Aleph Alpha Kolibri Model stellt deutsche Souveränität gegen ausländische KI-Abhängigkeit

Aleph Alpha veröffentlichte Kolibri am 3. Oktober mit offenen Gewichten, deutschsprachigem Training und einer direkten Ansprache an Europas am stärksten regulierte Institutionen. Das Aleph Alpha Kolibri Modell erscheint zu einem Zeitpunkt, an dem Regierungen vor einem grundlegenden Konflikt stehen: führende ausländische KI-Dienste nutzen oder eine weitergehende Kontrolle über kritische Technologie behalten.

Kolibri ist nicht einfach ein weiterer deutscher Chatbot. Es handelt sich um ein zweisprachiges Modell für öffentliche Verwaltung, Industrie, Verteidigung und andere Umgebungen, in denen Datenstandort und operative Kontrolle Beschaffungsentscheidungen beeinflussen. Aleph Alpha möchte zudem, dass Behörden das Modell auf ihrer eigenen Infrastruktur betreiben.

Damit tritt Kolibri in einen Wettbewerb ein, in dem es um mehr als Benchmark-Ergebnisse geht. SAP und OpenAI bieten bereits ein anderes Souveränitätsmodell an, bei dem von deutschen Unternehmen betriebene Cloud-Infrastruktur um Technologie amerikanischer Firmen herum eingesetzt wird. Mistral AI entwickelt mit offenen Modellen, Partnerschaften mit Behörden und europäischem Hosting einen weiteren europäischen Weg.

Die Antwort von Aleph Alpha ist ungewöhnlich konkret. Sie kombiniert offene Gewichte, eine deutsch kontrollierte Trainingspipeline, eine effiziente Mixture-of-Experts-Architektur und spezialisiertes Post-Training für regulierte Aufgaben.

Die ungeklärte Frage ist, ob diese Bestandteile ausreichend praktische Zuverlässigkeit für öffentliche Infrastruktur liefern. Aleph Alpha hat umfangreiche technische Ergebnisse veröffentlicht, doch ein großer Teil der Evidenz stammt weiterhin aus vom Unternehmen selbst konzipierten Evaluierungen.

Kolibri verändert Aleph Alphas Angebot für den öffentlichen Sektor

Kolibri macht Aleph Alphas Souveränitätsargument zu einem Modell, das Behörden herunterladen, prüfen, einsetzen und anpassen können.

Das Unternehmen veröffentlichte Kolibri am Tag der Deutschen Einheit und gab dem Start damit einen bewusst politischen und institutionellen Rahmen. Laut der Kolibri-Veröffentlichung sind die Gewichte unter der Apache-2.0-Lizenz verfügbar.

Diese Lizenz erlaubt kommerzielle Nutzung, Änderungen und Weiterverbreitung unter vergleichsweise freizügigen Bedingungen. Offene Gewichte legen nicht jede Trainingsentscheidung offen, geben Kunden jedoch mehr Freiheit bei der Bereitstellung als eine geschlossene Programmierschnittstelle.

Kolibri verwendet eine Mixture-of-Experts-Architektur, häufig zu MoE abgekürzt. Dieses Design aktiviert für jedes Token nur einen Teil des Modells, statt bei jeder Antwort alle Parameter auszuführen.

Das Modell umfasst insgesamt 78,1 Milliarden Parameter, aktiviert jedoch pro Token nur etwa 3,46 Milliarden. Aleph Alpha präsentiert diesen Unterschied als Weg zu niedrigeren Betriebskosten und schnellerer Inferenz.

Kolibri unterstützt Deutsch und Englisch. Sein beworbenes Kontextfenster erreicht 1.048.576 Token, wobei Aleph Alpha für effiziente Produktionsarbeit 262.144 Token empfiehlt.

Ein langes Kontextfenster ermöglicht es einem Modell, große Textsammlungen innerhalb einer Anfrage zu verarbeiten. Das ist für Behörden relevant, die Vorschriften, Fallakten, Strategiedokumente oder umfangreiche Verwaltungsunterlagen prüfen.

