Die Kurzfassung
Laut Bloomberg vom 7. Juli 2026 leitet Microsoft einen Teil der Anfragen an Microsoft 365 Copilot in Excel und Outlook nicht mehr an OpenAI und Anthropic, sondern an eigene MAI-Modelle weiter, um die Kosten für externe KI zu senken. Zehntausende Prompts pro Woche laufen bereits über MAI – noch ein kleiner Teil des gesamten Copilot-Volumens –, und KI-Chef Mustafa Suleyman erklärte, Ziel sei es, die externen Ausgaben weiter zu senken und die Zahlungen an Anthropic irgendwann ganz einzustellen.
Für Teams, die Software für den US- und EU-Markt entwickeln, lautet die Lehre weder „auf MAI setzen“ noch „OpenAI abschalten“. Sie ist architektonisch. Wenn der größte KI-Einkäufer seine Bezugsquellen streut, wird die Abhängigkeit von einem Anbieter zum zentralen Designthema – und die günstigste Absicherung ist eine Abstraktionsschicht, mit der ein Wechsel oder Mix von Anbietern zur Konfigurationsfrage wird statt zum Neubau.
Was genau hat Microsoft geändert?
Es geht nicht um eine neue Funktion, sondern darum, welche Engine hinter demselben Button arbeitet. Microsoft 365 Copilot – die KI in Excel, Outlook, Word und Teams – stützt sich stark auf OpenAI-Modelle; für einige Aufgaben kamen im vergangenen Jahr Anthropic-Modelle hinzu. Laut dem Bloomberg-Bericht vom 7. Juli leitet Microsoft nun still einen Teil dieser Anfragen in Excel und Outlook an die eigene MAI-Familie um. Nutzer sehen denselben Copilot – nur das antwortende Modell darunter ist ein anderes.
Zwei Zahlen ordnen die Größenordnung ein. Die hauseigenen Modelle bearbeiten Zehntausende Prompts pro Woche – das klingt viel, ist aber nur ein kleiner Teil des gesamten Copilot-Traffics. Es handelt sich um eine schrittweise, kontrollierte Migration, keinen harten Umstieg. Und sie soll wachsen: Microsoft hat signalisiert, dass die MAI-Modelle auch in GitHub Copilot und Teams einziehen und eigene Transkriptionsmodelle in Teams-Videoanrufen zum Einsatz kommen. Wenn Ihr Produkt Copilot einbettet oder auf dem Microsoft-KI-Stack aufsetzt, kann sich das Modell hinter Ihren KI- und Datenfunktionen ändern, ohne dass Sie etwas tun – ein guter Anlass, genau zu wissen, von welchem Modell Sie tatsächlich abhängen.
Von seinen Partnern hat sich Microsoft nicht abgewandt. Der Konzern bleibt ein wichtiger Geldgeber von OpenAI und leitet weiterhin viele Copilot-Aufgaben an externe Modelle. Treffender ist der Begriff Diversifizierung: Neben eingekauften Modellen kommt eine eigene Option hinzu, und der Mix verschiebt sich dort, wo die eigenen Modelle gut genug und günstiger sind.
Warum eigene Modelle statt der mitfinanzierten?
Kosten und Kontrolle – in dieser Reihenfolge. Frontier-Modelle für Hunderte Millionen Office-Nutzer bereitzustellen, ist eine der größten Inferenzrechnungen der Welt, und jeder Prompt an einen externen Anbieter ist Marge, die an einen Zulieferer geht. Ein eigenes Modell senkt die Kosten pro Token drastisch, beseitigt eine Abhängigkeit und erlaubt es Microsoft, Modelle eng auf die eigenen Produkte und Telemetriedaten abzustimmen. Suleyman hat offen gesagt, dass weniger externe Ausgaben – und letztlich ein Ende der Zahlungen an Anthropic – das Ziel sind.
