Auftrag: USA vs. China: Wachstumsmodelle für Deutschlands Intelligenz

Das Wort „Wachstumsmodell" klingt nach Makroökonomie-Lehrbuch. Hinter den zwei Modellen, die USA und China für künstliche Intelligenz entwickelt haben, stecken aber konkrete institutionelle Entscheidungen: Wer trägt das Investitionsrisiko? Wer setzt die Qualitätsstandards? Wer bekommt Zugang zu staatlich gesammelten Daten? Diese Fragen lassen sich empirisch beschreiben – und ihre Antworten haben Konsequenzen für jeden, der überlegt, Elemente dieser Modelle zu übernehmen.

Das US-Modell: Markt mit selektiver Staatsintervention

Der CHIPS and Science Act, den die Biden-Administration im August 2022 unterzeichnet hat, ist das bisher klarste Bekenntnis der USA zu aktiver Industriepolitik im Technologiebereich. Sein Gesamtrahmen von rund 280 Milliarden Dollar verteilt sich auf mehrere Säulen: 39 Milliarden Dollar Fertigungssubventionen, 13 Milliarden Dollar für Forschung und Ausbildung, eine Investitionssteuergutschrift von 25 Prozent auf Fertigungsausrüstung sowie eine Ermächtigung für National Science Foundation, Handelsministerium und NIST zu Forschungsinvestitionen von insgesamt 102 Milliarden Dollar über fünf Jahre.

Das Modell ist hybrid, nicht rein marktliberal. Der Staat setzt den Rahmen und trägt einen Teil des Investitionsrisikos; die Kapitalallokation innerhalb dieses Rahmens übernehmen private Akteure. Intel, TSMC und Samsung bauen neue Fabs in Ohio, Arizona und Texas – nicht weil die Regierung es anordnet, sondern weil die Subventionen die Risikorechnung kippen.

Hinter dieser Architektur steht ein strategisches Ziel, das sich in einer einzigen Zahl ausdrückt: Der US-Anteil an der globalen Halbleiterproduktion ist von rund 40 Prozent im Jahr 1990 auf 12 Prozent im Jahr 2022 gesunken. Das ist kein Marktversagen in dem Sinne, dass einzelne Unternehmen falsch kalkuliert hätten. Es ist das Ergebnis von Jahrzehnten, in denen Fertigungsinvestitionen nach Ostasien wanderten, weil Lohnkosten, Subventionen und Clustereffekte dort günstiger waren. Der CHIPS Act versucht, diese Gleichgewichtsstörung durch Gegenkräfte zu korrigieren.

Für KI spezifisch ist die Steuergutschrift von besonderer Bedeutung: Sie gilt für Fertigungsausrüstung – also für die Maschinen, die Chips produzieren, nicht nur für die Chips selbst. Das trifft den Schwachpunkt des US-Modells genau: Die USA haben weiterhin die weltbeste KI-Forschung und die dominierenden Softwareplattformen, aber die physische Produktionskapazität für die Hochleistungschips, die Sprachmodelle trainieren und inferieren, liegt mehrheitlich in Taiwan, Südkorea und den Niederlanden (ASML als Monopolist bei EUV-Lithografieanlagen).

Das chinesische Modell: Planung mit Marktpreisen

China hat seit 2015 eine andere institutionelle Architektur aufgebaut. Der New Generation Artificial Intelligence Development Plan von 2017 ist nicht in erster Linie ein Förderprogramm, sondern ein Steuerungsinstrument: Er setzt Ziele für 2020, 2025 und 2030 – Weltklasse in KI-Theorie bis 2025, globale Führung bis 2030, KI-Industrie im Wert von 1 Billion Renminbi – und verknüpft diese Ziele mit nationalen Fünfjahresplänen.

Das eigentliche Finanzierungsinstrument sind die staatlichen Guidance Funds. Bis 2023 hat China über 2.100 solcher Fonds eingerichtet, mit einem Zielvolumen von 1,86 Billionen Dollar. Eingeworben wurden bis dahin rund 940 Milliarden Dollar, investiert wurden bis 2023 etwa 184 Milliarden Dollar direkt in KI-Unternehmen. Die Governance-Logik dieser Fonds unterscheidet sich grundlegend vom US-Modell: Der Staat ist Kapitalgeber oder Garantiegeber, das operative Management liegt bei halbstaatlichen oder privaten Managementgesellschaften, die Investitionsentscheidungen nutzen Marktpreise als Signal – aber der Staat definiert die Sektoren, in die investiert werden soll.

Das erzeugt eine eigentümliche Mischform: keine Planwirtschaft im Sinne administrierter Preise, aber auch kein freier Kapitalmarkt. Unternehmen wie Baidu, Alibaba und Huawei operieren in einem Umfeld, in dem staatliche Datenzugänge, staatliche Beschaffungsaufträge und staatliche Forschungsinfrastruktur als Komplementärinputs verfügbar sind – unter der Bedingung politischer Konformität.

Die Patentstatistik zeigt das Ergebnis dieses Modells in seiner ambivalentesten Form. China meldet 2023 rund 70 Prozent aller KI-Patente weltweit an, gegenüber 20 Prozent im Jahr 2013. Im Bereich generativer KI entfallen auf China zwischen 2014 und 2023 etwa 38.000 der weltweit 54.000 Anmeldungen. Die USA folgen mit 6.300. Die Zahl klingt nach einem klaren Sieg – bis man das Gegengewicht liest: Chinesische KI-Forscher zitieren US-amerikanische Arbeiten erheblich häufiger als umgekehrt, was auf eine fortbestehende asymmetrische Wissensabhängigkeit hindeutet. Viele chinesische Patente kodieren Anwendungen und Variationen; die Grundlagenforschung, auf der sie aufbauen, stammt mehrheitlich aus US-amerikanischen und europäischen Universitäten.

