Ecosia beendet die Partnerschaft mit Mistral AI
Die Berliner Suchmaschine Ecosia richtet ihre KI-Infrastruktur neu aus. Das Unternehmen beendet die im Mai 2024 gestartete Zusammenarbeit mit Mistral AI und setzt stattdessen verstärkt auf Open-Weight-Modelle. Zuvor hatte Ecosia bereits OpenAI als Anbieter abgelöst.
Zu den nun eingesetzten Systemen gehören die chinesischen Modelle Qwen, GLM und Kimi. Betrieben werden sie über die Hosting-Plattform Melious. Nach Angaben von Ecosia hat der Wechsel die laufenden Betriebskosten etwa halbiert und zugleich Qualität sowie Leistung verbessert.
| Aspekt | Bisher | Neue Lösung |
|---|---|---|
| Technische Basis | Proprietäre Modelle von Mistral AI | Open-Weight-Modelle über Melious |
| Genannte Modelle | Mistral-Modelle | Qwen, GLM und Kimi |
| Betriebskosten | Ausgangsniveau | Laut Ecosia etwa 50 % niedriger |
| Kontrolle | Stärkere Abhängigkeit vom Modellanbieter | Mehr Einfluss auf Modellauswahl und Anpassung |
| Offene Punkte | Kapazität und Verfügbarkeit | Hosting-Standort, Datenschutz und Modellverzerrungen |
Kapazitätsprobleme und Leistungsrückstand
Ecosia-CEO Christian Kroll begründet die Trennung vor allem mit technischen Engpässen. Mistral sei beim Leistungsniveau deutlich zurückgefallen. Zudem hätten überlastete Server wiederholt zu Ausfällen geführt.
Nach Krolls Einschätzung lag Mistral inzwischen rund ein Jahr hinter dem Wettbewerb. Ecosia sei zugleich zu groß für die vorhandene Infrastruktur des französischen Anbieters gewesen.
Mistral-Mitgründer Guillaume Lample verweist sinngemäß darauf, dass die Entwicklung leistungsfähiger KI-Systeme Zeit und Rechenleistung benötige. Er lud Ecosia ein, das neuere Large 4 zu testen. Das Modell und die geplante Freigabe seiner Gewichte werden im Beitrag zu Mistral Large 4 näher eingeordnet.
Kroll nennt außerdem den hohen Anteil von Atomstrom im französischen Energiemix als Konflikt mit den Nachhaltigkeitszielen von Ecosia. Auch Beteiligungen internationaler Konzerne wie Nvidia und Samsung betrachtet er kritisch, wenn Mistral als Baustein einer unabhängigen europäischen KI-Infrastruktur positioniert wird.
Open Weight ist nicht automatisch Open Source
Bei Open-Weight-Modellen sind die trainierten Modellgewichte zugänglich. Unternehmen können solche Systeme dadurch selbst betreiben, anpassen oder über einen spezialisierten Infrastrukturpartner bereitstellen lassen. Vollständiges Open Source setzt darüber hinaus unter anderem ausreichend offene Lizenzen, Trainingsinformationen und Quellbestandteile voraus.
Für Ecosia liegt der wirtschaftliche Vorteil in der größeren Auswahl. Modelle lassen sich austauschen, ohne vollständig an die Produktentwicklung und Kapazitätsplanung eines einzelnen API-Anbieters gebunden zu sein. Ähnliche Kostenfragen spielen auch beim Wettbewerb zwischen proprietären und offenen Modellen für automatisierte Entscheidungen eine zentrale Rolle.
Vollständige Unabhängigkeit entsteht dadurch allerdings nicht. Ecosia verlagert einen Teil der Abhängigkeit von Mistral zu Melious und zu den jeweiligen Modellherstellern. Wo die Melious-Server stehen und wie Suchanfragen dort DSGVO-konform verarbeitet werden, ist bislang nicht öffentlich geklärt.
Chinesische Basismodelle bringen neue Risiken
Qwen, GLM und Kimi bieten leistungsfähige Modellgewichte, stammen aber aus einem politischen und regulatorischen Umfeld mit staatlichen Zensurvorgaben. Direkte Antwortfilter lassen sich durch Anpassungen oder Nachtraining teilweise verändern. Schwieriger sind tief in den Trainingsdaten verankerte Vorprägungen.
Rasmus Rothe vom Bundesverband Künstliche Intelligenz warnt sinngemäß, dass sich sichtbare Zensur zwar entfernen lasse. Subtile Prägungen blieben jedoch im Fundament des Modells bestehen und würden durch nachträgliche Korrekturen häufig nur oberflächlich verändert.
Für Unternehmen im DACH-Raum ist deshalb nicht allein entscheidend, ob ein Modell offen verfügbar und günstiger ist. Relevant sind auch systematische Tests auf politische Verzerrungen, fehlerhafte Ausgaben und unerwünschte Filter. Bei behördlichen oder regulierten Anwendungen kommen Dokumentationspflichten, Datenschutz und nachvollziehbare Freigabeprozesse hinzu.
Das ist bei Ecosia besonders relevant, weil auch öffentliche Einrichtungen wie das deutsche Bundesumweltministerium und der britische National Health Service die Suchmaschine nutzen. Wie diese Institutionen auf den Modellwechsel reagieren, ist bislang nicht bekannt.
Was Unternehmen aus dem Wechsel ableiten können
Der Fall zeigt die wirtschaftliche Stärke austauschbarer Open-Weight-Modelle. Eine Halbierung der Betriebskosten ist erheblich, auch wenn Ecosia keine absoluten Lizenz- oder Infrastrukturkosten nennt. Zugleich lassen sich Kapazitätsprobleme eines einzelnen Modellanbieters durch Modell-Routing und eine eigene technische Abstraktionsschicht abfedern.
Die Verantwortung verschiebt sich jedoch zum Betreiber. Auswahl, Qualitätssicherung, Filterung, Protokollierung und laufende Modelltests müssen selbst organisiert oder vertraglich mit einem Hosting-Partner abgesichert werden. Das unterscheidet eine kontrollierte Open-Weight-Strategie von einem einfachen Austausch einer SaaS-API.
Für Europa unterstreicht der Vorgang ein grundsätzliches Problem. Regionale Anbieter müssen nicht nur leistungsfähige Modelle entwickeln, sondern auch zuverlässige Kapazitäten für große Kunden bereitstellen. Die Debatte passt damit zur europäischen KI-Strategie zwischen Industrieanwendungen und Frontier-Modellen: Technologische Souveränität hängt nicht allein vom Herkunftsland eines Modells ab, sondern ebenso von Infrastruktur, Verträgen und der praktischen Möglichkeit, den Anbieter zu wechseln.