Google veröffentlicht Gemma 4 und redistribuiert die Macht in der KI-Kette
Jahrelang war das Standardargument der großen Tech-Unternehmen, dass die leistungsfähigsten Sprachmodelle ihre Preise durch die erforderliche Infrastruktur rechtfertigten. Mehr Parameter, mehr Rechenleistung, mehr Kosten. Google hat diese Gleichung mit der Einführung von Gemma 4, einer Familie von vier Open-Source-Modellen, die direkt von der Architektur abgeleitet ist, die Gemini 3 Pro zugrunde liegt, durchbrochen. Dabei belegt das drittgrößte dichte Modell mit 31 Milliarden Parametern den dritten Platz im Text-Ranking von Arena AI und übertrifft Systeme, die zwanzigmal so groß sind.
Das ist keine Marketingstrategie. Es ist ein Signal dafür, wohin sich die Kostenstruktur der gesamten Branche bewegt.
Die Falle des Parameters als Wertproxi
Der KI-Markt nutzt seit einigen Jahren die Parameteranzahl als mentale Abkürzung zur Bewertung der Fähigkeiten, ähnlich wie die Automobilindustrie jahrzehntelang Pferdestärken nutzte. Das Problem mit Abkürzungen ist, dass sie die Anreize verzerren: Wenn der Parameter das Qualitätsindikator ist, haben Anbieter alle Anreize, diese Zahl zu erhöhen und entsprechend zu berechnen, selbst wenn die tatsächliche Effizienz nicht mithält.
Gemma 4 greift dieses angenommenen Prinzip direkt an. Google behauptet, ein nie dagewesenes Niveau an Intelligenz pro Parameter in seinen Modellen erreicht zu haben und untermauert das mit einem überprüfbaren Ergebnis: Das Modell mit 26 Milliarden Parametern unter der Expertenmix-Architektur belegte den sechsten Platz im selben Ranking, in dem proprietäre Modelle mit 500 Milliarden Parametern konkurrieren. Wenn sich das unter realen Produktionsbedingungen bestätigt — und nicht nur in sorgfältig ausgewählten Benchmarks —, sinkt die Inferenzkosten pro Aufgabe um einen Faktor, der die Kalkulation jedes Unternehmens verändert, das heute für API-Calls zu massiven Modellen bezahlt.
Die unmittelbare Auswirkung spürt nicht Google. Sie spürt der unabhängige Entwickler, das zehnköpfige Start-up und das mittelständische Unternehmen, das heute zwischen 15 und 30 Prozent seiner Betriebskosten für KI an Anbieter ausgibt, die das Modell, die Infrastruktur und den Preis kontrollieren. Diese Konzentration von Macht bei einem einzigen Anbieter ist genau die Art von Abhängigkeit, die historisch zu einseitigen Preiserhöhungen führt, sobald eine kritische Masse erreicht ist.
Apache 2.0 ist keine Großzügigkeit, sondern strategische Architektur
Google veröffentlichte frühere Versionen von Gemma unter seiner eigenen proprietären Lizenz, die Einschränkungen für kommerzielle Nutzung und Modifikation der Modelle auferlegte. Der Wechsel zu Apache 2.0 für Gemma 4 ist kein philanthropischer Akt: Es ist eine Designentscheidung, die radikal verändert, wer den generierten Wert am Ende der Kette behält.
Unter Apache 2.0 kann jedes Unternehmen das Modell modifizieren, in seiner eigenen Infrastruktur bereitstellen, in kommerzielle Produkte integrieren und 100 Prozent des generierten Wertes behalten, ohne Lizenzgebühren zu zahlen oder von Googles Servern abhängig zu sein. Das verlagert die Macht vom Modellanbieter zum Integrator. Ein Architekturunternehmen, das einen Design-assistenten auf Gemma 4 aufbaut, eine Klinik, die ein Triage-Modell darauf trainiert, oder ein Logistikunternehmen, das es für die optische Zeichenerkennung verwendet: Alle können souverän über ihre Daten, ihr angepasstes Modell und ihre Infrastruktur verfügen.
Die strategisch richtige Frage ist nicht, warum Google das verschenkt. Die Antwort gab das Unternehmen in seiner Mitteilung: "digitale Souveränität, vollständige Kontrolle über Daten, Infrastruktur und Modelle". Google weiß, dass der Entwickler, der auf Gemma 4 aufbaut, nach wie vor ein natürlicher Kandidat ist, Google Cloud zu nutzen, um diese Modelle auszuführen, während er seine Daten-APIs konsumiert und innerhalb seiner Plattform bleibt. Die Öffnung des Modells ist der Köder; die Infrastruktur bleibt das Geschäft.
Das mindert nicht den Vorteil für den Entwickler. Es kontextualisiert ihn. Die Wertverteilung hier ist asymmetrisch, aber nicht extraktiv: Google erfasst die Werte der Infrastruktur, der Entwickler erfasst den Produktwert, und der Endbenutzer profitiert von günstigeren Modellen, die auf Geräten laufen, die er bereits in seiner Tasche hat.
Das Modell mit 2 Milliarden Parametern ist der kalkulierteste Zug
Die Schlagzeilen sprechen vom Modell mit 31 Milliarden. Der interessanteste Zug ist die Variante mit 2 Milliarden.
