Die Variable, die niemand reguliert: Warum TSMC und NVIDIA bestimmen, welche KI-Zukunft wir bekommen

Von The Aether Council | Strategische Technologie- & Nationale Sicherheitsanalyse

Die meisten Debatten über KI-Governance finden eine Ebene zu hoch statt.

Jedes seriöse Framework, das zwischen 2021 und 2025 veröffentlicht wurde — der EU AI Act, das NIST AI Risk Management Framework, die Bletchley Declaration, Chinas Interim Measures for Generative AI, Bidens Executive Order 14110 — teilt einen strukturellen blinden Fleck, der so fundamental ist, dass er jedes einzelne von ihnen bestenfalls bedingt durchsetzbar und schlimmstenfalls strategisch dekorativ macht. Sie alle diskutieren Modelle. Sie alle diskutieren Trainingsdaten, Deployment-Schutzmaßnahmen, rote Linien und Alignment-Techniken. Keines von ihnen modelliert formal die Variable, die bestimmt, ob irgendeines dieser Frameworks überhaupt durchgesetzt werden kann.

Nennen wir es The Intangible Fallacy: Politische Entscheidungsträger versuchen, Gewichte, Datensätze und Deployment-Leitplanken zu regulieren, während sie die einzige Variable ignorieren, die diese Politiken überhaupt erst durchsetzbar macht — das physische Substrat, auf dem KI läuft.

Software ist austauschbar. Hardware ist begrenzt. Wenn man das physische Silizium nicht kontrollieren kann, ist das eigene Governance-Framework eine Empfehlung.

Zwei Frameworks machen dieses Problem handhabbar:

The Compute Control Hierarchy (CCH) — die Kette der Hebelwirkung von Rohstoffen bis zur Cloud-Bereitstellung, die identifiziert, welche Akteure jede Ebene kontrollieren und was diese Kontrolle ermöglicht oder verhindert.

The Supply Chain Leverage Point (SCLP) Framework — die spezifischen Engpässe, an denen eine einzelne Firma oder Jurisdiktion globale KI-Entwicklungstrajektorien durch eine einzige Zuteilungs-, Verweigerungs-, Lizenzierungs- oder Produktionsentscheidung verändern kann.

Die zentrale Schlussfolgerung ist unbequem, aber unvermeidlich: TSMC und NVIDIA üben zusammen mit ASML und einer kleinen Gruppe verbündeter Unternehmen derzeit mehr praktischen Einfluss auf Tempo, Geographie und Durchsetzbarkeit der KI-Entwicklung aus als die meisten formalen KI-Governance-Institutionen. Nicht weil sie die Regeln schreiben. Sondern weil sie die Engpässe kontrollieren.

I. The Compute Control Hierarchy

Der Standard-KI-Governance-Stack behandelt Rechenleistung als einen Input. Das ist analytisch unzureichend. Rechenleistung ist kein generischer Input. Sie ist eine politisch strukturierte Lieferkette, und Kontrolle auf jeder Ebene bedeutet etwas anderes.

Ebene 1: Rohstoffe — Der mineralische Engpass

Das Substrat fortschrittlicher Halbleiter erfordert hochreines Silizium, Neongas, Palladium, Gallium, Germanium und ein Portfolio an Seltenen Erden. Dies sind keine austauschbaren Rohstoffe. Fortschrittliche Fabs benötigen Inputs von außerordentlicher Reinheit mit Null-Toleranz für Verunreinigungen.

China kontrolliert laut dem Critical Minerals Report 2023 der IEA etwa 60 % des weltweiten Abbaus Seltener Erden und 90 % der Verarbeitung Seltener Erden. Im Juli 2023 verhängte Peking über MOFCOM Exportkontrollen für Gallium und Germanium — nicht als Embargo, sondern als Demonstration. Ein Signal, dass Ebene 1 selektiv als Waffe eingesetzt und auf spezifische Eskalationsdynamiken kalibriert werden kann. Der U.S. Geological Survey bestätigte, dass die Vereinigten Staaten nahezu keine inländische Raffineriekapazität für beide Elemente besitzen.

