Stellen Sie sich vor, Sie mieten eine Wohnung, und die Miete wird jeden Monat günstiger – bis sie fast nichts mehr kostet. Gleichzeitig können Sie die Wohnung kaufen, ohne den Vermieter um Erlaubnis zu bitten. Genau das passiert gerade mit Künstlicher Intelligenz. Der neueste Report von Mozilla, verfasst von CTO Raffi Krikorian, zeichnet ein klares Bild: Open-Source-KI hat die geschlossenen Modelle nicht nur eingeholt, sondern in der Breite überholt. Die Zukunft gehört offenen Modellen, aber der Weg dorthin ist noch nicht geebnet.
Die Lücke schließt sich – und öffnet sich wieder
Krikorian erinnert an die Anfänge des Webs, als eine Firma die Tür zur digitalen Welt kontrollieren wollte. Die Open-Source-Community sorgte damals dafür, dass niemand allein den Zugang besitzt. Heute spielt sich ein ähnliches Drama in der KI-Welt ab. Die Kennzahlen des Reports: Die sogenannte „Capability Gap“ zwischen offenen und geschlossenen Modellen ist auf wenige Prozentpunkte geschrumpft. Vor zwei Jahren betrug sie noch über acht Prozent. Im August 2024 lag sie bei 0,5 Prozent – praktisch gleichauf. DeepSeek-R1 zog zeitweise sogar an den besten US-Modellen vorbei. Aktuell hat sich der Abstand auf 3,3 Prozent vergrößert, weil geschlossene Modelle bei Reasoning und langen Kontexten die Nase vorn haben. Aber das ist ein Durchschnitt. Beim Programmieren, bei der Anweisungsbefolgung und bei allgemeinem Wissen sind offene Modelle gleich gut oder besser. Nicht mehr die Frage ist, ob Open Source gut genug ist, sondern welches Modell zu Ihrer Aufgabe passt.
Der Preisverfall: 50-mal günstiger in drei Jahren
Ein weiterer Befund: Die Kosten für Inferenz sind in 36 Monaten um das 50-Fache gefallen. Was früher 20 Dollar pro Million Tokens kostete – etwa die Leistung von GPT-4 –, liegt heute bei 40 Cent. Das ist schneller als der Preisverfall von PC-Rechenleistung oder Internetbandbreiten in den Dotcom-Jahren. Krikorian vergleicht die Entwicklung mit dem Mooreschen Gesetz, nur dass die KI-Kurve noch steiler ist. Offene Modelle profitieren: Auf der Plattform OpenRouter fließen inzwischen die meisten Tokens durch offene Modelle. Die fünf volumenstärksten Modelle sind allesamt Open Weights – darunter DeepSeek, Xiaomi, Tencent und MiniMax. Geschlossene Modelle wie Claude von Anthropic folgen erst auf den Plätzen sechs bis neun. Das Verhältnis wöchentlicher Tokens zwischen chinesischen offenen und US-amerikanischen geschlossenen Modellen beträgt mehr als drei zu eins.
Adoption hoch, Produktion niedrig – die operative Lücke
Trotz dieser Erfolge zeigt der Mozilla-Bericht eine Schwachstelle: die operative Lücke. 79 Prozent der Entwickler, die KI-Funktionen in ihre Anwendungen einbauen, nutzen offene Modelle. Das ist mehr als bei geschlossenen (71 Prozent). Die Hälfte der Teams kombiniert beide Welten. Doch der Weg von der Entwicklung in die Produktion ist holprig. Nur 51 Prozent der Open-Source-Teams bringen ihre Modelle produktiv zum Laufen – gegenüber 63 Prozent bei geschlossenen. Das liegt nicht an der Modellqualität, sondern an fehlenden Werkzeugen für Betrieb und Vertrauen. Krikorian nennt die größten Hürden: Integration in bestehende Systeme, Wartung, Dokumentation und Deployment-Komplexität. Diese Herausforderungen sind in allen Regionen ähnlich. In Südamerika und Westeuropa nutzen Entwickler sogar häufiger geschlossene Modelle, weil der Aufwand für offene Modelle noch zu hoch ist.
