„Open Source“ steht in fast jedem Bericht über Llama. In der Lizenz steht es nicht. Der Unterschied ist keine Wortklauberei, sondern entscheidet in Vergabeverfahren über Eignung.
Drei Stufen, die regelmäßig vermischt werden
| Stufe | Was verfügbar ist | Beispiele |
|---|---|---|
| Geschlossen | Nur über eine Schnittstelle nutzbar. Keine Gewichte, kein Eigenbetrieb. | Die meisten kommerziellen Spitzenmodelle |
| Offene Gewichte | Parameter frei herunterladbar, Lizenz mit Auflagen: untersagte Verwendungen, Namensnennung, Umsatz- oder Nutzerschwellen. | Llama, Gemma, Stable Diffusion 3.5 |
| Open Source | Parameter frei herunterladbar unter einer Lizenz ohne Zweckbeschränkung. | Mistral Small, Mixtral, Qwen, DeepSeek, Teuken, EuroLLM |
Die mittlere Stufe ist die, um die es geht. Sie ist praktisch wertvoll – man kann diese Modelle tatsächlich herunterladen und betreiben – und rechtlich etwas anderes als die dritte.
Was in den Hauslizenzen steht
Ohne die Texte im Wortlaut wiederzugeben, hier die Arten von Klauseln, die den Unterschied ausmachen:
- Verwendungsverbote. Eine Liste von Zwecken, für die das Modell nicht eingesetzt werden darf. Eine Open-Source-Lizenz darf das nicht enthalten – die Nichtdiskriminierung von Einsatzgebieten gehört zum Kern der Definition.
- Namensnennungspflicht. Abgeleitete Modelle müssen den Namen des Ausgangsmodells tragen, Anwendungen einen Hinweis führen.
- Schwellenklauseln. Ab einer bestimmten Nutzerzahl oder einem bestimmten Umsatz ist eine gesonderte Vereinbarung mit dem Hersteller nötig.
- Weitergabe der Bedingungen. Wer das Modell weitergibt, muss die Auflagen mitgeben – die Beschränkung wandert mit.
Jede einzelne dieser Klauseln ist nachvollziehbar begründbar. Alle zusammen ergeben etwas, das mit der Open-Source-Definition nicht vereinbar ist.
Die Open Source Initiative hat im Oktober 2024 eine Definition für Open Source AI veröffentlicht. Sie verlangt die vier bekannten Freiheiten – nutzen, untersuchen, verändern, weitergeben – jeweils ohne Zweckbeschränkung, dazu ausreichende Angaben zu Daten, Code und Parametern. Die Definition ist fachlich umstritten, vor allem beim Umfang der Datenoffenlegung. Als Maßstab für die Lizenzfrage ist sie trotzdem der beste verfügbare.
Warum das in einer Vergabe zählt
Öffentliche Auftraggeber schreiben regelmäßig „quelloffene Software“ oder „freie Lizenz“ in die Leistungsbeschreibung – aus guten Gründen: Herstellerunabhängigkeit, Prüfbarkeit, langfristige Verfügbarkeit.
Wer das tut und dann ein Angebot mit einem Modell unter Hauslizenz annimmt, hat ein Problem. Wer es dagegen bewusst tut, schließt mehrere der leistungsfähigsten verfügbaren Modelle aus – und sollte das wissen, bevor die Unterlagen versendet sind.
Zwei Formulierungen, die den Unterschied machen:
- „Es sind quelloffene Modelle einzusetzen.“
- „Das Modell muss Open Source sein.“
- „Die Modellgewichte müssen unter einer Lizenz stehen, die den Einsatz für beliebige Zwecke ohne gesonderte Vereinbarung gestattet. Die Lizenz ist zu benennen.“
- „Für jedes eingesetzte Modell sind Hersteller, Herkunftsland, Lizenz und Trainingsstand anzugeben.“
Die rechten Formulierungen sind länger und liefern eine prüfbare Antwort. Die linken klingen kürzer und verschieben die Auseinandersetzung in die Angebotsprüfung.
Und die Trainingsdaten
Ein Punkt, an dem auch die Apache-2.0-Modelle nicht glänzen: Fast keines legt offen, worauf es trainiert wurde. Mistral nicht, Qwen nicht, DeepSeek nicht. Die Lizenz ist frei, die Herkunft der Daten bleibt im Dunkeln.
Die Ausnahmen sind bezeichnend: Teuken-7B aus dem geförderten Projekt OpenGPT-X und EuroLLM aus EU-Forschungsförderung dokumentieren ihren Trainingsbestand vergleichsweise ausführlich. Wo öffentliches Geld drinsteckt, wird offengelegt – das ist kein Zufall, sondern eine Förderbedingung.
Wer Nachvollziehbarkeit über die Lizenz hinaus braucht, landet deshalb schnell bei kleineren, europäischen Modellen. Sie sind schwächer. Sie sind dafür erklärbar.