Am 12. Juni 2026 hat die US-Regierung Anthropic per Exportkontrolldirektive angewiesen, die Modelle Claude Fable 5 und Mythos 5 für alle Nutzer weltweit zu deaktivieren. Vier Tage nach dem offiziellen Launch. Unternehmen, die diese Modelle bereits in produktive Prozesse integriert hatten, standen von einer Stunde auf die andere vor einem leeren Endpunkt. Das KI-Modell-Risiko, das viele Unternehmen bislang für theoretisch hielten, ist damit erstmals real geworden. Gerrit Verse, Senior Specialist und KI-Experte bei Consileon, ordnet ein, was das bedeutet und was Unternehmen daraus lernen müssen.
Anthropic hat am 9. Juni 2026 Claude Fable 5 gelauncht, ein leistungsstarkes Modell der sogenannten Mythos-Klasse, das für komplexe, langfristige Aufgaben konzipiert war. Drei Tage später hat die US-Regierung, gestützt auf nationale Sicherheitsbehörden, eine Exportkontrolldirektive erlassen. Die Begründung: Ein Jailbreak-Verfahren soll es ermöglichen, bestimmte Sicherheitsmechanismen des Modells zu umgehen. Anthropic war daraufhin gezwungen, beide Modelle für alle Kunden weltweit abzuschalten. Nicht nur für ausländische Nutzer. Für alle. Eine selektive Sperrung nach Nationalität war technisch nicht kurzfristig umsetzbar.
Das Entscheidende daran: Das ist kein Ausfall. Kein Bug. Kein Infrastrukturproblem. Das ist ein regulatorisches Eingreifen in ein kommerziell verfügbares Produkt, über Nacht, ohne Vorankündigung, ohne Übergangsfrist.
Als Warnsignal. Wer KI-Modelle von US-Anbietern in kritische Geschäftsprozesse integriert, ohne eine Governance-Strategie dahinter zu haben, sitzt auf einem KI-Modell-Risiko, das er selbst nicht kontrollieren kann. Die meisten Unternehmen haben sich bislang Gedanken gemacht über Datenschutz, über DSGVO-Konformität, über Kosten. Das ist richtig und wichtig. Aber die Frage „Was passiert, wenn dieses Modell morgen nicht mehr verfügbar ist?“ haben die wenigsten wirklich durchdacht.
Der Fable-5-Vorfall ist in dieser Hinsicht ein Präzedenzfall. Zum ersten Mal wurde ein bereits allgemein verfügbares Frontier-Modell durch eine Regierungsmaßnahme abgeschaltet. Das wird nicht das letzte Mal sein.
Es gibt aber noch ein zweites, langfristigeres Risiko, das bislang kaum diskutiert wird: den strukturellen Wettbewerbsnachteil. Wenn europäische Unternehmen dauerhaft keinen oder nur eingeschränkten Zugang zu den leistungsstärksten KI-Modellen bekommen, während amerikanische Wettbewerber ungehindert damit arbeiten, entsteht eine Schere, die sich nicht mehr einfach schließen lässt. Wer mit deutlich besseren Modellen Software entwickelt, Prozesse optimiert oder Entscheidungen trifft, arbeitet schlicht schneller und mit besseren Ergebnissen. KI könnte damit zu einer geopolitisch geschützten Ressource werden, ähnlich wie Halbleiter oder Militärtechnologie. Das ist keine Dystopie, das ist eine reale strategische Weichenstellung, die gerade stattfindet.
Besonders exponiert sind Unternehmen, die Automatisierungsworkflows oder KI-Agenten produktiv betreiben, also nicht nur experimentell nutzen, sondern fest in Geschäftsprozesse eingebettet haben. Dokumentenanalyse, Vertragsprüfung, automatisierter Kundensupport, Code-Generierung im Entwicklungsprozess: Überall dort, wo Menschen und KI in einem definierten Ablauf zusammenarbeiten, entsteht eine operative Abhängigkeit.
