Am 7. Mai 2026 kündigte OpenAI an, seine Self-Serve-Fine-Tuning-API auslaufen zu lassen. Bis zum 6. Januar 2027 kann kein Kunde mehr neue Trainingsjobs anlegen. Wer sein Produkt fest an dieses Feature gekoppelt hat, steht jetzt vor einer Migration — und das ist die eigentliche Lektion.
Eine Ankündigung, ein fixes Enddatum
Am 7. Mai 2026 kündigte OpenAI an, seine Self-Serve-Fine-Tuning-API und die zugehörige Plattform schrittweise einzustellen. Die Stossrichtung ist klar: Organisationen, die bis dahin noch kein Fine-Tuning betrieben haben, können mit sofortiger Wirkung keine neuen Trainingsjobs mehr anlegen. Und für alle Kunden gilt: Ab dem 6. Januar 2027 lassen sich überhaupt keine neuen Fine-Tuning-Jobs mehr erstellen.
Das ist keine Preisanpassung und kein Bugfix. Es ist die einseitige Abkündigung einer Fähigkeit, auf der zahllose Teams ihre Workflows und Produkte aufgebaut haben. Wer ein Modell auf seine eigenen Daten zugeschnitten hat — für Tonalität, für Domänenwissen, für ein spezifisches Antwortformat — der hat darin Zeit, Geld und Engineering-Stunden investiert. Diese Investition läuft jetzt gegen eine Frist, die jemand anderes gesetzt hat.
Das Bemerkenswerte ist nicht, dass OpenAI ein Feature einstellt. Anbieter konsolidieren ihr Portfolio, das ist normal. Bemerkenswert ist, wie wenig Mitsprache die Kunden dabei haben: Das Enddatum steht, der Migrationsdruck ist real, und der Zeitplan ist der des Anbieters — nicht eurer.
Klingt interessant?
Was hier wirklich abgeschaltet wird
Fine-Tuning war für viele kein Experiment, sondern Produktionsinfrastruktur. Ein feingetuntes Modell sitzt oft tief im Stack: Es beantwortet Support-Tickets in der richtigen Tonalität, klassifiziert Dokumente nach internen Kategorien, generiert Code in den Konventionen eines bestimmten Teams. Solche Modelle sind keine austauschbaren Bausteine — sie verkörpern Wissen, das in einem konkreten Trainingsprozess auf einer konkreten Plattform entstanden ist.
Wird diese Plattform abgekündigt, ist die Arbeit nicht einfach portierbar. Trainingsdaten müssen neu aufbereitet, Evaluierungen neu aufgesetzt, Pipelines neu verdrahtet werden. Im schlimmsten Fall verhält sich das Ersatzmodell anders, und die ganze nachgelagerte Logik — Prompts, Guardrails, Tests — muss nachgezogen werden. Was als Konfigurationsdetail begann, wird zum Re-Plattforming-Projekt.
Und genau hier liegt das Risiko, das oft unterschätzt wird: Die Kopplung an ein einzelnes Anbieter-Feature ist eine stille Abhängigkeit. Sie fällt nicht auf, solange das Feature da ist. Sie wird erst sichtbar, wenn jemand es wegnimmt.
Was das für CTOs und Tech-Leads bedeutet
Drei Konsequenzen, die ich für relevant halte:
Erstens: Eine Fähigkeit, in die ihr investiert habt, kann einseitig abgekündigt werden. Nicht wegen eines Fehlers eurerseits, nicht wegen eures Use-Cases — sondern weil der Anbieter sein Portfolio strafft. Der Zeitplan gehört ihm, nicht euch. Wer sich darauf verlässt, dass ein heute verfügbares Feature dauerhaft verfügbar bleibt, plant gegen eine Annahme, die niemand garantiert hat.
Zweitens: Hartes Kopplung an ein Anbieter-Feature ist ein Migrationsrisiko mit Verfallsdatum. Teams, die ihr Produkt fest an OpenAIs Fine-Tuning gebunden haben, stehen jetzt vor einem erzwungenen Wechsel — mit einer Deadline im Januar 2027. Je tiefer die Kopplung, desto teurer die Migration. Das ist kein theoretisches Szenario, das ist ein Eintrag im Kalender.
Drittens: Portabilität und Anbieter-Abstraktion sind keine Architektur-Kür, sondern Risikomanagement. Die entscheidende Frage ist nicht, welches Modell oder welches Feature heute am besten ist. Sie lautet: Wie viel kostet euch der Wechsel, wenn er erzwungen wird? Wenn die Antwort "ein Quartal" ist, habt ihr ein Problem. Wenn sie "eine Konfigurationsänderung" lautet, habt ihr Spielraum.
Und genau hier kommt nopex ins Spiel
Die Fine-Tuning-Abkündigung bestätigt, was wir konsequent vertreten: Die Entscheidungen darüber, welche Fähigkeiten verfügbar bleiben, fallen nicht dort, wo eure Software läuft. Sie fallen beim Anbieter — und gelten trotzdem für euch, samt fixem Enddatum.
nopex ist genau dafür gebaut. Wir halten die Anwendungslogik unabhängig von einem einzelnen Anbieter: europäische Rechenzentren, offene Modelle wo möglich, proprietäre Modelle wo sinnvoll — aber euer Produkt kennt den konkreten Anbieter und sein konkretes Feature-Set nicht. Eine Abkündigung wie diese ist damit kein Re-Plattforming-Projekt, sondern eine Konfigurationsänderung. Fällt ein Feature weg, wechselt der Stack, ohne dass euer Produkt stehen bleibt.
Genau das ist der Sinn: Ihr arbeitet weiter. Die Frage, welches Modell oder welche Fähigkeit heute verfügbar, erlaubt oder am günstigsten ist, soll euch nicht aufhalten — darum kümmert sich die Plattform. Was am 7. Mai für OpenAIs Fine-Tuning passierte, wird wieder passieren — mit anderen Anbietern, anderen Features, anderen Fristen. Die einzige offene Frage ist, ob es euch dann trifft oder nicht.
