Das Hauptlaboratorium

Am Dienstag vergangener Woche meldete die Agentur Bloomberg, OpenAI erwäge eine neue Finanzierungsrunde, bei der das Unternehmen mit mehr als 1,2 Billionen Dollar bewertet würde. Die New York Times nannte 1,5 Billionen. Die beiden Angaben liegen 300 Milliarden auseinander; das ist mehr, als die meisten Unternehmen im Dax wert sind. Im Mai hatte der Konkurrent Anthropic 65 Milliarden Dollar eingesammelt, bei einer Bewertung von 965 Milliarden. Ich habe die Zahlen neben den Bundeshaushalt dieses Jahres gelegt, gut 500 Milliarden Euro. Der Vergleich ist unzulässig, ich weiß es; ein Börsenwert ist kein Haushalt. Aber er gibt die Größenordnung. Ein Unternehmen, das vor fast elf Jahren gegründet wurde und nach allem, was bekannt ist, bis heute Verluste schreibt, gilt seinen Geldgebern als ungefähr doppelt so viel wert wie alles, was die Bundesrepublik in einem Jahr ausgibt.

Man kann darin eine Blase sehen, und vielleicht ist es eine. Die Zweifel der Anleger wachsen, die Finanzierung wird teurer, chinesische Modelle zeigen, dass sich Ähnliches mit weit weniger Rechenleistung erreichen lässt. Aber mich beschäftigt weniger die Frage, ob diese Bewertungen halten, als die, was dort eigentlich gekauft wird. Nicht ein Produkt im gewöhnlichen Sinne. Die Unternehmen erklären offen, dass sie eine allgemeine künstliche Intelligenz bauen wollen, eine Maschine, die forschen kann wie ein Mensch, nur schneller und ohne Pause. Meta hat für diesen Zweck eigens eine Abteilung gegründet, die das Wort Superintelligenz im Namen führt. Ob das Ziel erreicht wird, weiß niemand, und ich misstraue jedem, der es zu wissen vorgibt. Man muss aber nicht an die Ankunft glauben, um die Folgen der Reise zu bemerken.

Die Folge, um die es mir hier geht, ist unscheinbarer als die Schlagzeilen. In einigen wenigen Unternehmen entsteht ein privater Forschungsapparat, den man im Englischen einen research stack nennt: Rechenzentren, Modelle, eigene Datenbestände und darüber eine wachsende Zahl von Programmen, die selbständig suchen, lesen, rechnen und berichten. Eine Forschungsabteilung, die nicht schläft, nicht kündigt und nicht auf Kongressen plaudert. Nach dem jährlichen Bericht der Universität Stanford stammten 2025 mehr als 90 Prozent der bedeutenden KI-Modelle aus der Industrie, nicht aus der Wissenschaft. Ein Index, der misst, wie viel die Entwickler über ihre Modelle preisgeben, ist binnen kurzem von 58 auf 40 Punkte gefallen; die führenden Labore nennen weder Parameterzahlen noch Datenumfang noch Trainingscode. Die folgenreichste Forschung unserer Zeit wird also zu einem wachsenden Teil in Häusern betrieben, die ihre Ergebnisse nicht veröffentlichen. In dieser Form hat es das, soweit ich sehe, noch nicht gegeben.

Man könnte einwenden, private Forschung sei nichts Neues, und das Land, in dem ich schreibe, habe sie erfunden. Das ist richtig. 1889 beschloss die Leitung der Farbenfabriken Bayer, ein eigenes Hauptlaboratorium zu errichten; 1891 wurde es in Elberfeld eröffnet, mit Arbeitsplätzen für mehr als 50 Chemiker. Es setzte Maßstäbe für das, was man bald Industrieforschung nannte. Wer um 1900 Farbstoffe herstellen wollte und nichts Vergleichbares besaß, geriet ins Hintertreffen. Die deutsche Chemie beherrschte den Weltmarkt für Farbstoffe, und sie tat es mit einem Rohstoff, den andere für Abfall hielten: Steinkohlenteer.

