AI winners & losers•Kapitel 8 von 10

Der nächste AI-Burggraben könnte eine Warteschlange sein

Frontier-AI braucht glaubwürdige Sicherheitsprüfungen. Doch die Institutionen, die Modelle testen, können zugleich zu Eintrittsbarrieren werden. Kapitel 7 untersucht, wie Regulierung,…

Juli 19, 2026 9 min read Research-Schwerpunkt

Der nächste AI-Burggraben könnte keine bessere Technologie sein. Es könnte die Fähigkeit sein, schneller durch die Sicherheitsprüfung zu kommen.

Mit leistungsfähigeren Modellen wächst der Druck auf Regierungen und Unternehmen, gefährliche Fähigkeiten vor einer Veröffentlichung zu testen. Das ist notwendig. Zugleich entsteht eine neue Machtstruktur aus Prüfstellen, Dokumentationspflichten, Expertenknappheit und Zugangsentscheidungen.

Kapitel 7 untersucht die Grenze zwischen legitimer Sicherheit und regulatorischem Burggraben – und warum eine Warteschlange zum strategischen Vorteil der größten Anbieter werden kann.

Die Sicherheitsfrage ist real

Frontier-Modelle werden nicht nur besser im Schreiben und Programmieren. Staatliche Sicherheitsinstitute beobachten schnell steigende Fähigkeiten in Cybersecurity, Chemie, Biologie und autonomer Aufgabenbearbeitung.

Das britische AI Security Institute hat nach eigenen Angaben mehr als 30 fortgeschrittene Systeme untersucht. Seine Auswertungen zeigen, dass sich die Länge autonom lösbarer Cyber-Aufgaben seit dem Aufkommen moderner Reasoning-Modelle in sehr kurzen Abständen erhöht hat.

Damit entsteht ein legitimes öffentliches Interesse an Tests vor der Veröffentlichung, an Zugriffsbegrenzungen und an der Möglichkeit, besonders riskante Funktionen zurückzuhalten.

Das Problem lautet nicht, ob es Sicherheitsprüfungen geben sollte. Entscheidend ist, wer sie definiert, wer sie durchführt und wer am Ende auf Freigabe warten muss.

Der Vorschlag eines globalen Prüfkörpers

Im Juli 2026 schlug Google-DeepMind-Chef Demis Hassabis einen von den USA geführten, international ausgerichteten Prüfkörper für Frontier-AI vor. Das Modell soll sich an FINRA orientieren: branchenfinanziert, mit Experten besetzt und fähig, besonders leistungsfähige Systeme vor ihrer Veröffentlichung zu testen.

Nach dem Vorschlag könnte der Körper bei erhöhten Risiken zusätzliche Auflagen oder sogar eine branchenweite Verlangsamung verlangen. Die Idee verbindet private Fachkenntnis mit einer staatlich gestützten Autorität.

Das klingt pragmatisch. Die Unternehmen kennen ihre Systeme besser als eine junge Behörde. Sie besitzen Testinfrastruktur, Personal und direkten Modellzugang.

Genau darin liegt jedoch das Governance-Problem. Die größten Anbieter würden nicht nur reguliert. Sie könnten zugleich Regeln, Testmethoden, Schwellenwerte und Zugangsbedingungen mitprägen.

Wer die Sicherheitsprüfung entwirft, entscheidet möglicherweise auch, wer überhaupt noch zur Prüfung zugelassen wird.

Europa macht Sicherheit zum Prozess

Die Europäische Union hat mit dem AI Act bereits eine institutionelle Struktur für General-Purpose-AI geschaffen. Anbieter müssen technische Dokumentation, Informationen für nachgelagerte Nutzer und Regeln zum europäischen Urheberrecht bereitstellen. Für Modelle mit systemischem Risiko kommen weitergehende Sicherheits- und Risikomanagementpflichten hinzu.

