Definition

Ein Foundation Model (Basismodell) ist ein KI-Modell, das:

auf sehr großen Datensätzen (Internet-Scale) vortrainiert wurde
durch Transfer Learning für viele Downstream-Aufgaben adaptierbar ist
als Ausgangspunkt für spezialisierte Modelle dient

Der Begriff wurde 2021 von Forschern der Stanford University geprägt.

Typen von Foundation Models

Typ	Modalität	Beispiele
LLM	Text	GPT-4, Claude, Llama 3, Mistral, Gemini
Vision-Language	Text + Bild	GPT-4V, LLaVA, Gemini Vision
Bild-Generierung	Text → Bild	DALL-E 3, FLUX.1, Stable Diffusion
Code	Text + Code	GitHub Copilot, CodeLlama, DeepSeek Coder
Audio	Audio + Text	Whisper, MusicGen
Multimodal	Alle	GPT-4o, Gemini Ultra

Trainingsaufwand und EU AI Act

Der EU AI Act unterscheidet Foundation Models nach Trainings-Rechenleistung:

Schwelle	Regulierung
< 10²³ FLOP	Keine spezifischen GPAI-Pflichten
≥ 10²³ FLOP	GPAI-Dokumentationspflichten (Kap. V)
≥ 10²⁵ FLOP	Systemisches Risiko → erweiterte Pflichten

Open vs. Closed Weight Models

	Open Weight	Closed/Proprietary
Gewichte	Öffentlich verfügbar	Privat
Deployment	Lokal möglich	Nur via API
Datenschutz	Hoch (lokal)	API-Abhängigkeit
Kosten	Infrastruktur	Pay-per-token
EU AI Act	Erleichterte Anforderungen	Vollständige Pflichten
Beispiele	Llama 3, Mistral, Phi	GPT-4, Claude, Gemini

Foundation Models in IIO

IIO betreibt Foundation Models lokal via AI Hub:

Inferenz: Ollama auf dediziertem GPU-Server (inhzgx4/inhzgx9)
Modelle: Qwen 2.5 (7B, 32B, 72B), Deepseek-Coder, Codestral
Routing: LiteLLM unified API mit Alias-System
Datenschutz: Daten verlassen nie die IIO-Infrastruktur

Governance-Anforderungen für FM-Betreiber

Modell-Inventar führen (Model Card für jedes genutzte Modell)
GPAI-Klassifizierung prüfen (Trainingsrechenleistung bekannt?)
Verwendungszweck dokumentieren
Output-Monitoring für systematische Fehler
Transparenzpflicht bei Nutzung gegenüber Endnutzern (EU AI Act Art. 50)

Ein Foundation Model wird anfangs mit großen Datenmengen trainiert. Danach kann es für verschiedene Aufgaben verwendet werden, ohne erneut komplett neu zu lernen.

承認済み

生成元: scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
生成日: 2026-09-21T00:11:29.079655+00:00
基準: やさしい言葉 ~B1 — ドイツの易読規格DIN SPEC 33429ではありません
レビュー担当: zolo · 2026-09-21T00:30:10.463422+00:00

Ein Foundation Model ist ein KI-Modell, das anhand großer Datensätze trainiert wird und durch Fine-Tuning oder Prompting flexibel für eine Vielzahl von Anwendungen eingesetzt werden kann, ohne erneut vollständig neu zu lernen. Es ermöglicht somit eine effiziente Nutzung der KI-Fähigkeiten in verschiedenen Kontexten, ohne den Aufwand einer neuen Trainingsphase.

承認済み

生成元: scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
生成日: 2026-09-21T00:11:29.079655+00:00
基準: やさしい言葉 ~B1 — ドイツの易読規格DIN SPEC 33429ではありません
レビュー担当: zolo · 2026-09-21T00:30:10.463422+00:00

引用

"基礎モデル." Open Cognition Commons Foundation. https://opencognitioncommons.org/ja/glossary/foundation-model. CC-BY 4.0.

機械可読メタデータ

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "基礎モデル",
  "description": "Ein Foundation Model ist ein auf großen Datensätzen trainiertes KI-Modell, das durch Fine-Tuning oder Prompting für viele verschiedene Aufgaben eingesetzt werden kann, ohne von Grund auf neu trainiert werden zu müssen.\n",
  "url": "https://opencognitioncommons.org/ja/glossary/foundation-model",
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "alternateName": [
    "Foundation Model",
    "Basismodell",
    "Large Language Model",
    "LLM",
    "FM"
  ]
}