Aber dieses Laboratorium stand in einer öffentlichen Ordnung. 1877, vierzehn Jahre nach der Gründung der Farbenfabrik in Barmen, war das Reichspatentgesetz in Kraft getreten. Es gewährte dem Erfinder ein Monopol auf Zeit und verlangte dafür, dass er seine Erfindung offenlege. Die Universitäten bildeten die Chemiker aus; die Laboratorien beschäftigten sie; die Patentschriften machten ihre Ergebnisse nach einigen Jahren allen zugänglich. Es war ein Kreislauf. Das Wissen floss aus der Öffentlichkeit in die Unternehmen und, verzögert, wieder zurück. Paradox könnte man formulieren: Das Geheimnis war erlaubt, weil es befristet war.

Dieser Kreislauf ist heute an drei Stellen unterbrochen. Erstens fehlt die Offenlegung. Die Gewichte der Modelle, die Verfahren, mit denen sie trainiert werden, sind Geschäftsgeheimnisse, und zwar ohne Frist. Zweitens können die Universitäten die Forscher, die an der Grenze des Möglichen arbeiten, kaum noch ausbilden, weil ihnen die Rechenleistung fehlt, an der man dieses Handwerk lernt; wer dorthin will, geht in die Industrie und kommt selten zurück. Drittens, und das ist das Merkwürdigste: Die Allmende, aus der die Modelle gelernt haben, versiegt. Auf Stack Overflow, dem Forum, auf dem Programmierer einander fast zwei Jahrzehnte lang ihre Fragen beantwortet haben, wurden um 2014 rund 200.000 Fragen im Monat gestellt. Im Juni dieses Jahres waren es 1072. Die menschlichen Seitenaufrufe der Wikipedia sind 2025 um acht Prozent zurückgegangen. Die Fragen sind nicht verschwunden. Sie werden jetzt einer Maschine gestellt, und die Antworten bleiben privat.

Hier liegt, wenn ich recht sehe, eine Ungleichheit, die es so noch nicht gab. Früher war die Information weitgehend öffentlich; ungleich verteilt war die Fähigkeit, sie zu deuten. Heute sammelt sich an wenigen Stellen etwas, das vorher nirgends gesammelt wurde: die Fragen selbst. Wer eine Maschine fragt, verrät, was er nicht weiß, woran er arbeitet, wo sein Unternehmen zweifelt. Einzeln ist das belanglos. In der Summe von Millionen Nutzern ergibt es ein Bild der Wirtschaft, wie es kein statistisches Amt je besessen hat. Die großen Anbieter versichern, Geschäftsdaten nicht zum Training zu verwenden, und ich habe keinen Anlass, ihnen das abzusprechen. Aber eine Untersuchung von Softwareverträgen ergab, dass 92 Prozent der Verträge mit KI-Anbietern Rechte an Kundendaten beanspruchen, die über die Erbringung der Leistung hinausgehen; bei gewöhnlicher Unternehmenssoftware sind es 63. Man muss keine böse Absicht unterstellen. Es genügt die Lage.

Informationsvorsprünge hat es immer gegeben. 1850 richtete Paul Julius Reuter in Aachen eine Taubenpost nach Brüssel ein. Berlin und Aachen waren telegrafisch verbunden, Brüssel und Paris ebenfalls; dazwischen fehlte ein Stück Leitung. Die Bahn brauchte für die Strecke sechs Stunden, die Tauben zwei. Diesen Vorsprung verkaufte Reuter an Kaufleute und Bankiers. 1851 wurde die Lücke geschlossen, und die Tauben waren entbehrlich. Das ist die Regel: Vorsprünge, die auf einer Lücke in der Infrastruktur beruhen, sind vorübergehend. Auch die teuren Terminals der Finanzwelt und die Analystenstäbe der großen Häuser hatten eine natürliche Grenze. Sie bestanden aus Menschen. Menschen sind knapp; sie wechseln die Stelle; sie reden. Klugheit ließ sich mieten, aber nicht beliebig vermehren.

