ChatGPT
Wie ein Unternehmen sein eigenes, privates und DSGVO-konformes ChatGPT bekommt — mit eigenen Assistenten, eigenen Daten und Rollen, ohne ein Sprachmodell von Grund auf zu bauen. Die drei realistischen Wege (API-Wrapper, Self-Hosting, Plattform), ihre Kosten und Grenzen, eine Bau-Checkliste und drei konkrete Beispiele mit Beispiel-Prompt und Ergebnis.
„Wir wollen unser eigenes ChatGPT bauen.“ Hinter diesem Satz steckt selten der Wunsch, ein Sprachmodell von Grund auf zu trainieren — sondern der Wunsch nach einer eigenen, privaten KI fürs Unternehmen: eine, die firmeninterne Dokumente kennt, die wiederkehrenden Aufgaben jeder Abteilung erledigt, unter der eigenen Kontrolle läuft und die DSGVO einhält. Die gute Nachricht: Genau das lässt sich heute erreichen, ohne einen einzigen Parameter selbst zu trainieren. Dieser Artikel zeigt die drei realistischen Wege, was ein „eigenes ChatGPT“ technisch wirklich braucht, und warum für die meisten Unternehmen eine fertige Plattform der pragmatische Weg ist.
Der Begriff führt in die Irre. Ein Modell wie GPT, Claude oder Gemini von Grund auf zu trainieren ist ein Projekt für spezialisierte KI-Labore mit riesigen Rechen- und Datenbudgets — nicht das, was ein Mittelständler meint, wenn er von „seinem eigenen ChatGPT“ spricht.
Kurzantwort: „Ein eigenes ChatGPT bauen“ heißt für Unternehmen nicht, ein Sprachmodell selbst zu trainieren, sondern ein privates, auf die eigene Firma zugeschnittenes KI-System aufzusetzen: mit eigenen Assistenten für wiederkehrende Aufgaben, Zugriff auf eigene Dokumente, zentraler Rechteverwaltung und DSGVO-konformem Betrieb. Das „Eigene“ entsteht durch Kontext, Assistenten, Wissensanbindung und Governance — nicht durch das Modell selbst.
Das Modell ist 2026 eine austauschbare Komponente. Den Unterschied macht die Schicht darüber: Wie sauberer Kontext hineinkommt, wie eigene Daten sicher angebunden werden, wer worauf zugreifen darf und ob die Nutzung DSGVO-konform protokolliert ist.
Es gibt genau drei Wege zu einer eigenen Unternehmens-KI. Sie unterscheiden sich massiv in Aufwand, Kosten und Compliance-Last.
Ein eigenes Sprachmodell zu trainieren bedeutet, Milliarden von Textbeispielen zu sammeln, aufzubereiten und über Wochen auf spezialisierter Hardware zu rechnen. Die Kosten liegen im Millionenbereich, das Ergebnis wäre einem heutigen Spitzenmodell technisch unterlegen, und es müsste laufend nachtrainiert werden. Für praktisch jedes Unternehmen ist dieser Weg unwirtschaftlich — und unnötig, weil führende Modelle bereits verfügbar sind. Selbst „Fine-Tuning“ (das Nachschärfen eines bestehenden Modells) ist für die meisten Fälle überflüssig: Der gleiche Effekt entsteht meist günstiger und wartungsärmer über gute Anweisungen und die Anbindung eigener Daten.
Der zweite Weg ist, ein bestehendes Modell über seine API zu nutzen und selbst eine Anwendung darum herum zu entwickeln — die Oberfläche, die Nutzerverwaltung, die Datenanbindung. Das gibt maximale Kontrolle, aber die vollständige Last liegt bei der eigenen IT:
Dieser Weg lohnt sich nur, wenn ein sehr spezifisches Produkt entstehen soll und ein Entwicklungsteam dauerhaft dafür bereitsteht. Als interne Firmen-KI unterschätzen viele die Betriebs- und Compliance-Kosten — der Prototyp steht in zwei Wochen, der prüfbare, sichere Dauerbetrieb kostet danach kontinuierlich.