Neongas — kritisch für Excimer-Laser in der DUV-Lithographie — stammte historisch zu 45–54 % aus der Ukraine. Russlands Invasion der Ukraine unterbrach diese Versorgung. Die Industrie hat seitdem diversifiziert, aber der Vorfall schuf einen Präzedenzfall: Ein einziger geopolitischer Schock auf Ebene 1 pflanzt sich durch jede nachgelagerte Ebene fort, ohne dass ein Governance-Mechanismus existiert, um ihn zu bewältigen.

Japan kontrolliert kritische Anteile an Photoresists und Spezialchemikalien über JSR, TOK und Shin-Etsu. Der Mechanismus ist qualitätsgebundene Abhängigkeit. Fortschrittliche Fabs können keine Chemikalien niedrigerer Qualität substituieren, ohne Ausbeute einzubüßen.

Governance-Implikation: Kein KI-Governance-Framework berücksichtigt die Möglichkeit, dass eine Rohstoffunterbrechung die globale KI-Rechenleistungsproduktion für 12–36 Monate einschränken könnte, ohne Ersatz. Dies ist Dependency Exposure Class I: ein Engpass, bei dem betroffene Akteure keine kurzfristige Gegenmaßnahme und keinen institutionellen Mechanismus für eine koordinierte Reaktion haben.

Ebene 2: Fertigungsausrüstung — Der lithographische Engpass

Dies ist der folgenreichste einzelne Engpass in der gesamten CCH, und er wird von einem einzigen Unternehmen kontrolliert.

ASML Holding mit Hauptsitz in Veldhoven ist der einzige Hersteller von Extrem-Ultraviolett-(EUV)-Lithographiemaschinen auf der Erde. Die TWINSCAN NXE- und EXE-Serien werden für die Herstellung jedes Halbleiters bei 7 nm oder darunter benötigt. Es gibt keinen alternativen Lieferanten und keinen Workaround. Canon und Nikon fertigen DUV-Systeme für reifere Prozessknotengrößen, aber keines der Unternehmen hat ein tragfähiges EUV-Programm. ASMLs Monopol ist kein Marktergebnis, das Wettbewerb erodieren könnte — es ist die Konsequenz von über 20 Jahren Co-Entwicklung mit Zeiss SMT (EUV-Optiken mit Sub-Ångström-Toleranzen) und Trumpf (CO₂-Laser, die EUV-Licht erzeugen, indem sie auf geschmolzene Zinntröpfchen treffen), was über 6 Milliarden Euro an F&E repräsentiert, bevor das erste kommerzielle Werkzeug ausgeliefert wurde.

Jede NXE:3800E kostet ungefähr 350–380 Millionen Euro. Die nächste Generation der High-NA EXE:5000-Serie, die Sub-2nm-Fertigung ermöglicht, liegt in ähnlicher Größenordnung — mit ersten Lieferungen an Intel und TSMC ab 2024–2025. ASML produzierte 2023 ungefähr 53 EUV-Systeme. Die globale Nachfrage übersteigt das Angebot. Die Warteliste wird in Jahren gemessen.

Im September 2023 verlangte die niederländische Regierung — unter anhaltendem diplomatischem Druck der USA, koordiniert durch die trilaterale Exportkontrollvereinbarung mit Japan — Lizenzen für den Export fortschrittlicher Lithographie nach China. Das U.S. Bureau of Industry and Security nutzt die Foreign Direct Product Rule, um ASML zu zwingen, Maschinen per Fernzugriff zu deaktivieren oder Wartung zu verweigern, wodurch Multi-Hundert-Millionen-Euro-Hardware zu totem Gewicht wird. Neue Lieferungen modernster Werkzeuge sind faktisch blockiert.