Das Modell unterstützt außerdem Tool Calls und wählbare Reasoning-Stufen. Betreiber können zwischen keinem Reasoning sowie niedrigen, mittleren und hohen Modi wählen und damit Antwortgeschwindigkeit gegen zusätzlichen Rechenaufwand abwägen.

Diese Funktionen unterstützen konkrete Arbeitsabläufe im öffentlichen Sektor. Ein Assistent für Bürgerdienste könnte einen Datensatz abrufen, Anspruchsvoraussetzungen prüfen und ein Formular vorbereiten. Ein Analyst könnte Strategiedokumente vergleichen oder Planungsannahmen bewerten.

Aleph Alpha erklärt, dass Kolibri auf kundenseitig kontrollierter Infrastruktur betrieben werden kann. Diese Option ist wichtig, wenn Dokumente die Sicherheitsgrenze einer Behörde nicht verlassen oder keinen externen Inferenzdienst durchlaufen dürfen.

Das Unternehmen trainierte Kolibri auf Infrastruktur in Deutschland und Finnland. Es erklärt, dass Modell, Entwicklungspipeline und Lieferkette unter deutscher und europäischer rechtlicher Kontrolle bleiben.

Das ist ein weitergehender Souveränitätsanspruch als die Speicherung von Prompts innerhalb Deutschlands. Er umfasst, wie das Modell gebaut wurde, wo es trainiert wurde, wer die Bereitstellung kontrolliert und ob Kunden eine funktionsfähige Kopie behalten können.

Aleph Alpha hat seine Strategie für den öffentlichen Sektor bereits mit F13 erprobt, einem gemeinsam mit dem deutschen Land Baden-Württemberg entwickelten Verwaltungsassistenten. Auf seiner Website verweist das Unternehmen zudem auf die Einführung eines KI-Assistenten für 80.000 Nutzer in Behörden.

Diese Einsätze schaffen institutionellen Zugang, sind jedoch kein Beleg dafür, dass Kolibri verlässlich in der gesamten Verwaltung funktionieren wird. Der Übergang von Dokumentenunterstützung zu Agenten, die Handlungen ausführen, wirft schwerwiegendere Fragen zu Berechtigungen, Verantwortlichkeit und Fehlerbehebung auf.

Kolibri gibt Aleph Alpha für diesen Übergang dennoch ein klareres technisches Produkt an die Hand. Staatliche Käufer können nun ein herunterladbares Modell bewerten, statt sich ausschließlich auf Zusagen zu einer proprietären Plattform zu verlassen.

Die Veröffentlichung verändert auch Aleph Alphas Wettbewerbsposition. Das Unternehmen muss nicht länger argumentieren, dass europäische Käufer im Gegenzug für lokale Expertise weniger Bereitstellungsfreiheit akzeptieren sollten.

Stattdessen kann es fragen, ob ein ausländisch kontrolliertes Modell weiterhin notwendig ist, wenn eine in Deutschland entwickelte Alternative überprüfbare Gewichte, zweisprachiges Reasoning und On-Premise-Betrieb bietet.

Warum das Aleph Alpha Kolibri Modell auf deutsche Arbeit ausgerichtet ist

Kolibris relevantester Unterschied besteht nicht darin, dass es Deutsch spricht, sondern darin, dass Aleph Alpha es auf deutsche Sprache, Institutionen und Verwaltungssprache ausgerichtet hat.

Die meisten großen Sprachmodelle können deutsche Fragen beantworten. Aleph Alpha argumentiert, dass oberflächliche Sprachgewandtheit für Aufgaben mit Gesetzen, öffentlichen Akten, Verwaltungssprache oder kulturell spezifischen Annahmen nicht ausreicht.

Englisch dominiert die umfangreichsten Webdatensätze und viele Sammlungen für das Post-Training. Ein mehrsprachiges Modell kann daher deutsche Texte erzeugen, während es sich auf Schlussfolgerungsmuster stützt, die überwiegend aus englischen Beispielen gelernt wurden.

