Künstliche Intelligenz ist zu einer zentralen Achse geopolitischen Wettbewerbs geworden. Doch die meisten vergleichenden Analysen des technologischen Wettlaufs bleiben bei Input-Metriken stehen: der Zahl von GPUs, Investitionssummen und Patentanmeldungen. Das sind Ersatzindikatoren, keine Erklärungen. Für Forschende der internationalen Beziehungen, politische Entscheidungsträger und Unternehmensstrategen ist eine schwierigere Frage entscheidend: Warum konvergieren unterschiedliche politische Ökonomien auf unterschiedliche Strategien der Einführung, und was verraten diese Strategien über tiefer liegende Annahmen zu staatlicher Handlungsfähigkeit, Risikobereitschaft und dem Verhältnis zwischen technologischer Leistungsfähigkeit und nationaler Macht?
Die Divergenz zwischen Asien und der Europäischen Union ist nicht in erster Linie eine Geschichte über Investitionslücken oder abstrakte regulatorische Philosophien. Sie ist eine Geschichte darüber, welchem Zweck KI dienen soll. In Asien wird KI als Koordinierungsproblem verstanden, das der Staat lösen muss. In Europa wird sie vor allem als Haftungsproblem verstanden, das der Staat steuern muss. Dieser Unterschied im Deutungsrahmen hat strukturelle Folgen, die sich mit der Zeit verstärken. Und die empirischen Befunde aus den Jahren 2024 bis 2026 machen diese Folgen zunehmend sichtbar.
Die globale Einführungslandschaft: Was die Daten inzwischen zeigen
Bevor untersucht wird, wie verschiedene Staaten reagieren, lohnt es sich festzuhalten, was die vorliegenden Befunde über den aktuellen Stand der KI-Diffusion zeigen. Der Stanford AI Index 2026 berichtet, dass generative KI innerhalb von drei Jahren weltweit eine Akzeptanz von 53 Prozent der Bevölkerung erreicht hat – schneller als der Personal Computer oder das Internet. Die organisatorische Einführung, gemessen an McKinseys State of AI-Umfrage 2025, liegt bei 88 Prozent der Organisationen, die KI in mindestens einer Geschäftsfunktion einsetzen; im Vorjahr waren es 78 Prozent. Die weltweiten Unternehmensinvestitionen in KI haben sich 2025 auf 581,7 Milliarden US-Dollar mehr als verdoppelt, wobei allein die privaten Investitionen 344,7 Milliarden US-Dollar erreichten. Diese Schlagzeilenzahlen sind bemerkenswert, verdecken jedoch eine strukturelle Divergenz, die die eigentliche Geschichte ausmacht: Die Einführung auf Bevölkerungsebene reicht von 61 Prozent in Singapur bis zu 28,3 Prozent in den Vereinigten Staaten. Zum Vergleich: Der Durchschnitt der Unternehmen in der EU27 liegt bei 20 Prozent (Eurostat 2025) – und dieser Gesamtwert verbirgt eine Kluft zwischen großen und kleinen Unternehmen, die für das europäische Problem analytisch zentral ist.
Die produktivitätspolitische Begründung dafür, diese Einführungslücke zu schließen, wird zunehmend durch empirische Evidenz gestützt. Experimentelle Studien der OECD, die in einem im Juli 2025 veröffentlichten Forschungspapier ausgewertet wurden, zeigen, dass Beschäftigte im Kundendienst, in der Softwareentwicklung und in der Beratung durch die Integration generativer KI durchschnittliche Produktivitätsgewinne von 5 Prozent bis über 25 Prozent erzielt haben. Auch makroökonomische Befunde beginnen, aggregierte Effekte zu bestätigen: Eine im April 2026 veröffentlichte Studie kam zu dem Ergebnis, dass der Anstieg häufiger KI-Nutzerinnen und -Nutzer über verschiedene Berufsgruppen hinweg – von rund 12 Prozent Mitte 2024 auf 26 Prozent Ende 2025 – mit einer um etwa 1,4 bis 2,8 Prozent höheren realen Wirtschaftsleistung einhergeht, also mit ungefähr ein bis zwei Prozentpunkten annualisierten Wachstums. Das sind keine spekulativen Projektionen, sondern gemessene Ergebnisse. Die Volkswirtschaften, die die Einführungslücke am frühesten schließen, werden diese Gewinne zuerst realisieren – und zwar in sich verstärkender Weise. Abbildung 1 kartiert den aktuellen Stand der KI-Einführung in Unternehmen in den in diesem Beitrag untersuchten Rechtsräumen.
