Basismodell

Ein Basismodell ist ein sehr großes Computerprogramm, das aus enormen Mengen an Texten, Bildern oder Tonaufnahmen Muster gelernt hat. Dieses Lernen aus Beispielen nennt man Training, und beim Basismodell geschieht es ohne festgelegten Verwendungszweck. Das Ergebnis ist kein fertiges Produkt, sondern eine Art Grundausstattung an Fähigkeiten. Auf dieser Grundlage lassen sich sehr unterschiedliche Anwendungen aufbauen: ein Chatprogramm, eine Übersetzungshilfe, ein Assistent für Programmierer. Der englische Begriff dafür lautet Foundation Model, also Fundamentmodell, und das Bild passt gut. Man gießt einmal ein tragfähiges Fundament und stellt darauf später verschiedene Häuser.

Warum kaum jemand mehr bei null anfängt

Vor einigen Jahren baute man für jede Aufgabe ein eigenes kleines Modell. Wer Spam-Mails erkennen wollte, sammelte Spam-Mails und trainierte damit ein Programm. Für die nächste Aufgabe begann die Arbeit von vorn. Basismodelle haben diese Logik umgedreht: Man trainiert einmal sehr aufwendig und passt das Ergebnis danach vielfach an.

Der Grund ist vor allem wirtschaftlich. Das Training eines großen Basismodells kostet je nach Größe zweistellige oder dreistellige Millionenbeträge, allein für Rechenzeit und Strom. Das können sich weltweit nur wenige Unternehmen leisten, etwa OpenAI, Google, Meta oder Anthropic. Alle anderen mieten oder laden diese Modelle und bauen darauf ihre eigenen Produkte.

Daraus entsteht eine Abhängigkeit, über die viel diskutiert wird. Wenn tausende Firmen auf wenigen Modellen aufsetzen, wirken sich deren Schwächen überall gleichzeitig aus. Ein Fehler im Fundament pflanzt sich in jedes darauf gebaute Haus fort. Auch politisch ist das ein Thema, weil die wichtigsten Basismodelle bislang fast alle aus den USA und China kommen.

Vom Rohtraining zur einsatzfähigen Anwendung

Der erste Schritt heißt Vortraining. Das Modell bekommt gewaltige Textmengen vorgesetzt und muss immer wieder erraten, welches Wort als Nächstes kommt. Aus Milliarden solcher Rateversuche entstehen Kenntnisse über Grammatik, Fakten und Zusammenhänge. Niemand bringt dem Modell dabei einzelne Regeln bei, es leitet sie selbst aus den Daten ab.

Danach folgt die Anpassung, im Fachjargon Feintuning genannt. Dabei trainiert man das fertige Modell mit einer vergleichsweise kleinen, sorgfältig ausgewählten Datensammlung weiter. Eine Kanzlei kann so ein allgemeines Sprachmodell auf juristische Texte einstellen. Dieser zweite Schritt kostet nur einen winzigen Bruchteil des Vortrainings, oft nur Stunden Rechenzeit.

Ein häufiger Irrtum: Basismodell und Chatbot sind nicht dasselbe. Ein frisch vortrainiertes Modell führt kein Gespräch, es setzt nur Texte fort. Erst zusätzliche Trainingsrunden mit menschlichem Feedback machen daraus einen höflichen, hilfsbereiten Assistenten. Was du in einer Chat-App benutzt, ist also ein Basismodell plus mehrere Veredelungsschritte.

Welche Basismodelle dir tatsächlich begegnen

Die bekanntesten Vertreter tragen Namen wie GPT, Gemini, Claude oder Llama. Steht in einer Nachricht, ein Unternehmen habe ein neues Modell veröffentlicht, geht es fast immer um ein Basismodell. Auch Bildgeneratoren wie Stable Diffusion gehören dazu, nur eben für Bilder statt Texte.

Im Alltag merkst du davon meist nichts, weil das Modell unter der Oberfläche arbeitet. Die Suchzusammenfassung bei Google, die Textvorschläge in einer Büro-Software, die Autokorrektur auf dem Handy: dahinter steckt oft ein Basismodell. Viele Unternehmen nennen gar nicht, welches sie verwenden.

Für Anleger und Wirtschaftsredaktionen ist der Begriff wichtig, weil er erklärt, wohin das Geld fließt. Wer ein Basismodell besitzt, kontrolliert eine Infrastruktur, auf die andere angewiesen sind. Der europäische AI Act, das KI-Gesetz der EU, behandelt besonders leistungsfähige Basismodelle deshalb als eigene Kategorie mit strengeren Pflichten.