Der General-Purpose AI Code of Practice übersetzt diese Anforderungen in Kapitel zu Transparenz, Urheberrecht sowie Safety and Security. Zu den Unterzeichnern zählen unter anderem Amazon, Anthropic, Google, Microsoft und OpenAI.

Die Pflichten für neue GPAI-Modelle gelten seit August 2025. Die umfassenden Aufsichts- und Durchsetzungsbefugnisse der Europäischen Kommission sollen am 2. August 2026 wirksam werden. Gleichzeitig treten weitere Transparenzpflichten für AI-generierte Inhalte in Kraft.

Damit wird Veröffentlichung zu einem dokumentierten Prozess aus Klassifikation, Evaluierung, Risikobericht, technischen Nachweisen und regulatorischer Kommunikation.

Dieser Prozess kann Vertrauen schaffen. Er kann aber auch zu einer Eintrittsbarriere werden, wenn nur große Unternehmen genügend Juristen, Sicherheitsforscher und Dokumentationssysteme besitzen.

Die Warteschlange entsteht an mehreren Toren

Die nächste Warteschlange besteht nicht aus einer einzigen Genehmigung. Sie entsteht aus mehreren knappen Prüfstellen:

Rechenfreigabe: Zugang zu leistungsfähigen Chips, Clouds und gesicherten Clustern
Sicherheitsprüfung: Cyber-, Bio-, Chemie- und Autonomie-Evaluationen
Modellzugang: kontrollierte Bereitstellung von Gewichten, APIs und internen Versionen
Regulatorische Dokumentation: technische Akten, Risikoberichte und Urheberrechtsnachweise
Unternehmensfreigabe: Datenschutz, Haftung, Audit und Einkauf
Vertriebszugang: Aufnahme in Clouds, App-Stores, Betriebssysteme und Behördenkataloge

Jedes Tor kann sinnvoll sein. In der Summe entsteht eine Zeit- und Kapitalbarriere. Ein Unternehmen mit eigenem Cloudzugang, etablierten Compliance-Teams und direktem Kontakt zu Regulierern bewegt sich schneller durch diese Tore.

Ein kleiner Anbieter kann ein gutes Modell bauen und trotzdem Monate warten, bis Tests, Versicherungen, Dokumente, Cloudkapazität und Vertriebskanäle zusammenpassen.

Aus Sicherheit wird ein Burggraben

Klassische Software konnte weltweit veröffentlicht werden, sobald Produkt und Server bereitstanden. Frontier-AI nähert sich dagegen Bereichen wie Luftfahrt, Finanzmarkt oder Pharma, in denen Zulassung und fortlaufende Aufsicht Teil des Geschäftsmodells sind.

Für große Anbieter ist das nicht nur Belastung. Compliance wird zu einem Vermögenswert. Bereits aufgebaute Evaluationssysteme, Sicherheitslabore, Behördenkontakte und Auditprozesse senken die Grenzkosten jeder weiteren Modellgeneration.

Neue Wettbewerber müssen dieselbe Infrastruktur erst finanzieren. Der Abstand zwischen technischer Fähigkeit und marktfähigem Produkt wächst.

Der Burggraben liegt dann nicht ausschließlich in Daten, Chips oder Modellqualität. Er liegt in der Fähigkeit, einen langen Prüfprozess routiniert zu durchlaufen.

Die Warteschlange wird zum Burggraben, sobald etablierte Anbieter sie schneller passieren als neue Wettbewerber.

Regulatory Capture beginnt höflich

Regulatorische Vereinnahmung muss nicht durch offene Korruption entstehen. Sie beginnt oft mit einem nachvollziehbaren Problem: Behörden benötigen Fachwissen, das zunächst nur die regulierten Unternehmen besitzen.

Vertreter großer Labs beraten bei Testmethoden, definieren Sicherheitsbegriffe und stellen Personal für Arbeitsgruppen. Ihre Vorschläge können technisch sinnvoll sein und trotzdem die eigene Marktposition schützen.