Drei Modelle staatlich gelenkter KI-Einführung
Die fünf hier untersuchten asiatischen Volkswirtschaften – China, Südkorea, Japan, Indien und Singapur – folgen keinem einheitlichen Modell. Sie teilen jedoch eine gemeinsame Grundannahme: KI-Einführung wird nicht im erforderlichen Umfang oder mit der erforderlichen Geschwindigkeit stattfinden, wenn der Staat nicht gezielt eingreift, um die Nachfrage zu beschleunigen. Die Form dieses Eingreifens unterscheidet sich erheblich und entspricht den strukturellen Merkmalen der jeweiligen politischen Ökonomie.
Das erste Modell ist eine mandatsgestützte Diffusion. Chinas im August 2025 vom Staatsrat veröffentlichte Leitlinie „AI Plus“ setzt das Ziel, bis 2030 in sechs ausgewiesenen Sektoren eine Durchdringung intelligenter Endgeräte und KI-Agenten von 90 Prozent zu erreichen. Analytisch bedeutsam ist hierbei nicht die Höhe dieser Zielmarke, sondern die Logik dahinter. Peking behandelt die Verbreitung von KI so, wie es zuvor Elektrifizierung oder den Ausbau des Breitbands behandelt hat: als Koordinierungsproblem, bei dem Marktmechanismen allein die Einführung zu gering bewerten, weil einzelne Akteure den gesamten gesellschaftlichen Ertrag nicht für sich vereinnahmen können. Die Lösung besteht darin, Einführungsquoten gesetzlich vorzugeben, statt lediglich Inputs zu subventionieren. Die Analyse von Trivium China stellt fest, dass dies der strukturellen Logik der Initiative „Internet Plus“ von 2015 entspricht. Die Ergebnisse sind sichtbar: Chinas KI-Nutzerbasis hat sich im ersten Halbjahr 2025 mehr als verdoppelt und erreichte 515 Millionen Nutzerinnen und Nutzer; nach der Einführung von DeepSeek-R1 im Januar 2025 wuchs die KI-Nutzung innerhalb von sechs Monaten um 36,5 Prozent (CNNIC, zitiert in AI News). Auf Unternehmensebene liegt die Einführung laut IBMs Global AI Adoption Index 2025 bei etwa 58 Prozent. China führt zudem weltweit bei KI-Patentanmeldungen, mit 38,58 Prozent des globalen Gesamtwerts im April 2025. Die Analyse der RAND Corporation vom Juni 2025 kommt zu dem Schluss, dass Chinas Industriepolitik seinen Fortschritt voraussichtlich beschleunigen wird, insbesondere durch subventionierte Rechenkapazität und die Bereitstellung von Anwendungen. Chinesische Modelle haben den Leistungsabstand zu den führenden US-Modellen auf dem Arena-Elo-Benchmark inzwischen auf nur noch 2,7 Prozent verringert (Stanford HAI 2026).
Das zweite Modell ist „Gesetz plus Kapital“, am besten verkörpert durch Südkorea. Das Rahmengesetz zur Entwicklung künstlicher Intelligenz, das seit Januar 2026 in Kraft ist, machte Korea zum ersten Land, das Governance, Industriepolitik und Risikomanagement in einem einzigen Gesetz zusammenführt. Korea verband dies mit einer Verdreifachung des nationalen KI-Budgets auf 10,1 Billionen Won, also rund 6,94 Milliarden US-Dollar, innerhalb eines einzigen Haushaltsjahres sowie mit der Bereitstellung von 260.000 Blackwell-GPUs für Samsung, SK Hynix, Hyundai, Naver und staatliche Infrastrukturen. Der Stanford AI Index 2026 stellt fest, dass Südkorea inzwischen weltweit bei KI-Patenten pro Kopf führend ist – ein Maß für Innovationsdichte, das die Tiefe der industriellen Integration widerspiegelt. Das besondere Merkmal dieses Modells ist Gleichzeitigkeit: Korea ordnet Regulierung nicht der Einführung vor und Kapital nicht den Regeln. Es verfolgt beide Stränge parallel und nutzt das Gesetz als Koordinierungsmechanismus sowie die Kapitalzusage als Glaubwürdigkeitssignal an private Akteure.
