--- id: CP-268 slug: offene-vs-proprietaere-ki-modelle lang: de title: Offene oder proprietäre KI-Modelle description: "Modell mit veröffentlichten Gewichten oder Online-Dienst: was das für Unternehmensdaten ändert und was Beschäftigte tun oder meiden." canonical_url: https://startbrain.io/cyberpedia/de/articles/offene-vs-proprietaere-ki-modelle/ markdown_url: https://startbrain.io/cyberpedia/de/articles/offene-vs-proprietaere-ki-modelle.md publisher: Brain (https://startbrain.io) license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) cite_as: Brain, „Offene oder proprietäre KI-Modelle“, Cyberpedia, 2026. https://startbrain.io/cyberpedia/de/articles/offene-vs-proprietaere-ki-modelle/ (CC BY 4.0) wing: 4 theme: authorized_tools reflex: air-023 schema: G3 updated: "2026-11-03" translations: de: https://startbrain.io/cyberpedia/de/articles/offene-vs-proprietaere-ki-modelle/ fr: https://startbrain.io/cyberpedia/fr/articles/modeles-ouverts-vs-proprietaires-ia/ en: https://startbrain.io/cyberpedia/en/articles/open-weights-vs-proprietary-ai-models/ es: https://startbrain.io/cyberpedia/es/articles/modelos-abiertos-vs-propietarios-ia/ sources: - "n": 1 title: "LLaMA: Open and Efficient Foundation Language Models" publisher: arXiv url: https://arxiv.org/abs/2302.13971 published: "2023-02-27" accessed: "2026-11-03" - "n": 2 title: Mistral 7B publisher: arXiv url: https://arxiv.org/abs/2310.06825 published: "2023-10-10" accessed: "2026-11-03" - "n": 3 title: The Llama 3 Herd of Models publisher: arXiv url: https://arxiv.org/abs/2407.21783 published: "2024-07-31" accessed: "2026-11-03" - "n": 4 title: Guidelines for secure AI system development publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development published: "2023-11-27" accessed: "2026-11-03" - "n": 5 title: "IA : comment être en conformité avec le RGPD ?" publisher: CNIL url: https://www.cnil.fr/fr/intelligence-artificielle/ia-comment-etre-en-conformite-avec-le-rgpd published: "2022-04-05" accessed: "2026-11-03" - "n": 6 title: LLMRisks Archive publisher: OWASP url: https://genai.owasp.org/llm-top-10/ accessed: "2026-11-03" - "n": 7 title: Principles for security of Machine learning ML publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/machine-learning-principles published: "2024-05-22" accessed: "2026-11-03" - "n": 8 title: AI Risk Management Framework publisher: NIST url: https://www.nist.gov/itl/ai-risk-management-framework accessed: "2026-11-03" --- # Offene oder proprietäre KI-Modelle Ein KI-Assistent beruht auf einem Sprachmodell. Dieses Modell kann als Dateien verbreitet werden, die jeder herunterladen und auf dem eigenen Rechner betreiben kann. Man spricht dann von einem Modell mit veröffentlichten Gewichten oder von einem „offenen“ Modell. Es kann aber auch beim Anbieter bleiben, der es nur über einen Online-Dienst zugänglich macht. Dann spricht man von einem proprietären Modell. Für Beschäftigte liegt der Unterschied weniger in der Qualität der Antworten als in einer einfachen Frage: Wohin gehen die Daten, die man eingibt, und wer ist dafür verantwortlich? Diese Seite erklärt beide Fälle und was Brain in jedem Fall erwartet. ## In 30 Sekunden - Wo es vorkommt: in jedem KI-Werkzeug, ob als Online-Dienst oder als heruntergeladenes und auf einem