Gemma 4 umfasst zwei Versionen, die für Edge-Geräte konzipiert sind — 2 und 4 Milliarden Parameter — mit der Fähigkeit, Video, Bilder und Audio zu verarbeiten und in mehr als 140 Sprachen trainiert zu werden. Das bedeutet, dass eine Anwendung Inferenz direkt auf einem Smartphone durchführen kann, ohne Daten an einen externen Server zu senden, mit einem Modell, das Stimme, Bild und Text in Sprachen versteht, die die meisten proprietären Modelle kaum abdecken.
Die Grenzkosten für Inferenz in diesem Szenario sind praktisch null. Es gibt keine Netzwerklatenz, keine API-Kosten, keine Benutzerdaten, die zu externen Rechenzentren reisen. Für Sektoren wie Gesundheit, Bildung oder Finanzdienstleistungen in Märkten mit strengen Datenschutzvorschriften oder begrenzter Konnektivität ist dies kein inkrementeller Fortschritt: Es ist der Unterschied zwischen der Möglichkeit, KI bereitzustellen, oder dies nicht tun zu können.
Die Tatsache, dass Google auch die Offline-Code-Generierung aktiviert hat, untermauert dieses Argument. Ein Entwickler in einer Region mit eingeschränkter Infrastruktur oder ein Team, das an sensiblen Daten arbeitet, die das Unternehmensperimeter nicht verlassen dürfen, hat nun Zugriff auf ein Codeassistenz-Tool, ohne von einem externen Anbieter abhängig zu sein. Die Verfügbarkeit der Modellgewichte in Hugging Face, Kaggle und Ollama verstärkt diese Dezentralisierung: Es gibt keinen einzigen Kontrollpunkt mehr.
Die Kosten, die niemand in der Kette berechnet
Es gibt eine weniger angenehme Lesart, die Beachtung verdient. Die Proliferation hochkapazitiver offener Modelle drückt die Margen der spezialisierten Anbieter, die heute Zugang zu mittleren Modellen mit vertikalen Wertvorschlägen verkaufen. Ein Unternehmen, das Gebühren für ein Datenextraktionsmodell von Dokumenten erhebt, sieht sich nun einem De-facto-Wettbewerber in Form eines kostenlosen, multimodalen Modells gegenüber, das optische Zeichenerkennung und lokale Bereitstellungsfähigkeit bietet.
Das hat zwei gleichzeitige Effekte. Für den Endkunden kollabiert die Zahlungsbereitschaft für generische KI-Lösungen. Für spezialisierte Anbieter bleibt nur der Weg, sich in der Wertkette nach oben zu bewegen: Vom Verkauf des Zugangs zum Modell hin zu den Verkauf von proprietären Trainingsdaten, integrierten Workflows oder Fachwissen, das kein Basis-Modell replizieren kann. Wer diesen Übergang in den nächsten 18 bis 24 Monaten nicht vollzieht, wird mit einem Preisdruck konfrontiert, den seine aktuellen Kostenstrukturen nicht bewältigen können.
Die Einführung von Gemma 4 zerstört nicht den Markt für Unternehmens-KI. Sie segmentiert ihn brutaler. Und in dieser Segmentierung überleben die Akteure, die Werte schaffen, die das Modell selbst nicht ersetzen kann: die proprietären Daten, die integrierten Prozesse, das Kundenvertrauen.
Open Source als struktureller Vorteil, nicht als Altruismus
Die dominante Narrative wird Gemma 4 als Akt der Unternehmensgenerosität gegenüber der Entwicklergemeinschaft darstellen. Diese Lesart ist ungenau. Google kauft sich etwas sehr Konkretes: massive Akzeptanz, Rückmeldungen von Millionen realer Implementierungen und Positionierung als bevorzugte Infrastruktur im Lebenszyklus des Entwicklers.
Was diesen Schritt nachhaltig macht, im Unterschied zu Modellen, die die Akzeptanz subventionieren, um anschließend zu berechnen, ist, dass der Wertvorschlag für den Entwickler nicht davon abhängt, dass Google die Preise künstlich niedrig hält. Das Modell ist bereits in den Händen des Nutzers. Der Wert wurde zum Zeitpunkt des Downloads generiert. Google kann ihn nicht zurücknehmen.
Das ist der strukturelle Unterschied zwischen einem Plattformmodell, das Preisabhängigkeit erzeugt, und einem, das Kapazitätsabhängigkeit aufbaut. Im ersten Fall zieht der dominante Akteur Wert ab, indem er die Gebühren erhöht, wenn der Nutzer nicht mehr weglaufen kann. Im zweiten Fall muss der Nutzer nicht weggehen, weil der Vermögenswert bereits innerhalb seines Rahmens ist. Die einzige Möglichkeit für Google, seine Position in diesem Schema zu halten, besteht darin, der beste Ort zum Bauen über Gemma zu bleiben, nicht der einzige.
In dieser Architektur erhält der Entwickler Zugang zu erstklassiger Kapazität ohne Lizenzkosten. Google gewinnt einen Vertriebskanal und eine Akzeptanz, die keine Werbekampagne kaufen kann. Und der Endnutzer erhält günstigere und privatere Produkte. Die einzigen Akteure, die verlieren, sind diejenigen, die ihre Wertvorschläge auf der Knappheit des Modells aufgebaut haben, denn diese Knappheit existiert nicht mehr.
