Im Januar 2025 veröffentlichte DeepSeek, ein chinesisches Unternehmen für künstliche Intelligenz mit Sitz in Hangzhou, sein Open-Weights-Reasoning-Modell DeepSeek-R1. Die Veröffentlichung löste einen erheblichen globalen Ausverkauf an den Aktienmärkten aus, der insbesondere Technologieaktien betraf, und führte zu einer weit verbreiteten Neubewertung der Wettbewerbslandschaft und der Investitionsannahmen der KI-Branche. Das Ereignis verdeutlichte den raschen Fortschritt chinesischer KI-Labore und das Potenzial für eine effizientere und kostengünstigere Modellentwicklung.
DeepSeek wurde im Juli 2023 von Liang Wenfeng gegründet und gehört dem chinesischen Hedgefonds High-Flyer, der das Unternehmen auch finanziert. Das Unternehmen konzentriert sich auf die Entwicklung von Open-Weights-LLMs (Large Language Models), wobei die Modellparameter öffentlich geteilt werden, während die Trainingsdaten proprietär bleiben. DeepSeek-R1, das zusammen mit einem gleichnamigen Chatbot eingeführt wurde, zeigte fortgeschrittene Reasoning-Fähigkeiten, die mit führenden westlichen Modellen vergleichbar sind, jedoch zu einem Bruchteil der berichteten Trainingskosten. Diese Leistung stellte die vorherrschende Annahme in Frage, dass hochmoderne KI massive Rechenressourcen und hohe Kapitalausgaben erfordere.
Marktauswirkungen
Am 27. Januar 2025 führte die Veröffentlichung von DeepSeek-R1 zu einem starken Rückgang globaler Technologieaktien. Nvidia, ein führender GPU-Hersteller, verzeichnete einen Kursverlust von etwa 17 %, wodurch etwa 589 Milliarden US-Dollar an Marktwert vernichtet wurden - der größte Tagesverlust für ein Unternehmen in der Geschichte des US-Aktienmarktes. Auch andere Chiphersteller und KI-bezogene Unternehmen, darunter AMD, Broadcom und TSMC, erlitten erhebliche Einbußen. Der Ausverkauf breitete sich auf europäische und asiatische Märkte aus, wobei Indizes wie der Nikkei 225 und der technologie-lastige Nasdaq Composite deutlich fielen.
Die Marktreaktion wurde durch Bedenken von Anlegern ausgelöst, dass DeepSeeks effiziente Trainingsmethoden die Nachfrage nach teurer KI-Hardware, insbesondere hochwertigen GPUs, verringern könnten. DeepSeek trainierte R1 Berichten zufolge mit etwa 2.048 Nvidia-H800-GPUs über zwei Monate zu Kosten von etwa 5,6 Millionen US-Dollar - ein Bruchteil der Hunderte Millionen, die westliche Labore wie OpenAI und Google DeepMind ausgeben. Dies warf Fragen zur Nachhaltigkeit der massiven Kapitalausgaben großer Cloud-Anbieter und KI-Unternehmen auf.
Neubewertung der Branche
Die Veröffentlichung führte zu einer Neubewertung der KI-Entwicklungsstrategien in der gesamten Branche. Führungskräfte großer Technologieunternehmen, darunter Microsoft und Alphabet, erkannten öffentlich DeepSeeks Leistungen und die Auswirkungen auf die KI-Effizienz an. Einige Analysten deuteten an, dass das Ereignis die Einführung von Open-Weights-Modellen beschleunigen und Innovationen bei der Modelloptimierung statt bei der reinen Rechenskalierung fördern könnte.
DeepSeeks Erfolg wurde auf mehrere technische Innovationen zurückgeführt, darunter der Einsatz von Verstärkungslernen (RL) zur Verbesserung der Reasoning-Fähigkeiten und die Implementierung von Mixture-of-Experts-Architekturen (MoE), die nur eine Teilmenge der Parameter pro Token aktivieren und so die Rechenlast reduzieren. Das Unternehmen verfeinerte auch seine Trainingsalgorithmen, um die Effizienz auf älterer Hardware zu maximieren, teilweise aufgrund der US-Exportbeschränkungen für fortschrittliche Chips nach China.
Hintergrund von DeepSeek
DeepSeek wurde am 17. Juli 2023 als unabhängiges Unternehmen gegründet und vom Forschungslabor für allgemeine künstliche Intelligenz (AGI) von High-Flyer abgespalten, das am 14. April 2023 angekündigt worden war. High-Flyer, das im Juni 2015 von Liang Wenfeng mitgegründet wurde, nutzte seit dem 21. Oktober 2016 GPU-basiertes Deep Learning für den Aktienhandel. Das Unternehmen baute 2019 seinen ersten Rechencluster, Fire-Flyer, und später Fire-Flyer 2, einen größeren Cluster mit 5.000 Nvidia-A100-GPUs, der 2021 fertiggestellt wurde.
