Zum Inhalt

KI-Lock-in: wenn vibe-coded Apps an einem Anbieter hängen

Schnell gebaute Apps rund um einen KI-Anbieter wie OpenAI oder Anthropic sind günstig zu erstellen und teuer zu lösen. Ein Modellwechsel bricht die Software, und der Anbieter weiss das.

Das Problem

Immer mehr Organisationen lassen Apps durch Prompten statt durch Entwerfen bauen: Vibe Coding. Jemand beschreibt, was die App tun soll, ein KI-Code-Assistent schreibt den Code, und nach ein paar Runden funktioniert es. Die App spricht direkt mit der API eines Anbieters, etwa OpenAI oder Anthropic, und die Prompts sind genau auf das Verhalten dieses einen Modells abgestimmt.

Solange alles bleibt, wie es ist, funktioniert das. Das Problem kommt mit der ersten Veränderung: eine Preiserhöhung, ein Modell, das abgeschaltet wird, eine neue Vorgabe der Aufsicht, wo Daten liegen dürfen, oder schlicht ein besseres und günstigeres Modell bei einem anderen Anbieter. Dann zeigt sich, dass ein Modellwechsel die Software bricht.

Warum der Wechsel bricht

  • Die Prompts sind für ein Modell geschrieben. Ein anderes Modell liest dieselbe Anweisung anders und antwortet anders, in einer anderen Form. Alles, was darauf folgt, läuft auf.
  • Der Anbieter steckt überall im Code. Nicht hinter einer Schnittstelle, sondern an Dutzenden Stellen, jede mit eigenem Aufruf, eigener Fehlerbehandlung und eigenen Annahmen über die Antwort.
  • Es gibt keine Architektur, auf die man zurückfallen kann. Vibe-coded Apps sind gewachsen, nicht entworfen. Niemand kann genau sagen, was die App tut und warum, also wagt sich niemand heran.
  • Es gibt keine Tests. Ob das neue Modell dasselbe Ergebnis liefert, sieht man nur, indem man es in Produktion ausprobiert.

Was es kostet

Finanziell: Der Anbieter bestimmt den Preis, denn Sie können nicht weg. Jede Erhöhung des Tokenpreises landet direkt in Ihren Kosten, ohne Verhandlungsspielraum. Technisch: Jedes Modell-Update des Anbieters ist ein Risiko für Ihre App, auch wenn Sie selbst nichts ändern. Und strategisch: Ob Ihre Daten in eine amerikanische Cloud gehen, entscheiden nicht mehr Sie, denn die App kann nicht anders.

Das ist dieselbe Falle wie Lock-in bei Low-Code, nur schneller gebaut und deshalb öfter übersehen.

Unser Ansatz

  1. Das Modell hinter einer Tür. Alle KI-Aufrufe laufen durch eine Schicht im eigenen Code. Ein Wechsel von Anbieter oder Modell ist dann eine Änderung an einer Stelle, kein Neubau.
  2. Code tut, was Code kann. Alles, was sich in Regeln fassen lässt, steht in gewöhnlichem Code. Das Modell bekommt nur die Fragen, die wirklich Verständnis brauchen, in einer Form, die nicht von einem Modell abhängt. Siehe deterministisch zuerst.
  3. Ein Testset pro Anwendung. Ein fester Satz Fragen mit freigegebenen Antworten. Ein neues Modell durchläuft zuerst das Testset; erst wenn es besteht, geht es live.
  4. Lokale KI, wo es geht. Ein offenes Modell auf eigener Hardware gehört Ihnen. Niemand kann den Preis erhöhen oder das Modell abschalten, und die Daten bleiben im Haus.
  5. Hausregeln für KI-Code-Assistenten. Schnell bauen ist erlaubt, aber innerhalb einer vorab festgelegten Architektur, damit die App der Organisation gehört und nicht dem Prompt.

Worauf Sie achten

  • Fragen Sie pro App: An wie vielen Stellen steht der Name des KI-Anbieters im Code? Mehr als eine ist ein Warnsignal.
  • Fragen Sie: Könnten wir morgen ein anderes Modell ausprobieren, und woher wüssten wir, ob es noch stimmt?
  • Rechnen Sie die Tokenkosten eines Jahres aus und überlegen Sie, was eine Verdopplung bedeuten würde. Ist die Antwort unangenehm, gibt es Lock-in.
  • Lassen Sie neue Apps vom ersten Tag an durch die eine Tür bauen. Nachträglich umbauen kostet ein Vielfaches.

Wünschen Sie Beratung zu KI-Lock-in? Fordern Sie ein kostenloses Beratungsgespräch an.

Aktualisiert am

Weiterlesen

Alle Artikel zu KI
KI

Personendaten in der KI-Cloud: Wer liest mit?

Ein Gespräch mit einem KI-Dienst in der Cloud ist nicht von selbst privat. Ein Fall in Kanada zeigt, was ein Anbieter sehen und weitergeben kann. Was heisst das für das Schweizer Datenschutzgesetz und die DSGVO?

KI

Warum dasselbe KI-Modell nicht immer dieselbe Antwort gibt

Dieselbe Frage, dasselbe Modell, dieselben Einstellungen und sogar derselbe Seed, und trotzdem eine andere Antwort. Im Versuch, den wir hier beschreiben, spielte die Rundung in den Rechenkernen eine Rolle. Für Tests, Kontrollen und Nachvollziehbarkeit sollten Sie das wissen.