13 Min. Lesezeit
Sébastien Nobour
Gründer von DEVEDANOS
„Ihre eigene KI.“ Die Formel taucht in unzähligen YouTube-Videos auf: Nach dem Dropshipping stellen Influencer den Verkauf von KI-Integrationen an kleine Unternehmen als Geschäft dar, das jeder betreiben kann. Das Argument, das sie dem Kunden gegenüber nutzen, passt in einen Satz: eine KI, die Ihre Dokumente, Ihre Produkte und Ihre Kunden kennt und Ihnen ganz allein gehört.
Wenn man Ihnen ein solches Angebot gemacht hat, stellt sich die Frage: Kann man wirklich eine eigene KI haben, also eine KI, die einem vollständig gehört?
Im Jahr 2026 ist es für ein kleines oder mittleres Unternehmen unerreichbar, ein Modell von Grund auf zu trainieren. Ein offenes Modell nachzutrainieren, dessen Datei man ausgehändigt bekommt, ist möglich. Meistens ist das, was man unter dem Namen „Ihre eigene KI“ geliefert bekommt, aber eine Software, die um das KI-Modell eines anderen Unternehmens herum gebaut wurde.
Diese Software kann hervorragend sein. Aber das Modell gehört Ihnen nicht, und sein Entwickler bestimmt über Preis, Bedingungen und Lebensdauer. Von einem Anbieter abhängig zu sein, ist nichts Ungewöhnliches. Das Risiko liegt darin, es nicht zu wissen.
Ein Modell wie die, auf denen ChatGPT oder Claude beruhen, entsteht durch das Training mit riesigen Textmengen. Forscher von Epoch AI, einem Institut, das die Entwicklung der KI verfolgt, haben die Kosten geschätzt: zig Millionen Dollar für spezialisierte Chips und zig Millionen für Gehälter. Die Trainingskosten der größten Modelle steigen seit 2016 jedes Jahr um den Faktor 2,4. Im Juni 2025 zählte Epoch AI weltweit zwölf Organisationen, die Modelle in der Größenordnung von GPT-4 trainiert hatten.
Selbst ein Training, das als sparsam gilt, bleibt für ein kleines Unternehmen unerreichbar. Das chinesische Unternehmen DeepSeek trainierte sein Modell DeepSeek-V3 auf 2.048 spezialisierten Chips mit 14,8 Billionen Textfragmenten (Tokens). Es nennt Kosten von 5,6 Millionen Dollar und weist darauf hin, dass diese Zahl die vorausgegangene Forschung und die Versuche nicht enthält.
Unter denselben Worten werden vier verschiedene Dinge verkauft, und was Ihnen am Ende gehört, ist jedes Mal ein anderes.
Ein Modell von Grund auf trainieren. Das ist der oben beschriebene Fall. Wer das Training bezahlt, besitzt das Modell.
Ein bestehendes Modell nachtrainieren, was Fachleute Fine-Tuning nennen. Ein bereits trainiertes Modell wird mit Ihren Beispielen spezialisiert. 2023 haben Forscher gezeigt, dass das auf einer einzigen Grafikkarte möglich ist, für ein Modell mit 65 Milliarden Parametern (den internen Einstellungen des Modells). Ist das Ausgangsmodell offen, veröffentlicht sein Entwickler also die Datei, erhalten Sie eine Datei, die Sie behalten und anderswo verwenden können. Ist es geschlossen, behält der Entwickler die Datei für sich, dann bleibt das Fine-Tuning auf den Servern des Anbieters, und Sie bekommen nichts, was Sie mitnehmen könnten.
Ihre Dokumente an ein Modell anbinden, eine Technik, die unter dem englischen Kürzel RAG (Retrieval-Augmented Generation) bekannt ist. Das Modell ändert sich nicht: Bei jeder Frage sucht die Software in Ihren Dokumenten die passenden Stellen und reicht sie an das Modell weiter. Ihnen gehören Ihre Dokumente, ihr Index (die Tabelle, mit der sich eine Stelle schnell wiederfinden lässt) und der Code.