Arbeitsplatzrechner installiertes Modell. - Was sich ändert: Bei einem Online-Dienst gehen Ihre Daten an einen Hosting-Anbieter. Bei einem offenen Modell hängt alles davon ab, wo es läuft und wer es installiert hat und aktualisiert. - Das Risiko: Auch ein „offenes“ Modell unterliegt einer Lizenz und birgt Risiken, und es schützt die Daten nicht, wenn es über einen Drittdienst genutzt wird. - Der Reflex: Nutzen Sie nur die von Brain zugelassenen KI-Werkzeuge, installieren Sie kein heruntergeladenes Modell ohne Freigabe und geben Sie keine sensiblen Daten in einen nicht zugelassenen Dienst ein. - Wenn es schon passiert ist: Informieren Sie das Sicherheitsteam von Brain unverzüglich und nennen Sie, welche Daten eingegeben oder welches Modell installiert wurde. ## Direkte Fragen ### Was ist der Unterschied zwischen einem offenen und einem proprietären Modell? Ein offenes Modell wird veröffentlicht, statt hinter einem Dienst zu bleiben. Zwei Beispiele sind in den hier zitierten Quellen belegt: LLaMA, im Februar 2023 von einem Forschungsteam vorgestellt, das schreibt: „We release all our models to the research community“ [1], und Mistral 7B, veröffentlicht unter der Apache-2.0-Lizenz [2]. Ein proprietäres Modell lässt sich nur über einen Online-Dienst nutzen: Die Nutzerin oder der Nutzer sendet den Text und erhält eine Antwort, ohne das Modell zu sehen. ### Wohin gehen meine Daten? Bei einem Online-Dienst verlässt der eingegebene Text das Unternehmen und wird vom Anbieter verarbeitet. Die Leitlinien des britischen NCSC betreffen denn auch Systeme, die von einer Organisation gehostete Modelle oder externe Schnittstellen (APIs) nutzen, und verlangen KI-Systeme, die arbeiten, ohne sensible Daten unbefugten Dritten offenzulegen [4]. Bei einem offenen Modell, das auf einem Arbeitsplatzrechner oder einem internen Server installiert ist, kann die Verarbeitung vor Ort bleiben. Die Modelle selbst schreiben das nicht vor: Alles hängt davon ab, wo sie laufen. ### Schützt ein offenes Modell meine Daten? Nicht automatisch. Wird ein offenes Modell über einen Drittdienst genutzt, läuft die Eingabe über diesen Dienst, genau wie bei einem proprietären Modell. Entscheidend ist, wo die Verarbeitung stattfindet, nicht ob das Modell offen ist. ### Wer aktualisiert das Modell, und wer ist dafür verantwortlich? Bei einem Online-Dienst bleibt das Modell beim Anbieter. Bei einem heruntergeladenen Modell liegt es bei dem, der es installiert hat, und niemand sonst kümmert sich darum. Die NCSC-Leitlinien ordnen die Verwaltung von Updates der Phase „Betrieb und Wartung“ eines KI-Systems zu und die Sicherheit der Lieferkette der Entwicklungsphase [4]. Bei personenbezogenen Daten wirft die CNIL die Frage auf, wie die Verantwortlichkeiten verteilt sind, wenn ein KI-System von einem Anbieter geliefert und von einem Dritten genutzt wird [5]. ### Darf der Anbieter verwenden, was ich eingebe, ein weiteres Mal? Die CNIL führt aus, dass ein Anbieter eines KI-Systems Daten, die ihm ein Verantwortlicher anvertraut hat, rechtmäßig weiterverwenden darf, wenn mehrere Bedingungen erfüllt sind: Genehmigung des Verantwortlichen, Kompatibilitätsprüfung, Information und Wahrung der Rechte der betroffenen Personen sowie Konformität der neuen Verarbeitung [5]. Deshalb lohnt sich