Applied Materials, Lam Research und KLA kontrollieren wesentliche Beschichtungs-, Ätz- und Prozesskontrollwerkzeuge in den Vereinigten Staaten. Tokyo Electron liefert kritische Beschichtungs-/Entwicklungs- und Ätzsysteme aus Japan. Dies ist das, was formal als The Allied Toolchain Denial Regime bezeichnet werden sollte: eine koalitionsbasierte Exportkontrollarchitektur, in der die USA, die Niederlande und Japan die Kontrollen über die Produktionsausrüstung koordinieren, die für die Fertigung fortschrittlicher Knotengrößen erforderlich ist.

Governance-Implikation: Die Exportkontrollentscheidung der niederländischen Regierung ist funktional betrachtet die folgenreichste KI-Governance-Entscheidung, die bisher von einer Regierung getroffen wurde. Sie bestimmt, welche Nationen Frontier-Chips herstellen können. Keine KI-Governance-Einrichtung hatte Input. Kein Framework modelliert sie. Dies ist Dependency Exposure Class II: ein Monopol-Engpass, bei dem die politische Ausrichtung eines einzelnen Akteurs globale Technologietrajektorien bestimmt — und bei dem die Governance-Entscheidung über Exportkontrollrecht getroffen wird, nicht über KI-Aufsichtsmechanismen.

Ebene 3: Wafer-Fertigung — Die Foundry

Dies ist das Herzstück des Systems.

Taiwan Semiconductor Manufacturing Company (TSMC) fertigt ungefähr 90 % der weltweit fortschrittlichsten Halbleiter bei Sub-7nm-Knotengrößen. TSMCs N3- und N4/N5-Prozessknotengrößen stellen die Chips her, die Frontier-KI antreiben: NVIDIAs H100 (N4), H200 (N4) und Blackwell-Architektur B100/B200 (N4P), AMDs MI300X (N5/N6), Googles TPU v5-Serie, Amazons Trainium2 und Microsofts Maia 100.

Samsung Foundry ist der einzige andere Sub-5nm-Akteur, hatte aber mit anhaltenden Ausbeuteproblemen zu kämpfen. Intel Foundry Services ist strategisch wichtig, bleibt aber ein aufholender Akteur. GlobalFoundries stieg 2018 aus dem Rennen um fortschrittliche Knotengrößen aus.

TSMC ist nicht lediglich ein Hersteller. TSMC ist das physische Substrat der Frontier-KI. Jedes große KI-Labor — OpenAI, Anthropic, Google DeepMind, Meta FAIR, xAI — ist abhängig von Chips aus TSMCs Fab 18 in Tainan und verwandten Einrichtungen. TSMCs Investitionsausgaben 2024 betrugen 28–32 Milliarden Dollar, größtenteils für die Erweiterung fortschrittlicher Knotengrößen. Die Nachfrage von KI-Kunden hat eine Zuteilungsknappheit geschaffen. TSMC entscheidet, wie viele Wafer jeder Kunde pro Quartal erhält. Diese Zuteilungsentscheidung ist einer der folgenreichsten Ressourcenverteilungsmechanismen in der Weltwirtschaft, getroffen vom Betriebsplanungsteam eines privaten Unternehmens ohne öffentliches Rechenschafts-Framework.

Dies erzeugt, was formal als The Taiwan Fabrication Concentration Problem bezeichnet werden sollte: ein Zustand, in dem eine einzelne Insel durch ein einziges Unternehmen einen überproportionalen Anteil der weltweit strategisch wertvollsten Fertigungskapazität beherbergt.

Governance-Implikation: TSMCs Kapazitätszuteilung ist die bindende Beschränkung für das globale KI-Rechenleistungsangebot. Keine Regierung prüft diese Zuteilungen. Keine internationale Einrichtung überwacht sie. Dies ist Dependency Exposure Class III: ein Fertigungsmonopol in einer umstrittenen Geographie, wo die Governance-Lücke total ist.

Ebene 4: Fortschrittliches Packaging — Die CoWoS-Verengung

Dies ist die Ebene, die die meisten Politikdiskussionen vollständig übersehen.