Anweisungen für das Modell eines Anbieters schreiben. Eine Oberfläche und ein Anweisungstext, den der Nutzer nicht sieht (der Prompt). Ihnen gehören die Anweisungen und die Oberfläche.
Die letzten drei sind legitime Integrationsarbeit. Nur der erste Fall und der zweite bei einem offenen Modell, dessen Datei man Ihnen aushändigt, hinterlassen Ihnen ein Modell, das weiterläuft, wenn Verkäufer und Anbieter verschwinden. Das Wort „eigene“ trifft nur auf diese beiden zu.
Ein Angebot, das von „Ihrer eigenen KI“ spricht, ohne Ihnen die Datei eines Modells zu übergeben, verkauft Ihnen ein Fine-Tuning auf einem geschlossenen Modell, die Anbindung Ihrer Dokumente oder Anweisungen. Die Formel verspricht dann einen Besitz, den das Angebot nicht liefert.
Selbst das Fine-Tuning eines geschlossenen Modells hängt vom Fahrplan des Anbieters ab. Bei OpenAI kann eine Organisation, die noch nie ein Modell nachtrainiert hat, das seit dem 7. Mai 2026 nicht mehr tun. Ab dem 6. Januar 2027 kann kein Kunde mehr ein neues Fine-Tuning starten. Ein bereits nachtrainiertes Modell bleibt nutzbar, bis OpenAI das Ausgangsmodell abschaltet.
Ein Anbieter nimmt seine Modelle vom Markt. Anthropic, das Unternehmen hinter Claude, verpflichtet sich, mindestens 60 Tage vor der Abschaltung eines öffentlichen Modells zu warnen; danach schlagen Anfragen an dieses Modell fehl. OpenAI kündigte am 14. April 2025 die Abschaltung von GPT-4.5 Preview an, die am 14. Juli erfolgte, drei Monate später. Bei jeder Abschaltung muss die Integration mit dem Ersatzmodell neu geprüft werden.
Die Preise bewegen sich, in beide Richtungen. Im November 2024 setzte Anthropic den Preis von Claude 3.5 Haiku auf das Vierfache der Vorgängerversion. Im Juni 2025 verdoppelte Google den Preis für Texte, die an Gemini 2.5 Flash geschickt werden. Umgekehrt zeigt eine Studie von 2025, dass der Preis für ein bestimmtes Leistungsniveau jedes Jahr um das Fünf- bis Zehnfache sinkt.
Das Problem ist also nicht nur, dass die Preise steigen: Preis, Modell und Bedingungen bestimmt ein anderer. Und der Dienst kann ausfallen: Am 11. Dezember 2024 waren laut dem von OpenAI veröffentlichten Bericht alle seine Dienste mehr als vier Stunden lang stark beeinträchtigt oder nicht verfügbar.
Manche Verkäufer von „Ihrer eigenen KI“ haben kein anderes Produkt als eine Software, die auf dem Modell eines Anbieters aufbaut. Ihr ganzes Geschäft beruht dann auf einer Entscheidung, die sie nicht kontrollieren. Dieses Risiko wird zu Ihrem, denn Ihre Software beruht auf ihrem Produkt.
Das ist Windsurf, dem Hersteller eines Programmierassistenten, im Juni 2025 passiert: Nach Angaben des Unternehmens kappte Anthropic fast seinen gesamten direkten Zugang zu den Claude-3-Modellen, mit weniger als fünf Tagen Vorlauf. Jared Kaplan, Mitgründer von Anthropic, erklärte, es wäre „seltsam“, Claude an OpenAI zu verkaufen, das laut Presse kurz davor stand, Windsurf zu übernehmen. Keines der beiden Unternehmen hatte das bestätigt. Der Anbieter kann auch ein Produkt auf den Markt bringen, das mit dem des Verkäufers konkurriert: Laut der Analyse von Sacra, einem Unternehmen, das Studien über Technologiefirmen veröffentlicht, wechselten Kunden der Schreibwerkzeuge Jasper und Copy.ai nach dem Start von ChatGPT im November 2022 von ihrem Tarif für 50 Dollar im Monat zu ChatGPT, kostenlos oder für 20 Dollar.
