Konkurrenz für ChatGPT & Co. „Die Fortschritte von DeepSeek kamen nicht aus dem Nichts“

Anbieter zum Thema

Klinkhammer Intralogistics GmbH

Arvato Systems GmbH

Das KI-Sprachmodell DeepSeek sorgt für einen Paukenschlag im Silicon Valley. Experten der TU Berlin erklären, was hinter der chinesischen Künstlichen Intelligenz steckt.

Scheinbar wie aus dem Nichts war es plötzlich da – das KI-Sprachmodell DeepSeek. Und versetzte eine gesamte Branche in Aufruhr. Das „Handelsblatt“ schrieb im Zusammenhang  mit der chinesischen Künstlichen Intelligenz sogar von einem „zweiten Sputnik-Schock“.

Die angeblich deutlich effizientere – und damit auch deutlich preiswertere – KI-Entwicklung des gleichnamigen chinesischen Start-ups fordert die Tech-Konzerne aus dem Silicon Valley heraus. Mit deutlichen Folgen: Der Chip-Riese Nvidia verlor an nur einem Tag 600 Milliarden US-Dollar an Börsenwert.

KI-Experten der TU Berlin ordnen den jüngsten Erfolg des Large Language Models (LLM) DeepSeek ein, zeigen die Unterschiede zwischen Open-Source-Anwendungen wie DeepSeek und anderen LLMs und erklären, wie sich aktuell die Rolle Europas bei der Entwicklung von Künstlicher Intelligenz verändert.

DeepSeek steht für Open-Source-Transparenz und Effizienz, während ChatGPT auf massive Rechenleistung und Skalierung setzt.

Dr. Vera Schmitt und Dr. Nils Feldhus, XplaiNLP-Gruppe des Quality and Usability Lab an der TU Berlin

Wie unterscheiden sich die Konzepte von DeepSeek und ChatGPT?

„DeepSeek steht für Open-Source-Transparenz und Effizienz, während ChatGPT auf massive Rechenleistung und Skalierung setzt“, so Dr. Vera Schmitt und Dr. Nils Feldhus. Sie forschen in der XplaiNLP-Gruppe des Quality and Usability Lab an der TU Berlin zu Hochrisiko-KI-Anwendungen und entwickeln KI-gestützte Systeme zur intelligenten Entscheidungsunterstützung.

Ersteres ermögliche Anpassung und niedrigere Kosten, letzteres bietee optimierte Performance, bleibe aber proprietär und ressourcenintensiv. „Man muss allerdings sehen, dass DeepSeek nicht 100 Prozent Open-Source ist, denn zum Beispiel sind nicht alle Trainingsdaten bekannt, die in das Modell hineingeflossen sind.“ Die Verfügbarkeit der Modellparameter hingegen und die deutlich offenere Kommunikation seitens DeepSeek erlaube es Initiativen der Open-Source-Community wie zum Beispiel „Open-R1“ die Reproduktion des Modells in Angriff zu nehmen und dabei auf viel weniger Ressourcen zurückgreifen zu müssen im Vergleich zur riesigen und teuren Infrastruktur von OpenAI, Microsoft und anderen.

Warum sind mit dem Erfolg beziehungsweise Misserfolg von KI auch Chiphersteller wie Nvidia verknüpft?

„Der Erfolg oder Misserfolg von KI ist eng mit Chipherstellern wie Nvidia verknüpft, weil moderne KI-Modelle enorme Rechenleistung benötigen, die hauptsächlich durch spezialisierte GPUs (Graphics Processing Units) und KI-Beschleuniger bereitgestellt wird“, erklären Dr. Schmitt und Dr. Feldhus. Nvidia sei führend in diesem Bereich mit leistungsstarken Chips wie der H100- und A100-Serie, die speziell dafür entwickelt wurden, Künstliche Intelligenz zu trainieren und ihre Ergebnisse schnell bereitzustellen. Dazu biete Nvidia mit Cuda auch die passende Software an, die diese Berechnungen effizient ermöglicht.

„Wenn KI-Technologien florieren, steigt natürlich die Nachfrage nach diesen Chips stark an – Unternehmen, Forschungseinrichtungen und Cloud-Anbieter investieren massiv in GPU-Cluster. Dies treibt den Umsatz und den Aktienkurs von Nvidia in die Höhe. Umgekehrt würde ein Rückgang der KI-Nachfrage oder technologische Verschiebungen hin zu alternativen Architekturen (wie wir das jetzt mit DeepSeek R1/V3 beobachten können) die Abhängigkeit von Nvidia verringern und deren Geschäft zum Teil negativ beeinflussen.“ Die doppelte Monopolstellung Nvidias– Hardware und Software – mache es hingegen schwer, die KI-Erfolge von dem Unternehmen zu entkoppeln. Solange auch DeepSeek GPUs von Nvidia beziehungsweise Cuda benutzt, sei Nvidia aus dem KI-Diskurs nicht wegzudenken. „Kurz gesagt: Die Hardware-Entwicklung und der Erfolg von KI sind symbiotisch – Fortschritte in KI treiben die Chip-Industrie an, während leistungsfähigere Chips neue KI-Modelle ermöglichen.“