Die Debatte über Foundation Models hat eine Beobachtung vertraut gemacht, die schon ihr Name nahelegt: Sie sind ein Fundament, kein Gebäude (Bommasani et al., 2021). Ein generalistisches Modell verfügt über breite Sprachkompetenz und oberflächliches enzyklopädisches Wissen; ein für eine professionelle Domäne bestimmtes System braucht etwas anderes, nämlich das operative Wissen dieser Domäne: welche Dokumente zirkulieren, welche Regeln sie beherrschen, was als Fehler zählt und wer dafür einsteht. Die These dieses Artikels ist, dass dieses Wissen nicht im Modell liegt und dass der Wettbewerbsvorteil eines vertikalen Produkts genau aus dem entsteht, was um das Modell herum gebaut wird.
Das Modell ist eine Komponente, und die austauschbarste
Die Qualität eines angewandten Systems hängt von vier Elementen ab: den verfügbaren Daten und ihrer Struktur; den Regeln des Prozesses, in den das System eintritt; den Werkzeugen, durch die das Modell handeln kann (ein Register lesen, ein Archiv abfragen, ein Dokument im geforderten Format erzeugen); der Art, wie der Nutzer das Ergebnis prüft. Das Sprachmodell ist nur eines dieser Elemente und konstruktionsbedingt das am leichtesten austauschbare: Die Schnittstellen der Anbieter konvergieren, die Kosten sinken, die Leistungen gleichaltriger Modelle nähern sich an. Was sich nicht an einem Nachmittag austauschen lässt, ist alles andere.
Verkörpertes Wissen
Domänenontologien, Validierungsregeln, Arbeitsabläufe und Oberflächen verdichten Jahre von Branchenwissen in ausführbarer Form. Zu wissen, dass in einer Genossenschaft die Rückvergütung eigenen Regeln folgt und keine Dividende ist; dass ein Transportdokument je nach Ware und Strecke verschiedene Pflichtfelder hat; dass ein Bilanzposten zusammen mit seiner Anmerkung gelesen wird: Dieses Wissen geht dem Modell voraus und bindet es. Die Richtung deckt sich mit dem, was in Spezialdomänen beobachtet wurde, wo auf die Sprache der Branche trainierte oder angepasste Modelle Vorteile bei domäneninternen Aufgaben zeigen (im Finanzwesen ist BloombergGPT der bekannte Fall: Wu et al., 2023); aber die Anpassung des Modells ist nur ein Teil, und oft der geringere, der Anpassung des Systems.
Warum der Generalist allein nicht genügt
Drei Lücken sind strukturell. Die erste betrifft die Semantik des Fehlers: Ein generalistisches Modell besitzt nicht das Kriterium, das in der Domäne richtig von falsch trennt, und eine plausible, aber falsche Antwort ist für es von einer korrekten nicht zu unterscheiden; der Fehlerbegriff ist normativ, gehört der Domäne und muss in expliziten Validierungen codiert werden. Die zweite betrifft die Werkzeuge: Ohne Zugang zu den Archiven, Registern und Formaten des Prozesses kann das Modell eine Handlung beschreiben, aber nicht überprüfbar ausführen. Die dritte betrifft die Annehmbarkeitsbedingungen: vorgeschriebene Formate, Fristen, Zuständigkeiten und Verantwortungen, die entscheiden, ob eine formal korrekte Ausgabe auch verwendbar ist. All das lässt sich um ein Modell herum bauen, und es zu bauen ist genau die Arbeit eines vertikalen Produkts.
Vier Domänen, eine Methode
MurphFin arbeitet auf wirtschaftlichen und finanziellen Daten, wo die Struktur der Bilanz selbst Wissen ist; Trakka im Straßentransport, wo die Dokumente und ihre Bedingungen den Prozess bilden; CoopSuite bei den Genossenschaften, wo die branchenspezifischen Regeln die Korrektheit definieren; Cryterio in der Information, wo die Quellen das Produkt sind. Die Probleme unterscheiden sich, das Prinzip nicht: von der wirklichen Arbeit ausgehen und die Intelligenz um sie herum bauen, nicht umgekehrt.
Ein Vorteil, der sich anhäuft
Jeder reale Fall, der das System durchläuft, verbessert Ontologien, Validierungen und Abläufe: Grenzfälle werden Regeln, Fehler werden Kontrollen, Ausnahmen werden ausführbare Dokumentation. Es ist eine langsame Anhäufung, schwer zu komprimieren und schwer zu replizieren, weil sie anhaltende Nähe zur Domäne verlangt und nicht bloß Rechenleistung. Deshalb sind die Analytiko™-Produkte als Domäneninfrastruktur mit einem Modell darin entworfen, nicht als Modell mit einer Oberfläche darum: Im ersten Systemtyp ist das Modell eine aufrüstbare Komponente; im zweiten der einzige Inhalt.
Literatur: Bommasani R. et al., «On the Opportunities and Risks of Foundation Models», arXiv:2108.07258, 2021 · Wu S. et al., «BloombergGPT: A Large Language Model for Finance», arXiv:2303.17564, 2023.
Analytiko · 2. September 2026