Es gibt gerade einen gefährlichen Reflex in deutschen Unternehmen: Ein KI-Modell überzeugt im Test — und plötzlich werden Angebotsprozesse, Kundenservice, Berichtswesen und halbe Fachabteilungen direkt auf diesem einen Modell aufgebaut. Direkt im Chat-Interface des Anbieters, direkt gegen seine API, mit Prompts, die exakt auf dieses eine Modell getunt sind. Das fühlt sich effizient an. Es ist die teuerste Architektur-Entscheidung, die du 2026 treffen kannst.
Was Vendor-Lock-in bei KI bedeutet — und warum er härter trifft als jeder Software-Lock-in davor
Vendor-Lock-in kennst du aus der klassischen IT: Wer 15 Jahre lang jede Abteilung auf ein ERP-System verdrahtet hat, wechselt nicht mehr — egal wie die Preise steigen. Das war schon schmerzhaft. Bei KI kommt eine neue Dimension dazu, denn du bindest dich nicht nur an eine Software, sondern an ein Verhalten:
- Prompts sind modellspezifisch. Ein Prompt, der mit einem Modell exzellente Angebote schreibt, liefert mit einem anderen Modell mittelmäßige. Hunderte über Monate verfeinerte Prompts sind eine unsichtbare Investition — die beim Wechsel neu erarbeitet werden muss, wenn sie direkt beim Anbieter liegt.
- Workflows hängen an einer API. Wer Automatisierungen direkt gegen die Schnittstelle eines einzelnen Anbieters baut, hat dessen Fehlerverhalten, Formatierungen und Grenzwerte in Dutzenden Prozessen einzementiert.
- Wissen wandert in fremde Projekte. Hochgeladene Dokumente, angelegte Assistenten, Team-Bibliotheken — alles liegt in der Kontostruktur des Anbieters und lässt sich selten sauber exportieren.
- Menschen gewöhnen sich. Nach einem Jahr „arbeitet" die Organisation in diesem einen Tool. Der Wechselaufwand ist dann nicht mehr nur technisch, sondern kulturell.
Kurz: Aus „wir nutzen ein KI-Modell" wird schleichend „unser Unternehmen funktioniert nur noch, solange dieser eine Anbieter liefert". Und genau da beginnt das eigentliche Risiko — denn ob er liefert, entscheidest nicht du.
Der schleichende Weg in die Falle
Niemand beschließt Vendor-Lock-in. Er passiert in vier harmlosen Schritten:
- Der Test: Ein Team probiert ein Modell aus, die Ergebnisse sind gut. Ein Firmen-Account wird gebucht.
- Die Gewöhnung: Prompts, Projekte und Wissensbestände entstehen im Tool des Anbieters. Erste Vorlagen kursieren per E-Mail.
- Die Integration: Die IT baut die ersten Automatisierungen direkt gegen die API — Ticketbeantwortung, Berichtserstellung, Angebotsentwürfe.
- Die Abhängigkeit: Nach 12 bis 18 Monaten laufen kritische Prozesse über diesen einen Anbieter. Ein Wechsel wäre ein Projekt von Monaten — also unterbleibt er. Ab jetzt diktiert der Anbieter die Bedingungen.
Das Tückische: Jeder einzelne Schritt ist vernünftig. Erst die Summe ist fahrlässig. Deshalb muss die Entscheidung gegen Lock-in am Anfang fallen — nicht dann, wenn der erste Ernstfall eintritt.
Fünf Szenarien, die keine Panikmache sind
Alle fünf Szenarien haben reale Vorbilder. Keines davon musst du für wahrscheinlich halten — aber jedes einzelne ist plausibel genug, dass ein Unternehmen darauf eine Antwort braucht. Die entscheidende Frage lautet bei jedem: Was passiert an dem Tag mit deinen Prozessen?
Szenario 1 — Der Preisschock: Der Token kostet plötzlich das Zehnfache
Die heutigen Token-Preise sind das Ergebnis eines Wettlaufs: Die großen Modellanbieter kämpfen um Marktanteile und verbrennen dabei Milliarden — Training und Betrieb der Modelle kosten deutlich mehr, als viele Endkundenpreise einspielen. Das ist die klassische Plattform-Ökonomie: erst wachsen, dann Kasse machen. Jeder, der die Preisentwicklung von Cloud-Diensten, Streaming oder Lieferplattformen erlebt hat, kennt die zweite Phase.
