Open-Source-KI-Modell

Auf einen Blick

• Ein Open-Source-KI-Modell erfüllt nach OSAID v1.0 alle vier Kriterien: offene Gewichte, offener Code, offene Trainingsdaten und OSI-konforme Lizenz.
• Die Open Source Initiative hat die Open Source AI Definition Version 1.0 im Jahr 2024 verabschiedet und damit erstmals einen verbindlichen Standard definiert.
• OLMo des Allen Institute for AI gilt Stand 2026 als einzige große Modellfamilie, die die OSAID-v1.0-Kriterien vollständig erfüllt.
• Modelle wie Llama 4, Mistral, DeepSeek und Qwen sind nach der OSAID-v1.0-Definition keine Open-Source-Modelle, weil ihre Trainingsdaten nicht offengelegt sind.
• Der EU AI Act befreit echte Open-Source-GPAI-Modelle ohne systemisches Risiko nach Artikel 53 Absatz 2 von Teilen der Dokumentationspflichten.
• OSI-konforme Lizenzen wie Apache 2.0 und MIT sind unveränderlich, sobald sie vergeben wurden, und bieten Kommunen langfristige Planungssicherheit.

Was Open Source bei KI-Modellen bedeutet

Der Begriff "Open Source" hat im Softwarebereich eine klare, jahrzehntelang etablierte Bedeutung: Der Quellcode ist öffentlich zugänglich, frei nutzbar, veränderbar und weitergabefähig. Lizenzen wie Apache 2.0 oder MIT setzen diesen Standard verbindlich und dauerhaft um.

Bei KI-Modellen ist die Lage komplizierter, weil ein Modell aus mehreren unabhängig voneinander offenen oder geschlossenen Bestandteilen besteht. Die Open Source Initiative (OSI) hat dieser Komplexität Rechnung getragen und 2024 die Open Source AI Definition Version 1.0 (OSAID v1.0) verabschiedet. Sie definiert vier Voraussetzungen, die ein Modell kumulativ erfüllen muss, um als Open-Source-KI-Modell zu gelten:

1. Modellgewichte: Die trainierten Parameter des Modells sind frei zugänglich und nutzbar.
2. Trainings- und Inferenzcode: Der gesamte Code für Training, Validierung und Betrieb steht unter einer OSI-konformen Lizenz.
3. Trainingsdaten: Die verwendeten Datensätze sind so offengelegt, dass ein unabhängiges Nachtraining möglich ist.
4. OSI-konforme Lizenz: Alle Bestandteile stehen unter einer Lizenz, die die OSI als Open-Source-konform anerkennt, etwa Apache 2.0 oder MIT.

Entscheidend ist die Kombination aller vier Kriterien. Ein Modell, das seine Gewichte frei zugänglich macht, aber die Trainingsdaten nicht offenlegt, ist nach OSAID v1.0 kein Open-Source-Modell. Es ist ein Open-Weight-Modell.

Welche Modelle die OSI-Definition erfüllen

Der Unterschied zwischen dem Anspruch und der Realität ist erheblich. Die meisten Modelle, die in der Praxis als "Open Source" bezeichnet werden, sind nach strenger OSAID-v1.0-Definition Open-Weight-Modelle, weil sie ihre Trainingsdaten nicht offenlegen.

OLMo des Allen Institute for AI ist Stand 2026 die einzige bekannte große Modellfamilie, die alle OSAID-v1.0-Kriterien vollständig erfüllt. Das Training großer Modelle erfordert erhebliche Rechenkapazität und Datenmengen. Die vollständige Offenlegung der Trainingsdaten ist für kommerzielle Anbieter wirtschaftlich unattraktiv, weil die Trainingsdaten oft den zentralen Wettbewerbsvorteil darstellen. Echte Open-Source-KI-Modelle entstehen deshalb fast ausschließlich in Forschungseinrichtungen und gemeinnützigen Organisationen.

Rechtlicher Rahmen

EU AI Act: Privilegierung für echte Open-Source-Modelle

Der EU AI Act (Verordnung (EU) 2024/1689) enthält in Artikel 53 Absatz 2 eine ausdrückliche Privilegierung für offen lizenzierte GPAI-Modelle (General Purpose AI) ohne systemisches Risiko. Solche Modelle sind von Teilen der Dokumentations- und Informationspflichten befreit, die für kommerzielle GPAI-Anbieter ab dem 2. August 2025 gelten. Nicht befreit sind sie von der Pflicht zur Veröffentlichung einer Zusammenfassung der verwendeten Trainingsinhalte sowie der Einhaltung des EU-Urheberrechts.

