Open-Source-KI ist gemäß der Definition der Open Source Initiative ein KI-System, das frei genutzt, untersucht, verändert und weitergegeben werden darf. Dazu gehören die zum Trainieren des Modells verwendeten Datensätze, der Code sowie die Modellparameter. Dies fördert einen kooperativen und transparenten Ansatz bei der KI-Entwicklung, sodass andere ein im Wesentlichen ähnliches Ergebnis erzielen können.
Die Debatte darüber, was angesichts der unterschiedlichen Offenheit von KI-Projekten als „Open Source“ gelten sollte, hat große Bedeutung erlangt. Einige große Sprachmodelle, die als Open-Source-Projekte angepriesen werden, bei denen jedoch lediglich die Gewichte offenliegen, während Trainingsdaten und Code nicht veröffentlicht werden, wurden als „Openwashing“-Systeme kritisiert, die größtenteils geschlossen sind. So vergibt beispielsweise Artificial Analysis der Nemotron-Familie von Nvidia einen „Openness Index“ von 83 % aufgrund ihrer größeren Transparenz hinsichtlich Methodik, Vortrainingsdaten und Nachtrainingsdaten, während Chinas führende Frontier-Modelle mit offenen Gewichten im Allgemeinen unter 50 % liegen.
Open-Source-KI ist ein zentrales Thema in der Geopolitik und in den Debatten um künstliche Intelligenz, das manchmal als KI-Wettrüsten oder KI-Kalter-Krieg zwischen den USA und China bezeichnet wird. Im Großen und Ganzen verwenden Modelle, die von chinesischen Unternehmen wie DeepSeek, Alibaba Cloud, Moonshot AI und Z.ai veröffentlicht werden, ein Framework mit offenen Gewichten unter freizügigeren Softwarelizenzen wie Apache oder MIT. US-amerikanische KI-Unternehmen, darunter OpenAI, Anthropic, SpaceXAI und Google DeepMind, bevorzugen größtenteils ein proprietäres Software-Framework, insbesondere für größere Modelle. Dies ist zum Teil auf politische Entscheidungen der nationalen Regierung zurückzuführen, da der öffentliche Zugang zu KI-Technologie zahlreiche Konsequenzen hat. Einige US-Politiker haben gefordert, den öffentlichen Zugang der US-Bevölkerung zu chinesischen KI-Tools einzuschränken.
Zu den beliebten Kategorien von Open-Source-Projekten im Bereich der künstlichen Intelligenz zählen große Sprachmodelle (LLM), Tools für maschinelle Übersetzung und Chatbots. Die Debatte über die Vorteile und Risiken von Open-Source-KI umfasst eine Reihe von Faktoren wie Sicherheit, Datenschutz und technologischen Fortschritt. Stand Juli 2026 ist das größte Open-Weight-Frontier-Modell „Kimi K3“ von Moonshot AI mit 2,8 Billionen Parametern, gefolgt von „Qwen3.8“ von Alibaba Cloud mit 2,4 Billionen Parametern.
Die Geschichte der Open-Source-KI ist sowohl mit der Entwicklung von KI-Technologien als auch mit dem Wachstum der Open-Source-Software-Bewegung verflochten.
Das Konzept der KI reicht bis in die Mitte des 20. Jahrhunderts zurück, als Informatiker wie Alan Turing und John McCarthy den Grundstein für moderne KI-Theorien und -Algorithmen legten. Eine frühe Form der KI, das auf natürlicher Sprachverarbeitung basierende „Arzt“-Programm ELIZA, wurde 1977 von Jeff Shrager als BASIC-Programm neu implementiert und veröffentlicht und bald darauf in viele andere Sprachen übersetzt. Die frühe KI-Forschung konzentrierte sich auf die Entwicklung symbolischer Schlussfolgerungssysteme und regelbasierter Expertensysteme.
In dieser Zeit nahm die Idee der Open-Source-Software allmählich Gestalt an, wobei Pioniere wie Richard Stallman sich für freie Software einsetzten, um Zusammenarbeit und Innovation in der Programmierung zu fördern. Die 1985 von Stallman gegründete Free Software Foundation war eine der ersten großen Organisationen, die sich für die Idee von Software einsetzte, die frei genutzt, verändert und verbreitet werden kann. Die Ideen dieser Bewegung beeinflussten schließlich die Entwicklung von Open-Source-KI, da immer mehr Entwickler die potenziellen Vorteile einer offenen Zusammenarbeit bei der Softwareentwicklung, einschließlich KI-Modellen und -Algorithmen, erkannten.