Rechne es einmal durch: Angenommen, deine automatisierten Prozesse — E-Mail-Antworten, Berichtserstellung, Angebotsentwürfe — kosten heute 800 € KI-Nutzung im Monat. Der Anbieter verzehnfacht die Preise für dein Preismodell oder streicht den günstigen Tarif, auf dem deine Kalkulation beruht. Aus 9.600 € im Jahr werden 96.000 €. Bist du an diesen einen Anbieter gebunden, hast du genau zwei Optionen: zahlen oder Prozesse abschalten. Verhandlungsmacht hast du keine — der Anbieter weiß, was ein Wechsel dich kosten würde. Genau dieses Wissen ist sein Geschäftsmodell in Phase zwei.
Mit einer anbieterübergreifenden Plattform ist dasselbe Ereignis ein Verwaltungsakt: Du stellst die betroffenen Prozesse auf ein preislich vernünftiges Modell eines anderen Anbieters um — die Prompts, das Firmenwissen und die Workflows bleiben, nur das Modell dahinter wechselt.
Szenario 2 — Die Geopolitik: „US-Modelle nicht mehr für Europäer"
Die leistungsfähigsten KI-Modelle kommen fast alle aus den USA. Damit hängt der Zugang europäischer Unternehmen an politischen Entscheidungen in Washington — und die können sich schnell drehen. Stell dir vor, im nächsten Handelsstreit unterschreibt ein US-Präsident eine Executive Order: KI-Spitzenmodelle fallen unter Exportkontrolle und dürfen nicht mehr an europäische Kunden geliefert werden — als Druckmittel, so wie heute schon Hochleistungschips als Druckmittel dienen. Dein Anbieter hätte keine Wahl: US-Recht bricht seinen Vertrag mit dir.
Klingt weit hergeholt? Die Präzedenzfälle existieren längst: 2019 verlor Huawei per US-Entscheidung über Nacht den Zugang zu Google-Diensten — ein funktionierendes Geschäft, beendet per Dekret. Seit 2022 regeln US-Exportkontrollen, welche Länder Hochleistungs-KI-Chips kaufen dürfen; die Listen wurden mehrfach kurzfristig verschärft. Und der CLOUD Act zeigt seit 2018, dass US-Recht auch dann auf deine Daten durchgreift, wenn sie in Europa liegen. Ob so ein Szenario je ein bestimmtes Unternehmen wie Anthropic oder OpenAI trifft, weiß niemand — aber dass Washington Technologie-Zugang als geopolitisches Werkzeug einsetzt, ist keine Hypothese mehr, sondern Praxis.
Hast du deine Prozesse direkt bei einem einzelnen US-Anbieter gebaut — zum Beispiel alles in Claude oder alles in ChatGPT — steht dein Unternehmen an diesem Tag still, und zwar unverschuldet und ohne Vorwarnung. Mit einer übergreifenden Plattform, die auch europäische Modelle wie Mistral angebunden hat und deren Modelle ausschließlich in Deutschland und der EU laufen, wechselst du das Modell und arbeitest weiter.
Szenario 3 — Das Verbot: Eine EU-Behörde zieht den Stecker
Der Druck kann genauso aus der anderen Richtung kommen. Im März 2023 sperrte die italienische Datenschutzbehörde ChatGPT landesweit — von einem Tag auf den anderen, für mehrere Wochen. Der EU AI Act etabliert seit 2024 einen Rechtsrahmen, unter dem einzelne Modelle oder Praktiken untersagt werden können; Datenschutzbehörden prüfen laufend, ob US-Anbieter die DSGVO einhalten. Es braucht keinen Bann „der KI" — es reicht, dass ein Modell, ein Anbieter oder eine Übermittlungsgrundlage gekippt wird. Wer alles auf genau dieses eine Modell gebaut hat, hat an dem Tag kein Compliance-Problem, sondern einen Betriebsstillstand.
