Open Source vs. Commercial

ZWEI ANSÄTZE IN DER WELT DER KI-MODELLE

Der schnelle Anstieg im Einsatz von Künstlicher Intelligenz (KI) wirft für Unternehmen entscheidende Fragen auf: Wie wählt man aus dem breiten Angebot an Anbietern und Produkten das richtige KI-Tool aus, und ist es besser, sich für kommerzielle KI-Dienste zu entscheiden oder könnten Open Source-Lösungen vorteilhafter sein? Wir haben diese Fragen untersucht und präsentieren nun die Antworten.

Immer mehr Unternehmen entdecken in der KI eine Möglichkeit ihre Produktivität zu steigern sowie ihre Geschäftsdaten effektiver zu analysieren und zu monetarisieren. Während KI-basierte Tools mittlerweile für nahezu alle Unternehmens- und Aufgabenbereiche verfügbar sind, erlebt derzeit gerade das Marketing eine Revolution. Allerdings ist der Einsatz von KI in diesem Bereich nicht neu.

Bisher half KI zum Beispiel dabei, digitale Inhalte zu verwalten und zu verteilen. Sie übernahm Aufgaben wie das Verschlagworten von Bildern oder die Bildbearbeitung. Heute geht das noch weiter: Eine neue Generation von Software nutzt Generative KI. Diese KI erstellt auf Basis vorhandener Daten ganz neue Inhalte. Gerade für Teams, die tausende Texte und Bilder für viele Kanäle brauchen, ist das ein großer Gewinn. Tools wie GPT-4 für Texte oder DALL-E für Bilder sparen im Alltag enorm viel Zeit.

Vor dem Hintergrund dieser neuen Möglichkeiten im Feld der KI stehen Unternehmen jedoch auch vor neuen kritischen Fragen und Herausforderungen: Wie findet man unter all den Anbietern und Produkten auf dem Softwaremarkt das richtige KI-Tool? Und sollte man ohne Wenn und Aber auf die kommerziellen KI-Dienste setzen oder ist eine Open Source-Lösung möglicherweise besser geeignet? Beide Optionen haben ihre Vorzüge. Nachfolgend werden wir diese gegenüberstellen und die Frage beantworten, wie Unternehmen, für die KI ganz oben auf der Agenda steht, einen ausgewogenen Ansatz bei der Auswahl ihrer KI-Tools verfolgen können.

Open Source KI-Modelle

Der Entwicklungsansatz von Open Source KI-Modellen ist offen, dezentral und kollaborativ. Typischerweise werden die Modelle im Rahmen einer Community erstellt und gemeinsam gepflegt und weiterentwickelt.

Open Source KI-Modelle sind frei nutzbare Software für maschinelles Lernen. Sie entstehen durch die Arbeit vieler Forscher und Entwickler. Plattformen wie Hugging Face stellen den Quellcode und die Dokumentation bereit. Auch Firmen wie OpenAI und Microsoft bieten neben ihren bezahlten Produkten Open Source-Varianten an. Diese Modelle sind beliebt, weil sie keine Lizenzkosten verursachen. Ihre wahre Stärke liegt aber in der Offenheit, Flexibilität und guten Skalierbarkeit. Fachleute können den Aufbau der Modelle studieren oder sie an eigene Bedürfnisse anpassen. Zugleich treibt die große Community die Entwicklung schnell voran.

Zu den bekanntesten Open Source KI-Modellen zählen derzeit BLOOM von Hugging Face, Llama 2 von Meta und Microsoft, MPT-7B von MosaicML, Falcon vom Technology Innovation Institute (TII) sowie Vicuna 13-B von LMSYS.

Ein Problem zieht sich durch die gesamte Open Source-Welt: Viele Modelle sind weniger offen als versprochen. Besonders bei den Trainingsdaten fehlt es oft an Transparenz. Das bremst die Forschung. Noch schwerer wiegt es, wenn Firmen die Modelle für ihr Geschäft nutzen. Denn bei Open Source liegt die Pflicht zur Einhaltung von Gesetzen allein beim Nutzer. Das betrifft zum Beispiel den Datenschutz. Auch Urheberrechte können durch KI-Trainings oder deren Ergebnisse verletzt werden.

Was heißt das für Firmen? Wer ein Open Source KI-Modell nutzen will, muss gründlich recherchieren. Neben einem IT-Team für Betrieb und Wartung braucht es auch Rechtsexperten. Diese müssen die sich ständig ändernden KI-Regeln im Blick behalten. Die Kosten dafür sind oft viel höher, als es zunächst scheint.

Proprietäre KI-Modelle

Hinter einem proprietären KI-Modell steht ein Unternehmen. Die Entwicklung erfolgt in der Regel nach einem Closed Source-Ansatz, was bedeutet, dass der Quellcode weder frei zugänglich ist noch von Usern verändert werden kann.

Im Gegensatz zu den Open Source KI-Lösungen sind die kommerziellen Optionen das Ergebnis gezielter Forschung von privaten Unternehmen. Als Closed Source-Modelle muss der Zugang durch den Kauf einer Lizenz oder auch via Abonnement erworben werden. In der Regel handelt es sich dabei um leistungsbasierte Abrechnungsmodelle.

