KI-Souveränität in Deutschland: Zwischen eigener Technik und kontrollierter Abhängigkeit

Datenkontrolle und Vertrauen sind praktische Geschäftsfragen

Die Bundesregierung stellte in ihrer Strategie von 2018 den Zugang zu Daten unter den Vorbehalt von Datensouveränität und Datensicherheit. Sie kündigte zudem an, Anreize für freiwilliges und datenschutzkonformes Teilen von Daten zu verbessern und eine vertrauenswürdige Daten- und Analyseinfrastruktur einschließlich einer Cloud-Plattform voranzutreiben. Das sind damalige politische Ziele; die Quelle belegt nicht, in welchem Umfang sie umgesetzt wurden oder welchen heutigen Stand diese Infrastruktur hat. [4]

Die Leopoldina konkretisiert, warum Datenkontrolle im Betrieb relevant ist: Bei sensiblen KI-Anwendungen seien Datenschutzvorkehrungen und Technologien zum Schutz der Privatsphäre wichtig. Nutzerinnen und Nutzer benötigten verständliche Informationen darüber, wie und wie lange ihre Daten genutzt, erneut verwendet und gespeichert würden. Die Akademie weist außerdem auf mögliche Verzerrungen hin, wenn Systeme aus menschlich geprägten Daten lernen und diese Ungleichheiten in Ergebnissen reproduzieren. [2]

Für Unternehmen folgt daraus als Analyse, dass die Prüfung eines KI-Angebots mehr umfassen sollte als Funktion und Lizenzkosten. Zu klären ist beispielsweise, welche Daten in den Dienst gelangen, wie deren Verarbeitung geregelt ist und wer Ergebnisse kontrolliert. Diese Fragen sind besonders relevant, wenn personenbezogene Informationen, Personalentscheidungen oder andere sensible Vorgänge betroffen sind. Die Quellen liefern keine pauschale Bewertung einzelner Anbieter; sie beschreiben vielmehr Risiken, die je nach Einsatz geprüft werden müssen. [2][3]

Eigene Fähigkeiten brauchen Forschung, Infrastruktur und Transfer

Die deutsche KI-Strategie von 2018 zielte darauf, Forschung und Anwendung enger zu verbinden. Sie sah unter anderem ein nationales Netzwerk von mindestens zwölf Forschungszentren und Anwendungshubs, mindestens 100 zusätzliche Professuren sowie eine stärkere Unterstützung kleiner und mittlerer Unternehmen vor. Außerdem sollte der Transfer von Forschungsergebnissen in wirtschaftliche Anwendungen beschleunigt werden. Diese Angaben beschreiben geplante Maßnahmen und Zielmarken, nicht deren spätere Erfüllung. [4]

Für den Mittelstand ist der Transfer besonders wichtig, weil nicht jedes Unternehmen eigene Grundlagenmodelle entwickeln muss, um KI produktiv einzusetzen. Die Strategie der Bundesregierung zielte ausdrücklich darauf, mittelständische Unternehmen bei Anwendung und Erprobung zu unterstützen. Das Europäische Parlament nennt mögliche Anwendungsfelder wie Maschinenbau, Landwirtschaft und Gesundheit und verweist auf Effekte wie effizientere Wartung oder verbesserte Produktionsqualität. Solche Potenziale sind keine Garantie für Ergebnisse in einem konkreten Betrieb; sie hängen von passenden Daten, geeigneten Prozessen und einer tragfähigen Einführung ab. [3][4]

Die damalige Strategie stellte für 2019 und die Folgejahre zunächst 500 Millionen Euro bereit und kündigte bis einschließlich 2025 insgesamt etwa drei Milliarden Euro an. Sie erwartete, dass dieses Engagement weitere Mittel aus Wirtschaft, Wissenschaft und Ländern mobilisieren würde. Aus der Strategie allein lässt sich weder ableiten, wie viel tatsächlich ausgegeben wurde, noch, wie hoch die Kosten eines heutigen nationalen KI-Ökosystems wären. Die Kostenfrage, die WISO aufwirft, bleibt mit den verfügbaren Angaben deshalb offen. [1][4]

Abhängigkeit umfasst auch Energie und Rechenleistung

Leistungsfähige KI benötigt nicht nur Algorithmen und Daten, sondern auch Rechenkapazität. Die Leopoldina beschreibt insbesondere das Training großer, auf Deep Learning beruhender Modelle als ressourcenintensiv: Dafür seien hohe Rechenleistungen und Energie nötig; bei Rechenzentren komme Wasser für die Kühlung hinzu. Die Akademie sieht effizientere Rechenverfahren und den Einsatz erneuerbarer Energien als mögliche Ansatzpunkte, um Belastungen zu begrenzen. [2]

Daraus ergibt sich eine weitere Dimension digitaler Souveränität: Wer KI betreibt oder einkauft, ist auch auf verfügbare und geeignete Recheninfrastruktur angewiesen. Das ist eine Analyse, keine Bestandsaufnahme deutscher Kapazitäten; die vorliegenden Quellen enthalten keinen belastbaren Vergleich zwischen dem Bedarf deutscher Unternehmen und dem hiesigen Angebot. Sie zeigen aber, dass der Aufbau eigener KI nicht allein eine Softwarefrage ist. [2][4]

