Viele Unternehmen behandeln KI noch wie eine Softwareentscheidung \u2026<\/strong> Welches Modell ist besser? Welche API ist schneller? Welcher Anbieter liefert die besten Ergebnisse? Aber bei KI geht es inzwischen nicht mehr nur um Leistungsf\u00e4higkeit. Es geht um Verf\u00fcgbarkeit, Kontrolle, Rechte, Kosten, Haftung und Abh\u00e4ngigkeit.
<\/p>\n\n\n\n
Der Vorfall um Anthropic ist deshalb mehr als eine Nachricht aus der Tech-Branche. Er zeigt, was passieren kann, wenn wichtige und kritische Prozesse auf Diensten aufbauen, die politisch, regulatorisch oder kommerziell von einem Tag auf den anderen eingeschr\u00e4nkt werden k\u00f6nnen. Die Alternative ist ein Open-Weight-Modell, doch dazu gibt es einiges zu beachten.
<\/p>\n\n\n\n
Open Weight ist nicht Open Source<\/strong> In der Debatte wird vieles durcheinandergeworfen. Open Source, Open Weight, offene Modelle, lokale KI \u2013 das klingt \u00e4hnlich, meint aber nicht dasselbe. Souver\u00e4nit\u00e4t<\/strong> Es w\u00e4re nat\u00fcrlich bequem zu sagen: \u201eDann betreiben wir eben ein eigenes Modell und sind unabh\u00e4ngig\u201c. So einfach ist es leider nicht. Das eigentliche Risiko sitzt im Prozess<\/strong><\/p>\n\n\n\n Es geht nicht um Open Weight gegen Copilot. Es geht um die Frage, welche Prozesse ein Unternehmen kontrollieren muss und welche es sinnvoll einkauft. Ein Kundenservice-Bot mit Zugriff auf interne Wissensdatenbanken ist ein anderes Thema als eine Zusammenfassung in Teams. Eine automatisierte Dokumentenpr\u00fcfung in einer Kanzlei ist ein anderes Thema als eine Ideenliste f\u00fcr eine Kampagne. Ein KI-System, das Produktdaten strukturiert und in operative Prozesse einspeist, ist ein anderes Thema als ein Chatassistent f\u00fcr einzelne Mitarbeiter. Die sinnvolle Strategie ist hybrid<\/strong> F\u00fcr 2026 halte ich eine hybride KI-Strategie f\u00fcr den realistischsten Weg. Nicht als Kompromiss aus Unsicherheit, sondern als bewusste Architekturentscheidung.
<\/p>\n\n\n\n
Open Weight bedeutet zun\u00e4chst nur, dass die trainierten Modelle herunterladbar sind, angepasst oder lokal betrieben werden k\u00f6nnen (abh\u00e4ngig von der jeweiligen Lizenz). Das ist nicht automatisch Open Source im klassischen Sinn. Bei echtem Open Source liegt im Idealfall alles offen, was die Entstehung nachvollziehbar macht. Die angewandten Trainingsdaten, Trainingscode, Auswahlverfahren und Sicherheitsmechanismen bleiben bei Open-Weight-Modellen weiterhin geschlossen oder nur teilweise dokumentiert.
Gut ist, dass Open-Weight-Modelle wie DeepSeek, Qwen, Llama, Mistral oder Gemma in vielen Aufgabenfeldern stark aufgeholt haben. Teilweise sind sie wirtschaftlich sogar klar \u00fcberlegen, besonders bei hohem Volumen und sensiblen Daten. Bei sehr komplexen Aufgaben und langen mehrstufigen Arbeitsketten haben die gro\u00dfen geschlossenen Modelle (ChatGPT, Gemini, Claude) noch Vorteile. Dieser Abstand wird kleiner, ist aber nicht verschwunden.
<\/p>\n\n\n\n
<\/p>\n\n\n\n
Ein lokal betriebenes Modell ist erst einmal nur ein Baustein. Es braucht Infrastruktur, Rechteverwaltung, Monitoring,
Sicherheitskonzept, Prompt- und Kontextsteuerung, Schnittstellen, Evaluation, Updates und klare Verantwortlichkeiten. Ohne diese entsteht keine Souver\u00e4nit\u00e4t, sondern nur eine neue Form von technischer Komplexit\u00e4t, die schnell un\u00fcbersichtlich und ineffizient werden kann.
