Das US-Justizministerium und die Federal Trade Commission (FTC) haben vereinbart, getrennt zu untersuchen, ob Microsoft, OpenAI und Nvidia wettbewerbswidrige Praktiken anwenden.
Gleichzeitig wächst das Interesse der Europäischen Kommission an KI-Untersuchungen mit der Einführung des EU-Gesetzes zur künstlichen Intelligenz. Im März und Mai 2024 richtete die Europäische Kommission formelle Informationsanfragen an Google, Facebook und TikTok sowie Microsoft, um Informationen über die Risiken und Minderungsmaßnahmen im Zusammenhang mit generativer KI zu erhalten. Am 16. Juli 2024 kündigte die britische Wettbewerbs- und Marktaufsichtsbehörde (CMA) eine Untersuchung zur "Einstellung des Kernteams von Inflection AI durch Microsoft" an, um festzustellen, ob diese Einstellung einer "Übernahme" gleichkommt.
Die Dringlichkeit dieser Wettbewerbsprüfungen liegt einerseits darin begründet, dass die Wettbewerbsbehörden nicht erneut von großen Technologieunternehmen überrascht werden wollen. Andererseits scheinen die inhärenten Bedingungen für die Entwicklung von KI-Großmodellen Eigenschaften der "Konzentration" und "Beschränkung" aufzuweisen. Daher scheinen sowohl die EU als auch die USA eher geneigt zu sein, "präventiv einzugreifen", bevor Technologieunternehmen erfolgreich eine dominierende Stellung auf dem KI-Markt einnehmen.
Inhärente "wettbewerbswidrige" Eigenschaften der KI-Entwicklung?
1. Barrieren der Cloud-Infrastruktur und Rechenleistung
Einige Experten sind der Ansicht, dass ein oligopolistischer KI-Markt fast unvermeidlich ist.
Für KI-Startups stellt das Modelltraining einen teuren Fixkostenblock dar, der auch die Haupthürde für den Eintritt in den KI-Markt bildet. Es ist schwierig, diese Kosten allein durch Investorengelder nachhaltig zu tragen.
Nur die größten Technologieunternehmen (hauptsächlich Google, Amazon, Microsoft und Meta sowie Apple und Nvidia, zusammen als GAMMAN bezeichnet) verfügen über die erforderliche Cloud-Infrastruktur und Rechenleistung, um den Trainingsanforderungen der größten KI-Modelle gerecht zu werden. Die Kontrolle von GAMMAN über kritische Ressourcen beschränkt kleinere Startups auf untergeordnete Rollen.
Dies erklärt, warum KI-Startups oft bereit sind, Kooperationsvereinbarungen mit großen Technologieunternehmen einzugehen. Das typischste Beispiel ist die Zusammenarbeit zwischen OpenAI und Microsoft, bei der der Zugang zur Recheninfrastruktur gegen die Nutzungsrechte von GAMMAN an den neuesten Modellen getauscht wird. Alternativ können sich KI-Startups auch von der technologischen Spitze entfernen und sich auf kleinere KI-Modelle konzentrieren, die bei bestimmten Aufgaben gut abschneiden, um "die Grundlage" für größere Modelle zu schaffen und Anwendungen mit proprietären Daten zu entwickeln.
2. Barrieren beim Zugang zu urheberrechtlich geschützten Daten
Viele hochwertige Text-, Audio- und Bild-KI-Trainingsdatensätze sind urheberrechtlich geschützt. Autoren können grundsätzlich Lizenzgebühren für die Nutzung ihrer Werke erheben. Dies führt zu einer Verknappung des Trainingsdatenangebots aufgrund zusätzlicher Kosten. Es erhöht auch die Kosten für das Modelltraining und reduziert den Wettbewerb zwischen Modellentwicklern.
Das EU-Gesetz zur künstlichen Intelligenz verlangt von Modellentwicklern die Einhaltung des EU-Urheberrechts, wie es in der Urheberrechtsrichtlinie festgelegt ist, insbesondere Artikel 4, der eine Urheberrechtsausnahme für kommerzielle Forschung gewährt, aber Rechteinhabern erlaubt, sich von dieser Ausnahme abzumelden. In den USA besteht eine gewisse rechtliche Unsicherheit, mit mehreren anhängigen Fällen. Wenn Gerichte entscheiden, dass die Fair-Use-Ausnahme nicht anwendbar ist, könnten KI-Investoren mit dem Risiko von Strafschadensersatz konfrontiert werden. Um dies zu vermeiden, haben die größten KI-Unternehmen bereits Datenlizenzen mit großen Medienunternehmen abgeschlossen. OpenAI hat beispielsweise Vereinbarungen mit der New York Times, der Bertelsmann Media Group und der Nachrichtenplattform Reddit unterzeichnet.
