Warum Deutschland bei KI nicht vorankommt — sechs Gründe

Am 24. April 2026 stand der deutsche Digitalminister in Berlin am Pult und verkündete den Verkauf des wichtigsten deutschen KI-Unternehmens nach Kanada. Er nannte es ein starkes Signal für den Standort.

An Bemühungen hat es nicht gefehlt. Es gibt einen KI-Aktionsplan, ein eigenes Digitalministerium, eine nationale Initiative namens »Mission KI«, den ersten Exascale-Rechner Europas und das weltweit erste KI-Gesetz. Deutschland hat mehr Strategiepapiere zu künstlicher Intelligenz produziert als eigene Sprachmodelle. Woran liegt das? Sechs Gründe, die sich gegenseitig verstärken.

Erstens, die Finanzierung liegt um drei Nullen daneben

Die »Mission KI« ist das nationale Leitprojekt für vertrauenswürdige KI aus Deutschland. Sie ist mit 32,5 Millionen Euro ausgestattet. Meta hat für 2026 Investitionen in KI-Infrastruktur von 125 bis 145 Milliarden Dollar angekündigt, fast das Doppelte des Vorjahres. Zusammen mit Microsoft, Alphabet und Amazon liegen die geplanten Ausgaben der vier großen US-Konzerne bei rund 725 Milliarden Dollar. In einem Jahr.

Das sind knapp zwei Milliarden am Tag. Der deutsche Etat für das nationale Leitprojekt entspricht damit ungefähr dem, was diese vier Konzerne in gut zwanzig Minuten ausgeben.

Der Vergleich hinkt, weil hier staatliche Projektförderung gegen Konzerninvestitionen steht. Die Größenordnung stimmt trotzdem, und um die geht es. Wer in einer Disziplin mitspielen will, in der Rechenzeit die zentrale Währung ist, kommt mit solchen Beträgen nicht weit. Ein großes Sprachmodell zu trainieren kostet dreistellige Millionen, bevor der erste Kunde davon etwas hat. Wer dieses Geld nicht hat, trainiert kein Modell.

Bezeichnend ist das Verhältnis im eigenen Land. Die Schwarz-Gruppe, also der Konzern hinter Lidl und Kaufland, steckt elf Milliarden Euro in ein Rechenzentrum in Lübbenau. Ein Discounter investiert das Dreihundertfache des Bundes.

Zweitens, der nationale Champion war zu einem guten Teil Fördergeld

Aleph Alpha aus Heidelberg galt als deutsche Antwort auf OpenAI. Im November 2023 meldete das Unternehmen eine Finanzierungsrunde von über einer halben Milliarde Euro. Die Schlagzeilen waren entsprechend.

Recherchen der Fachpresse zeigten später ein anderes Bild. Nur rund 110 Millionen davon waren echtes Eigenkapital. Der größere Teil bestand aus Forschungsförderung und Auftragszusagen. Der Umsatz lag 2023 unter einer Million Euro, der Verlust bei knapp 19 Millionen.

Gegen Forschungsförderung ist nichts einzuwenden, sie ist für Grundlagenarbeit da. Das Problem entsteht, wenn sie als privates Investorenvertrauen erscheint. Dann fällt das Korrektiv weg. Andere Investoren steigen ein, weil andere eingestiegen sind. Die Politik verweist auf den Markt, der Markt auf die Förderung. Gemessen wurde am Ende nicht der Umsatz, sondern die Aufmerksamkeit.

Ein nationaler Champion ist ein Unternehmen, das ein Staat gezielt aufbaut oder schützt, damit es eine strategisch wichtige Branche im eigenen Land vertritt. Das Modell stammt aus der französischen Industriepolitik der Nachkriegszeit. Es funktioniert dort, wo Kapitalbedarf und Zeithorizont planbar sind, und schlecht dort, wo sich Technologie schneller ändert als Haushaltsjahre.

Drittens, die Regulierung kam vor dem Vollzug

Europa hat mit dem EU AI Act das weltweit erste umfassende KI-Gesetz beschlossen. Der Anspruch dahinter lautete, mit Regulierung zu führen, wo man technologisch nicht führt.

