“Foundation Model” ist der Fachbegriff für die KI-Basismodelle hinter Tools wie ChatGPT, Claude oder Gemini. Der Begriff taucht zunehmend in Fachartikeln und Anbieter-Dokumentationen auf, ohne dass immer klar wird, was er bedeutet. Für KMU lohnt sich das Verständnis, weil fast jedes moderne KI-Tool auf einem solchen Basismodell aufbaut.
Kurze Antwort
Ein Foundation Model ist ein großes KI-Modell, das mit riesigen, meist unstrukturierten Datenmengen trainiert wurde und sich dadurch für viele unterschiedliche Aufgaben nutzen lässt – von Text über Bilder bis Programmcode. Es bildet die “Grundlage” (daher der Name), auf der spezialisiertere Anwendungen aufsetzen, etwa Chatbots, Schreibassistenten oder Bildgeneratoren. Bekannte Beispiele sind GPT (OpenAI), Claude (Anthropic) und Gemini (Google).
Definition
Geprägt wurde der Begriff 2021 von Forschenden des Stanford Center for Research on Foundation Models (CRFM). Sie definierten ein Foundation Model als Modell, das auf breiten Daten trainiert wird – meist per Selbstüberwachung, also ohne manuelle Kennzeichnung der Trainingsdaten – und sich anschließend auf viele nachgelagerte Aufgaben anpassen lässt. Ein Large Language Model wie GPT-4 ist ein Foundation Model, das auf Text spezialisiert ist. Foundation Models existieren aber auch für Bilder (z. B. Stable Diffusion), Audio oder Programmcode.
Entscheidend ist der Unterschied zu klassischen KI-Modellen: Ein Foundation Model wird einmal aufwendig trainiert und danach vielfach wiederverwendet, statt für jede Aufgabe ein neues Modell von Grund auf zu bauen. Diese Wiederverwendbarkeit ist der Grund, warum sich KI-Tools in den letzten Jahren so schnell vervielfacht haben.
Beispiel
Ein Steuerberatungsbüro nutzt drei verschiedene KI-Tools: einen Chatbot für Mandantenanfragen, einen Schreibassistenten für Rundschreiben und ein Transkriptions-Tool für Beratungsgespräche. Alle drei bauen möglicherweise auf demselben Foundation Model auf, etwa GPT-4 – nur die Feinabstimmung (Fine-Tuning) und der jeweilige Systemkontext unterscheiden sich.
Für das Büro heißt das konkret: Es muss kein eigenes KI-Modell trainieren. Es greift über die einzelnen Anbieter auf ein bestehendes Foundation Model zu und passt es lediglich per Eingabe (Prompt) an den eigenen Bedarf an – deutlich günstiger und schneller als eine Eigenentwicklung.
DSGVO-Relevanz
Foundation Models werden meist mit riesigen, aus dem Internet gesammelten Datensätzen trainiert – darunter womöglich auch personenbezogene Daten. Diese Trainingsphase verantwortet in erster Linie der Anbieter des Modells, nicht das nutzende KMU.
Relevant für Unternehmen ist ein anderer Punkt: ob die eigenen Eingaben zusätzlich für weiteres KI-Training des Foundation Models verwendet werden. Das sollte vor dem Einsatz mit personenbezogenen oder vertraulichen Daten geprüft werden, etwa über die Nutzungsbedingungen oder ein Opt-out in den Konto-Einstellungen des Anbieters.
Auf EU-Ebene nähert sich die EU-KI-Verordnung (AI Act) dem Thema mit der eigenen Kategorie “KI-Modell für allgemeine Zwecke” (Art. 3 Nr. 63) – Anbieter solcher Modelle unterliegen eigenen Transparenzpflichten. Ob sich ein konkretes Tool aus DSGVO-Sicht für den eigenen Anwendungsfall eignet, sollte im Einzelfall geprüft werden – aktuelle Angaben dazu liefert der jeweilige Anbieter (Stand: Juli 2026).
Verwandte Begriffe
- Large Language Model (LLM) – ein Foundation Model, spezialisiert auf Text
- Fine-Tuning – Anpassung eines Foundation Models an eine konkrete Aufgabe
- KI-Training – wie Foundation Models überhaupt lernen
- Multimodale KI – Foundation Models, die mehrere Datentypen gleichzeitig verarbeiten
- EU-KI-Verordnung (AI Act) – regulatorischer Rahmen, der auch Foundation Models erfasst
Häufige Fragen
Ist ein Foundation Model dasselbe wie ein LLM?
Nein, aber verwandt: Ein Large Language Model ist ein Beispiel für ein Foundation Model, das auf Text spezialisiert ist. Foundation Models existieren auch für Bilder, Audio oder Programmcode – LLM bezeichnet nur die Text-Variante.
Muss ich als KMU selbst ein Foundation Model trainieren?
Nein. Das Trainieren eines Foundation Models kostet Millionenbeträge und ist nur wenigen großen Anbietern vorbehalten. KMU greifen über APIs oder fertige Tools auf bestehende Foundation Models zu und passen sie höchstens per Prompt oder Fine-Tuning an.
Welche Foundation Models gibt es aktuell?
Bekannte Beispiele sind GPT von OpenAI, Claude von Anthropic, Gemini von Google und Llama von Meta. Aktuelle Modellversionen und Details ändern sich schnell und sollten direkt beim jeweiligen Anbieter geprüft werden, Stand Juli 2026.
Woher weiß ich, ob ein KI-Tool auf einem Foundation Model basiert?
Die meisten kommerziellen KI-Tools bauen auf einem der bekannten Foundation Models auf, oft genannt in den Nutzungsbedingungen oder der Produktdokumentation des Anbieters. Bei Unklarheit lohnt sich eine Nachfrage beim Anbieter, insbesondere zu Trainingsdaten und Datenschutz.