellen zur Länderübersicht: Nordrhein-Westfalen: KI.NRW, Koalitionsvertrag 2022–2027; Baden-Württemberg: F13, Koalitionsvertrag 2026; Bayern: Hightech Agenda Bayern, BayernKI; Hessen: KI-Zukunftsagenda, AI Quality & Testing Hub; Hamburg: LLMoin, ARIC; Schleswig-Holstein: KI-Strategie 2.0, KI.SH; Niedersachsen: KI-Strategie Niedersachsen, Digitalisierungsfahrplan; Sachsen: KI-Strategie Sachsen, Kompetenzstelle KI; Berlin: Richtlinien der Regierungspolitik, BärGPT; Rheinland-Pfalz: Digitalstrategie, Ökosystem KI; Brandenburg: Landesstrategie KI; Bremen: KI-Strategie Bremen, BREMEN.AI; Saarland: Strategie für Forschung und Innovation 2024–2030; Thüringen: KI-Strategie für die Thüringer Landesverwaltung; Sachsen-Anhalt: Sachsen-Anhalt Digital 2030; Mecklenburg-Vorpommern: Transformationsförderung KI.

Die Tabelle zeigt deshalb keine Rangliste.

Sie zeigt unterschiedliche staatliche Fähigkeiten.

Gerade darin kann ein Vorteil des Föderalismus liegen: Hessen muss keine Kopie Bayerns werden und Schleswig-Holstein kein zweites Baden-Württemberg. Verschiedene Länder können verschiedene Probleme lösen.

Problematisch wird diese Vielfalt erst, wenn erfolgreiche Lösungen kaum übertragen werden können, technische Systeme inkompatibel bleiben oder öffentlich finanzierte Entwicklungen mehrfach nebeneinander entstehen.

Der entscheidende bundespolitische Maßstab lautet deshalb nicht Vereinheitlichung, sondern Skalierbarkeit.

Von Innovation zu Skalierung: Wo Deutschlands KI-Politik ansetzen muss

Der ursprüngliche Ländervergleich macht dieses Problem besonders an Nordrhein-Westfalen sichtbar.

NRW verfügt über KI.NRW, Fraunhofer IAIS, Lamarr, Jülich/JUPITER, WestAI, Hochschulen und eine breite Industrie- und Mittelstandsstruktur. In Forschung, Rechenleistung, Transfer und industrieller Anwendung ist das Land damit keineswegs ein „leeres Blatt“.

Andere Länder haben wiederum andere Kompetenzen aufgebaut.

Hessen verbindet Forschung und Compute mit Testing und vertrauenswürdiger KI. Baden-Württemberg verknüpft Forschung, Industrie, Robotik, Verwaltungs-KI und Recheninfrastruktur stärker institutionell. Schleswig-Holstein und Hamburg zeigen, wie ein KI-Assistent für die Verwaltung mit Rollout und föderaler Nachnutzung verbunden werden kann. Sachsen bietet mit seiner Kompetenzstelle ein niedrigschwelliges Modell für Orientierung und AI-Act-Fragen.

Die bundespolitische Konsequenz sollte daraus nicht lauten, überall ähnliche Einrichtungen aufzubauen.

Sie sollte lauten:

Wie wird aus einem regional funktionierenden Baustein eine deutschlandweit oder europäisch nutzbare Fähigkeit?

Die Skalierungsfrage zeigt sich besonders deutlich in den folgenden vier Bereichen: Rechenleistung, Verwaltungs-KI, regulatorischer Umsetzung und industriellem Transfer.

Compute: Zugang existiert – jetzt muss Nutzung skalieren

Deutschland und Europa bauen ihre KI-Recheninfrastruktur inzwischen erheblich aus. Der AI Continent Action Plan sieht AI Factories und Gigafactories als zentrale Elemente einer europäischen KI-Infrastruktur vor. Im Frühjahr 2026 waren europaweit bereits 19 AI Factories und 13 regionale Antennen Teil dieses Netzwerks.

Auch der Zugang ist grundsätzlich breiter angelegt, als häufig angenommen wird. Wissenschaft, öffentliche Nutzer und Industrie können EuroHPC-Systeme unabhängig vom eigenen europäischen Standort über entsprechende Zugangsverfahren nutzen; für Start-ups und KMU bestehen eigene kostenfreie Zugangswege.

Für Deutschland spielt Jülich dabei eine wichtige Rolle. Die JUPITER AI Factory soll als zentrale Anlaufstelle insbesondere Start-ups, KMU, Industrie, Forschung und öffentlichen Akteuren vereinfachten Zugang zum Exascale-System JUPITER ermöglichen.