Wenn der Endpunkt plötzlich wegfällt, bricht der Prozess zusammen. Retry-Logik im Code hilft nicht. Ein anderes Modell einzuwechseln ist kurzfristig möglich, aber selten nahtlos, weil Modelle unterschiedlich reagieren, unterschiedliche Kontextlängen haben und unterschiedliche Stärken mitbringen. Das erfordert Anpassung, Tests, im schlimmsten Fall eine komplette Neukalibrierung der Prompts und Workflows.
Es gibt europäische Alternativen und sie sind ernstzunehmen. Mistral AI aus Paris ist heute der prominenteste europäische Anbieter mit einem Frontier-fähigen Modell. Die Infrastruktur liegt in Europa, das Unternehmen unterliegt europäischem Recht, ein DSGVO-konformer Auftragsverarbeitungsvertrag ist verfügbar. Für viele Anwendungsfälle reicht die Leistung von Mistral Large inzwischen vollständig aus, insbesondere für deutschsprachige Dokumente, strukturierte Analysen oder regelbasierte Workflows.
Die ehrliche Antwort lautet aber: Wer heute ausschließlich auf europäische Modelle setzt, nimmt bei bestimmten Aufgaben Leistungseinbußen in Kauf. Bei hochkomplexen Reasoning-Aufgaben, bei multimodalen Anwendungen oder bei sehr langen Kontextfenstern sind US-Modelle wie GPT oder Claude aktuell noch führend. Das ist kein Argument gegen europäische Anbieter, aber ein Argument dafür, differenziert vorzugehen.
Eine vollständige Unabhängigkeit ist eine Illusion, das sollten wir nicht versprechen. Aber es gibt erhebliche Unterschiede zwischen einer ungeplanten Abhängigkeit und einer bewusst gestalteten. Wer heute eine KI-Strategie aufbaut, sollte drei Ebenen unterscheiden.
Die Leistungsfähigkeit lokaler Modelle hat sich in den letzten zwei Jahren fundamental verändert. Was früher nur auf teurer Serverinfrastruktur lief, läuft heute auf einem modernen Arbeitsrechner oder einem aktuellen MacBook. Tools wie Ollama machen den Einstieg technisch trivial: Modelle wie Llama 3.3, Mistral Small oder Phi-4 lassen sich in wenigen Minuten lokal installieren und über eine standardisierte API ansprechen, ganz ohne Cloudanbindung, ganz ohne dass ein einziges Zeichen der Anfrage das Unternehmensnetz verlässt.
Für Aufgaben wie Textzusammenfassungen, Dokumentenklassifizierung, einfache Datenextraktion oder interne Suchfunktionen reicht die Qualität dieser Modelle heute vollständig aus. Selbst auf Consumer-Hardware erreichen quantisierte 8-Milliarden-Parameter-Modelle Benchmark-Werte, die vor zwei Jahren noch GPT-4-Niveau entsprachen. Die Grenzen liegen bei sehr langen Dokumenten, komplexen Mehrschritt-Analysen und multimodalen Aufgaben.
Interessant ist, was Apple hier gerade auf Endgerätebene vorantreibt. Apple Intelligence läuft auf neueren iPhones und Macs direkt auf dem Gerät, ohne Serveranbindung, für einfache Aufgaben wie Textkorrekturen, Zusammenfassungen oder Kalendereinträge. Das ist kein Frontier-Modell, aber für genau diese Alltagsaufgaben ist es gut genug. Apple zeigt damit ein Prinzip, das für Unternehmen verallgemeinerbar ist: Routineaufgaben gehören auf die lokale Ebene. Nur was wirklich komplexer Reasoning-Kapazität bedarf, sollte nach außen gehen.