Aleph Alpha versuchte, dieses Ungleichgewicht während des Pre-Trainings zu verringern. Deutsch machte 21,3 Prozent der Pre-Training-Token von Kolibri aus, also rund 4,3 Billionen Token-Präsentationen während des Laufs mit 20 Billionen Token.

Das Unternehmen erklärt, nach Filterung und Deduplizierung zunächst nur 390 Milliarden nutzbare deutsche Token gefunden zu haben. Das lag deutlich unter den etwa vier Billionen Token, die für den geplanten Datenmix erforderlich waren.

Aleph Alpha schloss die Lücke durch deutschsprachige Web-Kuratierung und synthetische Umformulierungen. Die Analyse deutscher Daten beschreibt 1,3 Billionen einzigartige Token, die über eine eigene Common-Crawl-Pipeline gesammelt wurden.

Das Team erzeugte zudem etwa eine Billion Token, indem es deutsche Dokumente in alternative deutsche Formen umschrieb. Dabei wurde Material in Formate wie Frage-und-Antwort-Austausche oder enzyklopädieartige Passagen überführt.

Diese Methode unterscheidet sich von der Übersetzung englischer Inhalte. Sie bewahrt mehr der Institutionen, geografischen Bezüge und kulturellen Annahmen des Ausgangsdokuments.

Dieser Unterschied ist in der Verwaltung wichtig. Ein auf englische Wortlängen ausgerichteter Trainingsfilter kann deutsche zusammengesetzte Substantive und formelle Behördensprache fälschlicherweise aussortieren.

Aleph Alpha erklärt, seine Filterregeln angepasst zu haben, um dieses Material beizubehalten. Der deutsche Korpus des Modells umfasst außerdem Parlamentsprotokolle, Rechtstexte und weitere gemeinfreie Dokumente.

Kolibri verwendet einen zweisprachigen Tokenizer, der Text in Einheiten umwandelt, die das Modell verarbeiten kann. Aleph Alpha entwickelte eine Methode namens UniBPE, um deutsche Morphologie und zusammengesetzte Wörter effizienter zu behandeln.

Weniger Token können Inferenzzeit und Speicherbedarf verringern. Aussagekräftigere Wortaufteilungen können zudem strukturelle Hinweise innerhalb spezialisierter deutscher Terminologie bewahren.

Zu den Beispielen des Unternehmens gehören Wörter im Zusammenhang mit dem deutschen Bundessozialgericht und administrativen Protokolldaten. Kolibri zerlegt diese Begriffe Berichten zufolge näher an ihren sprachlichen Bestandteilen als mehrere universell einsetzbare Tokenizer.

Aleph Alpha erstellte außerdem etwa 800.000 deutsche Beispiele für überwachtes Fine-Tuning von Reasoning. Laut seiner Forschung zu deutschem Reasoning wurden die Beispiele erzeugt, indem ein Modell mit deutschen Satzanfängen angeregt wurde.

Ziel war es, Zwischenschritte des Reasoning auf Deutsch zu halten, wenn Nutzer eine deutsche Frage stellten. Ohne ein solches Training wechseln mehrsprachige Modelle häufig ins Englische oder vermischen intern Sprachen.

Für Regierungsnutzer hat verständliches Reasoning praktischen Wert. Ein deutschsprachiger Mitarbeiter muss eine Antwort prüfen können, ohne die Erklärung des Modells gedanklich zu übersetzen oder einen sprachabhängigen Fehler zu übersehen.

Sichtbares Reasoning sollte jedoch nicht mit einem vollständigen Prüfpfad verwechselt werden. Eine erzeugte Erklärung legt nicht notwendigerweise jede interne Operation offen, die zu einer Antwort geführt hat.

