Sollten Unternehmen ihren KI-Stack um chinesische Open-Modelle erweitern?

Das neueste KI-Modell von Alibaba ist für europäische Unternehmen aus einem Grund relevant, der wenig damit zu tun hat, ob es an der Spitze einer Benchmark-Rangliste steht. Qwen3.8-Max soll mit herunterladbaren Modellgewichten veröffentlicht werden, sodass Unternehmen das Modell lokal ausführen, an spezifische Aufgaben anpassen und in ihre eigene Technologieumgebung integrieren können, anstatt nur über eine vom Anbieter kontrollierte Schnittstelle darauf zuzugreifen.

Das verändert die Beschaffungsfrage. Unternehmen müssen sich nicht mehr ausschließlich zwischen den führenden US-Plattformen entscheiden. Sie können auch offene Modelle aus China in Betracht ziehen, darunter Systeme, die von Alibaba, DeepSeek, Moonshot und Zhipu entwickelt wurden. Einige konkurrieren bereits mit führenden proprietären Modellen in Bereichen wie Programmierung und langlaufenden Aufgaben und bieten Unternehmen gleichzeitig mehr Kontrolle über die Bereitstellung und Anpassung. 

In der Praxis geht es nicht darum, ob ein chinesisches Modell “besser” ist als ChatGPT, Claude oder Gemini. Es geht vielmehr darum, ob die Einbindung eines solchen Modells in die KI-Infrastruktur des Unternehmens Vorteile hinsichtlich Kosten, Ausfallsicherheit, Datenkontrolle oder Leistung bringt, ohne dabei Risiken mit sich zu bringen, für deren Bewältigung das Unternehmen nicht gerüstet ist.

Für die meisten Unternehmen wird die Lösung nicht in einer vollständigen Umstellung bestehen. Vielmehr wird es sich um eine selektivere Architektur handeln, bei der für unterschiedliche Arbeitslasten unterschiedliche Modelle zum Einsatz kommen.

Warum offene Modelle zunehmend in Unternehmensentscheidungen einfließen

Die erste Welle der Einführung generativer KI in Unternehmen basierte größtenteils auf geschlossenen Plattformen. Ein Unternehmen griff über eine API auf ein Modell zu, zahlte nutzungsabhängig und verließ sich bei der Wartung des zugrunde liegenden Systems auf den Anbieter.

Dies war der schnellste Weg zum Experimentieren. Es reduzierte die Anforderungen an die Infrastruktur und ermöglichte den Teams den Zugriff auf leistungsfähige Modelle, ohne dass sie einen eigenen KI-Betrieb aufbauen mussten. Gleichzeitig entstand dadurch eine neue Abhängigkeit. Preisgestaltung, Modellverhalten, Verfügbarkeit, Bedingungen für die Datenverarbeitung und Produktänderungen blieben unter der Kontrolle des Anbieters.

Modelle mit offenem Gewicht bieten eine andere Konfiguration. Das Modell kann heruntergeladen und auf einer vom Unternehmen ausgewählten Infrastruktur betrieben werden. Es kann intern gehostet, in einer privaten Cloud bereitgestellt oder über einen Managed Service ausgeführt werden. Das Unternehmen kann es für einen bestimmten Anwendungsbereich optimieren, den Datenfluss durch das System steuern und eine stabile Modellversion für regulierte oder wiederholbare Arbeitsabläufe beibehalten.

Der Ansatz von Alibaba orientiert sich an diesem Vertriebsmodell. Das Unternehmen hat Hunderte von offenen Modellen veröffentlicht und möchte, dass Qwen zu einer weit verbreiteten Grundlage für Anwendungen, Cloud-Dienste und abgeleitete Systeme wird. Das kommerzielle Ziel besteht nicht unbedingt darin, für jede Interaktion mit dem Modell Gebühren zu erheben. Vielmehr soll damit Unternehmen und Entwickler dazu angeregt werden, innerhalb des breiteren Alibaba-Ökosystems zu entwickeln.

Für Unternehmenskunden bedeutet dies, dass das Modell nicht als eigenständiger Chatbot, sondern als Teil eines Technologie-Stacks bewertet werden sollte.

Das Hauptargument für die Aufnahme eines chinesischen Modells

Der wichtigste Grund, Qwen oder ein anderes offenes chinesisches Modell in Betracht zu ziehen, ist die architektonische Flexibilität.

