{"id":499,"date":"2026-07-20T05:49:36","date_gmt":"2026-07-20T05:49:36","guid":{"rendered":"https:\/\/www.supralogic.ch\/uncategorized\/why-more-ai-companies-are-letting-clients-run-models-themselves\/"},"modified":"2026-07-20T05:49:36","modified_gmt":"2026-07-20T05:49:36","slug":"warum-immer-mehr-ki-unternehmen-ihren-kunden-ermoglichen-modelle-selbst-auszufuhren","status":"publish","type":"post","link":"http:\/\/www.supralogic.ch\/de\/ai-startups-innovation\/enterprise-ai-startups\/why-more-ai-companies-are-letting-clients-run-models-themselves\/","title":{"rendered":"Warum immer mehr KI-Unternehmen ihren Kunden erlauben, Modelle selbst auszuf\u00fchren"},"content":{"rendered":"<figure class=\"wp-block-image size-large\">\n<img decoding=\"async\" width=\"1080\" height=\"608\" src=\"https:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260718_881134.jpg\" alt=\"\" class=\"wp-image-496\" srcset=\"http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260718_881134.jpg 1080w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260718_881134-300x169.jpg 300w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260718_881134-1024x576.jpg 1024w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260718_881134-768x432.jpg 768w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260718_881134-18x10.jpg 18w\" sizes=\"(max-width: 1080px) 100vw, 1080px\" \/>\n<figcaption><em>Foto von Steve A Johnson (@steve_j) auf Unsplash<\/em><\/figcaption>\n<\/figure>\n\n\n<style>body.single-post .cm-featured-image { display: none !important; }<\/style>\n\n<p data-start=\"67\" data-end=\"548\" class=\"PDq2pG_selectionAnchorContainer\">F\u00fcr die meisten Unternehmen bedeutet der Einsatz generativer KI nach wie vor, eine Anfrage an das System eines anderen Anbieters zu senden. Das Modell befindet sich in einer externen Cloud-Umgebung, der Anbieter steuert dessen technische Weiterentwicklung, und der Zugriff besteht so lange, wie die Gesch\u00e4ftsbeziehung andauert. Dies hat die Einf\u00fchrung k\u00fcnstlicher Intelligenz bemerkenswert vereinfacht. Gleichzeitig hat es dazu gef\u00fchrt, dass viele Unternehmen nur begrenzte Kontrolle \u00fcber eine der Technologien haben, die sie zunehmend in sensible Gesch\u00e4ftsprozesse integrieren m\u00f6chten.<span aria-hidden=\"true\" class=\"PDq2pG_selectionAnchor\"><\/span><\/p>\n<p data-start=\"550\" data-end=\"1163\">Ein anderer Ansatz gewinnt nun zunehmend an Bedeutung. Einige KI-Unternehmen erm\u00f6glichen es ihren Kunden, Modelle herunterzuladen, anzupassen und in einer vom Kunden gew\u00e4hlten Infrastruktur zu betreiben. Thinking Machines Lab, gegr\u00fcndet von der ehemaligen OpenAI-Technologieleiterin Mira Murati, hat mit seinem ersten Modell \u201eInkling\u201c diesen Weg eingeschlagen. Anstatt nur um die h\u00f6chste Benchmark-Punktzahl zu konkurrieren, stellt das Unternehmen Anpassungsf\u00e4higkeit, Kontrolle und zuverl\u00e4ssigen Betrieb als Priorit\u00e4ten f\u00fcr Unternehmenskunden in den Vordergrund. Kunden k\u00f6nnen das Modell herunterladen und selbst ausf\u00fchren, w\u00e4hrend eine begleitende Plattform die Anpassung erleichtern soll.