Eric Schmidts Wechsel von der Google-Suche zur KI-Strategie

Warum Eric Schmidt in der Diskussion über KI-Politik wichtig ist

Eric Schmidt ist in der KI-Politik wichtig, weil seine Laufbahn den Betrieb einer globalen Technologieplattform mit dem Aufbau nationaler Technologiekompetenz verbindet. Sein Einfluss beruht nicht auf einem gewählten Amt oder dem Verfassen von Vorschriften. Er übersetzt Probleme aus Technik, Investitionen und Organisation in Empfehlungen, die Regierungsvertreter finanzieren, zuweisen und messen können.

Diese Unterscheidung hält den Blick auf dem Wesentlichen. Schmidts Jahre bei Google erklären, warum Verantwortliche ihm zuhören, doch es geht hier nicht um eine Biografie oder die Geschichte der Suche. Entscheidend ist, wie seine Erfahrung mit Daten, Infrastruktur, technischem Personal und schneller Produktentwicklung seine spätere Arbeit zu nationaler Sicherheit und künstlicher Intelligenz geprägt hat.

Eine nationale KI-Strategie ist der abgestimmte Plan einer Regierung für Forschung, kommerzielle Einführung, Einsatz im öffentlichen Sektor, Sicherheit und Aufsicht. Sie umfasst Hochschulfinanzierung, qualifizierte Einwanderung, Halbleiterversorgung, Rechenzentren, Energie, öffentliche Beschaffung, technische Standards, Vorbereitung von Arbeitskräften und internationale Zusammenarbeit. Sie muss auch entscheiden, wo Einschränkungen gerechtfertigt sind, wer für Fehler haftet und wie Bürger schädliche automatisierte Entscheidungen anfechten können.

Vier Debatten ziehen sich durch Schmidts öffentliche Arbeit:

• Innovation betrifft Forschung, Unternehmensgründungen, Einführungsgeschwindigkeit sowie Zugang zu Kapital und Rechenleistung.
• Sicherheit umfasst die Einführung in der Verteidigung, Cyberoperationen, Nachrichtendienste, Modellschutz und gefährliche Fähigkeiten mit doppeltem Verwendungszweck.
• Governance weist Verantwortung durch Tests, Dokumentation, Überwachung, Haftung und Abhilfe zu.
• Wettbewerb betrifft das Verhältnis zwischen den USA und China, die Abstimmung mit Verbündeten, fortschrittliche Chips, technische Standards und Fachkräfte.

Diese Debatten überschneiden sich, sind aber nicht austauschbar. Eine Politik, die inländische Rechenkapazität ausbaut, kann Forschung und Verteidigung fördern und zugleich Stromsysteme stärker belasten. Eine Exportbeschränkung kann einem Wettbewerber den Zugang zu fortschrittlicher Hardware verzögern, während sie heimischen Lieferanten Kosten auferlegt. Eine Sicherheitsvorgabe kann Menschen in einem Hochrisikobereich schützen und bei unveränderter Anwendung auf ein risikoarmes Verwaltungswerkzeug verschwenderisch sein.

Schmidts Bedeutung liegt in dieser operativen Sicht. Nationale Strategie ist keine Erklärung, dass KI wichtig sei. Sie ist ein Bündel aus Institutionen, Budgets, technischen Systemen, Anreizen und Fristen, das entscheidet, ob öffentlicher Anspruch die Umsetzung übersteht.

Von technischer Führung zur Größe von Google

Schmidts Technologielaufbahn gab ihm direkte Erfahrung mit Organisationsproblemen, die später in seinen politischen Empfehlungen auftauchten. Der ausgebildete Informatiker arbeitete bei Bell Labs, Sun Microsystems und Novell, bevor er 2001 als Chief Executive zu Google kam. Google hatte bereits seine Gründer, Suchtechnologie und ein schnell wachsendes Publikum. Seine Aufgabe war es, diesen Schwung in ein Unternehmen zu verwandeln, das Märkte und Produkte zuverlässig bedienen kann.

Bis 2011 blieb er CEO von Google. In dieser Zeit baute das Unternehmen seine Recheninfrastruktur, sein Werbegeschäft, die Belegschaft und sein Produktspektrum aus. Die Erkenntnis ging über Wachstum hinaus: Technische Erfindungen haben begrenzten Wert, wenn eine Organisation keine Menschen gewinnen, Rechenressourcen verteilen, Änderungen testen, sich von Fehlern erholen oder mit der nötigen Geschwindigkeit entscheiden kann.

Die Suche zeigt die Verbindung zu diesen Betriebsdisziplinen. Ein Suchsystem muss konzeptionell drei unterschiedliche Aufgaben erfüllen:

• Crawling entdeckt Dokumente und besucht sie erneut, wenn sich das Web verändert.
• Indexierung organisiert das gefundene Material, damit es effizient abgerufen werden kann.
• Ranking schätzt, welche Ergebnisse eine bestimmte Anfrage und Absicht am besten erfüllen.

Jede Aufgabe hängt von Infrastruktur, Datenqualität, Messung und ständiger Wartung ab. Eine hilfreiche Änderung des Rankings muss in verschiedenen Sprachen, bei seltenen Anfragen, Spamversuchen, plötzlichen Nachrichtenereignissen, langsamen Netzen und Milliarden Interaktionen funktionieren. Bei globaler Größe kann schon eine kleine Fehlerquote täglich zu einer großen Zahl schlechter Ergebnisse führen.

