Wer macht was in der KI-Welt – und was davon ist Hype, was ist real?
Von Foundation Models bis KI-Agenten: Ein strukturierter Überblick über die wichtigsten KI-Technologien, Player und Trends – ohne Vorkenntnisse verständlich erklärt.
KI ist kein einzelnes Produkt – es ist ein Stapel von Technologien, die aufeinander aufbauen. Wer die Ebenen versteht, versteht auch warum bestimmte Unternehmen so mächtig sind.
Ebene 4: Anwendungen ChatGPT, Copilot, Midjourney, Cursor, Perplexity
↑
Ebene 3: Plattformen Azure OpenAI, Google Vertex AI, AWS Bedrock, Hugging Face
↑
Ebene 2: Modelle GPT-5, Claude 4.6, Gemini 3, Llama 4, Mistral Large 3
↑
Ebene 1: Infrastruktur NVIDIA Blackwell GPUs, Google TPUs, AMD MI300X, Cloud (AWS/Azure/GCP)Warum das wichtig ist: Wer auf Ebene 1 dominiert, hat strukturellen Vorteil auf allen Ebenen darüber. NVIDIA kontrolliert die Chips → alle anderen sind abhängig.
NVIDIA hat mit ~80% Marktanteil bei KI-Chips eine Quasi-Monopolstellung. Die Blackwell-Generation (B200, GB200) ist seit Februar 2026 in Volumenproduktion und löst die H100-Generation ab. Konkurrenten:
AWS, Microsoft Azure und Google Cloud bieten KI-Infrastruktur als Service – und sind gleichzeitig Investoren in die führenden KI-Unternehmen:
| Cloud | KI-Investment | Eigene Modelle | KI-Plattform |
|---|---|---|---|
| Microsoft Azure | OpenAI ($13B+) | Phi-4 (klein, effizient) | Azure OpenAI Service |
| Google Cloud | Anthropic ($2B+) | Gemini 3, Gemma | Vertex AI |
| AWS | Anthropic ($8B+) | Titan, Nova | Amazon Bedrock |
OpenAI (GPT-5, GPT-5.3-Codex) und Anthropic (Claude Opus 4.6, Sonnet 4.6) dominieren den Markt für leistungsfähige Closed-Source-Modelle. Dahinter:
Europa hat aufgeholt – Mistral Large 3 konkurriert mit Frontier-Modellen:
Eine der wichtigsten strategischen Entscheidungen im KI-Ökosystem:
| Open Source | Closed Source | |
|---|---|---|
| Beispiele | Llama 4, Mistral Large 3, Gemma | GPT-5, Claude 4.6, Gemini 3 |
| Kosten | Nur Infrastruktur | Pay-per-use |
| Datenschutz | Vollständig lokal möglich | Daten gehen an Anbieter |
| Anpassbarkeit | Fine-Tuning, Modifikation | Nur Prompt Engineering |
| Qualität | Nahe an Closed Source (MoE-Modelle) | Meist noch besser (frontier) |
| Support | Community | Kommerziell |
| Kontrolle | Vollständig | Abhängig vom Anbieter |
Wann Open Source:
Wann Closed Source:
Moderne Frontier-Modelle verarbeiten nicht mehr nur Text. GPT-5, Gemini 3 und Llama 4 können gleichzeitig Text, Bilder, Audio und Video verstehen und generieren.
Praktische Anwendungen:
KI-Agenten sind Systeme die nicht nur antworten, sondern eigenständig Aufgaben ausführen: Web-Recherche, Code schreiben und ausführen, E-Mails senden, Formulare ausfüllen.
Klassisches LLM: User fragt → Modell antwortet → fertig
KI-Agent: User gibt Ziel → Agent plant → führt Schritte aus → prüft Ergebnis → iteriertAktueller Stand: Agenten funktionieren gut für klar definierte, reversible Aufgaben. Für kritische Prozesse (Finanztransaktionen, medizinische Entscheidungen) noch nicht produktionsreif – zu viele Halluzinationen und unerwartete Abweichungen.
Wichtige Frameworks: LangChain, LlamaIndex, AutoGen (Microsoft), CrewAI.