DeepSeeks Einstellungsstrategie legt Wert auf Fähigkeiten statt Erfahrung und rekrutiert viele Hochschulabsolventen und Personen aus nicht-informatischen Bereichen, um das Wissen der Modelle zu erweitern. Das Unternehmen hat erklärt, dass es sich auf Forschung konzentriert und keine unmittelbaren Kommerzialisierungspläne hat, was es ihm ermöglicht, unter bestimmten regulatorischen Ausnahmen in China zu operieren.
Technische Innovationen
DeepSeek-R1 ist ein Reasoning-Modell, das eine mehrstufige Trainingspipeline verwendet. Es nutzt Verstärkungslernen, um das Ketten-Denken (Chain-of-Thought) zu verbessern, und verwendet überwachtes Feintuning (SFT) mit kuratierten Daten. Die Architektur des Modells integriert Multi-Head-Attention- und Mixture-of-Experts-Schichten, was eine effiziente Skalierung ermöglicht. DeepSeek führte auch einen neuartigen Ansatz für RL ein, der die Notwendigkeit eines separaten Belohnungsmodells vermeidet und regelbasierte Belohnungen für Aufgaben mit überprüfbaren Antworten verwendet.
Die Trainingsinfrastruktur, bekannt als Fire-Flyer 2, besteht aus einer gemeinsam entwickelten Software- und Hardware-Architektur. Sie verwendet Nvidia-GPUs mit 200-Gbit/s-Verbindungen und eine Netzwerktopologie aus zwei Fat Trees für hohe Bisektionsbandbreite. Der Software-Stack umfasst 3FS (Fire-Flyer File System), ein verteiltes paralleles Dateisystem, das für asynchrone Zufallslesevorgänge optimiert ist, sowie hfreduce, eine Bibliothek für asynchrone Kommunikation.
Wettbewerbslandschaft
Die Veröffentlichung von DeepSeek-R1 verschärfte den Wettbewerb in der KI-Branche, insbesondere zwischen US-amerikanischen und chinesischen Unternehmen. Sie zeigte, dass chinesische Labore trotz Hardwarebeschränkungen Spitzenergebnisse erzielen können. DeepSeeks Open-Weights-Ansatz steht im Gegensatz zu den geschlossenen Modellen von OpenAI und Anthropic und wurde von einigen westlichen Entwicklern wegen seiner Transparenz und Anpassbarkeit übernommen.
Große Cloud-Anbieter, darunter microsoft-azure und Perplexity AI, begannen, DeepSeek-Modelle nativ zu hosten und sie so weiter in das globale KI-Ökosystem zu integrieren. Das Ereignis löste auch Diskussionen über KI-Sicherheit und Exportkontrollen aus, wobei einige politische Entscheidungsträger strengere Regulierungen für Open-Weights-Modelle forderten.
Langfristige Auswirkungen
Der Marktschock diente als Weckruf für Investoren und Technologieunternehmen und verdeutlichte das Potenzial für disruptive Innovationen aus unerwarteten Quellen. Er unterstrich die Bedeutung algorithmischer Effizienz und die Möglichkeit, mit weniger Ressourcen hohe Leistung zu erzielen. Anfang 2025 blieben die langfristigen Auswirkungen auf die KI-Hardware-Nachfrage und die Branchenstruktur ungewiss, aber das Ereignis markierte einen Wendepunkt im globalen KI-Wettlauf.
DeepSeeks Aufstieg warf auch geopolitische Fragen auf, da die Forscher des Unternehmens Verbindungen zu militärischen Labors in China haben und sein Chatbot seit März 2025 von der Volksbefreiungsarmee für nicht-kampfbezogene Rollen übernommen wurde. Diese Entwicklungen fügten der internationalen KI-Landschaft eine zusätzliche Komplexitätsebene hinzu.
Fazit
Die Veröffentlichung von DeepSeek-R1 und der darauffolgende Marktschock stellten einen entscheidenden Moment in der Geschichte der künstlichen Intelligenz dar. Sie zeigten, dass Open-Weights-Modelle mit proprietären Systemen konkurrieren können, stellten Annahmen über die Notwendigkeit massiver Rechenleistung in Frage und veränderten die Erwartungen der Investoren. Das Ereignis beschleunigte Diskussionen über KI-Effizienz, Open-Source-Zusammenarbeit und das globale Gleichgewicht der KI-Macht, mit Auswirkungen, die sich das ganze Jahr 2025 über weiter entfalteten.