US-KI-Prüfrahmen: Warum offene Modelle keine Entwarnung bedeuten

Die Trump-Regierung hat einen neuen Kurs bei der Kontrolle besonders leistungsfähiger KI-Modelle eingeschlagen. Ein freiwilliger Prüfrahmen soll US-Behörden frühzeitig Einblick in sogenannte Frontier-Modelle geben und vor allem gefährliche Cyberfähigkeiten sichtbar machen. Offene Modelle werden nach Medienberichten jedoch ausdrücklich anders behandelt oder nach ihrer Veröffentlichung ausgenommen. Für Unternehmen klingt das zunächst nach weniger Regulierung. Tatsächlich entsteht eine komplizierte Lage: Eine Ausnahme vom amerikanischen Prüfverfahren sagt weder etwas über die Sicherheit eines Modells aus noch über seine Zulässigkeit in Europa. Der US-KI-Prüfrahmen für offene Modelle ist deshalb vor allem als begrenztes Instrument der nationalen Sicherheit zu verstehen.

Freiwillige Prüfung statt staatlicher Zulassung

Ausgangspunkt ist eine Executive Order vom 2. Juni 2026. Sie weist US-Bundesbehörden an, einen freiwilligen Rahmen für die Sicherheitsprüfung besonders leistungsfähiger Modelle aufzubauen. Entwickler sollen teilnehmenden Behörden ihre stärksten Modelle bis zu 30 Tage vor der geplanten Veröffentlichung zugänglich machen können.

Im Zentrum stehen fortgeschrittene Cyberfähigkeiten und mögliche Gefahren für die nationale Sicherheit. Ein klassifizierter Benchmarking-Prozess soll bestimmen, welche Systeme als „Covered Frontier Models“ gelten. Die Prüfung ist damit selektiv, ihre Kriterien und Ergebnisse sind zumindest teilweise geheim.

Wichtig ist der Rechtsstatus: Die Executive Order bindet die Bundesverwaltung, schafft aber kein allgemeines KI-Gesetz des Kongresses. Auch der daraus entwickelte Prüfrahmen ist kein verpflichtendes Lizenz- oder Freigabesystem. Ein getestetes Modell erhält daher kein staatliches Gütesiegel. Ebenso wenig bedeutet eine Veröffentlichung, die US-Regierung habe das System genehmigt.

Warum offene Modelle offenbar außen vor bleiben

Nach Berichten über das bislang nicht vollständig veröffentlichte Framework sollen offene Modelle ausdrücklich ausgenommen sein. Nichts in dem Rahmen solle so verstanden werden, dass solche Modelle nach ihrer Veröffentlichung eingeschränkt werden. Wie „offen“ dabei genau definiert wird und ob auch hybride Modelle erfasst sind, bleibt mangels öffentlicher Detailregeln unklar.

Schon begrifflich ist Vorsicht geboten. Offene Gewichte ermöglichen es, ein trainiertes Modell lokal zu betreiben oder anzupassen. Das ist nicht automatisch gleichbedeutend mit Open Source im klassischen Sinn: Trainingsdaten, Trainingscode oder vollständige Dokumentation können weiterhin fehlen. Auch eine offene Lizenz beantwortet keine Fragen zu Robustheit, Datenschutz oder Wartung.

Die Sonderbehandlung folgt einer erkennbaren politischen Logik. Der US-Rahmen konzentriert sich auf die freiwillige Zusammenarbeit mit großen Entwicklern geschlossener Frontier-Modelle. Bereits veröffentlichte Gewichte lassen sich hingegen kaum durch einen nationalen Vorabprozess kontrollieren. Hinzu kommt das Ziel, offene Entwicklungsökosysteme nicht durch ein faktisches Genehmigungsverfahren zu belasten.

Der EU AI Act folgt einer anderen Risikologik

Der Vergleich mit Europa darf nicht bei der Frage „reguliert oder unreguliert“ stehen bleiben. Der US-Prüfrahmen betrachtet einen engen Ausschnitt: besonders leistungsfähige Modelle, Cyberfähigkeiten und nationale Sicherheit. Der EU AI Act ist dagegen ein rechtsverbindliches, risikobasiertes Regelwerk. Maßgeblich sind unter anderem der Anbieter, die Funktion des Systems und sein konkreter Einsatzkontext.

Für frei und quelloffen bereitgestellte Modelle kennt der AI Act zwar bestimmte Erleichterungen. Eine pauschale Ausnahme besteht jedoch nicht. Insbesondere Modelle mit systemischem Risiko sowie KI-Systeme in regulierten oder hochriskanten Anwendungen können weitergehenden Pflichten unterliegen. Ein offenes Basismodell, das etwa in Personalentscheidungen oder kritischer Infrastruktur eingesetzt wird, wird nicht allein durch seine Lizenz unbedenklich.

Für europäische Organisationen bleiben deshalb EU AI Act und KI-Kompetenz, die DSGVO und weitere sektorale Vorgaben entscheidend. Ein US-Sicherheitstest kann zusätzliche Informationen liefern, ersetzt aber weder eine europäische Risikoklassifizierung noch die Prüfung des konkreten Betriebs. Gerade beim grenzüberschreitenden KI-Einsatz im Mittelstand müssen beide Regulierungslogiken sauber getrennt werden.

Welche Prüfung Unternehmen selbst übernehmen müssen

Wo staatliche Prüfungen freiwillig, geheim oder lückenhaft bleiben, gewinnt die organisationsinterne Governance an Gewicht. Vor dem produktiven Einsatz eines offenen Modells sollten mindestens folgende Punkte dokumentiert werden:

• Herkunft und Lizenz: Wer hat das Modell entwickelt, welche Nutzung ist erlaubt und welche Haftung wird ausgeschlossen?
• Daten: Was ist über Trainingsdaten bekannt, und welche personenbezogenen oder vertraulichen Informationen fließen beim Fine-Tuning oder über RAG ein?
• Betrieb und Sicherheit: Wer verfolgt Schwachstellen, Updates und Modelländerungen? Wie sind Zugriffe, Protokollierung und Notfallabschaltung geregelt?
• Einsatzkontext: Welche Entscheidungen beeinflusst das System, welche Schutzgüter sind betroffen und wie werden Ergebnisse fachlich kontrolliert?
• Verantwortung: Welche Aufgaben liegen beim ursprünglichen Anbieter, beim anpassenden Team, beim Betreiber und beim Fachbereich?

Diese Fragen gehören insbesondere zur sicheren KI-Nutzung in IT-Teams. Offenheit kann Prüfungen erleichtern, weil Gewichte oder technische Komponenten zugänglich sind. Sie garantiert jedoch weder nachvollziehbare Trainingsdaten noch verlässliche Sicherheitsupdates.

Die US-Ausnahme senkt somit allenfalls eine formale Hürde innerhalb eines begrenzten amerikanischen Verfahrens. Für Anwenderorganisationen bleibt die entscheidende Arbeit unverändert: Sie müssen das Modell, seine Integration und den vorgesehenen Zweck selbst bewerten. Regulatorische Zurückhaltung ist keine Sicherheitsfreigabe.