Vendor Lock-in bei KI: wo die Bindung wirklich entsteht
Die Bindung steckt nicht im Vertrag, sondern in verstreuten Anweisungen, fest eingebauten Schnittstellen und Einbettungen, die niemand neu aufbauen kann.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Kurz gesagt
Die Bindung an einen KI-Anbieter entsteht selten dort, wo man sie vermutet. Der Vertrag ist meist kündbar, teuer wird der Ausstieg an den Stellen, in denen Arbeit steckt: Anweisungen, die über Monate auf ein Modell hin geschliffen wurden, Anwendungen, die direkt gegen ein herstellereigenes Entwicklungspaket sprechen, Einbettungen in einer verwalteten Vektordatenbank und Modelle mit eigenem Fine-Tuning, die nur dort laufen. Wechselfähig bleibt, wer diese vier Punkte früh entkoppelt.
Stand dieser Seite: 04.10.2026
01 Worum es geht
Die Abhängigkeit entsteht in Wochen, das Lösen dauert Quartale
Am Anfang steht meist ein Versuch, der schnell funktionieren soll. Also spricht die erste Anwendung direkt gegen das Entwicklungspaket des Anbieters, die Anweisungen wandern in den Quelltext, die Dokumente werden in den verwalteten Dienst geladen. Alles davon ist zu diesem Zeitpunkt vernünftig, weil Geschwindigkeit den Ausschlag gibt.
Ein Jahr später hängen zwölf Abläufe daran, und die Frage nach einer Alternative löst keine Antwort aus, sondern eine Erhebung. Der Preis erscheint nicht als Rechnung, sondern als fehlende Verhandlungsposition, denn wer nicht wechseln kann, verhandelt über nichts.
Der zweite Preis ist technischer Stillstand. Wenn jeder Modellwechsel ein eigenes Vorhaben ist, wird er verschoben, und ihr arbeitet mit einer Version weiter, die andere längst hinter sich gelassen haben.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
02 Im Detail
Symptom, Ursache, Lösung
Symptom
Ein Vergleichstest mit einem anderen Modell wird angesetzt und versandet nach zwei Wochen.
Ursache
Jede Anwendung spricht direkt gegen das Entwicklungspaket des Anbieters. Ein Test bedeutet damit Änderungen am Quelltext, Freigaben und eine Auslieferung in mehreren Teams.
Lösung
Zieht ein Gateway mit einheitlicher Schnittstelle ein und macht das Modell zur Konfiguration. Danach ist ein Vergleich eine Umschaltung und kein Vorhaben mit eigenem Termin.
Symptom
Niemand kann sagen, wie viele Anweisungen produktiv im Einsatz sind.
Ursache
Sie wurden dort abgelegt, wo sie gebraucht wurden, ohne Verzeichnis und ohne benannte Verantwortung.
Lösung
Legt ein Verzeichnis der produktiven Anweisungen an, mit Zweck, Modell, verantwortlicher Person und Prüfdatum, und pflegt es beim Anlegen statt im Nachhinein.
Symptom
Der Wechsel des Einbettungsmodells wird verworfen, weil der Wiederaufbau des Bestands unkalkulierbar erscheint.
Ursache
Die Quelldokumente liegen nur noch im verwalteten Dienst, und die Zerlegungsregeln stecken in einem Notizbuch, das einmal ausgeführt wurde.
Lösung
Haltet Quellen, Zerlegung und Metadaten im eigenen Haus und macht den Neuaufbau zu einem Lauf, der regelmäßig durchläuft, damit er im Ernstfall nichts Neues ist.
Symptom
Bei der Vertragsverlängerung liegt kein Vergleichsangebot auf dem Tisch.
Ursache
Es gibt keine Messung eines zweiten Modells, also auch kein Argument jenseits des Preises.
Lösung
Lasst eine kleine Testmenge regelmäßig gegen ein zweites Modell laufen und haltet das Ergebnis fest. Das kostet wenig und verändert die Verhandlung spürbar.
Symptom
Ein Modell mit eigenem Fine-Tuning liefert gute Ergebnisse, lässt sich aber nicht auf eine andere Plattform bringen.
Ursache
Das Fine-Tuning hängt an Plattform und Modellversion, und der Trainingsdatensatz liegt im Konto des Anbieters.
Lösung
Versioniert Trainingsdaten, Aufbereitung und Bewertungsmenge im eigenen Haus, dann ist das Fine-Tuning an anderer Stelle wiederholbar.
