von 
Red Hats pragmatischer Ansatz für Open-Source-KI: Zwischen Vision und Realität
Künstliche Intelligenz revolutioniert derzeit die Technologiebranche. Insbesondere Open-Source-KI-Systeme wie DeepSeek sorgen für Aufsehen, indem sie die finanziellen Grundlagen der KI-Industrie in Frage stellen. Als führendes Linux-Unternehmen versteht Red Hat die Bedeutung von Open Source und KI besser als die meisten anderen. Der Ansatz von Red Hat für Open-Source-KI spiegelt dabei jahrzehntelange Erfahrung mit Open-Source-Prinzipien wider, berücksichtigt aber auch die einzigartigen Herausforderungen moderner KI-Systeme.
Pragmatismus statt utopischer Visionen
Anstatt unrealistische Ziele wie künstliche allgemeine Intelligenz (AGI) zu verfolgen, konzentriert sich Red Hat darauf, die praktischen Anforderungen von Unternehmen mit den heutigen Möglichkeiten von KI in Einklang zu bringen. Das Unternehmen erkennt an, dass der Begriff „Open-Source-KI“ nicht eindeutig definiert ist. Bei einer Podiumsdiskussion auf dem Linux Foundation Members Summit im November 2024 betonte Richard Fontana, leitender Rechtsberater bei Red Hat, dass traditionelle Open-Source-Software auf zugänglichem Quellcode basiert, während KI neue Herausforderungen mit Blick auf Trainingsdaten und Modellgewichtungen mit sich bringt.
Fontana erklärte: „Was ist das Analogon zum [Quellcode] für KI? Das ist nicht klar. Einige glauben, dass Trainingsdaten offen sein müssen, aber das ist für große Sprachmodelle höchst unpraktisch. Es deutet darauf hin, dass Open-Source-KI in diesem Stadium möglicherweise ein utopisches Ziel ist.“
Die Herausforderung der Transparenz
Eine zentrale Herausforderung besteht darin, Transparenz mit Wettbewerbs- und rechtlichen Realitäten in Einklang zu bringen. Während Red Hat für Offenheit eintritt, warnt Fontana vor zu starren Definitionen, die eine vollständige Offenlegung von Trainingsdaten erfordern. In der heutigen streitlustigen Umgebung birgt die Offenlegung detaillierter Trainingsdaten das Risiko, dass Modellentwickler zum Ziel von Klagen werden. Die faire Nutzung öffentlich verfügbarer Daten kompliziert zudem die Erwartungen an Transparenz.
Red Hats Vision für kollaborative KI-Entwicklung
Chris Wright, CTO von Red Hat, betont pragmatische Schritte in Richtung Reproduzierbarkeit. Er befürwortet offene Modelle wie Granite LLMs und Tools wie InstructLab, die eine gemeinschaftsgesteuerte Feinabstimmung ermöglichen. Wright erklärt: „InstructLab ermöglicht es jedem, Fähigkeiten zu Modellen beizutragen und macht KI wirklich kollaborativ. So hat sich Open Source in der Software durchgesetzt – jetzt machen wir das Gleiche für KI.“
Wright sieht dies als Weiterentwicklung von Red Hats Linux-Erbe: „So wie Linux die IT-Infrastruktur standardisiert hat, bietet RHEL AI eine Grundlage für Unternehmens-KI – offen, flexibel und von Grund auf hybrid konzipiert.“
Herausforderungen auf dem Weg zu wirklich offener KI
Red Hat ist sich bewusst, dass der Weg zu echter Open-Source-KI nicht einfach sein wird. Wright räumt ein: „KI, insbesondere die großen Sprachmodelle, die generative KI antreiben, kann nicht ganz so betrachtet werden wie Open-Source-Software. Im Gegensatz zu Software bestehen KI-Modelle hauptsächlich aus Modellgewichtungen – numerischen Parametern, die bestimmen, wie ein Modell Eingaben verarbeitet und Verbindungen zwischen verschiedenen Datenpunkten herstellt.“
Obwohl Modelle keine Software sind, haben sie laut Wright eine ähnliche Funktion wie Code: „In mancher Hinsicht erfüllen sie eine ähnliche Funktion wie Code. Man kann leicht den Vergleich ziehen, dass Daten der Quellcode des Modells sind oder diesem analog sind. Trainingsdaten allein erfüllen diese Rolle jedoch nicht. Die Mehrheit der Verbesserungen und Erweiterungen von KI-Modellen, die jetzt in der Community stattfinden, beinhalten keinen Zugriff auf die ursprünglichen Trainingsdaten oder deren Manipulation. Vielmehr sind sie das Ergebnis von Änderungen an Modellgewichtungen oder eines Feinabstimmungsprozesses, der auch dazu dienen kann, die Modellleistung anzupassen.“
Minimale Standards statt utopischer Ideale
Fontana warnt davor, bei der Definition von Offenheit zu weit zu gehen. Er plädiert für minimale Standards anstelle utopischer Ideale: „Die Open Source Definition (OSD) funktionierte, weil sie eine Untergrenze und keine Obergrenze festlegte. KI-Definitionen sollten sich zunächst auf Lizenzklarheit konzentrieren und Entwickler nicht mit unpraktischen Transparenzanforderungen belasten.“
Dieser Ansatz ähnelt der Open Source AI Definition (OSAID) 1.0 der Open Source Initiative (OSI), ist aber nicht identisch. Während Organisationen wie die Mozilla Foundation, die OpenInfra Foundation und SUSE die OSAID unterstützt haben, hat Red Hat dem Dokument bisher nicht zugestimmt. Stattdessen erklärt Wright: „Unser Standpunkt ist bisher einfach unsere Sichtweise darauf, was Open-Source-KI für die breiteste Gruppe von Gemeinschaften, Organisationen und Anbietern erreichbar und zugänglich macht.“
Red Hats Weg in eine offene KI-Zukunft
Wright fasst Red Hats Vision zusammen: „Die Zukunft der KI ist offen, aber es ist eine Reise. Wir gehen die Themen Transparenz, Nachhaltigkeit und Vertrauen an – ein Open-Source-Projekt nach dem anderen.“ Fontanas vorsichtige Perspektive unterstreicht diese Vision und betont, dass Open-Source-KI Wettbewerbs- und rechtliche Realitäten respektieren muss. Die Community sollte Definitionen schrittweise verfeinern, anstatt Ideale auf eine noch unreife Technologie aufzuzwingen.
