Glossareintrag
Wir denken. KI tippt mit.
Ein KI-Modell (englisch AI Model) ist der trainierte Rechenkern einer künstlichen Intelligenz. Es besteht aus einer Netzarchitektur und Millionen bis Billionen gelernter Zahlenwerte, den Parametern, die ein Lernverfahren beim Training anhand großer Datenmengen eingestellt hat. Mit diesen Werten berechnet das Modell zu jeder Eingabe eine Ausgabe, etwa eine Textantwort, eine Übersetzung, ein Bild oder eine Prognose.
Anders als klassische Software enthält die Modell-Datei keine von Menschen geschriebenen Regeln, sondern ausschließlich Zahlen. Beim frei verfügbaren Llama 3.1 von Meta sind es 405 Milliarden Parameter, deren Gewichtsdaten gut 800 Gigabyte belegen.
Im Alltag verschwimmt der Begriff oft mit den Anwendungen. ChatGPT ist das Produkt mit Oberfläche, Konto und Zusatzfunktionen; das KI-Modell dahinter ist ein GPT-Modell von OpenAI, das sich im Menü wechseln lässt. Auch der EU AI Act unterscheidet rechtlich zwischen dem Modell und dem KI-System, das es nutzbar macht.
Der Begriff gehört in eine Kette aus vier Ebenen, die im Sprachgebrauch ständig durcheinandergeraten:
Ein Modell entsteht in zwei Etappen. Im Pre-Training verarbeitet das Netz riesige Mengen an Trainingsdaten; für Llama 3.1 nennt Meta über 15 Billionen Token und über 16.000 Hochleistungs-Grafikchips. Danach folgt der Feinschliff durch Fine-Tuning und RLHF, der aus dem rohen Sprachvorhersage-Modell einen brauchbaren Assistenten macht.
Solche Trainingsläufe gehören zu den teuersten Rechenprojekten der Industrie. Das Forschungsinstitut Epoch AI beziffert das jährliche Wachstum der Trainingskosten großer Modelle auf das 2,4-Fache (Analyse zu Trainingskosten). Der Stanford AI Index schätzte allein das Training von Googles Gemini Ultra auf rund 191 Millionen US-Dollar.
Nach dem Training ändert sich das Modell nicht mehr von selbst. Im Betrieb, der Inferenz, rechnet es nur noch mit den vorhandenen Gewichten, und sein Weltwissen endet am Wissens-Cutoff. Anbieter veröffentlichen deshalb laufend neue Versionen und schalten alte ab. Anthropic etwa führt jedes Claude-Modell durch die Stufen Aktiv, Legacy, Abgekündigt und Abgeschaltet (offizielle Lebenszyklus-Übersicht).
Große Sprachmodelle (LLM) erzeugen Text, Reasoning-Modelle rechnen vor der Antwort sichtbar nach. Multimodale Modelle verarbeiten Text, Bild und Ton gemeinsam, und Video-Modelle wie Googles Veo erzeugen ganze Filmszenen. Am anderen Ende der Skala arbeiten kleine Sprachmodelle direkt auf dem Gerät; Apples On-Device-Modell für das iPhone kommt mit rund 3 Milliarden Parametern aus (Apple-Forschungsbericht). Große Modelle sparen Rechenleistung über die Mixture-of-Experts-Bauweise, bei der pro Anfrage nur ein Bruchteil der Gewichte rechnet; bei DeepSeek-V3 sind 37 von 671 Milliarden Parametern gleichzeitig aktiv (Technik-Papier zu DeepSeek-V3).
Der Markt trennt außerdem offene und geschlossene Modelle. Bei Open-Weights-Modellen wie Llama, Mistral oder DeepSeek lassen sich die Gewichte herunterladen und auf eigener Hardware betreiben; die Plattform Hugging Face zählt inzwischen über 3 Millionen frei verfügbare Modelle. Geschlossene Modelle wie GPT-5.6 oder Claude laufen nur in der Cloud des Anbieters. Ihre Größe bleibt Geschäftsgeheimnis; offizielle Parameterzahlen gab es zuletzt für ältere Generationen wie GPT-3 mit 175 Milliarden.
