Einblick in Chinas Boom bei Plug-and-play-KI: Komfort, Kostenhürden und der Wettlauf um Standards

Warum Plug-and-play-KI in China durchstartet

Eine neue Welle von Plug-and-play-KI erfasst China: von Hotellobbys bis zu Fabrikhallen und lokalen Servicestellen. Unterstützt von großen Cloud-Plattformen, einer landesweiten Initiative zur Digitalisierung der Industrie und einem wachsenden Angebot kostengünstiger großer Sprachmodelle kommen Werkzeuge, für die früher ganze Entwicklerteams nötig waren, nun als Komplettgeräte und Browser-Dashboards auf den Markt. Unternehmen formulieren ihre Anforderungen in Alltagssprache, und das System bucht ein Zimmer, plant eine Schicht oder entwirft einen Bericht. Der Reiz liegt in der Schnelligkeit, den niedrigeren Einstiegskosten und den Ergebnissen, die sich in die tägliche Arbeit einfügen.

China hat die Messlatte für die Einführung hoch gelegt. Im Rahmen der Strategie „AI Plus“ wollen politische Entscheidungsträger bis 2030 KI in 90 Prozent der großen Branchen verankern. Im Mittelpunkt steht der praktische Nutzen. Hotels, Krankenhäuser, Automobilhersteller und Behörden installieren sofort einsatzbereite Tools, die Dokumente lesen, Fragen beantworten und im Auftrag von Beschäftigten handeln können. Diese Systeme basieren auf großen Sprachmodellen, derselben allgemeinen Technologie, die auch hinter beliebten Chatbots steckt. Vereinfacht gesagt wird ein Modell mit umfangreichen Daten trainiert, damit es vorhersagen kann, welcher Text als Nächstes kommen sollte. Mit den passenden Schutzmaßnahmen und Schnittstellen kann es Unterlagen zusammenfassen, interne Dateien durchsuchen oder Arbeitsabläufe anstoßen.

Plug-and-play-KI bezeichnet vorgefertigte Hard- und Software, die sich schnell einrichten lässt. Man kann sich darunter ein Komplettgerät mit geprüftem Modell vorstellen, kombiniert mit einer einfachen Konsole, die eine Verbindung zu Unternehmensdaten und gängigen Tools herstellt. Statt eigens entwickeltem Code nutzen Beschäftigte aus den Fachbereichen natürlichsprachliche Eingaben und einen Katalog zuverlässiger Aktionen. Die Größe des Marktes, die rasche Umsetzung und die Möglichkeit zur Skalierung verschaffen chinesischen Anbietern einen Vorteil. Große Cloud-Anbieter haben eine leistungsfähige Infrastruktur aufgebaut und konkurrieren darum, diese Lösungen für Kunden ohne große technische Teams so einfach wie möglich zu machen.

Von Hotels bis zu Krankenhäusern: So sieht Plug-and-play aus

In der Hotellerie begrüßen digitale Concierges Gäste auf Bildschirmen und in Messaging-Apps. Der Service einer Hotelkette, der von einem heimischen Cloud-Anbieter betrieben wird, kann mehr als 30 alltägliche Aufgaben an der Rezeption übernehmen. Er prüft die Zimmerverfügbarkeit, erläutert die Regeln für einen späten Check-out, schlägt Restaurants in der Nähe vor und leitet Sonderwünsche an das Personal weiter. Das System nutzt ein auf den Hotelbetrieb abgestimmtes großes Sprachmodell. Dadurch kommuniziert es in einem freundlichen Ton, protokolliert Vorgänge und hält die vom Hotel festgelegten Datenschutzvorgaben ein.

Automobilhersteller setzen ähnliche Tools ein, um Kundenanfragen abzufangen und den Online-Verkauf zu unterstützen. Ein großes Gemeinschaftsunternehmen hat gezeigt, dass ein gut trainierter Bot Fragen zu Garantieleistungen beantworten, Wartungstermine vereinbaren und komplexe Fälle an menschliche Mitarbeitende weiterleiten kann. Behörden nutzen Assistenten, um Anträge auszuwerten, archivierte Unterlagen abzurufen und Entwürfe für offizielle Antwortschreiben zu erstellen. In Krankenhäusern können Chatbots bei der Aufnahme Symptome erfassen, den Versicherungsstatus prüfen und Notizen für Ärzte vorbereiten. Systeme in der Verwaltung erstellen zudem Entlassungsberichte und Abrechnungscodes. Diese Anwendungen sollen Wartezeiten verkürzen, wiederkehrende Schreibarbeit reduzieren und dem Personal mehr Zeit für Beurteilungen und die Betreuung von Patienten verschaffen.

