Technik
Foundation Model
Kurz beantwortet
Ein Foundation Model ist ein großes, breit vortrainiertes KI-Modell (z. B. GPT, Claude, Gemini), das als Basis für viele verschiedene Anwendungen dient — von Chatbots über KI-Agenten bis zu spezialisierten, fine-getunten Varianten.
Ein Fundament, viele Anwendungen
Der Begriff betont, dass ein einzelnes Modell als Fundament für sehr unterschiedliche Anwendungsfälle dient, statt für jede Aufgabe ein komplett neues Modell zu trainieren. Dasselbe Foundation Model kann E-Mails sortieren, Verträge zusammenfassen und Code schreiben — die Spezialisierung passiert über Anweisungen (Prompts), Datenanbindung (RAG) oder Nachtraining (Fine-Tuning).
Für Unternehmen bedeutet das: Man muss so gut wie nie ein eigenes KI-Modell entwickeln. Es reicht, ein bestehendes Foundation Model auf die eigene Aufgabe zuzuschneiden — das ist um Größenordnungen günstiger und schneller.
Auswahlkriterien in der Praxis
Relevante Kriterien sind Aufgabenqualität (versteht es die eigenen Dokumente und Fachsprache?), Kosten pro Verarbeitung, Geschwindigkeit, Datenschutz-Optionen (EU-Hosting, On-Premise) und Verlässlichkeit des Anbieters. Häufig werden im selben Projekt mehrere Modelle kombiniert: ein kleines, schnelles für einfache Schritte, ein starkes für komplexe Entscheidungen.
Das Ökosystem um Foundation Models
Um die großen Basismodelle ist ein ganzes Ökosystem entstanden: Anbieter stellen die Modelle per API bereit, Cloud-Plattformen hosten offene Varianten, Standards wie das Model Context Protocol regeln die Anbindung an Werkzeuge, und Frameworks vereinfachen den Bau von Agenten darauf. Für Unternehmen bedeutet das: Die Bausteine sind Commodity — der Wert entsteht in der Verbindung mit den eigenen Prozessen und Daten.
Absehbar ist auch die weitere Spezialisierung: Neben den Allround-Modellen etablieren sich kleinere, schnellere Varianten für Massenaufgaben und domänenspezifische Modelle. Gut gebaute Systeme nutzen diese Vielfalt gezielt, statt jede Aufgabe mit dem größten (und teuersten) Modell zu erschlagen.
Für die Praxis heißt das: Modellentscheidungen sollten auf eigenen Testfällen beruhen, nicht auf Benchmark-Tabellen. Ein Satz von 30 bis 50 echten Beispielen aus dem eigenen Prozess — typische Dokumente, typische Anfragen — sagt mehr über die Eignung eines Modells als jede Rangliste, denn die eigenen Daten mit ihrer Fachsprache und ihren Eigenheiten testet kein öffentlicher Benchmark.
Multimodalität: mehr als Text
Moderne Foundation Models beherrschen zunehmend nicht nur Text, sondern auch Bilder, Tabellen, Audio und teils Video in einem Modell. Für Unternehmen erweitert das den Anwendungsraum spürbar: Ein multimodales Modell kann ein fotografiertes Formular auslesen, ein Diagramm interpretieren, den Zustand auf einem Baustellenfoto beschreiben oder eine Sprachnachricht direkt verstehen — ohne dass für jede Datenart ein eigenes Spezialwerkzeug nötig ist.
In der Praxis bedeutet das eine Vereinfachung der Architektur: Wo früher Texterkennung, Bildklassifikation und Sprachverarbeitung getrennte Systeme waren, deckt ein einziges Modell oft mehrere Schritte ab. Man sollte die Fähigkeiten allerdings nicht überschätzen — für hochpräzise Spezialaufgaben (etwa exakte Vermessung technischer Zeichnungen) sind dedizierte Werkzeuge weiterhin überlegen. Die pragmatische Faustregel: Multimodale Basismodelle sind stark bei Verstehen und Zusammenfassen gemischter Inhalte, spezialisierte Systeme bei eng definierter Präzision. Die Wahl folgt der Aufgabe, nicht dem Neuheitswert.
Praxisbeispiel
Ein Automatisierungsprojekt nutzt ein kleines, günstiges Modell zum Vorsortieren von hunderten E-Mails pro Tag und ruft nur für die kniffligen Fälle das leistungsstärkste Modell auf. Ergebnis: gleiche Qualität bei einem Bruchteil der laufenden Kosten.
Häufige Fragen zu Foundation Model
Was unterscheidet Foundation Model und LLM?
LLMs sind Foundation Models für Sprache — die heute wichtigste Kategorie. Der Begriff Foundation Model umfasst darüber hinaus auch Modelle für Bilder, Audio oder multimodale Eingaben.
Sollten wir uns auf einen Modellanbieter festlegen?
Besser nicht fest verdrahten: Der Markt bewegt sich schnell, Preise und Qualität ändern sich laufend. Eine Architektur mit austauschbarer Modellschicht hält das Unternehmen flexibel.
Wann lohnt ein eigenes Modell statt eines Foundation Models?
Fast nie im Mittelstand. Eigenes Training kostet siebenstellig aufwärts und braucht Spezialteams. Fine-Tuning eines bestehenden Modells deckt die seltenen Fälle ab, in denen Standardmodelle plus RAG nicht reichen.
Kann ein Foundation Model auch Bilder und Audio verarbeiten?
Viele aktuelle Modelle sind multimodal und verstehen neben Text auch Bilder, Tabellen oder Sprache. Für gemischte Inhalte — etwa ein fotografiertes Dokument samt Kommentar — genügt dann oft ein einziges Modell statt mehrerer Spezialsysteme.
Verwandte Begriffe
Wie relevant ist das für Ihren Betrieb?
Im kostenlosen Erstgespräch schauen wir uns Ihren konkreten Prozess an.