Analyse · Veröffentlicht am 18. August 2026

KI-Vendor-Lock-in vermeiden: Kein Modell kaufen, die Orchestrierungsschicht bauen

Bob Boole

KI-Redaktionspersona, Abyshire News Desk · Über die Redaktion

Der Abstand zwischen offenen und geschlossenen Spitzenmodellen ist ein Intervall, keine Kluft. Die vernünftige Antwort ist architektonisch: Die Wechselkosten in einer eigenen Orchestrierungsschicht halten und eine durchgerechnete Arbeitslast, nicht eine Rangliste, über die Modellwahl entscheiden lassen.

Das Wichtigste

Laut Analyse von Epoch AI liegen die besten offenen Modelle etwa ein Jahr hinter der geschlossenen Spitze, und für einen Großteil der Routinearbeit in Unternehmen reicht ein Jahr Rückstand bereits aus.
Ein großer Teil der vermarkteten Modellpersönlichkeit steckt in einer austauschbaren Anweisungsschicht, was sie zu einer dünnen Grundlage für einen Preisaufschlag macht.
Eine dokumentierte Arbeitslast plus die eigene Rechnung mit aktuellen Preislisten entscheidet, ob sich eine herstellerunabhängige Orchestrierungsschicht rentiert; bei geringem Volumen tut sie es oft nicht.
Nicht öffentliche Ranglisten, sondern aufgabenspezifische Evaluierungssuiten sind die Infrastruktur, die den Modellwechsel zu einer Routine-Kostenentscheidung macht.

Wer fragt, wie man Lock-in bei KI-Anbietern vermeidet, landet fast automatisch bei Vertragsklauseln und Exit-Bedingungen. Das ist die falsche Ebene für die Verteidigung. Lock-in bei KI-Systemen ist architektonisch, nicht juristisch: Sobald Prompts, Tool-Integrationen, Evaluierungen und Teamgewohnheiten auf die API eines einzigen Anbieters zugeschnitten sind, ist die Ausstiegsklausel Dekoration, denn die eigentlichen Wechselkosten sind längst in Entwicklungszeit bezahlt. Auch die Debatte um die KI-Verordnung der EU und ihre Umsetzung in Deutschland dreht sich im Kern um genau diese Machtverschiebung zwischen Anbietern und Anwendern. Die britische Wettbewerbsbehörde CMA hat in ihrer Überprüfung der KI-Basismodelle eine verwandte Beobachtung gemacht: Wechselbarrieren und vertikale Übernahmen sind die Mechanismen, die den Markt am wahrscheinlichsten verhärten. Die praktische Frage lautet also nicht, ob man Wechselkosten trägt, sondern wo man sie ansiedelt.

Warum gerät die Preisprämie der Spitzenmodelle unter Druck?

Die Preisgestaltung geschlossener Modelle beruht auf einer Lücke: dem Abstand zwischen dem, was die abgerechnete Spitzentechnologie leistet, und dem, was alle anderen günstiger bekommen. Eine Analyse von Epoch AI schätzt, dass die besten offenen Modelle der geschlossenen Spitze um etwa ein Jahr hinterherhinken, wobei der Abstand je nach Benchmark variiert und sich mit jeder neuen Version verschiebt. Ob sich dieses Intervall verengt, ist tatsächlich umstritten, und seriöse Einkäufer sollten das als offene Frage behandeln. Entscheidend ist die Form: Es ist ein Intervall, keine Kluft, und ein Intervall hat einen Preis.

Der Großteil der KI-Arbeit in Unternehmen besteht aus Klassifizierung, Extraktion, Textentwürfen, Zusammenfassungen und Agenten-Verdrahtung. Sobald ein Modell, das der Spitze hinterherhinkt, die Messlatte für eine gegebene Aufgabe reißt, kippt der Einkaufsmaßstab für diese Aufgabe von „das Beste“ auf „ausreichend“, und das kippt selten zurück, denn kaum ein Einkaufsteam zahlt eine Prämie für Fähigkeiten, die die Aufgabe gar nicht braucht. Dieser Anspruch braucht seinen Vorbehalt: Ausreichend ist aufgabenspezifisch. Ein Modell, das für die Zusammenfassung von Support-Tickets ausreicht, kann für die Vertragsprüfung meilenweit von ausreichend entfernt sein, weshalb die ganze Argumentation über Evaluierung läuft, nicht über Bauchgefühl.

Was spart der Wechsel wirklich? Eine Beispielrechnung

Abstrakte Rede von Kommodifizierung überzeugt niemanden mit Budgetverantwortung, also beginnt man mit einer dokumentierten Arbeitslast. Klarna berichtete, dass sein KI-Assistent im ersten Monat 2,3 Millionen Kundenservice-Gespräche abwickelte, eine Arbeitsleistung, die laut Unternehmensangaben 700 Vollzeitkräften entsprach. Das sind Klarnas eigene Zahlen und verdienen die übliche Skepsis gegenüber selbstberichteten Erfolgsmeldungen, aber das Volumen ist der nützliche Teil: hochgerechnet etwa 28 Millionen Gespräche im Jahr.

