Trainieren Sie kein Base-Modell, besitzen Sie die Evidenzschicht

Jedes KI-Startup erzählt gerade, es tune sein eigenes Modell fein. Für EU-souveräne Compliance-Arbeit ist das die falsche Frage.

Das Problem ist nicht die Modellqualität. Das Problem heißt artifact-legitimacy gap: technische Reife und Legitimität folgen nicht derselben Uhr. Ein Frontier-Modell liefert das Artefakt in Stunden. Es an die regulatorische Wirklichkeit zu binden — Peer Review, unabhängige Umsetzung, behördliche Freigabe, juristische Prüfung je Rechtsordnung — dauert Wochen oder Monate und wird nicht kürzer. Ein eigenes Modell schließt diese Lücke nicht. Es verschiebt sie.

Und physische KI und Compliance-Evidenz sind zwei verschiedene Optimierungsprobleme. Wahrnehmung→Aktion eines Roboters in Echtzeit ist eine andere Aufgabe als eine gerichtsfeste Argumentationskette. Ein Modell für beides ist ein Kompromiss in beide Richtungen.

Machen Sie es stattdessen so

Übernehmen Sie eine fertige souveräne Komponente für die physische Schicht. NVIDIA Cosmos 3 Edge ist ein offenes Weltmodell, das auf dem Gerät läuft — on-prem, auf der Kiste, die Sie schon haben. Sie trainieren es nicht. Sie nehmen es in Betrieb.

Fahren Sie das Compliance-Reasoning mit einem offenen LLM über NIM. Das ist nicht-souveräne Arbeit: Benchmarking und Entwürfe, nicht der Kern Ihrer Kundendaten.

Investieren Sie in das, was Sie nicht kaufen können: in die eigene Evidenzschleife. Private Evals, RL-Umgebung, Adaption mit eigenen fleet-data, KYA-Governance, Nachweis nach Artikel 12. Das Base-Modell wird jeden Monat zur Commodity. Die Schleife nicht. Sie ist die einzige Schicht, die ein Wettbewerber nicht kopieren kann, weil sie auf Ihrem Betrieb aufgebaut ist.

Benennen Sie das Risiko, statt es zu verstecken

Der NVIDIA-Stack dominiert: Hardware, Modell und Serving von einem Anbieter. Das ist echte Konzentration. Aber weil die Gewichte offen sind (Open Weights), ist Portabilität real. Halten Sie ein offenes Modell und eine Workload auf einem Nicht-NVIDIA-Beschleuniger (AMD MI300, Intel Gaudi) lauffähig, auf Testbed-Niveau. Dann sind die Exit-Kosten auditierbar statt theoretisch.

So sieht das in der Produktlinie aus

Ein Produkt, drei Tiers — nicht vier lose Produkte.

DWS IQ 7 Aegis ist ein Produkt aus zwei Schichten: physische Wahrnehmung→Aktion (ein übernommenes Weltmodell der Klasse Cosmos 3 Edge) und Compliance-Evidenz (eine eigene LLM-Schicht), zusammengebunden durch die KYA-Schleife. Seine Tiers skalieren die Souveränität: Sovereign Infra trennt das physische Fleet/Edge vom Cloud-Compliance-Teil, Connect ist der globale Tier ohne Souveränitätsauflagen. Und Firehorse Production Engine fährt operator-independent-Workflows per Computer Vision dort, wo die Wahrnehmung des Bedieners ersetzt wird — Bauforensik, kein neues Modell.

Was noch fehlt

Weil die artifact-legitimacy gap auch uns betrifft. Der Fallback-Plan für das NVIDIA-Lieferrisiko gehört sichtbar ins Risikoregister, je Produkt, in dem DGX, Cosmos oder NIM kritisch ist. Es reicht nicht, dass der Exit möglich ist; er muss geprobt sein. Das ist die Frage, die Investoren und Enterprise-Käufer stellen, sobald Sie die NVIDIA-Abhängigkeit erwähnen. Wir sagen es laut, bevor sie fragen.

Das Prinzip ist universal

Der Burggraben liegt nicht im Modell. Er liegt darin, wie der Output des Modells an die regulatorische Wirklichkeit gebunden wird. Komponenten können Sie kaufen. Die Evidenzschicht nicht.

Mehr zu Architektur und Produkten: DWS IQ 7 Aegis.

Risto Anton Päärni
Founder, CEO · Lifetime Oy · the Agent Outcome Company