Ein Unternehmen, das ausschließlich einen einzigen proprietären Anbieter nutzt, ist Änderungen bei der Preisgestaltung, bei Ratenbeschränkungen, bei der Verfügbarkeit von Modellen und bei den Vertragsbedingungen ausgesetzt. Es kann zudem feststellen, dass ein Allzweckmodell bei einer speziellen internen Aufgabe nur schlechte Ergebnisse liefert oder für den Einsatz in großem Maßstab zu teuer ist.

Die Einführung eines zusätzlichen offenen Modells kann dieses Konzentrationsrisiko verringern. Routinemäßige Arbeitsaufträge können an ein kostengünstigeres lokales Modell weitergeleitet werden, während komplexere Aufgaben weiterhin von einem führenden proprietären System übernommen werden. Die Verarbeitung sensibler Dokumente kann in einer kontrollierten Umgebung erfolgen. Ein spezialisiertes Modell lässt sich an Fachterminologie, interne Vorlagen oder einen eng gefassten Geschäftsprozess anpassen.

Dies gilt insbesondere für Unternehmen, die über vereinzelte KI-Pilotprojekte hinausgehen. Sobald ein Modell in den Kundenservice, die Produktentwicklung, die Risikoanalyse oder betriebliche Arbeitsabläufe integriert ist, gewinnt Kontinuität gegenüber der Neuheit an Bedeutung. Das Unternehmen muss wissen, was passiert, wenn der Anbieter das Modell ändert, eine Version zurückzieht oder seine Preisstruktur anpasst.

Eine Multi-Modell-Architektur beseitigt zwar keine Abhängigkeiten, bietet dem Unternehmen jedoch mehr Optionen.

In welchen Fällen kann eine lokale Bereitstellung sinnvoll sein?

Der lokale Betrieb wird oft als der entscheidende Vorteil eines offenen Modells dargestellt, obwohl er nur unter bestimmten Voraussetzungen von Nutzen ist.

Der offensichtlichste Anwendungsfall sind sensible Daten. Ein Unternehmen zieht es möglicherweise vor, interne Berichte, Kundendokumente, Quellcode oder technische Unterlagen innerhalb der eigenen Infrastruktur zu speichern. Dies kann die rechtliche Überprüfung und die Datenverwaltung vereinfachen, insbesondere wenn das Modell wiederholt für vertrauliches Material eingesetzt wird.

Eine weitere Möglichkeit sind vorhersehbare Workloads mit hohem Datenaufkommen. Der API-Zugriff ist anfangs zwar praktisch, doch die nutzungsabhängige Abrechnung kann zu einer erheblichen Kostenbelastung werden, wenn ein Modell täglich große Mengen ähnlicher Informationen verarbeitet. Das Hosting eines offenen Modells kann wirtschaftlich vorteilhafter sein, sobald die Nachfrage ein ausreichendes Ausmaß erreicht hat.

Der dritte Fall ist die Spezialisierung. Ein allgemeines Modell mag zwar ein breites Spektrum an Themen abdecken, in einem engen Fachgebiet jedoch dennoch uneinheitliche Ergebnisse liefern. Das Feinabstimmen oder die sorgfältige Anpassung eines offenen Modells kann für Produktkataloge, Wartungsprotokolle, technische Dokumentationen oder strukturiertes internes Wissen nützlich sein.

Keiner dieser Vorteile ergibt sich von selbst. Beim lokalen Hosting verlagert sich die Verantwortung vom Modellanbieter auf das Unternehmen. Das Unternehmen muss sich um Infrastruktur, Sicherheit, Updates, Auswertung und die Reaktion auf Vorfälle kümmern. Der relevante Vergleich findet daher nicht zwischen einer kostenpflichtigen API und einem kostenlosen Download statt, sondern zwischen zwei unterschiedlichen Betriebsmodellen mit unterschiedlichen Kostenstrukturen und Verantwortlichkeiten.

Leistungsversprechen erfordern Tests im Unternehmensumfeld

Alibaba gibt an, dass sein neuestes Modell besonders stark in der autonomen Programmierung und bei der Erledigung von Aufgaben ist, die sich über einen längeren Zeitraum erstrecken. In einem internen Test soll das Modell Berichten zufolge 16 Tage lang selbstständig an einem Softwareentwicklungsprojekt gearbeitet haben. Das Unternehmen gibt außerdem an, dass die Architektur nur die Teile ihrer 2,4 Billionen Parameter aktiviert, die für eine bestimmte Anfrage erforderlich sind, was den Rechenaufwand, die Latenz und die Kosten senken dürfte. 

