Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch24. Juni 2026 · Q006884

What we learned from 1,604 Chinese AI job postings

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Eine Auswertung von mehr als 1.600 Stellenanzeigen legt nahe, dass chinesische KI-Firmen Nvidia weiter nutzen, zugleich heimische Chips und eine Mischung aus Cloud-Computing und eigenen Rechenzentren verfolgen. Die Anzeigen zeigen unterschiedliche Vertriebs- und Forschungsprofile; chinesische Stellen verlangen im Schnitt weniger Berufserfahrung als US-Stellen. Die Befunde sind Hinweise aus Stellenausschreibungen und erlauben keine verlässliche Messung tatsächlicher Rechenressourcen oder Unternehmenspraxis.

Mittel

Der Bericht untersucht mehr als 1.600 Stellenanzeigen von DeepSeek, MiniMax, Moonshot, Z.ai, ByteDance und Alibaba. Die Anzeigen deuten laut Autorinnen und Autoren darauf hin, dass chinesische KI-Firmen weiterhin Nvidia-Technik einsetzen, zugleich aber heimische Chips wie Ascend und Cambricon erproben. Die Vermutung des Berichts: Inländische Chips kommen eher bei Inferenz, kleineren Modellen und nachträglichem Training zum Einsatz als beim Vortraining großer Modelle. Die tatsächliche Rechenkapazität lässt sich aus Stellenanzeigen nicht ablesen.

Bei der Infrastruktur kombinieren Start-ups offenbar gemietete Cloud-Leistung mit eigenen Rechenzentren. Auch die Geschäftsmodelle unterscheiden sich: Z.ai sucht vor allem Personal für B2B-Vertrieb, MiniMax und Moonshot stärker für Marketing. Die Auswertung der drei Start-ups steht im Zusammenhang mit den im Bericht angeführten Umsatzdaten, darunter MiniMax’ Verbraucherprodukte und internationale Einnahmen sowie Z.ai’s Geschäft mit Kundeninfrastrukturen.

Start-ups konzentrieren sich in den Anzeigen stärker auf Sprachmodelle und darauf aufbauende Produkte; ByteDance und Alibaba decken zusätzlich etwa Robotik und Wearables ab. Chinesische Anzeigen verlangen im Mittel weniger Berufserfahrung als US-Anzeigen (1,6 gegenüber 5,5 Jahren). Das sind Hinweise aus einer begrenzten Momentaufnahme, keine direkten Belege für tatsächliche Nutzung, Ressourcen oder Erfolg.

Ausführlich lesen

Der Bericht wertet mehr als 1.600 Stellenanzeigen von sechs großen chinesischen KI-Unternehmen aus: DeepSeek, MiniMax, Moonshot, Z.ai, ByteDance und Alibaba. Die Autorinnen und Autoren verstehen Ausschreibungen als Hinweise darauf, welche Fähigkeiten Firmen suchen und welche Vorhaben sie verfolgen. Sie betonen jedoch, dass solche Anzeigen weder den tatsächlichen Umfang von Aktivitäten noch deren Erfolg zuverlässig belegen.

Ein zentrales Ergebnis betrifft die Rechenhardware: ByteDance sucht Fachleute für Inferenzoptimierung mit Nvidia CUDA und TensorRT-LLM, was laut Bericht auf den Einsatz von Nvidia-Technik hindeutet. Andere Ausschreibungen nennen jedoch chinesische Chips wie Ascend und Cambricon. Z.ai erklärt in einer Anzeige, GLM-Image sei vollständig auf heimischen Chips trainiert worden. Die Verfassenden vermuten deshalb, dass chinesische Labore heimische Chips häufig für Inferenz einsetzen, aber nur selten für das Vortraining großer Modelle. Sie nennen kleinere Modelle und nachträgliches Training als mögliche Ausnahmen. Wie viele Chips verfügbar sind und wie sie tatsächlich genutzt werden, lasse sich aus den Anzeigen nicht ermitteln.

