Siemens KI Strategie : Siemens: Der unterschätzte Gewinner des KI-Preiskampfs

Eine technische Zeichnung analysieren, einen Wartungsbericht zusammenfassen, Programmcode erzeugen oder zehntausende Seiten Dokumentation durchsuchen: Bei Siemens soll für solche Aufgaben nicht mehr zwangsläufig dieselbe künstliche Intelligenz zum Einsatz kommen.

Der Münchner Industriekonzern verfolgt stattdessen eine Strategie, die an eine gut diversifizierte Lieferkette erinnert. Je nach Aufgabe können Modelle aus China, den USA oder Europa eingesetzt werden. Siemens bestätigte im Juni 2026 gegenüber Reuters, unter anderem chinesische Modelle von DeepSeek und Alibaba sowie Nvidias Nemotron neben weiteren amerikanischen und europäischen Systemen zu nutzen. Cedrik Neike, Chef der Siemens-Sparte Digital Industries, brachte die dahinterstehende Logik auf eine wirtschaftspolitische Formel: Souveränität bedeute nicht Autarkie, sondern Flexibilität und Auswahl.

Das klingt zunächst wie eine technische Detailentscheidung. Tatsächlich deutet sie auf einen grundlegenden Wandel des KI-Marktes hin. Noch vor wenigen Jahren galt leistungsfähige generative KI als eine Art digitale Spezialmaschine: extrem teuer in der Entwicklung, nur von wenigen Unternehmen beherrscht und für Kunden im Wesentlichen als Dienstleistung verfügbar. OpenAI, Anthropic oder Google stellten ihre stärksten Modelle über Abonnements und Programmierschnittstellen bereit. Unternehmen konnten sie nutzen, aber weder die zugrunde liegenden Modellgewichte übernehmen noch das System vollständig auf eigener Infrastruktur betreiben.

Inzwischen entsteht daneben ein zweiter Markt. Seine Produkte heißen DeepSeek, Qwen, Mistral oder Kimi. Sie werden teilweise als Open-Weight-Modelle veröffentlicht: Die trainierten Gewichte können heruntergeladen und – abhängig von der jeweiligen Lizenz – auf eigener Infrastruktur betrieben, angepasst oder durch spezialisierte Anbieter gehostet werden. Für Industriekonzerne ist das ein entscheidender Unterschied. KI beginnt sich von einer gemieteten Blackbox zu einem technischen Bauteil zu entwickeln.

Wie schnell sich die Kräfteverhältnisse verschieben, zeigte sich im Juli 2026. Das chinesische Start-up Moonshot AI stellte Kimi K3 vor. Das System besitzt nach Angaben des technischen Berichts 2,8 Billionen Parameter, von denen bei der Verarbeitung jeweils 104 Milliarden aktiviert werden. Das sogenannte Mixture-of-Experts-Modell verarbeitet neben Text auch Bilder und verfügt über ein Kontextfenster von rund einer Million Tokens. Die vollständigen Modellgewichte veröffentlichte Moonshot am 27. Juli.

Bemerkenswert war allerdings weniger die schiere Größe als die Leistung. Der unabhängige Benchmark-Anbieter Artificial Analysis setzte Kimi K3 kurz nach der Veröffentlichung auf Platz drei seines Intelligence Index. Mit einem Wert von 57 lag das chinesische Open-Weight-Modell nur hinter Claude Fable 5 von Anthropic und GPT-5.6 Sol von OpenAI und damit in unmittelbarer Nähe zur proprietären Weltspitze. Damit gerät eine zentrale Annahme des bisherigen KI-Geschäftsmodells unter Druck: dass Unternehmen für Spitzenleistung zwangsläufig auf ein geschlossenes Modell eines amerikanischen Anbieters angewiesen seien.

Open Weight bedeutet dabei keineswegs kostenlos. Ein Modell von der Größenordnung Kimi K3 benötigt enorme Rechenressourcen. Server, Hochleistungs-GPUs, Strom, Kühlung, Software und Fachpersonal bleiben teuer. Reuters berichtete wenige Tage nach dem Start sogar, dass Moonshot neue Kimi-Abonnements vorübergehend aussetzen musste, weil die starke Nachfrage die vorhandenen Rechenkapazitäten belastete.

