DeepSeek: Was der chinesische KI-Durchbruch für europäische Unternehmen wirklich bedeutet

Im Januar 2025 veröffentlichte das chinesische Unternehmen DeepSeek sein R1-Modell – und löste damit in der Tech-Industrie einen Schock aus. Nicht weil das Modell gut war. Sondern weil es mit einem Trainingsbudget von angeblich unter 6 Millionen Dollar GPT-o1 in mehreren Benchmarks erreichte oder übertraf. Zum Vergleich: OpenAI soll für GPT-4 mehrere hundert Millionen Dollar investiert haben.

Was DeepSeek technisch anders gemacht hat

DeepSeek R1 kombiniert zwei Ansätze, die in der westlichen KI-Forschung als bekannt galten, aber kaum so konsequent umgesetzt wurden: Mixture of Experts (MoE) zur Effizienzsteigerung und verstärkendes Lernen (Reinforcement Learning) ohne vorherige Supervised Fine-Tuning-Phase. Das Ergebnis ist ein Modell, das bei mathematischen und logischen Aufgaben exzellente Ergebnisse liefert und dabei deutlich ressourceneffizienter arbeitet.

Drei Konsequenzen für europäische Unternehmen

• —Kostenstruktur ändert sich: Wer heute KI-Infrastruktur plant, kann mit deutlich niedrigeren Trainings- und Inference-Kosten rechnen als noch vor zwei Jahren
• —Qualität offener Modelle steigt: DeepSeek zeigt, dass Open-Source-Modelle nicht mehr zwingend hinter proprietären zurückliegen müssen
• —Datenschutzfrage bleibt relevant: DeepSeek-API bedeutet chinesische Server – für europäische Unternehmen mit sensiblen Daten keine Option. Die Open-Source-Gewichte hingegen können lokal betrieben werden.

Was DeepSeek nicht löst

Die Aufregung um DeepSeek hat einen wichtigen Aspekt überschattet: Das beste Modell nützt wenig, wenn die Integration in bestehende Systeme fehlt. Ein Fertigungsbetrieb gewinnt keinen Mehrwert durch ein leistungsfähiges Modell allein – er gewinnt ihn durch ein System, das dieses Modell mit seinen Daten, Prozessen und Nutzeroberflächen verbindet. Modell-Performance ist ein Faktor. System-Design ist der entscheidende.

“DeepSeek hat bewiesen, dass gute KI keine Milliarden braucht. Es hat nicht bewiesen, dass gute KI-Systeme keine Expertise brauchen.”