Der dritte Weg nutzt eine Plattform, die genau die Bausteine aus Weg 2 als Standard mitbringt: Oberfläche, Rollen & Rechte, Assistenten-Baukasten, Connectoren zu internen Systemen, Audit-Logs, EU-Betrieb und Zertifizierung. Die eigene IT konfiguriert Freigaben und Use Cases, statt Infrastruktur zu bauen. Genau hier setzt MeinGPT an. Für die allermeisten Unternehmen ist das der pragmatische Weg zu einem „eigenen ChatGPT“ — nicht weil Selbstbauen unmöglich wäre, sondern weil die Plattform die teure, wiederkehrende Grundarbeit (Governance und Compliance) bereits erledigt hat.
Zum Merken: Weg 1 (selbst trainieren) ist für Unternehmen fast immer die falsche Antwort. Die echte Entscheidung liegt zwischen selbst bauen (Weg 2) und fertige Plattform (Weg 3) — und die kippt fast immer zur Plattform, sobald Datenschutz, Rollen & Rechte und Dauerbetrieb ins Spiel kommen.
Ein privates Chatfenster ist noch kein Unternehmens-KI-System. Fünf Bausteine entscheiden, ob aus „ChatGPT mit Firmenlogo“ eine belastbare eigene KI wird:
Wer diese fünf Punkte selbst baut, baut im Kern eine Plattform nach. Genau deshalb ist der Plattform-Weg für die meisten die effizientere Antwort.
MeinGPT ist eine Unternehmens-KI-Plattform der SelectCode GmbH, die die fünf Bausteine als Standard liefert. Konkret:
Damit entsteht das „Eigene“ dort, wo es zählt — in Assistenten, Wissensanbindung und Governance —, während Modelle und Infrastruktur die Plattform beisteuert. Wie eine solche Plattform bewertet und eingeführt wird, vertieft die Seite KI für Unternehmen; die Compliance-Seite dazu ist DSGVO-konforme KI.
Ein „eigenes ChatGPT“ zeigt seinen Wert erst in konkreten Assistenten. Drei Beispiele, wie Abteilungen eigene Assistenten aufsetzen.
Die Personalabteilung baut einen Assistenten, der eingehende Bewerbungen strukturiert gegen ein Anforderungsprofil abgleicht — als Entscheidungshilfe, nicht als Entscheider.
Beispiel-Prompt:
„Du bist HR-Assistent für die Stelle ‚Servicetechniker Fördertechnik'. Prüfe die folgende Bewerbung gegen diese Muss-Kriterien: abgeschlossene technische Ausbildung, Reisebereitschaft (bis 60 %), Führerschein Klasse B, Deutsch fließend. Gib eine Tabelle mit erfüllt/nicht erfüllt/unklar aus, dann eine Zwei-Satz-Einschätzung. Triff keine Zusage und keine Ablehnung — markiere Unklarheiten mit ‚[nachfragen]'.“
Erwartetes Ergebnis (gekürzt):
Kriterium Status Technische Ausbildung erfüllt (Mechatroniker) Reisebereitschaft unklar [nachfragen] Führerschein Klasse B erfüllt Deutsch fließend erfüllt Einschätzung: Fachlich passend, ein Muss-Kriterium (Reisebereitschaft) ist offen. Vor einer Einladung im Erstgespräch klären.
Die fachliche und rechtliche Bewertung bleibt bei den Verantwortlichen — der Assistent beschleunigt nur die Vorstrukturierung.
Der Kundenservice baut einen Assistenten, der Antworten aus der angebundenen internen Wissensbasis (Handbücher, FAQ, frühere Tickets) zieht und mit Quelle belegt.
Beispiel-Prompt:
„Beantworte die Kundenfrage ausschließlich auf Basis der angebundenen Produkt-Dokumentation. Frage: ‚Wie setze ich das Gerät XR-200 auf Werkseinstellungen zurück?' Nenne die Schritte nummeriert und gib am Ende die Quelle (Dokumenttitel + Abschnitt) an. Wenn die Doku keine Antwort enthält, sage das klar.“
Erwartetes Ergebnis (gekürzt):
- Gerät ausschalten und Netzstecker ziehen.
- Reset-Taste 10 Sekunden gedrückt halten, Gerät gleichzeitig einschalten.
