Sollten Unternehmen Modelle kaufen oder sich auf den Kontext konzentrieren?

Lassen Sie sich nicht von „exklusiven Modellen“ täuschen: Chefinnen und Chefs – ist das Geld, das Sie ausgeben, wirklich gerechtfertigt?

Sehr geehrte Chefinnen und Chefs, in den letzten sechs Monaten hat sicherlich immer wieder jemand mit einem PPT gefragt: „Sollen wir nicht unser eigenes großes Modell entwickeln?“

Der Begriff klingt ziemlich hochwertig, als würde das Unternehmen sonst von der Zeit überholt werden. Aber ehrlich gesagt, fühlt es sich nicht gut an, so viel Geld auszugeben. Heute werden wir uns nicht mit all diesen technischen Begriffen aufhalten, sondern diese Angelegenheit ganz einfach und verständlich erklären.

Zusammenfassung des Kernpunkts in einem Satz:

Die sogenannten „exklusiven Modelle“ sind in Wirklichkeit eine Mischung aus drei „Waren“, deren Wert abnimmt (Selbsttraining, Feinabstimmung, privater Einsatz), und einer „Ressource“, deren Wert zunimmt (die einzigartigen Kontexte und Geschäftslogiken des Unternehmens). Die meisten Unternehmen betrachten diese „Waren“ als „Ressourcen“ und geben Geld aus – doch am Ende wird das, was sie kaufen, immer älter. Der eigentliche Schutzwall eines Unternehmens liegt nicht im Modell selbst, sondern in den nicht schriftlich festgehaltenen Daten und Regeln des Unternehmens.

Im Folgenden zerlege ich diese komplexe Situation in fünf Punkte und erkläre sie Ihnen detailliert.

---

1. Die vier „Verkleidungen“ der „exklusiven Modelle“ – Was kaufen Sie eigentlich?

Die heute auf dem Markt angebotenen „exklusiven Modelle“ sind wie Körbe, in die alles hineingestopft wird. Wir müssen sie jedoch herausnehmen und sehen, dass es eigentlich nur vier verschiedene Dinge gibt, deren Natur völlig unterschiedlich ist:

• Erstes: Von Null selbst trainiert (teuerst und schwierigst):
• Was bedeutet das? Man trainiert das Modell von den allerersten Codezeilen an.
• Kosten: Einsteigerkosten liegen zwischen 100 Millionen und 1 Milliarde US-Dollar, dazu ein Top-Team von mehreren hundert Personen.
• Aktuelle Situation: Nur sehr wenige Unternehmen schaffen es, dies umzusetzen.
• Zweites: Feinabstimmung (am ehesten „eigen“):
• Was bedeutet das? Man nimmt ein bereits existierendes Open-Source-Modell (z. B. ein allgemeines großes Modell) und passt es an die Daten des Unternehmens an, damit es die Fachsprache der Branche verwendet.
• Kosten: Eine Grafikkarte und ein paar Tage Arbeit.
• Aktuelle Situation: Klingt gut – aber es ist der leichteste Trugschluss, der dazu führt, zu glauben, man habe ein eigenes Modell.
• Drittes: Privater Einsatz (am sichersten, aber nicht unbedingt das Klügste):
• Was bedeutet das? Das Modell bleibt zwar das gleiche (z. B. von Huawei oder Baidu), wird aber in den eigenen Rechenraum des Unternehmens installiert. Die Daten bleiben im Unternehmen – die Sicherheit ist damit gewährleistet.
• Kosten: Kauf von Hardware und Lizenzen.
• Aktuelle Situation: Banken und Regierungsbehörden bevorzugen dies. Achten Sie jedoch darauf: Das, was Sie kaufen, ist oft nicht das Klügste Modell, sondern nur das, das am wenigsten verändert wird.
• Viertes: Der Kontext (am wertvollsten, aber unsichtbar):
• Was bedeutet das? Es handelt sich um die Daten des Unternehmens, die Geschäftsregeln, das Wissen erfahrener Mitarbeiter sowie die Genehmigungsprozesse. Diese Dinge sind nicht im Vertrag festgehalten und können nicht überprüft werden, aber sie bestimmen, ob die KI effektiv arbeitet oder Probleme verursacht.
• Kosten: Erfordert langfristige Sammlung und Organisation.
• Aktuelle Situation: Das ist der eigentliche „Schutzwall“ eines Unternehmens.

Wichtiger Unterschied:

Die ersten drei Elemente sind „Waren“, deren Wert bereits beim Kauf festgelegt ist und der mit fortschreitender Technologie abnimmt (heutige Spitzenmodelle sind in drei Jahren oft veraltet). Das vierte Element ist eine „Ressource“, deren Wert mit der Nutzung zunimmt – je mehr Daten gesammelt werden, desto höher ist der Schutz.