Das dritte Modell ist die Subvention als Infrastruktur, beispielhaft verkörpert durch Indien. Die im März 2024 genehmigte IndiaAI Mission behandelt Rechenkapazität so, wie frühere Entwicklungsstaaten Elektrizität behandelten: als öffentliches Gut, dessen Unterproduktion durch Märkte eine strukturelle Obergrenze für nachgelagerte Aktivitäten schafft. Das Programm hat bereits mehr als 38.000 GPUs bereitgestellt – darunter 1.050 Google-Trillium-TPUs – gegenüber einem ursprünglichen Ziel von 10.000. Start-ups und Wissenschaftler können Rechenkapazität der H100-Klasse zu rund 65 Rupien, also 0,72 US-Dollar, pro Stunde nutzen – dem niedrigsten subventionierten Tarif weltweit. Die Einführung in Unternehmen hat darauf reagiert: IBMs Index 2025 verortet Indien bei einer KI-Einführungsrate von 57 Prozent in Unternehmen. Minister Ashwini Vaishnaw berichtete im Februar 2026, dass die zugesagten KI-bezogenen Investitionen in Indien bei 90 Milliarden US-Dollar liegen; Prognosen zufolge sollen sie innerhalb von zwei Jahren entlang des gesamten KI-Stacks auf mehr als 400 Milliarden US-Dollar steigen. Indien setzt nicht auf regulatorische Raffinesse. Es setzt darauf, dass die Beseitigung des Rechenkapazitätsengpasses sich verstärkende Erträge erzeugt – und die frühen Einführungsdaten deuten darauf hin, dass diese Wette aufgeht.
Japan und Singapur: Der Aufholfall und der Präzisionsfall
Japan steht für ein viertes Modell – kapitalintensives Aufholen –, das weniger eine kohärente strategische Entscheidung darstellt als vielmehr eine Reaktion auf ein dokumentiertes Versäumnis bei der Einführung. Das Weißbuch 2025 des Ministeriums für Innere Angelegenheiten und Kommunikation zeigte, dass die Nutzung generativer KI in der japanischen Bevölkerung 2024 bei 26,7 Prozent lag, verglichen mit 68,8 Prozent in den Vereinigten Staaten und 81,2 Prozent in China. Strukturell noch aussagekräftiger ist die G7-Analyse der OECD zur KI-Einführung, der zufolge KI in zentralen Geschäftsfunktionen 2024 nur von 1,9 Prozent der japanischen Unternehmen genutzt wurde, gegenüber 6,1 Prozent in den Vereinigten Staaten. Dies ist der tiefste Indikator für produktive Integration, und er offenbart eine Kluft, die Schlagzeilenzahlen zu Investitionen verdecken. Tokios Antwort bestand darin, Kapital bereitzustellen: NTT verpflichtet sich bis 2027 zu Investitionen von 59 Milliarden US-Dollar, und SoftBank hat sich mit Zusagen von mehr als 40 Milliarden US-Dollar an OpenAIs Stargate-Projekt gebunden. Japans Entwicklung wird zeigen, ob der Einsatz bloßen Kapitals die nachfrageseitigen Koordinierungsmechanismen ersetzen kann, die China und Korea nutzen – oder ob strukturelle Einführungshürden wie eine risikoscheue Unternehmenskultur und Normen lebenslanger Beschäftigung nicht durch Kapital allein zu lösen sind.
Singapur ist der Präzisionsfall – ein fünftes Modell, Governance durch Messung. Die im Mai 2026 aktualisierte National AI Strategy 2.0 ist weniger wegen ihrer Ambition bemerkenswert als wegen ihres Detaillierungsgrads. Der Stanford AI Index 2026 verortet Singapur bei einer bevölkerungsweiten Nutzung generativer KI von 61 Prozent, dem weltweit höchsten Wert neben den Vereinigten Arabischen Emiraten. Die KI-Einführung in Unternehmen, die nicht zu den kleinen und mittleren Unternehmen zählen, erreichte 2024 laut IMDA 62,5 Prozent, während die Nutzung bei kleinen und mittleren Unternehmen bei 14,5 Prozent lag. Das National AI Impact Programme zielt darauf ab, innerhalb von drei Jahren 10.000 Unternehmen zu erreichen. Analytisch besonders macht Singapur, dass seine geringe Größe eine Rückkopplungsschleife ermöglicht, die größere Volkswirtschaften nicht in gleicher Weise nachbilden können: Die Regierung kann messen, was sie einführt, die Nutzung nahezu in Echtzeit beobachten und die Programmausgestaltung entsprechend anpassen. Singapur fungiert als lebendes Labor, in dem die Messinfrastruktur politische Erkenntnisse hervorbringt, die größere Staaten aus aggregierten Statistiken nicht ableiten können.