Mistral AI aus Paris ist heute der relevanteste europäische Anbieter mit Frontier-naher Leistung. Die Modelle sind über europäische Infrastruktur verfügbar, DSGVO-konforme Auftragsverarbeitungsverträge existieren, und die Leistung bei deutschsprachigen Texten, strukturierten Analysen und regelbasierten Workflows ist solide. Für viele Unternehmensanwendungen in regulierten Branchen ist das ausreichend.
Die ehrliche Einschränkung bleibt: Wer ein Frontier-Modell für komplexe juristische Analysen oder multimodale Aufgaben braucht, stößt mit Mistral heute noch an Grenzen. Das ist aber kein Argument gegen den Einsatz europäischer Modelle, sondern ein Argument für eine differenzierte Strategie.
Für hochkomplexe Reasoning-Aufgaben, für autonome Agenten, die über mehrere Schritte und Werkzeuge hinweg arbeiten, für die Analyse sehr langer Dokumente oder für multimodale Anwendungen sind US-Modelle wie Claude oder GPT aktuell noch führend. Das wird sich verschieben, aber es ist die ehrliche Bestandsaufnahme für heute.
DeepSeek aus China ist eine Open-Source-Alternative, die bei bestimmten Aufgaben, insbesondere bei Code und strukturierten Analysen, überraschend stark abschneidet und sich lokal betreiben lässt. Wer DeepSeek nutzt, sollte allerdings die datenschutzrechtliche Situation sorgfältig prüfen. Der Fable-5-Vorfall hat gezeigt, dass geopolitische Risiken nicht nur bei US-Anbietern existieren.
Die Kunst liegt darin, diese drei Ebenen bewusst zu kombinieren, statt blind auf eine einzige Plattform zu setzen. Und die Grundregel dabei lautet: So lokal wie möglich, so extern wie nötig.
Kurzfristig sind die Kosten für Inferenz, also das tatsächliche Abfragen von Modellen, gesunken. Frontier-Modelle wie Sonnet oder Opus 4.8 kosten heute einen Bruchteil dessen, was vergleichbare Leistung vor zwei Jahren gekostet hätte. Dieser Trend wird sich fortsetzen, weil der Wettbewerb zwischen Anbietern intensiv ist und weil Modelle effizienter werden.
Was aber steigen wird: der Gesamtaufwand für KI-Governance. Unternehmen, die KI ernsthaft und sicher einsetzen wollen, müssen in Kompetenz investieren, in die Fähigkeit, Modelle zu evaluieren, Risiken zu beurteilen, Fallback-Szenarien zu definieren und Compliance sicherzustellen. Das ist kein einmaliges Projekt, sondern eine dauerhafte Aufgabe. Wer das unterschätzt, wird feststellen, dass die scheinbar günstigen Modellkosten nur ein Teil der Rechnung sind.
Hinzu kommt: Geopolitische Risiken wie der Fable-5-Vorfall zeigen, dass Modellverfügbarkeit kein selbstverständliches Gut ist. Unternehmen, die das in ihre Planung einbeziehen, mit Redundanz, mit Alternativen und mit Abstraktionsschichten zwischen Anwendung und Modell, werden langfristig resilienter und damit auch wirtschaftlich im Vorteil sein.
Drei Dinge, die sofort umsetzbar sind:
Der Fable-5-Vorfall ist ein unangenehmer, aber lehrreicher Moment. Er zeigt, dass das KI-Modell-Risiko kein abstraktes Zukunftsszenario ist, sondern heute in der Produktionsumgebung ankommen kann. Wer KI-Strategie und IT-Governance jetzt zusammendenkt, hat einen echten Vorsprung.
Künstliche Intelligenz ist längst mehr als ein Hype, sie verändert Wertschöpfung, Prozesse und Geschäftsmodelle. Doch während viele Unternehmen erste Tools testen, fehlt es oft an Struktur, Governance und eine klaren KI-Strategie. Rüdiger Lang, Principal bei Consileon, erklärt im Interview, warum KI nicht länger im Pilotstatus verharren darf, welche Schritte wirklich zählen und wie Unternehmen den Übergang ins Kerngeschäft erfolgreich gestalten können.