Die Ära der Suche machte auch kontrollierte Experimente selbstverständlich. Teams konnten eine vorgeschlagene Änderung mit dem bestehenden System vergleichen, Nutzerverhalten beobachten, Fehlerfälle untersuchen und eine Veröffentlichung zurücknehmen, wenn die Evidenz dagegen sprach. Überwachung und Rücksetzung waren Teil des Produkts, keine nach dem Start hinzugefügte Verwaltungsarbeit.

Vertrauen war schwerer zu messen, aber ebenso wichtig. Das Suchranking beeinflusst, was Menschen sehen, während Datenerhebung Pflichten für Privatsphäre und Sicherheit schafft. Nutzer können einen Dienst verlassen, wenn Ergebnisse manipuliert, unsicher oder dauerhaft ungenau wirken. Regierungen stehen bei KI vor einem ähnlichen Problem: Ein System kann ein internes Leistungsziel erfüllen und dennoch an Legitimität verlieren, wenn Menschen seine Entscheidungen nicht verstehen, anfechten oder ihnen entkommen können.

Die Analogie hat Grenzen. Ein Land ist kein Technologieunternehmen, Bürger sind keine Kunden, und öffentliche Gewalt lässt sich nicht auf Produktmanagement reduzieren. Regierung muss Recht einhalten, Grundrechte schützen, ein faires Verfahren sichern und Institutionen mit konkurrierenden Aufträgen Rechenschaft ablegen. Schmidts Erfahrung aus dem Privatsektor hilft, wenn sie operative Engpässe aufzeigt. Sie überzeugt weniger, wenn Unternehmensgeschwindigkeit als Ersatz für demokratische Rechenschaft behandelt wird.

Die öffentlichen Rollen hinter Schmidts politischem Einfluss

Schmidts Übergang in die nationale Technologiepolitik vollzog sich über eine Reihe formeller Beratungsrollen und privat finanzierter Initiativen. Diese Rollen verschafften ihm Zugang zu Verteidigungsführungen, Gesetzgebern, technischen Fachleuten und Politikmitarbeitenden. Zugleich entstanden öffentliche Dokumente, an denen sich sein Einfluss messen lässt.

2016 ernannte Verteidigungsminister Ash Carter Schmidt zum Vorsitzenden des neu geschaffenen Defense Innovation Board. Dieses sollte Führungskräfte des Department of Defense zu Organisationspraxis, Software, Daten, Fachkräften und einer schnelleren Technologieeinführung beraten. Das Gremium leitete weder Militäroperationen noch vergab es Aufträge. Es entwickelte Empfehlungen, damit eine große Bürokratie besser mit moderner Technologie und kommerziellen Anbietern arbeiten kann.

Der Kongress schuf später die National Security Commission on Artificial Intelligence, meist NSCAI genannt. Schmidt leitete die parteiübergreifende Kommission mit 15 Mitgliedern, Robert Work, ehemaliger stellvertretender Verteidigungsminister, war sein Stellvertreter. Ihr gesetzlicher Auftrag war, zu empfehlen, wie die Vereinigten Staaten KI und verwandte Technologien für nationale und wirtschaftliche Sicherheitsbedürfnisse entwickeln sollten.

Die NSCAI übergab Präsident und Kongress 2021 ihren Abschlussbericht. Er enthielt 16 Kapitel und detaillierte Umsetzungspläne für die Einführung in der Verteidigung, Fachkräfte, Forschungsinfrastruktur, Mikroelektronik, Bündnisse, verantwortungsvollen Einsatz und den Wettbewerb mit China. Seine Bedeutung lag in der Verbindung strategischer Aussagen mit umsetzbaren Vorschlägen. Verantwortliche konnten daraus eine Behördenstruktur, ein Einstellungsprogramm, ein Budgetkonzept oder eine Testvorgabe ableiten, statt nur einen allgemeinen Aufruf zu KI-Investitionen zu erhalten.

Nach Abschluss der NSCAI gründete Schmidt 2021 das Special Competitive Studies Project. Die privat finanzierte operative Stiftung untersucht KI und andere neue Technologien im Zusammenhang mit nationaler Sicherheit, Wirtschaft und Gesellschaft. Schmidt steht ihr vor. Mitarbeitende und Berater veröffentlichen weiter politische Vorschläge und bringen öffentliche wie private Entscheidungsträger zusammen.

Diese Positionen zeigen vier Wege, über die ein Berater Politik beeinflussen kann:

• Problemrahmung bestimmt das Problem und das Vokabular, mit dem Verantwortliche darüber sprechen.
• Umsetzungspläne übersetzen breite Ziele in Ämter, Befugnisse, Programme und Fristen.
• Netzwerke verbinden Behörden mit Forschenden, Investoren, Unternehmen und ehemaligen Regierungsvertretern.
• Nachverfolgung hält Empfehlungen im Umlauf, nachdem eine Kommission aufgelöst wurde.

Keiner dieser Wege gibt einem Berater formelle Kontrolle. Der Kongress entscheidet, ob Programme rechtlich genehmigt und finanziert werden. Exekutivbehörden legen Aufträge aus, schreiben Beschaffungsregeln und steuern Einführungen. Gerichte, Generalinspektoren, Prüfer, Journalisten und die Zivilgesellschaft können Mängel aufdecken. Schmidt kann die Auswahl möglicher Optionen prägen, öffentliche Institutionen entscheiden jedoch, was bestellt wird und Bestand hat.

