Drei Dinge habe ich in den letzten Wochen ausprobiert und hier dokumentiert. Alle drei haben mir dasselbe beigebracht. Und keins davon war das, was ich eigentlich testen wollte.
Beim ersten wollte ich wissen, ob produktives Arbeiten mit KI geht, ohne dass Daten Europa verlassen. Antwort: ja. Was ich dabei gelernt habe, war aber etwas anderes — es brauchte keine Grundsatzentscheidung, sondern eine Konfiguration an einem Nachmittag.
Beim zweiten wollte ich wissen, warum sich dasselbe Setup zäh anfühlt. Ich habe dasselbe Modell über einen anderen europäischen Anbieter laufen lassen und es war spürbar schneller. Geschwindigkeit war nie eine Eigenschaft des Modells. Sie war eine Eigenschaft des Betriebs.
Beim dritten wollte ich ein Modell testen und habe stattdessen eine Methode getestet. Der Agent hat nicht angefangen zu programmieren, sondern gefragt, entworfen und geplant. Dieselbe Technik, anderes Ergebnis.
Drei Versuche. In allen dreien war das Modell identisch. Verändert wurde jedes Mal nur die Schicht darum herum.
Das Modell war nie die Variable.
Das heißt nicht, dass Modelle egal sind. Es heißt, dass sie in den meisten Entscheidungen, die gerade in Unternehmen anstehen, nicht der Punkt sind, an dem sich etwas entscheidet.
Auffallen kann das nicht. Nicht weil jemand unaufmerksam wäre. Sondern weil das Modell das Einzige ist, das einen Namen hat. Es hat eine Versionsnummer, ein Erscheinungsdatum, einen Benchmark und eine Pressemitteilung. Infrastruktur, Betrieb und Methode haben nichts davon. Was einen Namen hat, wird verglichen. Was keinen hat, wird übersehen.
Die Korrektur kostet nichts. Vor jeder KI-Entscheidung nicht zuerst fragen, welches Modell — sondern: auf welcher Infrastruktur, in welchem Betrieb, nach welcher Methode. Kein Budget, kein neues Werkzeug, keine Ausschreibung.
Einen Nebeneffekt erwähne ich noch, weil er oft übersehen wird: Diese drei Schichten sind genau die, über die ihr Kontrolle habt. Das Modell wird anderswo gebaut und in sechs Monaten durch ein besseres ersetzt. Wo es läuft, wie es betrieben wird und nach welcher Arbeitsweise eure Leute damit umgehen — das entscheidet ihr. Und in genau diesen drei Schichten entstehen auch Vertraulichkeit und Nachweisbarkeit, nicht im Modell.
Bei einem Entwickler, der etwas ausprobiert, ist die Verwechslung eine verlorene Woche. Bei einer Abteilung, die nach einem Pilotprojekt über die nächsten drei Jahre entscheidet, ist sie der Grund, warum die Entscheidung gegen eine Technologie fällt, die nie richtig aufgesetzt war.
Die Modellauswahl fühlt sich an wie die eigentliche Entscheidung.
Sie ist die einzige der vier Schichten, die euch nicht gehört.
Wenn bei euch ein KI-Vorhaben gescheitert ist — lag es wirklich am Modell, oder wurde nur nie eine andere Schicht angefasst?