The Conversion Gap: How China, Japan and South Korea Turn AI Inputs into AI Capability, 2017–2025
Dieses Paper argumentiert, dass die nationale KI-Souveränität mehr von der politischen Kapazität eines Staates abhängt, Ressourcen effizient in Fähigkeiten umzuwandeln, als von der reinen Ressourcenakkumulation allein, was offenlegt, dass Japans Rückstand gegenüber China und Südkorea auf systemischen Ineffizienzen bei der Transformation von Wissen und Rechenleistung in KI-Modelle zurückzuführen ist und nicht auf einem Mangel an Inputs.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Im Wettlauf um die Entwicklung künstlicher Intelligenz werden Nationen oft danach beurteilt, was sie sammeln können. Man zählt die Forscher in ihren Laboren, die Milliarden von Dollar, die in Projekte fließen, und die massiven Computerbanken, die in den Rechenzentren summen. Es ist eine Logik der Akkumulation: Wenn man mehr von den Rohstoffen besitzt, sollte man die beste Maschine bauen können. Jahrelang war dies der Standardweg, um Länder wie China, Japan und Südkorea zu vergleichen, die alle immense Ressourcen investiert haben, um führend in dieser Technologie zu werden. Doch das Vorhandensein der Zutaten garantiert noch kein fertiges Mahl. Ein Land kann über einen riesigen Bestand an Talenten und Rechenleistung verfügen und dennoch daran scheitern, diese Ressourcen in funktionierende, intelligente Systeme zu verwandeln, die die Welt verändern. Die eigentliche Frage ist nicht nur, wie viel ein Land besitzt, sondern wie effizient es das, was es hat, in tatsächliche Leistungsfähigkeit transformieren kann.
Dies ist das Rätsel, das Alfredo Merlet in einer neuen Studie untersuchte, die den Zeitraum von 2017 bis 2025 betrachtet. Er blickte hinter die einfachen Gesamtsummen von Geld und Menschen, um etwas Subtileres zu messen: die Konversionsrate. Stellen Sie sich eine Fabrik vor, deren Ziel es ist, aus rohem Erz fertige Autos zu machen. Eine Fabrik mag zwar doppelt so viel Erz kaufen wie eine andere, aber wenn sie weniger Autos produziert, ist sie offensichtlich weniger effizient bei der Arbeit. Merlet wandte dieselbe Logik auf die künstliche Intelligenz an, indem er den Prozess in drei verschiedene Stufen unterteilte. Die erste ist die Erfindung, bei der Forscher neue Ideen entwickeln und Arbeiten veröffentlichen. Die zweite ist die Industrialisierung, bei der diese Ideen in tatsächliche Softwaremodelle umgewandelt werden, die genutzt werden können. Die dritte ist die Operationalisierung, bei der diese Modelle von regulären Menschen und Unternehmen übernommen werden. Durch die Verfolgung, wie viel Output aus jedem Input-Einheit in jeder Phase resultierte, erzählte die Studie eine überraschende Geschichte darüber, warum einige Nationen die Führung übernehmen, während andere trotz größerer Ressourcen zurückfallen.
Die Ergebnisse zeichnen das Bild von drei sehr unterschiedlichen Wegen, die die ostasiatischen Nachbarn eingeschlagen haben. China, beginnend mit einer massiven Belegschaft und einer Regierung, die klare, aggressive Ziele setzt, gelang es, seinen Fortschritt dramatisch zu beschleunigen. Bis 2024 und 2025 veröffentlichten chinesische Entwickler hunderte neuer KI-Modelle und bewegten sich so vom Verfolger zum ebenbürtigen Partner der Vereinigten Staaten. Dies erreichten sie nicht nur durch mehr Ausgaben, sondern indem sie ihre Bemühungen so koordinierten, dass Forschung schnell in einsatzbereite Produkte überging. Südkorea erreichte trotz weniger Forscher und weniger Rechenleistung als Japan die höchste Effizienz der Gruppe. Das Land schaffte es, 87 KI-Modelle zu produzieren, darunter 23, die als bemerkenswert oder bahnbrechend galten – eine Zahl, die seinen größeren Nachbarn weit übertraf. Dieser Erfolg wurde durch eine hochgradig koordinierte Beziehung zwischen der Regierung und den großen Konzernen vorangetrieben, die es ihnen ermöglichte, ihre Ressourcen intensiv auf spezifische Technologien zu konzentrieren und schnell Ergebnisse zu erzielen.
