In diesem Artikel
- Machbarkeitsstudie: Kann man eine KI bauen, die mit Claude und ChatGPT konkurriert? Und was kostet das?
- Was bedeutet „mit Claude und ChatGPT konkurrieren“ eigentlich?
- Weg eins: ein Frontier-Modell von Grund auf – astronomische Kosten
- Weg zwei: ein souveränes oder spezialisiertes Modell – eine große strategische Investition
- Weg drei: auf einem offenen Modell aufbauen – der klügste Weg für 99 % der Unternehmen
- Die drei Wege im Vergleich
- Die Open-Source-Option im Detail: Welches Modell, und wie baut man darauf auf?
- Die Empfehlung der Origami-Experten
- Wie Origami hilft
- Quellen
Machbarkeitsstudie: Kann man eine KI bauen, die mit Claude und ChatGPT konkurriert? Und was kostet das?
Die ehrliche Antwort der Origami-Experten: Ein Frontier-Modell in der Größenordnung von Claude oder ChatGPT von Grund auf zu bauen, kostet Hunderte Millionen bis über eine Milliarde Dollar und ist realistisch nur für Mega-Labore und Staaten erreichbar. Doch das Wort „konkurrieren“ hat drei sehr unterschiedliche Kostenbedeutungen – und für ein gewöhnliches Unternehmen kostet der kluge Weg nur einen winzigen Bruchteil davon. Diese Studie schlüsselt die drei Wege und die Kosten jedes einzelnen ehrlich auf.
Was bedeutet „mit Claude und ChatGPT konkurrieren“ eigentlich?
Bevor man über Kosten spricht, muss man den Anspruch klären, denn der Abstand zwischen den Wegen wird in Tausendfachen gemessen:
- Ein Frontier-Modell von Grund auf: Sie bauen ein neues „Gehirn“, das in allem mit den neuesten Modellen der Welt konkurriert.
- Ein souveränes oder spezialisiertes Modell: Sie bauen ein kleineres Modell oder trainieren ein offenes Modell weiter, um eine Sprache, eine Branche oder ein Land zu bedienen.
- Auf einem offenen Modell aufbauen: Sie nehmen ein fertiges offenes Modell und schneiden es auf Ihre Daten zu, damit es in Ihrem eigenen Fachgebiet gewinnt.
Weg eins: ein Frontier-Modell von Grund auf – astronomische Kosten
Das ist der schwierigste und teuerste Weg. Laut Epoch AI, das sich auf die Verfolgung von Trainingskosten spezialisiert hat, steigen die Kosten für das Training von Frontier-Modellen jährlich etwa um den Faktor 2,4, und die größten Trainingsläufe sollen bis 2027 die Marke von einer Milliarde Dollar überschreiten – womit sie „für alle außer den finanzstärksten Organisationen unerreichbar“ werden. Die Kosten verteilen sich auf Hardware (47–67 %), Gehälter des F&E-Personals (29–49 %) und Energie (2–6 %).
In der Praxis bedeutet das Zehntausende GPUs (eine H100 kostet etwa 25.000–40.000 $, eine B200 etwa 30.000–50.000 $), die einen Cluster im Wert von Hunderten Millionen bilden, dazu Spitzenforscher, die jeweils über eine Million Dollar verdienen, riesige Datensätze und jahrelange Arbeit. Das Ergebnis: keine Option für ein Unternehmen, sondern für Labore wie OpenAI, Anthropic, Google und DeepSeek oder große nationale Programme.
Weg zwei: ein souveränes oder spezialisiertes Modell – eine große strategische Investition
Hier konkurrieren Sie nicht weltweit in allem; Sie bauen ein kleineres Modell (oder trainieren ein offenes Modell intensiv weiter), um in einer Sprache oder Branche herauszuragen. Saudi-Arabien ist mit seinem Vorstoß in souveräne KI ein klares Beispiel, etwa mit dem Unternehmen HUMAIN und dem Modell „ALLaM“ der Saudischen Behörde für Daten und Künstliche Intelligenz (SDAIA). Dieser Weg kostet zwischen Millionen und Dutzenden Millionen Dollar und erfordert ein spezialisiertes Forschungsteam, einen Rechencluster, saubere Daten und 6 bis 18 Monate. Er passt zu Regierungen und Großunternehmen mit einem strategischen Ziel.