ein Werkzeug, dessen Bedingungen Brain geprüft hat. ## Wie es funktioniert Ein Sprachmodell wird mit einer großen Menge an Texten trainiert und dient dann dazu, auf eine Anweisung hin eine Textfortsetzung vorherzusagen [7]. Die LLaMA-Forschenden haben gezeigt, dass sich ein Spitzenmodell allein mit öffentlichen Daten trainieren lässt und dass LLaMA-13B GPT-3 (175B) in den meisten Tests übertraf [1]. Mistral 7B mit 7 Milliarden Parametern übertrifft Llama 2 13B in allen ausgewerteten Tests [2]. Das größte Llama-3-Modell hat 405 Milliarden Parameter, und seine Autoren sehen seine Qualität bei vielen Aufgaben auf dem Niveau von GPT-4 [3]. Sie haben dieses Modell veröffentlicht, ebenso Llama Guard 3, ein Modell zur Kontrolle von Eingaben und Ausgaben [3]. Für das Unternehmen betrifft die Entscheidung also drei Punkte: wo das Modell gehostet wird, wer es aktualisiert und wer bei einem Vorfall verantwortlich ist. Die Antwort fällt je nach Werkzeug anders aus. Deshalb gilt die Liste der zugelassenen Werkzeuge als Regel. ## Was Sie tun - Nutzen Sie nur die von Brain zugelassenen KI-Werkzeuge, egal ob sie auf einem offenen oder einem proprietären Modell beruhen. - Installieren Sie kein heruntergeladenes Modell auf einem Arbeitsplatzrechner ohne Freigabe des Sicherheitsteams. - Geben Sie keine sensiblen Daten in einen nicht zugelassenen Dienst ein: Daten von Kunden, von Kolleginnen und Kollegen, Gesundheitsdaten, Geschäftsgeheimnisse. - Verwenden Sie für einen Test lieber fiktive Daten, also Daten mit derselben Struktur wie die echten, aber ohne Bezug zu einer Person. Die CNIL nennt Tests mit fiktiven Daten, um zu bestimmen, welche Daten ein KI-System benötigt [5]. - Fragen Sie bei Zweifeln an einem Werkzeug nach, bevor Sie es nutzen. - Wenn Sie bereits Daten in einen nicht zugelassenen Dienst eingegeben oder ein Modell installiert haben, melden Sie das sofort. ## Die Fallstricke ### „Offen“ heißt nicht ohne Lizenz Mistral 7B wird unter der Apache-2.0-Lizenz veröffentlicht [2]. Ein offenes Modell wird also mit einer Lizenz veröffentlicht, die seine Nutzungsbedingungen festlegt. Die hier zitierten Quellen gehen nicht auf die Lizenzen der anderen Modelle ein: Gehen Sie nicht davon aus, dass jede Nutzung erlaubt ist. ### Ein heruntergeladenes Modell kann manipuliert oder verzerrt sein Die OWASP nennt unter den zehn Risiken 2025 für generative KI-Anwendungen die Lieferkette der Modelle, die verschiedenen Schwachstellen ausgesetzt ist, sowie die Vergiftung von Daten und Modellen [6]. Sie führt auch Fehlinformation auf, und zwar als zentrale Schwäche von Anwendungen, die sich auf Modelle stützen [6]. Eine Modelldatei von einer beliebigen Website wurde von Brain nicht geprüft. Das NCSC zählt die Sicherheit der Lieferkette im Übrigen zu den Punkten, die schon bei der Entwicklung eines KI-Systems zu behandeln sind [4]. ### Ein Modell kann personenbezogene Daten gespeichert haben Die CNIL stellt fest, dass zahlreiche Studien gezeigt haben, dass große Sprachmodelle dazu neigten, Elemente ihrer Trainingsdaten zu „memorieren“: Name, Vorname, Adresse, Telefonnummer, Kreditkartennummer [5]. Ein erfolgreicher Angriff auf die Vertraulichkeit eines Modells kann eine Datenschutzverletzung darstellen [5]. Das gilt für ein offenes Modell ebenso wie für