Was die NSCAI-Strategie forderte

Das zentrale Argument der NSCAI war, dass ein Vorsprung bei KI von einem gesamten technischen und institutionellen Stapel abhängt, nicht von einem einzelnen überlegenen Modell. Der Bericht beschrieb diesen Stapel anhand von Fachkräften, Daten, Hardware, Algorithmen, Anwendungen und Integration. Eine Schwäche auf einer Ebene kann verhindern, dass ein beeindruckendes Laborergebnis zu einer verlässlichen nationalen Fähigkeit wird.

Der Bericht forderte, dass Department of Defense und Intelligence Community bis 2025 Grundlagen für eine umfassende KI-Integration schaffen sollten. Das Ziel war eine Frist für Vorbereitungsarbeit, keine Bestätigung, dass jede relevante Behörde oder Mission an diesem Datum KI-bereit sein würde. Ein ernsthafter Rückblick muss fragen, welche Grundlagen entstanden sind, wie sie funktionierten und welche Probleme blieben.

Die Empfehlungen lassen sich in fünf praktische Themen ordnen:

• Die Einführung durch Behörden brauchte hochrangige Führung, nutzbare Daten, moderne Software, sichere Rechenleistung und iterative Beschaffung.
• Die Fachkräftepolitik brauchte neue technische Karrierewege, bessere Ausbildung, flexible Einstellung und fortgesetzten Zugang zu internationalem Wissen.
• Die Hardwarepolitik musste Halbleiterfertigung, Zugang zu fortschrittlichen Chips, konzentrierte Lieferketten und Forschung berücksichtigen.
• Nationale Forschungskapazität brauchte öffentliche Investitionen und breiteren Zugang zu Rechenleistung, Datensätzen, Modellen und technischer Unterstützung.
• Verantwortungsvolle Nutzung brauchte Tests, menschliches Urteil, Rechenschaft, Überwachung und Zusammenarbeit mit Verbündeten.

Der Teil zur verantwortungsvollen Nutzung geht manchmal verloren, wenn die NSCAI als reines Rennpapier zusammengefasst wird. Ihr Abschlussbericht argumentierte, dass Systeme der nationalen Sicherheit begründetes Vertrauen brauchen. Bediener müssen wissen, wo ein System funktioniert und wo nicht, wie Gegner es angreifen können und wie viel Risiko eine Mission tragen kann. Er schlug KI-Führung innerhalb der Behörden und fachübergreifende Unterstützung für Bewertung und Governance vor.

Teile der Analyse von 2021 sind gealtert, weil generative KI das praktische Problem verändert hat. Allgemeine Basismodelle können heute über eine Oberfläche Text, Software, Bilder, Audio und Pläne erzeugen. Sie lassen sich durch Prompts, Retrieval, Feinabstimmung und Werkzeugnutzung anpassen, ohne ein Modell von Grund auf zu trainieren. Das hat den Zugang erweitert, aber die Grenzen von Fähigkeiten schwerer beschreibbar gemacht.

Neben dem Training wurde auch Inferenz zu einer strategischen Ressource. Ein Land kann Modelle besitzen und dennoch nicht genug Rechenleistung, Netzkapazität, Strom oder sichere Einsatzumgebungen haben, um sie in Krankenhäusern, Behörden, Laboren und Militäreinheiten zu nutzen. Modelldiebstahl, böswillige Feinabstimmung, synthetische Medien, agentische Werkzeugnutzung und KI-gestützte biologische oder cyberbezogene Arbeit brauchen heute mehr Aufmerksamkeit als in frühen Strategiedokumenten.

Der dauerhafte Teil der NSCAI ist daher ihre Systemperspektive. Überholt ist jede Annahme, dass die KI-Einführung einem herkömmlichen Softwarepfad mit stabilen Anforderungen und vorhersehbaren Updates folgt. Aktuelle Strategie muss einen sich verändernden Dienst, seine Werkzeuge, Datenflüsse und die Menschen steuern, die sich auf ihn verlassen.

Welche Empfehlungen zu sichtbaren Institutionen wurden

Mehrere spätere US-Initiativen ähneln NSCAI-Vorschlägen, doch Ähnlichkeit allein beweist nicht, dass Schmidt oder die Kommission sie verursacht haben. Gesetzgebung, Behördenarbeit, frühere Forschung, kommerzieller Druck, Sicherheitsereignisse und Änderungen der Präsidentenpolitik prägten das Ergebnis ebenfalls.

Das Department of Defense schuf im Februar 2022 die Position des Chief Digital and Artificial Intelligence Officer. Das Amt bündelte wesentliche Zuständigkeiten für Daten, Analytik und KI unter einer hochrangigen Führungskraft. Diese Organisationsentscheidung griff das von der NSCAI beschriebene Koordinationsproblem auf: Verstreute Pilotprojekte führen nicht zu einer behördenweiten Einführung, wenn Daten, Infrastruktur, Politik und Beschaffung getrennt bleiben.

Der CHIPS and Science Act folgte 2022 und stellte fast 53 Milliarden US-Dollar für Anreize zur Halbleiterfertigung, Forschung und zugehörige Arbeitskräfteprogramme bereit. Sein Umfang ging über KI hinaus, doch fortschrittliche Rechenleistung machte Halbleiterkapazität zu einem direkten Anliegen nationaler Strategie. Fabriken, Verpackung, Fertigungsanlagen, Forschung, qualifizierte Arbeit und Versorgungssicherheit wurden zu Gegenständen der Politik statt allein zu Fragen der Unternehmensbeschaffung.