Schwellenwerte können so gewählt werden, dass sie vor allem Modelle außerhalb der größten Unternehmen treffen. Dokumentationsanforderungen können proprietäre Entwicklungsprozesse zum De-facto-Standard machen. Haftungsregeln können Kapitalstärke stärker belohnen als technische Sicherheit.

Auch eine branchenfinanzierte Prüfstelle trägt ein strukturelles Risiko: Sie ist auf Gebühren, Datenzugang und Kooperation genau jener Unternehmen angewiesen, die sie überwachen soll.

Die entscheidende Schutzmaßnahme ist daher institutionelle Trennung: unabhängige Leitung, transparente Methoden, öffentlich überprüfbare Kriterien, Einspruchswege und echte Vertretung kleinerer Anbieter, Wissenschaft und Zivilgesellschaft.

Open Source steht vor einer eigenen Grenze

Offene Modelle erschweren eine klassische Vorabkontrolle. Sind Gewichte veröffentlicht, lassen sich spätere Nutzungsbeschränkungen nur begrenzt durchsetzen.

Aus Sicherheitsperspektive spricht dies für höhere Anforderungen an besonders leistungsfähige offene Modelle. Aus Wettbewerbsperspektive können solche Regeln jedoch den wichtigsten Gegenpol zu den geschlossenen Plattformen schwächen.

Große Anbieter können kontrollierte APIs, Überwachung und Zugriffssperren anbieten. Kleine Unternehmen, Universitäten und Staaten sind dagegen häufig auf offene Gewichte angewiesen, um unabhängig entwickeln zu können.

Eine undifferenzierte Regulierung könnte deshalb genau jene Abhängigkeit vergrößern, die sie reduzieren sollte.

Sinnvoller sind abgestufte Regeln nach nachgewiesener Fähigkeit, Verbreitungsrisiko und konkreter Gefährlichkeit statt nach Markenname oder bloßer Modellgröße.

Der Prüfer braucht Zugriff auf das Modell

Externe Evaluierung ist nur so gut wie der gewährte Zugang. Ein Prüfer kann eine öffentliche Chatoberfläche untersuchen oder tieferen Zugriff auf Systemprompts, Sicherheitsfilter, interne Werkzeuge und Vorabversionen erhalten.

Die Ergebnisse unterscheiden sich erheblich. Ein Modell kann in einer abgesicherten Oberfläche harmlos wirken und unter agentischen Bedingungen oder mit erweiterten Werkzeugen andere Fähigkeiten zeigen.

Regulierer benötigen deshalb reproduzierbare Testumgebungen, technische Schnittstellen und das Recht, zentrale Behauptungen unabhängig zu prüfen.

Gleichzeitig enthalten Vorabmodelle Geschäftsgeheimnisse und nationale Sicherheitsinformationen. Der Prüfkörper selbst wird damit zu einem hochsensiblen Ziel für Spionage, Cyberangriffe und politischen Druck.

Die Kontrollinstanz muss also mindestens so sicher sein wie die Unternehmen, die sie kontrolliert.

Wer die Knappheit der Prüfer kontrolliert

Frontier-Evaluation verlangt seltene Fachleute: Cybersecurity-Experten, Biologen, Chemiker, Interpretability-Forscher, Red Teams und Spezialisten für autonome Systeme.

Diese Personen arbeiten häufig bereits bei den Labs, Regierungen oder wenigen Sicherheitsinstituten. Ihre Zeit wird zur knappen Ressource.

Wenn Prüfkapazität nicht mit der Zahl neuer Modelle wächst, entstehen Wartelisten. Dann wird Priorisierung zur Machtfrage: Welcher Anbieter wird zuerst geprüft? Welche nationale Veröffentlichung erhält Vorrang? Welche Modelle dürfen währenddessen nur eingeschränkt genutzt werden?