Das bekannteste GenAI Tool, das im Marketing im Allgemeinen und in der Produkt- und Kundenkommunikation im Speziellen eingesetzt wird, ist nach wie vor der Textroboter ChatGPT von OpenAI, der im Jahr 2022 auf den Markt kam. Inzwischen gibt es jedoch eine Vielzahl an Lösungen und Modellen, die auf verschiedenen GPT-Versionen basieren und auch Bild, Ton und Video verarbeiten können. Außerdem sind neben OpenAI natürlich viele weitere namenhafte Unternehmen wie Microsoft, Google, und Meta mit der ersten Welle in den GenAI Markt eingetreten – und selbstverständlich wurde auch die Startup-Szene mit den neuen Möglichkeiten aktiv.

Kommerzielle AI-Dienste bieten den großen Vorteil, dass die Tools auf eine breite Anwendbarkeit ausgelegt sind, sodass sie sich leicht in die Systemlandschaften von Unternehmen integrieren lassen – und die Nutzer direkt nach der Anmeldung mit der Arbeit beginnen können. Darüber hinaus sind sie mit Garantieleistungen verbunden, wie auch mit Serviceleistungen in Sachen Change-Management, Wartung, Weiterentwicklung und Support. Im Vergleich zu den Open Source-Lösungen lassen sie sich daher auch ohne eine personenstarke und spezialisierte IT-Abteilungen implementieren und verwalten. Rechtliche und regulatorische Überlegungen sind jedoch auch hier von Bedeutung.

Bei kommerziellen KI-Diensten drehen sich die großen Sicherheitsfragen um den Umgang mit sensiblen Daten. Die Dienste bieten zwar in der Regel eine robuste Sicherheitsinfrastruktur und tendenziell mehr Schutz als die Open Source-Varianten, Unternehmen sollten jedoch auch zusätzliche Protokolle und Kontrollen einrichten, um zu vermeiden, dass kritische Informationen preisgegeben und anderorts wiederverwendet werden – wie auch die Nuancen bei Haftungsfragen vor dem Kauf klären. Schließlich steht selbst bei weitverbreiteten Anbietern wie Microsoft regelmäßig die Frage im Raum, inwiefern dessen Dienste beispielsweise mit dem europäischen Datenschutz vereinbar sind. Zudem ergeben sich durch den Einsatz von KI immer auch Haftungsfragen im Falle von Schäden nach fehlerhaften Ergebnissen.

Status Quo im Product Content Management

Product Content Management entwickelt sich stetig weiter. Mit jeder neuen Technik stellt sich die Frage: Welcher Ansatz setzt sich durch?

Open Source hat auch das Product Content Management erreicht. Immer mehr Anbieter verkaufen Community Open Source-Produkte mit Kernfunktionen wie MDM, PIM und DAM. Gegen Aufpreis lassen sich Module und Services dazu buchen. Dieser Enterprise Open Source-Ansatz klingt nach dem Besten aus beiden Welten: geringe Einstiegskosten, freie Anpassung je nach Lizenz und ein Anbieter als Garant für Stabilität und Sicherheit. Doch Vorsicht: Ob das Preis-Leistungs-Verhältnis auf Dauer besser ist als bei klassischen Lösungen, hängt stark vom Einzelfall ab.

Zugleich gibt es einen Gegentrend: Fertige Lösungen, sogenannte Out-of-the-box-Produkte, werden immer beliebter. Sie sind sofort einsatzbereit und auf Branchenbedürfnisse abgestimmt. Sie bieten weniger individuellen Zuschnitt als maßgeschneiderte Software. Auch die Flexibilität von Open Source fehlt. Dafür entwickeln sich diese Produkte mit dem Markt und neuen Technologien weiter. Bei manchen Anbietern gehören GenAI-Funktionen in PIM und DAM heute schon zur Grundausstattung. Ein Extra-Kauf ist nicht nötig.

Management Summary

Am Ende ist die Wahl zwischen Open Source und kommerzieller Lösung eine strategische Frage. Jedes Unternehmen muss sie anhand seiner eigenen Fähigkeiten und Bedürfnisse treffen.

Open Source erlaubt es zwar, ein Modell genau an die eigenen Anforderungen anzupassen und zu skalieren. Doch das klappt nur, wenn das Unternehmen genug Fachleute hat oder bereit ist, in seine IT zu investieren. Außerdem braucht der Open Source-Ansatz eine starke interne Infrastruktur für Betrieb und Sicherheit. Diese Kosten gehören in jede Analyse, bevor man sich entscheidet.

Kommerzielle Dienste, vor allem solche für den Unternehmenseinsatz, sind dagegen leichter einzubinden. Sie bringen kaum Hürden beim Start mit. Da sie auf Branchen und Aufgaben zugeschnitten sind, punkten sie bei der Bedienbarkeit. Auch der Service ist im Preis enthalten. Ob die KI-Lösung echten Mehrwert bringt, hängt aber auch von der Umsetzung ab. Sie muss nahtlos in die vorhandene Systemlandschaft und in bestehende Abläufe passen. Sonst entstehen neue Probleme statt Lösungen. Besonders in komplexen Bereichen wie der Produktkommunikation lohnen sich daher Gesamtlösungen, die alles aus einer Hand bieten.

_{Picture credits: Getty Images on Unsplash; Mitchell Luo on Unsplash; Adam J. on Unsplash}