Diese Ausnahme gilt ausdrücklich nur für Modelle, die unter einer echten Open-Source-Lizenz im Sinne der OSI-Definition stehen. Open-Weight-Modelle mit proprietären Community-Lizenzen wie der Llama 4 Community License fallen nicht darunter.

DSGVO: Auditierbarkeit erleichtert die Folgeabschätzung

Offengelegte Trainingsdaten erleichtern die Datenschutz-Folgeabschätzung (DSFA) nach Artikel 35 DSGVO, weil die Herkunft und Zusammensetzung der Modellinhalte nachvollzogen werden können. Bei Open-Weight-Modellen ohne Trainingsdaten-Offenlegung ist dieser Nachweis aufwendiger. Für Kommunen, die KI in datenschutzsensiblen Bereichen einsetzen, kann das ein relevanter Faktor bei der Modellauswahl sein.

Lizenzstabilität: OSI-konforme Lizenzen sind unveränderlich

OSI-konforme Lizenzen wie Apache 2.0 und MIT sind rechtlich so konstruiert, dass sie nicht einseitig vom ursprünglichen Lizenzgeber zurückgezogen oder geändert werden können. Eine einmal unter Apache 2.0 veröffentlichte Software bleibt dauerhaft unter diesen Bedingungen nutzbar. Das unterscheidet echte Open-Source-Modelle grundlegend von Open-Weight-Modellen unter proprietären Community-Lizenzen, die der Anbieter jederzeit anpassen kann.

Bedeutung für die kommunale Praxis

Für IT-Verantwortliche in Kommunen bieten echte Open-Source-KI-Modelle zwei konkrete Vorteile gegenüber Open-Weight-Modellen:

Planungssicherheit: Eine einmal unter Apache 2.0 oder MIT lizenzierte Modellversion bleibt dauerhaft unter diesen Bedingungen nutzbar. Kommunen können langfristig auf Basis dieser Modelle planen, ohne Lizenzänderungen des Anbieters fürchten zu müssen.

Auditierbarkeit: Offene Trainingsdaten ermöglichen es, die Zusammensetzung des Modells zu prüfen. Das ist relevant für Datenschutz-Folgeabschätzungen, den Nachweis gegenüber Aufsichtsbehörden und die Bewertung möglicher Bias oder urheberrechtlicher Risiken im Modell.

In der Praxis sind echte Open-Source-Modelle wie OLMo heute leistungsschwächer als die führenden Open-Weight-Modelle kommerzieller Anbieter. Für viele kommunale Anwendungsfälle, insbesondere intern genutzte Assistenzsysteme, Textverarbeitung und Recherchewerkzeuge, können sie dennoch eine ausreichende und rechtlich robustere Grundlage bieten.

Herausforderungen und Grenzen

Echter Open Source im KI-Bereich ist heute die Ausnahme. Das Training leistungsfähiger Sprachmodelle kostet Millionen von Euro und erfordert Rechenkapazität, die kaum eine Forschungseinrichtung dauerhaft aufbringen kann. Die Modellqualität von OSAID-konformen Modellen liegt Stand 2026 unterhalb der führenden kommerziellen Modelle.

Selbst bei vollständig offengelegten Trainingsdaten fehlen Kommunen in der Regel die personellen Kapazitäten, diese zu prüfen. Die theoretische Auditierbarkeit ist nur dann ein praktischer Vorteil, wenn spezialisierte Stellen, etwa auf Landesebene oder beim BSI, entsprechende Prüfungen vornehmen. Solche Standards existieren für kommunale Behörden Stand 2026 noch nicht.

Abgrenzung zu verwandten Begriffen

Open-Source-KI-Modell vs. Open-Weight-Modell: Ein Open-Weight-Modell stellt nur die trainierten Gewichte frei, nicht aber Trainingsdaten und vollständigen Code unter OSI-konformen Lizenzen. Open-Weight-Modelle wie Llama 4 oder Mistral werden häufig fälschlicherweise als Open Source bezeichnet. Der entscheidende Unterschied liegt in der Offenlegung der Trainingsdaten und der Lizenzstabilität.

Open Source vs. kostenlos: Open Source und kostenlose Nutzung sind unabhängige Konzepte. Ein Modell kann kostenlos herunterladbar und trotzdem proprietär sein. Ein Open-Source-Modell kann mit Supportkosten verbunden sein. OSI-konforme Lizenzen sagen nichts über den Preis aus.

Open Source vs. Souveräne KI: Souveräne KI erfordert zusätzlich zur Offenheit der Modellbestandteile, dass Infrastruktur und Kontrolle unter europäischen Bedingungen liegen. Ein Open-Source-Modell einer US-amerikanischen Forschungseinrichtung ist offen, aber nicht automatisch souverän im europäischen Sinne.

Häufige Fragen

Was ist ein Open-Source-KI-Modell?

