Hallo Piotr,

das sprengt dann doch die Möglichkeiten eines Kommentars. Sie brauchen vielleicht einen Unternehmensberater (ich bin keiner). Open Source Modelle? Ja, die haben riesig aufgeholt, liegen aber ein paar Monate hinter den großen Modellen, was kein Problem sein muss. Allerdings braucht es einen wirklich starken Rechner, wenn man das ausreizen will, und das bedeutet Anschaffungskosten. Ein Büro PC reicht nicht. Muss man mit den tatsächlich Kosten die man via API etc. hat oder haben könnte vergleichen.
Aufgabe und Modell lassen sich voneinander trennen. Clound muss nicht sein. Das geht – z.B. Multi-KI-API. So kann man sich unabhängig machen. Ich habe allerdings noch nichts drüber gemacht und weiß da nicht genau bescheid. Das muss ich bald ändern.

Ich lese fast jeden Tag deine neuesten Beiträge zu KI, aktuellen Entwicklungen, Forschungsergebnissen und praktischen Anwendungen. Für mich ist das sehr interessant und wertvoll. Deine Seite ist wirklich gut gemacht, verständlich aufgebaut und sehr inspirierend.

Ich habe mir sogar bereits einige Dokumente mit Hilfe deiner Anleitungen erstellen lassen, besonders im Bereich Prompts, tiefere Recherche und strukturierte KI-Nutzung.

Meine Frage zu deinem Artikel ist folgende:

Ich befinde mich zurzeit im Aufbau eines Unternehmens. Es ist noch kein Start-up im klassischen Sinne, sondern befindet sich noch in der Vorbereitungs- und Strukturierungsphase. Das geplante Unternehmen soll in der Recyclingbranche tätig sein, insbesondere im Bereich hochwertiger Elektronik, Materialanalyse, Wiederverwertung und später möglicherweise auch biotechnologischer Verfahren im industriellen und rechtlich zulässigen Rahmen.

Ich möchte heute und in Zukunft die volle Leistungsfähigkeit moderner KI-Systeme nutzen: für Recherche, Wissensmanagement, Businessplan, Marktanalyse, Prozessdesign, Materialbewertung, Compliance, Entscheidungsunterstützung und den Aufbau einer lernenden Organisation.

Gleichzeitig ist mir bewusst, dass moderne KI-Modelle, zum Beispiel GPT-5 und neuere Modelle, Sicherheitsmechanismen und Einschränkungen haben, besonders bei sensiblen Bereichen wie Biotechnologie, Chemie oder ähnlichen Themen. Mir geht es dabei ausdrücklich nicht darum, gefährliche oder rechtswidrige Inhalte zu erzeugen. Ich möchte verstehen, wie man KI im unternehmerischen, wissenschaftlichen und industriellen Kontext maximal sinnvoll, legal und produktiv nutzen kann, ohne bei legitimen Fragen unnötig ausgebremst zu werden.

In deinem Artikel fand ich den Hinweis auf lokal lauffähige Modelle wie zum Beispiel GLM sehr interessant. Verstehe ich es richtig, dass solche Modelle lokal betrieben werden können und dadurch mehr Kontrolle über Daten, Workflows und interne Wissenssysteme ermöglichen?

Meine Frage wäre daher:

Welche Strategie würdest du empfehlen, wenn man ein KI-gestütztes Unternehmen aufbauen möchte, das langfristig mit den besten verfügbaren Modellen arbeitet — egal ob amerikanische, europäische, chinesische oder Open-Source-Modelle — und dabei gleichzeitig rechtlich sauber, sicher und praktisch nutzbar bleibt?

Wäre aus deiner Sicht eine Kombination sinnvoll aus:

1. sehr leistungsfähigen Cloud-Modellen für Strategie, Recherche, Analyse und Dokumentenerstellung,
2. lokal lauffähigen Modellen für interne Wissensdatenbanken, vertrauliche Dokumente und wiederkehrende Workflows,
3. klar strukturierten Text- und Markdown-Dokumenten als anbieterunabhängige Wissensbasis,
4. und spezialisierten KI-Agenten für bestimmte Aufgaben wie Recherche, Compliance, Marktanalyse oder technische Dokumentation?

Mich würde besonders interessieren, wie man so ein System von Anfang an sauber aufbaut, damit es später nicht nur eine Sammlung von Notizen ist, sondern eine echte interne Wissens- und Entscheidungsinfrastruktur für ein Unternehmen.

Vielen Dank für deine tolle Arbeit. Ich werde deine Artikel auf jeden Fall weiter lesen.