<\/p>\n<p data-start=\"1165\" data-end=\"1510\">Diese Entwicklung spiegelt einen umfassenderen Wandel im Bereich der Unternehmens-KI wider. Der Markt l\u00e4sst sich nicht mehr einfach in Unternehmen unterteilen, die KI einsetzen, und solche, die dies nicht tun. Technologief\u00fchrer m\u00fcssen nun entscheiden, wo die Modelle ausgef\u00fchrt werden sollen, wer sie betreiben soll, inwieweit sie angepasst werden sollen und wie einfach das Unternehmen sp\u00e4ter zu einem anderen Anbieter wechseln k\u00f6nnte.<\/p>\n<p data-start=\"1512\" data-end=\"1606\">Diese Entscheidungen erfordern mehr Pr\u00e4zision, als die \u00fcbliche Sprache im Zusammenhang mit Open AI normalerweise bietet.<\/p>\n<h2 data-section-id=\"1pvs7za\" data-start=\"1608\" data-end=\"1648\">\u201eOpen\u201c bedeutet nicht immer \u201eOpen Source\u201c<\/h2>\n<p data-start=\"1650\" data-end=\"1780\">Begriffe wie <em data-start=\"1664\" data-end=\"1676\">offenes Modell<\/em>, <em data-start=\"1678\" data-end=\"1692\">offene Gewichtsklassen<\/em> und <em data-start=\"1697\" data-end=\"1710\">Open Source<\/em> werden oft so verwendet, als w\u00fcrden sie dasselbe Produkt beschreiben. Das tun sie jedoch nicht.<\/p>\n<p data-start=\"1782\" data-end=\"2178\">Der Zugriff auf ein herk\u00f6mmliches gehostetes Modell erfolgt \u00fcber eine Anwendungsprogrammierschnittstelle (API). Der Kunde sendet Daten an den Anbieter und erh\u00e4lt eine Antwort. Das Modell selbst bleibt unter der Kontrolle des Anbieters. F\u00fcr viele Unternehmen ist dies die einfachste L\u00f6sung, da sie keine spezielle IT-Infrastruktur anschaffen, das Modell warten oder den zugrunde liegenden Software-Stack verwalten m\u00fcssen.<\/p>\n<p data-start=\"2180\" data-end=\"2591\">Ein Modell mit offenen Gewichten erm\u00f6glicht den Nutzern den Zugriff auf die w\u00e4hrend des Trainings erstellten numerischen Parameter. Diese Gewichte k\u00f6nnen in der Regel heruntergeladen und auf der eigenen Infrastruktur des Kunden oder \u00fcber einen Cloud-Anbieter seiner Wahl verarbeitet werden. Das Unternehmen erh\u00e4lt dadurch deutlich mehr Kontrolle \u00fcber die Bereitstellung und Anpassung, auch wenn die Lizenz bestimmte kommerzielle Nutzungen, \u00c4nderungen oder Formen der Weiterverbreitung weiterhin einschr\u00e4nken kann.<\/p>\n<p data-start=\"2593\" data-end=\"2959\">Ein wirklich offenes Open-Source-System geht noch einen Schritt weiter. Es stellt den Quellcode und die Lizenzrechte bereit, die erforderlich sind, um die Software zu pr\u00fcfen, zu \u00e4ndern und weiterzuverbreiten. Doch selbst hier bleiben m\u00f6glicherweise die vollst\u00e4ndigen Trainingsdaten und der Trainingsprozess geheim. Ein Modell kann daher in wichtigen technischen Aspekten offen sein, ohne vollst\u00e4ndige Transparenz dar\u00fcber zu bieten, wie es erstellt wurde.<\/p>\n<p data-start=\"2961\" data-end=\"3462\">Unter \u201eSelf-Hosting\u201c versteht man etwas ganz anderes. Dabei geht es darum, wo das System betrieben wird, und nicht darum, ob die Technologie offen ist. Ein Unternehmen kann ein Open-Weight-Modell in seinem eigenen Rechenzentrum betreiben, es \u00fcber einen Schweizer Cloud-Anbieter bereitstellen oder eine dedizierte Umgebung nutzen, die von einem externen Technologiepartner verwaltet wird. In jedem Fall hat der Kunde mehr Kontrolle \u00fcber die Betriebsumgebung, als dies bei einer standardm\u00e4ssigen \u00f6ffentlichen API der Fall w\u00e4re. Das macht das Modell jedoch nicht automatisch zu Open Source, sicher oder wirtschaftlich.