Ein Modell ersetzt keine Arbeitsumgebung. Es ersetzt auch keine Governance. Und es ersetzt schon gar nicht die F\u00e4higkeit, saubere Daten, sinnvolle Prozesse und klare Verantwortlichkeiten aufzubauen. Wer nur das Modell betrachtet, verwechselt den Motor mit dem Fahrzeug.
Wenn offene Modelle heute so leistungsf\u00e4hig sind, warum zahlen Unternehmen weiterhin f\u00fcr Microsoft Copilot, Google Gemini oder Claude Enterprise? Weil Unternehmen im Alltag keine Modelle kaufen. Sie kaufen Integration.
Microsoft 365 Copilot ist nicht nur ein Chatfenster. Der Nutzen entsteht durch die Einbettung in Outlook, Teams, Word, Excel, PowerPoint, SharePoint und den Microsoft Graph. Wenn Berechtigungen sauber gepflegt sind, kann Copilot auf genau die Informationen zugreifen, die der jeweilige Nutzer ohnehin sehen darf.
Ein eigenes Open-Weight-System muss diese Logik erst nachbauen
Wer darf welche Dokumente sehen? Welche Daten d\u00fcrfen in welchen Kontext? Welche Inhalte m\u00fcssen ausgeschlossen werden? Welche Quellen sind aktuell? Welche Antworten m\u00fcssen protokolliert werden? Welche Ergebnisse d\u00fcrfen weiterverarbeitet werden?
Dazu kommt der rechtliche und organisatorische Rahmen. Microsoft verweist bei Copilot auf Enterprise Data Protection und darauf, dass Kundendaten in gesch\u00e4ftlichen Angeboten nicht zum Training der Basismodelle verwendet werden. Au\u00dferdem gibt es das Customer Copyright Commitment. Eine vertragliche Zusage, Kunden unter bestimmten Bedingungen bei urheberrechtlichen Anspr\u00fcchen zu sch\u00fctzen. Google verfolgt mit seinen Enterprise-Angeboten \u00e4hnliche Absicherungsmodelle.<\/p>\n\n\n\n
F\u00fcr den normalen B\u00fcroalltag ist Copilot oft die naheliegende L\u00f6sung. E-Mails zusammenfassen, Besprechungen verdichten, Pr\u00e4sentationen vorbereiten, Dokumente durchsuchen, Tabellen analysieren \u2013 das sind Aufgaben, bei denen Integration mehr z\u00e4hlt als maximale Freiheit.
F\u00fcr kritische Kernprozesse sieht es anders aus. Dort, wo Kundendaten, Produktwissen, interne Entscheidungsgrundlagen, Quellcode, vertrauliche Dokumente oder regulatorisch sensible Informationen verarbeitet werden, ist eine eigene KI-Architektur die bessere Wahl. Nicht aus Prinzip, sondern weil Kontrolle dort einen wirtschaftlichen Wert hat.<\/p>\n\n\n\n
Und genau hier wird sichtbar, warum das keine reine Modellfrage ist. Eine eigene RAG-Pipeline, die internes Wissen anzapft, steht und f\u00e4llt nicht mit der Wahl des Modells, sondern mit der Arbeit drumherum. Wer darf welche Quelle sehen, wie aktuell sind die Daten, was wird protokolliert? Die Modellauswahl ist da oft der kleinste Posten. Der Motor ist schnell gewechselt. Das Fahrzeug drumherum nicht.
<\/p>\n\n\n\n
<\/p>\n\n\n\n
Open-Weight-Modelle geh\u00f6ren dorthin, wo Datenhoheit, Kostenkontrolle, Anpassbarkeit und Sicherheit wichtig sind. Dazu z\u00e4hlen internes Wissen, wiederkehrende Analyseaufgaben, Extraktion aus Dokumenten, Verarbeitung sensibler Daten, lokale Assistenzsysteme oder spezialisierte Modelle f\u00fcr Branchenwissen.
Am Ende gewinnt nicht das Unternehmen, das am lautesten \u201eOpen Source\u201c ruft. Und auch nicht das Unternehmen, das blind jede Plattformfunktion einkauft. Im Vorteil ist, wer klar unterscheiden kann: Was geh\u00f6rt in die eigene Kontrolle? Was kann in ein gro\u00dfes \u00d6kosystem? Was muss austauschbar bleiben?<\/strong><\/p>\n\n\n\n![](\"https:\/\/schlichtegroll.de\/wp-content\/uploads\/2026\/04\/71seven.gif\")