Stellen Sie sich vor, Sie haben vor einem Jahr einen Prozess automatisiert. Eingehende Angebotsanfragen werden von einem KI-Modell gelesen, klassifiziert, mit Stammdaten angereichert und als Entwurf ins CRM gelegt. Der Prozess läuft, das Team hat sich daran gewöhnt, die Sachbearbeiterin, die das früher gemacht hat, macht heute etwas Sinnvolleres.

Dann kommt eine E-Mail vom Anbieter. Betreff: „Deprecation Notice”. Das Modell, auf dem Ihr Prozess läuft, wird in 90 Tagen abgeschaltet. Bitte migrieren Sie auf das Nachfolgemodell.

Das Nachfolgemodell antwortet anders. Es formatiert anders, es klassifiziert Grenzfälle anders, es kostet anders. Ihr Prozess, der ein Jahr lang stabil lief, muss neu getestet werden. Und niemand hat das im Budget.

Das ist kein Zukunftsszenario. Das passiert heute, regelmäßig, bei allen großen Anbietern. Und es ist nur die harmloseste Form dessen, was ich in diesem Artikel meine, wenn ich vom Stecker spreche.

Was „ausgeknipst werden” wirklich bedeutet

Wenn Unternehmer mir gegenüber die Sorge äußern, dass „die KI irgendwann abgeschaltet wird”, denken sie meist an den großen Knall: Ein Anbieter macht dicht, ein Gesetz verbietet die Nutzung, ein politischer Konflikt kappt den Zugang. Das ist möglich, aber unwahrscheinlich.

Die realistischen Risiken sind leiser, und sie treten bereits ein:

Modellversionen verschwinden. Die großen Anbieter halten eine Modellversion in der Regel sechs bis zwölf Monate am Leben. Dann wird sie durch eine neue ersetzt. Wer eine bestimmte Version fest in seine Prozesse verdrahtet hat, muss migrieren, ob er will oder nicht.

Verhalten driftet. Auch ohne Versionswechsel verändern Anbieter ihre Modelle laufend. Sicherheitsfilter werden nachgeschärft, Antwortstile angepasst, Kostenoptimierungen eingebaut. Ein Prompt, der im März zuverlässig funktioniert hat, liefert im September andere Ergebnisse. Niemand informiert Sie darüber.

Preise und Limits ändern sich. Der Preis pro Anfrage, die Anzahl erlaubter Anfragen pro Minute, die maximale Textlänge: all das legt der Anbieter fest und kann es jederzeit ändern.

Regulierung greift ein. Der EU AI Act ist seit August 2026 in weiten Teilen anwendbar, die Pflichten für Hochrisiko-Systeme folgen ab Dezember 2027. Exportkontrollen und geopolitische Spannungen können dazu führen, dass bestimmte Fähigkeiten für bestimmte Regionen eingeschränkt werden. Für europäische Unternehmen, die auf amerikanische Anbieter setzen, ist das kein Hirngespinst.

Keines dieser Risiken ist ein Grund, keine KI einzusetzen. Aber jedes davon ist ein Grund, sie richtig einzusetzen.

Der Denkfehler „Wir erleben gerade den Höhepunkt”

Eine These, die mir in Gesprächen immer öfter begegnet: Die Modelle sind heute so gut wie nie, und ab jetzt geht es bergab. Die öffentliche Debatte über außer Kontrolle geratende KI führe dazu, dass Anbieter ihre Modelle immer stärker einschränken. Wer heute baut, baue auf dem Gipfel und müsse mit dem Abstieg leben.

An dieser These ist etwas dran, und etwas Entscheidendes fehlt.

Was dran ist: Bei den geschlossenen Spitzenmodellen kann das im Einzelfall passieren. Sicherheitsanpassungen und Kostenoptimierung kosten messbar Leistung. Ein Anbieter, der unter öffentlichem Druck steht, wird eher vorsichtiger als mutiger.

Was fehlt: Es gibt inzwischen eine zweite Welt neben den geschlossenen Anbietern. Modelle wie Llama, Mistral, Qwen oder die offenen Modelle von OpenAI sind als Dateien veröffentlicht. Sie liegen auf Servern und Festplatten weltweit. Niemand kann sie zurückholen, niemand kann sie nachträglich abschwächen, niemand kann ihre Nutzung an Bedingungen knüpfen, die es beim Download nicht gab.

Das heißt: Es gibt einen Boden. Das Leistungsniveau, das heute offen verfügbar ist, bleibt verfügbar. Und dieser Boden liegt bereits über dem, was die allermeisten Geschäftsprozesse brauchen. Dokumente auswerten, E-Mails klassifizieren, Formulare befüllen, Support-Anfragen vorsortieren, interne Wissensdatenbanken durchsuchen: dafür braucht niemand das Spitzenmodell von übermorgen. Dafür reicht das offene Modell von gestern, und zwar zuverlässig.

Die Frage ist also nicht, ob die Modelle schlechter werden. Die Frage ist, ob Ihre Architektur einen Wechsel übersteht.

Fünf Bausteine für KI, die einen Anbieterwechsel überlebt

Aus unseren eigenen Projekten haben sich fünf Prinzipien herauskristallisiert. Keines davon ist kompliziert. Alle zusammen machen den Unterschied zwischen einem Prozess, den Sie besitzen, und einem, den Sie nur mieten.