Weg drei: auf einem offenen Modell aufbauen – der klügste Weg für 99 % der Unternehmen
Hier liegt die praktische Antwort. Sie nehmen ein starkes Open-Weight-Modell (DeepSeek V4, Qwen, Llama oder GLM) und schneiden es per Fine-Tuning und Retrieval-Augmented Generation (RAG) auf Ihre Daten zu. Sie schlagen ChatGPT nicht in allem – Sie schlagen es in Ihrem Fachgebiet, Ihrer Sprache und mit Ihren Daten, und genau das zählt für Ihr Geschäft. Die Kosten sinken hier von „astronomisch“ auf eine Spanne zwischen Zehntausenden und einigen Millionen Riyal, je nach Anspruch und Infrastruktur, in Wochen bis Monaten. Ein Bonus: Sie können es selbst hosten, sodass Ihre Daten bei Ihnen bleiben – wichtig nach dem Gesetz zum Schutz personenbezogener Daten (PDPL).
Die drei Wege im Vergleich
| Option | Was es ist | Geschätzte Kosten | Zeit | Für wen es passt |
|---|---|---|---|---|
| Frontier-Modell von Grund auf | Ein Modell in der Größenordnung von Claude/GPT, komplett neu gebaut | Hunderte Millionen bis über eine Milliarde Dollar | Jahre | Mega-Labore und Staaten |
| Souveränes oder spezialisiertes Modell | Ein kleineres Modell oder intensives Weitertraining eines offenen Modells | Millionen bis Dutzende Millionen Dollar | 6–18 Monate | Regierungen und Großunternehmen |
| Auf einem offenen Modell aufbauen | Ein offenes Modell auf Ihre Daten zuschneiden (Fine-Tuning + RAG) | Zehntausende bis einige Millionen Riyal | Wochen bis Monate | Die meisten Unternehmen |
Selten müssen Sie einen neuen Motor bauen; meist müssen Sie um einen vorhandenen Motor herum das richtige Auto für Ihre Straße bauen.
Die Open-Source-Option im Detail: Welches Modell, und wie baut man darauf auf?
Da der Aufbau auf einem offenen Modell für die meisten Unternehmen der richtige Weg ist, hier die praktischen Details: welche Modelle Sie wählen, wie Sie darauf aufbauen und was jeder Ansatz kostet.
Die führenden offenen Modelle im Jahr 2026:
| Modell | Hersteller | Bekannt für |
|---|---|---|
| DeepSeek V4 | DeepSeek | Das stärkste Open-Source-Modell für agentisches Programmieren – und das günstigste |
| Qwen3-Coder | Alibaba | Auf Code spezialisiert und mehrsprachig |
| GLM-5.2 | Z.ai | Programmieren über lange Horizonte und ein Kontext von 1M Token |
| Llama 4 | Meta | Ein riesiges Tool-Ökosystem und breite Unterstützung durch die Community |
| Kimi K2 | Moonshot | Langer Kontext und starke allgemeine Leistung |
Wie baut man darauf auf? Vier Ansätze, mit steigenden Kosten und steigendem Aufwand:
- 1) Direkte Nutzung + Prompt-Engineering: Sie betreiben das Modell unverändert (über eine Cloud-API oder selbst gehostet) und steuern es mit klugen Anweisungen, ganz ohne Training. Am günstigsten und schnellsten – Tage bis Wochen, von Tausenden bis Zehntausenden Riyal.
- 2) Retrieval-Augmented Generation (RAG): Sie verbinden das Modell mit Ihrer Wissensdatenbank und Ihren Dokumenten, sodass es aus Ihren eigenen Daten antwortet, ohne trainiert zu werden – ideal für einen Wissensassistenten, der Ihre Produkte und Richtlinien kennt. Wochen, Zehntausende Riyal.
- 3) Fine-Tuning / LoRA: Sie trainieren das Modell mit Beispielen aus Ihrem Fachgebiet und Ihrem Stil, damit es Ihre konkrete Aufgabe beherrscht (Tonfall, Klassifizierung, Ausgabeformat). Wochen bis Monate, Zehntausende bis Hunderttausende Riyal.