---

2. Warum verpacken Anbieter „Waren“ als „Ressourcen“ und verkaufen sie zu hohen Preisen?

Da nur das vierte Element wirklich eine Ressource ist, warum sprechen die Verkäufer ständig von „exklusiven Modellen“?

Weil sie so leichter verkauft werden können und höhere Preise erzielen können:

• Unklare Grenzen: Anbieter geben selten genau an, was gekauft wird (Ressource oder Ware) und was im nächsten Jahr weitergeführt werden muss. Wenn die Unterschiede zu klar definiert wären, wäre es schwieriger, den Vertrag zu unterschreiben.
• Wahrheit über Branchenmodelle: Modelle wie „HSBC Finance“ oder „iFlytek Medical“ klingen zwar wie maßgeschneidert, aber die Rechte liegen beim Hersteller – sie werden weltweit verkauft. Der Begriff „branchenspezifisch“ ist irreführend.
• Erzeugung von Angst: Der Hauptzweck besteht darin, den Eindruck zu erwecken, dass man zurückbleibt, wenn man kein eigenes Modell hat.

Ein Beispiel:

Eine „Ware“ ist wie ein neues Auto, das sofort an Wert verliert (nach drei Jahren nur noch wenig wert). Eine „Ressource“ ist wie das Fundament eines alten Hauses, das mit der Zeit immer wertvoller wird. Der Markt verpackt „neue Autos“ als „vererbtes Grundstück“ und lässt die Kunden glauben, sie hätten einen Vorteil.

---

3. Rechnen wir diese drei „irrigen“ Investitionen durch: Die Fallstudien zu Bloomberg, Feinabstimmung und privatem Einsatz

Schauen wir uns einige reale Beispiele an, um zu sehen, wo die Fehler liegen:

**Fallstudie 1: Bloomberg und das Traum vom Selbsttraining**

• Hintergrund: Bloomberg verfügt über die besten Finanzdaten der Welt. 2023 investierte das Unternehmen viel Geld (1,3 Millionen GPU-Stunden, mehr als 500 Top-Grafikkarten über 53 Tage) in das Training eines Modells mit 50 Milliarden Parametern.
• Ergebnis: Drei Jahre später gab ein Bloomberg-Manager zu, dass dieses Modell nur für Forschungszwecke verwendet wurde und in keinem Produkt tatsächlich eingesetzt wurde.
• Lektion: Gute Daten allein reichen nicht aus, um gegen konstant fortschreitende Konkurrenten zu bestehen. Selbsttraining ist ein Spiel für Großunternehmen – normale Unternehmen sollten es besser lassen.

**Fallstudie 2: Die „Sandbox“ der Feinabstimmung**

• Hintergrund: Feinabstimmungen scheinen günstig und einfach zu sein (eine Grafikkarte, ein paar Tage Arbeit).
• Wirklichkeit: Laut einer Studie von VentureBeat scheitern 73 % der Feinabstimmungsprojekte bereits in der Entwicklungsphase oder werden gar nicht veröffentlicht.
• Fehler:

1. Nicht umsetzbar in der Produktion: 45 % der Unternehmen bleiben im Entwicklungsumfeld stecken; das Modell funktioniert nicht in der Produktionsumgebung.

2 Anspruchsvolle Bedingungen: Nur wenn alle Voraussetzungen erfüllt sind, ist die Feinabstimmung sinnvoll.

3. Statische Ergebnisse: Das Modell ist am Tag des Trainings am effektivsten; ändert sich die Situation, wird es zu einer „veralteten Ressource“. Ein Neutraining ist teuer.

**Fallstudie 3: Der „leere“ private Einsatz**

• Hintergrund: 82 % der Unternehmen bevorzugen den privaten Einsatz, weil die Daten im Unternehmen bleiben.
• Wirklichkeit:

1. Niedrige Nutzung: Die durchschnittliche Nutzung von Rechenzentren liegt bei 58,3 %; in manchen Regionen sogar bei weniger als 30 %.

2 „Pseudomacht“: Unternehmen glauben, sie hätten mehr Kontrolle, aber oft kaufen sie nur die Hardware, nicht die echten Funktionen des Modells.

3 Wahrheit: Der „exklusive“ Zugang bedeutet oft nur den Besitz eines Rechenraums – nicht wirklich die Kontrolle über das Modell selbst.