- Warten, bis die Status-LED zweimal blinkt.
Quelle: Betriebsanleitung XR-200, Abschnitt 7.3 „Werksreset“.
Weil der Assistent nur aus freigegebenen Quellen antwortet und die Fundstelle nennt, sind die Antworten prüfbar — kein Raten, keine erfundenen Schritte.
Der Vertrieb baut einen Assistenten, der aus Stichpunkten einen sauber gegliederten Angebotsentwurf erzeugt.
Beispiel-Prompt:
„Erstelle aus diesen Stichpunkten einen Angebotsentwurf: Leistung = Wartungsvertrag Förderanlage, Laufzeit 24 Monate, 4 Wartungen/Jahr, Reaktionszeit 24 h, 1.850 €/Monat. Ton: sachlich und verbindlich. Gliederung: Leistungsumfang, Konditionen, nächste Schritte. Markiere fehlende Angaben mit ‚[bitte prüfen]'.“
Erwartetes Ergebnis (gekürzt):
Leistungsumfang — Wartung der Förderanlage inkl. 4 planmäßiger Wartungen/Jahr, Reaktionszeit 24 h, Dokumentation je Einsatz. Konditionen — Laufzeit 24 Monate, monatliche Pauschale 1.850 €, Kündigungsfrist [bitte prüfen], Ersatzteile [bitte prüfen: inklusive/separat]. Nächste Schritte — Angebotsprüfung, Terminvorschlag Erstwartung, Gegenzeichnung.
Aus einer halben Stunde Fließtext wird ein prüffähiger Entwurf in Minuten — die inhaltliche Verantwortung bleibt beim Menschen.
Ein eigenes Unternehmens-ChatGPT löst keine Prozessprobleme von allein. Wichtig zu wissen:
Ein „eigenes ChatGPT“ fürs Unternehmen heißt 2026 nicht, ein Sprachmodell selbst zu bauen — es heißt, ein privates KI-System mit eigenen Assistenten, eigenen Daten, Rollen & Rechten und DSGVO-konformem EU-Betrieb aufzusetzen. Von den drei Wegen scheidet Weg 1 (selbst trainieren) für Unternehmen praktisch aus; die reale Wahl liegt zwischen einem selbst gebauten Wrapper (Weg 2, maximale Kontrolle, hohe Dauer- und Compliance-Last) und einer fertigen Plattform (Weg 3, der schnellste sichere Weg). Wer Datenschutz, Governance und gelebte Nutzung ernst nimmt, kommt mit einer DSGVO-konformen Plattform wie MeinGPT am schnellsten zu einer eigenen KI, die im Alltag wirklich genutzt wird — ohne die teure Grundarbeit selbst zu leisten.
FAQ
Ja — aber „selbst erstellen“ bedeutet für Unternehmen fast nie, ein Sprachmodell von Grund auf zu trainieren. Gemeint ist in der Praxis ein privates, auf die eigene Firma zugeschnittenes KI-System: mit eigenen Assistenten für wiederkehrende Aufgaben, Zugriff auf eigene Dokumente und zentraler Rechteverwaltung. Dafür gibt es drei Wege — ein Modell selbst trainieren (für nahezu alle Unternehmen unwirtschaftlich), einen eigenen Wrapper um eine Modell-API entwickeln (flexibel, aber mit voller Entwicklungs- und Compliance-Last) oder eine fertige DSGVO-konforme Plattform nutzen (der schnellste sichere Weg).
Nein. Ein eigenes Sprachmodell von Grund auf zu trainieren kostet Millionen an Rechenleistung und Datenaufbereitung und ist für den Unternehmenseinsatz weder nötig noch wirtschaftlich. Der praktikable Weg ist, ein bestehendes führendes Modell zu nutzen und es über eigene Assistenten, Anweisungen und die Anbindung an eigene Daten auf die eigene Firma zuzuschneiden. Das eigentliche „Eigene“ entsteht durch Kontext, Assistenten, Wissensanbindung und Governance — nicht durch das Modell selbst.