Die Nutzungsbedingungen der Anbieter gehen in dieselbe Richtung. Laut dem Vertrag von Anthropic gelten neue Preise 30 Tage nach ihrer Veröffentlichung; laut dem von OpenAI nach 14 Tagen. Beide erlauben, den Zugang zu sperren, wenn der Kunde gegen die Regeln verstößt, und beide untersagen, den Dienst zum Bau eines Konkurrenzprodukts zu nutzen.
Stellen Sie dem Verkäufer also drei Fragen. Auf welchem Modell beruht sein eigenes Produkt? Hat er einen zweiten Anbieter getestet? Was bleibt Ihnen, wenn sein Zugang von einem Tag auf den anderen eingeschränkt wird?
Dieselbe Frage stellt sich, wenn man ein eigenes „KI-natives“ Start-up gründen möchte. Ein Unternehmen, dessen ganzes Produkt auf dem Modell eines anderen beruht, hängt vom ersten Tag an von dessen Entscheidungen ab.
Nichts davon ist ein Grund, auf KI zu verzichten. Eine Abhängigkeit lässt sich steuern, wenn sie bekannt ist, schriftlich festgehalten wird und vorbereitet ist, bevor der Anbieter etwas ändert.
Konkret:
Manche Entwickler veröffentlichen die Datei ihrer Modelle. Mistral AI, ein französisches Unternehmen, hat Mistral Small 3.1 unter der Apache-2.0-Lizenz veröffentlicht, die die kommerzielle Nutzung erlaubt. Laut Mistral läuft dieses Modell auf einer einzigen Grafikkarte vom Typ RTX 4090 oder auf einem Mac mit 32 GB Arbeitsspeicher. Eine KI lokal, ohne Internet, auf einem Arbeitsplatzrechner ist also möglich.
Um mehrere Nutzer zu bedienen, mietet man eher eine Grafikkarte in einem Rechenzentrum. Bei Scaleway, einem französischen Hoster, kostet eine L4-Karte mit 24 GB 0,79 € pro Stunde, bei Dauerbetrieb rund 575 € im Monat. Hinzu kommt die Arbeitszeit von jemandem, der das Ganze installiert, aktualisiert und überwacht.
Ein Modell, das auf eine Grafikkarte passt, leistet nicht zwangsläufig so viel wie ein großes kommerzielles Modell. Die Reihe der Testfragen prüft das an Ihren eigenen Fällen.
Offen heißt nicht frei von Auflagen. Die Lizenz von Llama 3.1, dem Modell von Meta, verlangt zum Beispiel, dass „Built with Llama“ im Produkt angezeigt wird.
Von souveräner KI spricht man, wenn ein Land oder eine Region die Kontrolle über KI-Modelle und die Chips behalten will, die zu ihrem Betrieb nötig sind. Mistral AI bezeichnet Mistral Large 4, seit dem 6. Oktober 2026 verfügbar, als „Geschmiedet in Europa. Gebaut für KI-Souveränität.“. Der Zugang zu Chips hat sich bereits durch eine politische Entscheidung geändert: Die Vereinigten Staaten erließen am 15. Januar 2025 eine Regel, die den Export von KI-Chips in viele Länder beschränkte, und hoben sie am 13. Mai 2025 wieder auf.
Für ein kleines Unternehmen ist die Folge konkret: Der Zugang zu einem Modell oder zu den Chips, die es braucht, kann sich aus Gründen ändern, die nichts mit Ihrem Unternehmen oder der Qualität des Modells zu tun haben.