Fazit: Diese Investitionen sehen auf dem Papier gut aus, sind aber in Wirklichkeit wenig effektiv. Das Geld wird ausgegeben, und das, was gekauft wird, wird immer älter – oft noch bevor es richtig eingesetzt werden kann.

---

4. Warum kaufen Unternehmen trotz der Risiken weiterhin solche „Modelle“? (Menschlichkeit und Unternehmenslogik)

Obwohl die Kosten offensichtlich sind, kaufen Unternehmen weiterhin:

• Ungleiche Verantwortung: Falsche Entscheidungen führen zu Verlusten für das Unternehmen – der Chef ärgert sich über das Geld, wird aber meist nicht entlassen.
• Keine Entlassung: Wer kein Modell kauft, trägt die Verantwortung für den möglichen Rückstand.
• Dilemma der CIOs: Drei Viertel der CIOs bereuen ihre AI-Investitionen, aber sie haben die Entscheidungen getroffen.
• Druck: CIOs müssen die Auswirkungen von AI erklären – und fürchtet, dass Budgete und Positionen gefährdet sind.
• Letzter Schlussfolgerung: Kauf bedeutet, die Anforderungen zu erfüllen; Nichtkauf bedeutet, die Schuld zu tragen. Die Entscheidungen werden oft aus Panik getroffen – am Ende bleibt nur Panik.

---

5. Der Ausweg: Kaufen Sie keine „Modelle“, sondern bauen Sie „Ressourcen“ auf

Um aus dieser Situation herauszukommen, müssen Sie Ihre Prioritäten ändern. Fragen Sie nicht mehr: „Welches Modell ist das beste?“, sondern: „Wo liegen meine echten Ressourcen?“

Was sollten Sie kaufen? (Regeln für den Kauf von „Waren“):

• Selbsttraining: Denken Sie nicht daran, es zu kaufen, wenn Sie kein Budget von mehreren Milliarden und kein Top-Team haben.
• Feinabstimmung: Beginnen Sie erst, wenn die Aufgabe stabil ist, genügend Daten vorhanden sind und die Bewertungsmethoden geeignet sind. Andernfalls verschwenden Sie nur Geld.
• Privater Einsatz: Nutzen Sie ihn, wenn Ihre Daten sensibel sind (Finanzwesen, Regierung, Medizin) – erst sichern Sie, dass die Daten im Unternehmen bleiben, bevor Sie über die Effektivität des Modells sprechen.

Was sollten Sie aufbauen? (Der Kern der echten Ressourcen): Die wahren Ressourcen liegen im Kontext des Unternehmens. Schauen Sie sich zwei erfolgreiche Unternehmen an:

• SAP: Sie verkauft nicht das Modell, sondern die „Unternehmensdaten“ (Prozesse, Regeln, Genehmigungsprotokolle).
• Palantir: Der CEO sagt: „Bei KI sind wir völlig unbeteiligt“ – sie verkaufen die Anwendungen auf Basis des Modells.
• Harvey: Sie entwickeln Rechts-KI, ohne ein Grundmodell zu verwenden; ihr Erfolg beruht auf den eigenen Kontexten (Rechtsformulierungen, Fälle, Prozesse).

Handlungsempfehlungen:

• Für Unternehmen mit sensiblen Daten (Finanzwesen, Regierung, Medizin): Fangen Sie mit dem privaten Einsatz an, um Compliance-Probleme zu lösen.
• Für die meisten Unternehmen: Kaufen Sie das beste Modell – sparen Sie kein Geld dafür; investieren Sie das Geld in die Aufbereitung der Daten und die Festlegung klarer Regeln.
• Für sehr wenige Unternehmen: Wenn Sie über genügend Daten, stabile Geschäftsprozesse und ein qualifiziertes Team verfügen, können Sie eine Feinabstimmung in Betracht ziehen – aber behandeln Sie es als Projekt, nicht als Strategie.
• Nutzen Sie das Wissen erfahrener Mitarbeiter: Warum zahlen Sie mehr für bestimmte Entscheidungen, die nicht schriftlich festgehalten sind? Diese „unsichtbaren“ Ressourcen sind die wertvollsten.

Letzter Rat: Rechenleistung kann gemietet werden, Modelle gekauft werden – aber Daten und Prozesse sind die Investitionen mit dem höchsten Return on Investment.

Diese Dinge brauchen keine Präsentationen oder feierlichen Eröffnungen; sie wachsen langsam, aber sie sind sehr stabil.

Modelle werden veralten – der Kontext eines Unternehmens hingegen nicht.

Wenn wieder jemand über „exklusive Modelle“ spricht, fragen Sie nicht sofort nach dem Preis, sondern: „Welcher Teil davon meinen Sie genau?“