„Sie sehen alles und lernen davon“: Das große Open-Source-Plädoyer von Mistral
Arthur Mensch, Mitgründer und CEO des französischen KI-Unternehmens Mistral AI, hat sich mit einem ausführlichen Plädoyer für Open-Source-Modelle an Unternehmensentscheider:innen gewandt. In einem LinkedIn-Posting warnt der Chef des führenden europäischen AI-Startups eindringlich vor der Abhängigkeit von proprietären („closed“) KI-Modellen – und skizziert zugleich, wie Unternehmen seiner Ansicht nach eine eigene, unabhängige AI-Infrastruktur aufbauen sollten.
Zum Thema Open Source ist auch zu sagen: Die Strategie von Mistral war hier bisher nicht eindeutig, neben Open-Weights-Modellen hat das Unternehmen auch einige proprietäre LLMs auf den Markt gebracht. Diesen Sommer soll ein neues Open-Weights-Modell folgen.
„Immenser Hebel“ für Anbieter geschlossener Modelle
Menschs zentrale These: Anbieter geschlossener Modelle, die zunehmend zur Datenspeicherung („data retention“) übergehen, verschaffen sich einen „immensen Hebel“ gegenüber ihren Kund:innen. Sobald Unternehmen KI-Modelle mit ihrem Geschäftskontext verbinden, würden die Anbieter diesen sehen und daraus lernen – und hätten eine „Erfolgsbilanz darin, ihre erfolgreichsten Kunden dank dieser Informationen ins Visier zu nehmen“, so Mensch.
Der Mistral-CEO belässt es aber nicht bei der Modellfrage. Unternehmen müssten ihre Daten auch in offenen Systemen speichern, da Software-Anbieter sie sonst daran hindern könnten, KI-Systeme außerhalb der von ihnen errichteten „Walled Gardens“ zu bauen. Wer von seinen Vendors keinen vollständigen Datenzugang bekomme, könne dank KI mittlerweile „ziemlich schnell migrieren“.
Als weiteren Baustein nennt Mensch das Zugriffsmanagement: Unternehmen müssten regeln, wie KI-Systeme im Namen menschlicher Nutzer:innen auf Daten zugreifen – „denn man will nicht immer, dass Bob sieht, was Alice im Unternehmen tut“. Das sei hart und gnadenlos, weil KI-Modelle sehr gut darin seien, Fehler im Need-to-know-Prinzip aufzuspüren. Nötig seien Systeme, die harte Zugriffsregeln prüfen, kombiniert mit Modellen, die weiche Regeln kontrollieren.
Eigenes „Training-Flywheel“ als Wettbewerbsvorteil
Den „wichtigsten Teil“ sieht Mensch im Aufbau eines eigenen, kontinuierlichen Trainings-Kreislaufs: Unternehmen sollten ihre KI-Systeme auf Basis der Interaktionen mit Mitarbeiter:innen und Nutzer:innen laufend verbessern. So würden die Besonderheiten des eigenen Geschäfts („the edges of your business“) zu KI-Systemen, die weder Anbieter noch Konkurrenten replizieren könnten. Nebeneffekt: Modelle ließen sich entsprechend der tatsächlichen Nutzung verkleinern, was die zunehmend substanziellen Deployment-Kosten senke. „Wir müssen kollektiv effizienter werden, wenn die AI-Entwicklung weitergehen soll“, schreibt Mensch.
Der Mistral-Chef räumt ein, dass diese Umstellung gewaltig ist: Es handle sich sowohl um ein komplettes Replatforming der IT als auch um einen fundamentalen Wandel in Softwareentwicklung und Geschäftsbetrieb. „AI-Lifecycle-Management erfordert das Verständnis von menschlichem Verhalten und Gradient Descent – das ist ein Spagat.“
Werbung in eigener Sache
Das Posting ist freilich nicht nur Analyse, sondern auch Produkt-Pitch: Mistral biete mit der Control Plane „Studio“ und der Trainingsplattform „Forge“ alle nötigen Primitives aus einer Hand, so Mensch. Das Unternehmen deploye auf der Infrastruktur der Kund:innen oder über gehostete Zero-Data-Retention-Services – „damit eure Edges eure Edges bleiben und der Switch-Button vollständig in eurer Hand liegt“. Sein Fazit: „Frontier-AI kann das Wachstum eures Geschäfts beschleunigen – aber wenn sie nicht in euren Händen liegt, wird es nicht euer Wachstum sein.“
Einordnung: Reale Anlassfälle, aber auch offene Fragen
Menschs Argumente haben reale Anknüpfungspunkte, sind aber nicht ohne Einschränkungen zu lesen. Der Verweis auf erzwungene Datenspeicherung geht auf eine US-Gerichtsanordnung zurück, die OpenAI im Copyright-Verfahren der New York Times zur Aufbewahrung von ChatGPT-Logs verpflichtete – Enterprise- und Zero-Data-Retention-API-Kunden waren davon allerdings ausgenommen, und die pauschale Anordnung wurde später wieder aufgehoben.
Besser dokumentiert ist die Sorge, dass Modellanbieter mit ihren eigenen Kunden in Konkurrenz treten: Anthropic kappte 2025 dem Coding-Startup Windsurf den Modellzugang, während es mit Claude Code ein Konkurrenzprodukt aufbaute, und die Denkfabrik Brookings warnte, dass Modellanbieter auf der Jagd nach Application-Layer-Umsätzen zunehmend gegen die eigene Kundschaft antreten. Für die schärfste Behauptung – dass Anbieter Kundeninformationen gezielt nutzen, um ihre Ziele auszuwählen – liefert Mensch allerdings keine Belege.
Mensch ist mit seiner Warnung nicht allein: Auch Palantir-CEO Alex Karp warnte zuletzt – aus anderer Perspektive – vor Vendor-Lock-in bei Enterprise-AI. Für europäische Unternehmen, die ohnehin über die Dominanz der US-Tech-Konzerne besorgt sind, dürften Menschs Argumente auf fruchtbaren Boden fallen – auch wenn der Mistral-Gründer damit letztlich das Geschäftsmodell seines eigenen Unternehmens bewirbt, das genau auf souveränen Deployments auf Kundeninfrastruktur basiert.
