Ein Foundation Model ist das Basismodell, auf dem Anwendungen aufsetzen. Es wird einmal sehr aufwendig trainiert und dann für viele Zwecke nachgenutzt — statt für jede Aufgabe ein eigenes Modell zu bauen.
Der Begriff stammt aus der Forschung und beschreibt eine Arbeitsteilung: Wenige Anbieter trainieren wenige, sehr teure Basismodelle. Alle anderen bauen darauf auf.
GPT, Claude, Gemini und Mistral sind Foundation Models. Der Chatbot, den du benutzt, ist eine Anwendung darüber — nicht das Modell selbst.
Foundation Model, LLM, Anwendung #
- Foundation Model — die trainierte Basis. Kann Text, oft auch Bild, Ton und Video verarbeiten.
- LLM — ein Foundation Model, das auf Sprache spezialisiert ist. Jedes LLM ist ein Foundation Model, aber nicht jedes Foundation Model ist ein LLM.
- Anwendung — was du bedienst: Oberfläche, Gedächtnis, Werkzeuge, Sicherheitsregeln.
Das Bild, das am besten trägt: Das Foundation Model ist der Motor, die Anwendung das Auto. Wer über Modelle diskutiert, redet über Motoren. Wer Arbeit erledigt bekommen will, braucht das Auto.
Warum Modelle austauschbar werden #
Noch vor zwei Jahren war die Modellwahl eine strategische Entscheidung. Heute rücken die Spitzenmodelle in vielen Alltagsaufgaben so nah zusammen, dass der Unterschied im Betrieb kaum noch spürbar ist.
Der Engpass ist nicht mehr die Modellqualität, sondern alles drumherum: Sind die Daten verfügbar? Sind die Systeme angebunden? Hat der Agent die richtigen Berechtigungen? Gibt es ein Human Gate? Genau dort entscheidet sich, ob KI Wert schafft.
Daraus folgt eine praktische Empfehlung: Bau deine Anwendung so, dass du das Modell wechseln kannst. Wer sich fest an einen Anbieter koppelt, zahlt dafür beim nächsten Preis- oder Qualitätssprung.
Der europäische Aspekt #
Foundation Models sind kapitalintensiv — Training kostet dreistellige Millionenbeträge. Deshalb gibt es weltweit nur eine Handvoll ernsthafter Anbieter, und die meisten sitzen in den USA.
Für europäische Unternehmen hängt daran mehr als eine Lieferantenfrage: Wo laufen die Daten? Wer kann den Zugang abschalten? Welches Recht gilt? Anbieter wie Mistral positionieren sich genau an dieser Stelle, unter anderem über offene Gewichte, die einen selbst betriebenen Einsatz erlauben.
Häufige Fragen #
Was ist der Unterschied zwischen Foundation Model und LLM?
Ein LLM ist ein auf Sprache spezialisiertes Foundation Model. Der Oberbegriff umfasst auch Modelle, die Bild, Ton oder Video verarbeiten. Umgangssprachlich werden beide Begriffe oft gleichgesetzt.
Kann ich ein Foundation Model selbst trainieren?
Praktisch nein. Das Training kostet dreistellige Millionenbeträge und braucht Rechenzentren. Was Unternehmen tun können: ein bestehendes Modell mit eigenen Daten anreichern — über RAG oder Fine-Tuning.
Welches Foundation Model ist das beste?
Für die meisten Alltagsaufgaben ist die Frage inzwischen zweitrangig — die Spitzenmodelle liegen nah beieinander. Wichtiger sind Anbindung, Kosten, Datenschutz und die Frage, wie leicht sich das Modell später wechseln lässt.
Was bedeutet das für meine Softwareauswahl?
Achte darauf, dass die Anwendung das Modell nicht fest verdrahtet. Austauschbarkeit ist heute ein härteres Auswahlkriterium als drei Prozent mehr Leistung in einem Benchmark.
Quellen #
- Bommasani et al. (2021) — On the Opportunities and Risks of Foundation Models (Stanford, prägte den Begriff)
- Verordnung (EU) 2024/1689 (KI-Verordnung) — Kapitel V zu KI-Modellen mit allgemeinem Verwendungszweck
- Mistral AI — europäischer Anbieter mit teils offenen Modellgewichten
Welches Modell für welchen Prozess?
Frag mich — oder frag Ada. Sie ist meine KI-Assistentin, rund um die Uhr erreichbar, und schlägt dir bei Bedarf einen Termin mit mir vor. Kostenfrei, ohne Formular.