Die politische Forderung sollte deshalb nicht mehr lauten, Rechenleistung überhaupt erst bundesweit zugänglich zu machen.

Der nächste Schritt ist schwieriger: Der vorhandene Zugang muss so einfach, sichtbar und anwendungsnah werden, dass Unternehmen ihn tatsächlich nutzen können.

Dass hier noch Koordinierungsbedarf besteht, erkennt selbst EuroHPC. Im April 2026 wurde ein eigenes Vorhaben gestartet, das unter anderem gemeinsame Service-Standards und eine stärker harmonisierte Nutzererfahrung zwischen AI Factories und ihren Antennen schaffen soll.

Für den Bund ergibt sich damit eine konkretere Aufgabe: deutsche Zugänge zu AI Factories, KI-Servicezentren und weiteren Compute-Angeboten sollten aus Sicht eines Unternehmens möglichst als zusammenhängendes System erscheinen – unabhängig davon, welches Ministerium, Bundesland oder europäische Programm die jeweilige Infrastruktur finanziert.

Nicht mehr Infrastruktur allein ist der Maßstab, sondern wie schnell aus vorhandener Infrastruktur produktive Nutzung entsteht.

Verwaltungs-KI: Nachnutzung sollte zum Normalfall werden

Bei Verwaltungs-KI wird die föderale Skalierungsfrage besonders sichtbar.

Mehrere Länder entwickeln oder nutzen eigene Systeme: F13 in Baden-Württemberg, LLMoin unter anderem in Hamburg und Schleswig-Holstein, BärGPT in Berlin, AIGude in Hessen oder NRW.Genius in Nordrhein-Westfalen. Der eigene Ländervergleich zeigt zugleich, dass Nachnutzung und gemeinsame Schnittstellen bereits zunehmend Teil dieser Ansätze werden.

Seit der ursprünglichen Recherche ist diese Logik bundespolitisch noch konkreter geworden.

Der Deutschland-Stack folgt inzwischen ausdrücklich dem Prinzip, dass einmal gut entwickelte Komponenten möglichst breit wiederverwendet werden sollen. Open Source, offene Standards und Interoperabilität werden dabei mit Nachnutzbarkeit verknüpft.

Im März 2026 vereinbarten Bund und Länder im IT-Planungsrat einen gemeinsamen Plattformkern und verbindliche Standards für den Deutschland-Stack. Bemerkenswert ist, dass der Beschluss ausdrücklich auch eine bessere Interoperabilität beim Einsatz von KI hervorhebt.

Der Bund hat außerdem erste eigene KI-Module als Open Source veröffentlicht. Die im Projekt SPARK entwickelten Verwaltungsbausteine stehen ausdrücklich zur Nachnutzung zur Verfügung.

Damit wäre es politisch zu weitgehend, pauschal zu fordern, jede öffentlich finanzierte KI-Entwicklung müsse zwingend Open Source sein. Vergabe-, Sicherheits-, Lizenz- und Fachanforderungen unterscheiden sich.

Plausibler wäre ein abgestuftes Prinzip:

Bei öffentlich finanzierten Verwaltungs-KI-Projekten sollten Interoperabilität und Nachnutzbarkeit grundsätzlich mitgeprüft und bei der Förderung berücksichtigt werden. Wo Open Source technisch und rechtlich sinnvoll ist, sollte es bevorzugt werden; Abweichungen sollten begründbar sein.

Das wäre keine radikale Neuausrichtung, sondern eine konsequentere Anwendung einer Entwicklung, auf die sich Bund und Länder mit dem Deutschland-Stack bereits zubewegen.

AI Act: Aus einem Gesetz muss eine Infrastruktur werden

Beim AI Act hat sich die Lage seit der ursprünglichen Recherche ebenfalls weiterentwickelt.

Deutschland hat inzwischen sein nationales Durchführungsgesetz beschlossen. Seit Ende Juli 2026 ist der neue Rahmen in Kraft. Die Bundesnetzagentur übernimmt eine zentrale Rolle bei Koordinierung und Marktüberwachung und erhält ein eigenes Koordinierungs- und Kompetenzzentrum. Zudem soll sie mindestens ein KI-Reallabor betreiben.

Die richtige Forderung lautet deshalb heute nicht mehr: Deutschland braucht eine zentrale Anlaufstelle.

Die interessantere Frage ist:

Wie wird aus dieser zentralen Zuständigkeit ein funktionierendes Unterstützungsnetz für Unternehmen und Verwaltungen?

