Eine aktuelle Bitkom-Befragung zeigt: Viele deutsche Tech-Startups setzen nicht nur auf fertige KI-Tools, sondern entwickeln eigene Anwendungen auf Basis großer Modelle. Welche Motive und Herausforderungen prägen diesen Trend
Immer mehr deutsche Startups gehen bei der Nutzung künstlicher Intelligenz (KI) über den Einsatz fertiger Tools hinaus und entwickeln eigene Anwendungen, die auf großen KI-Modellen basieren. Das geht aus einer im Juli 2026 veröffentlichten Befragung von 102 Tech-Startups im Auftrag des Digitalverbands Bitkom hervor. Die Ergebnisse zeigen, dass der Aufbau individueller KI-Lösungen für viele junge Unternehmen ein zentrales Mittel zur Steigerung der betrieblichen Effizienz geworden ist.
Eigene KI-Lösungen statt Standardtools
Laut der Bitkom-Umfrage setzen 65 Prozent der befragten Startups in Deutschland auf selbst entwickelte KI-Anwendungen, die häufig auf Basismodellen wie denen von OpenAI, Anthropic oder Google aufbauen. Diese Anwendungen werden gezielt an die eigenen Geschäftsprozesse angepasst und können beispielsweise auf unternehmensinterne Daten zugreifen. Damit unterscheiden sich die Startups von Unternehmen, die ausschließlich auf externe Standardlösungen zurückgreifen.
Der Anteil der Startups, die bereits KI-Agenten im Betrieb nutzen, liegt bei 48 Prozent. KI-Agenten sind Systeme, die eigenständig Aufgaben wie das Schreiben und Testen von Code, die Recherche oder die Automatisierung ganzer Arbeitsabläufe übernehmen können. Die Integration solcher Systeme soll die Produktivität steigern und wiederkehrende Aufgaben effizienter gestalten.
Finetuning und Anpassung bestehender Modelle
Rund 30 Prozent der Startups gehen einen Schritt weiter und passen bestehende KI-Modelle durch gezieltes Training oder sogenanntes Finetuning an ihre spezifischen Anforderungen an. Dabei werden die Modelle mit unternehmensspezifischen Daten nachtrainiert, um bessere Ergebnisse für die jeweiligen Anwendungsfälle zu erzielen. Diese Vorgehensweise erfordert technisches Know-how und Zugang zu geeigneten Daten, bietet aber die Möglichkeit, sich von Wettbewerbern abzuheben.
Die Umfrage macht deutlich, dass die Bereitschaft zur Individualisierung von KI-Lösungen in der deutschen Startup-Szene hoch ist. Allerdings bleibt offen, wie viele der entwickelten Anwendungen tatsächlich in den produktiven Betrieb übergehen und welche langfristigen Effekte sich daraus für die Unternehmen ergeben.
Motivation und Herausforderungen für Startups
Als Hauptmotiv für die Entwicklung eigener KI-Anwendungen nennen viele Startups die Aussicht auf Effizienzgewinne und Wettbewerbsvorteile. Durch die Anpassung von Modellen an eigene Daten und Prozesse können spezifische Anforderungen besser abgedeckt werden als mit Standardlösungen. Gleichzeitig stellt die Entwicklung und das Training eigener Modelle hohe Anforderungen an Ressourcen, Fachwissen und Datensicherheit.
Die Ergebnisse der Bitkom-Befragung deuten darauf hin, dass Startups in Deutschland eine Vorreiterrolle bei der Integration von KI-Technologien einnehmen. Ob und in welchem Umfang diese Ansätze auch für etablierte Unternehmen im Mittelstand übertragbar sind, bleibt jedoch eine offene Frage. Die langfristigen Auswirkungen auf die Wettbewerbsfähigkeit des Standorts Deutschland lassen sich derzeit noch nicht abschließend bewerten.
Relevanz für den deutschen KI-Markt
Die zunehmende Eigenentwicklung von KI-Anwendungen durch Startups spiegelt eine wachsende technologische Kompetenz und Innovationsbereitschaft im deutschen Markt wider. Gleichzeitig verdeutlicht der Trend die Bedeutung leistungsfähiger Basismodelle internationaler Anbieter wie OpenAI, Anthropic und Google, auf deren Grundlage viele der neuen Lösungen entstehen. Die Abhängigkeit von diesen Plattformen wirft Fragen nach digitaler Souveränität und Datenkontrolle auf, insbesondere wenn unternehmensinterne Informationen in externe Modelle einfließen.
Für den deutschen KI-Markt bleibt entscheidend, ob es gelingt, eigene Basismodelle und Infrastrukturen zu etablieren oder zumindest die Interoperabilität und Kontrolle über die eingesetzten Systeme zu sichern. Die Entwicklung in den Startups könnte Impulse für den Mittelstand und andere Unternehmenssegmente geben, sofern die technischen und organisatorischen Hürden adressiert werden.
Finetuning bezeichnet die gezielte Nachjustierung eines bestehenden KI-Modells mit spezifischen Daten, um dessen Leistung für bestimmte Anwendungsfälle zu verbessern. Im Unterschied zum vollständigen Training eines Modells auf riesigen Datensätzen wird beim Finetuning ein bereits vortrainiertes Modell mit zusätzlichen, oft unternehmensspezifischen Informationen weitertrainiert. Dies ermöglicht es Unternehmen, die Vorteile großer Basismodelle zu nutzen und gleichzeitig individuelle Anforderungen zu berücksichtigen, ohne die enormen Ressourcen für ein vollständiges Modelltraining aufbringen zu müssen.Schlagwörter: KI-Agenten, Unternehmens-KI, OpenAI