<\/p>\n<p data-start=\"3464\" data-end=\"3782\">Diese Unterscheidung ist wichtig, da jede Option dem Kunden die Kontrolle \u00fcber eine andere Ebene erm\u00f6glicht. Der Zugriff auf die Modellgewichte bietet technische Flexibilit\u00e4t. Eine Open-Source-Lizenz gew\u00e4hrt rechtliche Berechtigungen. Das Selbsthosting erm\u00f6glicht operative Kontrolle. Keine dieser Optionen allein garantiert jedoch Datensouver\u00e4nit\u00e4t oder wirtschaftliche Unabh\u00e4ngigkeit.<\/p>\n<h2 data-section-id=\"1sgpec2\" data-start=\"3784\" data-end=\"3826\">Die Steuerung wird zum integralen Bestandteil des Produkts<\/h2>\n<p data-start=\"3828\" data-end=\"4076\">Die gr\u00f6\u00dften KI-Anbieter haben ihren fr\u00fchen Vorsprung auf Leistung und einfachen Zugang aufgebaut. Ein Unternehmen konnte auf ein hochentwickeltes Modell zugreifen, ohne Server kaufen, Machine-Learning-Ingenieure einstellen oder verstehen zu m\u00fcssen, wie das System trainiert worden war.<\/p>\n<p data-start=\"4078\" data-end=\"4400\">Das ist nach wie vor attraktiv f\u00fcr Experimente, allgemeine B\u00fcroanwendungen und Dienste, bei denen keine besonders sensiblen Informationen verarbeitet werden. Weniger geeignet ist es hingegen, wenn das Modell interne Vertr\u00e4ge auswerten, mit Betriebssystemen interagieren, Investitionsentscheidungen unterst\u00fctzen oder mit vertraulichen Kundendaten arbeiten soll.<\/p>\n<p data-start=\"4402\" data-end=\"4755\">F\u00fcr Unternehmen in der Schweiz geht es nicht nur darum, ob Daten physisch im Land gespeichert werden. Sie m\u00fcssen auch wissen, wer darauf zugreifen kann, ob Protokolle aufbewahrt werden, inwiefern Unterauftragsverarbeiter beteiligt sind, was geschieht, wenn der Anbieter seine Gesch\u00e4ftsbedingungen \u00e4ndert, und wie das System \u00fcbertragen werden k\u00f6nnte, falls die Gesch\u00e4ftsbeziehung endet.<\/p>\n<p data-start=\"4757\" data-end=\"5168\">Die Ausf\u00fchrung eines Modells in einer kontrollierten Umgebung kann einige dieser Bedenken ausr\u00e4umen. Die Daten verbleiben in der vom Unternehmen ausgew\u00e4hlten Infrastruktur, Zugriffskontrollen k\u00f6nnen an bestehende Sicherheitsrichtlinien angepasst werden, und Verbindungen zu internen Systemen lassen sich genauer steuern. Modellaktualisierungen k\u00f6nnen zudem getestet werden, bevor sie in die Produktion \u00fcbernommen werden, anstatt sie nach dem Zeitplan des Anbieters einzuf\u00fchren.<\/p>\n<p data-start=\"5170\" data-end=\"5520\">Dies ist insbesondere in den Bereichen Bankwesen, Versicherungen, Gesundheitswesen, Pharmazie und fortschrittliche Fertigung von Bedeutung, wo wertvolle Informationen weit mehr als nur personenbezogene Daten umfassen k\u00f6nnen. Technische Spezifikationen, Produktionsaufzeichnungen, Preisbildungslogik, Anlageanalysen und interne Entscheidungsprozesse k\u00f6nnen alle Teil des Kontexts werden, der einem KI-System zur Verf\u00fcgung gestellt wird.<\/p>\n<p data-start=\"5522\" data-end=\"5674\">Durch die eigenverantwortliche Bereitstellung kann ein Unternehmen das Modell als Teil seiner eigenen Technologiearchitektur betrachten und nicht als einen externen digitalen Dienst.