Application Layer

Software wird üblicherweise in Ebenen gedacht, die aufeinander aufbauen. Ganz unten liegen Rechner und Leitungen, ganz oben das, was ein Mensch vor sich sieht. Diese oberste Ebene heißt Application Layer, auf Deutsch Anwendungsschicht. Hier läuft die eigentliche Anwendung: die App auf dem Handy, die Webseite im Browser, das Programm auf dem Laptop. Alles darunter arbeitet unsichtbar zu und sorgt dafür, dass Daten ankommen und Rechenleistung bereitsteht. Der Begriff hat zwei Bedeutungen, die man auseinanderhalten sollte: eine ältere aus der Netzwerktechnik und eine neuere aus der KI-Branche.

Warum Investoren über die oberste Ebene streiten

In der KI-Wirtschaft ist der Application Layer zum Kampfbegriff geworden. Unten sitzen die Firmen, die große Sprachmodelle bauen, also Programme, die Texte verstehen und erzeugen. Dazu gehören OpenAI, Google oder Anthropic. Darüber sitzen tausende kleinere Firmen, die diese Modelle einkaufen und daraus Produkte machen. Ein Programm, das Arztbriefe zusammenfasst, trainiert kein eigenes Modell. Es schickt den Text an ein fremdes Modell und baut drumherum die Bedienung, die Sicherheit und die Abrechnung.

Die zentrale Frage lautet: Wo landet am Ende das Geld? Modelle zu trainieren kostet Milliarden und wenige Firmen können es sich leisten. Eine Anwendung darauf zu bauen ist vergleichsweise billig. Deshalb entstehen im Application Layer sehr viele Firmen sehr schnell. Genau das ist ihr Problem: Wer leicht starten kann, hat auch leicht Konkurrenz.

Skeptiker nennen solche Firmen abfällig „dünne Hülle“ um ein fremdes Modell. Ihr Einwand: Wenn der Modellanbieter dieselbe Funktion selbst einbaut, ist das Produkt wertlos. Befürworter halten dagegen, dass der Wert nicht im Modell liegt, sondern im Zugang zu Kunden und in den Daten eines Fachgebiets. Beide Seiten haben Beispiele, die ihnen recht geben. Entschieden ist die Frage bisher nicht.

Was zwischen Nutzereingabe und Modell passiert

Ein Produkt auf dieser Ebene reicht eine Eingabe nicht einfach weiter. Es baut sie erst um. Typisch ist, dass eigene Firmendokumente gesucht und an die Frage angehängt werden, damit das Modell konkrete Fakten kennt. Dazu kommen feste Anweisungen, die der Nutzer nie sieht, etwa zum gewünschten Tonfall. Erst dieses Gesamtpaket geht an das Modell.

Auf dem Rückweg passiert dasselbe noch einmal. Die Antwort wird geprüft, formatiert und manchmal von einem zweiten Modelldurchlauf kontrolliert. Nebenbei zählt die Software mit, wie viel Rechenleistung verbraucht wurde, denn danach richtet sich die Rechnung. Ein Teil der Arbeit besteht schlicht darin, mehrere Modelle austauschbar zu halten. Wird ein Anbieter zu teuer, wechselt man.

Die ältere Bedeutung aus der Netzwerktechnik funktioniert nach demselben Prinzip. Dort beschreibt ein Modell mit sieben Schichten, wie Daten durchs Internet reisen. Schicht 7 ist die Anwendungsschicht, in der Protokolle wie HTTP für Webseiten oder SMTP für E-Mails arbeiten. Darunter kümmern sich andere Schichten um Adressen und Kabel. Auch hier gilt: Die obere Schicht muss nicht wissen, wie die untere ihre Arbeit erledigt.

Woran man Anwendungsfirmen im Alltag erkennt

Die meisten KI-Werkzeuge, die man kennt, sind Application-Layer-Produkte. Ein Übersetzungsdienst im Browser, ein Programmierassistent im Editor, eine Software, die Bewerbungen vorsortiert. Sie alle greifen auf Modelle zurück, die sie nicht selbst gebaut haben. Ein guter Test ist die Frage, ob die Firma ein eigenes Modell trainiert. Fällt die Antwort nein aus, arbeitet sie auf dieser Ebene.

In Wirtschaftsnachrichten taucht der Begriff meist bei Finanzierungsrunden auf. Dann heißt es, das Geld fließe zunehmend „vom Modell in die Anwendung“. Gemeint ist, dass Investoren weniger auf neue Modellbauer setzen und mehr auf Firmen mit zahlenden Kunden. Ein häufiger Irrtum ist dabei, den Application Layer für technisch anspruchslos zu halten. Datenschutz, verlässliche Ergebnisse und Abrechnung sind schwierige Aufgaben – sie sind nur weniger sichtbar als ein neues Modell.