Der Kernunterschied: Bekommst du das Modell oder nur den Zugang?
Proprietäre Modelle wie GPT, Claude oder Gemini nutzt du ausschließlich über die Schnittstelle des Anbieters – du bekommst nie das Modell selbst, sondern schickst deine Anfrage hin und erhältst eine Antwort zurück. Offene Modelle wie Llama oder Mistral veröffentlichen ihre „Gewichte“ (das trainierte Modell): Du kannst sie herunterladen und auf eigener Infrastruktur selbst betreiben. Das ist der eigentliche Unterschied – nicht die Qualität der Antworten, sondern wer das Modell in der Hand hat.
„Offen“ ist ein Spektrum
Wichtig für die Einordnung: „open“ ist keine klare Ja/Nein-Grenze. Viele Modelle veröffentlichen zwar die Gewichte, aber nicht die Trainingsdaten – und die Lizenz kann kommerzielle Nutzung einschränken. „Offene Gewichte“ heißt also nicht automatisch „frei für alles“. Beim Begriff „Open Source“ lohnt deshalb immer der Blick in die konkrete Lizenz.
Was das praktisch bedeutet
Datenhoheit & Kontrolle
Ein offenes Modell kannst du im eigenen Haus betreiben – die Daten verlassen dann nie deine Infrastruktur (siehe Modul 7 und 20). Bei proprietären Modellen gehen die Eingaben an den Anbieter, mit den bekannten Bedingungen (AVV, Trainings-Opt-out – siehe Modul 7).
Kosten
Proprietär heißt: Bezahlung pro Nutzung, keine eigene Infrastruktur nötig. Offen heißt: keine Lizenzgebühr pro Anfrage, dafür Kosten für Hosting und das nötige Know-how, das Modell überhaupt zu betreiben.
Leistung & Aufwand
Die absolute Leistungsspitze liegt oft bei proprietären Modellen, und sie sind schlüsselfertig. Offene Modelle haben stark aufgeholt, verlangen aber echte technische Kompetenz im Betrieb.
Flexibilität & Lock-in
Offene Modelle vermeiden Abhängigkeit von einem einzelnen Anbieter und lassen sich tiefer anpassen (auch feintunen, siehe Modul 16). Proprietär ist bequemer, bindet dich aber an einen Anbieter.
Warum das für dich als Entscheider zählt
Für die meisten Unternehmen ist ein proprietäres Modell über die Schnittstelle der pragmatische Standard: schlüsselfertig, an der Leistungsspitze, geringer Aufwand. Open Source wird interessant, wenn Datenhoheit oberste Priorität hat, wenn die technische Kompetenz im Haus ist oder wenn sehr hohes Anfragevolumen die Wirtschaftlichkeit kippt. Es ist eine Frage der Passung, nicht der Ideologie – und oft ist die Antwort ein Hybrid: proprietär für den Großteil, ein selbst gehostetes offenes Modell für den besonders sensiblen Teil.