Software klonen – Ist kostenpflichtige Software wirklich am Ende?

Aktuelle Schlagzeilen über Entwickler, die mithilfe von KI-Tools beliebte kostenpflichtige Software klonen – allen voran Adobe, sorgen für gemischte Reaktionen: von Diebstahlvorwürfen bis hin zur Begrüßung kostenloser Open-Source-Tools.

Doch was bedeutet das für die Technologieunternehmen, denen die Originalsoftware gehört – oder für diejenigen, die teure Abonnements für deren Nutzung bezahlen?

Matt Wood, Senior Director für Cybersecurity-Architektur, Betrieb und KI-Sicherheit bei ABBYY, hat diese wachsende Sorge untersucht und erläutert seine Einschätzung zu den Risiken und Chancen der KI-gestützten Softwareentwicklung.

1996 entwickelte Fatboy Slim „Rockafeller Skank“ aus einem Gitarrenriff, das einer Schallplatte aus den 1960er-Jahren entnommen war und das seit Jahrzehnten kaum jemand gehört hatte. The Chemical Brothers bauten Breakbeats aus vergessenen Funk-Aufnahmen zu Hymnen, die ganze Stadien füllten. The Prodigy sampelten Sirenen, Filmdialoge und obskure Schallplatten und schufen daraus etwas, das zuvor noch niemand gehört hatte. Sampling senkte nicht einfach nur die Kosten der Musikproduktion. Es veränderte, wer Musik machen konnte, und zwang die gesamte Branche, eine schwierigere Frage zu stellen: Was gilt eigentlich als originell?

Heute zwingt KI Unternehmen, sich dieselbe Frage zu stellen – nur geht es dabei nicht um Chartplatzierungen. Auf dem Spiel stehen operative Ergebnisse, Compliance-Risiken und das Vertrauen, das Kunden in jede Entscheidung eines Unternehmens setzen.

Reproduktion ist günstig. Erkenntnis nicht.

Große Sprachmodelle haben es bemerkenswert einfach gemacht, vorhandenes Wissen neu zusammenzustellen: eine Vertragsklausel entwerfen, einen Bericht zusammenfassen oder aus den Texten, auf die sie zugreifen können, eine plausibel klingende Antwort erstellen. Diese Fähigkeit ist von echtem Wert. Doch Reproduktion ist nicht dasselbe wie Entdeckung. Viele KI-Initiativen in Unternehmen kommen ins Stocken, weil beides miteinander verwechselt wird.

Diese Unterscheidung ist wichtig, denn generative Systeme können sehr gut Ergebnisse erzeugen, die fertig wirken. Sie imitieren Tonfall, Struktur und Selbstsicherheit mit außergewöhnlicher Flüssigkeit. Was sie nicht eigenständig gewährleisten können, ist, dass ihre Ergebnisse auf den richtigen Belegen beruhen, in den passenden Prozess eingebunden sind oder auf dem richtigen Urteilsvermögen basieren.

Dieses Spannungsfeld gibt es nicht nur in der Wirtschaft. Es zeigt sich auch im kreativen Bereich. Eine Studie aus dem Jahr 2024 in Science Advances ergab, dass KI-Unterstützung die wahrgenommene Qualität und Kreativität einzelner Geschichten steigerte, insbesondere bei weniger kreativen Autoren, zugleich aber dafür sorgte, dass sich die Geschichten insgesamt stärker ähnelten. Anders gesagt: Auf individueller Ebene verbesserten sich die Ergebnisse, auf kollektiver Ebene näherten sie sich einander an. Mehr Produktion bedeutete nicht zwangsläufig mehr Originalität. Oft wurden lediglich dieselben Ideen flüssiger ausgedrückt.

Darin zeigt sich das unternehmerische Risiko im Kleinen. Wenn allen dieselben universell einsetzbaren Tools zur Verfügung stehen, entsteht der Wettbewerbsvorteil nicht dadurch, dass mehr Texte, Zusammenfassungen oder Empfehlungen generiert werden. Entscheidend ist vielmehr, zu wissen, worauf es ankommt, was vertrauenswürdig ist und was Maßnahmen erfordert.