In den 1990er Jahren gewann Open-Source-Software zunehmend an Bedeutung, und der Aufschwung des maschinellen Lernens und statistischer Methoden führte zudem zur Entwicklung praxisorientierterer KI-Tools. Im Jahr 1993 wurde das „CMU Artificial Intelligence Repository“ ins Leben gerufen, das eine Vielzahl frei zugänglicher Softwareprogramme umfasste.
Anfang der 2000er Jahre erlebte die Open-Source-KI einen Aufschwung, da immer mehr benutzerfreundliche Basisbibliotheken und Frameworks veröffentlicht wurden, die jeder nutzen und zu denen jeder beitragen konnte.
OpenCV wurde im Jahr 2000 veröffentlicht und enthielt eine Vielzahl traditioneller KI-Algorithmen wie Entscheidungsbäume, k-Nearest Neighbors (kNN), Naive Bayes und Support-Vektor-Maschinen (SVM).
Das Open-Source-Deep-Learning-Framework Torch wurde 2002 veröffentlicht und 2011 mit Torch7 als Open Source freigegeben. Später wurde es durch PyTorch und TensorFlow ergänzt.
AlexNet wurde 2012 veröffentlicht.
OpenAI wurde 2015 mit dem Ziel gegründet, Open-Source-Künstliche-Intelligenz zum Wohle der Menschheit zu entwickeln, zumindest teilweise, um die Personalbeschaffung in der Anfangsphase der Organisation zu erleichtern. GPT-1 wurde 2018 veröffentlicht.
Mit der Ankündigung von GPT-2 im Jahr 2019 hatte OpenAI ursprünglich vor, den Quellcode seiner Modelle unter Berufung auf Bedenken hinsichtlich böswilliger Anwendungen geheim zu halten. Nachdem OpenAI jedoch auf öffentliche Kritik gestoßen war, veröffentlichte das Unternehmen den Quellcode für GPT-2 drei Monate nach dessen Veröffentlichung auf GitHub. Den Quellcode oder die vortrainierten Gewichte für das GPT-3-Modell hat OpenAI nicht öffentlich freigegeben. Zum Zeitpunkt der Veröffentlichung von GPT-3 war GPT-2 noch immer das leistungsstärkste Open-Source-Sprachmodell der Welt. Im Jahr 2022 kam es zudem zum Aufkommen größerer und leistungsfähigerer Modelle unter Lizenzen mit unterschiedlichem Offenheitsgrad, darunter auch das OPT von Meta.
Die Open Source Initiative hat über einen Zeitraum von zwei Jahren Experten konsultiert, um eine Definition des Begriffs „Open Source“ zu erarbeiten, die den Anforderungen von KI-Software und -Modellen gerecht wird. Der umstrittenste Aspekt betrifft den Datenzugriff, da einige Modelle mit sensiblen Daten trainiert werden, die nicht veröffentlicht werden dürfen. Im Jahr 2024 veröffentlichten sie die „Open Source AI Definition 1.0“ (OSAID 1.0). Diese verlangt die vollständige Veröffentlichung der Software, die zur Verarbeitung der Daten, zum Trainieren des Modells und zum Ableiten von Schlussfolgerungen aus dem Modell verwendet wird. Was die Daten betrifft, so wird lediglich der Zugriff auf Details zu den Daten verlangt, die zum Trainieren der KI verwendet wurden, damit andere diese nachvollziehen und nachbilden können.
Am 22. August 2022 wurde das Open-Source-Text-zu-Bild-Modell „Stable Diffusion“ erstmals veröffentlicht.