Diese Grenze fällt. Deutung wird zu Kapital. Man kann sie in Form von Rechenleistung kaufen, beliebig vervielfachen, und sie nimmt ihr Wissen nicht mit, wenn sie geht, weil sie nicht geht. Nun lautet der naheliegende Einwand, das Gegenteil sei der Fall: Die Technik demokratisiere das Wissen. Bloomberg berichtete im Juni, wie kleine, neu gegründete Hedgefonds mit ihrer Hilfe gegen die Branchenriesen antreten. Der Privatanleger trägt heute in seiner Tasche einen Analytiker, für den früher eine Abteilung nötig war. Ich halte das für zutreffend, und ich halte es für eine der großen Wohltaten dieser Entwicklung. Aber es beschreibt den Boden, nicht die Decke. Jeder erhält ein Modell, das vor drei Jahren als Wunder gegolten hätte. Die Labore aber verfügen, so darf man annehmen, stets schon über das nächste, und sie können es mit einer Rechenleistung, die kein Kunde bezahlen würde, an ihren eigenen Fragen arbeiten lassen. Der Boden hebt sich. Die Decke hebt sich schneller.

Wenn aber alle dieselben Modelle mieten können, worin besteht dann noch ein Vorsprung? Die Antwort, die sich in diesen Jahren abzeichnet, ist einfach: in den Daten, die nicht im Netz stehen. Das öffentliche Internet ist weitgehend ausgelesen. Was fehlt, sind Messwerte, Transaktionen, Krankengeschichten, Prozessdaten und vor allem das geschulte Urteil von Fachleuten. Man könnte sie Fundamentaldaten nennen, in einem weiteren Sinn als an der Börse: Daten, die nicht aus anderen Daten abgeleitet sind, sondern unmittelbar aus der Wirklichkeit stammen. Auf sie hat eine Jagd begonnen. Meta zahlte im Juni 2025 rund 14,3 Milliarden Dollar für 49 Prozent des Datenunternehmens Scale AI. News Corp erhält von OpenAI Berichten zufolge über fünf Jahre rund 250 Millionen Dollar für den Zugang zu ihren Archiven; Reddit hat Lizenzverträge im Wert von 203 Millionen offengelegt. Die Vermittlungsfirma Mercor, 2023 von drei Studienabbrechern gegründet, zahlt Ärzten, Juristen und Ingenieuren nach Berichten täglich mehr als vier Millionen Dollar dafür, Aufgaben zu entwerfen, die schwer genug sind, dass die Modelle an ihnen scheitern, und dann die richtige Lösung nachzutragen. Die Nachfrage der Labore übersteige das Angebot um das Drei- bis Vierfache.

Ich habe mir den Vorgang vorzustellen versucht. Eine Ärztin sitzt am Abend nach dem Dienst am Küchentisch und formuliert einen klinischen Fall so, dass die Maschine ihn falsch beurteilt. Dann schreibt sie auf, wie man ihn richtig beurteilt. Sie wird dafür ordentlich bezahlt, einmal. Die Maschine wird ihr Urteil von nun an unbegrenzt oft abgeben. Man kann darin Ausbeutung sehen; die Ärztin selbst sieht vermutlich einen guten Nebenverdienst, und sie hat nicht unrecht. Aber nüchtern betrachtet ist es ein Verkauf von Erfahrung zum Stückpreis an jemanden, der sie zum Mengenpreis weiterveräußert.