Moderne KI-Beschleuniger sind nicht nur gefertigte Chips. Ihre Leistung hängt von fortschrittlichem Packaging ab — insbesondere CoWoS (Chip-on-Wafer-on-Substrate) und verwandten 2.5D/3D-Integrationstechniken, die GPUs mit HBM-Stacks koppeln. Die CoWoS-Kapazität war während 2023–2024 ein schwerwiegenderer Engpass als die Wafer-Fertigung für die KI-Chip-Produktion. TSMC hat aggressiv expandiert — Berichten zufolge Verdreifachung der CoWoS-Kapazität bis 2025 — aber die Nachfrage übersteigt weiterhin das Angebot.

HBM wird von einem Triopol kontrolliert: SK Hynix (~53 % von HBM3E), Samsung (~40–43 %) und Micron (~4–7 %, steigend). SK Hynix war NVIDIAs bevorzugter Lieferant und erreichte als Erster die HBM3E-Qualifikation. Samsung hatte mit Ausbeute- und Wärmeableitungsproblemen zu kämpfen, was Berichten zufolge seine NVIDIA-Qualifikation bis Ende 2024 verzögerte.

Dies ist The Packaging Bottleneck Reality: Bei Frontier-KI ist die fortschrittliche Packaging-Kapazität eine strategische Variable erster Ordnung. Ein KI-Beschleuniger ohne CoWoS-Integration und HBM ist kein einsetzbarer Trainings-Chip.

Governance-Implikation: Fortschrittliches Packaging und HBM-Versorgung sind für jedes KI-Governance-Framework unsichtbar, fungieren aber als harte Obergrenzen für die Chip-Produktion. Dies ist Dependency Exposure Class IV: ein versteckter Engpass, den Politikanalysten nicht sehen können, weil er zu tief im technischen Stack sitzt.

Ebene 5: Chip-Distribution — Das Veto des Zuteilers

Selbst nachdem Chips hergestellt sind, werden sie nicht neutral zugeteilt. Sie werden rationiert.

NVIDIA hält einen geschätzten Marktanteil von über 80 % bei KI-Trainingsbeschleunigern. Seine Dominanz ist nicht nur eine Hardware-Geschichte — es ist eine Ökosystem-Geschichte. CUDA, NVIDIAs proprietäre Parallelrechenplattform, erstmals 2006 veröffentlicht, ist das De-facto-Programmiermodell für KI-Workloads. Über 4 Millionen Entwickler nutzen CUDA. Jedes große KI-Framework — PyTorch, TensorFlow, JAX — ist CUDA-optimiert. AMDs ROCm und Intels oneAPI sind brauchbare Alternativen, haben aber eine Ökosystem-Lücke, die in Jahren gemessen wird.

Während der akuten Knappheit 2023–2024 waren NVIDIAs Zuteilungsentscheidungen nicht rein marktgetrieben. CEO Jensen Huang engagierte sich persönlich bei Großkunden — den Hyperscalern, souveränen KI-Programmen, ausgewählten Startups. Das Zuteilungs-Framework priorisierte Berichten zufolge Volumenvereinbarungen von Hyperscalern mit langfristigen Kaufverträgen, strategische Beziehungen und nationale Sicherheitserwägungen, bei denen Leitlinien der US-Regierung ein Faktor waren.

NVIDIA entwickelte auch den A800 und H800 als China-spezifische Varianten, die den BIS-Regeln vom Oktober 2022 entsprachen, indem die Interconnect-Bandbreite unter kontrollierte Schwellenwerte reduziert wurde. Als das BIS im Oktober 2023 die Kontrollen verschärfte, wurden diese Varianten nicht mehr exportierbar. NVIDIAs Einhaltung der Exportkontrollen — oder seine kreative Umgehung durch leistungsreduzierte Produkte — bestimmt die Wirksamkeit dieser Kontrollen.