Im Jahr 2023 wurden erstmals die Modelle „Llama 1“ und „Llama 2“ von Meta mit öffentlich zugänglichen Gewichten sowie die Modelle „Mistral“ und „Mixtral“ von Mistral AI mit offenem Gewicht veröffentlicht, zusammen mit den kleineren Open-Source-Modellen von MosaicML. Die Veröffentlichung der Llama-Modelle war ein Meilenstein, der das Interesse an Modellen mit offen zugänglichen Gewichten und Open-Source-Modellen weckte. Im Jahr 2024 veröffentlichte Meta eine Sammlung großer KI-Modelle, darunter Llama 3.1 405B, das mit weniger offenen Modellen konkurrieren konnte. Metas Beschreibung von Llama als Open-Source-Modell ist umstritten, da die Softwarelizenz von Llama die Nutzung für bestimmte Zwecke untersagt und Meta die Herkunft der zum Trainieren der Modelle verwendeten Daten nicht offenlegt.
DeepSeek veröffentlichte im Dezember 2024 sein LLM der Version 3 und am 20. Januar 2025 sein R1-Schlussfolgerungsmodell, beides als Modelle mit offenen Gewichten unter der MIT-Lizenz. Diese Veröffentlichung machte weithin bekannt, wie China den Einsatz und die Entwicklung offenerer KI-Systeme vorangetrieben hatte, um die Abhängigkeit von westlicher Software und deren Kontrollmechanismen zu verringern sowie der eigenen Industrie einen schnelleren Zugang zu leistungsstärkerer KI zu ermöglichen. Seitdem finden in China ansässige Projekte weltweit zunehmend Verbreitung und haben zumindest einen Teil des Rückstands gegenüber führenden proprietären amerikanischen Modellen aufgeholt.
Seit der Veröffentlichung des proprietären ChatGPT-Modells von OpenAI Ende 2022 wurden nur wenige vollständig offene (Gewichte, Daten, Code usw.) große Sprachmodelle veröffentlicht. Im September 2025 erweiterte ein Schweizer Konsortium diese kurze Liste durch die Veröffentlichung eines vollständig offenen Modells namens Apertus.
Im Dezember 2025 gründete die Linux Foundation die Agentic AI Foundation, die die Kontrolle über einige von OpenAI, Anthropic und Block entwickelte Open-Source-Protokolle für agentische KI sowie weitere Technologien übernahm.
Ab November 2024 begann Lightricks damit, die LTX-Videomodelle als Open Weights zu veröffentlichen.
Im Juli 2026 wurde ein offener Brief veröffentlicht, in dem die politischen Entscheidungsträger in den Vereinigten Staaten aufgefordert wurden, KI-Modelle mit offenen Gewichten vor möglichen verfrühten Beschränkungen zu schützen, und in dem davor gewarnt wurde, dass Beschränkungen für Modelle mit offenen Gewichten in den Vereinigten Staaten den Wettbewerb beeinträchtigen und Innovationen in andere Länder verlagern würden. Der Brief wurde gemeinsam von mehr als 20 Unternehmen veröffentlicht, darunter Nvidia, Microsoft, Meta, Palantir, Hugging Face, Perplexity, Mistral, die Linux Foundation, Mozilla und IBM.
Stand Juli 2026 ist „Kimi K3“ von Moonshot AI mit 2,8 Billionen Parametern das größte veröffentlichte LLM mit offenem Gewicht. Es wird außerdem erwartet, dass die Gewichte von „Qwen3.8-Max“ von Alibaba Cloud mit 2,4 Billionen Parametern veröffentlicht werden.
Artificial Analysis vergibt der Nemotron-Familie von Nvidia einen „Offenheitsindex“ von 83 % aufgrund ihrer größeren Transparenz hinsichtlich Methodik, Vortrainingsdaten und Nachtrainingsdaten, während Chinas „Frontier-Open-Weights“-Modelle im Allgemeinen unter 50 % liegen.
Die Open Source Initiative unterscheidet zwischen Open-Source- und „Open Weights“-Künstlicher Intelligenz, wenn die Materialien, die zum Studium und zur Anpassung des Entwicklungsprozesses des Modells erforderlich sind, nicht ebenfalls verfügbar sind.
| Komponente | Open Weights | Open-Source |
|---|---|---|
| Gewichtungen und Verzerrungen | Veröffentlicht | Veröffentlicht |
| Trainings-Code | Nicht geteilt | Vollständig gemeinsam genutzt |
| Zwischenkontrollpunkte | Nicht angegeben | Optional, aber wünschenswert |
| Trainingsdatensatz | Nicht weitergegeben oder offengelegt | Veröffentlicht, soweit gesetzlich zulässig |
| Zusammensetzung der Trainingsdaten | Teilweise offengelegt oder nicht offengelegt | Vollständig offengelegt |
Die Bezeichnung „Open Source“ kann Unternehmen, die Spitzenkräfte einstellen oder Kunden gewinnen möchten, echte Vorteile bieten. Die Debatte um „Openwashing“ (also die Bezeichnung eines Projekts als Open Source, obwohl es größtenteils geschlossen ist) hat erhebliche Auswirkungen auf den Erfolg verschiedener Projekte in der Branche.
