Stand: Juni 2026 · Wird beobachtet · Nächste Aktualisierung: August 2026
Drei Welten,
ein Entscheidungsframework.
Ich versuche zu verstehen, wie diese drei Zugangswege zur KI zusammenhängen — und für wen welcher Weg passt. Kein weiterer Modell-Vergleich, sondern die Frage: In welche Welt investiere ich?
Diese Seite wird aus einer systematischen Knowledge Base gespeist, die Quellen zu Hub-Diensten, Frontier-Modellen und OS-Infrastruktur vernetzt. Was hier steht ist kein Endzustand — es ist eine Momentaufnahme einer sich schnell entwickelnden Landschaft. Alle Quellen sind verlinkt.
Juni 2026 · Aus KB-Recherche zu Hubs, Frontier und Compliance-Quellen
Fünf Beobachtungen, die mich beschäftigen
Der häufigste Fehler: Die Modellfrage als Modellfrage stellen
"GPT-5 oder Claude 4?" ist die falsche Frage. Die richtige lautet: "In welche Welt investiere ich — Open Source, Hub oder Frontier?" Die Modellentscheidung ergibt sich aus der Welt, nicht umgekehrt. Quelle: Analyse des AI-Org-Netzwerks (3.257 Nodes), bestätigt durch CSA-Monoculture-Risk-Report und FSB-Sound-Practices für regulierte Umfelder.
Hub/Access-Dienste sind 2026 der blinde Fleck
OpenRouter, Together AI, Groq, Replicate, Hugging Face Inference — kein deutscher Artikel deckt diese Dienste strukturell ab. Dabei sind sie der einfachste Einstieg in OS-Modelle: API-Key rein, loslegen. Kein GPU-Cluster, kein Ops-Team. Quelle: Eigene Recherche und Vergleich der Pricing-Seiten aller fünf Dienste (Juni 2026).
Hybrid ist kein Kompromiss — es ist der Normalzustand
80% der Workloads (Zusammenfassungen, Extraktion, RAG) laufen auf OS-Modellen. Die restlichen 20% (komplexes Reasoning, Vertragsanalyse) gehen an Frontier. OpenRouter macht diesen Mix besonders einfach. Quelle: Grotto-Architektur (MLOps Community), CSFTrends-Refresh aus der AI-Org-KB (Mai 2026).
Compliance entscheidet über den Zugangsweg — nicht Performance
Die Frage ist nicht "welches Modell ist besser", sondern "dürfen meine Daten diesen Anbieter verlassen?". Für regulierte Branchen führt an Self-Hosting kaum ein Weg vorbei. Hubs bieten eine Mittelposition: OS-Modelle per API, aber Daten bleiben beim Hub-Anbieter. Quelle: EU AI Act Article 50, FSB-Sound-Practices, CSA-Monoculture-Analyse (alle Mai/Juni 2026).
Die Frontier-Landkarte ändert sich im Wochenrhythmus — ich halte nicht mit
Acht deutsche Seiten vergleichen GPT-5 vs Claude 4 vs Gemini 3 mit aktuelleren Daten als ich sie je halten könnte. Meine Strategie: Die Modelle kurz einordnen, auf externe Vergleiche verweisen — und den Fokus auf die strukturelle Entscheidung legen (OS vs Hub vs Frontier), die sich langsamer ändert.
„Die entscheidende Frage 2026 ist nicht ,Welches Modell ist besser?' sondern ,In welche Welt investiere ich — und wer hilft mir, den Überblick zu behalten?' Die Hub-Dienste sind für mich der spannendste blinde Fleck: sie machen OS-Modelle zugänglich ohne Infrastruktur — aber kein Artikel im deutschen Raum ordnet sie strukturell ein. Das will ich ändern."
Ralf Kruse, EnableChange — seit 2009 in der Organisationsentwicklung
Drei Welten — und eine Entscheidung
Der häufigste Fehler 2026: die Modellfrage als Modellfrage zu stellen. „GPT-5 oder Claude 4?" ist nicht die Frage. Die richtige: „In welche Welt investiere ich — und welche Kombination ergibt Sinn für meine Daten, mein Team, meine Compliance?"
Quellen: CSA-Monoculture-Risk-Report, FSB-Sound-Practices, EU AI Act Article 50 — alle Mai/Juni 2026.