Szenario 4 — Der Ausfall: Status-Seite rot, Betrieb steht
Das unspektakulärste Szenario ist das häufigste. Jeder große Modellanbieter hat regelmäßig Störungen — ein Blick auf die öffentlichen Status-Seiten genügt. Selbst bei 99,5 % Verfügbarkeit sind das über 40 Stunden Ausfall pro Jahr, gerne mitten am Nachmittag, wenn dein Vertrieb Angebote rausschicken will. Bei einem Single-Vendor-Setup heißt jede dieser Störungen: Alle KI-Prozesse deines Unternehmens stehen gleichzeitig. Bei einer Plattform mit automatischem Fallback heißt sie: Das Routing schwenkt auf ein anderes Modell, und die meisten Nutzer merken es nicht einmal.
Szenario 5 — Die stille Abkündigung: Dein Modell verschwindet oder verändert sich
Modellversionen leben kurz. Anbieter kündigen ältere Modelle regelmäßig ab — oft mit wenigen Monaten Vorlauf — und zwingen dich auf den Nachfolger, der sich anders verhält: andere Tonalität, andere Formatierung, andere Schwächen. Deine sorgfältig getunten Prompts liefern plötzlich andere Ergebnisse, und niemand hat etwas „kaputt gemacht". Wer nur einen Anbieter hat, muss jede dieser Migrationen mitmachen, zum Zeitpunkt des Anbieters. Wer übergreifend aufgestellt ist, testet den Nachfolger in Ruhe gegen Alternativen — und nimmt das Modell, das für den jeweiligen Prozess tatsächlich am besten ist.
Die Risiko-Matrix im Überblick
| Szenario | Prozesse direkt bei einem Modellanbieter | Prozesse auf anbieterübergreifender Plattform |
|---|---|---|
| Token-Preis vervielfacht sich | Zahlen oder abschalten — keine Verhandlungsmacht | Modellwechsel pro Prozess, Kosten bleiben steuerbar |
| US-Dekret stoppt Export nach Europa | Betriebsstillstand, unverschuldet | Umschalten auf EU-Modelle, Weiterarbeit |
| EU-Behörde untersagt ein Modell | Compliance-Zwangsstopp aller Prozesse | Betroffenes Modell wird ersetzt, Rest läuft |
| Anbieter-Ausfall (Stunden) | Alle KI-Prozesse stehen gleichzeitig | Automatischer Fallback auf anderes Modell |
| Modell wird abgekündigt/verändert | Zwangsmigration nach Zeitplan des Anbieters | Nachfolger in Ruhe testen, Bestes wählen |
Fällt dir das Muster auf? In der linken Spalte entscheidet immer jemand anderes über dein Unternehmen. In der rechten entscheidest du.
„Aber Modell X ist doch gerade das beste!"
Stimmt vielleicht — diese Woche. Die Rangliste der Top-Modelle hat sich in den letzten drei Jahren im Rhythmus weniger Monate gedreht: Mal führt OpenAI, mal Anthropic, mal Google, bei Spezialaufgaben Mistral oder Meta. Wer heute „auf den Besten" setzt und sich dafür fest verdrahtet, setzt in Wahrheit darauf, dass ein Momentaufnahme-Sieger dauerhaft gewinnt — in einem Markt, der sich schneller dreht als jeder Software-Markt zuvor. Die rationale Strategie ist die umgekehrte: eine Architektur, die vom Wettbewerb der Anbieter profitiert, statt ihm ausgeliefert zu sein. Wird ein neues Modell besser oder günstiger, wechselst du hin. Wird dein bisheriges schwächer oder teurer, wechselst du weg. Der Anbieterwettbewerb arbeitet dann für dich.
Wie eine anbieterunabhängige Architektur konkret aussieht
1. Eine Abstraktionsschicht zwischen Prozess und Modell
Der wichtigste Grundsatz: Deine Prozesse sprechen nie direkt mit der API eines Modellanbieters, sondern mit einer Plattform-Schicht, die das Modell dahinter austauschbar macht. Der Prozess „beantworte Kundenanfrage" definiert was passieren soll — welches Modell das erledigt, ist Konfiguration, keine Architektur. Genau so ist Cortexion aufgebaut: Jeder Automatisierungsschritt, jeder Assistent und jeder Chat kann jedes angebundene Modell nutzen, und die Zuordnung lässt sich jederzeit ändern.