Privatwirtschaftliche KI-Investitionen 2024 belegen das Gefälle zwischen den Modellen aus anderer Perspektive: Die USA mobilisierten 109 Milliarden Dollar, China 9 Milliarden Dollar, Europa 19 Milliarden Dollar. Das US-Modell generiert also mehr privates Kapital – was die staatliche Subventionsarchitektur des CHIPS Act ergänzt, nicht ersetzt.

Der gemeinsame Engpass: Strom

Beide Modelle stoßen an dieselbe physikalische Grenze. Rechenzentren verbrauchten 2025 weltweit schätzungsweise 470 TWh Strom; bis 2030 wird eine Verdoppelung auf rund 945 TWh projiziert. KI-optimierte Server werden dann laut Prognosen 44 Prozent des gesamten Rechenzentrumsstromverbrauchs ausmachen.

Die USA tragen bereits 45 Prozent des globalen Rechenzentrumsstromverbrauchs – bei einer Reservemarge im Netz von teils unter 20 Prozent. Bis 2030 könnten KI-Infrastrukturen allein 12 bis 20 Prozent des gesamten US-Stromverbrauchs absorbieren. New York hat reagiert und einen zwölfmonatigen Baustopp für neue KI-Rechenzentren verhängt; Bernie Sanders und Alexandria Ocasio-Cortez haben Bundesgesetzgebung beantragt.

China hält strukturell das Gegenteil: bis zu 100 Prozent Überkapazitäten im Stromnetz, erhebliche installierte Kapazität an erneuerbaren Energien und niedrige Industriestrompreise. Das ist kein zufälliger Vorteil. Es ist das Ergebnis staatlicher Planung, die Infrastrukturkapazität der erwarteten Nachfrage vorausgebaut hat – mit den bekannten Effizienzkosten überschüssiger Kapazität, die nun zum strategischen Asset werden.

Für die ökologische Achse ist das Bild in beiden Ländern unvollständig. China hat angekündigt, die Energieintensität bis 2025 um 13,5 Prozent zu senken und die CO₂-Intensität um 18 Prozent; verbindliche spezifische Emissionsstandards für Rechenzentren sind aus dem Briefing nicht belegbar. Die USA unter Trump setzen auf Deregulierung und verweisen auf private Investitionen in erneuerbare Energien durch die Hyperscaler. Beide Modelle externalisieren einen Teil der ökologischen Kosten – der Unterschied liegt in der institutionellen Sichtbarkeit.

Was Deutschland daraus ablesen kann

Die Frage des Chefredakteurs lautet: Wie bekommen wir Intelligenz und Wachstum ins Land? Das ist keine Frage, die sich durch eine Wahl zwischen den zwei Modellen beantworten lässt – beide passen institutionell nicht vollständig in den deutschen Kontext.

Das US-Modell setzt auf tiefe Kapitalmärkte, eine etablierte Risikokapitalkultur und eine Grundlagenforschungsinfrastruktur, die in dieser Dichte in Deutschland nicht existiert. Die 25-Prozent-Investitionssteuergutschrift auf Fertigungsausrüstung wäre unmittelbar übertragbar – sie ist neutral gegenüber dem Träger der Investition, technologieoffen und administrierbar. Deutschland hat keine vergleichbare Steuergutschrift für Fertigungsinvestitionen.

Das chinesische Modell setzt auf staatlich kontrollierten Datenzugang als Komplementärinput für KI-Training: Staatlich gesammelte Gesundheits-, Mobilitäts- und Industriedaten fließen chinesischen KI-Unternehmen als Trainingsgrundlage zu. Dieser Mechanismus ist in Deutschland weder rechtlich noch politisch übertragbar – DSGVO und Grundgesetz setzen enge Grenzen, und das ist demokratiepolitisch kein Fehler, sondern ein Wert. Was übertragbar wäre: die koordinierte Bereitstellung von öffentlichen Datenpools für nicht-personenbezogene Forschungsdaten unter klaren Nutzungsbedingungen.

Der gemeinsame Engpass – Strom – trifft Deutschland erheblich schärfer als die USA. Deutsche Industriestrompreise lagen 2024 nach Bundesnetzagentur-Daten bei rund 18 Cent pro Kilowattstunde für Großverbraucher, verglichen mit unter 7 Cent in Teilen der USA und strukturell noch niedrigeren Preisen in China. Rechenzentren mit hohem KI-Workload sind extrem preiselastisch; kein Steuermodell und keine Subvention gleicht diesen Unterschied vollständig aus, solange der Strompreis so weit auseinanderklafft.

Ob der EU AI Act, dessen Hochrisiko-Anforderungen ab August 2026 vollständig gelten, die Ansiedlung von KI-Entwicklung in Europa bremst oder – durch einheitliche Standards – erleichtert, lässt sich an den Investitionszahlen der kommenden zwölf Monate ablesen. 19 Milliarden Dollar privater KI-Investitionen in Europa im Jahr 2024 verglichen mit 109 Milliarden Dollar in den USA sind der Maßstab, an dem jede regulatorische Weichenstellung gemessen werden sollte.