Reasoning ist inzwischen in die Hauptmodelle integriert: GPT-5 hat Thinking eingebaut, Claude 4.6 nutzt Adaptive Thinking, und Gemini 3 bietet Deep Think. Die Modelle entscheiden selbst, wie viel Denkzeit eine Aufgabe braucht.
Standard-LLM: Frage → sofortige Antwort (schnell, manchmal falsch)
Reasoning: Frage → internes Denken (Sekunden bis Minuten) → Antwort (langsamer, genauer)Wann sinnvoll: Mathematik, komplexe Logik, mehrstufige Planung, Code-Debugging. Für einfache Aufgaben überdimensioniert und teurer.
Statt Anfragen in die Cloud zu schicken, laufen kleine Modelle direkt auf dem Gerät – Smartphone, Laptop, IoT-Sensor.
Vorteile: Keine Latenz, kein Datenschutzproblem, offline-fähig. Nachteil: Kleinere Modelle (1B–7B) sind weniger leistungsfähig als Cloud-Modelle.
Der Trend geht weg von „größer ist besser” hin zu effizienten, spezialisierten Modellen:
Warum: Kleinere Modelle sind günstiger in der Inferenz, schneller, und für spezifische Aufgaben oft besser als generische Großmodelle.
Der Gartner Hype Cycle beschreibt wie neue Technologien überschätzt, dann unterschätzt und schließlich realistisch eingeschätzt werden. KI ist gerade auf dem Weg vom „Peak of Inflated Expectations” in das „Trough of Disillusionment”.
| Versprechen | Realität 2026 |
|---|---|
| „KI ersetzt alle Wissensarbeiter” | KI verändert Aufgaben, ersetzt selten ganze Jobs |
| „AGI in 2–3 Jahren” | Frontier-Modelle sind beeindruckend, aber kein echtes Verstehen |
| „KI-Agenten übernehmen alles” | Agenten funktionieren für klar definierte, reversible Aufgaben – Fortschritte bei Agent Teams |
| „Open Source ist genauso gut” | Llama 4 und Mistral Large 3 konkurrieren mit Frontier-Modellen |
| „KI halluziniert nicht mehr” | Halluzinationen sind reduziert, aber nicht gelöst |
Was wirklich funktioniert:
Was noch nicht zuverlässig funktioniert:
Die EU hat mit dem AI Act (2024) das erste umfassende KI-Gesetz weltweit verabschiedet. Kernpunkte:
Zeitplan: Verbote ab 2025, Hochrisiko-Anforderungen ab 2026, volle Anwendung ab 2027.
Für Unternehmen bedeutet das: KI-Anwendungen müssen dokumentiert, auditierbar und erklärbar sein – besonders wenn sie Entscheidungen über Menschen treffen.
KI-Landkarte für deinen Kontext erstellen
Erstelle eine persönliche Übersicht der KI-Tools und -Technologien die für dein Unternehmen oder deinen Beruf relevant sind.
Nein. KI (Künstliche Intelligenz) ist der Oberbegriff für alle Systeme die intelligentes Verhalten zeigen. Machine Learning ist ein Teilbereich von KI. Deep Learning ist ein Teilbereich von ML. LLMs sind Deep-Learning-Modelle. Also: KI ⊃ ML ⊃ Deep Learning ⊃ LLMs.
NVIDIA's GPUs waren ursprünglich für Spiele entwickelt – aber ihre parallele Rechenarchitektur ist ideal für das Training neuronaler Netze. NVIDIA hat früh in KI-Software (CUDA) investiert und hat heute einen Marktanteil von ~80% bei KI-Chips. AMD und Intel holen auf, aber der Vorsprung ist groß.
GPT-5 ist das Sprachmodell (die KI). ChatGPT ist die Benutzeroberfläche von OpenAI die GPT-5 (und andere Modelle) zugänglich macht. Ähnlich: Claude ist das Modell, claude.ai ist die Oberfläche.
KI ersetzt selten ganze Jobs – sie verändert Aufgaben innerhalb von Jobs. Repetitive, regelbasierte Aufgaben werden automatisiert. Kreative, soziale und strategische Aufgaben bleiben menschlich. Die Frage ist nicht 'KI vs. Mensch' sondern 'Mensch mit KI vs. Mensch ohne KI'.