Die Verkaufszahlen steigen dort, wo Daten sensibel und Arbeitsabläufe wiederholbar sind. Öffentliche Einrichtungen und medizinische Institutionen legen Wert auf lokale Kontrolle und nachvollziehbare Prüfpfade. Deshalb entscheiden sie sich häufig für Systeme, die Daten innerhalb ihrer eigenen Netzwerke halten. Anbieter, die klare Integrationspläne, Schulungen und Unterstützung vor Ort bieten, erhalten zunehmend Aufträge. Die besten Ergebnisse werden erzielt, wenn Teams Arbeitsabläufe mit Blick auf den KI-Einsatz neu gestalten, statt einfach einen Chatbot in eine bestehende Warteschlange einzufügen.

Kostengünstige Modelle und der DeepSeek-Effekt

Die wirtschaftlichen Bedingungen für den Einsatz von Modellen verändern sich rasant. Das Schlussfolgerungsmodell eines heimischen Start-ups, das als Open-Source-Projekt veröffentlicht und in hohem Tempo aktualisiert wurde, hat wegen seiner starken Leistung zu einem Bruchteil der Kosten vieler westlicher Systeme große Aufmerksamkeit erregt. Innerhalb weniger Wochen nach der öffentlichen Veröffentlichung schnellten die Downloads in die Höhe und überschritten Berichten zufolge innerhalb eines Monats die Marke von 100 Millionen. Hunderte Unternehmen begannen, das Modell zu testen oder zu integrieren. Große Cloud-Anbieter machten es schnell verfügbar, während etablierte Internetunternehmen es in ihre Verbraucher-Apps einbanden. Die Dynamik veranlasste Wettbewerber, ihre Strategien zu erneuern und mehr Forschungsergebnisse zu veröffentlichen, darunter auch Open-Source-Angebote.

Kostengünstigere Modelle verändern die Art und Weise, wie Unternehmen KI einsetzen. Wenn ein leistungsfähiges Modell auf vergleichsweise einfacher Hardware läuft, können Firmen erwägen, es vor Ort zu betreiben oder weitere Instanzen zu nutzen, um Nachfragespitzen abzufangen. Dadurch sinkt die Abhängigkeit von den fortschrittlichsten Chips, die nach wie vor knapp sind. Außerdem fallen geringere Kosten für die Inferenz an, ein wichtiger Haushaltsposten bei jedem KI-Dienst in großem Maßstab. Viele Branchenbeobachter erwarten, dass Unternehmen, die in China KI-Agenten entwickeln, etwa 2026 profitabel werden. Preise und Leistung dürften sich dabei gemeinsam verbessern. Dieser Trend fördert das Wachstum von Anwendungsentwicklern und nicht nur von Modellherstellern, denn ein günstigeres Basismodell schafft Spielraum für Investitionen in Integration, Sicherheit und Support.

KI-Komplettgeräte und Zielkonflikte beim Datenschutz

Eine der am schnellsten wachsenden Kategorien sind KI-Komplettgeräte. Diese Geräte werden mit geprüften Modellen, einer Verwaltungskonsole und Schnittstellen für Dateien, Datenbanken und Messaging-Tools ausgeliefert. Sie stehen im Netzwerk des Unternehmens, sodass sensible Daten das Firmengelände nie verlassen. Da die Inferenz lokal erfolgt, ist die Latenz gering. Für Branchen ohne große IT-Teams liegt der Vorteil in der bequemen Handhabung: Gerät auspacken, mit den Unternehmenssystemen verbinden, ein zugelassenes Modell auswählen und mit echten Aufgaben testen.

Der Ansatz hat Grenzen. Modelle werden schnell besser, und neue Sicherheitswerkzeuge erscheinen häufig. Das kann regelmäßige Software-Updates oder sogar einen Austausch der Hardware erforderlich machen. Käufer müssen Erneuerungszyklen, Mitarbeiterschulungen und die Unterstützung durch den Anbieter einplanen. Die Entscheidung zwischen einem Gerät vor Ort und einem Cloud-Dienst hängt von Risiken und Budget ab. Viele Firmen nutzen letztlich beides: Sensible Arbeitslasten bleiben im eigenen Haus, weniger sensible Aufgaben gehen in die Cloud. Stark regulierte Branchen wie das Gesundheits- und Finanzwesen sowie öffentliche Dienste entscheiden sich bei besonders sensiblen Daten am ehesten für lokale Hardware.