Öffentliche Stellen benötigen weiterhin Quellenangaben, Zugriffsprotokolle, Versionskontrollen und dokumentierte Freigabeprozesse. Sie benötigen außerdem Tests, die zeigen, ob sich das System über regionale Sprachvarianten und Verwaltungsbereiche hinweg konsistent verhält.

Kolibris deutsche Spezialisierung schafft daher eine glaubwürdige technische Differenzierung, aber kein automatisches institutionelles Vertrauen. Sie gibt Evaluierenden einen stärkeren Grund, das Modell an deutscher Verwaltungsarbeit zu testen.

Die aussagekräftigste Evaluierung würde reale Arbeitsabläufe unter kontrollierten Bedingungen nutzen. Sie würde faktische Genauigkeit, angemessene Enthaltung, Dokumentenabruf, Tool-Auswahl und die Zeit messen, die Mitarbeitende für die Überprüfung der Ergebnisse aufwenden.

Diese Evidenz würde mehr aussagen als eine weitere allgemeine Wissensrangliste. Verwaltungssysteme scheitern ebenso häufig an kleinen Verfahrensfehlern wie an spektakulären sachlichen Fehlern.

Die Beschaffung im öffentlichen Sektor ist der zentrale Wettbewerb

Der Kernwettbewerb besteht zwischen umfassender europäischer Kontrolle und Souveränität, die durch lokal betriebene ausländische Technologie bereitgestellt wird.

OpenAI und SAP kündigten im September 2025 OpenAI for Germany an. Ihr Modell platziert OpenAI-Technologie in einer Umgebung, die über SAPs Delos Cloud und Microsoft Azure bereitgestellt wird.

Die deutsche Partnerschaft wurde als Möglichkeit präsentiert, Millionen von Beschäftigten im öffentlichen Sektor zu bedienen und zugleich lokale Sicherheits- und Rechtsanforderungen zu erfüllen.

Dieser Ansatz trennt operative Souveränität von vollständiger technologischer Unabhängigkeit. Deutsche Organisationen können lokale Kontrollen und reguliertes Hosting erhalten, ohne das zugrunde liegende Modell oder seine Entwicklungspipeline zu besitzen.

Für viele Behörden könnte diese Vereinbarung ausreichen. Beschaffungsteams priorisieren häufig zertifizierte Infrastruktur, Anwendungsintegration, Anbieterunterstützung und vorhersehbaren Service gegenüber direktem Zugriff auf Modellgewichte.

Aleph Alpha fordert Käufer auf, eine strengere Definition zu übernehmen. Das Unternehmen versteht Souveränität als Kontrolle über Datenkuratierung, Modelltraining, Infrastruktur, Bereitstellung, Anpassung und fortgesetzten Zugang hinweg.

Kolibri macht diese Position greifbar. Eine Behörde kann das Modell behalten, es On-Premise betreiben und vermeiden, internes Material an einen externen Inferenzanbieter zu senden.

Eigentum bringt jedoch Verantwortung mit sich. Die Organisation muss die Serving-Infrastruktur warten, das Modell absichern, Updates verwalten, Änderungen testen und Anwendungen überwachen, die darauf aufbauen.

Offene Gewichte können die Abhängigkeit von Anbietern verringern und gleichzeitig den operativen Aufwand erhöhen. Ein Cloud-Dienst kann restriktiver sein und zugleich schnellere Updates sowie einfacheren Support bieten.

Deshalb setzt das Aleph Alpha Kolibri Modell mehrere Gruppen gleichzeitig unter Druck. Amerikanische Modellanbieter müssen erklären, was Souveränität bedeutet, wenn Kunden ihre Kerntechnologie nicht unabhängig betreiben können.

Europäische Cloud-Unternehmen müssen zeigen, ob lokales Hosting eine sinnvolle technische Unabhängigkeit ermöglicht. Andere europäische Modellentwickler müssen eine vergleichbare deutsche Leistungsfähigkeit und Einsatzbereitschaft für den öffentlichen Sektor nachweisen.