Das Pilotprogramm National Artificial Intelligence Research Resource begann 2024, um Forschenden und Lehrenden Zugang zu Rechenleistung, Datensätzen, Modellen, Software, Schulungen und Unterstützung zu geben. In seinem Fortschrittsbericht nach zwei Jahren nannte das Programm Unterstützung für mehr als 600 Forschungsprojekte und 6.000 Studierende, Beteiligung aus allen Bundesstaaten und rund 100 Millionen US-Dollar an Sachleistungen privater Partner. Das ist ein konkretes Beispiel öffentlich-privater Infrastruktur, die die Lücke zwischen gut finanzierten Laboren und der breiteren Forschungsgemeinschaft verringern soll.

Der KI-Aktionsplan des Weißen Hauses von 2025 formulierte mehr als 90 Bundesmaßnahmen unter drei Säulen: Innovation, Infrastruktur sowie internationale Diplomatie und Sicherheit. Seine politische Gewichtung unterschied sich von früherer Politik. Er legte mehr Wert auf schnelle Entwicklung im Privatsektor, Bau von Rechenzentren, Energieversorgung, KI-Exporte, Einführung durch Bundesbehörden und die Durchsetzung von Beschränkungen für fortschrittliche Rechenleistung.

Ein Memorandum zur nationalen Sicherheit vom Juni 2026 trieb die operative Agenda weiter voran. Es ordnete Arbeit an der Einführung für die nationale Sicherheit, technischen Einstellungen, einer KI-Talentreserve, gemeinsamen Daten- und Modellumgebungen, Reaktion auf Vorfälle, Sicherheitspraktiken sowie standardisierten Methoden für Test, Bewertung, Verifizierung und Validierung an. Es definierte Steuerbarkeit zudem als Fähigkeit, ein System zu überwachen und korrigierend einzugreifen.

Zusammen zeigen diese Maßnahmen eine politische Annäherung an mehrere Probleme, die Schmidt betonte: staatliche Handlungsfähigkeit, technisches Personal, Recheninfrastruktur, institutionelle Koordination und messbare Bewertung. Sie beantworten nicht, ob die gewählten Lösungen ausreichen oder gut gestaltet sind. Ein Amt zu schaffen ist leichter, als ihm Befugnisse zu geben. Ein Programm anzukündigen ist leichter, als seine Mittel dauerhaft zu sichern. Eine Bewertungsmethode zu veröffentlichen ist leichter, als sie gegenüber einem bevorzugten Anbieter oder einer dringenden Mission durchzusetzen.

Forschung, Fachkräfte und Infrastruktur machen Strategie umsetzbar

Eine nationale KI-Strategie wird erst umsetzbar, wenn Forschung, Menschen, Rechenleistung, Daten und Einsatzregeln als gemeinsames Portfolio funktionieren. Wer eine Komponente finanziert und eine andere vernachlässigt, schafft ungenutzte Kapazität oder Abhängigkeit von wenigen Lieferanten.

Öffentliche Forschungsförderung sollte Grundlagenforschung, angewandte Missionen, Bewertungsmethoden und Arbeit mit unsicheren kommerziellen Erträgen unterstützen. Sie sollte auch Übergangsmechanismen umfassen. Ein Hochschulteam kann eine wertvolle Technik zeigen, doch ihre Einführung kann ohne sicheres Hosting, Produktentwicklung, rechtliche Grundlage, Mittel für Wartung und eine öffentliche Behörde, die das Ergebnis übernimmt, ins Stocken geraten.

Fachkräftepolitik verlangt mehr als zusätzliche Absolventen der Forschung zum maschinellen Lernen. Regierung braucht Software- und Dateningenieure, Cybersicherheitsfachleute, Produktmanager, Beschaffungspersonal, Juristen, Prüfer, Fachleute aus den jeweiligen Bereichen und ranghohe Verantwortliche, die technische Abwägungen treffen können. Ein Verteidigungsmodell, das ohne Bediener bewertet wird, kann im Einsatz versagen. Ein Leistungssystem, das ohne Expertise im Verwaltungsrecht geprüft wird, kann ein faires Verfahren verletzen, selbst wenn seine Vorhersage statistisch genau ist.

Rechenpolitik muss Training und Inferenz unterscheiden. Das Training eines großen Modells benötigt für begrenzte Zeit gebündelte Rechenleistung. Der Betrieb dieses Modells für viele Nutzer erzeugt dauerhaften Bedarf an Beschleunigern, Speicher, Netzwerken, Datenspeichern, Strom, Kühlung und Wartung. Beschaffungspläne, die Entwicklung budgetieren, aber Betriebskosten ignorieren, können Behörden mit einem erfolgreichen Pilotprojekt zurücklassen, das sie nicht skalieren können.

Physische Infrastruktur gehört nun zur Strategie. Rechenzentren brauchen geeignete Standorte, zuverlässige Energie, Übertragungskapazität, Wasser oder alternative Kühlsysteme, Netzanschlüsse, Ersatzgeräte und Notfallpläne. Hilfreiche Kennzahlen sind die Zeit bis zum Anschluss neuer Kapazität, Auslastungsraten, Kosten pro abgeschlossenem Arbeitsauftrag, Wiederherstellungszeit nach Störungen und der Anteil sensibler Aufgaben, die in genehmigten Umgebungen laufen können.

Datenpolitik beginnt mit Rechtsgrundlage und Zweck. Behörden müssen wissen, warum ein Datensatz existiert, wer ihn nutzen darf, wie lange er gespeichert werden darf, welche Gruppen er schlecht abbildet und wie sich Korrekturen fortpflanzen. Herkunft ist wichtig, weil eine Bewertung keinen Fehler erklären kann, wenn Ursprung und Umwandlungsgeschichte der zugrunde liegenden Datensätze unbekannt sind.