• Was diese Geräte gut können: Daten unter lokaler Kontrolle halten, Latenz reduzieren, Pilotprojekte vereinfachen und maßgeschneiderte Integrationen ermöglichen.
• Worauf zu achten ist: Kosten für Upgrades, Veränderungen des Modellverhaltens im Laufe der Zeit, Abhängigkeit vom Anbieter und die Notwendigkeit klarer Maßnahmen bei Vorfällen, wenn eine Ausgabe falsch ist.

Agentenplattformen, MCP und die Suche nach einem gemeinsamen Standard

Agentenplattformen ermöglichen es Unternehmen, digitale Mitarbeitende in alltägliche Arbeitsabläufe einzubinden. Statt jeweils nur eine Frage zu beantworten, kann ein Agent eine mehrstufige Aufgabe planen, Tools wie Suchfunktionen oder Formulare aufrufen, Ergebnisse auf ihre Richtigkeit prüfen und bei Bedarf an einen Menschen übergeben. In Contactcentern entwirft ein Agent Antworten und aktualisiert Datensätze. Im Betrieb kann ein Agent die Einsatzplanung, Lagerbestände und Schichtübergaben koordinieren. Ziel sind weniger Klicks und weniger Nacharbeit.

Agenten lassen sich leichter mit der Außenwelt verbinden, wenn alle dieselbe Sprache sprechen. Ein neues Protokoll namens Model Context Protocol, kurz MCP, findet bei Technologieunternehmen im Westen und in China zunehmend Unterstützung. Es funktioniert wie eine universelle Schnittstelle für Tools. Stellt ein Kartenanbieter, eine Dokumentenplattform oder ein Zahlungsdienst einen MCP-Server bereit, kann jedes MCP-fähige Modell dessen Funktionen ohne eigens entwickelte Verbindung nutzen. Dadurch wird die Entwicklung von KI-Anwendungen modularer und anfällige Einzelintegrationen werden reduziert.

Auf einer großen Entwicklerkonferenz im April beschrieb Baidu-Chef Robin Li den Wandel hin zu standardisierten Agenten mit einem einfachen Vergleich.

Derzeit ist die Entwicklung von Agenten auf Basis von MCP wie die Entwicklung von mobilen Apps im Jahr 2010.

Das Protokoll ist noch jung. Für einige MCP-Server fehlt eine Dokumentation, andere stellen zu wenige Funktionen bereit, um nützlich zu sein. Die größten Plattformen kontrollieren weiterhin den Zugang zu besonders wertvollen Diensten und können ihre Richtlinien ändern. Sicherheit und Zuverlässigkeit erfordern sorgfältige Aufmerksamkeit, insbesondere wenn Agenten Aktionen in der realen Welt auslösen. Trotz dieser Hürden ist die Dynamik unter Entwicklern deutlich spürbar. Die Unterstützung durch Modellanbieter, Code-Editoren und Cloud-Plattformen macht MCP zu einer gemeinsamen Grundlage für Agenten-Ökosysteme.

Politische und regulatorische Rahmenbedingungen

Chinas Regulierungsbehörden haben ein detailliertes Regelwerk für Algorithmen und synthetisch erzeugte Inhalte geschaffen. Auf Vorschriften für Empfehlungssysteme aus dem Jahr 2021 folgten 2022 Schutzvorgaben für Deep Synthesis und 2023 der Entwurf von Maßnahmen für generative KI. Entwickler müssen Modelle und Dienste registrieren, grundlegende Informationen zu ihrer Funktionsweise veröffentlichen und eigene Sicherheitsprüfungen durchführen. Federführend ist die Cyberspace Administration of China. Das Vorgehen ist schrittweise angelegt und konzentriert sich auf Bereiche wie Empfehlungsalgorithmen, Gesichtsmanipulation und Textgeneratoren. Die Erfahrungen aus diesen Bereichen sollen in ein umfassenderes nationales KI-Gesetz einfließen.

