KI-Modell Soofi: Deutschlands vielleicht letzte KI-Hoffnung analysiert

Mit deutschen Tugenden gegen den Rest der Welt - das ist in der Geschichte nicht immer so richtig gut ausgegangen, aber im Falle von Soofi sind die Absichten edel. Das deutsche KI-Modell soll Firmen all das geben, was die Konkurrenz aus den USA und China nicht hat: Kontrolle über ihre Daten, eine eingebaute hochgradige Spezialisierung auf den Fachgebieten deutscher Industriezweige, Sicherheit vor der Abhängigkeit dubioser Techbros in nur (noch) begrenzt demokratisch operierenden Staaten.

Prof. Dr. Alexander Löser ist Professor für Data Science an der Berliner Hochschule für Technik   (BHT). Dort forscht er an SOOFI  , einem europäischen Open-Source-KI-Modell, das eine souveräne Alternative zu Angeboten aus den USA und China schaffen soll. Löser betrachtet Künstliche Intelligenz vor allem als eine neue Lieferkette, zunehmend als maschinelle Intelligenz in Form von Token. "Wir haben Lieferketten für alles - und inzwischen auch für Intelligenz, die Unternehmen nicht mehr ausschließlich als menschliche Intelligenz einkaufen", sagt Löser, "heute kaufen wir sie in Token von Maschinen."
Daraus entstünden allerdings zwei zentrale Probleme.

1. Das erste sei die starke Konzentration des Marktes. "Die Zahl der Lieferanten von Intelligenz ist eingeschränkt. Im Westen sind das vor allem Anthropic   und OpenAI  ." Manche Unternehmen kaufen zwar eigene Hardware, auf der sie Open-Source-Modelle lokal betreiben. Dann kommen jedoch andere Lieferanten ins Spiel, etwa der chinesische Konzern Alibaba  . "Wir sind von sehr wenigen Anbietern abhängig", sagt Löser. Gleichzeitig beginnen chinesische Anbieter, den Zugang zu ihren Modellen einzuschränken; Löser verweist dabei auf das chinesische Modell MiniMax M2  . "Die Chinesen fangen an, die Lieferketten für Europa und die USA zu begrenzen. Manche Angebote dürfen beispielsweise nur noch Unternehmen bis zu einem bestimmten Jahresumsatz nutzen."
   Den eigentlichen Preis bezahlen die NutzerInnen.
   
2. Das Hauptproblem ist aber ungleich verheerender - und ist einer der Hauptgründe dafür, dass Soofi auf den Weg gebracht wurde: "Wir geben den ausländischen Anbietern unser Wissen über Chemie und Automobilbau, wenn wir ihnen die Trainingsdaten geben", urteilt Löser. Die amerikanischen Anbieter werden quasi dafür bezahlt, dass sie sich Konkurrenzfähigkeit gegenüber ihren deutschen NutzerInnen aneignen. "Wir füttern aktuell US-Modelle mit unseren wertvollsten Prozessdaten aus der Polymerchemie."

SOOFI soll aus Lösers Sicht einen Ausweg aus dieser Abhängigkeit eröffnen. Ende 2025 brachte das Wirtschaftsministerium dann die Entwicklung eines Modelles auf den Weg, das international mitspielen können soll: Das erste SOOFI-Modell mit bis zu 30 Milliarden Parametern sei in seiner Größenklasse ungefähr so leistungsfähig wie chinesische Qwen-Modelle  . "Das ist eher klein. Aber jetzt gehen wir zum Training der mittelgroßen Modelle über."

Auch wenn diese Modelle um den Faktor 20 kleiner seien als die größten Systeme von OpenAI, sieht Löser darin einen entscheidenden Fortschritt. "Wir sind wieder im Spiel."
Deutschland verfüge jedoch nicht über die Trainingsinfrastruktur, um Modelle mit extrem hohen Parameterzahlen zentral zu entwickeln. Im SOOFI-Projekt sollen daher mittelgroße Basismodelle entstehen. "Mit einem Hardwarebudget von 300.000 bis 500.000 Euro kann man darauf aufsetzend Spezialmodelle entwickeln und zusammenschalten, die sehr konkrete Aufgaben erledigen." Deutsche Unternehmen benötigen beispielsweise eigene Modelle für Regulatorik, Batterietechnik oder Chemie. "Viele kleine Spezialmodelle", so Löser. Diese Systeme könnten zusätzlich kontinuierlich weiterlernen und auf betriebliche Erfahrungen reagieren.

