Modell-Abkündigung
Definition
Eine Modell-Abkündigung ist die Ankündigung eines KI-Anbieters, ein Modell oder eine API einzustellen, mit einem Datum, ab dem Anfragen nicht mehr funktionieren. Bis dahin läuft das Modell weiter, aber Nutzer sollen auf einen empfohlenen Nachfolger umsteigen.
Von Ronan Liedmeier, Fractional Head of Growth und Kursautor · Veröffentlicht 17. Oktober 2026 · Zuletzt aktualisiert 17. Oktober 2026
Auch genannt: Model Deprecation, Modell-Abschaltung, Model Retirement
Apps, Automatisierungen und Skripte, die dieses Modell beim Namen aufrufen, fallen an diesem Tag aus, wenn niemand handelt. Anbieter ersetzen Modelle häufig. Der Umgang mit Abkündigungen gehört deshalb zur normalen Wartung, sobald du KI produktiv einsetzt.
So funktioniert es
Die Anbieter beschreiben einen ähnlichen Lebenszyklus. Anthropic nennt vier Zustände: active, legacy, deprecated und retired. Ein Modell im Zustand deprecated ist „noch funktionsfähig, aber nicht mehr empfohlen“. Es hat einen empfohlenen Nachfolger und ein Abschaltdatum, und nach der Abschaltung schlagen Anfragen fehl. OpenAI nennt den Prozess, ein Modell oder einen Endpunkt auslaufen zu lassen, „deprecation“ und den Tag, an dem es nicht mehr erreichbar ist, „shutdown“.
Die Vorlaufzeiten unterscheiden sich je nach Anbieter und ändern sich mit der Zeit. Jeder Anbieter veröffentlicht seinen Zeitplan und seine Regeln für Ankündigungen auf einer eigenen Deprecations-Seite. Die ist getrennt von der API-Referenz, die die meisten Entwickler lesen.
Beispiel
Eine Agentur betreibt eine Automatisierung für Lead-Scoring, die ein bestimmtes Modell aufruft. Der Anbieter kündigt das Modell ab, die Abschaltung kommt in vier Monaten. Die Agentur hat für jeden Workflow Modell, SDK-Version und verantwortliche Person dokumentiert. Sie legt ein Ticket an, lässt ein Testset vergangener Leads durch den Nachfolger laufen, vergleicht die Scores und stellt deutlich vor dem Termin um.
Häufiger Fehler
Den Nachfolger einsetzen und ohne neuen Test live gehen. Ein neueres Modell formatiert Ausgaben vielleicht anders oder lehnt Einstellungen ab, die das alte akzeptiert hat. Lass zuerst dein Golden Dataset gegen den Nachfolger laufen und behandle den Wechsel als Regressionstest.
In AI Academy lernen
- Bauen auf dynamischen APIsFortgeschritten · 12 Min.
Verwandte Begriffe
- Modell-Pinning
- Modell-Pinning ist die Praxis, in deinem Code oder deinen Einstellungen eine exakte, feste Modellversion anzugeben statt eines allgemeinen Namens, den der Anbieter auf ein neueres Modell umstellen kann. So ändert sich das Modell nicht, bevor du das neue getestet hast.
- Regressionstest für KI
- Ein Regressionstest für KI ist ein fester Satz Testfälle, den du nach jeder Änderung an einem Prompt oder Modell erneut laufen lässt, um zu prüfen, ob noch funktioniert, was vorher funktioniert hat. Er findet Änderungen, die den Durchschnitt heben und dabei einen bestimmten Fall kaputt machen.
- Golden Dataset
- Ein Golden Dataset ist eine kleine, feste Sammlung echter Beispiel-Eingaben mit jeweils einer geprüften richtigen Antwort, mit der du ein KI-System testest. Jeden neuen Prompt und jedes neue Modell lässt du dagegen laufen und vergleichst die Ergebnisse mit diesen Antworten.
- API (Programmierschnittstelle)
- Eine API (Programmierschnittstelle) ist eine Reihe von Anfragen, die ein Softwaredienst von anderen Programmen annimmt, ähnlich wie eine Speisekarte. Ein Programm schickt eine Anfrage wie „Kontakt anlegen“, und der Dienst schickt Daten oder eine Bestätigung zurück.