Datenschutzfreundliche Methoden können Risiken mindern, ersetzen Governance jedoch nicht. Zugriffskontrollen, sichere Datenräume, De-Identifizierung, differenzielle Privatsphäre, föderierte Analyse und Prüfprotokolle begegnen unterschiedlichen Bedrohungen. Eine Behörde sollte sie anhand der Daten, Nutzer, des Angriffsmodells und ihrer öffentlichen Pflicht auswählen.

Die Einführung sollte einem Lebenszyklus folgen, nicht einem einmaligen Abnahmetest:

1. Entscheidung, betroffene Bevölkerung, Rechtsgrundlage und menschliche Verantwortung festlegen.
2. Eine Vergleichsbasis ohne KI und ein messbares Nutzenziel bestimmen.
3. Leistung, Sicherheit, Verzerrungen, Barrierefreiheit und Missbrauch im vorgesehenen Umfeld testen.
4. Schrittweise veröffentlichen, mit Protokollen, Eskalationswegen, Meldung von Vorfällen und Rücksetzung.
5. Neu bewerten, wenn sich Modell, Daten, Politik oder Betriebsbedingungen ändern.

Dieser Prozess unterstützt Geschwindigkeit, weil er kleine, rückgängig zu machende Versuche ermöglicht. Er verhindert auch, dass eine überzeugende Demonstration eines Prototyps mit Nachweisen für den produktiven Einsatz verwechselt wird.

KI verändert nationale Sicherheit durch Dual-Use-Fähigkeiten

KI verändert nationale Sicherheit, indem sie Geschwindigkeit, Maßstab und Zugänglichkeit von Analyse und Handeln erhöht. Nachrichtendienste können sie nutzen, um Bilder auszuwerten, Material zu übersetzen, große Dokumentensammlungen zu durchsuchen, Cyberanomalien zu erkennen und Analysten beim Verbinden von Signalen zu helfen. Militärorganisationen können sie für Logistik, Wartung, Planungsunterstützung, Sensorik und autonome Systeme einsetzen.

Dieselbe Fähigkeit kann Angreifer unterstützen. Codegenerierung kann Verteidigern bei der Prüfung von Software helfen und Gegnern dabei, Schadprogramme zu variieren. Sprachgenerierung kann die Kosten personalisierter Phishing- und Einflussoperationen senken. Computer Vision kann Katastrophenhilfe oder dauerhafte Überwachung unterstützen. Biologische Modelle können legitime Forschung fördern und zugleich einige Hürden für schädliche Experimente senken.

Darum lässt sich Dual-Use-Politik nicht auf eine Liste verbotener Modelle reduzieren. Das Risiko hängt vom Modell, angeschlossenen Werkzeugen, verfügbaren Daten, Nutzerzugang, Einsatzumgebung und den Folgen eines Fehlers ab. Ein allgemeines Modell ohne externe Berechtigungen schafft andere Risiken als dasselbe Modell, das mit geheimen Datenbanken, Laborgeräten, Finanzkonten oder Waffen verbunden ist.

Auch die öffentliche Beschaffung steht vor einer Schwierigkeit. Herkömmliche Verträge gehen von stabilen Anforderungen und einer Produktversion aus, die vor der Abnahme getestet wird. KI-Dienste können während der Vertragslaufzeit Modell, Sicherheitsschicht, Retrieval-System, Trainingsmischung oder Nutzungsregeln ändern. Behörden brauchen eine Mitteilung über wesentliche Änderungen und die Möglichkeit, Bewertungen zu wiederholen, bevor ein Update sensible Arbeit erreicht.

Eine vertretbare Einführung für die nationale Sicherheit sollte fünf Kontrollen umfassen:

• Missionsspezifische Tests, die falsch positive und falsch negative Ergebnisse, Latenz, Versagen unter Belastung und gegnerisches Verhalten messen.
• Zugriff nach dem Prinzip geringster Rechte, der Daten, Werkzeuge und Handlungen des Systems begrenzt.
• Eine benannte menschliche Instanz für Genehmigung, Eingreifen, Eskalation und Abschaltung.
• Laufende Protokolle und Überwachung, die für Untersuchungen statt für Anbietermarketing gestaltet sind.
• Vertragsbedingungen für Updates, Vorfälle, Datennutzung, Modellzugang, Portabilität und Kündigung.

Menschliche Beteiligung muss wirklich wirksam sein. Eine Person zum Klicken auf Genehmigen zu verpflichten, bringt wenig, wenn die Oberfläche Unsicherheit verbirgt, die Arbeitslast eine Prüfung verhindert oder die Organisationskultur Widerspruch zum Modell bestraft. Bediener brauchen Schulung, Zeit, alternative Informationen und die Befugnis, ein Ergebnis abzulehnen.

Einsätze mit schwerwiegenden Folgen verlangen strengere Nachweise. Ein System, das routinemäßige Korrespondenz zusammenfasst, kann Fehler verkraften, die bei Zielerfassung, nachrichtendienstlicher Warnung, medizinischer Triage oder Zugang zu einer öffentlichen Leistung nicht hinnehmbar wären. Geschwindigkeit sollte aus angemessener Prüfung und reversibler Einführung kommen, nicht aus der Behauptung, jeder Einsatz habe dieselben Folgen.

Der Wettbewerb zwischen den USA und China ist mehr als ein Modellrennen

Der KI-Wettbewerb zwischen den USA und China betrifft industrielle Kapazität, Forschung, Fachkräfte, Energie, Lieferketten, Einführung und Bündnisse, nicht eine einzelne Rangliste von Modellen. Wer ihn als Ziellinie behandelt, fördert dramatische Behauptungen und verdeckt die Institutionen, die über Jahre hinweg Vorteile tragen.