Möglich wird das jetzt, weil MAI für einen wachsenden Anteil realer Aufgaben gut genug ist. Auf seiner Build-Konferenz im Juni 2026 stellte Microsoft sieben neue Modelle auf einmal vor; Berichten zufolge kommt eines davon bei der Codegenerierung an Anthropics Vorgängergeneration Opus 4.6 heran – zu einem niedrigeren Preis. Das ist der leise Kern der Geschichte: Für Routineaufgaben eines Assistenten – Posteingang zusammenfassen, Formel entwerfen, Tabelle bereinigen – liegt ein günstigeres hauseigenes Modell inzwischen nah genug an einem Frontier-Modell, dass der Preisunterschied den Ausschlag gibt. Für die schwierigsten Aufgaben bleibt die Spitze wichtig; für die einfachen ist sie nicht mehr die einzig vertretbare Wahl.
Warum ist das ein Signal und nicht nur eine Microsoft-Geschichte?
Weil es darauf ankommt, wer es tut. Microsoft gehört zu den größten Käufern und Vertreibern von KI weltweit und hat genau die Modelle mitfinanziert, an denen es jetzt vorbeiroutet. Wenn ein Kunde mit so viel Marktmacht und Insiderwissen entscheidet, dass eine eigene Option und breitere Bezugsquellen der klügere Weg sind, sagt er dem Markt etwas: Leistungsfähige Modelle werden zur Massenware, Wechselkosten sind das eigentliche Risiko, und die Abhängigkeit von einem Anbieter ist eine Position, aus der man sich herausarbeiten sollte – keine Partnerschaft, auf die man sich verlässt.
Die meisten Teams können die Taktik nicht kopieren; fast niemand sollte ein Frontier-Modell bauen. Die Strategie lässt sich aber sauber übertragen. Sie brauchen nicht Microsofts Größe, um Modelle als austauschbaren, im Wettbewerb stehenden Input zu behandeln statt als feste Abhängigkeit. Gefährdet sind die Teams, die ihr Produkt an die API genau eines Anbieters gekoppelt haben – mit dessen Eigenheiten und Preisen quer durch die Codebasis und ohne getesteten Weg zu einer Alternative. Wenn dieser Anbieter die Preise ändert, Limits verschärft oder ein Modell abkündigt, merken sie, wie viel ihrer Architektur in Wahrheit dem Anbieter gehörte.
Was das für Softwareteams in den USA und der EU bedeutet
Machen Sie aus der Schlagzeile drei Engineering-Gewohnheiten. Erstens: Legen Sie eine anbieterneutrale Abstraktion zwischen Ihre Geschäftslogik und jedes Modell, sodass Anbieter und Modellname Konfiguration sind statt verstreuter Annahmen im Code. Zweitens: Prüfen Sie pro Aufgabe mindestens eine günstigere oder Open-Weight-Alternative – auf Ihren eigenen Daten und mit Ihrem eigenen Qualitätsanspruch. Der Fall Microsoft belegt, dass „gut genug und günstiger“ bei einem großen Teil der Routinearbeit „das Beste und Teuerste“ schlägt. Drittens: Halten Sie ein konfiguriertes und getestetes Fallback-Modell bereit, damit eine Preisänderung, ein Kontingentlimit oder ein Ausfall die Funktion nur abschwächt, statt sie lahmzulegen.
In regulierten Branchen steht mehr auf dem Spiel. In FinTech und anderen geprüften Bereichen ist „wir hängen ohne Alternative an einem einzigen KI-Anbieter“ ein Konzentrationsrisiko, das Prüfungen zur operativen Resilienz und zum Lieferantenrisiko beim Namen nennen. Ein Portfolio-Ansatz – ein Primärmodell, ein getestetes Fallback und eine Abstraktion, die den Wechsel zur Routine macht – ist nicht nur günstiger, sondern genau die Haltung, die eine Resilienzbewertung erwartet. Planen Sie das früh ein: Eine Abstraktion nachträglich in ein Produkt einzubauen, das von einem einzigen Anbieter ausgeht, ist weit teurer, als sie von Anfang an vorzusehen.
