Auf die Schnelle

Mira Muratis Firma Thinking Machines Lab hat am 15. Juli 2026 ihr erstes eigenes KI-Modell veröffentlicht: Inkling. Es ist ein Mixture-of-Experts-Modell mit 975 Milliarden Parametern, von denen bei jeder Anfrage rund 41 Milliarden aktiv sind, mit einem Kontextfenster bis zu einer Million Token. Trainiert wurde es auf rund 45 Billionen Token aus Text, Bild, Audio und Video. Der Clou für Betriebe: Inkling ist ein Open-Weight-Modell, die vollen Gewichte stehen auf Hugging Face, das Feintuning läuft über die firmeneigene Plattform Tinker. Die Firma sagt selbst, es sei ein Ausgangspunkt zum Anpassen und stehe in Ranglisten nicht ganz vorne.

Wenn du im Betrieb bisher KI genutzt hast, dann fast sicher über eine fertige Plattform: ChatGPT, ein Microsoft-Werkzeug, irgendein Chatfenster im Browser. Thinking Machines geht mit Inkling einen anderen Weg und legt die Bausteine offen, damit du das Modell selbst betreiben und formen kannst. Für kleine und mittlere Firmen ist das interessant, wirft aber auch Fragen auf, die man ehrlich benennen sollte.

Was Inkling ist

Hinter Thinking Machines Lab steht Mira Murati, die frühere Technikchefin von OpenAI. Am 15. Juli 2026 hat die Firma ihr erstes eigenes Modell vorgestellt. Inkling ist technisch ein sogenanntes Mixture-of-Experts-Modell. Das heißt, es besteht aus vielen spezialisierten Teilnetzen, von denen bei jeder Aufgabe nur ein Bruchteil arbeitet. Das spart Rechenleistung, weil eben nicht das ganze Modell für jede Kleinigkeit anspringt.

In Zahlen: 975 Milliarden Parameter insgesamt, davon rund 41 Milliarden bei jeder Anfrage aktiv. Das Kontextfenster reicht bis zu einer Million Token, also grob ein sehr dickes Buch, das das Modell auf einmal überblicken kann. Trainiert wurde es auf rund 45 Billionen Token aus Text, Bild, Audio und Video, und es arbeitet über diese Formate hinweg. Ein Modell, das Text, Bilder und Ton zusammen versteht, ist für viele betriebliche Aufgaben praktischer als eines, das nur mit Text umgehen kann.

Es gibt auch eine kleinere Ausgabe, Inkling-Small, mit rund 12 Milliarden aktiven Parametern. Die ist gedacht für Fälle, in denen weniger Rechenleistung zur Verfügung steht. Für einen Betrieb, der nicht die volle Serverlandschaft auffahren will, ist das die realistischere Größe.

Was Open-Weight bedeutet

Der eigentliche Unterschied liegt weniger in den Zahlen. Er liegt darin, dass Inkling ein Open-Weight-Modell ist. Die vollen Gewichte, also das trainierte Innenleben des Modells, stehen öffentlich auf Hugging Face. Das Feintuning läuft über die firmeneigene Plattform Tinker.

Bei einem geschlossenen Modell mietest du im Grunde einen Zugang. Du schickst deine Anfrage an einen fremden Server, bekommst eine Antwort und hast auf das Modell selbst keinen Zugriff. Bei einem Open-Weight-Modell kannst du die Gewichte herunterladen, auf eigener Hardware betreiben und mit eigenen Daten weitertrainieren. Du hast also die Wahl, wo das Modell läuft und wer es zu sehen bekommt.

Für einen Betrieb heißt das im besten Fall Datensouveränität. Deine sensiblen Kundendaten, Angebote oder internen Unterlagen müssen das Haus nicht verlassen, wenn das Modell auf deinem eigenen Server läuft. Das ist ein echtes Argument, gerade wenn du mit Personendaten oder Betriebsgeheimnissen arbeitest und dir unwohl dabei ist, alles an einen externen Dienst zu schicken.

Anpassbarkeit vor Ranking-Platz

Thinking Machines sagt offen, dass Inkling in den üblichen Bestenlisten nicht ganz vorne steht. Der Sinn liegt woanders. Das Modell soll ein Ausgangspunkt sein, den du auf deine Aufgabe zuschneidest, ein Rohling zum Weiterformen.

Diese Idee ist für den Mittelstand nachvollziehbar. Ein Betrieb braucht selten das absolut stärkste Modell für jede denkbare Aufgabe. Er braucht ein Modell, das seine Fachsprache versteht, seine Prozesse kennt und zuverlässig das tut, was im eigenen Alltag zählt. Ein kleineres, gut angepasstes Modell kann in der eigenen Nische besser abschneiden als ein riesiges Allzweckmodell, das von allem ein bisschen kann und nichts richtig auf deinen Betrieb hin.

Die Betonung liegt aber auf angepasst. Ohne diese Anpassung ist Inkling erst einmal ein rohes Werkzeug, das seine Stärke noch nicht ausspielt.