Der Bundestag hat diese Herausforderung selbst aufgegriffen. In der begleitenden Entschließung zum Durchführungsgesetz wird eine effiziente und möglichst einheitliche Marktüberwachung gefordert; der Gedanke eines „One-Stop-Shops“ soll weiterverfolgt werden. Außerdem wird eine gemeinsame digitale Plattform mit Schnittstellen zwischen beteiligten Aufsichtsbehörden für sinnvoll gehalten.

Das ist relevant, weil bereits regionale Kompetenzen existieren.

Hessen verfügt über Testing- und Qualitätsstrukturen. Sachsen betreibt eine niedrigschwellige KI-Kompetenzstelle. Brandenburg hat Transparenz- und Registeransätze entwickelt. Verschiedene Länder arbeiten an Leitlinien und verwaltungsinternen Governance-Modellen.

Diese Kompetenz sollte nicht durch eine neue Bundesstruktur verdrängt werden. Sie sollte verbunden werden.

Für ein Unternehmen muss möglichst klar sein, wohin es sich mit einer konkreten Frage wenden kann, welche Prüf- und Beratungsangebote existieren und ob eine regionale Stelle, ein Bundesangebot oder ein europäischer Service zuständig ist.

Regulierung wird damit selbst zu Infrastruktur.

Nicht weil mehr Regeln erforderlich wären, sondern weil Rechtssicherheit ohne erreichbare Beratung, Testing und klare Zuständigkeiten für Unternehmen nur begrenzt praktisch nutzbar ist.

Industrielle KI: Eine deutsche Stärke kann in der Anwendung liegen

Ein weiterer Befund des Ländervergleichs ist die Bedeutung industrieller KI.Baden-Württemberg verbindet KI mit Robotik, Chipdesign, Cybersicherheit und industrieller Wertschöpfung. Bayern setzt auf Forschung, Compute und Transfer. Sachsen verbindet KI mit Robotik und industrieller Transformation. Nordrhein-Westfalen verfügt über eine breite industrielle Basis und gleichzeitig über starke Forschungs- und Rechenstrukturen.

Diese Ausrichtung passt zur Hightech Agenda des Bundes. Dort gehören KI und Mikroelektronik zu den sechs priorisierten Schlüsseltechnologien; erklärtes Ziel ist, Forschung schneller in Anwendung und Wertschöpfung zu übersetzen.

Auch die europäische Strategie setzt ausdrücklich auf eine schnellere Einführung von KI in strategischen Bereichen wie Gesundheitswirtschaft, Automobilindustrie und fortgeschrittener Fertigung.

Damit verschiebt sich auch hier der Maßstab.

Deutschlands Wettbewerbsfähigkeit entscheidet sich nicht ausschließlich daran, ob das weltweit leistungsfähigste allgemeine Sprachmodell aus Deutschland kommt.

Sie entscheidet sich auch daran, ob ein Maschinenbauer, Logistiker, Chemieunternehmen oder mittelständischer Zulieferer KI produktiv in seine Prozesse integrieren kann.

Dafür müssen mehrere Voraussetzungen gleichzeitig vorhanden sein: Rechenleistung, geeignete Daten, KI-Kompetenz, Cybersicherheit und Transferunterstützung.

Der Bund verfügt bereits über entsprechende Instrumente. Mittelstand-Digital etwa unterstützt KMU bei Digitalisierung, KI-Readiness und IT-Sicherheit. Eine Evaluation des Programms zeigte zwischen 2021 und 2023 mehr als 260.000 Unternehmenskontakte, identifizierte aber zugleich weiter bestehende Hemmnisse wie fehlende Kompetenzen, finanzielle und zeitliche Ressourcen sowie rechtliche Unsicherheit.

Das spricht gegen eine rein quantitative Förderlogik.

Ein Beratungsangebot ist noch kein eingeführtes KI-System.

Ein Demonstrator ist noch kein skalierter Produktionsprozess.

Und ein Pilotprojekt ist noch keine Produktivitätssteigerung.

Die nächste Generation industrieller KI-Politik sollte deshalb stärker die gesamte Kette vom Zugang zu Technologie bis zur tatsächlichen Anwendung betrachten.

Was der Bund jetzt konkret tun sollte

Aus dem Vergleich lassen sich fünf Prioritäten ableiten. Einige davon sind keine völlig neuen politischen Vorhaben. Gerade das ist wichtig: Die Aufgabe besteht zunehmend darin, begonnene Strukturen konsequenter miteinander zu verbinden.

