Was Thomsons 40-Millionen-Dollar-KI über den Aufbau mit eigenen Daten verrät

Thomson Reuters, das Unternehmen hinter der juristischen Datenbank Westlaw und der Nachrichtenagentur Reuters, hat sein eigenes KI-Modell namens Thomson auf den Markt gebracht. Bei juristischen Aufgaben hält es mit den leistungsstärksten KI-Modellen der Welt mit — und das Ganze kostete 40 Millionen Dollar. Der eigentliche Trainingsvorgang, bei dem das Modell aus Daten lernt, kostete rund 450.000 Dollar. OpenAI und Google geben Milliarden aus — der Unterschied ist bemerkenswert.

Thomson Reuters hat nicht bei null angefangen. Sie nahmen ein leistungsstarkes Open-Source-KI-Modell — kostenlos online verfügbar — und spezialisierten es tiefgreifend. Trainiert wurde es auf jahrzehntelangen eigenen Inhalten: Westlaw-Rechtsprechung, juristische Dokumente, Reuters-Nachrichten und Finanzdaten aus Checkpoint. Hunderte eigener Fachexperten halfen, die Antwortqualität zu verbessern. Erster Einsatz: Anwälten bei der schnelleren Dokumentenprüfung helfen im CoCounsel-Tool.

Die entscheidende Erkenntnis: Man braucht kein riesiges Budget, um ein gutes KI-Modell zu bauen. Man braucht die richtigen Daten. Frontier-Labs geben Milliarden für das Training auf fast allem im Internet aus. Thomson Reuters hat weit weniger ausgegeben — aber die weltweit am besten kuratierten juristischen Inhalte verwendet. Bei juristischen Aufgaben schneidet Thomson genauso gut oder besser ab als Modelle, die weitaus mehr kosten. Die richtigen Daten schlagen das größte Budget.

Thomson Reuters hat kaum angefangen. Das Modell wurde mit weniger als 10 % ihrer Inhaltsbibliothek trainiert — es kommt noch viel mehr. Wer ein Unternehmen führt, das über strukturierte, spezialisierte Daten verfügt — Rechtsdokumente, Patientenakten, Finanzberichte, Kundengespräche — erhält hier ein klares Signal: Die eigenen Daten könnten die Basis für etwas Wertvolles sein. Eine gute Open-Source-Grundlage nehmen, für die eigene Domäne spezialisieren — und man erhält vielleicht etwas Nützlicheres als jede Standard-API.