Das heißt nicht, überall dem billigsten Modell hinterherzulaufen oder Anbieter aus Prinzip zu wechseln. Es heißt, die Modellwahl als Portfolio zu verstehen, das Sie neu gewichten, wenn sich Preise und Qualität bewegen: Fähigkeit passend zur Aufgabe wählen, sich die Option auf einen günstigen Kurswechsel erhalten und nie einem einzelnen Lieferanten die Roadmap Ihres Produkts überlassen.
Was bedeutet das für den DACH-Markt?
Im DACH-Raum ist Microsoft 365 in Mittelstand, Konzernen und Verwaltung tief verankert, und Copilot wird dort oft als Erweiterung der bestehenden Lizenzlandschaft eingeführt. Genau deshalb verdient die Meldung Aufmerksamkeit: Wenn Microsoft das Modell hinter Copilot austauscht, ändert sich für Datenschutzbeauftragte und Betriebsräte zwar nicht die Oberfläche, wohl aber die Frage, welches Modell welche Daten verarbeitet. Wer Copilot einsetzt oder eigene KI-Funktionen auf Azure betreibt, sollte Auftragsverarbeitungsverträge, Datenschutz-Folgenabschätzung und interne KI-Richtlinien so formulieren, dass ein Modellwechsel des Anbieters abgedeckt ist – statt sie an ein bestimmtes Modell zu binden.
Zugleich passt die Entwicklung zur Debatte um digitale Souveränität, die in Deutschland, Österreich und der Schweiz besonders intensiv geführt wird. Eine anbieterneutrale Architektur macht es leichter, für sensible Anwendungsfälle europäische Anbieter wie Mistral AI oder selbst gehostete Open-Weight-Modelle einzubinden, ohne den Rest des Produkts umzubauen. Für Banken und Versicherer kommt hinzu, dass DORA ausdrücklich das Konzentrationsrisiko bei IKT-Drittdienstleistern adressiert und die BaFin Auslagerungen kritisch prüft: Ein dokumentierter Exit-Plan für den KI-Anbieter ist dort kein Extra, sondern Teil der Pflichtübung.
Checkliste für Modell-Portabilität
Keine neue Frist – nur die Arbeit, die den nächsten Schritt eines Anbieters zur Nebensache macht:
- Abstraktionsschicht einziehen. Leiten Sie jeden Modellaufruf über eine einzige interne Schnittstelle, damit Anbieter und Modell Konfiguration sind und nicht quer durch die App verstreuter Code.
- Die eigene Abhängigkeit kennen. Halten Sie fest, welches Modell hinter jeder KI-Funktion steckt und was bricht, wenn es sich ändert – eine Abhängigkeit, die Sie nicht benannt haben, können Sie nicht steuern.
- Pro Aufgabe eine Alternative benchmarken. Testen Sie für jede Aufgabe ein günstigeres oder Open-Weight-Modell auf Ihren eigenen Daten und behalten Sie die, die Ihren Qualitätsanspruch erfüllen.
- Fallback konfigurieren und testen. Binden Sie mindestens einen alternativen Anbieter an und spielen Sie den Failover tatsächlich durch, damit er im Ernstfall funktioniert.
- Kosten und Qualität pro Funktion messen. Protokollieren Sie Tokens, Latenz und einen Eval-Score, damit die Neugewichtung auf Belegen beruht und nicht auf Bauchgefühl.
- Regelmäßig neu gewichten. Modellpreise und Rankings verschieben sich monatlich; überprüfen Sie den Mix nach festem Rhythmus, statt die erste Wahl als endgültig zu betrachten.