Die strukturelle Fehleinschätzung der EU: Evidenz aus den Einführungsdaten
Vor dem Hintergrund dieser fünf Ansätze spiegelt die Position der Europäischen Union eine strukturell andere Vorstellung davon wider, wozu KI-Governance dienen soll – und die Daten aus den Jahren 2024 und 2025 machen diesen Unterschied deutlich messbar. Die Veröffentlichung von Eurostat vom Dezember 2025 weist die KI-Einführung in Unternehmen der EU27 mit 20 Prozent aus, gegenüber 13,5 Prozent im Jahr 2024 – ein Anstieg um 6,5 Prozentpunkte, der tatsächliche Dynamik erkennen lässt. Dänemark führt mit 42 Prozent, Finnland liegt bei 37,8 Prozent, Schweden bei 35 Prozent. Doch der Durchschnitt verdeckt ein strukturelles Problem, das durch das Wachstum der Schlagzeilenzahlen verschleiert wird: Die Einführung ist stark nach Unternehmensgröße geschichtet. Wie Tabelle 2 zeigt, erreichten große Unternehmen mit 250 oder mehr Beschäftigten im Jahr 2025 eine KI-Einführungsquote von 55 Prozent, während kleine Unternehmen mit 10 bis 49 Beschäftigten lediglich 17 Prozent erreichten. Die Lücke von 38 Prozentpunkten zwischen großen und kleinen Unternehmen verringerte sich 2025 nicht; sie weitete sich um mehr als 7 Prozentpunkte aus (Abbildung 2).
Diese Größenschichtung ist der empirische Kern des europäischen Einführungsproblems und steht in direktem Zusammenhang mit dem KI-Gesetz. Schätzungen aus dem Beratungsmarkt zu den Compliance-Kosten für Hochrisiko-KI nach Anhang III beziffern die anfänglichen Kosten für KMU-Anbieter auf 200.000 bis 500.000 Euro, gestaffelt über den Zeitraum von 2025 bis 2027 (Abbildung 5). Selbst mit den ausdrücklichen KMU-Bestimmungen des Gesetzes – verhältnismäßigen Gebühren, Zugang zu Reallaboren und vereinfachter Dokumentation – treten die Durchsetzungspflichten für Betreiber von Hochrisiko-Systemen im August 2026 in Kraft, während 12 von 27 Mitgliedstaaten die Frist zur Benennung zuständiger nationaler Behörden versäumt hatten. Der eigene Vorschlag der Europäischen Kommission für ein Digital-Omnibus-Paket, der im November 2025 vorgelegt wurde, erkennt das Problem an, indem er bis 2029 auf eine Senkung der gesamten Compliance-Belastung um 25 Prozent und für KMU um 35 Prozent abzielt. Mehr als 60 Prozent der EU-Start-ups priorisieren inzwischen gezielt risikoarme KI-Anwendungen, um Compliance-Risiken zu vermeiden. Die Governance-Architektur prägt Innovationspfade, noch bevor sie vollständig durchgesetzt wird.
Das Investitionsbild verschärft die Sorge zusätzlich. Europa zog 2025 nur 20,9 Milliarden US-Dollar an privaten KI-Investitionen an, verglichen mit 285,9 Milliarden US-Dollar in den Vereinigten Staaten – ein Verhältnis von 13,7 zu eins (Abbildung 3). Chinas private Investitionen in Höhe von 12,4 Milliarden US-Dollar unterschätzen die effektive Gesamtsumme erheblich, sobald staatliche Lenkungsfonds einbezogen werden; Stanford HAI schätzt, dass zwischen 2000 und 2023 branchenübergreifend 912 Milliarden US-Dollar an solchen Lenkungsfonds eingesetzt wurden. Der eigene Bericht der Kommission zum Stand der digitalen Dekade vom Juni 2025 räumt ein, dass der Block beim derzeitigen Tempo seine Ziele für 2030 erst um das Jahr 2040 erreichen wird. Eine Analyse von Public First schätzt, dass die EU bis 2030 voraussichtlich rund 1,3 Billionen Euro des prognostizierten digitalen Werts erschließen wird, während bis zu 1,5 Billionen Euro ungenutzt bleiben könnten.