Auch bei der Beschaffung von Rechenleistung zeichnet sich laut den Beispielen ein gemischtes Modell ab: Start-ups mieten Cloud-Kapazitäten und bauen zugleich eigene Rechenzentren. Moonshot sucht etwa Personal für Cloud- und Rechenzentrumsbeschaffung; Anzeigen von MiniMax und DeepSeek verweisen ebenfalls auf eigene Zentren.

Die Firmen unterscheiden sich zudem bei Vertrieb und Produkten. Z.ai richtet seine Vertriebsstellen überwiegend auf Geschäftskunden aus; bei MiniMax und Moonshot überwiegen laut Auswertung Marketingstellen. Der Bericht verbindet das mit Umsatzangaben: MiniMax erzielt demnach einen großen Teil seiner Einnahmen mit Verbraucherprodukten und international, während Z.ai stark auf den Betrieb von Modellen in Kundeninfrastrukturen ausgerichtet ist und 2025 nur einen kleineren Umsatzanteil international erzielte. Diese Vergleiche zu Vertriebsstrategien beschränken sich ausdrücklich auf drei relativ unabhängige Start-ups.

Bei den Forschungsfeldern konzentrieren sich Start-ups wie DeepSeek und Moonshot vor allem auf Sprachmodelle und darauf aufbauende Produkte. Die Plattformkonzerne ByteDance und Alibaba decken in ihren Anzeigen zusätzlich Bereiche wie Robotik, Wearables und intelligente Fahrzeugsysteme ab. Die Erklärung, große Konzerne könnten aufgrund ihrer Lieferketten und Ressourcen breiter forschen, ist die Einschätzung der Verfassenden.

Schließlich verlangen die untersuchten chinesischen Stellenanzeigen im Durchschnitt weniger Berufserfahrung als US-Anzeigen: 1,6 gegenüber 5,5 Jahren. Auch bei Anzeigen mit ausdrücklich genannter Mindestdauer bleibt laut Bericht ein Abstand bestehen: 3,4 gegenüber 5,5 Jahren. Die Auswertung umfasst Momentaufnahmen von Stellenanzeigen; bei fehlender Erfahrungsvorgabe werden Campusstellen mit null Jahren angesetzt. Insgesamt zeigt der Bericht daher Unterschiede in Hinweisen auf Strategien und Personalbedarf, liefert aber keine direkte Messung von Rechenkapazität, tatsächlicher Unternehmenspraxis oder technologischem Fortschritt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung ist im Kern treu, lässt aber mehrere zentrale Befunde aus; die Einordnung überschätzt zum Teil den Bezug des Berichts zu den Sicherheitsfragen.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Bericht nennt GLM-Image von Z.ai als Beleg dafür, dass ein Modell vollständig auf heimischen Chips trainiert wurde.
  • Knapp 20 Prozent der offenen Ingenieurstellen sind Campus-Stellen; Regierung und Bildungsministerium fördern Campus-Recruiting, und Gründer wie DeepSeek setzen auf Fähigkeit statt Erfahrung.
  • Die Erfahrungslücke bleibt auch bei expliziten Angaben bestehen (5,5 gegenüber 3,4 Jahren).
  • Plattformkonzerne können eher physische Produkte und breitere Forschung verfolgen, Start-ups müssen sich auf Software konzentrieren.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 27 %Hintergrund, keine Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 34 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 34 %gleiches Oberthema, hilft nicht
    • Luna 36 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 39 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 25 %Hintergrund, keine Belege
    • Luna 58 %einzelne zitierbare Belege
    • JEV 64 %einzelne zitierbare Belege
    • amos 44 %einzelne zitierbare Belege
    • SubQ 28 %gleiches Oberthema, hilft nicht
    • drex 42 %einzelne zitierbare Belege
    • d3-ultra 42 %einzelne zitierbare Belege
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-H5-T03 Welche beobachtbare Reaktion würde zeigen, dass Technologiebeschränkungen ein überprüfbares Sicherheitsabkommen unwahrscheinlicher machen, während sie den Fähigkeitsvorsprung vergrößern, und wie würde sich die Strategie dann ändern? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →