KI-API oder eigenes Modell: Was passt zum Startup?

Das Problem

Ein Startup will ein KI-Produkt bauen, etwa einen Assistenten für Treuhandbüros, der Belege zusammenfasst. Die erste Frage: Woher kommt die KI? Man kann einen Dienst über eine Schnittstelle nutzen (API, eine Art digitale Steckdose, über die Ihr Programm Anfragen an den Anbieter schickt) oder ein Modell selbst betreiben.

Im Team gibt es zwei Lager. Die einen sagen: «Wir nehmen einen grossen Anbieter, das geht schnell.» Die anderen: «Wir wollen unabhängig sein und die Daten bei uns behalten, also bauen wir ein eigenes Modell.» Beide Standpunkte haben Berechtigung, aber beide können teuer werden, wenn sie nicht zur Situation passen.

Ein eigenes Modell zu trainieren, ist für fast alle Startups unrealistisch. Meist geht es um die Frage: externes Modell über API nutzen oder ein bestehendes offenes Modell selbst betreiben. Dieser Beitrag hilft, die Frage strukturiert zu klären. Er gibt keine Produktempfehlung, da sich Angebote und Preise laufend ändern.

So lösen Sie es mit KI – Schritt für Schritt

1. Aufgabe genau beschreiben. Was soll die KI tun: Texte zusammenfassen, Fragen beantworten, Daten auslesen? Je klarer die Aufgabe, desto leichter der Vergleich.

1. Daten einteilen. Welche Daten fliessen ein? Öffentliche, interne, Personendaten, Berufsgeheimnisse? Das ist oft das wichtigste Kriterium.

1. Anforderungen festhalten. Antwortqualität, Geschwindigkeit, Verfügbarkeit, Sprachen (Deutsch, Französisch), Kosten pro Anfrage, Datenstandort, Zertifikate.

1. Optionen sammeln. Mindestens drei: externer Anbieter über API, Anbieter mit Schweizer oder europäischem Standort, selbst betriebenes offenes Modell. Eine Übersicht zu Standortfragen: Serverstandort und Datenschutz.

1. Vergleich vorbereiten. Geben Sie Aufgabe, Daten und Anforderungen in die Vorlage unten und lassen Sie sich Vor- und Nachteile und offene Fragen auflisten.

1. Praxistest machen. Testen Sie jede Option mit 30 bis 50 echten Beispielen aus Ihrem Anwendungsfall und vergleichen Sie Qualität, Geschwindigkeit und Kosten. Siehe KI-Produkt testen.

1. Gesamtkosten rechnen. Berücksichtigen Sie nicht nur Nutzungskosten, sondern bei Eigenbetrieb auch Server, Betrieb, Sicherheit und Personalaufwand. Hilfe: Gesamtkosten eines eigenen Sprachmodells.

1. Ausstieg mitdenken. Bauen Sie Ihr Produkt so, dass Sie das Modell später wechseln können. Dann ist der Entscheid kein Dauerurteil.

Vorlage zum Kopieren

Du unterstützt ein Schweizer Startup bei einer technischen Entscheidung. Du gibst keine Produktempfehlung und nennst keine Preise oder Modellversionen, die du nicht sicher kennst.

Produkt und Aufgabe der KI: [Beschreibung]
Daten, die verarbeitet werden: [öffentlich / intern / Personendaten / Berufsgeheimnis]
Anforderungen: [Qualität in Deutsch/Französisch, Antwortzeit, erwartete Anfragen pro Tag, Datenstandort, Budget]
Technische Fähigkeiten im Team: [z. B. 2 Entwickler ohne Erfahrung im Betrieb von GPU-Servern]
Optionen: [A: externe API, B: API eines Anbieters mit Standort in Europa/Schweiz, C: selbst betriebenes offenes Modell]

Aufgabe:
1. Stelle die Optionen in einer Tabelle gegenüber: Vorteile, Nachteile, Risiken, typische Kostenarten (ohne Beträge).
2. Nenne die fünf wichtigsten Fragen, die wir vor dem Entscheid klären müssen.
3. Nenne Kriterien, bei denen sich eine Option klar ausschliesst, wenn sie nicht erfüllt sind.
4. Schlage einen Testplan mit echten Beispielen vor.
Weise darauf hin, was du nicht sicher weisst.

Ersetzen Sie die Angaben durch Ihre; für den Entscheid brauchen Sie danach eigene Tests und aktuelle Angebote der Anbieter.

Worauf Sie achten müssen

• Datenschutz zuerst: Wenn Sie Personendaten oder Berufsgeheimnisse verarbeiten, klären Sie Standort, Verträge und Weitergabe an Dritte vor der Entscheidung. Siehe Datentransfer in die USA.
• Stand der Technik: Modelle, Preise und Bedingungen ändern sich schnell. Prüfen Sie aktuelle Informationen direkt bei den Anbietern, Stand Oktober 2026 kann bereits überholt sein.
• Verdeckte Aufwände: Selbst betriebene Modelle brauchen Updates, Überwachung, Sicherheit und Fachwissen. Rechnen Sie diese Arbeitszeit ein.
• Lizenzen: Offene Modelle haben unterschiedliche Lizenzbedingungen, auch für kommerzielle Nutzung. Prüfen Sie sie vor dem Einsatz.
• Qualität in Ihrer Sprache: Prüfen Sie Deutsch (Schweizer Eigenheiten) und gegebenenfalls Französisch und Italienisch mit eigenen Beispielen.
• Abhängigkeit: Wer alles auf einen Anbieter setzt, ist von dessen Preisen und Bedingungen abhängig. Eine Schicht im Code, die den Wechsel erleichtert, schützt.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Startup in Zug entwickelt einen Assistenten, der Verträge von KMU nach festen Kriterien durchsieht. Das Team neigt zu einem eigenen Modell, weil die Verträge vertraulich sind. Der Technikleiter lässt die KI Optionen gegenüberstellen und Entscheidungsfragen sammeln.

Das Ergebnis: Für Prototyp und Pilot nutzen sie eine API mit Standort in Europa und anonymisierten Beispielverträgen. Parallel prüfen sie bei einem Pilotkunden, der keine Cloud-Lösung akzeptiert, ein selbst betriebenes offenes Modell. Beim Test mit 40 Beispielen schneidet die API in Deutsch besser ab, das lokale Modell ist ausreichend, aber aufwendiger im Betrieb.

Sie entscheiden: Standard über API, Eigenbetrieb nur für Kunden mit strengen Vorgaben und gegen Aufpreis. Vorher war die Frage ein Glaubenskrieg, nachher ist sie eine Rechnung. Einen praktischen Einstieg zum lokalen Betrieb liefert LLM lokal oder in der Cloud betreiben.

So hilft Ihnen Alpasana

Wenn Sie KI in Ihr Produkt oder Ihre Prozesse integrieren möchten, hilft die KI-Beratung und digitale Transformation von Alpasana. Beschrieben sind unter anderem das Integrieren von KI-Agenten mit Anwendungsfall, Pilot, Einsatzregeln und Skalierung sowie das Konzipieren von Schnittstellen und das Verbinden von Systemen mit dokumentierter Umsetzung.

Projekte werden individuell offeriert. Eine Produktempfehlung für ein bestimmtes Modell ist damit nicht verbunden.

Häufige Fragen

Muss ich ein Modell selbst trainieren?

In der Regel nicht. Das Training eines grossen Sprachmodells ist extrem aufwendig. Meist reichen bestehende Modelle, ergänzt durch eigene Daten über Abfragen oder Feinabstimmung.

Was ist mit Datenschutz bei einer API?

Ihre Eingaben gehen an den Anbieter. Prüfen Sie Verträge, Standort, Speicherung und ob Eingaben zum Training verwendet werden. Bei sensiblen Daten ziehen Sie Fachleute bei.

Kann ich später vom einen zum anderen wechseln?

Ja, wenn Sie Ihr Produkt entsprechend bauen: eine eigene Schicht für den Modellzugriff, eine Testsammlung und dokumentierte Anforderungen. Das erleichtert jeden Wechsel.