Die Wahl zwischen lokalem Betrieb, europäischer Infrastruktur und externen Diensten lässt sich auf Basis des Materials nicht pauschal entscheiden. Entscheidend ist, den jeweiligen Anwendungsfall, die Sensibilität der Daten und den benötigten Umfang an Rechenleistung zu berücksichtigen. Eine belastbare Kostenentscheidung müsste diese Faktoren mit tatsächlichen Preisen und Betriebsdaten verbinden; solche Angaben liegen in den Quellen nicht vor. [1][2]

Regeln setzen Leitplanken, ersetzen aber keine Prüfung

Für Unternehmen gilt neben Datenschutzrecht auch die europäische Regulierung von KI. Die Leopoldina beschreibt den AI Act als risikobasierten Rahmen, der für bestimmte Hochrisiko-Anwendungen unter anderem Risikoanalysen, Transparenz, menschliche Kontrolle und fortlaufende Überwachung vorsieht. Das Europäische Parlament nennt mögliche Gefahren wie verzerrte Entscheidungen bei Bewerbungen oder Kreditvergaben sowie Risiken für Privatsphäre und Demokratie. [2][3]

Bei der zeitlichen Einordnung gibt es in den bereitgestellten institutionellen Texten eine Abweichung: Die Leopoldina nennt eine Verabschiedung im Dezember 2023, während das Europäische Parlament Juni 2024 angibt. Die Quellen stimmen darin überein, dass es sich um einen verbindlichen europäischen Rechtsrahmen handelt; der genaue Verabschiedungszeitpunkt lässt sich anhand dieses Materials jedoch nicht widerspruchsfrei darstellen. [2][3]

Regulierung schafft keine automatische technische Unabhängigkeit und garantiert nicht, dass ein KI-Ergebnis korrekt oder frei von Verzerrungen ist. Die Leopoldina weist ausdrücklich darauf hin, dass generierte Informationen unvollständig oder unzuverlässig sein können und dass KI erlernte Vorurteile reproduzieren kann. Für Unternehmen bedeutet das: Rechtliche Einordnung, Qualitätskontrolle und menschliche Verantwortung müssen zusammen gedacht werden. [2]

Was sich ändern muss: Wahlmöglichkeiten statt Autarkieversprechen

Aus den Quellen lässt sich ein mehrstufiger Handlungsbedarf ableiten. Erstens braucht es Forschung und Fachkräfte, zweitens leistungsfähige und vertrauenswürdige Daten- und Recheninfrastruktur, drittens bessere Wege, Forschung in Anwendungen für Unternehmen zu übertragen. Hinzu kommen Qualifizierung und eine nachvollziehbare Einbindung von Beschäftigten. Diese Felder finden sich sowohl in den Zielen der Bundesregierung als auch in den Empfehlungen der Leopoldina zum verantwortlichen Einsatz und zur Weiterbildung. [2][4]

Für Unternehmen heißt das nicht, jede KI selbst zu entwickeln. Als Analyse ist wichtiger, kritische Abhängigkeiten sichtbar zu machen: Welche Prozesse hängen an einem einzelnen Dienst? Welche Daten werden verarbeitet? Wer überprüft Ergebnisse? Und gibt es eine Alternative, wenn ein Angebot nicht mehr verfügbar ist oder seine Bedingungen ändert? Die Fragen ergeben sich aus den von den Quellen beschriebenen Risiken bei Datenkontrolle, Transparenz und betrieblicher Nutzung; sie ersetzen keine individuelle Anbieter- oder Rechtsprüfung. [2][4][6]

Deutschlands Unabhängigkeit lässt sich mit den verfügbaren Angaben nicht in einem Prozentwert ausdrücken. Belegt ist, dass Politik und Wissenschaft zentrale Voraussetzungen benennen und KI-Anwendungen bereits in Alltag und Wirtschaft eingesetzt werden. Nicht belegt sind eine vollständige Autonomie, der tatsächliche Umsetzungsstand früherer Regierungsziele oder die Gesamtkosten eines eigenständigen KI-Ökosystems. Eine realistische Souveränitätsstrategie muss deshalb an messbaren Fähigkeiten, überprüfbaren Datenregeln und echten Ausweichmöglichkeiten ansetzen – nicht an einem unbelegten Versprechen, sämtliche Abhängigkeiten kurzfristig zu beseitigen. [1][2][4][6]

Quellen

1. [1] Eigene KI statt Abhängigkeit von Tech-Konzernen — https://www.zdf.de/video/magazine/wiso-104/ki-deutschland-digital-autonom-100 (abgerufen am 2026-11-02)
2. [2] Leopoldina: Künstliche Intelligenz und Gesellschaft — https://www.leopoldina.org/themen/kuenstliche-intelligenz/kuenstliche-intelligenz-und-gesellschaft (abgerufen am 2026-11-02)
3. [3] Künstliche Intelligenz: Chancen und Risiken | Themen | Europäisches Parlament — https://www.europarl.europa.eu/topics/de/article/20200918STO87404/kunstliche-intelligenz-chancen-und-risiken (abgerufen am 2026-11-02)
4. [4] KI-Strategie Bundesregierung — https://www.bundesregierung.de/resource/blob/997532/1550276/3f7d3c41c6e05695741273e78b8039f2/2018-11-15-ki-strategie-data.pdf (abgerufen am 2026-11-02)
5. [6] Wie KI Entwicklung und Alltag verändert - kreativ auf Knopfdruck? | tagesschau.de — https://www.tagesschau.de/wirtschaft/technologie/ki-veraenderung-wirtschaft-alltag-100.html (abgerufen am 2026-11-02)