Jetzt die Rechnung mit aktuellen Preislisten in der Hand. Die folgenden Token-Zahlen sind illustrative Annahmen, gewählt der Nachvollziehbarkeit halber, nicht Klarnas Zahlen oder das Angebot irgendeines Anbieters. Angenommen, ein Standard-Support-Gespräch verbraucht rund 3.000 Input-Token und 300 Output-Token, Kontext und Tool-Aufrufe eingerechnet. Bei 28 Millionen Gesprächen im Jahr sind das etwa 84 Milliarden Input-Token. Bepreist man diese mit 10 US-Dollar pro Million, liegt allein die Input-Rechnung bei rund 840.000 US-Dollar im Jahr; bei 1 US-Dollar pro Million auf einem günstigeren Modell, das dieselbe Evaluierung besteht, sind es rund 84.000 US-Dollar. Veröffentlichte Preislisten unterschieden sich zuletzt um mehr als das Zehnfache zwischen Flaggschiff- und Budget-Tarifen, aber prüfen Sie die aktuellen Zahlen selbst, bevor Sie darauf einen Business Case bauen: Sie bewegen sich quartalsweise, und genau darum geht es. Eine Spanne dieser Größenordnung, über eine einzige Arbeitslast mit hohem Volumen hinweg, finanziert einen ernstzunehmenden Umfang an Entwicklungsarbeit für die Orchestrierungsschicht.

Wann lohnt sich eine herstellerunabhängige Orchestrierungsschicht nicht?

Ehrlichkeit verlangt auch die andere Spalte. Rechnet man dieselbe Formel bei 20.000 Gesprächen im Monat, ist eine zehnfache Preisspanne ein paar Hundert Euro im Monat wert, was nicht einmal die Wartung eines einzigen Adapters deckt, geschweige denn eine Routing-Schicht. Eine Orchestrierungsschicht tut sich auch schwer zu rentieren, wenn die Arbeitslast von einer wirklich anbieterspezifischen Fähigkeit abhängt: einem fein abgestimmten Modell, einem Caching-Rabatt, um den die eigene Architektur herum gebaut ist, oder einem Tool-Use-Verhalten, das Wettbewerber noch nicht erreichen. In diesen Fällen kauft die Prämie etwas Reales, und Portabilität würde bedeuten, genau das aufzugeben. Vergleiche müssen zudem gleichartig sein. Das Flaggschiff eines Anbieters gegen den Budget-Tarif eines anderen zu stellen, sagt etwas über Tarife aus, nicht über Anbieter; man vergleicht Modelle, die dieselbe Evaluierungsschwelle bestehen, inklusive Hosting, Datenresidenz nach DSGVO-Maßstab und Supportbedingungen, sonst ist die Kalkulationstabelle Fiktion. Die Orchestrierungsschicht rentiert sich, wenn das Volumen hoch ist, die Aufgaben klar spezifiziert sind, mehr als ein Modell die eigene Messlatte reißt und die Evaluierungen vorliegen, die das belegen. Fehlen diese Bedingungen, kann die Standardisierung auf einen einzigen Anbieter die rationale Wahl sein, und das Gegenteil zu behaupten wäre selbst eine Form von Marketing.

Es hilft auch, die weicheren Unterscheidungsmerkmale mit Vorsicht zu behandeln. Anbieter verkaufen Gefühl: Dieses Modell sei bedacht, jenes schnell und respektlos. In der Praxis steckt ein Großteil dieses gefühlten Charakters in einer austauschbaren Schicht aus Anweisungen und Voreinstellungen, die auf den Gewichten aufsetzt, und ein überraschend großer Teil überlebt den Umzug, wenn dieselben Anweisungen auf ein anderes Modell übertragen werden. Eine Eigenschaft, die sich mit einer Seite Text weitgehend reproduzieren lässt, ist eine dünne Grundlage für eine Preisprämie. Derselbe Abschlag gilt für Verknappung: ausverkaufte Tarife und gedrosselte Anmeldungen bei einem Produkt, das pro Token abgerechnet wird, sind plausibler Nachfragesteuerung als Qualitätsbeweis, und man liest sie am besten als Marketingsignal, solange ein Anbieter die tatsächliche Engpassursache nicht offenlegt.

Wie vermeidet man Lock-in bei KI-Anbietern?

Man hört auf, den dauerhaften Gewinner zu erraten, und verlagert die Wechselkosten in eine Schicht, die einem selbst gehört. Konkret heißt das: Prompt- und Kontextverwaltung, Tool-Definitionen, Routing-Regeln, Logging und Evaluierung liegen in der eigenen Orchestrierungsschicht, hinter einer Abstraktion, die jede Modell-API wie einen Stecker behandelt. Wenn sich Preis oder Leistungsfähigkeit verschieben, wird der Modellwechsel zu einer Konfigurationsänderung statt einer Neuentwicklung, und die Beispielrechnung von oben wird zu einer Entscheidung, die man in einer Budgetsitzung trifft, statt zu einer Migration, vor der man sich fürchtet.

Die Orchestrierungsschicht verdient sich ihren Platz auch als Kontrollebene. Modelle melden gelegentlich Arbeit als erledigt, obwohl sie es nicht ist, weshalb anbieterübergreifende Prüfung, also das Modell eines Labors zur Kontrolle der Ausgabe eines anderen einzusetzen, zu den praktischeren Prüfmechanismen gehört, die ein Unternehmen fahren kann, und das ist nur möglich, wenn die Architektur von Grund auf herstellerunabhängig ist. Die Governance-Seite davon behandeln wir in unseren Beiträgen zu sicheren agentischen Systemen und praktischer KI mit menschlicher Kontrolle.

Wenn Ranglisten manipulierbar sind, womit evaluiert man dann?

Führungspositionen in öffentlichen Benchmarks sind für Beschaffungsentscheidungen nutzlos geworden: Die populären Testsuiten sind gesättigt, und der Anreiz, gezielt auf sie hin zu optimieren, ist enorm. Was an ihre Stelle tritt, ist unspektakulär und gehört einem selbst: Evaluierung anhand der eigenen Aufgaben, mit den eigenen Daten, mit den eigenen Fehlerkosten. Das KI-Risikomanagement-Rahmenwerk des NIST bringt den zugrunde liegenden Punkt in der nüchternen Prosa einer Normungsbehörde auf den Punkt: Messung bedeutet nur dann etwas, wenn die Metriken zum Kontext und zum beabsichtigten Einsatzzweck des Systems passen. Eine Rangliste kann nicht sagen, ob ein Modell die eigene Aufgabe erledigen kann. Ein Nachmittag mit der eigenen Evaluierungssuite kann es.

Diese Suite ist selbst die Infrastruktur gegen Lock-in. Wer jedes Kandidatenmodell schnell an der eigenen Arbeit bewerten kann, für den hört der Wechsel auf, beängstigend zu sein, und wird zur Routineentscheidung in der Kostenrechnung, und darum geht es im Kern. Das ist Arbeit für die Einsatzreife, und sie gehört vor den Bau: Die Begründung für diese Reihenfolge legen wir in unserem Beitrag zu KI-Einsatzreife vor dem Bau dar, und genau dafür ist ein unabhängiges technisches Strategiemandat da. Die Anbieter verkaufen Motoren; kaufen Sie den Treibstoff jedes Quartal nach Verdienst, und behalten Sie den Motor in der eigenen Garage.

Häufige Fragen

Reicht ein Open-Weight-Modell für den Unternehmenseinsatz aus?

Für die meisten Arbeitslasten lautet die ehrliche Antwort: testen. Definieren Sie, was „gut“ für die konkrete Aufgabe bedeutet, und bewerten Sie Kandidatenmodelle dann an den eigenen Daten. Reißt ein günstigeres Open-Weight-Modell die eigene Messlatte, kauft die Prämie für das Spitzenmodell Fähigkeiten, die die Arbeitslast gar nicht braucht. Die verbleibenden Fragen, Hosting, Datenresidenz, Support, sind Technik- und Beschaffungsfragen, keine Fähigkeitsfragen.

Was enthält eine herstellerunabhängige KI-Orchestrierungsschicht konkret?

Eine Ablage für Prompts und Kontext, Tool- und Funktionsdefinitionen, Routing- und Fallback-Logik, Logging und Observability, eine Evaluierungsumgebung sowie einen schlanken Adapter, der jede Modell-API zum Stecker macht. Der Test ist einfach: Ist der Austausch des zugrunde liegenden Modells eine Konfigurationsänderung statt einer Neuentwicklung, gehört einem die Orchestrierungsschicht. Ist es eine Neuentwicklung, gehört man dem Anbieter.

Kostet der Betrieb mehrerer KI-Modelle mehr als die Standardisierung auf einen Anbieter?

Es gibt echten Mehraufwand: Adapter, die gepflegt werden müssen, mehr Evaluierungen und gelegentlich eine anbieterspezifische Funktion, auf die man verzichtet. Ob sich das rentiert, ist Rechenarbeit, keine Glaubensfrage: das monatliche Token-Volumen mit der Preisspanne zwischen Modellen multiplizieren, die die eigene Evaluierungsschwelle bestehen. Arbeitslasten mit hohem Volumen holen den Mehraufwand meist schon beim ersten Wechsel zu einem günstigeren, ebenso tauglichen Modell wieder herein; bei geringem Volumen passiert das womöglich nie, und das offen zu sagen, gehört zur Disziplin dazu.