Der Trend, kostengünstige KI-Modelle auf der Grundlage unternehmenseigener Daten und Fachkenntnisse feinabzustimmen (Fine-Tuning), entwickelt sich zu einem Gegengewicht zu den fortschrittlichen KI-Modellen von OpenAI und Anthropic.
Früher konnten spezialisierte KI-Modelle in den Bereichen Recht, Medizin oder Bildung nur mit älteren KI-Generationen mithalten, doch jüngste Tests zeigen, dass sich die Lücke erheblich schließt.
Harvey AI hat das Modell Kimi 2.6 für den Rechtssektor feinfühlig angepasst, wodurch die Leistung um fast 40 % gesteigert und ein Niveau erreicht wurde, das den fortschrittlichen KI-Modellen entspricht – und das zu nur etwa 1/11 der Kosten.
Dieser Vorteil schrumpfte jedoch schnell, als Anthropic eine neue Opus-Version mit höherer Leistung im selben Test herausbrachte.
Bridgewater Associates arbeitete mit dem Thinking Machines Lab zusammen, um das Modell Qwen3-235B mithilfe interner Daten, Prozesse und der Erfahrung des Investmentteams feinabzustimmen.
Das optimierte Modell erreichte eine Genauigkeit von etwa 85 % und reduzierte Fehler bei Finanzanalyseaufgaben im Vergleich zu fortschrittlichen KI-Modellen um fast 30 %, bei Kosten von nur etwa 1/14.
Der Erfolg resultiert daraus, dass das Modell nicht nur die richtige Antwort lernt, sondern auch, wie die Experten von Bridgewater in ihrer täglichen Arbeit tatsächlich Entscheidungen treffen.
Der Artikel prognostiziert die Entstehung von Unternehmen, die sich auf den Aufbau und die Pflege maßgeschneiderter KI-Modelle für einzelne Organisationen spezialisieren, anstatt nur den Zugang zu Basismodellen zu verkaufen.
Microsoft warnte Unternehmen außerdem davor, sich von einer kleinen Anzahl geschlossener KI-Modelle abhängig zu machen, da das Risiko bestehe, die Kontrolle über Daten und den Wert des Wissenskapitals zu verlieren.
Der Artikel wirft gleichzeitig die Frage auf, ob Mitarbeiter bereit sind, ihr über Jahre hinweg angesammeltes Wissen weiterzugeben, um die KI für das Unternehmen zu trainieren, wenn dies ihre eigene Rolle schwächen könnte.
📌 Fazit: Der KI-Wettbewerb verlagert sich von der Entwicklung des leistungsstärksten Modells hin zur Nutzung des unternehmenseigenen Wissens. Praxisversuche wie Harvey AI oder Bridgewater belegen, dass kostengünstige Modelle nach einer Feinabstimmung mit internen Daten und Erfahrungen die Leistung fortschrittlicher KI-Modelle zu einem Bruchteil der Kosten (etwa 1/11 bis 1/14) erreichen oder übertreffen können. Wenn sich dieser Trend fortsetzt, könnte sich der Vorteil von den Anbietern von KI-Modellen hin zu den Unternehmen verlagern, die über proprietäre Daten, Prozesse und Fachwissen verfügen.
