Laut dem McKinsey-Report The State of AI 2025 setzen bereits 88 % der Organisationen weltweit Künstliche Intelligenz in mindestens einem Geschäftsbereich ein. In Spanien — dem Heimatmarkt von Technova Partners — liegt dieser Wert bei lediglich 21,1 % der Unternehmen mit mehr als 10 Beschäftigten (INE, 2025), bei KMU sogar nur bei 11,4 % (ONTSI). Hinter nahezu der gesamten KI-Welle steckt eine einzige Technologie: der LLM. Wenn Sie ein Unternehmen leiten und endlich verstehen möchten, was ein LLM ist, wie er ohne Mathematik funktioniert, was er für Ihr Betriebsergebnis leisten kann und welche rechtlichen Pflichten ab dem 2. August 2026 auf Sie zukommen, ist dieser Leitfaden genau das Richtige für Sie.
Was ist ein LLM?
Ein LLM (Large Language Model, großes Sprachmodell) ist ein KI-Modell, das auf enormen Mengen an Text trainiert wurde, um eine einzige Sache außerordentlich gut zu beherrschen: das nächste wahrscheinlichste Wort in einer gegebenen Sequenz vorherzusagen. Aus dieser scheinbar einfachen Fähigkeit entstehen alle weiteren: Texte verfassen, zusammenfassen, übersetzen, Fragen beantworten, Dokumente analysieren oder Code schreiben. ChatGPT, Claude oder Gemini sind Produkte, die auf LLMs aufbauen. Für ein Unternehmen lautet die praxisnahe Definition: Ein LLM ist ein universeller Sprachmotor, der Text im industriellen Maßstab lesen und erzeugen kann und sich an konkrete Aufgaben anpasst — Kundenservice, Berichte, Verträge — ohne für jede einzeln programmiert werden zu müssen. Er denkt nicht wie ein Mensch: Er berechnet Wahrscheinlichkeiten über Wörter. Aber er tut dies so gut, dass das Ergebnis in Hunderten von realen Geschäftsprozessen nützlich ist.
Wie funktioniert ein LLM? Ohne Mathematik erklärt
Ein LLM funktioniert in zwei Phasen: zunächst das Training, dann der Einsatz. Beim Training liest das Modell Billionen von Wörtern — Websites, Bücher, Code, Dokumentationen — in Tokens (Wortfragmente) zerlegt, und passt Milliarden interner Parameter an, bis es die statistischen Muster der Sprache erlernt hat. Diese Phase kostet Millionen von Euro und wird von den Anbietern durchgeführt, nicht von Ihrem Unternehmen. Im täglichen Einsatz (der Inferenz) geben Sie eine Anweisung ein — den Prompt — und das Modell erzeugt die Antwort Token für Token, indem es jedes Mal die wahrscheinlichste Fortsetzung auf Basis des Erlernten auswählt.
Zwei weitere Konzepte vervollständigen das Minimalvokabular einer Führungskraft:
- Kontextfenster: Wie viele Informationen in einem Gespräch Platz finden. 2026 reicht der Standard von 200.000 bis 1 Million Tokens — Hunderte von Seiten — und einige offene Modelle erreichen 10 Millionen.
- Transformer-Architektur: Das neuronale Netzwerkdesign (2017), das dies alles möglich gemacht hat, indem es vollständige Sequenzen parallel verarbeitet. Es ist der „Verbrennungsmotor" dieser KI-Generation.
LLM, generative KI, Chatbot und KI-Agent: Die Unterschiede
Die Begriffsverwirrung ist die erste Hürde in jedem Leitungsgremium und lässt sich in vier Zeilen auflösen. Generative KI ist die Kategorie: Systeme, die neue Inhalte erzeugen (Text, Bild, Audio). Der LLM ist die Komponente dieser Kategorie, die auf Sprache spezialisiert ist. Ein Chatbot ist eine Konversationsschnittstelle: Die seriösen Lösungen enthalten heute einen LLM, aber der Chatbot ist die Hülle, nicht der Motor. Ein KI-Agent ist ein LLM mit Handlungsfähigkeit: Er fragt Systeme ab, führt Schritte aus und verknüpft Entscheidungen, um eine Aufgabe zu erledigen — er führt nicht nur Gespräche. Die Unterscheidung ist wichtig, weil Budget und Risiko auf jeder Ebene verschieden sind: Ein FAQ-Chatbot ist etwas anderes als ein Agent, der Ihr ERP berührt. Gartner erwartet, dass 40 % der Unternehmensanwendungen bis Ende 2026 KI-Agenten für spezifische Aufgaben integrieren werden, gegenüber weniger als 5 % im Jahr 2025.
