Wer bestimmt, welche KI deine Agentur nutzen darf

Diese Woche hat OpenAI ein neues Modell veröffentlicht. GPT-5.6 Sol schlägt Claude Opus bei mehreren wichtigen Benchmarks und liegt an der Spitze der Frontier-Tier nach den meisten glaubwürdigen Messungen. Für die meisten Agenturen wäre das normalerweise einfach nur eine Nachricht: ein besseres Tool ist verfügbar, man wertet es aus, man aktualisiert seinen Stack.

Außer, dass diesmal die US-Regierung entscheidet, wer Zugriff bekommt.

Sol wurde mit gestufter Verfügbarkeit gestartet, gebunden an Exportkontrollen und bilaterale Vereinbarungen zwischen den USA und Partnerländern. Bestimmte Regionen, bestimmte Unternehmensstrukturen, bestimmte Use Cases: alles gesperrt. Nicht durch OpenAIs Preisseite, sondern durch Bundespolitik. Das ist eine andere Art von Constraint als alles, mit dem die kreative Industrie und Produktteams bisher von einem Softwarehersteller konfrontiert wurden.

Das zeichnet sich seit zwei Jahren ab

Die US-Regierung behandelt Frontier-AI-Modelle seit mindestens 2023 als strategische Vermögenswerte. Das Bureau of Industry and Security des Handelsministeriums hat Exportkontroll-Logik von Chips auf Modellgewichte und API-Zugang übertragen. Die Executive Orders beider Administrationen, trotz ihrer unterschiedlichen Rhetorik, stimmten in einem überein: Die leistungsfähigsten KI-Systeme sollten nicht frei in gegnerische Staaten fließen.

Was mit Sol neu ist, dass die Kontrollen auf Produktebene sichtbar sind, auf eine Weise, wie sie es vorher nicht waren. Frühere Access-Programme waren stille Abmachungen, Early-Access-Waitlists oder geografiebasierte API-Sperren, die sich wie operative Logistik anfühlten. Sol macht die Hand der Regierung explizit. OpenAI hat öffentlich gesagt, dass der Zugriff für bestimmte Regionen die Genehmigung der US-Regierung als Teil der Deal-Struktur erfordert.

Das ist in der Tech-Branche nicht beispiellos. Verschlüsselungssoftware war Jahrzehnte lang exportkontrolliert. Satellitenimagerie hatte immer schon Regierungsfäden dran. Unterschiedlich ist die Geschwindigkeit. Der Policy-Apparat bewegt sich schneller als die meisten Organisationen ihre KI-Beschaffungslogik aktualisiert haben.

Was das für eine Agentur bedeutet

Lass mich konkret werden, denn die abstrakte geopolitische Rahmung kann sich weit entfernt anfühlen.

Erstens. Dein Modell-Stack hat jetzt ein Herkunftsproblem. Wenn du eine europäische Agentur bist und für Clients mit Operationen in einer eingeschränkten Jurisdiktion arbeitest, könnte das Modell, auf das deine Engineers angewiesen sind, für dieses Projekt nicht verfügbar sein. Das ist ein Workflow-Gap, den du planen musst, nicht darauf reagieren.

Zweitens. Die Lücke zwischen Frontier und Second-Tier-Modellen ist wichtiger als früher. Sol outperformt seine nächsten Open-Weight-Alternativen bei Reasoning und Code-Aufgaben um einen spürbaren Unterschied. Wenn der Zugriff darauf gesperrt ist, wählst du nicht einfach einen anderen Vendor, sondern akzeptierst eine Capability-Einbuße bei spezifischen Task-Typen. Das wirkt sich darauf aus, was du Clients versprechen kannst und wie lange bestimmte Arbeiten dauern.

Drittens. Open-Weight-Modelle sind wieder eine ernstzunehmende Option. Llama 3.3, Mistrals Magistral und andere sind wirklich leistungsfähig für eine breite Palette von Agency-Arbeiten. Sie unterliegen nicht denselben Beschränkungen. Wenn du sie vor sechs Monaten abgeschrieben hast, weil die geschlossenen Frontier-Modelle leistungsfähiger und leichter zu betreiben wirkten, gibt dir die Access-Control-Situation einen Grund, diese Berechnung zu überprüfen.

Viertens. Deine Clients werden dich danach fragen. Nicht sofort, aber bald. Procurement-Teams bei größeren Unternehmen beantworten bereits Fragen von Legal und Compliance, welche KI-Vendoren unter ihren Data Agreements zulässig sind. Wenn die Frage des Clients dich erreicht, willst du eine Antwort parat haben.