03 Was du mitnimmst
Was du mitnimmst
Nach dieser Seite kennst du die vier Stellen, an denen die Bindung tatsächlich entsteht, und du weißt, welche davon sich mit wenig Aufwand entkoppeln lässt.
Vier Stellen, an denen die Bindung wirklich entsteht
- 01 Der Quelltext spricht direkt mit dem Paket eines einzelnen Anbieters.
- 02 Produktive Anweisungen liegen verstreut und sind nirgends verzeichnet.
- 03 Die Einbettungen gehören zum Modell, und die Quelldokumente liegen nur im verwalteten Dienst.
- 04 Das Fine-Tuning hängt an Plattform und Modellversion.
Anweisungen inventarisieren
Du führst ein Verzeichnis der produktiv genutzten Anweisungen mit Zweck, Modell und Verantwortung und weißt damit jederzeit, was ein Wechsel berührt.
Über eine Schicht sprechen
Du lässt Anwendungen gegen eine einheitliche Schnittstelle laufen, sodass das Modell eine Konfiguration ist und kein Bestandteil des Quelltexts.
Quellen behalten
Du hältst Dokumente, Zerlegungsregeln und Metadaten im eigenen Haus und behandelst den Vektorbestand als jederzeit neu erzeugbares Zwischenergebnis.
Trainingsdaten sichern
Du versionierst Trainingsdatensatz und Bewertungsmenge selbst, damit ein Fine-Tuning auch an anderer Stelle wiederholbar bleibt.
Ein Zweitmodell mitlaufen lassen
Du misst regelmäßig eine Alternative an derselben Testmenge und gehst mit Zahlen statt mit Vermutungen in die Vertragsverlängerung.
Den Ausstieg vertraglich klären
Du lässt Exportformate, Löschfristen und den Vorlauf bei der Abkündigung einer Modellversion schriftlich festhalten.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Der Vertrag ist selten das Problem
Eine Kündigungsfrist lässt sich einhalten, ein Preisaufschlag lässt sich verhandeln. Was den Wechsel verhindert, ist der Aufwand danach: Jede produktive Anwendung muss neu erprobt, jede Ausgabe neu geprüft und jede Abweichung im Verhalten neu ausgeglichen werden. Dieser Aufwand steht in keinem Vertrag und wird deshalb bei der Auswahl fast nie geschätzt.
Ein brauchbarer Prüfstein: Frag dein Team, wie lange eine Umstellung auf ein anderes Modell dauern würde und woran diese Schätzung hängt. Wenn die Antwort mehrere Monate lautet und niemand die Liste der betroffenen Stellen kennt, ist die Bindung bereits eingetreten.
Anweisungen sind Betriebsvermögen und werden wie Notizen behandelt
In den meisten Häusern liegen die produktiv genutzten Anweisungen verstreut: fest im Quelltext, in Automatisierungen, in Konfigurationsdateien und in den gespeicherten Vorlagen einzelner Personen. Niemand kann sagen, wie viele es sind. Beim Modellwechsel ist genau diese Liste der Arbeitsplan, und sie existiert nicht.
Der Aufwand dagegen ist gering. Führt ein Verzeichnis der produktiven Anweisungen mit Zweck, verantwortlicher Person, Modell und Datum der letzten Prüfung. Damit wird aus einer diffusen Sorge eine Liste mit Aufwänden, und ihr seht nebenbei, wie viele Anweisungen doppelt gepflegt werden.
Einbettungen gehören zum Modell, eure Dokumente nicht
Vektoren aus einem Einbettungsmodell lassen sich nicht in den Raum eines anderen Modells übersetzen. Wer das Einbettungsmodell wechselt, baut den Bestand neu auf, und das gelingt nur, wenn Quelldokumente, Zerlegungsregeln und Metadaten im eigenen Haus liegen. Wer die Rohdaten nur in der verwalteten Datenbank des Anbieters hat, verliert beim Wechsel die Grundlage.
Behandelt den Vektorbestand deshalb als ableitbares Zwischenergebnis und nicht als Datenbestand. Der Wiederaufbau aus den Quellen gehört als planmäßiger Lauf eingerichtet. Wird er einmal von Hand gemacht und danach nie wieder angefasst, ist er im Ernstfall keine Option.
Eine Schicht dazwischen kostet Tage und spart Quartale
Wenn jede Anwendung direkt gegen ein herstellereigenes Entwicklungspaket spricht, ist der Anbieter über den gesamten Quelltext verteilt. Ein vorgeschaltetes Gateway mit einheitlicher Schnittstelle dreht das um: Die Anwendungen kennen nur eine Adresse, welches Modell antwortet, steht in der Konfiguration, und Protokollierung, Kostenzuordnung und Ausfallumschaltung liegen an einer Stelle.
