Können chinesische KI-Modelle zunehmend den globalen KI-Markt verändern?

Während sie in den USA bereits eingesetzt werden, bleiben sie in Europa weitgehend außen vor. Laut einem Artikel der BBC setzen immer mehr US-Unternehmen auf chinesische KI-Anwendungen, die als effizient, kostengünstig und öffentlich zugänglich gelten. Besonders attraktiv ist ihr Open-Source-Ansatz: Die Modelle lassen sich frei anpassen und für unternehmensinterne Anwendungen weitertrainieren. Solche individuell trainierten Lösungen können laut Unternehmensangaben sogar bis zu 30 % präziser arbeiten als Standardmodelle.

In Europa hingegen sind chinesische KI-Anwendungen bislang kaum verbreitet. In Deutschland wurde die App DeepSeek im Juni 2025 aus den App-Stores entfernt, nachdem mehrere Landesbehörden ein Prüfverfahren eingeleitet hatten. Kritisiert wurden insbesondere die Speicherung und Übermittlung personenbezogener Daten an Server in China, für die DeepSeek keine ausreichenden Nachweise zur Datenschutzkonformität vorlegen konnte. Zusätzlich erschweren die seit August 2024 geltenden EU-Regulierungen den Einsatz solcher Modelle erheblich.

Diese regulatorischen Unterschiede können zu einer Fragmentierung des globalen KI-Marktes führen. Asiatische und amerikanische Entwicklerinnen und Entwickler werden mit den neuen Modellen arbeiten können, auf die deutsche Unternehmen und Verbrauchende keinen Zugriff haben. Der daraus entstehende Druck eröffnet zugleich die Chance, europäische KI-Alternativen sowie entsprechende Infrastrukturen innerhalb Europas gezielt auszubauen.

Was bedeutet das für den KI-Einsatz in der professionellen Recherche?
Ein verantwortungsvoller Umgang mit Daten, insbesondere mit sensiblen oder personenbezogenen Informationen, ist hier zentral. Klare Standards und verbindliche Regeln im KI-Einsatz sind deshalb unerlässlich. Zugleich birgt die zunehmende Marktfragmentierung Risiken: Unterschiedliche KI-Systeme basieren auf verschiedenen Annahmen zur Informationsgewinnung und -gewichtung. Für die Recherchepraxis wird es daher immer wichtiger, nicht nur die Ergebnisse einer KI zu bewerten, sondern auch deren Herkunft, Trainingsgrundlagen und regulatorischen Rahmenbedingungen kritisch mitzudenken.

Von Ida Kandler