Die Datenverwaltung beeinflusst viele Entscheidungen über den Einsatz. Unternehmen, die personenbezogene, finanzielle oder medizinische Daten verarbeiten, bevorzugen häufig Systeme, die Daten innerhalb eines lokalen Netzwerks halten. Anbieter, die im Ausland verkaufen, müssen sich an örtliche Datenschutzgesetze und Inhaltsvorschriften anpassen und sprachliche Anforderungen berücksichtigen. Chinesische Unternehmen expandieren mit lokalisierten Modellen, regionaler Datenspeicherung und an örtliche Vorschriften angepassten Funktionen nach Südostasien und in den Nahen Osten. Für den Erfolg im Ausland sind fortlaufende Compliance, eine umfassende Dokumentation und Garantien dazu nötig, wo Daten gespeichert werden und wer darauf zugreifen kann.

Können sich kleine Unternehmen das leisten?

Große Ketten in der Gastronomie oder im Einzelhandel können Investitionen in KI rechtfertigen, die Personaleinsatz, Lagerbestände und Kundenbetreuung optimiert. Bei kleineren Betrieben sieht die Lage oft anders aus. Die Anfangskosten erscheinen hoch, die technischen Schritte sind ungewohnt und die Mitarbeitenden machen sich Sorgen wegen möglicher Fehler. Inhaber wollen Tools, die ohne aufwendige Konfiguration einfach funktionieren. Viele warten zudem auf überzeugendere Belege für Einsparungen im täglichen Betrieb und nicht nur in Pilotprojekten.

Der Markt reagiert mit einfacheren Angeboten. Mietmodelle bündeln Hardware, Software und Updates. Cloud-Dienste bieten einen nutzungsabhängigen Zugang zu Modellen mit strengen Datenschutzkontrollen. Branchenvorlagen verkürzen die Einrichtung. Lokale Integrationspartner bieten Schulungen und Unterstützung auf Abruf. Fördermittel und Beschaffungsprogramme können helfen. Entscheidend ist jedoch weiterhin, ob ein System mit möglichst geringem Aufwand Zeit spart oder neue Einnahmen ermöglicht. In diesem Segment setzen sich Tools durch, die einfach einzurichten und zu betreuen sind und sich für den täglichen Einsatz preislich eignen.

Wie China im Vergleich zu anderen Regionen abschneidet

Europas Strategie setzt auf praktische industrielle Anwendungen. Hersteller wollen KI, die Qualitätskontrolle, Wartung und Einsatzplanung verbessert und sich innerhalb kurzer Zeit bezahlt macht. Statt hohe Summen in den Aufbau riesiger Basismodelle zu investieren, konzentrieren sich viele europäische Unternehmen auf die Anwendungsebene und strukturierte Daten. Die Regulierung entwickelt sich rasch weiter: Mit dem EU AI Act sollen einheitliche Regeln für Risiken, Transparenz und Aufsicht geschaffen werden. Im Vordergrund steht der Einsatz von Systemen, die sich in komplexen Wertschöpfungsketten prüfen lassen, sicher sind und den Vorschriften entsprechen. Vielen Unternehmen fällt es weiterhin schwer, Pilotprojekte auszuweiten. Dadurch gewinnen einfache Integration und umfassende Unterstützung durch Anbieter an Bedeutung.

Im asiatisch-pazifischen Raum zeigen sich im Gesundheitswesen sowohl Chancen als auch Reibungsverluste. KI kann bei Diagnosen helfen, Behandlungspläne individuell anpassen und überlastetes Personal unterstützen. Die Einführung wird jedoch durch Datenschutzbedenken, fragmentierte Systeme und einen Mangel an KI-Fachkräften gebremst. Länder mit robuster digitaler Infrastruktur und klaren Leitlinien, darunter China, Japan und Südkorea, kommen schneller voran. Andere hinken wegen begrenzter Investitionen und uneinheitlicher Standards hinterher. Für kleinere Krankenhäuser bleiben die Kosten eine Hürde. Deshalb sind Plug-and-play-Produkte und nutzungsabhängige Modelle attraktiv, wenn sie mit Schulungen und klaren Schutzmaßnahmen einhergehen.

Auch die USA und China verfolgen unterschiedliche Wege beim Ausbau der KI. Washington setzt auf heimische Halbleiterkapazitäten, Innovationen des Privatsektors und Exportkontrollen für fortschrittliche Chips. Peking fördert die internationale Zusammenarbeit bei Standards und Sicherheit und baut zugleich eine große heimische Infrastruktur auf. Die Hardwareversorgung bleibt für alle ein Engpass, wobei Taiwans Halbleiterfabriken bei der Herstellung fortschrittlicher Chips eine zentrale Rolle spielen. Auch Energie ist eine Einschränkung angesichts des Strom- und Wasserbedarfs von Rechenzentren. Bei der Planung von Rechenzentren wird Chinas Strommix berücksichtigt, der in einigen Regionen auch Wasserkraft und Kernenergie umfasst. Effizienzsteigerungen und sauberere Energie werden beeinflussen, wo und wie schnell KI-Anwendungen wachsen.