Anfang Mai 2026 mussten Rat und Parlament zentrale Fristen verschieben. Die Pflichten für eigenständige Hochrisiko-Systeme rutschen um sechzehn Monate auf Dezember 2027, produkteingebettete KI sogar auf August 2028. Der Grund ist unangenehm konkret. Die technischen Normen, an denen Unternehmen ihre Compliance ausrichten sollten, existierten nicht. Und erst acht von 27 Mitgliedstaaten hatten überhaupt eine zuständige Aufsichtsstelle benannt.

Man hatte ein Gesetz beschlossen, aber weder Maßband noch Prüfer. Der Schaden liegt weniger in den Regeln selbst als in der Unsicherheit. Ein Start-up, das nicht weiß, was in achtzehn Monaten gilt, plant konservativ oder gar nicht. Große Anbieter haben Rechtsabteilungen, die das aussitzen. Kleine haben das nicht.

Viertens, der Staat sitzt auf allen Seiten des Tisches

In Deutschland ist der Staat in fast allen Feldern, in denen KI eingesetzt werden soll, selbst der größte Kunde. Verwaltung, Bildung, Gesundheit, Verteidigung, Sozialversicherung. Eine Beschaffungsentscheidung der Bundeswehr wiegt dort schwerer als hundert Start-up-Pitches.

Damit entsteht eine Konstellation, die sich selbst kontrolliert. Derselbe Akteur schreibt die Regeln, verteilt die Förderung, kauft das Produkt und bewertet am Ende das Ergebnis. Mit Planwirtschaft hat das nichts zu tun, dazu fehlt der Zugriff auf die Produktion. Der Effekt ist subtiler. Es entsteht ein Markt, in dem Nähe zum Ministerium wichtiger werden kann als das bessere Produkt.

Der April 2026 hat gezeigt, wohin das führt. Die Übernahme von Aleph Alpha durch den kanadischen Anbieter Cohere wurde nicht von den Firmenchefs verkündet, sondern vom Digitalministerium, das sich Berichten zufolge für den Zusammenschluss eingesetzt hatte. Die bisherigen Cohere-Eigner halten rund 90 Prozent, das fusionierte Unternehmen heißt Cohere. Der Minister sprach von einem »deutsch-kanadischen KI-Modell«. Die Computerwoche fragte, ob hier der Ausverkauf der europäischen KI beginne.

Beides lässt sich vertreten. Ohne den Zusammenschluss wäre Aleph Alpha womöglich gar nicht weitergelaufen. Nur bewertet hier eine Stelle ihr eigenes Ergebnis, und das faktisch ohne Gegeninstanz.

Fünftens, die Hardware kommt trotzdem aus Amerika

Am Forschungszentrum Jülich steht seit September 2025 JUPITER, der erste Exascale-Supercomputer Europas. Platz vier weltweit, unter den ersten fünf das energieeffizienteste System, rund 500 Millionen Euro für Beschaffung und Betrieb. Das ist ein echter Erfolg und einer der wenigen ohne Einschränkung.

Fast ohne. Die Grace-Prozessoren und Hopper-Beschleuniger stammen von Nvidia. Die drei schnelleren Systeme der Welt stehen in den USA, und von dort kommen auch die Chipdesigns für den europäischen Rechner. Europäische Alternativen wie der Rhea1-Prozessor lassen bis 2027 auf sich warten.

Souverän ist hier der Standort, nicht die Lieferkette. Wer die Rechenleistung im eigenen Land stehen hat, sie aber nicht selbst bauen kann, hat die Abhängigkeit verlagert und nicht aufgelöst.

Sechstens, man hat sich den Zugang besorgt statt den Anschluss

Während öffentlich über Souveränität geredet wurde, lief parallel etwas anderes. Zwischen Juni und Oktober 2025 traf sich OpenAI-Chef Sam Altman fünfmal mit Vertretern der Bundesregierung, mit Digitalminister Wildberger, mit Kanzler Merz, mit Finanzminister Klingbeil. Häufiger als jeder andere außereuropäische Tech-Chef. Mit dem Nvidia-Chef gab es zwei Termine, mit Apple einen, sonst keine.

Bekannt wurde das erst im Mai 2026, durch die Antwort des Digitalministeriums auf eine Kleine Anfrage der Grünen. Zu den Inhalten schwiegen Kanzleramt und Ministerium. In der Antwort stehen Formulierungen wie »allgemeiner Austausch«.