Unternehmensgröße spielt eine Rolle – aber nicht die erwartete
Interessant: Die operative Lücke wird mit der Unternehmensgröße nicht kleiner. Bei kleinen Firmen (2–50 Mitarbeiter) schaffen 54 Prozent der Open-Source-Teams den Produktivbetrieb, bei großen Unternehmen (über 1.000 Mitarbeiter) gerade mal 57 Prozent. Bei geschlossenen Modellen steigt die Quote von 54 auf 73 Prozent. Große Firmen können sich durchkaufen – sie zahlen für Managed Services, die den Betrieb vereinfachen. Open Source hingegen wartet auf Werkzeuge, die niemand fertiggestellt hat.
Das Geschäftsmodell hinter der Offenheit
Der Report macht deutlich: Open-Source-KI ist kein Hobbyprojekt, sondern ein Milliardengeschäft. Die Liste der Finanzierungsrunden liest sich wie ein Who’s who der Tech-Szene. DeepSeek aus China sammelte 7,4 Milliarden Dollar bei einer Bewertung von über 50 Milliarden. Mistral AI aus Frankreich wuchs innerhalb von zwölf Monaten von 20 auf 400 Millionen Dollar Jahresumsatz. Databricks erreicht eine Run-Rate von 5,4 Milliarden Dollar. Daneben gibt es etablierte Erlösmodelle: Hosted Inference, Enterprise-Plattformen, On-Premises-Lizenzen, Fine-Tuning-Dienste und Tooling für KI-Agenten. Investoren wie Nvidia, Salesforce, Google und Tencent stecken Milliarden in den offenen Stapel. Das ist kein soziales Projekt – sondern Marktwirtschaft mit einem anderen Eigentumsmodell.
Der offene Stapel: Stark in der Leistung, schwach im Betrieb
Mozilla hat den gesamten Open-Source-AI-Stack analysiert – neun Schichten mit 48 Komponenten, basierend auf 1.361 Projekten. Das Urteil: Die Leistung ist stark (Bewertung 4 von 5), aber die betriebliche Reife ist schwach, besonders bei Standardisierung und Enterprise-Reife. Diese Kältezone zieht sich durch alle Schichten. Krikorian spricht von einer „wiederkehrenden kalten Kante“. Die Community hat hervorragende Modelle gebaut, aber die Werkzeuge, sie zuverlässig in Unternehmen zu betreiben, fehlen. Wer Open Source in der Produktion einsetzen will, muss viel Eigenarbeit investieren oder auf kommerzielle Anbieter wie Together AI oder Fireworks AI zurückgreifen.
Was das für dich bedeutet
Wenn du selbst KI-Anwendungen entwickelst oder einsetzt, ist die Botschaft klar: Du musst dich nicht mehr zwischen Leistung und Kosten entscheiden. Offene Modelle sind billig, leistungsstark und oft besser als geschlossene. Aber du musst den Betrieb organisieren. Die Werkzeuge dafür entstehen gerade – Plattformen wie Hugging Face, LangChain oder Modal bauen die Brücke. In ein bis zwei Jahren wird die operative Lücke wahrscheinlich geschrumpft sein, so wie zuvor die Leistungslücke. Mozilla ruft dazu auf, in offene Standards zu investieren und die Abhängigkeit von einzelnen Anbietern zu vermeiden. Die Geschichte des Webs lehrt uns: Offenheit gewinnt am Ende – aber nur, wenn wir sie aktiv gestalten. Teste offene Modelle, plane Zeit für Deployment und Tooling ein, und sei bereit, deine eigene Infrastruktur zu betreiben. Oder nutze einen Dienst, der das für dich erledigt. Die Wahl ist da – und sie wird immer leichter.
Quelle: stateofopensource.ai
