Open Source, Open Weight, Open What? Entscheidend ist nicht das Etikett, sondern welche Artefakte eines KI-Modells veröffentlicht werden*

Wer über Open Source bei KI spricht, meint oft sehr unterschiedliche Dinge. Während klassische Open-Source-Software ihren Quellcode veröffentlicht, bestehen moderne KI-Modelle aus einer Vielzahl von Bestandteilen: Trainingsdaten, Trainingscode, Modellgewichte, Dokumentation, Evaluierungen und der Infrastruktur für den Betrieb.

Genau darin liegt die Schwierigkeit. Die Frage „Ist dieses Modell Open Source?“ lässt sich häufig gar nicht eindeutig beantworten. Denn ein KI-Modell ist kein einzelnes Produkt, sondern das Ergebnis einer komplexen Wertschöpfung. Anbieter entscheiden bewusst, welche Bestandteile sie veröffentlichen – und welche sie als wirtschaftlichen Wettbewerbsvorteil zurückhalten.

Aus technischer und wirtschaftlicher Sicht ist deshalb eine andere Frage wesentlich interessanter:

Welche Artefakte werden eigentlich veröffentlicht?

Die Antwort darauf entscheidet nicht nur darüber, wie transparent ein Modell ist, sondern auch darüber, wie Unternehmen, Entwickler und Forschungseinrichtungen damit arbeiten können.

Statt zwischen offen und geschlossen zu unterscheiden, lohnt sich daher ein Blick auf die verschiedenen Angebotsformen moderner KI.

Der Maßstab: Die offizielle Definition der Open Source Initiative (OSI)

Um das sogenannte „Open Washing“ – also das fälschliche Etikettieren von proprietären Modellen als offen – zu verhindern, hat die Open Source Initiative (OSI) die offizielle Open Source AI Definition (OSAID) etabliert. Demnach gilt ein KI-System nur dann als echtes Open Source, wenn es den Nutzern vier Grundfreitheiten uneingeschränkt gewährt: das System für jeden Zweck zu nutzen, zu untersuchen, zu verändern und zu teilen. Dafür fordert die Definition den freien Zugang zum vollständigen Quellcode, den Modellgewichten sowie ausreichend detaillierten Informationen über die Trainingsdaten. Modelle, die zwar ihre Gewichte freigeben, aber die kommerzielle Nutzung einschränken oder Trainingsdetails verschweigen, werden daher präziser als „Open Weights“-Modelle bezeichnet.

1. Die Dienstleistung – Zugang statt Besitz

Bei Modellen wie GPT (OpenAI), Claude (Anthropic) oder Gemini (Google) wird das eigentliche Modell überhaupt nicht veröffentlicht.

Angeboten wird ausschließlich ein Zugang über eine API oder eine Weboberfläche. Der Anbieter betreibt das Modell selbst in seinen Rechenzentren und verkauft dessen Nutzung als Dienstleistung.

Für Unternehmen hat dieses Modell klare Vorteile: Es ist sofort einsatzbereit, Wartung und Weiterentwicklung übernimmt der Anbieter, und es müssen keine eigenen GPU-Infrastrukturen aufgebaut werden.

Gleichzeitig bleiben sämtliche strategisch wichtigen Artefakte beim Hersteller. Nutzer können das Modell weder herunterladen noch verändern oder unabhängig betreiben.

Ökonomisch ähnelt dieses Modell klassischen Cloud-Diensten oder Software-as-a-Service-Angeboten: Bezahlt wird die Nutzung, nicht der Besitz.

Was wird angeboten?

• API-Zugang

• Weboberfläche

• Skalierbare Infrastruktur

• Laufende Modellverbesserungen

Was bleibt beim Anbieter?

• Modellgewichte

• Trainingsdaten

• Trainingscode

• Infrastruktur

• Sicherheitsmechanismen

2. Das Modell – Veröffentlichung der Gewichte

Die nächste Angebotsform geht einen entscheidenden Schritt weiter. Hier veröffentlicht der Anbieter die trainierten Modellgewichte. Damit können Unternehmen das Modell auf eigener Hardware betreiben, lokal hosten oder für eigene Anwendungen feinjustieren.

Beispiele hierfür sind:

• Llama 3.x (Meta)

• Mistral 7B und Mixtral (Mistral AI)

• DeepSeek R1

• Qwen (Alibaba)

• Gemma (Google)

Mit der Veröffentlichung der Gewichte verändert sich das wirtschaftliche Angebot grundlegend. Aus einer reinen Dienstleistung wird ein digitales Produkt. Die eigentliche Kontrolle über den Betrieb wandert nun zum Nutzer. Unternehmen können entscheiden, wo das Modell läuft, welche Daten verarbeitet werden und wie es in bestehende Systeme integriert wird.

Der entscheidende Unterschied: Die Lizenz

Ob ein Modell tatsächlich "offen" genutzt werden kann, entscheidet jedoch nicht allein die Veröffentlichung der Gewichte, sondern vor allem die Lizenz.

Hier lassen sich grob drei Gruppen unterscheiden.

Restriktive Lizenzen

Diese erlauben zwar den Download des Modells, enthalten aber Einschränkungen.

Typische Bedingungen sind beispielsweise:

• keine Nutzung oberhalb einer bestimmten Unternehmensgröße

• Genehmigungspflicht für sehr große Nutzerzahlen

• Einschränkungen für bestimmte Anwendungsbereiche

• Verpflichtung zur Einhaltung spezieller Nutzungsrichtlinien

Ein bekanntes Beispiel hierfür sind die Llama Community License oder teilweise auch kommerzielle Zusatzbedingungen anderer Anbieter.

