Beantwortet von der Redaktion von Business.Digital Stand
Ein Foundation Model ist ein KI-Modell, das auf extrem großen Datenmengen vortrainiert wurde und nicht für eine einzige Aufgabe gedacht ist, sondern als Fundament für viele verschiedene Anwendungen dienen kann. GPT (OpenAI), Claude (Anthropic), Gemini (Google), Llama (Meta) und Stable Diffusion sind bekannte Foundation Models.
Der Begriff wurde 2021 von Forschern der Stanford University geprägt, um eine neue Klasse von Modellen zu beschreiben: zu groß und zu allgemein, um sie nur “Sprachmodelle” oder “Bildmodelle” zu nennen, und zu grundlegend für das Feld, um sie mit früheren KI-Systemen gleichzusetzen.
Was macht sie besonders?
Foundation Models werden auf riesigen, unspezifischen Datensätzen trainiert, zum Beispiel einem erheblichen Teil des öffentlichen Internets. Dadurch entwickeln sie eine breite Kompetenz: Sprachverständnis, Weltwissen, Schlussfolgerungsfähigkeiten. Danach können sie durch Fine-Tuning oder Prompting für spezifische Aufgaben angepasst werden.
Das verändert die Ökonomie der KI-Entwicklung fundamental. Früher musste für jede Aufgabe ein eigenes Modell trainiert werden. Jetzt nimmt man ein Foundation Model und passt es an. Das spart Millionen von Dollar und Monate Entwicklungszeit.
Welche Foundation Models gibt es?
Für Text: GPT (OpenAI), Claude (Anthropic), Gemini (Google), Llama (Meta). Für Bilder: Stable Diffusion (Stability AI), Midjourney, Flux. Für Code: GitHub Copilot, CodeLlama. Die aktuellen Spitzenmodelle aller drei großen Anbieter sind ohnehin multimodal, verarbeiten also Text und Bild in einem Modell.
Welche Bedeutung hat das für Unternehmen?
Statt komplexe KI-Projekte von Null zu starten, können Unternehmen heute auf Foundation Models aufsetzen und diese für ihre spezifischen Anforderungen anpassen. Das spart erheblich Zeit und Budget. Welches Modell für welchen Zweck, und wie man das implementiert, ist eine der zentralen Fragen in einer KI-Beratung.