Erstens: Zugang zu Compute vereinfachen statt nur weitere Kapazität aufzubauen

Deutschland braucht zusätzliche Rechenleistung. Die Bundesregierung verfolgt deshalb das Ziel, Rechenzentrumskapazitäten bis 2030 deutlich auszubauen; die Rechenzentrumsstrategie begründet dies ausdrücklich mit Wettbewerbsfähigkeit und technologischer Souveränität.

Parallel entstehen mit JUPITER, AI Factories und europäischen Zugangsmodellen bereits große öffentliche Kapazitäten.

Der Bund sollte deshalb zusätzlich einen Schwerpunkt auf den Zugang legen: eine nachvollziehbare Übersicht relevanter Ressourcen, einfache Weiterleitung zum passenden Angebot, abgestimmte Zugangsbedingungen und stärkere Begleitung von KMU beim Weg vom ersten Experiment zur produktiven Nutzung.

Der Erfolg wäre dann nicht allein in installierter Rechenkapazität zu messen, sondern daran, wie breit diese Kapazität produktiv genutzt wird.

Zweitens:Interoperabilität und Nachnutzung zum Regelfall öffentlich finanzierter Verwaltungs-KI machen

Der Deutschland-Stack schafft dafür bereits die Grundlage.

Für neue Verwaltungs-KI-Projekte sollte der Bund deshalb bei eigenen Förderungen und Projekten systematisch prüfen lassen, ob bestehende Lösungen nachgenutzt werden können, welche Schnittstellen erforderlich sind und ob Ergebnisse selbst wiederum für andere Verwaltungen nutzbar gemacht werden können.

Open Source sollte dort bevorzugt werden, wo Sicherheits-, Lizenz- und Betriebsanforderungen dies zulassen.

Damit würde nicht jede Verwaltung dieselbe Anwendung nutzen müssen. Aber öffentlich finanzierte Innovation würde stärker als gemeinsamer technologischer Bestand verstanden.

Drittens: die AI-Act-Umsetzung als föderales Unterstützungsnetz organisieren

Mit dem Durchführungsgesetz, der Bundesnetzagentur und dem geplanten Reallabor existiert der institutionelle Kern inzwischen.

Der nächste Schritt sollte darin bestehen, Bundesnetzagentur, Länderkompetenzen, regionale Test- und Beratungsstellen sowie europäische Angebote so miteinander zu verbinden, dass Unternehmen nicht zwischen Zuständigkeiten verloren gehen.

Der Maßstab sollte ein praktisch funktionierender One-Stop-Ansatz sein: Ein Unternehmen stellt eine Frage und wird zur richtigen Stelle geführt – unabhängig davon, ob die relevante Expertise beim Bund, in einem Bundesland oder auf europäischer Ebene sitzt.

Viertens: industrielle KI als zusammenhängende Technologiekette fördern

Compute, Daten, Modelle, Cybersicherheit, Mikroelektronik und Transfer sollten weniger isoliert betrachtet werden.

Gerade die Hightech Agenda und die europäische KI-Strategie gehen bereits in diese Richtung.

Für konkrete Förderprojekte wäre deshalb stärker zu prüfen, ob eine Anwendung Zugang zu Rechenleistung und Daten hat, wie Cybersicherheit berücksichtigt wird, wie sie nach dem Pilotstadium skaliert werden kann und welchen Anschluss sie an bestehende Transferstrukturen besitzt.

Nicht jeder dieser Punkte muss Bestandteil eines einzelnen Förderprogramms sein. Aber sie sollten innerhalb der Gesamtarchitektur zusammenpassen.

Fünftens: Wirkung systematischer messen – und erfolgreiche Strukturen skalieren

Deutschland braucht nicht zwangsläufig weniger KI-Programme. Es braucht aber ein besseres Verständnis davon, welche Programme tatsächlich Wirkung erzeugen.

Die Evaluation von Mittelstand-Digital zeigt, dass solche Bewertungen möglich und politisch nutzbar sind: Neben Reichweite und Unternehmenskontakten wurden konkrete Hemmnisse identifiziert und Empfehlungen für die Weiterentwicklung des Förderschwerpunkts abgeleitet.

Diese Logik könnte stärker auf KI-Förderung insgesamt übertragen werden.

Neben klassischen Kennzahlen wie Fördervolumen oder Teilnehmerzahl wären beispielsweise relevant: Wie viele Pilotprojekte gehen in Regelbetrieb? Wie viele Unternehmen nutzen ein Angebot nach zwölf oder 24 Monaten weiter? Wie häufig werden öffentlich finanzierte Lösungen von anderen Akteuren nachgenutzt? Und welche Projekte mobilisieren zusätzliche private Investitionen?

