Modellagnostik

Es gibt heute viele konkurrierende KI-Systeme, die auf Texteingaben antworten: etwa ChatGPT von OpenAI, Claude von Anthropic oder Gemini von Google. Wer ein Programm baut, das so ein System benutzt, muss sich für eines entscheiden. Oder eben nicht. Modellagnostik heißt genau das: Das Programm ist so gebaut, dass es mit mehreren dieser Systeme funktioniert, ohne dass man es umschreiben muss. Das Wort „agnostisch“ kommt aus dem Griechischen und heißt sinngemäß „nicht festgelegt“. Ein modellagnostisches Produkt trifft also bewusst keine dauerhafte Entscheidung darüber, welche KI im Hintergrund rechnet.

Warum niemand sich an einen Anbieter ketten will

Der Markt für KI-Systeme verändert sich extrem schnell. Ein Anbieter, der im Frühjahr die besten Ergebnisse liefert, kann im Herbst abgeschlagen sein. Wer sein Produkt fest an einen einzigen Anbieter gebunden hat, kann darauf kaum reagieren. Ein Wechsel bedeutet dann monatelange Umbauarbeiten. Modellagnostik hält diese Tür offen.

Dazu kommt der Preis. Die Nutzung fremder KI-Systeme wird meist pro verarbeiteter Textmenge abgerechnet, und die Preise fallen seit Jahren stark. Wer flexibel ist, kann einfach zum günstigeren Anbieter wechseln. Wer es nicht ist, zahlt weiter den alten Tarif. In der Wirtschaftspresse heißt das Gegenteil davon „Vendor Lock-in“: die Abhängigkeit von einem Lieferanten, aus der man nur mit hohen Kosten wieder herauskommt.

Ein dritter Grund ist Ausfallsicherheit. Wenn der Dienst eines Anbieters für zwei Stunden nicht erreichbar ist, steht ein festgelegtes Produkt still. Ein modellagnostisches Produkt schaltet in dieser Zeit auf einen Ersatz um. Für Unternehmen, die ihren Kunden Verfügbarkeit vertraglich zusichern, ist das ein handfestes Argument.

Die Zwischenschicht, die alles gleich aussehen lässt

Technisch funktioniert das über eine Zwischenschicht im eigenen Programm. Jeder Anbieter hat eine eigene Schnittstelle, also eine festgelegte Art, wie man ihm Anfragen schickt und Antworten zurückbekommt. Diese Schnittstellen unterscheiden sich in Details: andere Feldnamen, andere Fehlermeldungen, andere Grenzwerte. Die Zwischenschicht übersetzt zwischen dem eigenen Programm und diesen Eigenheiten.

Man kann sich das wie einen Reiseadapter für Steckdosen vorstellen. Das Gerät bleibt dasselbe, der Adapter gleicht die Unterschiede zwischen den Ländern aus. Im eigenen Code steht dann nur noch ein allgemeiner Befehl wie „stelle diese Frage“. Welcher Anbieter sie tatsächlich beantwortet, entscheidet eine Einstellung, die man in Sekunden ändern kann.

Ganz reibungslos ist das aber nie. Die Systeme reagieren unterschiedlich auf dieselbe Anweisung, weil sie verschieden trainiert wurden. Eine sorgfältig formulierte Anweisung, die bei einem Anbieter gute Ergebnisse liefert, kann beim anderen mittelmäßige liefern. Auch spezielle Funktionen einzelner Anbieter fallen weg, wenn man nur den kleinsten gemeinsamen Nenner nutzt. Modellagnostik kostet also Flexibilität nach oben, um Flexibilität beim Wechsel zu gewinnen.

Vom Firmen-Chatbot bis zur Quartalsmeldung

Am sichtbarsten ist das Prinzip bei Programmierwerkzeugen und Chat-Oberflächen, in denen man das gewünschte System per Auswahlmenü umstellt. Auch viele Firmen-Chatbots im Kundenservice sind so gebaut. Der Kunde merkt davon nichts, die IT-Abteilung sehr wohl.

In Wirtschaftsnachrichten taucht der Begriff meist als Verkaufsargument auf. Ein Software-Anbieter betont, seine Lösung sei modellagnostisch, um Kunden die Angst vor einer Fehlentscheidung zu nehmen. Umgekehrt bewerten Analysten es kritisch, wenn ein Unternehmen sein gesamtes Geschäft auf einen einzigen KI-Lieferanten stützt. Solche Abhängigkeiten stehen inzwischen in Risikoberichten von Aktiengesellschaften.

Ein häufiger Irrtum: Modellagnostik heißt nicht, dass die Wahl des Systems egal ist. Die Ergebnisse unterscheiden sich weiterhin deutlich. Sie heißt nur, dass die Wahl jederzeit revidierbar bleibt. Wer bewusst auf ein einziges System setzt, kann dessen Stärken dagegen viel gezielter ausreizen.