<\/p>\n<h2 data-section-id=\"5g5v89\" data-start=\"5676\" data-end=\"5743\">Die h\u00f6chste Benchmark-Punktzahl ist m\u00f6glicherweise nicht die beste Wahl f\u00fcr ein Unternehmen<\/h2>\n<p data-start=\"5745\" data-end=\"6115\">Inkling ist unter anderem deshalb bemerkenswert, weil seine Entwickler nicht behaupten, dass es in den \u00fcblichen Leistungsrankings marktf\u00fchrend ist. In Vergleichstests liegt das Modell hinter mehreren Open-Source-Alternativen zur\u00fcck. Thinking Machines Lab scheint sich dennoch an Unternehmen zu richten, die mehr Wert auf Anpassungsf\u00e4higkeit, Zuverl\u00e4ssigkeit und Kontrolle legen als auf einen marginalen Vorteil in einem Benchmark-Test.<\/p>\n<p data-start=\"6117\" data-end=\"6423\">Dieser Kompromiss ist in der Unternehmens-IT nichts Ungew\u00f6hnliches. Unternehmen entscheiden sich selten f\u00fcr eine Kernsoftware im Bereich Rechnungswesen, f\u00fcr Datenbanken oder Industriesysteme, nur weil diese in einem Labortest die beste Leistung erbringen. Sie pr\u00fcfen auch die Integrationsm\u00f6glichkeiten, die Dokumentation, den Support, die Sicherheit, die Kompatibilit\u00e4t und die erwartete Lebensdauer des Produkts.<\/p>\n<p data-start=\"6425\" data-end=\"6482\">Auch im Bereich der KI-Beschaffung geht der Trend allm\u00e4hlich in dieselbe Richtung.<\/p>\n<p data-start=\"6484\" data-end=\"6758\">Ein etwas weniger leistungsf\u00e4higes allgemeines Modell kann innerhalb eines bestimmten Unternehmens bessere Ergebnisse erzielen, sobald es an die Terminologie, die Dokumente und die Prozesse der Organisation angepasst wurde. Es l\u00e4sst sich m\u00f6glicherweise auch leichter testen, ist bei hohen Datenmengen kosteng\u00fcnstiger im Betrieb und nach der Einf\u00fchrung besser vorhersehbar.<\/p>\n<p data-start=\"6760\" data-end=\"7134\">Die Benchmark-Leistung spielt nach wie vor eine Rolle, insbesondere bei komplexen Schlussfolgerungen und technisch anspruchsvollen Aufgaben. Der Unterschied zwischen dem f\u00fchrenden Modell und einer glaubw\u00fcrdigen Alternative hat jedoch m\u00f6glicherweise nur geringe wirtschaftliche Relevanz, wenn das System in erster Linie interne Dokumente klassifiziert, Informationen aus einer kontrollierten Wissensdatenbank abruft oder Mitarbeiter bei festgelegten Abl\u00e4ufen unterst\u00fctzt.<\/p>\n<p data-start=\"7136\" data-end=\"7275\">Ein Unternehmen ben\u00f6tigt ein Modell, das innerhalb seines eigenen Arbeitsablaufs zuverl\u00e4ssig funktioniert \u2013 nicht unbedingt das Modell, das in einem breiten \u00f6ffentlichen Vergleich am besten abschneidet.<\/p>\n<h2 data-section-id=\"1cq1po9\" data-start=\"7277\" data-end=\"7335\">Durch Selbsthosting werden die Kosten ver\u00e4ndert, anstatt sie zu eliminieren<\/h2>\n<p data-start=\"7337\" data-end=\"7582\">Die wirtschaftlichen Aspekte des eigenst\u00e4ndigen Betriebs eines Modells k\u00f6nnen attraktiv erscheinen. Ein Unternehmen muss einen Anbieter nicht mehr f\u00fcr jeden Ein- und Ausgang bezahlen, und Anwendungen mit hohem Datenaufkommen k\u00f6nnen kosteng\u00fcnstiger werden, sobald die erforderliche Infrastruktur vorhanden ist.<\/p>\n<p data-start=\"7584\" data-end=\"7661\">Die Berechnung ist komplizierter, als einfach nur eine API-Rechnung durch einen Server zu ersetzen.