Hier wird die Sache für dieses Land interessant, und ich glaube, weniger düster, als man gemeinhin annimmt. Deutschland besitzt in großer Menge, was den Laboren fehlt: Fundamentaldaten der physischen Welt. Maschinen, Anlagen, Werkstoffe, Messreihen aus Jahrzehnten; Ingenieurwissen in Prüfberichten, Konstruktionszeichnungen und Fehlerprotokollen, die nie ein Suchprogramm gesehen hat. Es fehlt ihm dafür, was die Labore besitzen. 2025 nutzten nach dem Statistischen Bundesamt 26 Prozent der deutschen Unternehmen künstliche Intelligenz; bei den großen waren es 57 Prozent, bei den kleinen 23. Die übrigen nannten als häufigsten Grund fehlendes Wissen. In München hat die Telekom mit Nvidia in diesem Jahr eine Anlage mit rund 10.000 Grafikprozessoren in Betrieb genommen, die die in Deutschland verfügbare Rechenleistung für KI um etwa die Hälfte erhöhen soll. Es ist ein beachtliches Vorhaben. Aber man muss es ins Verhältnis setzen.

Vor einer Woche hat das Henderson Institute der Boston Consulting Group eine Untersuchung der KI-Politik von mehr als 30 Staaten vorgelegt. Völlige Souveränität, heißt es dort, sei für die meisten eine Illusion. Indien, ein Land mit fast anderthalb Milliarden Einwohnern, verfügte in seinem staatlichen Programm im März über 62.000 Grafikprozessoren. Microsoft allein soll im Jahr 2024 rund 485.000 Prozessoren der damals aktuellen Generation gekauft haben. Ich rechne: Um die Einkäufe eines einzigen Konzerns in einem einzigen Jahr aufzuwiegen, müsste man die Münchner Anlage 48-mal bauen. Die Rechnung ist grob; die Generationen sind verschieden, die neueren Prozessoren leistungsfähiger. Aber sie gibt das Verhältnis. Man erinnert sich an Gaia-X, 2019 als europäische Antwort auf die amerikanischen Datenwolken angekündigt. Die Antwort wird noch ausgearbeitet.

Wie es sich mit geliehener Intelligenz lebt, hat der Juni gezeigt. Am zwölften Juni, am frühen Abend amerikanischer Ostküstenzeit, wies das Handelsministerium in Washington Anthropic an, Ausländern den Zugang zu seinen beiden neuesten Modellen zu entziehen; Anlass war offenbar eine mögliche Umgehung ihrer Sicherheitsvorkehrungen. Weil das Unternehmen Ausländer von Amerikanern nicht zuverlässig unterscheiden konnte, schaltete es die Modelle für alle Kunden ab. Nach achtzehn Tagen wurde die Anordnung aufgehoben. Wer seine Abläufe auf diese Modelle gestellt hatte, musste in dieser Zeit auf ältere ausweichen oder warten. Ich erwähne das nicht als Vorwurf gegen das Unternehmen, das der Anordnung, soweit man es von außen beurteilen kann, widersprochen hat. Ich erwähne es als Lehre über die Natur des Mietvertrags. Eine gemietete Intelligenz kann gekündigt werden. Nicht nur vom Vermieter; auch von dessen Regierung.

Die Gefahr für dieses Land ist also nicht, dass es keine eigene Intelligenz besitzt. Sie besteht darin, dass es seine Fundamentaldaten als Rohstoff abgibt und die Veredelung zurückkauft, Monat für Monat, als Abonnement. Die Prozessdaten eines mittelständischen Maschinenbauers sind heute, was der Steinkohlenteer im 19. Jahrhundert war: ein Nebenprodukt, das niemand beachtet, bis jemand lernt, es zu veredeln. Wer veredelt, behält den Wert. Das Muster ist aus der Geschichte der Rohstoffländer bekannt. Es ist für die Liefernden selten gut ausgegangen.