Aleph Alpha steht zudem unter Druck von Mistral AI. Frankreich und Deutschland haben eine Zusammenarbeit in der öffentlichen Verwaltung unter Beteiligung von Mistral und SAP ausgelotet, während Frankreich Mistral-basierte Tools für Regierungsmitarbeiter eingeführt hat.

Mistrals Strategie verbindet europäische Modellentwicklung, herunterladbare Modelle und kommerzielle Dienste. Damit ist das Unternehmen ein strukturell näherer Wettbewerber von Kolibri als ein geschlossener amerikanischer Dienst.

Auch öffentlich geförderte Forschung erhöht den Wettbewerb. Das Modellprojekt Soofi beschreibt beispielsweise ein souveränes deutsch-englisches Foundation Model, das auf der German Industrial AI Cloud der Deutschen Telekom trainiert wurde.

Staatliche Beschaffer könnten letztlich zwischen mehreren europäischen Modellen wählen, statt einen einzelnen inländischen Anbieter mit amerikanischen Plattformen zu vergleichen. Diese Veränderung würde die Beschaffung stärker auf messbare Ergebnisse ausrichten.

Die Leistung müsste dann mehr umfassen als deutsche Textgenerierung. Käufer würden sichere Bereitstellung, Integrationskosten, Aktualisierungshäufigkeit, Dokumentenverankerung, Barrierefreiheit und die Einhaltung von Beschaffungsvorgaben prüfen.

Die geplante Verbindung von Aleph Alpha mit Cohere verkompliziert die Souveränitätsfrage zusätzlich. Die Unternehmen kündigten eine transatlantische Gruppe an, die von Berlin und Toronto aus operieren würde.

Nach jüngsten Angaben soll das vorgeschlagene Unternehmen mehr als 1.000 Mitarbeiter beschäftigen. Es würde Aleph Alphas Beziehungen zum europäischen öffentlichen Sektor mit Coheres Modell-Engineering und internationaler Reichweite verbinden.

Cohere-CEO Aidan Gomez hat argumentiert, Regierungen sollten nicht zwischen Leistungsfähigkeit und technologischer Kontrolle wählen müssen. Die Details der Fusion stellen dieses Gleichgewicht als zentrales Versprechen des kombinierten Unternehmens dar.

Die Fusion könnte Kolibri einen stärkeren Vertrieb, besseren Infrastrukturzugang und mehr Forschungskapazität verschaffen. Sie wirft jedoch auch eine schwierige Governance-Frage auf.

Ein transatlantisches Unternehmen ist nicht dasselbe wie ein deutsch kontrollierter Anbieter. Behörden werden wissen wollen, wie sich geistiges Eigentum, Modellentwicklung, Supportpflichten und die Exposition gegenüber verschiedenen Rechtsordnungen nach der Transaktion verändern.

Kolibri wurde fertiggestellt, bevor diese Unternehmensstruktur in Kraft trat. Sein langfristiger Wert wird davon abhängen, ob künftige Versionen dieselben Bereitstellungsrechte und europäischen Lieferkettenzusagen behalten.

Kunden des öffentlichen Sektors stehen daher vor konkurrierenden Definitionen von Souveränität:

• Lokaler Betrieb konzentriert sich darauf, wo Workloads laufen und wer die Cloud verwaltet.

• Modellportabilität betrifft die Frage, ob Kunden die Technologie behalten und übertragen können.

• Kontrolle über die Lieferkette umfasst Training, Softwareabhängigkeiten, Hardware und rechtliche Zuständigkeit.

• Institutionelle Souveränität betrifft die Frage, wer essenzielle Dienste während eines kommerziellen oder politischen Konflikts aufrechterhalten kann.

Keine einzelne Definition löst jede Abhängigkeit auf. Selbst ein lokal trainiertes Modell ist auf importierte Beschleuniger, Open-Source-Software, Strom, Netzwerke und spezialisierte Anbieter angewiesen.