NVIDIA ist nicht länger einfach ein privates Technologieunternehmen. Es ist The Corporate State Proxy. Wenn das U.S. Department of Commerce die chinesische KI-Entwicklung einschränken möchte, schreibt es einen Leistungsdichte-Schwellenwert, der speziell darauf ausgelegt ist, NVIDIA zur Änderung seiner Produktarchitektur zu zwingen. NVIDIAs Compliance-Mechanismen und Zuteilungspläne sind der tatsächliche Durchsetzungsarm der US-KI-Politik. Dies ist The Private-Sovereign Entanglement Problem: Die kommerziellen Entscheidungen eines privaten Unternehmens tragen strategische Konsequenzen auf souveräner Ebene, während das Unternehmen unter keinem Governance-Framework operiert, das diesen Konsequenzen angemessen wäre.

Governance-Implikation: NVIDIA ist heute einer der folgenreichsten Governance-Akteure im KI-Bereich. Kein Governance-Framework modelliert es als solchen. Dies ist Dependency Exposure Class V: ein Distributions-Engpass, bei dem Marktstruktur den Zugang zu Frontier-Fähigkeiten bestimmt.

Ebene 6: Cloud-Infrastruktur — Die Sovereign Cloud Layer

Die letzte Ebene ist dort, wo Rechenleistung zu einem aufrufbaren Dienst wird statt zu einem versandten Objekt.

AWS, Microsoft Azure, Google Cloud und Oracle Cloud betreiben die Rechenzentren, in denen KI-Training und Inferenz stattfinden. Diese Unternehmen dienen auch als bevorzugte Kanäle für exportkonformen Zugang — der Mechanismus ist jurisdiktionell überwachter Rechenleistungszugang statt uneingeschränktem physischem Besitz.

Die vertikale Integration von Cloud-Anbietern mit Frontier-KI-Laboren schafft eine Struktur, die kein neutraler Marktplatz ist. Microsofts exklusive Beziehung zu OpenAI, Googles Integration von DeepMind und Amazons 4-Milliarden-Dollar-Investition in Anthropic (mit AWS als bevorzugtem Cloud-Anbieter) bedeuten, dass die Cloud-Rechenleistungszuteilung an strategische Partnerschaften, Beteiligungen und bevorzugte Zugriffsvereinbarungen gekoppelt ist.

Für KI-Startups und akademische Forscher, die nicht an einen Hyperscaler angegliedert sind, ist Rechenleistung der primäre Engpass — mehr als Talent, mehr als Daten, mehr als Finanzierung. Das National AI Research Resource-Pilotprojekt, das im Januar 2024 gestartet wurde, liegt um Größenordnungen unter dem, was Frontier-Training erfordert.

Governance-Implikation: Die Preis-, Zuteilungs- und Partnerschaftsentscheidungen der Hyperscaler fungieren als De-facto-KI-Entwicklungspolitik. Ihre vertikale Integration mit Frontier-Laboren schafft einen strukturellen Interessenkonflikt, den kein Governance-Framework adressiert.

Ebene 7: Edge und Inferenz-Deployment

Eine siebte Ebene, aufkommend und zunehmend bedeutsam: KI-Governance muss sich mit der Verlagerung von zentralisierter Cloud-Inferenz zu On-Device-Deployment auseinandersetzen. Quantisierte und destillierte Modelle — Metas Llama 3-Familie, Mistrals Modelle — können auf Consumer-Hardware laufen. Dies verteilt KI-Fähigkeiten über das Rechenzentrum hinaus und erschwert jedes Governance-Regime, das auf der zentralen Überwachung der Rechenleistungsnutzung basiert. Zentralisierte rechenleistungsbasierte Governance bleibt die bindende Beschränkung für Training; für Inferenz wird sie progressiv weniger durchsetzbar.

II. The Supply Chain Leverage Point Framework

Das SCLP Framework stellt eine härtere Frage: Wo genau kann ein Akteur eine Entscheidung treffen, die die globale KI-Trajektorie verändert?

Ein SCLP muss drei Kriterien erfüllen: Monopol- oder Quasi-Monopol-Kontrolle am Knotenpunkt (>60 % ohne substituierbare Alternative innerhalb von 24 Monaten), kein gangbarer Workaround im relevanten Zeitrahmen und ein Entscheidungsraum, der Optionen umfasst, die die globale KI-Fähigkeit materiell verändern würden.