Das Geschäftsproblem ist nicht die Generierung, sondern der Zugang zur Realität.

Den meisten Unternehmen mangelt es nicht an Sprache. Ihnen fehlt der Zugang zu verlässlichem Kontext.

Das tatsächliche Wissen eines Unternehmens ist meist über Verträge, Rechnungen, Onboarding-Formulare, Schadensmeldungen, E-Mails, Berichte, eingescannte PDFs und die Arbeitsabläufe verstreut, mit denen diese Dokumente von einem Team zum nächsten gelangen. Eine Zahlungsausnahme in der Finanzabteilung, ein Compliance-Problem beim Onboarding oder eine Verzögerung im Kundenservice beginnt oft als etwas nur teilweise Strukturiertes, uneinheitlich Formatiertes und von den Systemen losgelöstes, auf die sich Führungskräfte bei ihren Entscheidungen verlassen.

Deshalb wirken so viele KI-Projekte in Unternehmen in Demos beeindruckend und können im Produktivbetrieb scheitern. Das Modell mag leistungsfähig sein, doch der Kontext ist unvollständig. Es kann nur Schlussfolgerungen aus den Informationen ziehen, auf die es zugreifen kann – und in vielen Unternehmen ist das nur ein schmaler Ausschnitt des Gesamtbilds.

Das ist nicht nur eine theoretische Schwäche. Sie beeinträchtigt die Qualität von Entscheidungen. Fasst ein Modell einen Vertrag zusammen, ohne Zugriff auf die relevanten Nachträge zu haben, kann das Ergebnis klar klingen und dennoch unvollständig sein. Analysiert es Probleme in der Kreditorenbuchhaltung, ohne Einblick in Rechnungsausnahmen verschiedener Formate und von unterschiedlichen Lieferanten zu haben, kann es zwar ordentliche, aber nutzlose Empfehlungen geben. Unterstützt es das Kunden-Onboarding, während wichtige Informationen in eingescannten Formularen oder fragmentierten Arbeitsabläufen gefangen bleiben, kann es zu einer falschen Schlussfolgerung beitragen – und diese beschleunigen.

Das Ergebnis ist keine Erkenntnis. Es ist selbstsicher klingende Spekulation.

Warum sich Nachahmung schneller verbreitet als Verständnis

Hier wird die Analogie zum Sampling in der Musik mehr als nur ein Bild.

Sampling machte die Musikproduktion schneller, günstiger und zugänglicher. Doch erfolgreich waren auf Dauer nicht diejenigen Produzenten, die lediglich Fragmente kopierten, sondern jene, die sie mit Geschmack und Disziplin verwandelten. Jeder konnte einen Beat übernehmen; doch nicht jeder konnte daraus einen neuen Sound entwickeln.

KI schafft in der Software- und Wissensarbeit eine ähnliche Kluft. Die Hürde für Nachahmungen ist dramatisch gesunken. Noch nie war es so einfach, Benutzeroberflächen zu kopieren, Ergebnisse zu reproduzieren, Arbeitsabläufe nachzuahmen und Fachwissen annähernd abzubilden. Ganze Softwarekategorien laufen zunehmend Gefahr, sich zumindest an der Oberfläche reproduzieren zu lassen.

Das bedeutet nicht, dass kostenpflichtige Software am Ende ist, wie es der Entwickler Brandon Thomas formuliert hat, der kostenlose Alternativen zu Adobe-Produkten entwickelt hat. Es bedeutet vielmehr, dass sich der Wert von Software verlagert.