Den Verkäufer zu fragen, genügt nicht. Eine mündliche Antwort beweist nichts. Beweisen kann es ein Dokument oder ein Versuch.
Auch die KI selbst zu fragen, wer sie ist, sagt Ihnen nichts. Ein Anweisungstext kann sie jeden beliebigen Namen nennen lassen. Und eine Studie mit 27 Modellen hat gezeigt, dass mehr als jedes vierte Modell eine falsche Identität angibt, wenn man danach fragt.
Die europäische KI-Verordnung schreibt vor, Menschen darauf hinzuweisen, dass sie mit einer KI kommunizieren (Artikel 50), nicht aber, das Modell zu nennen. Sie verpflichtet jedoch den Entwickler eines KI-Modells mit allgemeinem Verwendungszweck, den Unternehmen, die es integrieren, eine Dokumentation dieses Modells bereitzustellen (Artikel 53). Fordern Sie sie bei Ihrem Dienstleister an: Sie bezieht sich auf ein bestimmtes Modell und nennt es damit.
Für eine Hochschulgruppe haben wir KI in ihre Plattform für Angebote im Rahmen der dualen Ausbildung integriert, die ihren Studierenden vorbehalten ist. Bei der Anmeldung tippte das Personal der Gruppe das Profil jedes Studierenden anhand des Lebenslaufs von Hand ein. Wir haben die Plattform an ein Modell von OpenAI angebunden: Die Software liest das Bild des Lebenslaufs und zieht daraus das Profil des Studierenden, in einem Format, das mit den Teams der Gruppe abgestimmt wurde. Diese Integration hat dazu beigetragen, den Zeitaufwand des Personals für die manuelle Eingabe um 80 % zu senken, und die Studierenden müssen nicht mehr alles selbst eintippen.
Bei DEVEDANOS integrieren wir KI auf diese Weise in die Software, die wir entwickeln: Modell schriftlich benannt, Anweisungen und Testfragen bei Ihnen, ein zweites Modell getestet, Ausgaben verfolgt. Wir nennen das nicht „Ihre eigene KI“. Es ist Ihre Software, die das Modell eines Anbieters nutzt, und Sie wissen, welches.
Bei der Entwicklung individueller Software arbeiten wir mit einem festen Budget, das am Ende jedes Monats für die geleistete Arbeit abgerechnet wird. Ihre Anwendung ist innerhalb eines Monats nutzbar, mit einigen wesentlichen Funktionen: Ihre Nutzer arbeiten sofort damit, und wie sie sie nutzen, bestimmt, welche Funktionen als Nächstes entwickelt werden. Der Quellcode, die Infrastruktur, die Deployment-Pipeline und die Dokumentation sind Ihr geistiges Eigentum ab der ersten Zahlung.
Kann ein KI-Tool die Anwendung selbst bauen? Unser Artikel über das Erstellen einer App mit KI trennt, was das Tool allein schafft, von dem, was einen Profi verlangt. Planen Sie das Budget für diese Anwendung? Unser Artikel über das Budget einer Anwendung erklärt, warum man besser ein Ziel anstrebt als eine Liste von Funktionen.
Man hat Ihnen „Ihre eigene KI“ angeboten, und Sie möchten wissen, was Ihnen am Ende wirklich gehört? Sprechen wir darüber?
Ja, KI kann eine App erstellen, die funktioniert. Was das Tool allein gut kann, wo es an seine Grenzen stößt und wann Sie einen Profi hinzuziehen sollten.
Continuous Delivery und Continuous Deployment unterscheiden sich nur in einem Schritt. Warum eine kleine, häufige Änderung weniger riskant ist als eine große, mit Quellen belegt.
Was ist ein Feature Flag? Vier Arten von Toggles, was Sie versuchen sollten, bevor Sie einen hinzufügen, und sieben Anti-Patterns, durch die nie getesteter Code läuft.