Das Modell ist technisch verfügbar, rechtlich jedoch nur eingeschränkt nutzbar.

Permissive Lizenzen

Diese erlauben in der Regel

• kommerzielle Nutzung

• Fine-Tuning

• Integration in eigene Produkte

• Weitergabe des Modells

Solche Lizenzen orientieren sich häufig an etablierten Open-Source-Lizenzen wie Apache 2.0 oder MIT.

Modelle wie Mistral 7B, DeepSeek R1 oder viele Varianten von Qwen verfolgen diesen Ansatz.

Für Unternehmen bieten diese Modelle die größte wirtschaftliche Freiheit.

Eigene KI-Lizenzen

Viele Anbieter entwickeln inzwischen eigene Lizenzmodelle.

Sie erlauben zwar eine weitgehende Nutzung, definieren aber zusätzliche Regeln beispielsweise zu

• Markenrechten

• Haftung

• Sicherheit

• Missbrauch

• Weitergabe

Diese Lizenzen liegen zwischen klassischen Open-Source-Lizenzen und proprietären Nutzungsbedingungen.

Was wird angeboten?

• Modellgewichte

• Eigenständiger Betrieb

• Fine-Tuning

• Integration in eigene Anwendungen

Der wirtschaftliche Mehrwert

Unternehmen werden unabhängiger von Cloud-Anbietern, können Datenschutzanforderungen besser erfüllen und Betriebskosten langfristig selbst steuern.

3. Das Entwicklungsökosystem – Modell plus Werkzeuge

Einige Organisationen veröffentlichen nicht nur die Modellgewichte, sondern zusätzlich den Trainingscode, Evaluierungswerkzeuge, Datenschemata, Benchmarks und umfangreiche Dokumentationen.

Damit verändert sich erneut der Charakter des Angebots.

Nicht mehr nur das fertige Modell steht zur Verfügung, sondern wesentliche Teile des Entwicklungsprozesses.

Beispiele hierfür sind:

• OLMo (Allen Institute for AI) – Veröffentlichung von Trainingscode, Datendokumentation und Entwicklungsartefakten.

• NVIDIA NeMo – umfangreiches Framework für Training, Fine-Tuning und Deployment von Foundation Models.

Für Entwickler entsteht dadurch eine Plattform, auf der neue Verfahren aufgebaut, bestehende Methoden verbessert und eigene Modellvarianten entwickelt werden können.

Ökonomisch sinken dadurch Entwicklungsaufwand und Innovationskosten erheblich. Statt von Grund auf neu zu beginnen, können Unternehmen vorhandene Komponenten übernehmen und gezielt weiterentwickeln.

Hier entsteht ein Ökosystem, in dem Wissen geteilt und Innovation gemeinschaftlich beschleunigt wird.

Was wird angeboten?

• Modellgewichte

• Trainingscode

• Trainingsframeworks

• Evaluierungswerkzeuge

• Benchmarks

• Dokumentation

Der wirtschaftliche Mehrwert

Nicht nur das Modell selbst wird nutzbar, sondern auch das Wissen über seine Entwicklung. Unternehmen verkürzen Entwicklungszeiten, reduzieren Kosten und profitieren von einer aktiven Entwicklergemeinschaft.

4. Die vollständige Offenlegung – reproduzierbare KI

Die umfassendste Angebotsform geht noch einen Schritt weiter. Neben Modellgewichten und Trainingscode werden auch die Trainingsdaten oder deren vollständige Dokumentation sowie die gesamte Trainingspipeline veröffentlicht.

Diese Form ist bislang selten. Projekte wie OLMo oder wissenschaftliche Forschungsprojekte verfolgen diesen Ansatz. Erst dadurch wird ein KI-Modell vollständig reproduzierbar.

Andere Forschungseinrichtungen oder Unternehmen können nachvollziehen, wie das Modell entstanden ist, Ergebnisse überprüfen und den gesamten Entwicklungsprozess selbst wiederholen.

Aus wissenschaftlicher Sicht entspricht dies dem Ideal von Open Science.

Ökonomisch wird nicht nur das fertige Produkt veröffentlicht, sondern gewissermaßen auch dessen Bauplan und Produktionsprozess.

Was wird angeboten?

• Modellgewichte

• Trainingscode

• Datensätze oder Datendokumentation

• Trainingspipeline

• Vollständige Nachvollziehbarkeit

Der wirtschaftliche Mehrwert

Maximale Transparenz, hohe Innovationsgeschwindigkeit und geringere Abhängigkeit von einzelnen Anbietern.

Vier Angebotsformen statt vier Stufen

Diese Einordnung beschreibt keine Hierarchie. Keine dieser Angebotsformen ist grundsätzlich besser oder schlechter. Sie verfolgen unterschiedliche Geschäftsmodelle und adressieren unterschiedliche Zielgruppen.

Fazit: Moderne KI besteht aus einer Vielzahl von Artefakten, die jeweils einen eigenen technischen und wirtschaftlichen Wert besitzen. Ob lediglich ein API-Zugang bereitgestellt wird, Modellgewichte veröffentlicht werden oder der gesamte Entwicklungsprozess nachvollziehbar ist, entscheidet darüber, welche Freiheiten Nutzer tatsächlich erhalten.

* Stand zum Zeitpunkt der Veröffentlichung: 25.07.2026