Fünf primäre SCLPs existieren Stand 2025:

|------|--------|---------------------|----------------------|

Die kritische Beobachtung: Die SCLPs 1, 2 und 4 befinden sich alle innerhalb der ersten Inselkette des westlichen Pazifiks. Die Niederlande sind die Ausnahme, aber ASMLs Unterlieferkette hängt stark von ostasiatischen Komponenten ab. Die physische Infrastruktur der Frontier-KI ist im einzelnen umstrittensten geopolitischen Theater der Erde konzentriert.

Kontrolle auf jeder Stufe kaskadiert: ASML hält EUV zurück → TSMC legt 3nm-Linien still → NVIDIA rationiert H100s → xAI verzögert seinen nächsten Supercluster. Die CCH ist keine theoretische Abstraktion. Sie ist die tatsächliche Kausalstruktur globaler KI-Fähigkeit.

III. The Substrate Shock Doctrine: Was über Nacht passiert

Jedes seriöse KI-Governance-Gespräch muss die Taiwan-Kontingenz modellieren. Nicht weil eine Invasion sicher ist. Sondern weil das gesamte Frontier-Rechenleistungssystem architektonisch auf TSMCs unterbrochenem Betrieb basiert.

Szenario A: Blockade

Eine Marine- und Luftblockade Taiwans durch die VRC würde TSMCs Lieferkette stören, ohne TSMC direkt anzugreifen. TSMCs Fabs benötigen kontinuierliche Inputs: Photoresists von JSR und Tokyo Ohka Kogyo, Ätzmittel von Stella Chemifa, Gase, Photomasken, Ersatzteile für EUV- und DUV-Werkzeuge — alles primär aus Japan bezogen. Eine Blockade, die See- und Luftlogistik kappt, zwingt TSMC, vor Ort gelagerte Bestände aufzubrauchen. Branchenschätzungen legen 2–8 Wochen betrieblicher Kontinuität nahe, bevor kritische Inputs erschöpft sind.

Innerhalb von 30–60 Tagen würde TSMCs Produktion fortschrittlicher Knotengrößen beginnen zu degradieren. Innerhalb von 90 Tagen würde sie sich für neue Wafer-Starts dem Nullpunkt nähern. Bestehende Bestände — gelagert bei NVIDIA, Hyperscalern, Distributoren — würden zum gesamten verfügbaren Angebot. Ein endlicher und sich rapide erschöpfender Vorrat.

Szenario B: Direkte Militäraktion

Die physische Zerstörung von TSMCs fortschrittlichen Fabs würde einen katastrophalen und faktisch irreversiblen Verlust darstellen. Eine einzelne fortschrittliche Fab repräsentiert über 15–20 Milliarden Dollar an Kapitalinvestitionen und 3–5 Jahre Bau- und Qualifikationszeit. Das eingebettete Wissen — Prozessrezepte, Ausbeuteoptimierungsdaten, Expertise der Belegschaft — lässt sich nicht aus Blaupausen rekonstruieren. Die globale Produktionskapazität für Frontier-KI-Chips wäre für mindestens 3–7 Jahre eliminiert, selbst in einem optimistischen Szenario, in dem Intel, Samsung und TSMCs Überseefabs in Arizona, Kumamoto und Dresden rasch beschleunigt würden.

Die strategische Implikation

Eine Taiwan-Kontingenz würde die KI-Entwicklung nicht lediglich verlangsamen. Sie würde eine Diskontinuität schaffen — eine sprunghafte Reduktion des globalen Frontier-Rechenleistungsangebots, die Jahre anhält. Jedes KI-Governance-Framework, das auf kontinuierlicher Fähigkeitsskalierung basiert (Zeitlinien der Alignment-Forschung, regulatorische Anpassungszyklen, internationale Koordinationsmechanismen), würde über Nacht ungültig.

