Thomson Reuters hat ein eigenes Sprachmodell entwickelt und will damit die teure Abhängigkeit von OpenAI und Anthropic durchbrechen. Das Modell "Thomson" basiert auf Alibabas Qwen und wurde speziell für juristische Fachanwendungen trainiert – mit einem Investitionsvolumen von 40 Millionen US-Dollar über zwei Jahre für Personal und Rechenleistung.
Kurz & knapp
- Thomson Reuters entwickelt mit "Thomson" ein eigenes Sprachmodell auf Basis von Alibabas Qwen (laut Unternehmen zuletzt Qwen3.5-397B)
- Investition: 40 Millionen US-Dollar über zwei Jahre (davon nur 450.000 Dollar für den finalen Trainingslauf)
- Benchmarks zeigen Spitzenwerte nur mit Zugriff auf konzerneigene Inhalte wie Westlaw und Practical Law
- Erste Anwendung: Dokumentenprüfung; eine kleinere Version wird nichtkommerziell veröffentlicht
Das Modell und sein Training
Als Basis nutzt Thomson Reuters das offene Qwen-Modell von Alibaba. Zusammen mit dem Imperial College wurde das chinesische Modell zunächst auf Sicherheit, Ethik und politische Neutralität trainiert – diese Zwischenstufe heißt "Snowdon", benannt nach dem Berg in Wales. Danach folgte Pre-Training auf eigenen Inhalten, Post-Training mit Fachexperten und agentisches Reinforcement Learning in den konzerneigenen Tool-Umgebungen.
Bemerkenswert: Bisher flossen weniger als zehn Prozent der verfügbaren Inhalte ins Training. CTO Joel Hron betont, dass das Unternehmen den Startpunkt bereits ein halbes Dutzend Mal gewechselt habe. Die eigentliche Errungenschaft sei nicht das einzelne Modell, sondern die wiederverwendbare "Modellfabrik", sagt Forschungschef Jonathan Schwartz.
Benchmarks mit Asterisk
Thomson Reuters bewirbt "Thomson" als eines der besten Modelle der Welt – doch die eigenen Zahlen zeichnen ein differenzierteres Bild:
| Benchmark | Thomson | Konkurrenz | Anmerkung |
|---|---|---|---|
| Stanford LegalBench | 0,823 | Gemini 3.1 Pro, GPT-5.5 (höher) | Thomson hinter Konkurrenten |
| Harvey Legal Agent | knapp hinter Opus 4.8 | – | – |
| Deep-Research (nur Web) | 0,53 | GPT 5.4: 0,65 | Thomson deutlich schwächer |
| Deep-Research (mit Konzerninhalten) | 0,83 | GPT 5.4: 0,82 | Thomson knapp vorn |
Die methodische Vergleichbarkeit ist fragwürdig: Thomson tritt mit Test-Time Scaling an, während GPT-5.5 ohne Reasoning-Modus läuft. Noch wichtiger: Der Vorsprung entsteht hauptsächlich durch das Training auf eigenen Tools und Inhalten – ein Zugang, den externe Anbieter nicht haben. Evaluationsleiter Andrew Bean räumt ein, dass Thomson mit reinem Webzugriff "sicher noch nicht führend" sei.
"Entscheidend ist nicht Intelligenz an sich, sondern zu wissen, welche Intelligenz man besitzen muss."
Diese Aussage von CTO Hron fasst die Strategie zusammen: Es geht nicht um das beste Universalmodell, sondern um Spezialisierung auf die eigenen Geschäftsprozesse.
Was das für deutsche Unternehmen bedeutet
Thomson Reuters' Weg zeigt ein Dilemma, das viele große Konzerne kennen: Die Abhängigkeit von OpenAI, Anthropic oder anderen US-Anbietern ist teuer und strategisch riskant. Die 40-Millionen-Dollar-Investition ist erheblich, aber für einen Konzern dieser Größe verkraftbar – und sie zahlt sich aus, wenn das Modell auf proprietäre Daten zugreifen kann. Deutsche Unternehmen mit ähnlichen Datenbeständen (Finanzdienstleister, Versicherer, Medienkonzerne) könnten ähnliche Überlegungen anstellen. Allerdings zeigt Thomson Reuters auch: Ohne spezialisierte Trainingsdaten und interne Tools ist das Modell nicht konkurrenzfähig. Die bloße Eigenentwicklung reicht nicht – es braucht den strategischen Datenvorteil.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