In vielen Fällen ist KI heute noch ein „Buzzword mit Pilotcharakter“. Unternehmen experimentieren, probieren Tools aus, meist ohne übergreifende Strategie. Meist fehlt eine klare Governance, ein exakt definiertes Ziel und die Fähigkeit, KI wirklich skalierbar in die Wertschöpfung zu integrieren. Viele Unternehmen setzen heute kleine KI-Use-Cases um, wie beispielsweise Co-Pilot, der bei einzelnen Arbeitsschritten unterstützt. Wir erwarten den größten Hebel jedoch bei der Umsetzung von KI-Use-Cases, die vertikal, also entlang der Geschäftsprozesse wirken. Genau da setzen wir gemeinsam mit unseren Kunden an: mit einem strukturierten Einstieg, einem fundierten Reifegrad-Audit und der Entwicklung passender Use Cases.
>>> Mehr zur Entwicklung einer individuellen KI-Strategie
Der KI-Führerschein ist unser praxisnahes Einstiegstraining, mit dem Teams Künstliche Intelligenz konkret erleben, nicht nur theoretisch verstehen. Statt trockener PowerPoint geht es um aktives Ausprobieren: Eigene Chatbots bauen, Prozesse mit No-Code-Tools automatisieren, Prompts entwickeln oder sogar KI-generierte Inhalte wie ein Musikstück erstellen. Das Format senkt Einstiegshürden, macht Lust auf KI und zeigt, wie vielfältig die Einsatzmöglichkeiten im Arbeitsalltag schon heute sind. Gleichzeitig thematisieren wir Fragen rund um Regulierung und Sicherheit, etwa im Hinblick auf den EU-AI-Act. Für viele ist das Training der erste Schritt, um KI nicht nur als Schlagwort, sondern als Werkzeug aktiv in ihre Arbeitsprozesse zu integrieren. Um auch auf der Führungskräfteebene die Potenziale von KI aufzuzeigen, bieten wir spezielle KI-Workshops für Entscheider an, die auf strategische Themen wie Wertschöpfungstiefe KI eingehen.
Je nach Reifegrad und Zielsetzung folgt meist ein KI-Audit, also die Analyse der organisatorischen, technischen und kulturellen Voraussetzungen. Daraus leiten wir Handlungsempfehlungen ab, die wir in einem Workshop mit der Führungsebene vertiefen. Besonders wichtig ist, dass KI nicht als technische Spielerei verstanden wird, sondern als ein Tool, das echten Mehrwert liefern kann. Auch und gerade in Geld.
Dass Unternehmen mit einem KI-Use-Case starten, ohne sich Gedanken über die KI-Strategie zu machen. Die KI-Strategie legt den Rahmen für die Umsetzung der KI-Use-Cases fest. Dadurch werden Use Cases mit dem größten Mehrwert angegangen und Insellösungen, Schatten-IT oder Sicherheitslücken vermieden. Teil der Strategie ist auch eine zentrale Plattform für die KI-Lösungen aufzubauen. Sonst verpuffen die Mehrwerte der KI. Außerdem sind einzelnen Insellösungen wesentlich teurer.
Eine ganz zentrale. Der EU-AI-Act bringt klare Vorgaben mit sich, etwa zur Risikoklassifikation, zu Transparenz und Kontrolle. Das bedeutet Unternehmen müssen den Einsatz von KI steuern und überwachen. Wir helfen dabei, diese Anforderungen frühzeitig zu integrieren, z. B. bei der Auswahl von Modellen, bei der Dokumentation oder im Umgang mit sensiblen Daten. Der KI-Führerschein ist beispielsweise ein Training, das Mitarbeiter auf den Umgang mit KI gemäß dem EU-AI-Act schult.