ein proprietäres. ### Ein Modell, das weiterlernt Manche Systeme verwenden die eingegebenen Daten, um sich zu verbessern, was das NCSC als kontinuierliches Lernen bezeichnet [7]. Die CNIL weist darauf hin, dass diese Funktionsweise Fragen des Datenschutzes aufwirft, weil die Daten dann zwei verschiedenen Zwecken dienen [5]. Was ein Dienst mit den Eingaben macht, gehört zu den Bedingungen, die man vor der Zulassung kennen sollte. ### Ein Regelwerk in Bewegung Der Rahmen des NIST für das Management von KI-Risiken, dessen Anwendung freiwillig ist, wurde am 26. Januar 2023 veröffentlicht und am 26. Juli 2024 um ein Profil zur generativen KI ergänzt [8]. Die NIST-Seite gibt an, dass die Version 1.0 überarbeitet wird [8]. Die Empfehlungen entwickeln sich weiter: Die Regeln von Brain bleiben dagegen die Regeln des Unternehmens. ## Reale Fälle ### 27. Februar 2023: LLaMA Ein Forschungsteam stellt LLaMA vor, eine Sammlung von Modellen mit 7 bis 65 Milliarden Parametern, die ausschließlich mit öffentlichen Datensätzen trainiert wurden, und veröffentlicht alle seine Modelle für die Forschungsgemeinschaft [1]. ### 10. Oktober 2023: Mistral 7B Mistral 7B v0.1, ein Modell mit 7 Milliarden Parametern, wird unter der Apache-2.0-Lizenz veröffentlicht, mit einer Version, die darauf feinabgestimmt ist, Anweisungen zu befolgen [2]. ### 31. Juli 2024: Llama 3 Die Llama-3-Familie wird vorgestellt, mit einem Modell mit 405 Milliarden Parametern und einem Kontextfenster von bis zu 128 000 Token. Die vortrainierte und die nachtrainierte Version des größten Modells werden veröffentlicht. Die Versionen, die Bild, Video und Sprache hinzufügen, werden nicht breit verbreitet, weil sie laut den Autoren noch in Entwicklung sind [3]. ## Quellen 1. arXiv, „LLaMA: Open and Efficient Foundation Language Models“, 27. Februar 2023. https://arxiv.org/abs/2302.13971 (abgerufen am 3. November 2026) 2. arXiv, „Mistral 7B“, 10. Oktober 2023. https://arxiv.org/abs/2310.06825 (abgerufen am 3. November 2026) 3. arXiv, „The Llama 3 Herd of Models“, 31. Juli 2024. https://arxiv.org/abs/2407.21783 (abgerufen am 3. November 2026) 4. NCSC (Royaume-Uni), „Guidelines for secure AI system development“, 27. November 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (abgerufen am 3. November 2026) 5. CNIL, „IA : comment être en conformité avec le RGPD ?“, 5. April 2022. https://www.cnil.fr/fr/intelligence-artificielle/ia-comment-etre-en-conformite-avec-le-rgpd (abgerufen am 3. November 2026) 6. OWASP, „LLMRisks Archive“. https://genai.owasp.org/llm-top-10/ (abgerufen am 3. November 2026) 7. NCSC (Royaume-Uni), „Principles for security of Machine learning ML“, 22. Mai 2024. https://www.ncsc.gov.uk/collection/machine-learning-principles (abgerufen am 3. November 2026) 8. NIST, „AI Risk Management Framework“. https://www.nist.gov/itl/ai-risk-management-framework (abgerufen am 3. November 2026) --- Originalquelle: Cyberpedia, die öffentliche Enzyklopädie zu Cybersicherheit und KI von Brain. Kanonische Version: https://startbrain.io/cyberpedia/de/articles/offene-vs-proprietaere-ki-modelle/ Sie dürfen diesen Text unter der Lizenz CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) frei weiterverwenden, sofern Sie „Brain, Cyberpedia“ mit einem Link auf die obige Adresse nennen.