Die ökonomische Veränderung liegt woanders: Unternehmen können stärker darüber entscheiden, wo ein Modell läuft, wer es betreibt und wie es mit den eigenen Anwendungen verbunden wird. Damit sinkt zumindest potenziell die Abhängigkeit von einem einzigen KI-Labor.

Für Unternehmenskunden erinnert die Entwicklung zunehmend an klassische industrielle Beschaffung. Niemand würde einen komplexen Industriekonzern so aufbauen, dass ein einziger Zulieferer sämtliche Sensoren, Motoren, Steuerungen und Halbleiter liefern muss. Bei KI war genau diese Abhängigkeit lange üblich.

Wer seine Anwendungen vollständig auf die API eines einzelnen Modellanbieters zuschnitt, machte einen späteren Wechsel technisch und wirtschaftlich aufwendig. Prompts, Schnittstellen, Datenpipelines, Sicherheitsprozesse und interne Anwendungen mussten auf ein bestimmtes System abgestimmt werden. Mit einem breiteren Angebot leistungsfähiger Modelle verändert sich die Verhandlungsmacht.

Das zeigt sich bereits bei den Preisen. Nur zwei Wochen nach der Vorstellung von Kimi K3 reduzierte OpenAI am 30. Juli die API-Preise zweier Varianten von GPT-5.6 deutlich. GPT-5.6 Luna wurde um 80 Prozent günstiger, GPT-5.6 Terra um 20 Prozent. Luna kostet seither 0,20 Dollar pro Million Eingabetokens und 1,20 Dollar pro Million Ausgabetokens; Terra zwei beziehungsweise zwölf Dollar. OpenAI begründete die Anpassung mit Fortschritten bei Preis und Leistung. Der zeitliche Zusammenhang zeigt zumindest, wie hart der Wettbewerb um kostensensible Unternehmenskunden inzwischen geworden ist.

Dabei wäre es falsch, den neuen Open-Weight-Wettbewerb als rein chinesischen Angriff auf eine vollständig geschlossene amerikanische KI-Industrie zu beschreiben.

OpenAI hatte bereits am 5. August 2025 mit gpt-oss-120b und gpt-oss-20b eigene Open-Weight-Modelle unter der Apache-2.0-Lizenz veröffentlicht – fast ein Jahr vor Kimi K3. Die Modelle können auf eigener Infrastruktur oder bei Hosting-Anbietern betrieben und angepasst werden.

Und auch Meta setzt weiterhin auf offene Modellgewichte. Noch am 10. August 2026 stellte der Konzern mit Muse Glimmer ein neues Open-Weight-System für kleinere agentische Aufgaben vor. Mark Zuckerberg verband die Veröffentlichung ausdrücklich mit der Forderung, offene Modelle in den USA weniger stark regulatorisch einzuschränken, um gegenüber chinesischen Entwicklern konkurrenzfähig zu bleiben.

Der eigentliche Konflikt verläuft deshalb weniger zwischen China und den USA als zwischen zwei Geschäftslogiken: Kontrolle über das Modell auf der einen Seite, möglichst breite Verbreitung und Anpassbarkeit auf der anderen.

Europa muss bei diesem Wandel nicht vollständig von außen zuschauen. Bereits am 2. Dezember 2025 veröffentlichte das französische KI-Unternehmen Mistral mit Large 3 ein leistungsfähiges Open-Weight-Modell. Es besitzt insgesamt 675 Milliarden Parameter, aktiviert davon jedoch lediglich 41 Milliarden gleichzeitig. Auch Mistral setzt damit auf eine Mixture-of-Experts-Architektur. Das Unternehmen veröffentlichte Large 3 unter der liberalen Apache-2.0-Lizenz.

Die Größenunterschiede sind erheblich: Kimi K3 ist mit 2,8 Billionen Parametern mehr als viermal so groß. Doch Größe allein bestimmt weder Kosten noch wirtschaftlichen Nutzen.

Mistral zufolge wurde Large 3 auf 3000 Nvidia-H200-GPUs trainiert. Für den Betrieb stellt das Unternehmen optimierte Varianten bereit, die unter anderem auf einem einzelnen Serverknoten mit acht A100- oder acht H100-GPUs laufen können.