Open Source — Selbst hosten
Maximale Kontrolle, aber Betriebskosten nicht unterschätzen
Hubs/Access — API ohne Infrastruktur
OS-Modelle nutzen, ohne selbst zu hosten — flexibel, günstiger Einstieg
Frontier — Beste Modelle per API
Spitzenleistung gegen Datenweitergabe — der klassische Kompromiss
Hub/Access: OS ohne Infrastruktur
Das ist für mich der spannendste Teil der Landschaft: Fünf Dienste machen OS-Modelle per API zugänglich — ohne dass ich selbst hosten muss. Kein deutscher Artikel deckt sie strukturell ab. Hier ist mein Versuch, das zu ändern.
Preise Stand Juni 2026 von den jeweiligen Pricing-Seiten. Alle Angaben ohne Gewähr — die Preise ändern sich schneller als ich diese Seite aktualisieren kann.
OpenRouter
Der Meta-Router — 300+ Modelle, ein API-Key
OpenRouter aggregiert Modelle von über 20 Anbietern (OS + Frontier) hinter einer API. DeepSeek V4, Llama 4, GPT-5, Claude 4 — alles über denselben Endpunkt. Mit Budget-Limits, Auto-Routing und Provider-Auswahl.
Beste Wahl wenn ich mehrere Modelle vergleichen oder zwischen OS und Frontier wechseln will — ohne jedes Mal einen neuen API-Key zu holen
Together AI
Managed OS-Inference — Llama, DeepSeek, Mistral als API
Together hostet die wichtigsten OS-Modelle als Serverless API. Fokus auf OS — kein Frontier. 200+ Modelle, Pay-per-Token. Prompt Caching senkt Kosten bei wiederholten Inputs um bis zu 90%.
Wenn ich OS-Modelle produktiv nutzen will, aber nicht hosten möchte — und Wert auf Kompatibilität mit bestehendem Tooling lege
Groq
Extrem schnelle OS-Inference auf LPU-Hardware
Groq betreibt eigene LPU-Chips, die Inference massiv beschleunigen. Llama 4, DeepSeek, Gemma — alles OS. Batch-API und Prompt Caching halbieren die Kosten.
Wenn Latenz kritisch ist — Chat, Realtime, Agenten-Setups. Oder zum Testen neuer OS-Modelle ohne finanzielles Risiko
Replicate
OS-Modelle als Cloud-API — breites Spektrum über LLMs hinaus
Replicate hostet nicht nur LLMs, sondern auch Image-, Video-, Audio- und Code-Modelle — alles Open Source. Abrechnung teils nach Token, teils nach Compute-Time.
Wenn ich nicht nur LLMs brauche, sondern auch Image-Gen, Video oder Audio — alles aus einer API, alles OS
Hugging Face Inference
Das HF-Ökosystem als API — Serverless, Endpoints oder Providers
Drei Produkte unter einem Dach: Serverless API (Free-Tier, alle Modelle), Inference Endpoints (dedizierte GPU, Scale-to-Zero), Inference Providers (Gateway zu Groq, Together, Replicate & Co. via OpenAI-kompatibler API).
Wenn ich im HF-Ökosystem arbeite (eigene Modelle, Datasets, Spaces) oder einen einzigen Einstiegspunkt für alle OS-Modelle brauche
Frontier: Die drei Platzhirsche — kurz eingeordnet
GPT-5, Claude 4, Gemini 3 — wer maximale Qualität braucht und Datenweitergabe akzeptieren kann, kommt an ihnen nicht vorbei. Aber: Acht deutsche Seiten vergleichen diese Modelle mit aktuelleren Daten. Meine Strategie: kurz einordnen, dann auf externe Vergleiche verweisen.
GPT-5/5.5
OpenAI- ✓Bester Allrounder
- ✓Computer Use (autonome Desktop-Steuerung)
- ✓Grösstes Plugin/Agent-Ökosystem
- ✓Custom GPTs
- !Kein EU-Hosting-Standard
- !Trainingstransparenz begrenzt
Claude 4.7 Opus
Anthropic- ✓Beste Reasoning-Qualität
- ✓1M Token Kontext
- ✓Stärkste Coding-Performance
- ✓Safety-by-Design
- !Höhere Token-Kosten
- !Weniger Multimodal als GPT-5
Gemini 3.1 Pro
Google DeepMind- ✓Beste Multimodalität (Text, Bild, Video, Audio)
- ✓2M Token Kontext
- ✓Integration mit Google-Ökosystem
- ✓EU-Hosting (Google Cloud)
- !Weniger stark bei längeren Agentic Workflows
- !Qualität schwankt je nach Aufgabe
Vier Pfade — was ich bisher sehe
Nicht jede Organisation braucht alle drei Welten. Vier typische Pfade zeichnen sich ab — und die meisten Unternehmen landen im Hybrid. Das ist keine Empfehlung, sondern eine Beobachtung aus der KB und den Quellen der letzten Monate.