Welche Sprachmodelle gibt es Mitte 2026?
Der Markt entwickelt sich monatlich, doch die Übersicht für Mitte 2026 lässt sich so zusammenfassen:
| Familie | Anbieter | Typ | Alleinstellungsmerkmal |
|---|---|---|---|
| GPT-5.5 | OpenAI | Proprietär | Am weitesten verbreitet; ChatGPT/Copilot-Ökosystem |
| Claude Opus 4.7 / Claude 5 | Anthropic | Proprietär | Referenz für Reasoning und die Arbeit mit langen Dokumenten |
| Gemini 3.1 Pro / 3.5 Flash | Proprietär | Integration mit Workspace und der Suche | |
| Llama 4 (Scout, Maverick) | Meta | Offene Gewichte | Selbst hostbar; Scout erreicht 10 Mio. Tokens Kontext |
| Mistral Large 3 | Mistral AI (Frankreich) | Offene Gewichte | Europäische Alternative, relevant für Datensouveränität |
| DeepSeek V4 / Qwen3 | DeepSeek / Alibaba | Offene Gewichte | Sehr niedrige Kosten pro Token |
Für ein KMU lautet die praktische Lektion nicht „Welches ist das beste", sondern dass es zwei Wege gibt: proprietäre Modelle per API nutzen (schnell, ohne Infrastruktur) oder offene Modelle in der eigenen Cloud betreiben (mehr Datenkontrolle, mehr Aufwand). Die API-Kosten im Jahr 2026 reichen von wenigen Cent bis zu rund 30 Dollar pro Million Tokens je nach Modellniveau — Größenordnungen, keine genauen Zahlen, da die Preise sich monatlich ändern.
Wofür setzt ein Unternehmen einen LLM ein? Anwendungsfälle mit gemessenem ROI
Anwendungsfälle mit nachgewiesenem — nicht versprochenen — Erträgen konzentrieren sich auf vier Bereiche. Kundenservice: Die rigoroseste verfügbare Studie (Brynjolfsson u. a., NBER, 5.179 reale Agenten) maß +14 % gelöste Gespräche pro Stunde mit einem generativen KI-Assistenten und +34 % bei Beschäftigten mit weniger Erfahrung. Dokumentenverarbeitung: Daten aus Rechnungen, Verträgen oder E-Mails extrahieren und in Systeme übertragen — der Lieblingsfall für KMU, weil die Zeitersparnis sofort und messbar ist. Content und Marketing: Erste Entwürfe, Anpassungen und Übersetzungen mit menschlicher Überprüfung. Softwareentwicklung: Code-Assistenten sind bereits der reifste Anwendungsfall auf dem Markt. Das gemeinsame Muster: Der LLM ersetzt das Team nicht, er nimmt ihm die repetitive Arbeit des Lesens, Extrahierens und rohen Verfassens ab. Wo die Aufgabe Fachurteil oder rechtliche Verantwortung erfordert, zeichnet weiterhin der Mensch.
Grenzen und Risiken: Halluzinationen, Daten und Kosten
Ein LLM kann mit völliger Überzeugung etwas Falsches behaupten: das ist die Halluzination, und sie ist seine ernsthafteste Einschränkung. Das Ausmaß hängt stark davon ab, wie das Modell eingesetzt wird: Eine Stanford-Studie maß 58 % bis 88 % fehlerhafte juristische Antworten, wenn generalistische Modelle „kalt" befragt wurden (2024), während die führenden Modelle von 2026, die mittels Grounding und RAG fest in Unternehmensdokumenten verankert sind, bei Zusammenfassungsaufgaben unter 2 % fallen. Die Schlussfolgerung für das Geschäft: Das Risiko liegt nicht im Modell, es liegt im Prozess — ein LLM ohne kontrollierte Quellen und ohne Überprüfung ist ein Rechtsstreit mit noch offenem Termin.