Für die europäische Wirtschaft ist genau diese Frage entscheidend. Nicht jede industrielle Anwendung benötigt das intelligenteste Modell der Welt. Ein System, das Wartungsdokumente analysiert oder SPS-Code erklärt, muss vor allem zuverlässig, sicher, schnell und wirtschaftlich arbeiten. Je spezialisierter die Aufgabe, desto weniger sinnvoll kann es sein, für jeden einzelnen Token die teuerste verfügbare KI einzusetzen.

Siemens liefert dafür ein interessantes Beispiel. Der Konzern will nicht primär mit OpenAI, Anthropic oder Moonshot um das leistungsfähigste Basismodell konkurrieren. Stattdessen setzt er darauf, unterschiedliche Modelle in industrielle Anwendungen zu integrieren. Damit verschiebt sich die strategisch wichtigste Ebene des KI-Marktes.

Unter dem Basismodell liegen Chips, Rechenzentren und Cloudplattformen. Darüber entstehen jedoch Datenplattformen, digitale Zwillinge, Engineeringsoftware und spezialisierte KI-Agenten. Genau dort verfügt ein Unternehmen wie Siemens über jahrzehntelang gewachsenes Prozesswissen.

Im April 2026 stellte der Konzern auf der Hannover Messe seinen Eigen Engineering Agent vor. Das System soll nicht nur Fragen beantworten, sondern Aufgaben im Automatisierungsengineering selbstständig planen, ausführen und überprüfen. Es kann unter anderem Automatisierungscode schreiben, Systeme konfigurieren und Ergebnisse anhand vorgegebener Anforderungen iterieren. Siemens spricht bei geeigneten Engineeringaufgaben von Effizienzsteigerungen von bis zu 50 Prozent. Zugleich hat das Unternehmen Investitionen von einer Milliarde Euro in industrielle KI angekündigt.

Im Juni folgten weitere Funktionen: Der Agent kann nun elektrische Schaltplandaten einlesen, Inkonsistenzen erkennen und daraus Daten für die Automatisierungssoftware TIA Portal erzeugen. Aus Sicht eines Industrieunternehmens liegt genau hier der wirtschaftliche Hebel. Das Basismodell erzeugt Intelligenz. Den eigentlichen Wettbewerbsvorteil schafft jedoch die Verbindung mit Maschinen, Konstruktionsdaten, Produktionsprozessen und domänenspezifischem Wissen. Wer diese Ebene kontrolliert, kann darunter im Idealfall Modelle austauschen.

Für chinesische KI-Unternehmen ist die weite Verbreitung ihrer Modelle deshalb strategisch wertvoll, selbst wenn nicht jede Nutzung unmittelbar API-Umsatz erzeugt.

Das bedeutet allerdings nicht, dass Open Weight mit einem kostenlosen Geschäftsmodell gleichzusetzen wäre. Moonshot verknüpft die Nutzung von Kimi K3 bereits mit kommerziellen Bedingungen. Reuters berichtete Anfang August, dass Unternehmen, die mit auf Kimi K3 basierenden Diensten jährlich mehr als 20 Millionen Dollar umsetzen, eine Vereinbarung zur Umsatzbeteiligung mit Moonshot abschließen müssen. Alibaba plant für sein eigenes Modell Qwen3.8-Max ein ähnliches Prinzip.

Die Strategie ähnelt damit einer bekannten Plattformlogik: Die Einstiegshürde wird niedrig gehalten, damit sich Entwickler und Unternehmen an das Ökosystem gewöhnen. Geld lässt sich später mit Premiumzugängen, Hosting, Unternehmensinstallationen, Support oder kommerziellen Lizenzen verdienen. Hinzu kommt die Infrastruktur. Moonshot wird unter anderem von Alibaba und Tencent unterstützt. Ende Juli berichtete Reuters unter Berufung auf Bloomberg zudem über eine Vereinbarung, nach der Moonshot über Alibaba Rechenkapazität mit rund 20.000 Nvidia-Chips nutzt.