Der konträre Fall für Ruhe

Es gibt ein Argument, dass das kleiner ist, als es aussieht, und es ist wert, ernst genommen zu werden.

Die meiste Agency-Arbeit, die meiste Zeit, erfordert nicht das einzeln beste verfügbare Modell. Sie erfordert ein Modell, das für die Task gut genug ist, verlässlich in einen Workflow integriert ist, mit Kosten, die die Projektmarge nicht sprengen. GPT-4o, Claude 3.7 Sonnet und Gemini 1.5 Pro sind alle noch vollständig zugänglich. Sie sind alle wirklich fähig. Bei der Mehrheit der Content-, Design-Research-, Code-Assistenz- und Daten-Aufgaben, die Agenturen tatsächlich ausführen, ist die Frontier-Lücke akademisch.

Das Risiko einer Überkorrektur hier ist real. Agenturen, die das nächste Quartal damit verbringen, geopolitisches KI-Risiko zu prüfen, statt gute Arbeit für Clients zu bauen, fallen in beiden Kategorien zurück. Die Modelle, die dir jetzt verfügbar sind, sind besser als das, was du vor zwölf Monaten hattest, um einen spürbaren Unterschied.

Aber die strukturelle Verschiebung ganz zu ignorieren ist ein Fehler. Die Frage ist nicht, ob man in Panik verfallen soll. Sie ist, ob man Modellzugang als eine statische Produktentscheidung betrachtet oder als etwas, das jetzt eine Policy-Dimension hat, die du tracken musst.

Was ein Studio wie wir damit tun

Wir fahren seit über einem Jahr Multi-Modell-Architekturen. Nicht weil wir politisch hedgen, sondern weil kein einzelnes Modell jede Task-Kategorie gewinnt. Creative Research durch ein Modell zu leiten, strukturierte Datenertraktion durch ein anderes und Code-Generierung durch ein drittes ist seit Mitte 2024 Standard für uns. Dieses Setup, das für Capability-Gründe gebaut wurde, erweist sich als resilient gegen genau diese Art von Access-Disruption.

Die Implikation für jede ernst zunehmende Agentur. Model Agnosticism ist jetzt eine Business-Continuity-Position, nicht nur eine Performance-Optimierung. Bau deine Workflows so, dass die Model-Layer austauschbar ist. Halte deine Abstraktion eine Ebene über einer spezifischen Vendor-API. Wenn du gerade tief an einen einzelnen Provider gekoppelt bist, ist das eine Abhängigkeit, die es lohnt zu untersuchen, aus Gründen, die nichts mit Qualität zu tun haben.

Zu Sol konkret. Wir sind in der Evaluation Queue und wir sind gegenüber Clients direkt, welche Arbeiten darauf laufen können und welche nicht. Wo Zugang eingeschränkt ist, nutzen wir die beste verfügbare Alternative und dokumentieren warum. Kein theatralisches Hadern, keine Vortäuschung, dass die Lücke nicht existiert.

Was wir nicht tun. den Policy-Lärm an die Stelle der echten Arbeit setzen, das richtige Tool für die Task zu wählen. Das hat sich nicht geändert.

Das größere Muster zum Beobachten

Sol ist ein Datenpunkt in einem längeren Trend. Die USA sind nicht die einzige Regierung, die versuchen wird, Frontier-AI-Zugang zu gestalten. Der EU AI Act schafft seine eigene Compliance-Schicht um hochriskante Use Cases. Chinas Generative-AI-Bestimmungen setzen andere Constraints für dort eingesetzte Modelle. Die Fragmentierung der globalen Modelllandschaft ist kein Fehler in irgendwessen Plan. Sie ist der Plan.

Für international tätige Agenturen ist die praktische Frage, wie viel deiner Leistungsfähigkeit vom Zugang abhängt, den eine Regierung morgen sperren kann. Diese Frage hat noch keine saubere Antwort. Aber sie jetzt zu stellen, bevor ein Clientprojekt am Laufen ist, ist besser als sie zu stellen, wenn die Access-Denial kommt.

Frontier-KI ist immer noch ein kreatives und strategisches Tool zuerst. Die Regierung hat nur jeden erinnert, dass es auf dem höchsten Capability-Tier auch ein Instrument nationaler Interessen ist. Beide Dinge sind wahr. Mit dieser Komplexität zu arbeiten, statt sie in reine Optimismus oder reine Besorgnis zu flachen, ist der Ort, wo die echte Handwerkskunst dieser Arbeit lebt.