Was also sollen Unternehmen tun, die keine eigene Intelligenz besitzen und sich keine bauen können? Mir scheint, es gibt drei Wege. Der erste ist das Mieten: schnell, günstig, bequem. Man verrät dabei seine Fragen, und man hängt an fremdem Recht. Der zweite ist das Bauen: Er steht einigen Dutzend Konzernen offen, nicht den übrigen. Der dritte ist unauffälliger, und er ist in diesem Land nicht neu. Am 22. Juni 1954 gründeten Vertreter von acht Forschungsvereinigungen die Arbeitsgemeinschaft industrieller Forschungsvereinigungen. Der Gedanke war schlicht: Mittelständische Betriebe einer Branche betreiben gemeinsam Forschung, die keiner allein bezahlen könnte, und zwar vor dem Wettbewerb, nicht in ihm. Heute gehören ihr 59 Vereinigungen an. Fünf Jahre zuvor war die Fraunhofer-Gesellschaft entstanden, knapp ein Jahrhundert zuvor hatte Raiffeisen seine ersten Darlehnskassen gegründet. Der deutsche Mittelstand hat das Problem der Größe nie durch Größe gelöst. Er hat es durch Zusammenschluss gelöst.

Übertragen auf die Gegenwart hieße das: gemeinsam betriebene Rechenleistung, Modelle mit offenen Gewichten, die man im eigenen Haus betreiben und niemand abschalten kann, und Datenräume, in denen die Fundamentaldaten bei ihren Eigentümern bleiben und doch gemeinsam veredelt werden. Die Bausteine gibt es; in der Autoindustrie arbeitet man mit Catena-X seit Jahren an einem solchen Datenraum. Die Beratungsfirma empfiehlt in ihrer Untersuchung, statt Autonomie Widerstandsfähigkeit anzustreben: die Fähigkeit, KI selbst zu betreiben, anzupassen und zu kontrollieren, ohne sie selbst erfunden zu haben. Ob das gelingt, weiß ich nicht. Die Geschichte europäischer Gemeinschaftsprojekte in der Digitalwirtschaft ermutigt nicht. Die Geschichte der deutschen Gemeinschaftsforschung schon.

Ähnliches gilt für den Staat, und hier bin ich weniger zuversichtlich. Wenn Unternehmen über ihre Märkte, ihre Kunden und ihre Wettbewerber mehr wissen als die Behörden, die sie beaufsichtigen, verschiebt sich etwas, das in keiner Bilanz erscheint. Ein Kartellamt, das die Analyse eines Marktes mit denselben gemieteten Werkzeugen erstellt, mit denen die Beaufsichtigten ihre Strategie entwerfen, ist nicht machtlos. Aber es ist nicht mehr überlegen. Die Aufsicht beruhte stets auf der stillschweigenden Annahme, dass der Staat, wenn er will, genauer hinsehen kann als jeder Einzelne. Diese Annahme gilt nicht mehr von selbst.

Und schließlich die Öffentlichkeit. Die Aufklärung war nicht nur eine Sache der Ideen, sondern auch der Einrichtungen: der Lesegesellschaften, der Leihbibliotheken, der Zeitungen, später der Volkshochschulen und der öffentlichen Statistik. Sie haben dafür gesorgt, dass Bürger, die sich über eine Frage stritten, wenigstens über dieselben Tatsachen stritten. Eine Gesellschaft, in der die einen mit einem privaten Forschungsapparat denken und die anderen mit dem, was man ihnen kostenlos überlässt, bleibt eine Demokratie. Aber ihre Bürger wissen nicht mehr dasselbe.

Ich will nicht schließen, ohne zu sagen, was mich zuversichtlich stimmt. Das 19. Jahrhundert hat auf das private Laboratorium nicht mit einem Verbot geantwortet, sondern mit einer Ordnung: mit dem Patentrecht, das Offenlegung erzwang, mit öffentlichen Hochschulen, die den Nachwuchs stellten, mit Gemeinschaftseinrichtungen für jene, die zu klein für ein eigenes Laboratorium waren. Keine dieser drei Antworten gibt es bisher für die künstliche Intelligenz in angemessener Form. Die europäische Verordnung regelt Risiken, nicht den Fluss des Wissens. Die Aufgabe ist nicht technisch, sondern institutionell. Darin ist dieses Land, bei allem, was man ihm vorwerfen kann, nicht ungeübt.

Zwischen der Gründung der Farbenfabrik in Barmen und dem Reichspatentgesetz lagen vierzehn Jahre. ChatGPT erschien vor knapp vier Jahren.