Open Source / Open Weights

KI-Grundlagen

Open Source / Open Weights — Modelle, deren Gewichte frei verfügbar sind (Llama, Mistral, Qwen) — im Gegensatz zu Closed (GPT, Claude).

Beispiel

Llama 3.3 darfst du herunterladen und lokal betreiben. GPT-5 nicht.

Verwandt: Llama · Mistral · Lokale KI

Open Source und Open Weights bezeichnen bei Künstlicher Intelligenz zwei unterschiedliche Lizenzierungs- und Veröffentlichungsmodelle, die bestimmen, wie frei Unternehmen ein KI-Modell nutzen, verändern und weitergeben dürfen.

In einfachen Worten

Stellen Sie sich ein KI-Modell wie ein Haus vor. Ein Open-Weight-Modell ist wie ein Haus, dessen Bauplan Sie einsehen können. Sie dürfen das Haus so nutzen, wie es ist, und vielleicht sogar kleine Änderungen an der Einrichtung vornehmen. Ein echtes Open-Source-Modell ist dagegen wie ein Haus, zu dem Sie nicht nur den Bauplan, sondern auch die vollständige Bauanleitung, die Werkzeuglisten und die Materialrezepte erhalten. Sie können das Haus komplett umbauen, einen Anbau hinzufügen oder sogar ein völlig neues Haus nach dem gleichen Prinzip bauen. Der entscheidende Unterschied liegt also darin, wie viel Kontrolle und Veränderungsfreiheit Sie tatsächlich haben.

Was bedeutet das technisch

Ein KI-Modell besteht aus zwei Hauptkomponenten: den trainierten Gewichten (den numerischen Parametern, die das Wissen des Modells speichern) und dem Quellcode (der Architektur, dem Trainingscode und den Datenverarbeitungsschritten).

Bei Open Weights veröffentlicht der Entwickler lediglich die trainierten Gewichte. Sie können das Modell herunterladen und auf Ihrer eigenen Hardware ausführen. Der Quellcode, die Trainingsdaten und die genaue Architektur bleiben oft proprietär oder sind nur teilweise offen. Ein bekanntes Beispiel ist Llama 2 von Meta: Sie können die Gewichte nutzen, aber die Nutzungsbedingungen schränken die kommerzielle Verwendung ein und der vollständige Trainingsdatensatz ist nicht öffentlich.

Bei Open Source (im klassischen Sinne der Open Source Initiative) müssen alle Bestandteile frei verfügbar sein: der vollständige Quellcode, die Trainingsdaten (oder zumindest eine detaillierte Beschreibung ihrer Herkunft), die Modellarchitektur und die trainierten Gewichte. Nur so können Dritte das Modell vollständig nachvollziehen, Fehler beheben, es für eigene Zwecke anpassen oder darauf aufbauende Modelle entwickeln. Echte Open-Source-KI-Modelle sind selten, da die Trainingsdaten oft lizenzrechtliche Probleme aufwerfen oder Geschäftsgeheimnisse enthalten. Beispiele sind Modelle wie BLOOM oder einige Modelle von EleutherAI.

Die Verwirrung entsteht dadurch, dass viele Anbieter "Open Source" sagen, aber nur "Open Weights" meinen. Für ein KMU ist dieser Unterschied praktisch relevant: Open Weights geben Ihnen Nutzungsfreiheit, Open Source gibt Ihnen Veränderungsfreiheit.

Warum es für KMU relevant ist

Für kleine und mittlere Unternehmen ist die Wahl zwischen Open Source und Open Weights eine strategische Entscheidung mit direkten Auswirkungen auf Kosten, Kontrolle und Abhängigkeit.

Open Weights sind oft der einfachere Einstieg. Sie laden ein fertiges Modell herunter und betreiben es auf Ihrem eigenen Server oder in Ihrer Cloud. Das spart Trainingskosten und gibt Ihnen Datenhoheit – Ihre Kundendaten verlassen nie Ihr Unternehmen. Der Haken: Sie sind vom Anbieter abhängig. Wenn Meta die Lizenz von Llama ändert oder das Modell nicht mehr aktualisiert, stehen Sie ohne Unterstützung da. Für Standardanwendungen wie Chatbots, Textzusammenfassungen oder einfache Übersetzungen ist das oft akzeptabel.

Echte Open-Source-Modelle bieten maximale Flexibilität, aber auch höheren Aufwand. Sie können das Modell auf Ihre spezifischen Daten nachtrainieren (Fine-Tuning), die Architektur anpassen oder es in Ihre bestehende Software integrieren, ohne Lizenzkosten oder Nutzungsbeschränkungen fürchten zu müssen. Das ist ideal, wenn Sie ein Spezialmodell für Ihre Branche benötigen – etwa für die Erkennung von Produktionsfehlern oder die Analyse juristischer Dokumente. Der Preis: Sie brauchen eigenes KI-Fachwissen oder müssen externe Dienstleister beauftragen. Die Betriebskosten für Hardware und Wartung können höher sein als bei einem Cloud-Dienst.

Risiken: Achten Sie bei Open-Weights-Modellen genau auf die Lizenzbedingungen. Manche erlauben keine kommerzielle Nutzung oder verlangen eine Umsatzbeteiligung ab einer bestimmten Größe. Bei Open-Source-Modellen prüfen Sie, ob die Trainingsdaten wirklich frei von Urheberrechtsverletzungen sind – sonst haften Sie im Zweifel selbst. Ein pragmatischer Ansatz für KMU: Starten Sie mit einem Open-Weight-Modell, um schnell Ergebnisse zu erzielen. Wechseln Sie zu einem Open-Source-Modell, sobald Sie spezifische Anpassungen brauchen oder die Abhängigkeit von einem Anbieter vermeiden wollen.

Verwandte Begriffe

Fine-Tuning
Large Language Model (LLM)
Lizenzmodell
On-Premises
Datensouveränität