Open-Source-Künstliche-Intelligenz findet tendenziell mehr Unterstützung und Verbreitung in Ländern und Unternehmen, die über kein eigenes führendes KI-Modell verfügen. Diese Open-Source-Projekte können dazu beitragen, die Position wirtschaftlicher und geopolitischer Konkurrenten mit den stärksten proprietären Modellen zu untergraben. Europa ist eine Region, die Offenheit als Strategie der digitalen Souveränität verfolgt, um den Einfluss zu verringern, den Länder wie die Vereinigten Staaten bei Verhandlungen zu verschiedenen Themen wie dem Handel ausüben können.
Im Jahr 2025 wurde eine Mehrheit (39 %) der auf Hugging Face veröffentlichten Modelle unter der freizügigen Apache-2.0-Lizenz bereitgestellt.
Einige Modelle, wie beispielsweise das als Quellcode verfügbare Llama 3, verfügen über Lizenzen, die zwar einige der Vorteile von Open-Source-Lizenzen bieten, aber auch rechtliche Einschränkungen enthalten, die manche Unternehmen davon abhalten, diese Modelle zu nutzen, da sie künftige Rechtsstreitigkeiten oder eine Änderung der Nutzungsbedingungen befürchten. Ähnliche Befürchtungen bestehen auch bei der großen Zahl kleinerer Modelle, für die keine Lizenz angegeben ist.
Im Gesundheitswesen wird Open-Source-KI in der Diagnostik, der Patientenversorgung und bei personalisierten Behandlungsoptionen eingesetzt. Open-Source-Bibliotheken werden in der medizinischen Bildgebung für Aufgaben wie die Tumordiagnostik genutzt und tragen so zur Steigerung der Geschwindigkeit und Genauigkeit diagnostischer Prozesse bei. Darüber hinaus ermöglicht OpenChem, eine speziell auf Anwendungen in Chemie und Biologie ausgerichtete Open-Source-Bibliothek, die Entwicklung von Vorhersagemodellen für die Wirkstoffforschung und unterstützt Forscher dabei, potenzielle Wirkstoffe für die Behandlung zu identifizieren.
Die von Meta als Open-Source bezeichneten Llama-Modelle wurden von US-Rüstungsunternehmen wie Lockheed Martin und Oracle übernommen, nachdem unautorisierte Anpassungen durch chinesische Forscher, die der Volksbefreiungsarmee (PLA) nahestehen, ans Licht gekommen waren. Die Open Source Initiative und andere haben Metas Verwendung des Begriffs „Open Source“ zur Beschreibung von Llama angefochten, da die Lizenz von Llama eine Richtlinie zur zulässigen Nutzung enthält, die Anwendungsfälle wie den Einsatz durch nicht-US-amerikanische Streitkräfte verbietet. Chinesische Forscher nutzten eine frühere Version von Llama, um Tools wie ChatBIT zu entwickeln, die für militärische Aufklärung und Entscheidungsfindung optimiert sind. Dies veranlasste Meta dazu, seine Partnerschaften mit US-amerikanischen Auftragnehmern auszuweiten, um sicherzustellen, dass die Technologie strategisch für die nationale Sicherheit eingesetzt werden kann. Zu diesen Anwendungen gehören nun Verbesserungen in den Bereichen Logistik, Wartung und Cybersicherheit.
Viele Unternehmen der Privatwirtschaft setzen mittlerweile auf offene Modelle, da diese Flexibilität, ein höheres Maß an Kontrolle, Möglichkeiten zur Feinabstimmung und geringere Nutzungskosten bieten. Zu den Unternehmen, die zumindest einen Teil ihrer Arbeitslast auf offene Modelle verlagert haben, gehören AT&T, Thomson Reuters, Harvey, Nomura Holdings, Goldman Sachs, DoorDash und Accenture. Zu den berichteten Anwendungsfällen zählen unter anderem die Softwareentwicklung sowie spezialisierte Aufgaben wie die Prüfung von Dokumenten und juristische Aufgaben.