Japan hingegen stellt einen krassen und verwirrenden Kontrast dar. Auf dem Papier sollte es am erfolgreichsten sein. Es verfügt über eine größere Forscherkapazität, mehr Rechenleistung und eine längere Geschichte industrieller Exzellenz als Südkorea. Dennoch veröffentlichten japanische Organisationen zwischen 2017 und 2025 nur 52 KI-Modelle, und lediglich sechs davon wurden von den Forschern als bemerkenswert eingestuft. In den letzten zwei Jahren der Studie veröffentlichte keine japanische Organisation ein einziges Modell, das die Forscher als bemerkenswert klassifizierten. Die Daten zeigen, dass Japan nicht deshalb scheitert, weil es an Geld oder Wissenschaftlern mangelt. Tatsächlich schneiden japanische Forscher recht gut ab, wenn man betrachtet, wie gut sie ihre Arbeit in Patente umwandeln. Der Bruch geschieht später in der Kette. Die Lücke entsteht, wenn japanische Forscher versuchen, ihre veröffentlichten Arbeiten in funktionierende Modelle zu verwandelt, und erneut, wenn sie versuchen, ihre enorme Rechenleistung zu nutzen, um diese Modelle zu bauen. Sie haben die Zutaten, aber die Küche produziert das Gericht nicht.
Die Studie legt nahe, dass der Grund für diese Lücke nicht in der Technologie selbst liegt, sondern darin, wie die Regierung den Prozess steuert. Die Forscher verglichen die Leistung der Länder mit einem Maß für die „Politikkapazität“ (policy capacity), was im Wesentlichen die Fähigkeit der Regierung beschreibt, eine klare Richtung vorzugehen, verschiedene Gruppen zu koordinieren und schnell zu handeln, um neue Industrien zu unterstützen. Südkorea erzielte bei diesem Maß extrem hohe Werte, was eine Regierung widerspiegelt, die in ihrem Ansatz gegenüber KI entschlossen und organisiert ist. Japan hingegen schnitt signifikant schlechter ab. Während des Großteils des untersuchten Zeitraums verließ sich Japan auf sanfte Führung und freiwillige Richtlinien statt auf verbindliche Ziele oder konzentrierte Programme. Erst im Jahr 2025 errichtete Japan eine spezialisierte Zentrale und ein neues Gesetz, um die KI voranzutreiben – ein Schritt, den die Studie als späte Erkenntnis des Problems interpretiert. Die Beweise deuten darauf hin, dass die beste Forschung und die leistungsstärksten Computer nicht ausreichen, wenn der Staat sie nicht effektiv organisieren kann, um Ergebnisse zu erzielen.
Dieser Befund stellt die verbreitete Annahme infrage, dass die Dominanz bei der künstlichen Intelligenz einfach eine Frage davon ist, wer am meisten Geld ausgeben oder die meisten Experten einstellen kann. Die Studie zeigt, dass die Souveränität über die künstliche Intelligenz nicht nur darin besteht, die Werkzeuge zu besitzen; es geht darum, die Fähigkeit zu besitzen, die Nutzung dieser Werkzeuge zu steuern. Ein Land kann massiv in Forschung und Infrastruktur investieren und dennoch sehr wenig produzieren, wenn das System, um diese Investitionen in reale Anwendungen zu verwandeln, schwach ist. Für Schwellenländer, die diesen Wettlauf beobachten, ist die Lektion klar: Eine starke KI-Zukunft aufzubauen, hängt möglicherweise weniger davon ab, die massiven Budgets der globalen Anführer zu matchen, als vielmehr davon, die administrative Kapazität aufzubauen, um Ressourcen effektiv zu koordinieren. Der Unterschied zwischen einer Nation, die KI finanziert, und einer, die sie wirklich baut, könnte eher in der Qualität ihrer Planung und der Geschwindigkeit ihrer Ausführung liegen als in der Größe ihres Bankkontos.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.