Eine neue DeepSeek-Version – wiederholt sich der DeepSeek-Moment von 2025?
Drei Thesen, drei Einsichten – was wir beim Meetup am 1. August besprochen haben.
Woran wir beim „DeepSeek-Moment“ überhaupt denken
Um das einzustimmen: Im Januar 2025 veröffentlichte DeepSeek ein Open-Weight-Modell mit starkem Reasoning und einem trainierenden Aufwand, der – gemessen an den Budgets der großen Labs – geradezu winzig wirkte. Die Wirkung war an einem Wochenende zu spüren: An der Börse zitterte die KI-Welt, und gleichzeitig wurde eine Vorstellung angekratzt, an der die ganze Branche bis dahin festgehalten hatte – dass Spitzenfähigkeit nur mit Spitzenbudget zu haben ist.
Was damals wirklich neu war, hat drei Folgen gehabt, die uns bis heute begleiten:
- Erwartungen wurden in Tagen neu gesetzt. Plötzlich war Effizienz ein Thema, das man nicht mehr wegdiskutieren konnte.
- Open Weight wurde zur ernsthaften Option. Nicht mehr nur für Bastler, sondern für Unternehmen mit Compliance- und Datenschutzanforderungen.
- Kostenannahmen wurden neu gerechnet. Was ein „gutes“ Modell pro Aufgabe kosten darf, änderte sich über Nacht.
Im Meetup haben wir uns deshalb nicht gefragt, ob sich ein einzelnes Release wiederholt. Sondern ob die Mechanik dahinter wieder anspringt – und was das für unsere Arbeit heißt.
Drei Thesen, die wir am Abend durchgespielt haben
Statt einer Produktvorstellung haben wir uns drei Thesen vorgelegt und diskutiert, wo sie heute noch tragen und wo nicht:
These 1: Der Kostendruck ist jetzt strukturell.
Egal, wie das konkrete Release ausfällt: Die Richtung ist eindeutig. Frontier-nahe Fähigkeit wird pro erledigter Aufgabe günstiger. Das ist keine einmalige Sensation mehr, sondern eine Marktbedingung. Wer seine Architektur so plant, als würde diese Kurve stehen bleiben, plant gegen den Markt.
These 2: Open Weight ist in Unternehmen angekommen.
2025 war die Diskussion noch: „Dürfen wir uns Open Weight überhaupt anschauen?“ Heute lautet sie: „Wo gehört es in unsere Architektur?“ Die Frage hat sich verschoben – von einer Glaubensfrage zu einer Engineering-Frage. Genau dieser Shift ist es, den wir in unseren Beratungsprojekten fast täglich sehen.
These 3: Der Engpass ist nicht mehr das Modell.
Jedes halbwegs große Unternehmen kann heute ein starkes Modell anrufen. Der Unterschied entsteht woanders: bei der sauberen Integration, beim Evaluieren der eigenen Use Cases, bei Guardrails und beim Deployment. Das ist weniger spektakulär als ein neues Release – aber es ist der Ort, an dem Ergebnisse entstehen.
Drei Einsichten, die wir mitgenommen haben
Am Ende des Abends blieben drei Dinge hängen, die über den DeepSeek-Diskurs hinaus tragen:
Wo fängt dein Team am besten an?
Nach dem Rückblick bleibt bei vielen eine Frage offen: Was bedeutet das konkret für unser nächstes Projekt? Genau dafür gibt es das kostenlose Erstgespräch mit einem AI Lead Expert, der KI-Projekte in Unternehmen umsetzt.
- Du erfährst, welcher Use Case bei dir den größten Hebel hat
- Du bekommst eine ehrliche Einschätzung zu Aufwand und Förderung
- Du weißt danach, ob eine Weiterbildung der schnellste Weg ist – oder nicht
Was das für dein nächstes Projekt heißt
Die Lücke, die solche Releases sichtbar machen, ist nicht technisch. Die Lücke ist die zwischen „das Modell funktioniert in der Demo“ und „das funktioniert im Geschäftsbetrieb“. Wer in Projekten arbeitet, kennt den Unterschied: Datenqualität, Integration in bestehende Prozesse, Kontrolle über Unternehmens- und Kundendaten, saubere Evaluierung.
Wir sehen es so: Die Modelle werden günstiger und besser – genau deshalb steigt der Wert von Menschen, die damit Verantwortung übernehmen können. Und genau dafür gibt es uns.
Weiterreden beim nächsten Meetup
Live diskutieren, was in der Praxis funktioniert – kostenlos, ohne Verkaufsgespräch, mit Leuten, die es gerade umsetzen.