Diese Behauptungen sind zwar aus geschäftlicher Sicht interessant, beantworten jedoch nicht die Fragen, die sich ein gewerblicher Käufer stellen muss.

Die Benchmark-Leistung gibt keinen Aufschluss darüber, ob ein Modell interne Anweisungen zuverlässig befolgen, über Tausende von Aufgaben hinweg konsistente Ergebnisse liefern oder sicher arbeiten kann, wenn Nutzer unvollständige oder feindliche Eingaben bereitstellen. Ein Programmiermodell kann in kontrollierten Tests gute Leistungen erbringen und dennoch in einer Produktionsumgebung unsicheren Code generieren. Ein lang laufender Agent kann eine komplexe Aufgabe erfüllen und dabei Entscheidungen treffen, die das Unternehmen nicht angemessen überprüfen kann.

Unternehmen sollten das Modell daher anhand ihrer eigenen Arbeitsabläufe bewerten. Ein geeigneter Testsatz sollte Routinefälle, schwierige Fälle, sensible Daten, mehrdeutige Anweisungen sowie Beispiele umfassen, bei denen erwartet wird, dass das Modell die Aufgabe ablehnt oder weiterleitet.

Das Ergebnis sollte hinsichtlich Genauigkeit, Kosten, Geschwindigkeit, Stabilität und operativem Risiko mit den bestehenden Modellen des Unternehmens verglichen werden. Ein oberflächlicher Vergleich reicht nicht aus, um eine Entscheidung über die Einführung zu rechtfertigen.

Die geopolitische Ebene darf nicht außer Acht gelassen werden

Ein chinesisches offenes Modell wirft Überlegungen auf, die über die technische Leistungsfähigkeit hinausgehen.

Der erste Punkt betrifft regulatorische Risiken. Europäische und Schweizer Unternehmen müssen wissen, wo das Modell gehostet wird, wie die Daten verarbeitet werden, welche Lizenzen gelten und ob externe Dienste weiterhin mit der Bereitstellung verbunden sind. Ein lokal betriebenes Modell mag zwar einige Bedenken hinsichtlich des Datentransfers mindern, ersetzt jedoch nicht die Notwendigkeit einer rechtlichen und sicherheitstechnischen Prüfung.

Das zweite Problem ist die Stabilität der Lieferkette. Chinesische KI-Entwickler unterliegen US-amerikanischen Beschränkungen beim Zugang zu hochentwickelten Halbleitern. Diese Beschränkungen haben rasche Fortschritte zwar nicht verhindert, sind aber für die zukünftige Entwicklung, die Verfügbarkeit und die Hosting-Kosten nach wie vor von Bedeutung.

Der dritte Punkt betrifft die Wahrnehmung auf organisatorischer Ebene. Kunden, Vorstände und Aufsichtsbehörden behandeln chinesische KI-Technologie möglicherweise anders als Systeme von US-amerikanischen oder europäischen Anbietern. Ob diese Unterscheidung technisch gerechtfertigt ist, spielt eine geringere Rolle als die Frage, ob sie sich auf die Genehmigung, die Beschaffung oder das Vertrauen auswirkt.

Unternehmen sollten diese Abwägung ausdrücklich vornehmen, anstatt zuzulassen, dass die Nationalität des Models entweder automatisch zu einer Ablehnung oder zu einem ungeprüften Risiko führt.

„Offen“ bedeutet nicht „transparent“

Auch die Formulierungen rund um Open AI können irreführend sein.

Die Veröffentlichung der Modellgewichte ermöglicht es einer Organisation, das System umfassender zu überprüfen, zu betreiben und anzupassen als dies bei einer geschlossenen API der Fall wäre. Sie bietet jedoch nicht zwangsläufig vollständige Transparenz hinsichtlich der Trainingsdaten, des Entwicklungsprozesses oder jeder einzelnen Entwurfsentscheidung. Auch macht der Zugriff auf die Gewichte das Modell nicht automatisch sicher, unvoreingenommen oder konform.