Pfad 1: OS-First
Self-Hosting als Standard. Hub oder Frontier nur für Ausnahmen.
Passt zu: Regulierte Branchen (Finance, Health, Legal), Unternehmen mit eigener Infrastruktur, hohe Datensensibilität
Vorteil: Maximale Compliance, keine Datenweitergabe, langfristig günstiger ab hohem Volumen
Risiko: Betriebskosten unterschätzt, Personal-Aufwand, langsamerer Zugang zu neuen Modellen
Pfad 2: Hub-First
OS-Modelle per API — ohne eigene Infrastruktur. Frontier als Fallback.
Passt zu: Startups, kleinere Teams, schnelle Prototypen, Unternehmen die OS testen wollen
Vorteil: Geringster Einstieg, maximale Flexibilität, kein Ops-Team nötig
Risiko: Daten beim Hub-Anbieter, Kosten bei hohem Volumen, Vendor-Lock-in auf API-Ebene
Pfad 3: Frontier-First
Beste Modelle per API. OS nur wenn nötig (Daten, Kosten).
Passt zu: Unternehmen die maximale Qualität brauchen, schnelle Integration suchen
Vorteil: State-of-the-Art Performance, geringster Aufwand, etablierte Ökosysteme
Risiko: Vendor-Lock-in, Kosten schwer kontrollierbar, Compliance-Risiko bei sensiblen Daten
Pfad 4: Hybrid
OS für 80% der Workloads, Frontier für 20%. Hubs als Brücke.
Passt zu: Den meisten Unternehmen mit gemischten Anforderungen
Vorteil: Beste Kostenkontrolle, maximale Flexibilität, Ausfallsicherheit durch Anbieter-Diversifikation
Risiko: Höhere Komplexität, braucht klare Routing-Entscheidungen
Quelle: Grotto-Architektur (MLOps Community), CSFTrends-Refresh AI-Org-KB (Mai 2026).
Tiefer eintauchen — die Themenseiten
Diese Seite gibt den Überblick. Auf den Themenseiten geht es in die Tiefe — mit Tools, Benchmarks und Entscheidungskriterien pro Zugangsweg. Ich baue sie nach und nach auf.
Open Source KI
Der OS-KI-Stack: 6 Layer, wichtigste Tools und Modelle, Communities und Vergleichsquellen.
Zur OS-Seite →KI-Hubs & API-Dienste
OpenRouter, Together AI, Groq, Replicate, HF Inference — Preise, Limits, Use Cases im Detail.
Zur Hub-Seite →Frontier-Modelle
GPT-5, Claude 4, Gemini 3 im Vergleich: Benchmarks, Pricing, EU-Konformität.
Zur Frontier-Seite →Häufige Fragen
Brauche ich überhaupt Open Source — oder reicht eine API?▾
Welcher Hub-Dienst ist der richtige für mich?▾
Kann ich OS und Frontier mischen?▾
Lohnt sich Self-Hosting wirtschaftlich?▾
Was ist mit EU AI Act — welche Welt ist compliant?▾
Quellen und externe Vergleiche
Frontier-Vergleiche (extern)
- Orivel — Beste KI 2026: Vergleich und Ranking — Qualitäts-Ranking
- MetXme — KI-Anbieter Vergleich 2026 — EU-Enterprise-Fokus
- WiWo — Ranking: Was sind die besten KI-Modelle? — breitestes Benchmarking
- Gosign — Decision Routing für EU-Enterprise 2026 — Decision-Routing-Ansatz
Open Source (eigene Seite)
Hub/Access-Dienste
Compliance & Regulierung
Diese Seite lebt
Ich betreibe seit 2025 eine systematische Knowledge Base zum Thema KI-Infrastruktur. Neue Quellen werden dort nicht nur abgelegt, sondern in ein semantisches Netzwerk eingewoben — Konzepte werden mit bestehendem Wissen verknüpft, Lücken sichtbar, Muster verstärkt.
Datenbasis: Eigene Recherche zu Hub-Diensten, Frontier-Modellen und OS-Zugangswegen, ergänzt durch Quellen aus der AI-Org Knowledge Base (3.257 Nodes, Stand Juni 2026).
Update-Rhythmus: Quartalsweise. Nächste Aktualisierung: August 2026.
Fehlt ein Dienst? Eine Perspektive? Schreib mir — ich baue die Seite weiter.
Haftungsausschluss: Alle Angaben ohne Gewähr. Preise, Modell-Verfügbarkeit und API-Spezifikationen können sich zwischen den Updates ändern.