KI-Modellwechsel: Studie zeigt, wie spät viele Apps migrieren

Viele untersuchte Open-Source-Anwendungen wechselten erst nach der Abschaltung ihres KI-Modells zu einem Nachfolger. Eine neue Studie schätzt diesen Anteil bei den erfassten Migrationen auf 82 Prozent. Für Unternehmen zeigt das ein Betriebsrisiko: Wer ein externes Modell in eine Anwendung einbindet, muss auch dessen Abschaltung einplanen.

Die am 25. September 2026 veröffentlichte Studie auf arXiv untersucht Änderungen an öffentlich zugänglichem Programmcode. Der Autor ordnete sie angekündigten Abschaltungen von Modellen und Schnittstellen bei OpenAI, Anthropic und Google zu. Bei der Einführung neuer Modelle achten IT-Teams oft auf Qualität und Kosten. Der Vergleich mit bestehenden Modellen ist aber nur ein Teil der Entscheidung. Auch die verbleibende Nutzungsdauer gehört dazu.

Was hat die Studie zum KI-Modellwechsel untersucht?

Die Auswertung begann mit 22.555 GitHub-Änderungen aus 17.703 Open-Source-Repositories. Der Autor suchte nach Hinweisen auf eingestellte Modelle und Migrationen. Anschließend glich er passende Änderungen mit den offiziellen Abschaltterminen der Anbieter ab. Für die zeitliche Auswertung berücksichtigte er nur Ereignisse, deren Abschalttermin bereits verstrichen war.

Solche Suchtreffer sind nicht automatisch echte Modellwechsel. Deshalb ließen die Forschenden eine Stichprobe von 300 Änderungen unabhängig prüfen und berücksichtigten die dabei gefundenen Fehlzuordnungen in ihrer Schätzung. Von den zunächst passenden Treffern erwiesen sich nicht alle als Migration einer tatsächlich genutzten Modellversion.

Was bedeutet die Zahl von 82 Prozent?

Nach dieser Korrektur schätzt die Studie, dass 82 Prozent der erfassten Migrationen nach dem offiziellen Abschalttermin im Code landeten. Der Wert beschreibt den Zeitpunkt von Änderungen in den untersuchten Repositories. Er bedeutet weder, dass 82 Prozent aller KI-Anwendungen ausfielen, noch dass jede späte Änderung einen Produktionsfehler behob.

Die manuell geprüften Änderungen zeigen diesen Unterschied. Unter den echten Migrationen nach einem Abschalttermin fanden die Forschenden sowohl Reparaturen im Produktivbetrieb als auch geplante Änderungen ohne erwähnten Ausfall und Aufräumarbeiten an Modellkatalogen. Zudem erfasst die Suche vor allem Änderungen, deren Beschreibung das betroffene Modell nennt. Nicht dokumentierte Wechsel können fehlen. Die Ergebnisse lassen sich daher nicht unmittelbar auf geschlossene Unternehmensanwendungen übertragen.

Trotz dieser Grenzen ist die zeitliche Häufung relevant. Ein offizieller Abschalttermin beendet die Verfügbarkeit einer Modellversion. Ob daraus eine sichtbare Störung wird, hängt davon ab, ob die Anwendung das Modell zu diesem Zeitpunkt noch aufruft und wie sie Fehler behandelt. Die Studie beschreibt auch Fälle, in denen Anwendungen Fehlermeldungen abfingen und eine ausgefallene Funktion dadurch zunächst unbemerkt blieb.

Warum reicht es nicht, nur den Modellnamen zu ändern?

Bei einfachen Anwendungen kann ein Wechsel wenige Codezeilen betreffen. Andere Systeme müssen zusätzlich Parameter, Prompts oder Tests anpassen. Laut Studie betrafen Migrationen bei Anwendungen mit Werkzeugaufrufen oder angebundenen Datenquellen im Mittel mehr Dateien als bei einfachen Prompt-Anwendungen. Das ist besonders für KI-Agenten mit Systemzugriff relevant: Ihre Aufgaben hängen auch von Schnittstellen und dem Verhalten des Modells ab.

Ein Ersatzmodell sollte deshalb mit den eigenen Anwendungsfällen geprüft werden. Liefert es weiterhin brauchbare Ergebnisse? Akzeptiert es die bisherigen Parameter? Funktionieren Werkzeugaufrufe und Fehlerbehandlung? Solche Fragen beantwortet ein erfolgreicher API-Aufruf allein nicht.

Was sollten IT-Teams vor einer Abschaltung prüfen?

Zuerst braucht es einen Überblick: Welche Anwendungen verwenden welche Modellversion und wer ist für den jeweiligen Dienst verantwortlich? Danach sollten Teams die Abschalttermine der Anbieter verfolgen und rechtzeitig einen Test mit dem vorgesehenen Nachfolger ansetzen. Besonders wichtig sind Funktionen, deren Fehler für Nutzer kaum sichtbar wären.

Der KI-Modellwechsel gehört damit in die laufende Pflege produktiver Anwendungen. Die Studie liefert keine allgemeine Ausfallquote. Sie zeigt aber, wie leicht eine angekündigte Abschaltung erst nach dem Termin im Anwendungscode ankommt.

Quelle: When the Model Retires, 25.09.2026

Entwicklungen rund um KI-Modelle und ihren Unternehmenseinsatz ordnet der IT-Dock Newsletter regelmäßig ein.