Open Source vs. Open Weight: Der Unterschied bei KI-Modellen

Ein KI-Modell besteht nicht nur aus Code. Es hat drei Bestandteile:

• Gewichte: die Milliarden Parameter, die das Modell im Training gelernt hat
• Code: für Training und Ausführung (Inferenz)
• Trainingsdaten: die Texte, Bilder oder Code, aus denen das Modell gelernt hat

Die Open Source Initiative (OSI), die auch die bekannten Open-Source-Lizenzen prüft, hat im Oktober 2024 die Open Source AI Definition (OSAID) 1.0 veröffentlicht. Sie ist heute der maßgebliche Maßstab. Ein KI-Modell gilt danach als Open Source, wenn jeder es frei nutzen, untersuchen, verändern und weitergeben darf. Dafür müssen offenliegen:

• die Gewichte
• der vollständige Code für Training und Datenaufbereitung
• so detaillierte Informationen zu den Trainingsdaten, dass Fachleute ein im Wesentlichen gleichwertiges Modell nachbauen können

In der Praxis erfüllen das nur wenige Modelle. Bekannte Beispiele sind OLMo vom Allen Institute for AI und Apertus, das Schweizer Sprachmodell von ETH Zürich, EPFL und dem Supercomputing-Zentrum CSCS.

Bei einem Open-Weight-Modell (oft auch „Open Weights“ genannt) veröffentlicht der Anbieter nur die trainierten Gewichte. Trainingscode und Trainingsdaten bleiben unter Verschluss.

Das heißt konkret:

• Sie können das Modell herunterladen, lokal betreiben und feinjustieren (Fine-Tuning).
• Sie können es nicht nachbauen, weil Daten und Trainingsverfahren fehlen.
• Sie können nicht vollständig prüfen, womit es trainiert wurde, etwa mit Blick auf Verzerrungen oder urheberrechtlich geschütztes Material.

Wenn Anbieter heute von Open-Source-Modellen sprechen, meinen sie in der Regel Open-Weight-Modelle. Llama, Qwen, Gemma, DeepSeek, Phi und die meisten Mistral-Modelle gehören in diese Kategorie.

Hier entsteht die meiste Verwirrung. Zwei Fragen werden oft vermischt:

1. Was darf ich mit dem Modell machen? Das regelt die Lizenz.
2. Was kann ich über das Modell nachvollziehen? Das hängt davon ab, was veröffentlicht wurde.

Ein Modell kann eine sehr freie Lizenz haben und trotzdem „nur“ Open Weight sein. Ein gutes Beispiel ist Gemma 4 von Google: Seit Version 4 stehen die Gewichte unter der Apache-2.0-Lizenz und dürfen frei kommerziell genutzt werden. Die Trainingsdaten sind aber nicht offen. Gemma 4 ist damit ein Open-Weight-Modell mit sehr freier Lizenz, kein Open-Source-Modell im Sinne der OSI.

Umgekehrt gibt es Open-Weight-Modelle mit eingeschränkter Lizenz. Llama von Meta steht unter einer eigenen Community-Lizenz mit Auflagen, unter anderem einer Sonderregel für sehr große Anbieter mit mehr als 700 Millionen monatlich aktiven Nutzern. Für die meisten Unternehmen ist das unkritisch, lesen sollten Sie die Lizenz trotzdem.

Auch innerhalb einer Modellfamilie kann die Lizenz variieren, etwa bei Qwen oder Mistral. Prüfen Sie deshalb immer die Lizenz des konkreten Modells, nicht die der Familie.

Open Weight reicht für die meisten Anwendungsfälle. Sie können das Modell auf eigener Hardware betreiben, mit Ihren Daten arbeiten lassen und Tool-Use konfigurieren, ohne dass Daten Ihr Haus verlassen. Wie das im Mittelstand konkret aussieht, beschreiben wir in Lokale KI ist 2026 produktionsreif.

Open Source im strengen Sinne wird wichtig, wenn Sie nachweisen müssen, womit ein Modell trainiert wurde. Das betrifft vor allem:

• Audits und regulierte Branchen
• Fragen zum Urheberrecht an Trainingsdaten
• Dokumentationspflichten, etwa im Rahmen des EU AI Act
• Forschung und Projekte, bei denen ein Modell vollständig reproduzierbar sein muss

Transparenz gibt es auch zwischen den Kategorien. IBM Granite ist formal ein Open-Weight-Modell, weil die Trainingsdaten nicht vollständig veröffentlicht sind. IBM dokumentiert die Datenquellen aber sehr ausführlich, und Granite ist nach ISO/IEC 42001 zertifiziert. Für Compliance-Anforderungen ist das oft ein guter Mittelweg.

Eine ehrliche Einordnung der wichtigsten Familien (Stand: September 2026):

In unseren Kundenprojekten wählen wir die Modellfamilie nach Anwendungsfall:

Das Multi-Provider-Muster macht den Wechsel zwischen Modellen zum Einzeiler. Wir empfehlen, nicht auf eine einzige Familie zu setzen, denn die Landschaft bewegt sich quartalsweise.

Ist Llama Open Source?

Nein. Llama ist ein Open-Weight-Modell: Die Gewichte sind verfügbar, Trainingsdaten und Trainingscode nicht. Zudem steht Llama unter einer eigenen Lizenz mit Auflagen, die keine OSI-konforme Open-Source-Lizenz ist.

Ist ein KI-Modell mit Apache-2.0-Lizenz automatisch Open Source?

Nein. Die Apache-2.0-Lizenz regelt nur, was Sie mit den veröffentlichten Gewichten tun dürfen. Ob ein Modell Open Source ist, hängt zusätzlich davon ab, ob Trainingscode und Trainingsdaten offenliegen.

Darf ich Open-Weight-Modelle kommerziell nutzen?

Das hängt von der Lizenz ab. Modelle unter Apache 2.0 oder MIT dürfen Sie in der Regel frei kommerziell einsetzen. Bei eigenen Lizenzen wie der von Llama gelten zusätzliche Bedingungen.

Welche KI-Modelle sind wirklich Open Source?

Nur wenige. Zu den bekanntesten gehören OLMo vom Allen Institute for AI, Apertus aus der Schweiz und Pythia von EleutherAI. Sie veröffentlichen neben den Gewichten auch Trainingscode und Trainingsdaten.

Heißt es Open Weight oder Open Weights?

Beide Schreibweisen sind gebräuchlich und meinen dasselbe. Im Deutschen findet man auch „Open-Weight-Modell“ oder „Modell mit offenen Gewichten“.

Kann ich Open-Weight-Modelle lokal betreiben?

Ja. Genau das ist einer der größten Vorteile. Sie laden die Gewichte herunter und betreiben das Modell auf eigener Hardware, ohne dass Daten an einen Cloud-Anbieter gehen.