<\/p>\n<p data-start=\"7663\" data-end=\"8003\">Modelle erfordern Rechenkapazit\u00e4t, Speicherplatz, \u00dcberwachung und technische Wartung. Sicherheitspatches und Modellaktualisierungen m\u00fcssen verwaltet werden. Die Leistung kann nachlassen, wenn das System auf neue Datentypen st\u00f6\u00dft oder wenn das Unternehmen seine Prozesse \u00e4ndert. Es muss stets jemand f\u00fcr das Testen, die Zugriffsverwaltung und die Reaktion auf Vorf\u00e4lle verantwortlich sein.<\/p>\n<p data-start=\"8005\" data-end=\"8509\">Gro\u00dfe Modelle erfordern unter Umst\u00e4nden auch teure Grafikprozessoren, w\u00e4hrend kleinere Modelle oft eng definierte Unternehmensaufgaben mit weitaus geringeren Infrastrukturanforderungen bew\u00e4ltigen k\u00f6nnen. Die finanziell sinnvolle Wahl h\u00e4ngt daher von der jeweiligen Anwendung ab. Eine \u00f6ffentliche API ist m\u00f6glicherweise kosteng\u00fcnstiger f\u00fcr einen gelegentlich genutzten Assistenten, der von wenigen Mitarbeitern verwendet wird. Ein selbst gehostetes Modell ist m\u00f6glicherweise attraktiver f\u00fcr ein System, das Tausende sich wiederholender Anfragen verarbeitet oder Informationen verwaltet, die eine kontrollierte Umgebung nicht ohne Weiteres verlassen d\u00fcrfen.<\/p>\n<p data-start=\"8511\" data-end=\"8811\">Hybride Architekturen werden sich voraussichtlich durchsetzen. Ein Unternehmen k\u00f6nnte beispielsweise ein kleineres Modell lokal f\u00fcr vertrauliche oder Routineaufgaben einsetzen, w\u00e4hrend es f\u00fcr gelegentliche Aufgaben, die eine h\u00f6here Rechenleistung erfordern, auf ein externes \u201eFrontier\u201c-Modell zur\u00fcckgreift. Anfragen k\u00f6nnen je nach ihrer Sensibilit\u00e4t, Komplexit\u00e4t und den damit verbundenen Kosten weitergeleitet werden.<\/p>\n<p data-start=\"8813\" data-end=\"8927\">Das Ergebnis ist keine vollst\u00e4ndige Unabh\u00e4ngigkeit von externen Anbietern. Es handelt sich vielmehr um eine bewusstere Verteilung der Abh\u00e4ngigkeiten.<\/p>\n<h2 data-section-id=\"z4cica\" data-start=\"8929\" data-end=\"8978\">Durch Individualisierung kann eine neue Form der Bindung entstehen<\/h2>\n<p data-start=\"8980\" data-end=\"9218\">Die M\u00f6glichkeit, ein Modell anzupassen, ist eines der st\u00e4rksten Argumente f\u00fcr den selbstgesteuerten Einsatz. Ein Unternehmen kann es mit internem Wissen verkn\u00fcpfen, sein Verhalten anpassen, es anhand von Fachbeispielen verfeinern oder f\u00fcr eine bestimmte Aufgabe optimieren.<\/p>\n<p data-start=\"9220\" data-end=\"9295\">Jede Ebene der individuellen Anpassung kann jedoch den Austausch erschweren.<\/p>\n<p data-start=\"9297\" data-end=\"9649\">Ein Modell, das umfassend optimiert, mit zahlreichen internen Systemen verkn\u00fcpft und in die Arbeitsabl\u00e4ufe der Mitarbeiter eingebettet wurde, l\u00e4sst sich nicht unbedingt ohne erheblichen Entwicklungsaufwand austauschen. Das Unternehmen vermeidet zwar die Abh\u00e4ngigkeit von einer gehosteten API, ger\u00e4t jedoch m\u00f6glicherweise in die Abh\u00e4ngigkeit von einer bestimmten Modellarchitektur, einem Implementierungspartner oder einem Infrastrukturanbieter.