KI-Einführung als Problem kollektiven Handelns
Die vergleichenden Befunde sprechen dafür, die Einführung von KI als ein Problem kollektiven Handelns zu verstehen, wie es in der wirtschaftsgeografischen Literatur zur Industriepolitik beschrieben wird. Die zentrale Herausforderung besteht nicht darin, dass einzelne Unternehmen keinen Zugang zu Informationen über KI hätten – die Technologie ist sichtbar, und ihre Anwendungen sind dokumentiert. Die Herausforderung liegt vielmehr darin, dass ihre Einführung positive externe Effekte erzeugt: durch die Generierung von Daten, die Weiterqualifizierung von Arbeitskräften und Prozesswissen, das über Unternehmensgrenzen hinweg ausstrahlt. Einzelne Unternehmen können diese Effekte nicht vollständig für sich vereinnahmen. Eine Einführung zu Marktbedingungen wird daher systematisch hinter dem gesellschaftlich optimalen Niveau zurückbleiben. Staatliches Eingreifen ist keine Verzerrung, sondern eine Korrektur eines strukturellen Marktversagens.
Was sich zwischen den untersuchten Fällen unterscheidet, ist der Mechanismus, der zur Bewältigung dieses Problems gewählt wird. China setzt auf administrative Vorgaben. Korea kombiniert einen gesetzlichen Rahmen mit der parallelen direkten Bereitstellung von Kapital. Indien nutzt Preissubventionen für knappe Inputs, um die Schwelle zur Einführung zu senken. Singapur setzt auf präzise Messung und gezielte programmatische Unterstützung. Japan versucht, die Konzentration privaten Kapitals als Ersatz für nachfrageseitige Koordinierung zu nutzen. Die EU hingegen setzt auf eine Compliance-Architektur – also nicht auf einen Koordinierungsmechanismus, sondern auf einen Mechanismus zur Risikoverteilung. Eine Compliance-Architektur sagt Unternehmen, was sie nicht tun dürfen; sie löst jedoch nicht das Koordinierungsproblem bei der Einführung, das tatsächlich bindend ist. Entscheidend ist, dass die experimentellen Befunde der OECD zeigen, dass Produktivitätsgewinne durch KI eine substanzielle Zusammenarbeit zwischen Mensch und KI sowie eine passende Zuordnung von Aufgaben erfordern. Um diese Fähigkeit aufzubauen, muss die Einführung zuerst erfolgen. Organisatorische KI-Kompetenz lässt sich nicht allein durch Compliance-Rahmen schaffen.
Diese Perspektive knüpft an länger bestehende Debatten in der vergleichenden politischen Ökonomie an. Die Literatur seit Rodrik (2004) zur Selbstentdeckung und seit Hausmann und Hidalgo (2011) zur wirtschaftlichen Komplexität legt nahe, dass der wertvollste Beitrag des Staates zur industriellen Transformation darin besteht, gemeinsame Fähigkeiten aufzubauen – Kompetenzen, Infrastruktur und Standards –, die Investitionen auf Unternehmensebene überhaupt erst tragfähig machen. Die hier untersuchten asiatischen Fälle investieren auf jeweils unterschiedliche Weise in genau diese gemeinsamen Fähigkeiten. Die EU hat, bei aller regulatorischen Raffinesse, das nachfrageseitige Äquivalent dazu bislang noch nicht geschaffen.
Implikationen für Unternehmen und politische Entscheidungsträger
Die praktischen Folgen sind beträchtlich, und die Produktivitätsbefunde verleihen ihnen empirisches Gewicht. Studien, die im Stanford AI Index 2026 zusammengefasst werden, berichten von Produktivitätsgewinnen durch KI-Integration von etwa 14 bis 15 Prozent im Kundendienst, 26 Prozent in der Softwareentwicklung und 50 Prozent bei der Marketingleistung (Abbildung 4). Dabei handelt es sich um Gewinne auf Aufgabenebene; ihre gesamtwirtschaftliche Wirkung hängt davon ab, wie breit die Technologie eingeführt wird. Wenn China bis 2030 eine KI-Durchdringung von 90 Prozent erreicht und die EU bei 30 bis 40 Prozent landet, wird sich der Produktivitätsunterschied nicht durch Regulierung ausgleichen lassen. Frühe Anwender sammeln Prozesswissen, erzeugen bessere Trainingsdaten und entwickeln organisatorische Fähigkeiten, die spätere Anwender nicht einfach kaufen können.