Wenn Länder das Urheberrecht streng durchsetzen, wird es für KI-Modelle schwieriger, Trainingsdaten zu erhalten, und kleinere KI-Entwickler und Startups könnten möglicherweise nicht die finanziellen Mittel haben, um Urheberrechtslizenzen zu bezahlen, was dazu führen könnte, dass sie vollständig aus dem Markt gedrängt werden.
3. Bequemlichkeit des Zugangs zu Nutzern
KI-Modellentwickler benötigen kommerzielle Kanäle, um Einnahmen zu generieren und die Kosten für das Training und den Betrieb von Modellen zu decken.
Einige Startups haben von Grund auf eigene Geschäftsmodelle aufgebaut und waren dabei recht erfolgreich. OpenAI hat beispielsweise einen kostenpflichtigen GPT-App-Store geschaffen und erhebt Abonnementgebühren für Nutzer der professionellen Version von ChatGPT. Innerhalb eines Jahres nach der Einführung von ChatGPT wurden über 100 Millionen Nutzer erreicht.
Für KI-Startups mit schwachen oder gar keinen Netzwerkeffekten ist es jedoch schwierig, von Grund auf ein Geschäftsmodell aufzubauen. Ein einfacherer Weg zur Einnahmengenerierung besteht darin, mit GAMMAN zusammenzuarbeiten und KI-Modelle in deren etablierte Geschäftsmodelle zu integrieren. Google beispielsweise integriert eigene und Drittanbieter-KI-Modelle in seine Suchmaschine und andere Dienste und erhebt hohe Gebühren für den Zugang zu einigen KI-gesteuerten Diensten.
Daher sind Startups, die noch kein Geschäftsmodell entwickelt haben, auch bereit, mit GAMMAN zusammenzuarbeiten und KI-Modelle am unteren Ende der Wertschöpfungskette in bestehende, nutzerorientierte GAMMAN-Dienste zu integrieren. Im Gegenzug kooperieren die Startups am oberen Ende der Wertschöpfungskette, wobei GAMMAN den Startups Zugang zu Recheninfrastruktur und möglicherweise Trainingsdaten gewährt.
Gelten "Kooperations"-Vereinbarungen zwischen GAMMAN und KI-Startups als "Übernahmen"?
Aus den genannten Gründen müssen KI-Startups, die an der technologischen Spitze bleiben wollen, Kooperationsvereinbarungen mit GAMMAN abschließen, um die Hindernisse bei Trainingskosten und Kundenakquise zu überwinden. GAMMAN kann sich entlang der gesamten KI-Wertschöpfungskette vertikal integrieren, während Startups hauptsächlich den Input- und Zwischenbereich der Wertschöpfungskette abdecken.
Wettbewerbsbehörden stehen diesen Transaktionen und Vereinbarungen skeptisch gegenüber und befürchten, dass Kooperationsvereinbarungen zu einem trojanischen Pferd werden könnten, mit dem GAMMAN Einfluss ausüben und den Wettbewerb von KI-Startups reduzieren kann. Eine wichtige rechtliche Frage ist, ob Aktivitäten von GAMMAN, von strategischen Investitionen bis hin zur Abwerbung von Gründern und technischem Personal von Startups, eine neue Form der Übernahme darstellen, die nur dazu dient, die Kartellaufsicht zu umgehen - eine "Quasi-Übernahme"?
Allerdings haben die Untersuchungen der Wettbewerbsbehörden bisher keine stichhaltigen Beweise gefunden.
Obwohl die Europäische Kommission im April 2024 zu dem Schluss kam, dass Microsofts Investitionsvereinbarung mit OpenAI keine Übernahme darstellt, prüft sie weiterhin, ob eine formelle kartellrechtliche Untersuchung der Vereinbarung eingeleitet werden soll, da diese möglicherweise wettbewerbsverzerrende Auswirkungen auf den EU-Binnenmarkt haben könnte. Deutschland kam zu einem ähnlichen Ergebnis und stellte im November 2023 fest, dass die Vereinbarung nicht der deutschen Fusionskontrolle unterliegt, behielt sich jedoch die Möglichkeit einer erneuten Prüfung vor, falls Microsoft in Zukunft seinen Einfluss auf OpenAI erhöhen sollte.
Auch US-Kartellbehörden haben sich nun den Untersuchungen angeschlossen.