1. Kein Prozess spricht direkt mit dem Anbieter

Zwischen Ihren Geschäftsprozessen und dem KI-Modell liegt eine eigene Schicht, die Modelle austauschbar macht. Der Prozess weiß nicht, ob hinter der Schnittstelle OpenAI, Anthropic, Google oder ein selbst gehostetes Modell steckt. Ein Anbieterwechsel ist dann eine Konfigurationsänderung und kein Projekt.

Das klingt selbstverständlich. In der Praxis sehen wir ständig Systeme, bei denen der Anbieter an dreißig Stellen im Code fest verdrahtet ist.

2. Eine eigene Testsammlung

Sammeln Sie fünfzig bis zweihundert echte Aufgaben aus Ihrem Alltag mit den Ergebnissen, die Sie erwarten. Echte Anfragen, echte Dokumente, echte Grenzfälle. Diese Sammlung ist Ihr Messinstrument.

Jedes neue Modell, jedes Update, jeder Anbieterwechsel läuft gegen diese Sammlung. Sie sehen dann in Zahlen, ob etwas schlechter geworden ist, statt es zu vermuten. Das ist der einzige verlässliche Frühwarnsensor gegen stille Leistungsverschlechterung.

3. Prompts, Daten und Wissen gehören ins Haus

Alles, was Ihr KI-System firmenspezifisch macht, liegt in Ihrer eigenen Infrastruktur: die Anweisungen an das Modell, die Beispiele, die Wissensdatenbank, die Verknüpfung mit Ihren Systemen. Nicht in den Komfortfunktionen des Anbieters.

Sonst ist der Lock-in am Ende nicht das Modell, sondern das Drumherum. Und das Drumherum ist viel schwerer zu migrieren.

4. Ein offenes Modell als Rückfallebene, eingerichtet und getestet

Nutzen Sie im Alltag ruhig das stärkste verfügbare Modell. Aber die Rückfallebene existiert nicht nur auf dem Papier. Ein offenes Modell ist eingerichtet, gegen Ihre Testsammlung geprüft und läuft entweder auf eigener Hardware oder bei einem europäischen Hoster.

Sie müssen es nicht täglich nutzen. Sie müssen wissen, dass es läuft und was es leistet.

5. Für kritische Prozesse: Modell physisch sichern

Wenn ein Prozess geschäftskritisch ist, liegt die passende offene Modellversion als Datei in Ihrem Unternehmen. Nicht beim Anbieter, nicht beim Hoster, sondern auf Ihrem Speicher. Das ist der einzige Zustand, in dem wirklich niemand den Stecker ziehen kann.

Was das kostet

Die ehrliche Antwort: weniger, als die meisten vermuten, aber nicht nichts.

Ein offenes Modell in der Leistungsklasse, die für die meisten Geschäftsprozesse reicht, läuft auf einem Server mit einer bis vier professionellen Grafikkarten. Als Anschaffung sprechen wir von einem niedrigen bis mittleren fünfstelligen Betrag, als Miete von einigen hundert bis wenigen tausend Euro im Monat. Kleinere Modelle für einfache Aufgaben laufen auf einem einzelnen Rechner.

Was nicht wirtschaftlich ist: die absolute Spitzenleistung der großen Anbieter selbst nachzubauen. Das ist aber, wie oben beschrieben, in den seltensten Fällen nötig.

Die eigentlichen Kosten liegen woanders: in der sauberen Architektur von Anfang an. Eine Abstraktionsschicht und eine Testsammlung nachträglich in ein gewachsenes System einzubauen, kostet ein Vielfaches davon, sie beim Start mitzudenken.

Was das mit AI Governance zu tun hat

Wer sich mit dem EU AI Act beschäftigt, kennt den Begriff AI Governance: Regeln und Kontrolle dafür, wie ein Unternehmen KI einsetzt. Meist wird darunter Compliance verstanden: Dokumentation, Risikobewertung, Zuständigkeiten.

Anbieterunabhängigkeit ist der Teil von AI Governance, über den zu wenig gesprochen wird. Es nützt wenig, ein KI-System sauber zu dokumentieren und zu bewerten, wenn ein Dritter es jederzeit verändern oder abschalten kann. Kontrolle über den Einsatz setzt Kontrolle über die Verfügbarkeit voraus.

Laut Gartner werden bis 2028 rund 65 Prozent der Regierungen Anforderungen an technologische Souveränität stellen. McKinsey berichtet, dass 71 Prozent der befragten Führungskräfte souveräne KI inzwischen als strategische Notwendigkeit oder existenzielle Frage sehen. Das Thema kommt, ob man es Governance nennt, Souveränität oder einfach Vernunft.

Mein Fazit

Die Entscheidung für einen KI-Anbieter ist keine Entscheidung fürs Leben, und sie sollte auch nicht so gebaut werden. Wer heute mit KI startet, sollte drei Fragen beantworten können:

  • Was passiert mit unserem Prozess, wenn das Modell morgen nicht mehr da ist?
  • Woran merken wir, dass das Modell schlechter geworden ist?
  • Wo liegt das, was unser System einzigartig macht: bei uns oder beim Anbieter?

Wer diese drei Fragen beantworten kann, braucht keine Angst vor Hysterie, Deprecation-Mails oder Regulierung. Wer sie nicht beantworten kann, hat keinen KI-Prozess. Er hat ein Abonnement.

Läuft Ihr KI-Prozess auf einem einzelnen Anbieter? Wir prüfen in einem Gespräch, wie abhängig Ihr System tatsächlich ist und was es kostet, das zu ändern. Meist weniger, als Sie denken.