Fähigkeitsvergleiche müssen benennen, was gemessen wird. Ein leistungsstarkes Modell zu trainieren unterscheidet sich davon, fortschrittliche Chips herzustellen, Systeme in der gesamten Industrie einzuführen, zuverlässige Cloud-Kapazität bereitzustellen, wissenschaftliche Entdeckungen zu erzielen oder KI in Militäroperationen zu integrieren. Ein Land kann in einer Kategorie führen und in einer anderen von ausländischen Lieferanten abhängen.

Exportkontrollen sollen den Zugang zu ausgewählten fortschrittlichen Chips und Anlagen zur Halbleiterfertigung verlangsamen. Ihre Wirkung hängt von technischer Reichweite, Durchsetzung, Beteiligung von Verbündeten, Lagerbeständen, Umgehungswegen und der Fähigkeit des Zielstaats ab, Ersatz zu entwickeln. Zu enge Kontrollen können wenig bewirken. Zu breite Regeln können Kunden dazu bringen, US-Lieferanten zu verlassen, oder einen schnelleren Ersatz fördern.

Verbündete sind wichtig, weil Lieferketten für Halbleiter und Rechenleistung nationale Grenzen überschreiten. Chipdesign, Fertigung, Produktionsanlagen, Materialien, Verpackung, Cloud-Dienste und Forschungstalente verteilen sich auf viele Länder. Abgestimmte Politik kann Umgehung verringern, Kosten teilen, kompatible Sicherheitspraktiken fördern und Partnern Gründe geben, mit vertrauenswürdigen Systemen zu arbeiten.

Wettbewerb beeinflusst auch Governance. Wenn jede Bewertungsanforderung als einseitige Abrüstung dargestellt wird, investieren Behörden und Unternehmen zu wenig in Tests, bis ein Fehler eine Reaktion erzwingt. Wenn jede Fähigkeit aus spekulativen Gründen beschränkt wird, können Forschung und vorteilhafte Einführung anderswo stattfinden. Eine kompetente Strategie schützt Raum für Experimente und wendet zugleich strengere Kontrollen auf Zugänge, Handlungen und Umgebungen an, die ein glaubhaftes Risiko für die nationale Sicherheit schaffen.

Konzentration erschwert die Position der USA. Das Training und der Betrieb führender Systeme benötigt Ressourcen, die nur wenigen Unternehmen zur Verfügung stehen. Konzentration kann Investitionen und Einführung beschleunigen, sie kann aber auch die Verhandlungsmacht der Regierung schwächen, Forschungszugang verringern und gemeinsame Abhängigkeiten zwischen Behörden schaffen. Wettbewerbspolitik, Interoperabilität, Portabilität, öffentliche Forschungsinfrastruktur sowie Anforderungen an Quellcode- oder Modellzugang können jeweils einen Teil dieses Problems angehen.

Die Rennmetapher bleibt politisch wirksam, weil sie Dringlichkeit erzeugt. Analytisch bleibt sie unvollständig, weil dauerhafte Führung von Widerstandsfähigkeit, Fehlerkorrektur, öffentlicher Legitimität und Zusammenarbeit abhängt. Ein Land, das schnell einführt, seine Modelle aber nicht sichern, seine Rechenzentren nicht mit Strom versorgen, Bediener nicht ausbilden oder nicht auf Vorfälle reagieren kann, hat keinen dauerhaften Vorteil aufgebaut.

Governance muss dem Einsatz und seinen Folgen folgen

Wirksame KI-Governance weist Pflichten danach zu, was ein System tut, wen es betrifft und wie schwer ein Fehler wiegen würde. Ein Chatbot für allgemeine Fragen, eine Diagnosehilfe, eine Vorauswahl für Einstellungen und eine autonome Zielerfassungskomponente sollten nicht denselben Nachweispflichten unterliegen.

Die erste Governance-Aufgabe ist die Einordnung. Verantwortliche sollten feststellen, ob das System eine Person informiert, eine Handlung empfiehlt, eine Entscheidung trifft oder eine Handlung ausführt. Dann sollten sie betroffene Rechte, mögliche Schäden, gefährdete Gruppen, Einspruchsmöglichkeiten und die Umkehrbarkeit von Schäden erfassen.

Fünf Fragen decken schwache Governance schnell auf:

• Welche Entscheidung beeinflusst das System, und wer bleibt rechtlich verantwortlich?
• Welche Nachweise stützen seinen Einsatz für diese Gruppe und dieses Betriebsumfeld?
• Welche Informationen werden erhoben, gespeichert, weitergegeben oder später zum Training verwendet?
• Wie kann eine betroffene Person eine Erklärung, Korrektur und menschliche Überprüfung erhalten?
• Welches Ereignis löst Aussetzung, Benachrichtigung, Abhilfe oder Entschädigung aus?

Fairness verlangt, Ergebnisse zu prüfen, statt anzunehmen, dass das Entfernen geschützter Merkmale Diskriminierung beseitigt. Andere Variablen können als Stellvertreter wirken, historische Aufzeichnungen können ungleiche Behandlung abbilden und Fehlerkosten können ungleich verteilt sein. Behörden sollten relevante Gruppen testen, Ursachen untersuchen und entscheiden, ob der Einsatz nach Abhilfemaßnahmen weiterhin rechtmäßig und gerechtfertigt ist.