Energie und Schwerindustrie geben einen Einblick in die nächste Entwicklungsphase. KI-gestützte digitale Zwillinge, intelligentere Steuerungssysteme und vorausschauende Wartung können die Wirtschaftlichkeit CO₂-armer Technologien wie der Wasserstoffproduktion und -speicherung verbessern. Dieser Ansatz verringert Ausfallzeiten, gleicht den Strombedarf aus und beschleunigt die Materialforschung für bessere Katalysatoren. Dasselbe Konzept lässt sich auf chinesische Fabriken übertragen, die ihre Prozesse modernisieren wollen, ohne ihre bestehende Ausrüstung komplett zu ersetzen.

Risiken, Updates und Fragen für Käufer

Plug-and-play bedeutet nicht, dass nach der Einrichtung nichts mehr zu tun ist. Modelle können halluzinieren, Vorschriften ändern sich und reale Daten verändern sich im Laufe der Zeit. Anbieter aktualisieren möglicherweise Modelle, tauschen Standardeinstellungen aus oder ändern Vertragsbedingungen. Geräte müssen mit Sicherheitsupdates versorgt und mitunter ersetzt werden. Sicherheitsprüfungen sind unerlässlich, insbesondere wenn Agenten Aktionen auslösen können. Bei den erfolgreichsten Projekten gibt es klare Leitplanken. Sie legen fest, wann ein Mensch Ergebnisse prüfen muss, und messen den Return on Investment anhand konkreter Kennzahlen wie der Bearbeitungszeit von Anfragen, Fehlerquoten oder der Konversionsrate im Vertrieb.

• Mit welchen Daten wird das System trainiert und wie werden sensible Informationen geschützt?
• Kann das Modell lokal und in der Cloud laufen, und wer kontrolliert die Modell-Updates?
• Wie werden Eingaben, Ausgaben und Protokolle gespeichert und geprüft?
• Auf welche Tools kann der Agent zugreifen und wie werden Berechtigungen verwaltet?
• Wie schnell können wir ein Modell oder eine Konfiguration zurücksetzen, wenn die Qualität nachlässt?
• Welche Unterstützung bietet der Anbieter, wie sieht der Update-Zeitplan aus und wie hoch sind die Gesamtbetriebskosten?
• Wie messen wir die Auswirkungen und mit welchem Ausgangswert vergleichen wir sie?

Das Wichtigste in Kürze

• China bringt Plug-and-play-KI mit der landesweiten Initiative „AI Plus“ in die breite Wirtschaft. Bis 2030 soll sie die meisten großen Branchen erreichen.
• Hotels, Krankenhäuser, Fabriken und Behörden setzen digitale Concierges, Kundenservice-Bots und Dokumentenassistenten ein, um Routineaufgaben zu reduzieren.
• Kostengünstigere heimische Modelle, darunter Open-Source-Veröffentlichungen, beschleunigen die Einführung und verringern die Abhängigkeit von Spitzenchips.
• KI-Komplettgeräte sind für Branchen attraktiv, die ihre Daten lokal kontrollieren müssen. Dafür bringen sie Zielkonflikte bei Updates und Support mit sich.
• Agentenplattformen entwickeln sich weiter. Ein gemeinsames Protokoll namens MCP soll den Tool-Zugriff über verschiedene Modelle und Apps hinweg standardisieren.
• Chinesische Vorschriften für Algorithmen und synthetisch erzeugte Inhalte verlangen Registrierungen und Sicherheitsprüfungen. Sie beeinflussen, wie Produkte entwickelt und verkauft werden.
• Große Unternehmen gehen voran. Kleine Betriebe suchen nach günstigeren, einfacheren Tools mit umfassender Unterstützung und klar erkennbarem Nutzen.
• Europa setzt auf Wirkung auf Anwendungsebene und Compliance, die Einführung von KI im Gesundheitswesen im asiatisch-pazifischen Raum verläuft uneinheitlich und die USA konzentrieren sich auf Chips und das Wachstum des Privatsektors.
• Erfolgreiche Käufer legen klare Leitplanken fest, verfolgen messbare Ergebnisse und planen regelmäßige Updates für Modelle und Hardware ein.