Ein Leitartikel in „Nature“ weist darauf hin, dass die medizinische Versorgung von KI-Modellen abhängig werden könnte, die jederzeit abgeschaltet werden könnten, schwer zu bewerten sind und die Privatsphäre der Patienten gefährden könnten. Die Autoren schlagen vor, dass Gesundheitseinrichtungen, Wissenschaftler, Ärzte, Patienten und Technologieunternehmen weltweit zusammenarbeiten sollten, um Open-Source-Modelle für das Gesundheitswesen zu entwickeln, deren Quellcode und Basismodelle leicht zugänglich sind und die mit eigenen Datensätzen frei angepasst werden können.
Open-Source-Modelle lassen sich schwerer zensieren als Closed-Source-Modelle.
Groß angelegte Kooperationen, wie sie beispielsweise bei der Entwicklung von Open-Source-Frameworks wie TensorFlow und PyTorch zu beobachten sind, haben die Fortschritte im Bereich des maschinellen Lernens (ML) und des Deep Learning beschleunigt. Der Open-Source-Charakter dieser Plattformen ermöglicht zudem schnelle Iterationen und Verbesserungen, da Mitwirkende aus aller Welt Änderungen und Erweiterungen an bestehenden Tools vorschlagen können.
Open Source bietet Ländern und Organisationen, die sonst keinen Zugang zu proprietären Modellen hätten, die Möglichkeit, KI kostengünstiger zu nutzen und in diese zu investieren. Dies kann dazu beitragen, ein Ökosystem zu schaffen, auf dessen Grundlage andere Unternehmen ihre Dienstleistungen anbieten können.
Ein Vorteil von Open-Source-KI ist die im Vergleich zu Closed-Source-Alternativen höhere Transparenz. Da die Modelle als Open-Source-Software verfügbar sind, können diese Algorithmen und der Code überprüft werden, was die Rechenschaftspflicht fördert und Entwicklern hilft zu verstehen, wie ein Modell zu seinen Schlussfolgerungen gelangt. Darüber hinaus ermöglichen Modelle mit offenen Gewichten, wie Llama und Stable Diffusion, Entwicklern den direkten Zugriff auf Modellparameter, was potenziell dazu beiträgt, Verzerrungen zu reduzieren und die Fairness in ihren Anwendungen zu erhöhen. Diese Transparenz kann dazu beitragen, Systeme mit für Menschen lesbaren Ergebnissen zu schaffen, sogenannte „erklärbare KI“, was insbesondere in Bereichen mit hohem Risiko wie dem Gesundheitswesen, der Strafjustiz und dem Finanzwesen, in denen die Folgen von Entscheidungen durch KI-Systeme erheblich sein können, zunehmend an Bedeutung gewinnt.
Bei Open-Source-Modellen gibt es weniger Möglichkeiten, deren Nutzung für böswillige Aktivitäten zu verhindern. Open-Source-KI könnte es Bioterrorismus-Gruppen ermöglichen, Feinabstimmungen und andere Sicherheitsvorkehrungen von KI-Modellen zu umgehen. Ein vorgeschlagener Schritt zur Verringerung dieser Art von Schäden könnte darin bestehen, zu verlangen, dass Modelle vor ihrer Veröffentlichung einer Risikobewertung unterzogen werden und einen bestimmten Standard erfüllen müssen. Ein Bericht des Weißen Hauses vom Juli 2024 kam zu dem Schluss, dass noch keine ausreichenden Belege vorlägen, um die Offenlegung von Modellgewichten einzuschränken, obwohl sich eine Reihe von Experten im Jahr 2024 offenbar mehr Sorgen um zukünftige Fortschritte als um die derzeitigen Fähigkeiten machten.
Führungskräfte, die im Jahr 2025 proprietäre Modelle bevorzugten, nannten Sicherheitsbedenken und die Leistung als Hauptgründe dafür.
Die Kosten für das Trainieren von Datensätzen für vollständig als Open Source verfügbare Modelle können für viele Projekte unerschwinglich hoch sein.