Wenn Nachahmungen billig werden, verlagert sich der Wert auf andere Bereiche: auf Vertrauen, Integration, Urteilsvermögen und die Fähigkeit, Ergebnisse zu erzielen, die sich unter realen Bedingungen bewähren. Die Frage ist nicht mehr, ob ein KI-System eine Antwort liefern kann, die fachkundige Arbeit nachahmt. Entscheidend ist, ob es dies zuverlässig und kontextbezogen tun kann – und transparent genug, dass Menschen ihm auch dann vertrauen, wenn viel auf dem Spiel steht.

Ein Ergebnis zu kopieren ist einfach. Ein verlässliches Ergebnis zu erzielen, ist es nicht.

Der verborgene Mehrwert ist Fachkompetenz

Deshalb wird Fachkompetenz im Zeitalter der KI-Nachahmung wichtiger, nicht unwichtiger.

Viele digitale Werkzeuge bezogen ihren Wert jahrelang daraus, dass sie spezialisierte Fähigkeiten verfügbar machten, die sonst nur schwer zugänglich waren. Wenn Software einen Prozess abbilden, eine Aufgabe standardisieren oder einen zuvor schwierigen Arbeitsablauf vereinfachen konnte, waren Kunden bereit, für den Zugang zu diesem gebündelten Fachwissen zu zahlen. Generative KI bringt dieses Modell ins Wanken, weil sie inzwischen viele sichtbare Merkmale von Fachkompetenz kostengünstig nachahmen kann.

Doch Nachahmung erfasst nur die äußere Schicht.

Echte Fachkompetenz zeigt sich darin, zu wissen, welche Ausnahme wichtig ist, welche Unklarheit nicht ignoriert werden darf, welche Quelle maßgeblich ist und wann die Antwort eines Systems hinterfragt statt akzeptiert werden sollte. Genau darin liegt der Unterschied zwischen dem Extrahieren von Text aus einem Dokument und dem Verständnis dafür, ob dieser Text ausreicht, um eine Geschäftsentscheidung zu stützen. Ebenso besteht ein Unterschied zwischen dem Zusammenfassen einer Richtlinie und dem Erkennen der betrieblichen Folgen, wenn diese Zusammenfassung falsch ist.

Auch viele Diskussionen über KI und Originalität geraten an diesem Punkt auf Abwege. Bei Originalität im Geschäftsleben geht es selten um Neuartigkeit um ihrer selbst willen. Es geht darum, etwas zu erkennen, das anderen entgeht: ein im Prozessrauschen verborgenes Risiko, ein in fragmentierten Informationen verstecktes Muster oder eine durch voneinander getrennte Systeme verschleierte Chance. Diese Art von Originalität hängt weniger von wortgewandter Texterzeugung ab als von präziser Interpretation.

Dokumente erzählen nicht die ganze Geschichte, sind aber oft ihr Anfang

Dokumente sind in diesem Zusammenhang wichtig, weil sie nach wie vor zu den häufigsten Orten gehören, an denen die Realität eines Unternehmens gespeichert, aber nicht vollständig nutzbar ist.

Das macht „Dokumenten-KI“ nicht zum Hauptakteur dieser Geschichte. Vielmehr ist das Verständnis von Dokumenten ein Teil der umfassenderen Aufgabe, betriebliche Informationen so aufzubereiten, dass KI-Systeme verantwortungsvoll mit ihnen arbeiten können. Wenn Unternehmen bessere Ergebnisse mit generativen Modellen erzielen wollen, müssen sie diesen besseren Zugang zu den Belegen ermöglichen, auf die sich die Modelle stützen. In vielen Fällen bedeutet das, Informationen zu extrahieren, zu überprüfen und zu strukturieren, die sonst in Formularen, Dateien und fragmentierten Übergaben gefangen blieben.

Richtig eingesetzt, geht es bei dieser Fähigkeit nicht darum, eine Produktkategorie gegenüber einer anderen zu bevorzugen. Es geht darum, die Kluft zwischen dem Wissen des Unternehmens und dem, was seine KI-Systeme tatsächlich erfassen können, zu verringern.