<\/p>\n<p data-start=\"9651\" data-end=\"10117\">Die Portierbarkeit sollte daher bereits vor Beginn der Bereitstellung ber\u00fccksichtigt werden. Unternehmen m\u00fcssen wissen, ob ihre Eingabeaufforderungen, Bewertungsdaten, Abrufsysteme und Datens\u00e4tze zur Feinabstimmung mit einem anderen Modell wiederverwendet werden k\u00f6nnen. Schnittstellen sollten so gestaltet sein, dass das Modell ausgetauscht werden kann, ohne die gesamte Anwendung neu erstellen zu m\u00fcssen. Bei Leistungstests sollten zudem mehrere Modelle im Hinblick auf die unternehmensspezifischen Aufgaben verglichen werden, anstatt davon auszugehen, dass ein Anbieter dauerhaft die beste Option bleibt.<\/p>\n<p data-start=\"10119\" data-end=\"10268\">Ein selbst gehostetes Modell bietet einem Unternehmen die M\u00f6glichkeit, unabh\u00e4ngiger zu agieren. Die technische Architektur entscheidet dar\u00fcber, ob diese M\u00f6glichkeit auch tats\u00e4chlich genutzt werden kann.<\/p>\n<h2 data-section-id=\"i077v7\" data-start=\"10270\" data-end=\"10324\">Eine gr\u00f6\u00dfere Auswahl macht eine Regulierung nicht \u00fcberfl\u00fcssig<\/h2>\n<p data-start=\"10326\" data-end=\"10584\">Die zunehmende Verbreitung offener Modelle er\u00f6ffnet europ\u00e4ischen Unternehmen eine gr\u00f6\u00dfere Auswahl an Anbietern aus den Vereinigten Staaten, China und Europa. Zudem entkr\u00e4ftet sie die Annahme, dass der Unternehmensmarkt zwangsl\u00e4ufig von einer kleinen Gruppe geschlossener amerikanischer Anbieter dominiert werden wird.<\/p>\n<p data-start=\"10586\" data-end=\"10894\">Die zugrunde liegenden Modelle sind zunehmend international miteinander vernetzt. Berichten zufolge st\u00fctzt sich Inkling auf eine Architektur, die mit DeepSeek V3 in Verbindung steht, sowie auf Trainingsdaten, die von einem anderen chinesischen Modell erzeugt wurden. Das Beispiel zeigt, wie schwierig es ist, ein KI-System allein anhand des Standorts seines Unternehmenssitzes eindeutig einzuordnen.<\/p>\n<p data-start=\"10896\" data-end=\"11337\">F\u00fcr Unternehmenskunden ist das Herkunftsland des Anbieters nur der Ausgangspunkt der Bewertung. Sie m\u00fcssen zudem die Herkunft des Modells, die Lizenz, die Trainingsmethodik, die Softwareabh\u00e4ngigkeiten und die Betriebsumgebung pr\u00fcfen. Ein von einem amerikanischen oder europ\u00e4ischen Unternehmen angebotenes Modell kann Forschungsergebnisse, Code oder synthetische Daten enthalten, die aus anderen L\u00e4ndern stammen. Umgekehrt kann ein in China entwickeltes Modell vollst\u00e4ndig innerhalb einer europ\u00e4ischen Infrastruktur betrieben werden.<\/p>\n<p data-start=\"11339\" data-end=\"11520\">Durch Selbsthosting werden Fragen zum geistigen Eigentum, zur Herkunft der Modelle oder zu eingebetteten Sicherheitsl\u00fccken nicht gekl\u00e4rt. Vielmehr wird die Verantwortung f\u00fcr deren Kl\u00e4rung verst\u00e4rkt auf den Kunden verlagert.<\/p>\n<h2 data-section-id=\"yohra8\" data-start=\"11522\" data-end=\"11574\">Der Markt f\u00fcr Unternehmens-KI wird immer modularer<\/h2>\n<p data-start=\"11576\" data-end=\"11787\">Die Bedeutung herunterladbarer Modelle geht \u00fcber den Datenschutz hinaus. Sie zeigt, dass KI zunehmend eher einem Technologie-Stack f\u00fcr Unternehmen \u00e4hnelt als einem einzelnen Dienst, der von einem einzigen Anbieter bezogen wird.