Was ist ein Foundation Model?
Was haben ChatGPT, dein KI-Texttool und der Bildgenerator im Grafikprogramm gemeinsam? Unter allen liegt ein Foundation Model: ein KI-Modell, das mit riesigen Datenmengen vortrainiert wurde und danach für viele Aufgaben taugt.
Den Begriff prägte 2021 ein Team der Stanford University um Rishi Bommasani. Gemeint sind Modelle, die auf breiten Daten in großem Maßstab trainiert sind und sich an viele nachgelagerte Aufgaben anpassen lassen. „Foundation“ soll zeigen: Das Modell ist zentral, aber unvollständig. Erst die Anwendung darauf macht daraus ein Werkzeug.
Google beschreibt Foundation Models als vortrainierte, große Modelle für viele Aufgaben, die sich für bestimmte Zwecke anpassen lassen. Dazu gehören Sprachmodelle wie GPT oder Gemini, aber auch Bild-, Audio- und Code-Modelle.
Wer baut die Fundamente?
Ein Foundation Model von Grund auf zu trainieren, ist teuer. Der AI Index Report 2025 der Stanford University schätzt die Trainingskosten auf Basis von Cloud-Mietpreisen:
Modell
Kosten (geschätzt)
Transformer, 2017
rund 670 $
GPT-4, 2023
rund 79 Mio. $
Llama 3.1, 2024
rund 170 Mio. $
Kein Wunder, dass die Fundamente fast nur noch aus der Industrie kommen. 2024 stammten laut AI Index rund 90 % der bemerkenswerten KI-Modelle von Unternehmen, 2023 waren es 60 %. 40 kamen aus den USA, 15 aus China, 3 aus Europa.
Die gute Nachricht für dich: Die Nutzung wird immer billiger. Leistung auf dem Niveau von GPT-3.5 kostete im November 2022 noch 20 $ je Million Tokens, im Oktober 2024 nur noch 0,07 $. Das ist mehr als 280-mal günstiger.
Groß und klein: zwei Beispiele
Case A · Großes offenes Modell
Meta Llama 3.1
405 Mrd.
Parameter
rund 90
Tage Training
Gewichte frei herunterladbar, Basis für unzählige Varianten
Geschätzte Trainingskosten rund 170 Mio. $ laut AI Index 2025.
Case B · Kleines Modell
Microsoft Phi-3-mini
3,8 Mrd.
Parameter
3,3 Bio.
Tokens Trainingsdaten
Klein genug fürs Smartphone
Rund hundertmal weniger Parameter als Llama 3.1 — und trotzdem ein vielseitiges Basismodell.
Was die KI-Verordnung sagt
Das Wort „Foundation Model“ steht nicht in der KI-Verordnung. Sie spricht vom KI-Modell mit allgemeinem Verwendungszweck, kurz GPAI. Gemeint ist fast dasselbe: ein Modell mit erheblicher allgemeiner Verwendbarkeit, das viele unterschiedliche Aufgaben kompetent erfüllt.
- Seit 2. August 2025 gelten Pflichten für die Anbieter solcher Modelle, etwa technische Dokumentation.
- Ab 1025 Rechenoperationen im Training vermutet die Verordnung ein systemisches Risiko, mit strengeren Pflichten.
- Bußgelder bis 3 % des weltweiten Jahresumsatzes oder 15 Mio. € kann die EU-Kommission ab 2. August 2026 verhängen.
Wichtig: Diese Pflichten treffen die Anbieter der Modelle, also OpenAI, Google, Meta und Co. Nutzt du ein Tool im Marketing, bist du davon nicht direkt betroffen.
Häufige Fehler
Fehler 1 · Foundation Model und LLM gleichsetzen
Ein Large Language Model ist ein Foundation Model für Text. IBM nennt LLMs eine Klasse von Foundation Models. Bild-, Audio- und Code-Modelle gehören genauso dazu.
Fehler 2 · Ein eigenes Modell bauen wollen
Bei Kosten im dreistelligen Millionenbereich ist das für KMU keine Option. Du passt bestehende Modelle an: per Prompt Engineering, mit RAG für eigenes Wissen oder per Fine-Tuning für einen festen Stil.
Fehler 3 · Sich an ein Modell ketten
Modelle werden alle paar Monate abgelöst. Wer Prompts und Abläufe nur für ein Modell baut, fängt beim Wechsel von vorn an. Halt deine Prompts und Beispiele so, dass sie auch auf dem nächsten Fundament stehen.
Was das für dein Marketing heißt
Viele KI-Tools sind Oberflächen auf denselben wenigen Fundamenten. Frag deshalb bei jedem Tool: Welches Modell läuft darunter? Das sagt mehr über Qualität, Kosten und Datenschutz als jede Feature-Liste.
Häufige Fragen
Was ist der Unterschied zwischen einem Foundation Model und einem LLM?
Ein LLM ist ein Foundation Model, das auf Text spezialisiert ist. Foundation Model ist der Oberbegriff und umfasst auch Modelle für Bilder, Audio, Video oder Code.
Brauche ich als kleines Unternehmen ein eigenes Foundation Model?
Nein. Das Training kostet laut Stanford AI Index Dutzende bis Hunderte Millionen Dollar. Du nutzt bestehende Modelle und passt sie per Prompt, RAG oder Fine-Tuning an deine Aufgaben an.
Betrifft mich die KI-Verordnung, wenn ich ein Foundation Model nutze?
Die Pflichten für Modelle mit allgemeinem Verwendungszweck treffen die Anbieter, nicht die Nutzer. Für dich als Anwender können andere Regeln der Verordnung gelten, etwa Transparenzpflichten bei KI-generierten Inhalten. Das ist keine Rechtsberatung.
Sind offene Modelle eine Alternative zu ChatGPT?
Für manche Aufgaben ja. Laut AI Index schrumpfte der Leistungsabstand zwischen offenen und geschlossenen Modellen binnen eines Jahres auf einigen Benchmarks von 8 % auf 1,7 %. Offene Modelle brauchen aber eigene Technik oder einen Hosting-Anbieter.
Wie passe ich ein Foundation Model an mein Marketing an?
In dieser Reihenfolge: zuerst ein guter Prompt mit Beispielen, dann RAG für eigenes Wissen wie Produktdaten, und erst wenn Stil oder Format trotzdem schwanken, Fine-Tuning.