Transparenz muss zur Zielgruppe passen. Ingenieure brauchen Modell- und Datendokumentation. Bediener brauchen Angaben zu Grenzen, Unsicherheit und Eskalation. Beschaffungsverantwortliche brauchen Informationen zu Kosten, Sicherheit, Updates und Abhängigkeiten. Eine von einer Entscheidung betroffene Person braucht einen verständlichen Grund und einen nutzbaren Einspruchsweg. Die Veröffentlichung eines langen technischen Dokuments erfüllt nicht alle vier Bedürfnisse.

Die Datenschutzanalyse muss Modellinteraktionen ebenso wie Trainingsdaten umfassen. Prompts, abgerufene Dokumente, Werkzeugausgaben, Protokolle, Feedback und erzeugte Datensätze können sensible Informationen enthalten. Vertragsbedingungen sollten festhalten, ob ein Anbieter diese Materialien speichern, zum Training nutzen, über Grenzen übertragen oder Unterauftragnehmern zugänglich machen darf.

Bewertungen führender Modelle und Anwendungsprüfungen beantworten verschiedene Fragen. Eine Modellbewertung kann Cyberfähigkeiten, Täuschung, biologisches Wissen oder Widerstand gegen Missbrauch testen. Eine Anwendungsprüfung untersucht das gesamte eingesetzte System, einschließlich Prompts, Retrieval, Werkzeugen, Oberflächen, menschlichen Verfahren und betroffener Gruppen. Das Bestehen des einen ersetzt nicht das andere.

Unabhängige Forschende, zivilgesellschaftliche Organisationen, Generalinspektoren, Normungsgremien und Prüflabore bringen Wissen und Kontrolle ein, die Behörden und Anbietern fehlen können. Zugangsregelungen müssen Sicherheit und personenbezogene Daten schützen, doch Geheimhaltung darf nicht pauschal als Schutz gegen externe Prüfung dienen.

Öffentlich-private Zusammenarbeit braucht Grenzen und Nachweise

Öffentlich-private Zusammenarbeit funktioniert, wenn die Beteiligten das öffentliche Problem, die Rechtsgrundlage, das erwartete Ergebnis, die Sicherheitsgrenze und die Ausstiegsbedingungen festlegen, bevor sie Technologie auswählen. Vage Partnerschaften sorgen für Aufmerksamkeit, machen Kosten, Verantwortung und Leistung jedoch schwer überprüfbar.

Die Regierung bringt Auftrag, öffentliche Finanzierung, Zugang zu Einsatzumgebungen und die Möglichkeit mit, langfristige Arbeit zu fördern. Unternehmen bringen Ingenieurpersonal, kommerzielle Infrastruktur, aktuelles Produktwissen und Erfahrung im Betrieb von Systemen im großen Maßstab ein. Hochschulen und gemeinnützige Organisationen können Grundlagenforschung, Bewertungsmethoden, Ausbildung und unabhängige Kritik liefern.

Ihre Anreize unterscheiden sich. Ein Anbieter profitiert, wenn aus einem Pilotprojekt ein langfristiger Vertrag wird. Ein Behördenleiter kann davon profitieren, eine schnelle Einführung anzukündigen, bevor die Nachweise ausgereift sind. Eine Forschungsgruppe kann offene Veröffentlichung bevorzugen, selbst wenn ein Ergebnis Sicherheitsfolgen hat. Gute Vereinbarungen erkennen diese Anreize an und bauen Prüfung, Offenlegung, Wettbewerb und Kündigungsrechte darum herum auf.

Interessenkonflikte verdienen direkte Behandlung, wenn prominente Berater in demselben Politikfeld Investitionen, Aufsichtsratspositionen, Geschäftsbeziehungen oder philanthropische Projekte behalten. Offenlegung beweist keinen unzulässigen Einfluss, und Fachwissen geht oft mit beruflichen Verbindungen einher. Sie ermöglicht Verantwortlichen und Öffentlichkeit, die Herkunft einer Empfehlung zu bewerten, Gegenpositionen einzuholen und Beteiligte bei Bedarf auszuschließen.

Prototypen mit geringem Risiko bieten einen praktischen Bereich für Zusammenarbeit. Koder.ai ermöglicht Nutzern beispielsweise, React-Weboberflächen, Go-Backend-Dienste mit PostgreSQL und Flutter-Mobilanwendungen per natürlichem Sprachchat zu erstellen. Es unterstützt Planungsmodus, Quellcodeexport, Bereitstellung und Hosting, eigene Domains, Snapshots und Rücksetzung. Diese Funktionen können den Feedback-Zyklus für einen Demonstrator oder ein internes Werkzeug verkürzen.

Eine generierte Anwendung braucht trotzdem Prüfung, bevor sie im öffentlichen Sektor produktiv eingesetzt wird. Teams müssen Code, Abhängigkeiten, Authentifizierung, Zugriffskontrollen, Datenflüsse, Barrierefreiheit, Protokollierung, Resilienz, Lizenzen und Bereitstellungskonfiguration untersuchen. Sensible Arbeitslasten benötigen außerdem eine genehmigte Hostingumgebung und die Einhaltung der Sicherheits- und Aufzeichnungspflichten der Behörde. Vibe Coding verändert, wie ein Prototyp entsteht, nicht wer dafür verantwortlich ist.

Ein sinnvoller Pilotvertrag sollte Folgendes festlegen:

• Eine eng abgegrenzte Nutzergruppe und einen zeitlich begrenzten Betriebszeitraum.
• Ausgangswerte für Kosten, Qualität und Bearbeitungszeit.
• Beschränkungen zu Datenspeicherung, Training, Standort und Unterauftragnehmern.
• Sicherheitstests, Mitteilung von Änderungen, Meldung von Vorfällen und Pflichten zur Rücksetzung.
• Rechte auf Export, Portabilität, Dokumentation und Kündigung.