2. Prompts, Wissen und Historie gehören dir — nicht dem Modellanbieter
Deine Prompt-Bibliothek, deine Assistenten-Definitionen, deine Wissensdatenbank mit Firmenkontext und deine Chat-Historie müssen in deiner Plattform liegen, in Deutschland gehostet, exportierbar. Dann ist ein Modellwechsel kein Datenumzug, sondern ein Dropdown. Liegt all das dagegen in den „Projekten" eines Modellanbieters, ist es faktisch sein Pfand.
3. Routing und Fallback statt Hoffnung
Pro Aufgabe das passende Modell (Recherche, Analyse, Massenverarbeitung haben unterschiedliche Anforderungen), und für jeden kritischen Prozess ein definierter Fallback: Antwortet Anbieter A nicht, übernimmt Anbieter B. Das ist dieselbe Logik, mit der du seit Jahren redundante Internetleitungen oder Backup-Systeme betreibst — nur dass es 2026 eben auch für Intelligenz gilt.
4. Der Exit-Test als Einkaufskriterium
Bevor du irgendeine KI-Lösung einführst, stelle die eine Frage, die alle Hochglanz-Folien durchschneidet: „Was kostet es uns, in 24 Monaten zu einem anderen Modell zu wechseln?" Wenn die ehrliche Antwort „ein Migrationsprojekt" ist, hast du keinen Dienstleister vor dir, sondern einen künftigen Vermieter deiner eigenen Prozesse.
Die fünf Fragen an jeden Anbieter
- Kann ich pro Prozess und pro Assistent das KI-Modell frei wählen und jederzeit wechseln — ohne den Prozess neu zu bauen?
- Was passiert konkret, wenn das gewählte Modell ausfällt? Gibt es automatisches Fallback?
- Sind auch europäische Modelle angebunden, und laufen alle Modelle in Deutschland oder der EU?
- Liegen Prompts, Wissensdatenbank und Historie bei mir bzw. beim Plattformanbieter in Deutschland — und kann ich sie vollständig exportieren?
- Wie schnell waren neue Modelle in der Vergangenheit nach Veröffentlichung verfügbar?
Ein Anbieter, der hier fünfmal überzeugend antwortet, verkauft dir Unabhängigkeit. Alles andere ist — freundlich formuliert — Miete mit Kündigungsverzicht. Eine ausführliche Kriterienliste für den Einkauf findest du in unserem Leitfaden zu Enterprise GPTs.
Was das für den Mittelstand heißt
Gerade für mittelständische Unternehmen ist die Rechnung eindeutig. Ein Konzern kann sich notfalls ein sechsmonatiges Migrationsprojekt leisten, wenn sein KI-Anbieter die Preise verzehnfacht. Ein 80-Personen-Betrieb, dessen Angebotswesen, Kundenservice und Berichtswesen an einem einzigen Modell hängen, kann das nicht — für ihn ist Anbieterunabhängigkeit keine Architektur-Feinheit, sondern Existenzsicherung. Die gute Nachricht: Sie kostet nichts extra. Eine anbieterübergreifende Plattform wie Cortexion ist nicht teurer als die Business-Tarife der einzelnen Modellanbieter — sie nimmt dir nur das Klumpenrisiko ab. Wie du generell ohne Mammutprojekt startest, haben wir im Praxis-Leitfaden für den Mittelstand beschrieben.
Das Fazit
Die Frage ist nicht, ob eines der fünf Szenarien eintritt. Die Frage ist, ob dein Unternehmen an diesem Tag handlungsfähig ist. Preise, Politik, Regulierung, Ausfälle und Produktentscheidungen der Anbieter liegen komplett außerhalb deiner Kontrolle — deine Architektur nicht. Baue deine Prozesse deshalb niemals bei einem Modellanbieter, sondern auf einer Plattform darüber, die alle Anbieter austauschbar macht. Dann ist der Tag, an dem der Token das Zehnfache kostet oder ein Dekret den Zugang kappt, für dich kein Krisentag — sondern ein Dropdown-Klick.
Cortexion ist genau dafür gebaut: alle Top-Modelle in einer Plattform, gehostet in Deutschland, Modelle ausschließlich in Deutschland und der EU, mit freiem Modellwechsel pro Chat, Assistent und Automatisierung. Buche eine Demo — wir zeigen dir live, wie ein Modellwechsel bei laufendem Betrieb aussieht.