Ansatzpunkte für kartellrechtliche Untersuchungen zu generativer KI
Wenn sich das Konzept der "Quasi-Übernahme" rechtlich als schwierig erweist, werden die Aufsichtsbehörden wahrscheinlich versuchen, bei der Kontrolle einer oder mehrerer Schlüsselkomponenten, auf die generative KI angewiesen ist, einen Durchbruch zu erzielen.
1. Daten
Im Gegensatz zu Hardware sind Trainingsdaten nicht-rivalisierend und können von vielen gleichzeitig genutzt werden. Viele hochwertige Trainingsdatenquellen unterliegen jedoch dem Urheberrecht und Lizenzgebühren.
Dies gilt insbesondere für Fachgebiete oder Bereiche mit strengerer Datenregulierung (wie Gesundheitswesen oder Finanzen). Das Vortraining oder Feintuning eines Modells mit tiefgreifendem Fachwissen in diesen Bereichen kann den Zugang zu großen Datenmengen erfordern, die nicht weit verbreitet verfügbar und für Marktneueinsteiger schwer zu sammeln sind.
Natürlich ist der bloße Besitz großer Datenmengen nicht illegal. Kartellbehörden könnten jedoch besonderes Augenmerk auf die Kontrolle von Unternehmen über Daten legen, um festzustellen, ob dies möglicherweise das Datenangebot reduziert, Zugangshindernisse schafft und die volle Entwicklung eines fairen Wettbewerbs behindert.
2. Talente
Ein weiterer wichtiger Input für generative KI ist das Fachwissen der Arbeitskräfte. Die Entwicklung generativer Modelle erfordert eine große Anzahl von Ingenieuren und Forschern mit spezifischen und relativ seltenen Fähigkeiten sowie tiefgreifendem Verständnis von maschinellem Lernen, natürlicher Sprachverarbeitung und Computer Vision. Die Fähigkeit von Unternehmen, Talente zu gewinnen und zu halten, kann nicht nur eine Schlüsselrolle bei der Entwicklung generativer KI spielen, sondern auch bei der Entwicklungsgeschwindigkeit.
Aufgrund der Knappheit an Talenten könnten finanzstarke Unternehmen motiviert sein, Mitarbeiter zu binden und damit den Wettbewerb von tatsächlichen oder potenziellen Konkurrenten zu ersticken. Um Marktwettbewerb und Innovation zu gewährleisten, muss es Talenten mit innovativen Ideen erlaubt sein, frei zu zirkulieren, und es ist entscheidend, dass sie nicht durch Wettbewerbsverbote behindert werden.
Die im Juli angekündigte Untersuchung der britischen CMA zur Einstellung des Kernteams von Inflection AI (einem Konkurrenten von OpenAI) durch Microsoft fällt in diese Kategorie. Auch das am 23. April 2024 von der US-FTC angekündigte umfassende Verbot neuer Wettbewerbsverbotsvereinbarungen für alle Mitarbeiter (einschließlich leitender Angestellter) zielt darauf ab, die Mobilität von IT-Talenten zu fördern. Allerdings wurde dies schnell von einem Richter auf seine Rechtmäßigkeit hin angefochten, und die Aussichten sind noch unklar.
3. Rechenressourcen
Generative KI-Systeme erfordern in der Regel erhebliche Rechenressourcen. Die Berechnung erfordert oft spezielle Hardware wie Computer mit dedizierten Chips wie Grafikprozessoren (GPUs) oder den Zugriff auf Rechenressourcen über Cloud-Computing-Dienste. Die Betriebskosten für Chips und die Preise für Cloud-Dienste sind jedoch hoch, und derzeit bieten nur wenige Unternehmen diese an, was das Risiko wettbewerbswidriger Praktiken erhöht.
Heute sind einige Märkte für spezielle Chips bereits hochkonzentriert, und die Nachfrage nach Server-Chips könnte das Angebot übersteigen. Beispielsweise hat der sprunghaft angestiegene Bedarf an Server-Chips für KI-Training zu Engpässen geführt, was große Cloud-Service-Anbieter wie AWS, Microsoft, Google und Oracle dazu veranlasst hat, "die Produktverfügbarkeit für Kunden zu begrenzen". Unternehmen in hochkonzentrierten Märkten sind eher geneigt, unfaire Wettbewerbspraktiken oder andere kartellrechtliche Verstöße zu begehen.
2022, nach mehr als zwei Monaten Klage der US Federal Trade Commission gegen Nvidia, gab Nvidia die Übernahme von Arm auf. Die FTC argumentierte, dass der Deal Nvidia in die Lage versetzen würde, innovative konkurrierende Technologien zu unterdrücken und Nvidia unfair in die Lage versetzen würde, die Position der Wettbewerber im Lizenzgeschäft von Arm zu schwächen.