Das zweite Risiko betrifft die Daten: Ein Mitarbeitender, der Kundeninformationen in ein nicht autorisiertes kostenloses Tool eingibt, kann eine Verletzung der DSGVO (Artikel 32) begehen, die von der zuständigen Aufsichtsbehörde geahndet werden kann. Eine Nutzungsrichtlinie, Unternehmenstools und Schulungen sind unerlässlich. Das dritte Risiko ist der unkontrollierte Kosteneinsatz: Ohne Governance verteilen sich Abonnements und API-Verbräuche auf die Abteilungen, ohne dass Renditekennzahlen vorliegen.
Was das Gesetz verlangt: AI Act und DSGVO beim Einsatz von LLMs
Dies ist der Teil, den fast kein Leitfaden erwähnt: der Einsatz von LLMs bringt bereits eigene rechtliche Pflichten mit sich, und der Zeitplan drängt. Seit Februar 2025 verpflichtet Artikel 4 der EU-KI-Verordnung (AI Act) jedes Unternehmen, das KI — einschließlich generativer KI — einsetzt, die KI-Kompetenz seiner Belegschaft sicherzustellen: eine Schulung, die dem Aufgabenbereich und dem Risikoniveau entspricht. Und am 2. August 2026 treten der Großteil der Verordnung und insbesondere Artikel 50 zur Transparenz in Kraft: Chatbots müssen dem Nutzer gegenüber als KI ausgewiesen werden, und künstlich erzeugte Inhalte müssen identifizierbar sein. Als „Verantwortlicher für den Einsatz" (Deployer) hat Ihr Unternehmen eigene Pflichten, die es nicht an den Modellanbieter delegieren kann.
„Die Frage, die uns Führungsgremien stellen, lautet längst nicht mehr, ob sie LLMs einsetzen sollen, sondern wie sie dies tun können, ohne sich zu exponieren: Welche Daten fließen ein, wer prüft das Ergebnis und welche Schulung belegt die Einhaltung von Artikel 4. Das ist ein Governance-Projekt, kein ChatGPT-Abonnement", erklärt Alfons Marques, Gründer von Technova Partners.
Die gute Nachricht: Für Unternehmen mit Sitz in Spanien ist die Pflichtschulung förderungsfähig. Die KI-Schulungen für Unternehmen über FUNDAE — das spanische System zur Förderung der betrieblichen Weiterbildung — ermöglichen es, die Alphabetisierungspflicht des AI Act zu erfüllen und die Kosten über ein Ausbildungsguthaben zurückzuerhalten. Unternehmen in Deutschland können vergleichbare Förderinstrumente über die Bundesagentur für Arbeit und BMBF-Programme nutzen.
Wie startet ein KMU mit LLMs: 4 Schritte
- Wählen Sie einen Prozess, kein Werkzeug: Suchen Sie die Aufgabe mit den meisten Stunden repetitiven Lesens und Verfassens (Kundenservice, Rechnungsbearbeitung, Angebote) und legen Sie fest, wie Sie die Einsparung messen werden.
- Pilotprojekt über 4 bis 8 Wochen mit kontrollierten Daten: Ein Unternehmenstool, ein kleines Team, Kennzahlen vor und nach dem Einsatz. Vermeiden Sie den „Big Bang" mit Lizenzen für die gesamte Belegschaft.
- Minimale Governance ab dem ersten Tag: KI-Nutzungsrichtlinie, Inventar der Tools, Kriterien dafür, welche Daten in einen Prompt eingehen dürfen, und Schulung gemäß Artikel 4.