Ein Open-Source-KI-Modell ist ein KI-Modell, das alle vier Kriterien der Open Source AI Definition (OSAID) v1.0 der Open Source Initiative erfüllt: offene Gewichte, offener Trainings- und Inferenzcode, offengelegte Trainingsdaten und eine OSI-konforme Lizenz wie Apache 2.0 oder MIT. Stand 2026 erfüllt OLMo des Allen Institute for AI diese Definition als bekanntestes Beispiel vollständig.

Warum sind Llama oder Mistral keine Open-Source-Modelle?

Llama 4 und Mistral-Modelle stellen ihre Gewichte frei zur Verfügung, legen aber ihre Trainingsdaten nicht offen. Damit erfüllen sie nicht das dritte Kriterium der OSAID v1.0 der Open Source Initiative. Llama 4 steht zudem unter einer proprietären Community-Lizenz von Meta, die nicht OSI-konform ist. Beide Modelle sind Open-Weight-Modelle, keine Open-Source-Modelle.

Welche KI-Modelle sind wirklich Open Source nach OSI-Definition?

Stand 2026 gilt OLMo des Allen Institute for AI als einzige bekannte große Modellfamilie, die alle OSAID-v1.0-Kriterien der Open Source Initiative vollständig erfüllt. StarCoder 2 von BigCode gilt im Coding-Bereich als weiteres Beispiel, erfüllt die Definition aber nur teilweise. Alle anderen weit verbreiteten Modelle, darunter Llama, Mistral, Qwen und DeepSeek, sind nach dieser Definition Open-Weight-Modelle.

Welchen Vorteil haben Open-Source-KI-Modelle gegenüber Open-Weight-Modellen für Kommunen?

Echte Open-Source-KI-Modelle unter OSI-konformen Lizenzen bieten zwei wesentliche Vorteile: Lizenzstabilität, weil OSI-konforme Lizenzen wie Apache 2.0 nicht einseitig geändert werden können, und Auditierbarkeit, weil offene Trainingsdaten eine vollständige Prüfung des Modells ermöglichen. Beide Faktoren erleichtern Datenschutz-Folgeabschätzungen und langfristige Beschaffungsplanung.

Gilt die EU-AI-Act-Ausnahme für Open-Source-Modelle auch für Kommunen?

Die Ausnahme nach Artikel 53 Absatz 2 EU AI Act gilt für Anbieter offen lizenzierter GPAI-Modelle, nicht unmittelbar für Kommunen als Betreiber. Kommunen profitieren aber indirekt: Wenn ein Anbieter ein echtes Open-Source-GPAI-Modell unter der Ausnahme bereitstellt, sind die Transparenzanforderungen an das Modell bereits durch die Offenlegung von Code und Daten erfüllt, was die Dokumentationspflichten des kommunalen Betreibers erleichtert.

Fazit

Echte Open-Source-KI-Modelle nach OSAID v1.0 sind selten, weil die vollständige Offenlegung von Trainingsdaten wirtschaftlich unattraktiv ist. Für Kommunen, die langfristige Planungssicherheit und maximale Transparenz priorisieren, sind sie dennoch die robusteste Option. Wer auf leistungsfähigere Open-Weight-Modelle angewiesen ist, sollte zumindest auf OSI-konforme Lizenztypen wie Apache 2.0 achten, die wenigstens Lizenzstabilität garantieren. Das Label "Open Source" allein reicht nicht als Entscheidungsgrundlage.

Quellen

1. Open Source Initiative: Open Source AI Definition (OSAID) v1.0. https://opensource.org/ai/open-source-ai-definition (Stand: August 2026)
2. Open Source Initiative: AI and Open Source. https://opensource.org/ai (Stand: August 2026)
3. Allen Institute for AI: OLMo – Open Language Model. https://www.open-source-ai.tech/projects/olmo (Stand: August 2026)
4. Europäische Union: Verordnung (EU) 2024/1689 (EU AI Act), Artikel 53. https://eur-lex.europa.eu/eli/reg/2024/1689/oj (Stand: August 2026)
5. Capgemini: Open Source GPAI unter dem EU AI Act. https://www.capgemini.com/de-de/insights/blog/open-source-anbieter-von-gpai-unter-dem-eu-ai-act-und-dem-code-of-practice/ (Stand: August 2026)
6. Hunton Andrews Kurth: Open Source AI Models – How Open Are They Really? https://www.hunton.com/insights/publications/part-1-open-source-ai-models-how-open-are-they-really (Stand: 2025)
7. Code to Cloud: Only OLMo and StarCoder 2 qualify as truly open source. https://codetocloud.io/blog/open-source-llms-developers/ (Stand: August 2026)