Rechtlich hat die EU dem Begriff eine eigene Kategorie gewidmet. Der EU AI Act verpflichtet Anbieter von KI-Modellen mit allgemeinem Verwendungszweck seit dem 2. August 2025 zu technischer Dokumentation, einer Urheberrechts-Strategie und einer öffentlichen Zusammenfassung der Trainingsdaten. Ab einem Trainingsaufwand von 10²⁵ Rechenoperationen gelten Zusatzpflichten wegen systemischen Risikos (Fragenkatalog der EU-Kommission).
Die Modellentwicklung konzentriert sich auf wenige Länder. Nach dem Stanford AI Index stammten von den bedeutenden neuen Modellen des Jahres 2024 40 aus den USA, 15 aus China und nur 3 aus Europa. Seit 2023 kam laut einer Auswertung von Epoch AI jedes Modell an der Leistungsspitze (Frontier-KI) aus den USA.
China holt vor allem mit offenen Modellen auf. Laut AI Index zog DeepSeek-R1 Anfang 2025 zeitweise mit den US-Spitzenmodellen gleich, und Alibabas Qwen-Reihe ist inzwischen die meistgeladene offene Modellfamilie auf Hugging Face. Der Draghi-Bericht an die EU-Kommission ordnet dagegen 73 Prozent der seit 2017 entwickelten Foundation Models (Basismodelle) den USA zu und 15 Prozent China. Größter europäischer Anbieter ist das französische Unternehmen Mistral AI; der deutsche Pionier Aleph Alpha stellte die Entwicklung eigener Großmodelle im September 2024 ein (Bericht zum Strategiewechsel). Aus Deutschland kommen weiterhin das Bildmodell FLUX von Black Forest Labs und die Übersetzungsmodelle von DeepL.
Die privaten KI-Investitionen zeigen dasselbe Gefälle. 2025 flossen laut dem AI Index 2026 285,9 Milliarden US-Dollar in US-Firmen und 12,4 Milliarden in chinesische. Die EU will mit dem Programm InvestAI 200 Milliarden Euro mobilisieren; der Bau der ersten geplanten KI-Gigafactories soll 2027 beginnen.
Im Betriebsalltag begegnet Ihnen ein KI-Modell fast nie direkt, sondern eingebaut in Produkte. ChatGPT läuft auf GPT-Modellen von OpenAI. Microsoft 365 Copilot bietet seit Herbst 2025 die Wahl zwischen OpenAI-Modellen und Claude-Modellen von Anthropic (Microsoft-Ankündigung). Google baut seine Gemini-Modelle direkt in Gmail und Docs ein, und der Meta-Assistent in WhatsApp beruht auf Llama. Wer im Modellmenü solcher Dienste umschaltet, tauscht also den Rechenkern bei gleicher Oberfläche.
Bei der Auswahl zählen Qualität, Tempo, Preis und Datenschutz. Unabhängige Vergleichsplattformen wie Artificial Analysis und die Abstimmungsplattform Arena (früher LMArena) messen Modelle laufend über Benchmarks und Nutzerurteile. Die aktuellen Tarife stehen in den offiziellen Übersichten ChatGPT-Preise, Claude-Preise und Gemini-Abos.
Laut Destatis nutzte 2025 gut ein Viertel der deutschen Unternehmen ab zehn Beschäftigten KI (26 Prozent). Im Handwerk setzten laut einer Bitkom-Befragung von 504 Betrieben im Sommer 2025 erst 4 Prozent KI ein.
Praxisbeispiele mit real benannten Betrieben sammelt der Zentralverband des Deutschen Handwerks in seiner Best-Practice-Übersicht KI im Handwerk. Eine Bäckerei steuert dort ihre Produktionsmengen mit einem Prognose-Modell, ein Dachdecker- und Zimmereibetrieb vermisst Dächer per KI-Drohnenauswertung, und ein Malermeister beantwortet Kundenanfragen rund um die Uhr mit einem Chatbot; dieses Projekt stammt aus unserer eigenen Referenz beim Bio-Malermeister.
Für sensible Daten muss es keine Cloud sein. Offene Modelle wie Googles Gemma oder Mistral laufen mit Werkzeugen wie Ollama oder LM Studio komplett lokal auf einem gut ausgestatteten Büro-PC; Angebots- und Kundendaten verlassen das Haus dann nicht. Kriterien für die datenschutzgerechte Auswahl liefert die Orientierungshilfe „KI und Datenschutz“ der Datenschutzkonferenz.