Ein Datum sticht heraus. Am 24. September 2025 traf Altman den Kanzler. Am selben Tag verkündeten OpenAI und SAP die Kooperation »OpenAI for Germany«, gedacht für den Einsatz in der deutschen Verwaltung. Wildberger begrüßte sie noch am selben Tag als gutes Signal. Was in den Gesprächen besprochen wurde, ist nicht bekannt, und ein Zusammenhang lässt sich daraus nicht beweisen. Die Chronologie steht trotzdem im Raum.

Interessant ist die Rollenverteilung. SAP baut kein Modell, SAP verkauft den Zugang zu einem fremden. Damit sitzt der Konzern als Gatekeeper zwischen OpenAI und der deutschen Verwaltung, mit einem deutschen Namen als Fassade. Wirtschaftlich geht es SAP dabei glänzend, nur hängt das an der ERP-Migration in die Cloud und nicht an der Verwaltungskooperation. Gemessen an rund 37 Milliarden Jahresumsatz ist »OpenAI for Germany« eine Randnotiz. Was der Deal einbringt, ist keine Umsatzzeile, sondern eine Position.

Genau das ist die deutsche Rolle in diesem Markt geworden. Man verkauft den Zugang zu fremder Technologie an den eigenen Staat. Risikoarm, profitabel, dauerhaft abhängig.

Es hätte auch anders gehen können. 2023 suchten die großen KI-Labore dringend Kapital. SoftBank stieg bei OpenAI ein und hält heute einen Anteil an einem der wertvollsten Unternehmen der Welt. Die Schwarz-Gruppe entschied sich im selben Zeitraum für Aleph Alpha und musste die Beteiligung zweieinhalb Jahre später nach Kanada abgeben. Für die elf Milliarden, die jetzt in einem Rechenzentrum verbaut werden, wäre 2023 ein relevanter Anteil an einem Frontier-Labor zu haben gewesen. Das ist kein Pech. Das ist eine Entscheidung darüber, wo im Stapel man sitzen will.

Was tatsächlich funktioniert

Ein Gegenbeispiel gibt es, und es kommt aus Baden-Württemberg. Das Verwaltungsprojekt F13 wurde ursprünglich mit Aleph Alpha entwickelt. 2024 entkoppelte das Land die Weiterentwicklung und stellte sie als Open Source bereit. Das System ist modell-agnostisch, das zugrundeliegende Sprachmodell lässt sich austauschen.

Zwei Jahre später zahlt sich das aus. Wäre F13 fest an Aleph Alpha gebunden geblieben, wäre mit der Übernahme ein Landesprojekt zur Verhandlungsmasse geworden. Stattdessen läuft es weiter, inzwischen auch in Schulen und bei der Polizei.

Daraus lässt sich etwas lernen, das der gesamten Strategie widerspricht. Souveränität entsteht nicht dadurch, dass man einen nationalen Anbieter aufbaut. Sie entsteht dadurch, dass man auf keinen angewiesen ist. Ein Staat, der Austauschbarkeit zur Bedingung macht, braucht keinen Champion. Ein Staat, der einen Champion braucht, hat bereits verloren.

Was daraus folgt

Deutschland wird kein eigenes Frontier-Modell bauen. Diese Entscheidung ist gefallen, auch wenn sie niemand so formuliert hat. Was bleibt, ist die Anwendungsebene. Systeme, die Fabriken steuern, Lieferketten optimieren, Verwaltungsakte bearbeiten. Dort liegen die Daten, auf die niemand sonst Zugriff hat, dort sitzt das Prozesswissen aus Jahrzehnten Industrie, und dort nützt ein besseres Sprachmodell wenig, wenn man die Branche nicht kennt.

Das wäre eine ehrliche Zielsetzung. Sie klingt nur schlechter in einer Regierungserklärung als das Wort Souveränität.

Ausführlicher zu Strategie, Akteuren und Infrastruktur steht das in KI in Deutschland. Wie sich der Wettbewerb von außen ansieht, zeigt der Blick auf chinesische KI-Modelle, die mit deutlich weniger Geld deutlich weiter gekommen sind. Und was die Regulierung für den Alltag bedeutet, steht im Artikel zum einmaligen EU AI Act.