Dies ist The Overnight Capability Reordering Scenario: Ein geopolitischer Schock löscht KI-Fähigkeit nicht gleichmäßig aus. Er bevorzugt Akteure mit der größten bestehenden installierten Basis, Chip-Vorräten, gesichertem Cloud-Zugang und innenpolitischer Priorität. Eine Taiwan-Krise würde KI sofort von einem Wachstumsmarkt in ein rationiertes strategisches Gut verwandeln — und die Akteure, die vorkonfliktliches Silizium besitzen, würden die neue Rechenleistungs-Aristokratie bilden.

Dies ist auch der Grund, warum der U.S. CHIPS and Science Act von 2022 — 52,7 Milliarden Dollar für Halbleiterfertigung-Anreize, F&E und Arbeitskräfteentwicklung — nicht primär ein Wirtschaftsförderungsprogramm ist. Es ist eine nationale Sicherheitsabsicherung gegen dieses Szenario. Es ist auch, nach der Analyse der CCH, unzureichend in Umfang und Geschwindigkeit. Die gesamte fortschrittliche Knotengrößen-Kapazität, die von US-basierten Fabs bis 2028–2030 geliefert wird, wird ein kleiner Bruchteil dessen bleiben, was TSMC heute in Taiwan betreibt.

IV. The Regulatory Sieve Effect: Funktionieren Exportkontrollen?

Die ehrliche Einschätzung: teilweise, uneinheitlich, und wirksamer bei der Fertigungs-Obergrenze als beim kurzfristigen Zugang.

Das BIS hat drei große Kontrollrunden implementiert. Oktober 2022 beschränkte Exporte fortschrittlicher Logikchips über Leistungsschwellenwerten, EUV-Lithographiewerkzeuge und US-Personen, die fortschrittliche Halbleiterfertigung in China unterstützen — der aggressivste Einsatz von Exportkontrollen zur Technologieverweigerung seit CoCom. Oktober 2023 schloss die A800/H800-Lücke durch Senkung der Leistungsdichte-Schwellenwerte und Erweiterung kontrollierter Güter. 2024 und fortlaufend kamen Entity-List-Designierungen und Beschränkungen für fortschrittliche Packaging-Ausrüstung hinzu.

Wo Kontrollen wirken: China kann führende KI-Chips nicht im Inland herstellen. SMICs 7nm-Klasse N+2-Prozess verwendet DUV-Multi-Patterning-Techniken, die ausbeutebeschränkt, kostspielig und nicht wirtschaftlich skalierbar sind. Ohne EUV ist die Fertigung bei 5 nm und darunter mit wettbewerbsfähigen Ausbeuten nicht realisierbar. Chinas inländische Ausrüstungshersteller — SMEE für Lithographie, Naura und AMEC für Ätz- und Beschichtungstechnologie — liegen mehrere Technologiegenerationen hinter ASML, Applied Materials, Lam Research, KLA und Tokyo Electron.

Wo Kontrollen nicht wirken: Chinesische Firmen betrieben Zeitarbitrage und horteten Hunderttausende NVIDIA A100s, bevor die Beschränkungen in Kraft traten. Entitäten greifen über Briefkastenfirmen in Südostasien, dem Nahen Osten und Zentralasien auf fortschrittliche Rechenleistung zu. Chinesische KI-Forscher greifen weiterhin über nicht-US-amerikanische Cloud-Anbieter in nicht erfassten Jurisdiktionen auf Rechenleistung zu. Huaweis Ascend 910B, hergestellt von SMIC, liefert ungefähr 60–80 % der A100-Trainingsleistung bei niedrigerer Ausbeute und höheren Kosten — ein inländischer Boden, unter den Chinas KI-Fähigkeit unabhängig von Kontrollen nicht fallen wird.

Dies ist The Regulatory Sieve Effect: Der Mechanismus ist durchlässig. Das Exportkontrollregime verzögert den Rechenleistungszugang, verweigert ihn aber nicht. Man kann einen API-Aufruf nicht mit Zollbeamten embargieren. Solange Cloud-Anbieter nicht rechtlich verpflichtet sind, kryptographisches KYC auf Hypervi