Vorteil: Die meisten betrieblichen Anfragen lassen sich bereits mit mittelgroßen Modellen beantworten, die enormen Maßstäbe der großen LLMs sind nicht mal wirklich notwendig: "Das gängige deutsche Unternehmen braucht KI für PowerPoint-Präsentationen, E-Mails oder die Extraktion von Informationen." Viele Tätigkeiten, die ein Mensch in 30 bis 60 Minuten erledige, könne ein solches Modell bereits zuverlässig übernehmen. In bestimmten Bereichen sei der Effekt erheblich größer. "Bei Security und Coding ersetzt ein Modell teilweise Aufgaben, für die ein Mensch äquivalent mehrere Tage benötigen würde."

Make, rent or buy - Wie die Wirtschaft die US-Plattformökonomie fütterte

Soofi versucht in eine Lücke zu springen: Bei der Wahl ihrer KI-Strategie haben Unternehmen grundsätzlich die bekannten Optionen Make, Rent or Buy. Und alles hat individuelle Probleme. Nichtsdestotrotz hat sich die deutsche Industrie in Teilen beim Umgang mit ihren Daten allerdings nicht mit Ruhm bekleckert. Knackpunkt: Die Eigenentwicklung sei für viele Firmen kaum realisierbar gewesen. "Make ging also nicht, weil die Kompetenz fehlte. Ein eigenes KI-Modell zu entwickeln, ist teilweise schwieriger, als Autos zu bauen." Einige Unternehmen hätten Modelle oder vollständige Technologien gekauft: "Das war klug, aber teuer. Da bewegt man sich schnell im Millionenbudget." Die meisten Firmen hätten sich jedoch für das Mieten externer Dienste entschieden. "Sie haben auf Rent gesetzt und die Plattformindustrie hat darin früh ein bekanntes Geschäftsmodell erkannt." Wie seinerzeit bei Netflix und Amazon begann es mit Kampfpreisen und waren die KundInnen gebunden, kamen die Preiserhöhungen. Aus Lösers Sicht hätten die Unternehmensleitungen die Gefahr einer solchen Abhängigkeit früher erkennen können. "Als C-Level hätte wissen müssen, dass es sich angreifbar und abhängig macht."

Viele Verantwortliche hätten unterschätzt, mit welchem Tempo sich die großen KI-Konzerne bewegten. "Sie haben nicht verstanden, dass eine neue Plattformökonomie in einer noch nie dagewesenen Geschwindigkeit auf uns zurast." Diejenigen, die das Problem erkannt hätten, hätten es häufig nicht in die Sprache der Unternehmensleitung übersetzen können oder "zu wenig Sterne auf der Schulter" gehabt.

Von der praktischen Seite kommt Michael Aechtler. Der Gründer und Geschäftsführer der Gamechangerz UG   mit Sitz in Stuttgart hat sich Soofi angesehen. Das musste er allein schon deswegen, weil seine Firma andere Organisationen bei der KI-Transformation unterstützt und AI-first-Formate konzipiert. In dem europäischen Sprachmodell SOOFI   sieht Aechtler zumindest einen kleinen Hoffnungsschimmer für Unternehmen, die nach einer souveränen Alternative zu amerikanischen und chinesischen KI-Angeboten suchen. "SOOFI ist eine Mini-mini-Hoffnung, aber immerhin", sagt Aechtler. "Die großen Player kommen aus den USA und China; wir können mit deren teuren Modellen nicht mithalten - zumal mit unserer Kultur und unseren Möglichkeiten. Ergo müssen wir cleverer sein."