Für multinationale Unternehmen, die in diesen Rechtsräumen tätig sind, schafft diese Asymmetrie sowohl Risiken als auch strukturelle Arbitragemöglichkeiten. Unternehmen, die KI-Fähigkeiten in Asiens stärker auf Einführung ausgerichteten regulatorischen Umgebungen entwickeln, werden mit Kompetenzen in den EU-Markt eintreten, die EU-basierte Wettbewerber nicht in gleichem Maße aufbauen konnten. Die Anforderungen des KI-Gesetzes gelten für Systeme, die in der EU eingesetzt werden – unabhängig davon, wo sie entwickelt wurden. Das bedeutet, dass die Compliance-Belastung auf die europäischen Aktivitäten von Unternehmen fällt, die ihre Fähigkeiten anderswo aufgebaut haben. Darin liegt eine ironische Umkehrung der Schutzabsicht: Die Regulierung besteuert die Einführung durch etablierte Unternehmen, verhindert aber nicht, dass ausländische Marktteilnehmer Fähigkeiten aufbauen.
Die Schlussfolgerung für politische Entscheidungsträger in der EU lautet nicht, das KI-Gesetz aufzugeben. Die Logik der Risikostufung adressiert reale Bedenken hinsichtlich Grundrechten und Sicherheit bei Anwendungen mit hohem Einsatz. Entscheidend sind vielmehr die Reihenfolge der Umsetzung und die Verteilung der Compliance-Kosten. Strukturell fehlt die nachfrageseitige Ergänzung: ein europäisches Pendant zu Indiens subventionierter Rechenkapazität für KMU, Koreas einführungsorientierter Haushaltszusage oder Chinas sektorspezifischen Durchdringungsvorgaben. Die Chip-Ambitionen der EU – bis 2030 einen Anteil von 20 Prozent am weltweiten Produktionswert zu erreichen – sind auf der Angebotsseite ernst zu nehmen. Dieses Angebot aufzubauen, ohne zugleich die Basis der KI-Einführung in Unternehmen zu schaffen, gleicht dem Bau eines Autobahnnetzes, ohne es mit den Städten zu verbinden, denen es dienen soll.
Schlussfolgerung
Der KI-Wettlauf ist nicht in erster Linie ein Wettbewerb darum, wer die ausgefeiltesten Vorschriften oder die größten nominellen Investitionszusagen vorweisen kann. Es ist ein Wettbewerb darum, wer das Koordinierungsproblem der Einführung zuerst löst – und die Daten aus den Jahren 2024 und 2025 machen die Akteure sichtbar. Chinas KI-Einführung in Unternehmen von 58 Prozent, Indiens Wert von 57 Prozent, Singapurs bevölkerungsweite Einführung von 61 Prozent und Südkoreas führende Position bei der Patentdichte sind keine Zufälle. Sie sind die messbaren Ergebnisse gezielter nachfrageseitiger Politik. Der EU-Durchschnitt von 20 Prozent bei der Einführung in Unternehmen, die Lücke von 38 Prozentpunkten zwischen großen und kleinen Firmen sowie private Investitionen in Höhe von 20,9 Milliarden US-Dollar – verglichen mit 285,9 Milliarden US-Dollar in den Vereinigten Staaten – sind ebenso messbare Ergebnisse einer anderen politischen Ausrichtung. Beide Ansätze reagieren auf reale Herausforderungen. Doch sie reagieren nicht mit gleicher Dringlichkeit auf dieselbe Herausforderung. Das Haftungsproblem ist real; das Koordinierungsproblem ist bindender. Brüssel verwechselt nicht so sehr das Regelwerk mit dem Spiel, sondern priorisiert vielmehr das falsche Kapitel. Das ist ein leichter lösbares Problem als strukturelle Unterinvestition – aber nur, wenn es richtig diagnostiziert wird und nur, wenn das Zeitfenster zur Korrektur der Reihenfolge nicht bereits geschlossen ist.