Dies ist keine Anlage- oder Beschaffungsberatung, und der richtige Modell-Mix hängt von Ihren Workloads, Ihrem Qualitätsanspruch und Ihren Märkten ab. Das strategische Signal von Microsofts Schritt ist aber eindeutig: Selbst der größte Einkäufer lässt sich nicht einsperren – bauen Sie also die Mechanik, die Ihnen Ihre Optionen offenhält.
Häufig gestellte Fragen
Was genau hat Microsoft geändert?
Laut Bloomberg vom 7. Juli 2026 leitet Microsoft einen Teil der Anfragen an Microsoft 365 Copilot in Excel und Outlook an eigene MAI-Modelle statt an OpenAI und Anthropic weiter. Zehntausende Prompts pro Woche laufen bereits über MAI, das ist aber nur ein kleiner Bruchteil des gesamten Copilot-Volumens. Microsofts KI-Chef Mustafa Suleyman beschrieb das Ziel als schrittweise Senkung der externen KI-Ausgaben und sagte, Microsoft wolle die Zahlungen an Anthropic irgendwann ganz einstellen.
Warum rückt Microsoft von OpenAI-Modellen ab, die es mitfinanziert hat?
Kosten und Kontrolle. Frontier-Modelle in Microsofts Größenordnung bereitzustellen, ist enorm teuer, und Microsoft verfügt inzwischen über eine eigene MAI-Familie – darunter sieben Modelle, die auf der Build im Juni 2026 vorgestellt wurden; eines soll beim Programmieren an Anthropics Vorgängergeneration Opus 4.6 heranreichen, zu geringeren Kosten. Ein eigenes Modell senkt die Kosten pro Token, verringert die Abhängigkeit von externen Anbietern und lässt sich auf die eigenen Produkte abstimmen. OpenAI und Anthropic hat Microsoft nicht aufgegeben; es diversifiziert.
Sollten Teams jetzt auch eigene Modelle bauen?
Für fast alle Teams: nein. Microsoft hat die Rechenzentrumskapazität, das Forschungspersonal und die Nachfrage, die einen Eigenbau rechtfertigen. Die meisten Produktteams sollten weiter Frontier-Modelle einkaufen, aber portabel bleiben – mit einer Abstraktionsschicht zwischen Produkt und Anbieter, damit sich Modelle wechseln oder mischen lassen, wenn sich Preis und Qualität ändern. Die Lehre lautet nicht „selbst bauen“, sondern „keinen einzelnen Anbieter fest verdrahten“.
Was ist Model-Insourcing und warum ist es ein Signal?
Von Insourcing spricht man, wenn ein Unternehmen, das in großem Umfang KI einkauft, eigene Modelle entwickelt und betreibt, um weniger von externen Anbietern abzuhängen. Es ist ein Signal, weil Microsoft zu den größten KI-Einkäufern der Welt gehört: Wenn der größte Kunde seine Bezugsquellen streut, zeigt das, dass leistungsfähige Modelle zur Massenware werden und die Konzentration auf einen Anbieter ein Kosten- und Resilienzrisiko ist, das man technisch abfedern sollte.
Was sollten Engineering-Verantwortliche in diesem Quartal tun?
Eine anbieterneutrale Abstraktion zwischen App und Modell legen, pro Aufgabe mindestens eine günstigere oder Open-Weight-Alternative auf eigenen Daten prüfen, ein Fallback-Modell konfigurieren und Kosten sowie Qualität pro Funktion messen – damit eine Preis- oder Verfügbarkeitsänderung eine Konfigurationsänderung ist und kein Incident. Behandeln Sie die Modellwahl als Portfolio, das Sie neu gewichten, nicht als einmalige Wette.
Quellen
Bloomberg — Microsoft Replaces OpenAI, Anthropic With Own AI in Some Apps (7. Juli 2026)
CNBC — Microsoft unveils new AI models to lessen reliance on OpenAI and lower costs for developers (2. Juni 2026)
The Decoder — Copilot goes cheap as Microsoft phases out OpenAI and Anthropic models to cut costs (Juli 2026)