<\/p>\n<p data-start=\"11789\" data-end=\"12096\">Unternehmen k\u00f6nnen das Modell von einem Entwickler beziehen, es \u00fcber einen anderen Infrastrukturanbieter betreiben, eine separate Plattform f\u00fcr die Anpassung nutzen und einen Implementierungspartner beauftragen, um es an interne Anwendungen anzubinden. Sie k\u00f6nnen einzelne Komponenten \u00e4ndern, ohne dabei zwangsl\u00e4ufig das gesamte System aufgeben zu m\u00fcssen.<\/p>\n<p data-start=\"12098\" data-end=\"12305\">Dieser modulare Markt ist weniger komfortabel als die Er\u00f6ffnung eines Kontos bei einem gehosteten KI-Dienst. Er verschafft Unternehmen zudem mehr Verhandlungsmacht und gr\u00f6\u00dfere Freiheit bei der Gestaltung von Systemen, die genau auf ihre tats\u00e4chlichen Anforderungen zugeschnitten sind.<\/p>\n<p data-start=\"12307\" data-end=\"12522\">Die entscheidende Frage bei der Beschaffung lautet daher nicht mehr nur, welches Modell die beste Leistung erbringt. Unternehmen m\u00fcssen entscheiden, welche Teile des KI-Systems sie auslagern m\u00f6chten und welche sie selbst kontrollieren m\u00fcssen.<\/p>\n<p data-start=\"12524\" data-end=\"12856\"><a href=\"https:\/\/www.supralogic.ch\/de\/kategorie\/unternehmens-ki\/\">F\u00fcr viele Schweizer Unternehmen<\/a>, \u2026 insbesondere bei Unternehmen, die mit regulierten oder gesch\u00e4ftlich sensiblen Informationen umgehen, wird die L\u00f6sung nicht in einem vollst\u00e4ndigen Eigenbetrieb oder einer vollst\u00e4ndigen Abh\u00e4ngigkeit von externen APIs bestehen. Vielmehr wird es sich um eine Architektur handeln, die sensible Prozesse im eigenen Haus bel\u00e4sst, externe Dienste selektiv nutzt und die M\u00f6glichkeit offenh\u00e4lt, den Anbieter zu wechseln.<\/p>\n<p data-start=\"12858\" data-end=\"13020\" data-is-last-node=\"\" data-is-only-node=\"\">KI-Unternehmen erm\u00f6glichen es ihren Kunden, Modelle selbst auszuf\u00fchren, da Unternehmenskunden mittlerweile mehr als nur Zugriff verlangen. Sie wollen einen glaubw\u00fcrdigen Weg zur Kontrolle.<\/p>&nbsp;<meta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\n    <title>Warum immer mehr KI-Unternehmen ihren Kunden erlauben, Modelle selbst auszuf\u00fchren<\/title>","protected":false},"excerpt":{"rendered":"<p>Mit dem Fortschritt der KI-Technologie erm\u00f6glichen immer mehr Unternehmen ihren Kunden, KI-Modelle eigenst\u00e4ndig zu betreiben, was die Kontrolle und die Anpassungsm\u00f6glichkeiten verbessert. Dieser Wandel pr\u00e4gt die Branchen neu, indem er f\u00fcr mehr Flexibilit\u00e4t und Innovation sorgt.<\/p>","protected":false},"author":2,"featured_media":496,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[21],"tags":[],"class_list":["post-499","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-enterprise-ai-startups"],"_links":{"self":[{"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/posts\/499","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/comments?post=499"}],"version-history":[{"count":0,"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/posts\/499\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/media\/496"}],"wp:attachment":[{"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/media?parent=499"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/categories?post=499"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/www.supralogic.ch\/de\/wp-json\/wp\/v2\/tags?post=499"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}