Auch wenn sich die OSI auf eine Definition konzentriert, stimmt sie diesem Ansatz zu. OSAID 1.0 ist nur die erste, unvollkommene Version. Die Gruppe arbeitet bereits an einer neuen Version. In der Zwischenzeit wird Red Hat seine Arbeit zur Gestaltung der offenen KI-Zukunft fortsetzen, indem es Brücken zwischen Entwicklergemeinschaften und Unternehmen baut und gleichzeitig die komplexen ethischen Fragen der KI-Transparenz navigiert.
Häufig gestellte Fragen
Was versteht Red Hat unter Open-Source-KI?
Red Hat sieht Open-Source-KI als eine Weiterentwicklung der Open-Source-Prinzipien im KI-Bereich. Das Unternehmen betont die Notwendigkeit offener Modelle und kollaborativer Entwicklungstools, erkennt aber auch die Herausforderungen bei der Offenlegung von Trainingsdaten an. Red Hat verfolgt einen pragmatischen Ansatz, der Transparenz und Reproduzierbarkeit fördert, ohne unrealistische Anforderungen zu stellen.
Welche Herausforderungen sieht Red Hat bei der Umsetzung von Open-Source-KI?
Zu den Hauptherausforderungen gehören die Komplexität von KI-Modellen im Vergleich zu traditioneller Software, rechtliche und wettbewerbliche Bedenken bei der Offenlegung von Trainingsdaten sowie die Notwendigkeit, Definitionen von Open-Source-KI zu entwickeln, die praktikabel und rechtlich tragfähig sind. Red Hat betont die Bedeutung eines ausgewogenen Ansatzes, der Innovation fördert und gleichzeitig realistische Standards setzt.
Wie unterscheidet sich Red Hats Ansatz von anderen Initiativen wie der OSAID?
Während Red Hat viele Ziele der Open Source AI Definition (OSAID) teilt, verfolgt das Unternehmen einen vorsichtigeren, pragmatischeren Ansatz. Red Hat konzentriert sich darauf, schrittweise Fortschritte in Richtung größerer Offenheit zu machen, anstatt sofortige umfassende Definitionen zu fordern. Das Unternehmen betont die Notwendigkeit, die einzigartigen Herausforderungen von KI-Systemen zu berücksichtigen und Definitionen im Laufe der Zeit weiterzuentwickeln.
Welche konkreten Schritte unternimmt Red Hat zur Förderung von Open-Source-KI?
Red Hat unterstützt offene KI-Modelle wie Granite LLMs und entwickelt Tools wie InstructLab, die eine gemeinschaftliche Feinabstimmung von Modellen ermöglichen. Das Unternehmen arbeitet auch an RHEL AI, einer Plattform für Unternehmens-KI, die auf Open-Source-Prinzipien basiert. Darüber hinaus engagiert sich Red Hat in Diskussionen zur Definition und Umsetzung von Open-Source-Standards für KI in der breiteren Tech-Community.
Wie sieht Red Hat die Zukunft von Open-Source-KI?
Red Hat sieht eine Zukunft, in der KI-Entwicklung dem kollaborativen Ethos von Open-Source-Software folgt. Das Unternehmen erwartet eine schrittweise Entwicklung hin zu größerer Offenheit und Transparenz in KI-Systemen. Gleichzeitig betont Red Hat die Notwendigkeit, pragmatische Lösungen für die einzigartigen Herausforderungen von KI zu finden, insbesondere in Bezug auf Datennutzung und Modellarchitekturen. Red Hat sieht seine Rolle darin, Brücken zwischen Entwicklergemeinschaften und Unternehmen zu bauen und dabei ethische und rechtliche Aspekte zu berücksichtigen.