Diese Struktur erlaubt Behörden, zu lernen, ohne sich an einen Anbieter zu binden, bevor sie das System verstehen. Erfolgreiche Pilotprojekte erhalten so auch glaubwürdige Nachweise für eine Ausweitung.

Wie sich Schmidts Einfluss und jede KI-Strategie beurteilen lassen

Schmidts Einfluss sollte anhand von Übernahme, Ressourcen, institutioneller Dauerhaftigkeit und Ergebnissen beurteilt werden, nicht anhand von Reden oder Nähe zu Verantwortlichen. Eine Empfehlung kann die Debatte prägen, ohne Politik zu werden, und eine spätere Politik kann ihr ähneln, ohne von ihr verursacht zu sein.

Am Anfang steht die Zuordnung. Bestimme den konkreten Bericht, die Aussage, die Empfehlung eines Gremiums oder den Vorschlag, der mit Schmidt verbunden ist. Trenne seine persönlichen Aussagen von Konsensdokumenten einer Kommission oder Institution. Der Bericht einer Kommission mit 15 Mitgliedern ist nicht identisch mit der privaten Sicht ihres Vorsitzenden.

Verfolge dann die Umsetzungskette:

1. Haben Kongress oder Behörde den Vorschlag in erkennbarer Form übernommen?
2. Erhielt er Rechtsgrundlage, Haushaltsmittel, Personal und verantwortliche Führung?
3. Veröffentlichte die zuständige Institution Meilensteine und Leistungsnachweise?
4. Erhielten Nutzer eine verlässliche Fähigkeit, nicht nur ein Pilotprojekt oder die Ankündigung eines Amts?
5. Stützten Prüfungen, Vorfälle, Kosten, Auswirkungen auf Rechte oder strategische Ergebnisse die ursprüngliche Behauptung?

Zeitpläne müssen konkret genug sein, damit Scheitern möglich ist. Ein Ziel für fünf Jahre sollte festlegen, was im ersten Haushaltszyklus geschieht, welche Abhängigkeiten zuerst erfüllt sein müssen und wer eingreifen kann, wenn Meilensteine verfehlt werden. Sonst kann ein Plan allein aufgrund von Aktivität für erfolgreich erklärt werden.

Kennzahlen sollten zum Ziel passen. Ein Programm zur Einführung in Behörden könnte Beschaffungszeit, Erledigung von Nutzeraufgaben, Kosten pro Fall, Übersteuerungsrate, Sicherheitsvorfälle und Wiederherstellungszeit messen. Ein Forschungsprogramm könnte gewährten Zugang, Ressourcenauslastung, Veröffentlichungen, Reproduzierbarkeit, Ausbildungsergebnisse und den Übergang von Ergebnissen in die Praxis messen. Das Zählen von Besprechungen oder erzeugten Dokumenten sagt wenig über Fähigkeiten aus.

Abwägungen müssen sichtbar sein. Ernsthafte Pläne erklären, wer Energiekosten trägt, wie Exportbeschränkungen Lieferanten beeinflussen, welche Daten nicht verwendet werden dürfen, wann ein Mensch entscheiden muss und welche Einführungen verboten oder ausgesetzt werden. Eine Strategie, die zugleich maximale Geschwindigkeit, Sicherheit, Offenheit, Privatsphäre und Kontrolle verspricht, hat die Entscheidungen vermieden, die Strategie treffen soll.

Was Schmidts beruflicher Weg letztlich zeigt

Schmidts beruflicher Weg zeigt, dass Führung bei KI ebenso ein organisatorisches und politisches wie ein Problem der Modellentwicklung ist. Google zeigte den Wert von Infrastruktur, Messung, technischem Personal, Experimenten und Erholung im enormen Maßstab. Seine Beratungsarbeit übertrug diese Betriebsprinzipien auf staatliche Handlungsfähigkeit, Einführung in der Verteidigung, Halbleiterpolitik, Forschungszugang und internationalen Wettbewerb.

Diese Übertragung ist nützlich, aber unvollständig. Öffentliche Institutionen müssen Rechte schützen, Zwangsentscheidungen begründen, Konflikte offenlegen, demokratische Aufsicht erhalten und Abhilfe ermöglichen. Diese Pflichten lassen sich nicht durch schnellere Produktzyklen oder besseres technisches Management ersetzen.

Der stärkste Teil von Schmidts politischem Beitrag ist die Forderung, dass eine nationale KI-Strategie abgestimmte Mechanismen braucht. Forschung ohne Zugang zu Rechenleistung gerät ins Stocken. Modelle ohne qualifizierte Bediener bleiben Demonstrationen. Beschaffung ohne Bewertung kauft Unsicherheit. Sicherheit ohne Bündnisse ignoriert die Struktur von Lieferketten. Innovation ohne Rechenschaft kann das für die Einführung nötige Vertrauen zerstören.

Die angemessene Reaktion ist weder automatische Zustimmung noch eine Zurückweisung wegen von Schmidts Unternehmenshintergrund. Sie ist disziplinierte Überprüfung: den Vorschlag bestimmen, Befugnisse und Geld verfolgen, die Umsetzung prüfen, Ergebnisse messen und die Kosten zählen, die öffentliche Aussagen auslassen. So wird Einfluss sichtbar, und so lässt sich nationale KI-Strategie an Ergebnissen beurteilen.