Meta bringt Llama ohne Preisverhandlung auf GSAs OneGov-Liste

Eine Vereinbarung, bei der die Preiszeile leer bleibt

Am 22. September 2025 gab die GSA bekannt, dass Metas Open-Source-Modelle der Llama-Reihe nun Teil ihrer OneGov-Strategie sind und damit behördenübergreifend zugänglich werden. OneGov wurde eingeführt, um einzelne Verhandlungen der Behörden überflüssig zu machen und doppelten Beschaffungsaufwand zu vermeiden.

Der ungewöhnliche Punkt steht klar in Metas eigenem Text: Diese Vereinbarung erforderte überhaupt keine Beschaffungsverhandlungen, weil Llama frei verfügbar ist. Es gab kein Preisblatt, keine Lizenzgebühr und keine Nutzungsstufe, über die man hätte verhandeln müssen.

Anders als bei klassischen OneGov-Vereinbarungen waren hier keine Beschaffungsverhandlungen nötig, weil unsere Llama-Modelle frei verfügbar sind.Montana Labs

Dieser eine Satz rückt zurecht, was die GSA tatsächlich geliefert hat. Das ist kein Mengenrabatt wie bei einem typischen Anbieter-OneGov-Deal. Es ist ein Vertriebs- und Empfehlungskanal für Software, die ohnehin nichts kostet.

Die Arbeit verschob sich von Verträgen zur Prüfung

Da keine kommerziellen Konditionen zu klären waren, verlagerte sich der Beitrag der GSA auf die technische Prüfung im Hintergrund – die Kontrolle, dass Llama die Anforderungen des Bundes erfüllt, sowie das, was Meta als einheitlichen, unkomplizierten Zugang für die gesamte Verwaltung beschreibt.

Diese Prüfung ist die eigentliche Leistung. Jede Behörde konnte Llama schon vorher herunterladen; was OneGov hinzufügt, ist ein behördliches Gütesiegel, dass die Modelle interne Anforderungen erfüllen, sowie eine zentrale Referenzstelle, damit nicht jede Behörde dieselbe Prüfung eigenständig wiederholen muss.

Meta verknüpft den Schritt mit konkreten politischen Vorgaben: Americas AI Action Plan sowie die OMB-Memoranden M-25-21 zur Beschleunigung der KI-Nutzung im Bund und M-25-22 zur effizienten KI-Beschaffung. Der Bezug auf M-25-22 ist aufschlussreich – die effizienteste Beschaffung ist in diesem Fall eine, bei der es gar keine Beschaffungstransaktion abzuwickeln gibt.

Self-Hosting ist der Hebel für Automatisierung

Meta betont, dass Llama den Behörden die volle Kontrolle über die Datenverarbeitung und -speicherung lässt. Für die Automatisierung im Behördenumfeld ist genau diese Kontrolle das entscheidende Merkmal, keine Nebensache.

Da die Modellgewichte öffentlich verfügbar sind und innerhalb der eigenen Umgebung einer Behörde laufen können, lassen sich missionsspezifische Systeme aufbauen, die sensible Daten verarbeiten, ohne sie über eine externe API zu leiten. Das beseitigt eine häufige Hürde bei der Automatisierung von Arbeitsabläufen mit Daten, die Behörden nicht außer Haus senden dürfen.

Meta stellt dies zudem als Reduzierung der Abhängigkeit von geschlossenen Anbietern und als Unterstützung der Reproduzierbarkeit dar. Für eine Behörde, die einen Prozess automatisiert, den sie prüfen und rechtfertigen muss, ist der Betrieb eines nachvollziehbaren, selbst gehosteten Modells eine grundlegend andere Ausgangslage als der Aufruf einer Black-Box-Schnittstelle.

Was ein Nulltarif-Eintrag löst – und was nicht

Die konkrete Konsequenz dieser Vereinbarung: Sie räumt die Hürde der Beschaffung und Lizenzierung aus dem Weg, verschiebt aber die gesamten Kosten und Risiken zu den technischen Teams der Behörden.

Metas eigene Formulierung ist präzise – Bundesteams können kostenlos entwickeln, einsetzen und skalieren. Kostenlos bezieht sich hier auf die Modellgewichte, nicht auf den Betrieb. Hosting aufzubauen, es abzusichern, Ergebnisse zu bewerten und den Betrieb aufrechtzuerhalten bleiben reale technische Aufgaben, die GSAs Prüfung nicht übernimmt.

Die vielbeschworene Ersparnis – keine Verhandlung, keine Lizenzgebühr – ist also real, aber begrenzt. Der Nutzen, den Meta für die Steuerzahler anführt, hängt davon ab, ob die Behörden die internen Kapazitäten haben, um offene Modelle verantwortungsvoll zu betreiben. Dieser Deal beseitigt den Grund, Nein zu sagen; er liefert nicht die Leute, die es zum Funktionieren bringen.