Ein eigener Assistent ist im Kern ein festgelegter Auftrag für die KI: ein Name, eine dauerhafte Anweisung (Aufgabe, Tonalität, Regeln), eine Wissensbasis aus eigenen Dokumenten und die Wahl des passenden Modells. In einer Plattform wie MeinGPT bauen Fachbereiche solche Assistenten ohne Programmierung über eine Oberfläche und teilen sie im Team, sodass alle mit demselben qualitätsgesicherten Werkzeug arbeiten statt mit uneinheitlichen Einzel-Prompts.
Es kann DSGVO-konform sein, wenn die Plattform in der EU betrieben wird, ein Auftragsverarbeitungsvertrag (AVV) vorliegt und Eingaben nicht zum Training der Modelle verwendet werden. Hinzu kommen zentrale Rechteverwaltung, Least-Privilege-Zugriffe auf interne Daten und Protokollierung. MeinGPT wird von der SelectCode GmbH in der EU betrieben, ist nach ISO 27001 zertifiziert und lässt seine Sicherheit regelmäßig durch unabhängige Penetrationstests prüfen. Ein privater Chatbot ohne diese Zusagen ist für Unternehmensdaten nicht geeignet.
Das hängt vom Weg ab. Ein Modell selbst zu trainieren kostet Millionen. Ein selbst entwickelter Wrapper um eine Modell-API verursacht Entwicklungs-, Wartungs- und Compliance-Kosten, die oft unterschätzt werden. Der planbarste Weg ist eine fertige Plattform: Bei MeinGPT beginnt der Self-Service bei 29 € pro Nutzer und Monat inklusive Nutzungsguthaben; der begleitete Rollout kombiniert eine monatliche Plattform-Grundgebühr mit einer nach Nutzerzahl gestaffelten Lizenz und einer einmaligen Einrichtung. Die KI-Nutzung läuft über ein gemeinsames Guthaben (Credits) statt einer Flatrate.
Ein eigener Wrapper um eine Modell-API gibt maximale Kontrolle, verlagert aber die gesamte Arbeit zu Ihnen: Oberfläche, Nutzer- und Rechteverwaltung, Anbindung interner Daten, Protokollierung, Datenschutz-Nachweise und laufende Wartung müssen selbst gebaut und aktuell gehalten werden. Eine fertige Plattform liefert genau diese Bausteine — Rollen & Rechte, Connectoren, Assistenten-Baukasten, Audit-Logs, EU-Betrieb und Zertifizierung — als Standard, sodass die IT sich auf Freigaben und Use Cases konzentriert statt auf Infrastruktur.
Ja. Über Connector (nach dem MCP-Standard) und API lässt sich die KI an erlaubte interne Quellen anbinden — Dateiablagen, Wikis, Ticketsysteme, ERP. Der Assistent liefert dann mit Quellen belegte Antworten aus dem eigenen Unternehmenswissen statt allgemeiner Internet-Auskünfte. Der Zugriff folgt den vergebenen Berechtigungen nach dem Least-Privilege-Prinzip und ist protokolliert, sodass jede Person nur das sieht, wofür sie freigegeben ist.
Der erste sichere Zugang für ein Pilotteam lässt sich mit einer fertigen Plattform in Tagen einrichten. Ein sinnvoller Rahmen bis zur unternehmensweiten Nutzung sind rund 90 Tage: etwa 30 Tage Pilot mit klaren Use Cases, danach erste Abteilungs-Assistenten und Governance, schließlich der breite Rollout mit Schulung. Entscheidend für den Zeitplan ist nicht die Technik, sondern Datenfreigaben, Enablement und die schrittweise Ausweitung entlang messbarer Kennzahlen. Ein selbst gebauter Wrapper dauert deutlich länger, weil Oberfläche, Governance und Compliance erst entstehen müssen.
KI-Expert:innen für den Mittelstand
MeinGPT Team
Das MeinGPT-Team aus München baut die DSGVO-konforme KI-Plattform für Teams und Unternehmen in der EU – und teilt hier praxisnahe Einblicke aus echten KI-Einführungen.
Alle 2 Wochen: Praxis-Playbooks, Produkt-News und Einblicke hinter die Kulissen von MeinGPT. Kein Spam, jederzeit abbestellbar.