Dieser Unterschied ist wichtig. Die stärksten KI-Strategien für Unternehmen beruhen nicht allein auf der Generierung von Inhalten. Sie verbinden nutzbare Daten, ein Verständnis für Abläufe und menschliche Aufsicht. Eine aktuelle Unternehmensstudie von MITs Projekt NANDA kommt beispielsweise zu dem Schluss, dass die größten Hürden für den Einsatz von KI häufig nicht in der isoliert betrachteten Modellqualität liegen, sondern in der mangelhaften Integration in Arbeitsabläufe und im fehlenden Vertrauen in das Verhalten der Werkzeuge im praktischen Einsatz.

Das dürfte bekannt vorkommen. Unternehmen sind nicht erfolgreich, indem sie möglichst viele synthetische Inhalte erzeugen. Sie gewinnen, indem sie auf Grundlage von Informationen, für die sie einstehen können, schneller und beständiger bessere Entscheidungen treffen.

Der nächste Mehrwert ist Urteilsvermögen

Sampling hat die Musik nicht entwertet. Es hat verändert, was Originalität bedeutet.

Als sich das Ausgangsmaterial leichter wiederverwenden ließ, verlagerte sich der Mehrwert auf Auswahl, Arrangement und Absicht. Urteilsvermögen wurde wertvoller als Zugang. Dasselbe geschieht heute mit KI in Unternehmen. Je einfacher Software kopiert werden kann, desto weniger wird der dauerhafte Vorteil darin liegen, ein Modell zu besitzen, das fachkundige Arbeit nachahmen kann. Entscheidend wird vielmehr sein, zu wissen, wie sich KI mit dem passenden Kontext verknüpfen, angemessen begrenzen und dort einsetzen lässt, wo menschliche Kreativität und fachliches Urteilsvermögen weiterhin am wichtigsten sind.

Genau diesen Aspekt übersehen viele Argumente, wonach „KI Software ersetzt“. Wenn sich jedes Werkzeug auf der Ebene der Benutzeroberfläche kopieren lässt, liegt der entscheidende Wettbewerbsvorteil nicht in der Oberfläche. Er liegt in der Tiefe des Verständnisses dahinter: in der Logik der Arbeitsabläufe, im Umgang mit Ausnahmen, in verlässlichen Daten, im institutionellen Wissen und in der menschlichen Fachkompetenz, die erforderlich ist, um aus Ergebnissen Entscheidungen zu machen.

Ist kostenpflichtige Software also wirklich am Ende? Nur wenn wir je geglaubt haben, dass ihr Wert ausschließlich in der sichtbaren Oberfläche liegt.

Bei den austauschbaren Funktionen von Software wird der Druck zunehmen. Einige Produkte werden kopiert werden. Manche Kategorien werden schrumpfen. Einige Funktionen, für die einst ein Aufpreis verlangt wurde, werden zum Standard gehören. Doch bestehen werden die Tools und Unternehmen, die Organisationen dabei helfen, von der Nachahmung zum Verständnis zu gelangen.

Deshalb ist der Sampling-Moment der KI wichtig. Er erinnert uns daran, dass geringere Reproduktionskosten die Notwendigkeit von Originalität nicht beseitigen. Sie verändern lediglich, worin Originalität besteht.

In der Musik verlagerte sich der Schwerpunkt von der Darbietung des Rohmaterials hin zum Handwerk der Transformation.

In der Unternehmens-KI verlagert er sich von der Generierung plausibler Ergebnisse hin zum disziplinierten Einsatz vertrauenswürdiger Informationen, fachkundiger Beurteilung und kreativer Problemlösung.

Replikation ist billig. Erkenntnis nicht. Deshalb wird die nächste Phase der KI nicht den Systemen gehören, die lediglich intelligent klingen. Sie wird den Organisationen gehören, die wissen, wie sie das, was sie bereits wissen, so nutzbar machen können, dass sie etwas wirklich Neues entdecken.