- Skalieren Sie, was funktioniert: Wenn das Pilotprojekt einen Ertrag nachweist, integrieren Sie den LLM in den echten Workflow (ERP, CRM, E-Mail) — hier schafft eine KI-Beratung mehr Wert als monatelange Versuche.
Die Marktentwicklung lässt ein klares Zeitfenster für Unternehmen erkennen, die jetzt handeln: Laut dem Barómetro IndesIA 2025 nutzen in Spanien nur 2,9 % der 68.000 analysierten KMU KI effektiv. Der Abstand zu Ihren direkten Mitbewerbern beträgt wahrscheinlich Monate, keine Jahre.
Möchten Sie den ersten rentablen Anwendungsfall in Ihrem Unternehmen identifizieren? Schildern Sie uns Ihre Situation und wir schlagen Ihnen ein Pilotprojekt mit Kennzahlen vor — innerhalb weniger Wochen.
Fazit
Ein LLM ist ein universeller Sprachmotor: Er sagt Text voraus und verfasst, fasst zusammen, extrahiert und kommuniziert dadurch im industriellen Maßstab. Im Jahr 2026 bietet der Markt proprietäre und offene Modelle für alle Budgets, die Anwendungsfälle mit gemessenem ROI sind identifiziert — Kundenservice, Dokumente, Content, Code — und die Risiken (Halluzinationen, Daten, Kosten) werden durch Prozesse und Governance gesteuert, nicht durch Vertrauen. Die Neuerung dieses Jahres ist regulatorisch: KI-Kompetenzpflicht seit 2025 und Transparenz nach Artikel 50 ab dem 2. August 2026. Gut zu starten bedeutet nicht, Lizenzen zu kaufen: Es bedeutet, einen Prozess auszuwählen, ihn zu messen und das Team zu schulen — mit der Möglichkeit, die Kosten über verfügbare Förderprogramme zurückzuerhalten.
Häufige Fragen zu LLMs
Was bedeutet LLM und was ist das in wenigen Worten?
LLM steht für Large Language Model, großes Sprachmodell. Es handelt sich um ein KI-Modell, das auf riesigen Textmengen trainiert wurde, um das nächste wahrscheinlichste Wort vorherzusagen. Das ermöglicht ihm, Texte zu verfassen, zusammenzufassen, zu übersetzen, Dokumente zu analysieren und Fragen zu beantworten. Es ist die Technologie hinter ChatGPT, Claude oder Gemini.
Ist ein LLM dasselbe wie ChatGPT?
Nicht ganz. ChatGPT ist ein Produkt: eine Chat-Oberfläche, die auf den LLMs von OpenAI (der GPT-Familie) aufbaut. Der LLM ist der Motor; ChatGPT, Claude oder Gemini sind die Fahrzeuge, die ihn nutzen. Ein Unternehmen kann denselben Motor per API nutzen und in seine eigenen Systeme integrieren, ohne die Chat-Oberfläche zu verwenden.
Welche gesetzlichen Pflichten hat ein Unternehmen, das LLMs einsetzt?
Seit Februar 2025 verpflichtet Artikel 4 des AI Act dazu, die KI-Kompetenz der Beschäftigten sicherzustellen, die KI nutzen. Ab dem 2. August 2026 gelten zusätzlich die Transparenzpflichten aus Artikel 50: Chatbots als KI auszuweisen und künstlich erzeugte Inhalte kenntlich zu machen. Die DSGVO gilt weiterhin: Die Eingabe personenbezogener Daten in nicht autorisierte Tools kann eine sanktionierbare Verletzung darstellen.
Was kostet der Einsatz eines LLMs in einem Unternehmen?
Das hängt vom gewählten Weg ab. Unternehmensabonnements vom Typ Copilot kosten mehrere Dutzend Euro pro Nutzenden und Monat; der API-Verbrauch wird pro Token abgerechnet, von wenigen Cent bis zu rund 30 Dollar pro Million Tokens je nach Modell (Mitte 2026). Für die meisten KMU sind die relevanten Kosten nicht die Lizenz, sondern die Integration und die Schulung — und Letztere kann über verfügbare öffentliche Förderprogramme finanziert werden.