Gleichzeitig versucht China, die Abhängigkeit von amerikanischer Hardware zu verringern. DeepSeek passte sein im April vorgestelltes V4-Modell gezielt an Huaweis Chipplattform an. Nach dessen Veröffentlichung stieg die Nachfrage chinesischer Technologiekonzerne nach Huaweis Ascend-950-Beschleunigern deutlich. Damit geht es im KI-Wettbewerb längst nicht mehr nur um Modelle. Es geht um einen kompletten Technologie-Stack aus Chips, Rechenzentren, Cloudplattformen, Modellen und Anwendungen.

Für europäische Unternehmen kommt noch eine zweite Dimension hinzu: Regulierung. Seit dem 2. August 2026 hat die Europäische Kommission umfassende Durchsetzungsbefugnisse für den AI Act. Bestimmungen für Anbieter sogenannter General-Purpose-AI-Modelle gelten bereits seit August 2025; seit August 2026 können sie von der Kommission durchgesetzt werden. Dazu gehören unter anderem Transparenz- und Dokumentationspflichten sowie zusätzliche Anforderungen für besonders leistungsfähige Modelle mit systemischem Risiko.

Interessant ist dabei, dass der AI Act für frei und offen lizenzierte Modelle unter bestimmten Voraussetzungen Ausnahmen von einzelnen Verpflichtungen vorsieht. Open Weight löst regulatorische Fragen also keineswegs automatisch, kann europäischen Unternehmen aber zusätzliche Möglichkeiten bei Hosting, Kontrolle und Anbieterwahl eröffnen.

Damit bekommt das Wort „Souveränität“ eine pragmatischere Bedeutung. Europas Unternehmen müssen nicht zwangsläufig jedes Basismodell selbst entwickeln. Sie müssen vielmehr verhindern, dass ihre Daten, Anwendungen und Geschäftsprozesse untrennbar an einen einzigen Anbieter gekoppelt werden.

Genau darin könnte Europas Chance liegen. Beim Kapital für gigantische Trainingscluster liegen amerikanische Technologiekonzerne vorn. China wiederum verfügt über einen großen Heimatmarkt, staatliche Unterstützung und zunehmend leistungsfähige eigene Hardware- und Modellanbieter. Europa dürfte es schwer haben, beide Regionen allein durch immer größere Basismodelle zu überholen.

Doch die industrielle Anwendung folgt einer anderen Logik. Europa besitzt Automobilwerke, Chemieanlagen, Maschinenbauer, Energienetze und hoch spezialisierte Mittelständler. Unternehmen wie Siemens, Schneider Electric, Bosch oder ABB verfügen über etwas, das sich nicht einfach durch zusätzliche Milliarden GPU-Stunden reproduzieren lässt: jahrzehntelang aufgebautes Prozesswissen, installierte Maschinenparks, technische Daten und direkte Kundenbeziehungen in der Industrie.

Je austauschbarer Basismodelle werden, desto wertvoller kann diese Ebene werden. Dann entscheidet nicht mehr allein, ob GPT, Claude, Kimi oder Mistral den nächsten Benchmark gewinnt. Entscheidend ist, welches Unternehmen in der Lage ist, für eine konkrete Aufgabe automatisch das geeignete Modell auszuwählen, es mit eigenen Daten zu verbinden und zuverlässig in einen Produktionsprozess einzubauen.

Siemens Multimodell-Strategie ist deshalb mehr als ein Versuch, KI-Kosten zu senken. Sie zeigt, wie sich die Macht im KI-Markt verschieben könnte: weg vom einzelnen Modellhersteller und hin zu Unternehmen, die Modelle wie austauschbare Komponenten behandeln.

China erhöht mit leistungsfähigen Open-Weight-Systemen den Druck. Amerikanische Anbieter reagieren mit niedrigeren Preisen und teilweise eigenen offenen Modellen. Europa bekommt dadurch mehr Auswahl. Der größte Gewinner dieses Wettbewerbs muss deshalb am Ende weder in San Francisco noch in Peking sitzen. Es könnte ein Industriekonzern sein, der die intelligenteste KI nicht selbst gebaut hat – aber als Erster gelernt hat, sie intelligent auszutauschen.