Große Anbieter können eigene Vorprüfungen finanzieren und vollständige Dokumentation liefern. Kleine Anbieter tragen längere Verzögerungen und höhere Opportunitätskosten.

Eine neutrale Regulierung benötigt deshalb offene Teststandards, mehrere akkreditierte Prüfer und eine Kapazität, die nicht von einem einzelnen Institut abhängt.

Regulierung kann Innovation beschleunigen

Ein belastbarer Standard muss Innovation nicht bremsen. Klare Regeln können Investitionen erleichtern, weil Unternehmen wissen, welche Nachweise sie benötigen und welche Haftungsrisiken bestehen.

Gemeinsame Testverfahren reduzieren doppelte Prüfungen. Anerkennung zwischen Ländern kann verhindern, dass dasselbe Modell in jeder Jurisdiktion vollständig neu bewertet wird.

Regulatorische Sandboxes ermöglichen begrenzte reale Tests. Transparente Sicherheitsfälle können Kunden zeigen, welche Fähigkeiten geprüft wurden und unter welchen Bedingungen ein System sicher eingesetzt werden kann.

Die beste Regulierung verkürzt die Unsicherheit. Die schlechteste verlängert die Warteschlange, ohne das Risiko messbar zu senken.

Die Kapitalmarktlogik der Zulassung

Sobald Freigabezeit und Compliance planbar werden, lassen sie sich bewerten. Unternehmen mit etablierten Sicherheits- und Behördenprozessen erhalten einen niedrigeren Risikoabschlag.

Für Frontier Labs entsteht jedoch ein Zielkonflikt. Strenge Regulierung schützt vor gefährlichen Veröffentlichungen und kann zugleich die Zahl der Konkurrenten reduzieren. Das erhöht den Wert etablierter Plattformen, aber auch die politische und rechtliche Verantwortung.

Cloudanbieter profitieren, wenn sie geprüfte Modelle, Auditprotokolle und regionale Compliance als integrierten Dienst verkaufen. Sicherheits- und Evaluationsanbieter werden zu einer neuen Infrastrukturklasse.

Unter Druck geraten unabhängige Labs ohne eigene Cloud, offene Modellprojekte mit unklarer Haftung und Anwendungen, die in mehreren Rechtsräumen gleichzeitig starten wollen.

Das regulatorische Premium kann damit ebenso wichtig werden wie das technische Premium.

Die Gridizer-Research-Watchlist

Aufbau eines US-geführten Frontier-AI-Prüfkörpers und seine rechtliche Grundlage
Zusammensetzung, Finanzierung und Unabhängigkeit eines branchengetragenen Aufsichtsmodells
EU-Durchsetzung der GPAI-Pflichten ab August 2026
Zahl und Dauer externer Frontier-Modell-Evaluationen
Wartezeiten zwischen Modellfertigstellung und öffentlicher Freigabe
Zugang kleiner Labs zu akkreditierten Prüfern und regulatorischen Sandboxes
Regeln für offene Gewichte, lokale Modelle und internationale Anerkennung
Kosten von Safety Cases, Red Teaming, Audits und Haftpflicht
Marktanteile von Cloud-, Compliance- und Evaluationsplattformen

Die Erlaubnis wird Teil des Produkts

Frontier-AI wird nicht mehr allein durch Forschung, Chips und Vertrieb bestimmt. Ein marktfähiges Modell benötigt zunehmend dokumentierte Sicherheit, externe Prüfungen, rechtliche Freigabe und Zugang zu kontrollierten Vertriebswegen.

Das kann die Technologie sicherer machen. Es kann zugleich die Macht bei den Unternehmen konzentrieren, die Regeln mitgestalten, Prüfkapazität finanzieren und Wartezeiten am besten überbrücken.

Der nächste Burggraben ist möglicherweise keine Mauer. Er ist eine Warteschlange, in der die größten Anbieter ganz vorne stehen.