Grundsätzlich ist KI ein Thema, das völlig unabhängig von Branche oder Wirtschaftszweig einen Mehrwert liefert. Egal ob es um Arbeitserleichterungen, Wissensspeicherung, Effizienzgewinne oder das Einhalten von regulatorischen Vorgaben geht. Beispielsweise stehen die Finanzdienstleister oder auch die Pharmabranche unter hohem Druck, Regularien umzusetzen bzw. einzuhalten. Hier bieten wir bereits KI-Lösungen an, die die Umsetzung und die Prüfung von Regulatorik erheblich zu beschleunigen, z.B. zum Thema Vertragsprüfung auf DORA. Der andere Bereich ist die Pharmaindustrie, die mit den GxP-Prüfungen vor einem gewaltigen Aufwand stehen, den wir mit unserer KI-Lösung deutlich reduzieren können.
>>> Mehr zum Consileon Regulatorik-Radar erfahren
Behandeln Sie KI wie ein strategisches Investment, nicht wie ein Experiment oder eine technische Spielerei. Denken Sie von Anfang an zukünftige Entwicklungen. Bauen Sie eine tragfähige Architektur, etablieren Sie Governance und nehmen Sie Ihre Belegschaft von Anfang an mit auf die Reise. Und vor allem: Fangen Sie an! Heute! Aber mit System und klaren Zielen.
Künstliche Intelligenz verändert unsere Arbeitswelt mit rasantem Tempo. Doch wie gelingt der sinnvolle Einsatz dieser Technologien im Unternehmensalltag? Darüber sprach Dr. Jörg Schlösser, Partner und KI-Experte bei Consileon, mit Florian, Redakteur bei Klassik Radio.
Für die Aufnahmen war unser Team zu Gast beim Radiosender in Augsburg, zentral gelegen am Augsburger Stadtmarkt in einem wunderschönen Altbau. Der Besuch begann in der Lounge „The Radio Club“ mit einem Kaffee in entspannter Atmosphäre und Gesprächen über den Sender, klassische Musik und persönliche Vorlieben.
Neben dem bekannten Klassikprogramm betreibt der Sender auch Beats Radio – ein Format, das sich mit Lounge- und Chill-out-Musik an ein jüngeres Publikum richtet. Nach dem Kennenlernen ging es ins obere Stockwerk, wo gerade Thomas Ohrner live on Air war und das Vormittagsprogramm moderierte. Auch Moderatorin Alexandra Berger war vor Ort und bereitete ihre Sendung für den Nachmittag vor.
Die Aufnahme der Kolumnen fand anschließend gemeinsam mit Redakteur Florian in einer der schallisolierten Aufnahmekabinen statt. Es war beeindruckend, die Technik eines professionellen Radiosenders einmal aus nächster Nähe zu erleben.
In dieser konzentrierten, aber zugleich lockeren Atmosphäre entstanden drei KI-Kolumnen, die im November bei Klassik Radio ausgestrahlt werden. Im Mittelpunkt steht dabei die Frage, wie Künstliche Intelligenz die Arbeitswelt verändert und wie Unternehmen KI sinnvoll, sicher und menschlich einsetzen können.
In den Kolumnen erklärt Dr. Jörg Schlösser drei konkrete Formate, mit denen Unternehmen das Potenzial von KI heute schon nutzen können:
Der Besuch bei Klassik Radio war nicht nur eine Gelegenheit, unsere Expertise zu teilen, sondern auch, das Thema Künstliche Intelligenz in der Arbeitswelt einem breiteren Publikum näherzubringen.
Im Gespräch wurde deutlich, dass KI kein Selbstzweck ist, sondern ein Werkzeug, das helfen kann, Arbeit besser, sicherer und menschlicher zu gestalten, wenn man es verantwortungsvoll einsetzt.
🎧 Die Interviews mit Dr. Jörg Schlösser sind ab Montag, 17. November, bei Klassik Radio zu hören.