- 4) Fortgesetztes Pretraining: Sie füttern das Modell mit großen Mengen an Daten aus Ihrem Fachgebiet oder Ihrer Sprache, um sein Wissen grundlegend zu vertiefen – das Leistungsstärkste und Teuerste, nahe am „souveränen Weg“. Monate, ab Hunderttausenden aufwärts.
Self-Hosting und Datenschutz: Der große Vorteil offener Modelle ist, dass Sie sie auf Ihrer eigenen Infrastruktur betreiben (einer privaten Cloud oder lokalen Servern), sodass Ihre Daten Ihre Organisation nie verlassen – entscheidend nach dem Gesetz zum Schutz personenbezogener Daten (PDPL). Sie brauchen GPUs, die zur Modellgröße passen (von einer einzigen Karte für kleine Modelle bis zu einem Cluster für große), und wägen feste Hosting-Kosten gegen die nutzungsabhängigen Kosten einer Cloud-API ab.
Die Empfehlung der Origami-Experten
Versuchen Sie nicht, die Mega-Labore in ihrem eigenen Spiel beim Training zu übertreffen – das ist eine Schlacht um Milliarden. Der kluge Schritt ist eine spezialisierte Lösung auf einem offenen Modell, die in Ihrem Fachgebiet, Ihrer arabischen Sprache, beim Schutz Ihrer Daten und bei Ihren Kosten gewinnt. Dieser Weg ist erreichbar, bringt eine hohe Rendite und gibt Ihnen „Ihre eigene KI“ ohne die Milliardenrechnung.
Wie Origami hilft
Bei Origami prüfen wir zuerst die Machbarkeit, wählen dann den richtigen Weg und das richtige Modell für Ihr Ziel und Budget, schneiden das Modell auf Ihre Daten zu (Fine-Tuning + RAG), hosten es selbst für vollständigen Datenschutz und verbinden es über MCP mit Ihren Systemen und Agenten. Das Ziel ist eine KI, die in Ihrem Fachgebiet konkurriert – zu realistischen, gut durchdachten Kosten.
Quellen
- Epoch AI – die Kosten für das Training von Frontier-Modellen: epoch.ai
- Saudische Behörde für Daten und Künstliche Intelligenz (SDAIA): sdaia.gov.sa
Die Hardware-Kostenangaben sind Marktschätzungen für NVIDIA-GPUs zum Zeitpunkt der Veröffentlichung und können sich ändern.
Häufige Fragen
Kann ich mit einem Unternehmensbudget ein Modell wie ChatGPT bauen?
Nicht von Grund auf – ein Frontier-Modell kostet Hunderte Millionen bis über eine Milliarde Dollar und bleibt Mega-Laboren und Staaten vorbehalten. Sie können aber „Ihre eigene KI“ bauen, die in Ihrem Fachgebiet konkurriert, indem Sie ein offenes Modell auf Ihre Daten zuschneiden – ab Zehntausenden Riyal.
Was ist der günstigste Weg für den Einstieg?
Auf einem Open-Weight-Modell (etwa DeepSeek oder Qwen) aufzubauen und es mit Fine-Tuning und RAG auf Ihre Daten zuzuschneiden. Für einen spezialisierten Assistenten beginnt das bei Zehntausenden Riyal und steigt mit Datenmenge, Infrastruktur und Self-Hosting.
Kann ein zugeschnittenes offenes Modell wirklich mithalten?
Ja, aber auf dem richtigen Schlachtfeld: Es wird ChatGPT nicht in allem schlagen, aber es schlägt ChatGPT in Ihrem Fachgebiet, in Ihrer arabischen Sprache, mit Ihren eigenen Daten, beim Datenschutz und bei den Kosten – und genau das zählt für Ihr Geschäft in der Regel wirklich.
Was genau kostet ein Frontier-Modell von Grund auf?
Laut Epoch AI steigen die Kosten jährlich etwa um den Faktor 2,4, und die größten Trainingsläufe sollen bis 2027 die Marke von einer Milliarde Dollar überschreiten – noch vor F&E-Gehältern (bis zur Hälfte der Kosten), Infrastruktur und Energie. In der Praxis: Hunderte Millionen bis Milliarden, weshalb es wenigen der finanzstärksten Organisationen vorbehalten ist.
Folgen Sie Origami bei Google
Legen Sie Origami als bevorzugte Quelle fest, dann erscheinen unsere Artikel bei Ihnen zuerst in der Google-Suche und in den Top-Meldungen.