Was das für einen kleinen Betrieb heißt

Und hier wird es ehrlich. Ein Open-Weight-Modell selbst zu betreiben und auf eigene Daten zu trimmen, ist kein Klick im Browser. Es braucht Rechenleistung, es braucht Speicher, und vor allem braucht es Menschen, die wissen, was sie tun. Ein Modell dieser Größe läuft nicht auf dem Bürorechner nebenbei.

In unseren DigiMan-Kursen sehen wir das Muster regelmäßig. Der Reiz an Datensouveränität und eigenem Modell ist groß, gerade bei Betrieben, die mit ihren Daten vorsichtig sein müssen. Die Umsetzung scheitert dann aber selten an der KI selbst. Sie scheitert an der Infrastruktur und am Know-how drumherum. Wer keinen eigenen IT-Kopf hat oder einen verlässlichen Dienstleister, für den ist ein selbst gehostetes Modell auf absehbare Zeit eher ein Projekt als ein Alltagswerkzeug. Wer das unterschätzt, bindet schnell viel Zeit und Geld, ohne dass am Ende etwas Nutzbares steht.

Das soll die Meldung nicht kleinreden. Dass ein ernstzunehmendes Modell offen verfügbar ist, senkt langfristig die Abhängigkeit von einzelnen Anbietern. Kleinere, angepasste Modelle für konkrete Aufgaben werden für viele Firmen realistischer, oft über spezialisierte Dienstleister, die diese Anpassung übernehmen. Der Weg dorthin führt aber über verstandene Grundlagen, kaum über einen schnellen Download.

Wie du das Thema jetzt einordnest

Wenn dein Betrieb heute mit KI startet, ist der pragmatische Einstieg meist eine fertige Plattform mit sauberem Datenschutzvertrag. Damit sammelst du Erfahrung, ohne dich um Server und Feintuning kümmern zu müssen. Open-Weight-Modelle wie Inkling sind der Blick nach vorne, für den Moment, in dem du genug Struktur und Kompetenz hast, um die Kontrolle über dein eigenes Modell auch tragen zu können.

Wichtig ist, dass du die Begriffe kennst, wenn Anbieter oder Dienstleister mit dir darüber sprechen. Was ist ein Open-Weight-Modell, was bedeutet Feintuning, wo liegen deine Daten. Wer diese Fragen stellen kann, verhandelt auf Augenhöhe und fällt nicht auf große Versprechen herein.

Dazu kommt der rechtliche Rahmen. Die KI-Kompetenzpflicht der EU-KI-Verordnung gilt seit dem 2. Februar 2025 und verlangt, dass Menschen, die KI einsetzen, ein ausreichendes Grundverständnis mitbringen. Ein Modell wie Inkling ändert daran nichts, es macht das Verständnis eher noch wichtiger, weil die Technik gerade in schnellen Schritten breiter wird. Es lohnt sich, dieses Fundament aufzubauen, solange die Entwicklung noch am Anfang steht.

Quellen

Die genannten Angaben stützen sich auf folgende öffentlich zugängliche Quellen (Stand der Recherche: 19. Juli 2026):

Häufige Fragen

Was ist Inkling von Thinking Machines?

Inkling ist das erste eigene KI-Modell von Mira Muratis Firma Thinking Machines Lab, veröffentlicht am 15. Juli 2026. Es ist ein Mixture-of-Experts-Modell mit 975 Milliarden Parametern, davon rund 41 Milliarden bei jeder Anfrage aktiv, und einem Kontextfenster bis zu einer Million Token. Es arbeitet über Text, Bild und Audio hinweg.

Was bedeutet Open-Weight bei einem KI-Modell?

Open-Weight heißt, dass die vollen Gewichte des Modells, also sein trainiertes Innenleben, öffentlich verfügbar sind. Bei Inkling stehen sie auf der Plattform Hugging Face. Du kannst das Modell damit auf eigener Hardware betreiben und mit deinen eigenen Daten weitertrainieren, statt nur über einen fremden Server darauf zuzugreifen.

Kann ein kleiner Betrieb Inkling einfach selbst nutzen?

Nicht ohne Weiteres. Ein Modell dieser Größe selbst zu betreiben braucht Rechenleistung, Speicher und technisches Know-how und läuft nicht auf einem normalen Bürorechner. Für die meisten kleinen Firmen ist der pragmatische Einstieg zunächst eine fertige Plattform mit sauberem Datenschutzvertrag, oft mit einem Dienstleister für die Anpassung.

Warum ist ein Open-Weight-Modell für den Datenschutz interessant?

Weil deine Daten das Haus nicht verlassen müssen, wenn das Modell auf einem eigenen Server läuft. Sensible Kundendaten, Angebote oder interne Unterlagen bleiben dann im Betrieb, statt an einen externen Anbieter geschickt zu werden. Das kann ein Vorteil sein, wenn du mit Personendaten oder Betriebsgeheimnissen arbeitest.

KI im Betrieb praktisch einsetzen lernen?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag nutzen. Tiefer und praxisnah geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 19. Juli 2026. Stand der Recherche: 19. Juli 2026.