Förderpolitik würde dadurch nicht defensiver.

Sie könnte im Gegenteil ambitionierter werden – weil Mittel schneller von Projekten ohne erkennbare Skalierung zu jenen Strukturen verschoben werden könnten, die nachweislich funktionieren.

Fazit: Deutschlands Stärke muss aus Vernetzung entstehen

Der Bundesländervergleich zeigt kein einzelnes Best-Practice-Modell für KI-Politik.

Das muss kein Nachteil sein.

Bayern kann Forschung und Compute skalieren. Baden-Württemberg kann industrielle KI, Robotik und Verwaltungsinfrastruktur verbinden. Hessen verfügt über besondere Kompetenzen bei vertrauenswürdiger KI und Testing. Hamburg und Schleswig-Holstein erproben föderal relevante Verwaltungsanwendungen. Sachsen verbindet industrielle Schwerpunkte mit niedrigschwelliger Beratung. Nordrhein-Westfalen bringt Forschungs-, Rechen- und Transferstrukturen mit.

Die Aufgabe des Bundes besteht nicht darin, daraus sechzehn identische KI-Landschaften zu machen.

Sie besteht darin, dafür zu sorgen, dass regionale Stärke überregional wirken kann.

Dass Compute aus Jülich nicht nur geografisch verfügbar, sondern für Unternehmen tatsächlich zugänglich ist. Dass ein funktionierendes Verwaltungsmodul nicht in jedem Land neu entwickelt werden muss. Dass Testing-Kompetenz aus Hessen oder regulatorische Beratung aus Sachsen Bestandteil eines größeren deutschen Ökosystems werden kann.

Dass aus Projekten Infrastruktur wird.

Dafür braucht Deutschland auch eine präzisere Vorstellung technologischer Souveränität.

Vollständige Autarkie wäre weder realistisch noch ökonomisch sinnvoll. Die EU selbst verbindet wirtschaftliche Sicherheit mit Offenheit und internationalen Partnerschaften – allerdings unter der Bedingung, kritische Abhängigkeiten zu kennen und Risiken zu begrenzen.

Deshalb sollte die Leitfrage nicht lauten, ob jede Technologie aus Deutschland oder Europa stammen muss.

Sie sollte lauten:

Welche Fähigkeiten müssen wir selbst beherrschen, welche Abhängigkeiten können wir verantworten – und welche Systeme müssen so offen und interoperabel sein, dass wir Alternativen verbinden oder im Ernstfall wechseln können?

Bei sicherheitsrelevanten Technologien, kritischer Infrastruktur und zentralen Lieferketten muss die Antwort strenger ausfallen als bei gewöhnlichen kommerziellen Anwendungen. Die europäische Wirtschaftssicherheitsstrategie trägt diesem Unterschied bereits Rechnung, indem sie KI, fortgeschrittene Halbleiter und weitere Dual-Use-nahe Technologien gesondert auf technologische und sicherheitspolitische Risiken betrachtet.

Der strategische Gegenentwurf zu Abhängigkeit ist damit nicht Abschottung.

Es ist Handlungsfähigkeit.

Handlungsfähigkeit durch eigene Kernkompetenzen. Durch kontrollierbare und resiliente Infrastruktur. Durch offene Schnittstellen, wo Zusammenarbeit sinnvoll ist. Durch europäische Arbeitsteilung, wo sie Stärke erzeugt. Und durch gezielten Schutz dort, wo ein Verlust technologischer Kontrolle wirtschaftliche oder sicherheitspolitische Verwundbarkeit erzeugen würde.

Deutschland wird die amerikanische oder chinesische KI-Entwicklung nicht einfach kopieren.

Es muss daraus aber auch keine defensive Strategie ableiten.

Gerade seine industrielle Basis, seine Forschungseinrichtungen, der europäische Binnenmarkt und selbst sein Föderalismus können zu einem anderen Modell beitragen: nicht sechzehn oder siebenundzwanzig voneinander getrennte KI-Ökosysteme, sondern ein interoperables Netzwerk spezialisierter Fähigkeiten.

Ob daraus tatsächlich eine europäische Stärke entsteht, wird weniger davon abhängen, wie viele neue KI-Programme angekündigt werden.

Entscheidend wird sein, wie gut die bereits vorhandenen Fähigkeiten miteinander funktionieren.