Engelbert Wimmer glaubt nicht, dass Europa das Rennen um die größten KI-Modelle noch gewinnen wird. Der Automobilberater und Gründer der Managementberatung e&Co zieht einen deutlich härteren Schluss: „Wir Europäer haben gar nichts. Ich würde mal sagen: Wir haben dieses Rennen verloren.“ Was zunächst wie eine Bankrotterklärung klingt, ist bei Wimmer allerdings der Ausgangspunkt für eine optimistischere Industriethese.
Je billiger und austauschbarer künstliche Intelligenz werde, desto wertvoller würden jene Dinge, die OpenAI, Anthropic, Meta, Alibaba oder Moonshot AI nicht besitzen. „Wenn Intelligenz Commodity ist, dann sind Daten und Kontext die Alleinstellung. Und da ist Europa stark, nämlich sogar sehr stark“, sagt er.
Nie mehr die wichtigsten News aus Österreichs Industrie verpassen? Abonnieren Sie unser Daily Briefing: Was in der Industrie wichtig wird. Täglich um 7 Uhr in ihrer Inbox. Hier geht’s zur Anmeldung!
Genau dort sieht Wimmer die Chance für Siemens, SAP, ABB, Bosch und die europäische Fertigungsindustrie. Nicht beim nächsten allgemeinen Chatbot, sondern bei Schweißpunktkontrolle, Sequenzierung, Prozessdaten, Steuerungslogik, Maschinenwissen und tief integrierten Industrieprozessen. „Der Return on Investment ist dort, wo es nicht spektakulär ist.“
Billigere Intelligenz aus China: Warum Europas Industrie neu rechnen muss
Wimmer beobachtet diesen Umbau aus einer ungewöhnlich Perspektive. Seine Kernthese lautet: Der ökonomische Wert von KI verschiebt sich gerade vom Modell zur Architektur, vom Modell zur Energie, vom Modell zu proprietären Daten und vom Modell zur Fähigkeit, es jederzeit auszutauschen.
Wimmer setzt beim vielleicht wichtigsten wirtschaftlichen Effekt der vergangenen drei Jahre an. „Was die Chinesen treiben, ist, das Preisschild für Intelligenz massiv runterzutreiben.“ Für vergleichbare Rechen- beziehungsweise Modellleistung spricht er seit 2023 von einem Preisrückgang um ungefähr den Faktor 70. Der langfristige Trend ist noch dramatischer dokumentiert. Der Stanford AI Index errechnete für ein Modell auf dem Leistungsniveau von GPT-3.5 einen Rückgang der Inferenzkosten von rund 20 Dollar je Million Tokens im November 2022 auf sieben Cent im Oktober 2024. Das entspricht einem Rückgang um mehr als den Faktor 280. Je nach Aufgabe seien die jährlichen Preisrückgänge sogar um den Faktor neun bis 900 ausgefallen. Damit verändert sich die geopolitische Situation grundlegend. China liefert inzwischen nicht nur billige Modelle, sondern Modelle, die bei vielen Aufgaben technisch nahe an die amerikanische Spitze herankommen. Der Stanford AI Index 2026 sieht den Leistungsabstand zwischen den führenden US- und China-Modellen praktisch verschwunden. Im März 2026 lag das beste amerikanische Modell in der dort betrachteten Spitzengruppe nur noch 2,7 Prozent vor dem chinesischen Wettbewerb. Gleichzeitig brachte die US-Industrie 2025 noch 59 sogenannte notable models hervor, China bereits 35.
Für 2024 zählte Stanford 40 relevante Modelle aus den USA, 15 aus China und nur drei aus Europa. China hat daraus eine industriepolitische Waffe gemacht. DeepSeek brach 2025 die Vorstellung auf, Frontier-KI müsse zwangsläufig aus einem amerikanischen Closed-Model-Lab stammen. Alibaba baut Qwen aggressiv aus. Z.aikonkurriert mit der GLM-Serie. Moonshot AI hat im Juli 2026 Kimi K3 vorgestellt. Chinesische Modelle werden zunehmend von westlichen Unternehmen verwendet, weil sie offen verfügbar, anpassbar und in vielen Anwendungen preislich attraktiv sind. Auch Siemens gehört zu den Unternehmen, die chinesische Modelle in ihrem Modellmix testen beziehungsweise einsetzen.