SOOFI treffe auf ein konkretes Bedürfnis vieler Unternehmen. "Kunden sagen mir, dass sie lokale Modelle wollen. Da musste ich bislang sagen: Dann gibt es China. Bei Modellen aus den USA kommt dagegen das DSGVO-Thema auf. Bei chinesischen Modellen stellen sich zusätzlich kulturelle Fragen." Bei einem europäischen Modell habe er deshalb "etwas mehr Vertrauen, wenn auch nicht blind". Technologisch dürfe man SOOFI allerdings nicht überschätzen. "Es ist ein ordentliches Modell, aber nicht top. Es gibt bessere. Trotzdem kann man damit einiges anfangen." Das Modell sei auf der Industrial AI Cloud der Deutschen Telekom   trainiert worden und daher "industriell angehaucht". Wie es in der Praxis aussehe, müsse man jedoch erst sehen.

Kritisch beurteilt Aechtler vor allem den bislang eingeschränkten Zugang. "Die meisten Leute haben noch keinen Zugang bekommen, denn SOOFI muss man beantragen, sich registrieren und ausweisen." Damit verhindere man das experimentelle Weiterentwickeln im Spiel der Nutzer. Besonders irritiert habe ihn eine Antwort des Supports, die er erhalten habe: "Dann kam zurück, man sei bis Mitte August im Urlaub. Damit stellt man sich selbst ein Bein." Für den betrieblichen Einsatz sieht Aechtler dennoch einige Möglichkeiten.

"SOOFI kann man für die eigentliche Arbeit nutzen. Texte kann inzwischen jeder. Mit SOOFI kann man eigene Systeme und Wissensdatenbanken aufbauen oder kleine Tools konzipieren." Auch kleinere oder leicht komplexere Aufgaben könnten an das Modell ausgelagert werden. "Termine koordinieren, recherchieren, Analysen erstellen - das könnte SOOFI." Die Konkurrenz sei allerdings stark. "Alle Tests sagen: Da gibt es bessere Modelle. Aber SOOFI ist eines der wenigen Modelle, die gezielt auf die deutsche Sprache trainiert wurden." Aechtler sieht das Angebot deshalb vor allem als "Modell für den Mittelstand".

In KI ist Geschwindigkeit eine Hexerei

Für SOOFI werde die Geschwindigkeit des internationalen Wettbewerbs deshalb zur zentralen Herausforderung. "Die Struktur dahinter ist komplex. Ich meine nicht die Technik, sondern die Wirtschaft, die Ministerien." Alles Institutionen, die der Entwicklung eines konkurrenzfähigen deutschen Produktes Steine in den Weg legen: "Was vor zwei Wochen noch ein ordentliches Modell war, wird mit Updates bei der Konkurrenz frontiert, und jetzt ist es alt." Für die SOOFI-Entwickler werde es schwer werden, da mitzuhalten. Zumal andere europäische Anbieter wie Mistral   und Aleph Alpha   bereits ihre Relevanz verloren hätten: "Darüber redet kaum noch jemand: Jeder kann ein Modell herausbringen. Entscheidend ist aber: Wie lange erhält es seine Relevanz?"

SOOFI habe trotzdem noch eine Chance. "Aber es hat keine Agentenfunktionen. Das kann es nicht." Unternehmen stünden deshalb vor einer pragmatischen Entscheidung. "Wenn eine Firma fünf Dinge hat, bei denen sie Hilfe braucht, kann sie SOOFI nehmen, weil es ein deutsches Modell mit deutschen Texten ist. Oder sie nimmt ein chinesisches Modell, das sie über Umwege auf einem europäischen Server hosten kann." Das chinesische Modell sei möglicherweise günstiger und leistungsfähiger. "Es ist billiger und kann mehr. Dann wird man sehen, wie sich die Firmen entscheiden."

Und für Unternehmen sieht Aechtler nicht technisches Perfektionsstreben, sondern Neugier als wichtigste Voraussetzung. Bei der Marktentwicklung der lauten und schnellen KI-Welt könne man nicht mithalten. "Neugier und Spielerei sind gerade wichtig. Wir müssen wieder dahin zurückkehren, wie wir als Kinder waren: neugierig sein und herumspielen." Dazu gehört das, was Kinder ständig tun: Auf die Schnauze zu fallen. "Wir haben unser Leben lang gelernt, keine Fehler zu machen. Das ist fatal." Menschen müssten wieder bereit sein, zu experimentieren. "Wir müssen ausprobieren und Fehler machen - am besten zunächst im privaten oder geschützten Umfeld. Nur so können wir lernen."