Der Nebeneffekt ist der eigentliche Gewinn. Sobald ein zweites Modell nur eine Konfigurationszeile entfernt ist, wird der Vergleich zur Routine statt zum Vorhaben, und ihr geht mit einer gemessenen Alternative in die nächste Vertragsverhandlung statt mit einem Argument.
Fine-Tuning ist die stärkste Bindung
Ein Modell mit eigenem Fine-Tuning liegt auf der Plattform, auf der es entstanden ist, und hängt an einer Modellversion. Wird diese Version abgelöst, ist das Fine-Tuning zu wiederholen, und zwar dort, wo die Trainingsdaten liegen. Wer die Daten nur im Anbieterkonto hat, kann diese Arbeit nicht mitnehmen.
Der Ausweg ist unspektakulär: Trainingsdatensatz, Aufbereitungsschritte und Bewertungsmenge gehören versioniert ins eigene Haus, unabhängig davon, wo trainiert wird. Dann ist das Fine-Tuning ein wiederholbarer Vorgang und keine einmalige Investition an fremdem Ort.
Dazu passende Kurse
Wie sich eine solche Zwischenschicht aufsetzen, absichern und abrechnen lässt, zeigen die Kurse zu Plattformen und Diensten für den KI-Betrieb.
Die Entkopplung ist Arbeit an der Architektur, deshalb stellt sich schnell die Frage, wer im Team die Umsetzung übernimmt.
Wie sicher bist du beim Thema wirklich?
Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.
04 Konkrete Kurse
Wo du genau das übst
- LiteLLM Schulung: AI-Gateway sicher betreiben
- Cloud-native KI auf AWS und Azure: Ready für Production
- Open-Source-LLMs lokal betreiben: Grundkurs
- Make, Buy or Partner? KI-Entscheidungen
Weitere Kurse aus diesem Bereich
- DeepSeek Training: Einsatz und Self-Hosting
- AI-3003 Training: Entwickeln von Lösungen für die Verarbeitung natürlicher Sprache mit Azure KI Services
- Azure Container Apps Workshop: KI produktionsreif betreiben
- Azure OpenAI Service: Architektur, Einstieg, Praxis
- KI in der Cloud sicher betreiben: Datenschutz, Risiken
- LLM Self-Hosting und Deployment
- Open WebUI Schulung: Self-Hosted-KI betreiben
Preise, Orte und Buchung für alle Kurse des Bereichs findest du im Katalog: Alle KI-Schulungen mit Terminen.
Stimmen aus den Kursen
Was Teilnehmende über die Kurse in diesem Bereich sagen
Die Rückmeldungen von allen Beteiligten war durchweg positiv und die Inhalte werden zu verbesserter/produktiverer Nutzung im Unternehmen führen.
Sehr gute Trainer, wissen konnte gut vermittelt werden mit Praxisbeispielen.
Sehr umfangreiche und Praxisnahe Schulung mit gut verständlichen Beispielen und Übungen.
05 Fragen
Häufige Fragen
Deine Frage ist nicht dabei? Stell sie uns direkt, wir antworten dir persönlich.
Ist ein Gateway nicht selbst eine neue Abhängigkeit?
Reicht es, ein Modell mit offenen Gewichten zu nutzen?
Wie oft sollten wir den Wechselfall üben?
Was gehört zum Thema Ausstieg in den Vertrag?
Passt thematisch dazu
Warum sich Vektoren nicht von einem Modell ins andere übertragen lassen, wird klarer, wenn du weißt, was eine Einbettung technisch ist.
Deine Ansprechpartner
Du bist dir nicht sicher, welcher Kurs oder welches Level zu dir passt? Wir beraten dich persönlich und kostenlos.
Yves Hoppe
Weiterbildung & Beratung
Hilft dir, aus dem KI-Programm den passenden Kurs für deinen Stand zu finden.
Norbert Jansen
Beratung & Inhouse
Plant mit dir Inhouse-Trainings, die auf eure Abläufe und euren Datenbestand zugeschnitten sind.
Wechselfähigkeit ist eine Bauentscheidung, keine Vertragsklausel
Wie ein Gateway vor mehreren Modellen aufgesetzt, abgesichert und abgerechnet wird, lässt sich bei cmt an einem laufenden Aufbau nachvollziehen.