Wimmer nennt Kimi und Qwen ausdrücklich als Modelle, zwischen denen Industriearchitekturen wechseln können müssen. „Die Kostenvorteile der chinesischen Modelle sind so groß, dass es total verrückt wäre, das nicht zu nutzen. Und Siemens macht hier strategisch genau das Richtige.“ Die Architektur-Prämisse muss allerdings lauten, dass es Alternativpfade gibt, um in sehr kurzer Zeit von Kimi auf Qwen umzustellen.
Wimmer empfiehlt europäischen Unternehmen deshalb keine Loyalität zu einem einzelnen Modellanbieter. Das ist auch deshalb relevant, weil sich die amerikanische Strategie gerade wieder in Richtung offenerer Modelle bewegt. Meta hat im August 2026 mit Muse Glimmer erneut ein Open-Weight-Modell veröffentlicht. Mark Zuckerberg verbindet den Vorstoß ausdrücklich mit der strategischen Konkurrenz zu China und kritisiert eine zu starke Zentralisierung von KI bei wenigen Closed-Model-Anbietern. Muse Glimmer ist für kleinere agentische Aufgaben konzipiert und soll auf einer einzelnen GPU laufen können. Weitere offene Meta-Modelle sollen folgen.
Ein Industriekonzern kann eine anspruchsvolle Aufgabe heute mit Anthropic lösen, morgen ein chinesisches Open-Weight-Modell einsetzen und übermorgen ein neues Meta-Modell. Voraussetzung ist, dass Unternehmensdaten, Prozesse und Agenten nicht untrennbar mit einem einzigen LLM verwoben sind. Für Wimmer ist das die wichtigste Versicherung gegen geopolitische Erpressbarkeit. Europäische Unternehmen sollten ebenfalls eher mit amerikanischen Plattformen arbeiten, aber chinesische Modelle taktisch dort nutzen, wo sie kurzfristig austauschbar bleiben. „Da muss ich als Unternehmen die Architekturkompetenz haben, die China-Modelle und die KI-Logiken wieder zu entfernen, "wenn Regulatorik, Exportkontrollen oder Geopolitik kippen", sagt Wimmer.
Aus der Verfügbarkeit offener Modelle folgt für Wimmer nicht, dass jetzt jeder Maschinenbauer einen Raum voller NVIDIA-GPUs kaufen sollte. Ein Unternehmen, das wegen herunterladbarer Modelle sein eigenes KI-Rechenzentrum aufbaut, handle ungefähr so, „wie wenn man sich überlegt: Wir haben doch so viele, die in unserem Unternehmen telefonieren, wir bauen ein eigenes Handynetz“.
„Geht man weg von dem bunten Feuerwerk der Folien und der Trials und Versuche hinein in die graue Fabrik, dann liegt der Business Case in den Schweißpunktqualitätsprüfungen oder in den Markierverfahren oder in Sequenzierverfahren", sagt Wimmer. Das klingt deutlich weniger spektakulär als ein humanoider Roboter. Aber genau dort werde Geld verdient. Eine KI, die eine Qualitätsprüfung schneller und zuverlässiger macht, reduziert Ausschuss. Ein Modell, das Produktionssequenzen optimiert, erhöht Durchsatz. Computer Vision kann kontrollieren, ob ein Etikett korrekt aufgebracht ist. Predictive Maintenance kann Stillstände verhindern. Ein Agent kann technische Dokumentation oder einen Prüfprozess automatisieren. Wimmer glaubt deshalb „total an die ABBs“ und „total an die Siemens'“. Sein Kriterium ist nicht, ob sie das beste allgemeine LLM besitzen. Sie können KI „tief in den Rechenzentren, in der Steuerungslogik vergraben“. Genau dieses industrielle Kontextwissen ist schwerer zu kopieren als ein Chatinterface.
Wimmer warnt allerdings vor einer der bequemsten Managementannahmen der KI-Welle. KI macht nicht automatisch jeden Prozess besser. „Nur gute Prozesse werden durch AI schneller. Die schlechten Prozesse werden durch AI langsamer und teurer“, sagt er. Weil das Management der Maschine nicht vollständig vertraut, wird hinter jeden automatisierten Schritt ein Human-in-the-loop gesetzt. Am Ende entsteht mehr Komplexität als zuvor. „Dann wurstelt jemand am schlechten Prozess herum und macht ihn mit AI noch dämlicher“, so Wimmer.