Ein Unternehmen muss sich dennoch mit der Lizenz, den zulässigen Verwendungszwecken, der Herkunft des Modells und dem Aktualisierungsprozess vertraut machen. Es muss festlegen, wer für das Schwachstellenmanagement verantwortlich ist und wie bei der Veröffentlichung einer neuen Version vorgegangen wird. Außerdem sind Kontrollmaßnahmen hinsichtlich der Eingabe von Prompts, Datenlecks, schädlicher Ausgaben und unbefugter Modelländerungen erforderlich.

Bei einem proprietären Dienst wird ein Teil dieser Arbeit vom Anbieter übernommen. Bei einem offenen Modell liegt ein größerer Teil davon möglicherweise beim Unternehmen oder dessen Implementierungspartner.

Das ist der zentrale Kompromiss: Mehr Kontrolle geht mit mehr operativer Verantwortung einher.

Ein sinnvolles Rahmenkonzept für die Einführung in Unternehmen

Unternehmen, die Qwen oder ein anderes chinesisches offenes Modell in Betracht ziehen, sollten zunächst mit einem begrenzten Arbeitsumfang beginnen, anstatt gleich eine umfassende Plattformentscheidung zu treffen.

Der erste Schritt besteht darin, eine Aufgabe zu identifizieren, bei der das offene Modell einen messbaren Vorteil bieten könnte. Das können geringere Kosten, lokale Datenverarbeitung, eine verbesserte Leistung in einer bestimmten Sprache oder mehr Kontrolle über das Systemverhalten sein.

Das Modell sollte anschließend anhand derselben Daten, Bewertungskriterien und Sicherheitsmaßnahmen mit dem derzeitigen Anbieter der Organisation verglichen werden. Dabei müssen die Infrastrukturkosten ebenso berücksichtigt werden wie der Aufwand für die technische Umsetzung, die Überwachung, die Wartung und zukünftige Upgrades.

Rechts-, Compliance- und Cybersicherheitsteams sollten das Modell prüfen, bevor es mit sensiblen Daten in Berührung kommt oder in einen kritischen Prozess integriert wird. Das Unternehmen sollte zudem einen Ausstiegsplan festlegen. Offene Modelle verringern zwar bestimmte Formen der Anbieterabhängigkeit, doch durch individuelle Anpassungen und die Wahl der Infrastruktur können neue Abhängigkeiten entstehen.

Erst nach Abschluss dieser Arbeiten sollte das Unternehmen entscheiden, ob das Modell in die Serienproduktion aufgenommen werden soll.

Das wahrscheinliche Ergebnis ist ein Unternehmen mit mehreren Geschäftsmodellen

Die Einführung von Alibaba bedeutet nicht, dass europäische Unternehmen ihre bestehenden US-Anbieter ersetzen sollten. Geschlossene Plattformen bieten weiterhin eine hohe Leistungsfähigkeit, ausgereifte Entwicklertools und einen geringeren Betriebsaufwand.

Die wichtigere Konsequenz daraus ist, dass es immer schwieriger werden wird, sich auf eine einzige Modellfamilie zu stützen, da es immer mehr glaubwürdige Alternativen gibt. Unternehmen wird Aufgaben zunehmend nach Vertraulichkeitsgrad, Kosten, Komplexität und Leistung zuweisen. Ein proprietäres Modell könnte anspruchsvolle Schlussfolgerungen übernehmen. Ein lokal gehostetes offenes Modell könnte vertrauliche Dokumente verarbeiten. Ein kleineres Spezialmodell könnte einen sich wiederholenden operativen Arbeitsablauf unterstützen.

Chinesische Open-Source-Modelle werden zunehmend Teil dieser Auswahl. Die Unternehmen, die am meisten davon profitieren, werden nicht diejenigen sein, die jede neue Version übernehmen. Es werden vielmehr jene sein, die Modelle konsequent bewerten, jedes einzelne einer geeigneten Arbeitslast zuordnen und den Anbieter wechseln können, ohne ihre gesamte KI-Umgebung neu aufbauen zu müssen. In diesem Zusammenhang ist Qwen3.8-Max weniger ein Grund für einen sofortigen Wechsel als vielmehr eine Erinnerung daran, dass die KI-Architektur von Unternehmen nicht länger auf einen einzigen Anbieter ausgerichtet sein sollte.