Die entscheidende Frage ist nicht, ob Abhängigkeiten verschwinden. Es geht darum, welche Abhängigkeiten bleiben, wer sie unterbrechen kann und wie schnell eine Behörde jede Komponente ersetzen kann.

Offene Gewichte stärken Souveränität, ohne sie abschließend zu klären

Kolibri bietet Kunden mehr Kontrolle als ein geschlossenes Modelldienstangebot, doch offene Gewichte allein machen ein öffentliches System weder sicher noch rechenschaftspflichtig.

Aleph Alpha hat die Gewichte von Kolibri über sein Modell-Repository veröffentlicht. Das ermöglicht Forschern und Organisationen, die Veröffentlichung zu prüfen, Evaluierungen durchzuführen und Anpassungen zu entwickeln.

Die Apache-2.0-Lizenz senkt zudem eine kommerzielle Hürde. Behörden und Auftragnehmer können Anwendungen entwickeln, ohne für das Basismodell eine separate, ausschließlich forschungsbezogene Lizenz auszuhandeln.

Diese Offenheit schafft eine wichtige Möglichkeit zur Überprüfung. Unabhängige Teams können deutsche Sprachleistung, Long-Context-Verhalten, Sicherheit und die Effizienzbehauptungen des Unternehmens testen.

Sie können zudem untersuchen, ob die Hardwareanforderungen des Modells in realistische Budgets des öffentlichen Sektors passen. Ein Modell mit wenigen aktiven Parametern kann weiterhin erheblichen Speicher benötigen, weil alle Gewichte verfügbar bleiben müssen.

Die Effizienz von Mixture-of-Experts ist daher von der jeweiligen Arbeitslast abhängig. Geringe Zahlen aktiver Parameter können den Rechenaufwand reduzieren, doch die Bereitstellungskosten hängen auch von Quantisierung, Parallelität, Speicher, Netzwerken und Kontextlänge ab.

Auch die Behauptung eines Kontexts von einer Million Tokens erfordert Vorsicht. Die maximal akzeptierte Länge bedeutet nicht, dass jedes Detail innerhalb dieses Fensters zuverlässig genutzt wird.

Long-Context-Evaluierungen sollten Abruf über unterschiedliche Positionen, widersprüchliche Evidenz, wiederholte Passagen und in Dokumenten versteckte Anweisungen testen. Regierungsarchive sind selten sauber strukturierte Sammlungen mit einer offensichtlichen Antwort.

Prompt Injection ist ein weiteres Problem. Eine böswillige oder versehentliche Anweisung in einem abgerufenen Dokument kann einen Agenten umlenken, sofern die umgebende Anwendung keine strikten Kontrollen durchsetzt.

Kolibris Tool-Use-Fähigkeiten erhöhen dieses Risiko, wenn Anwendungen über das Erstellen von Entwürfen hinausgehen. Ein Agent, der Akten abruft oder Formulare vorbereitet, benötigt Berechtigungsgrenzen und menschliche Freigabe, bevor er offizielle Daten verändert.

Aleph Alpha hat das Modell darauf trainiert, sich zu enthalten, wenn bereitgestellte Dokumente keine Antwort stützen. Die Merlin-Arthur-Methode erzeugt positive Kontexte und gezielt unvollständige Kontexte, um dem Modell beizubringen, wann es eine Antwort verweigern soll.

Dieser Ansatz zielt auf ein reales Bereitstellungsproblem. Standardmäßiges Modelltraining belohnt häufig das Raten, weil ein falscher Versuch gelegentlich Anerkennung erhält, während eine Verweigerung nie die angeforderte Antwort liefert.

Aleph Alpha berichtet, dass Kolibri bei 44 Prozent der nicht gestützten Fälle in einer Unternehmensevaluierung keine Antwort gab. Kolibri Origin tat dies bei 15 Prozent.

Das Unternehmen sagt zudem, Kolibri habe sich in einem weiteren Grounding-Test verbessert und weniger nicht gestützte Aussagen erzeugt. Diese Ergebnisse sind ermutigend, müssen jedoch sorgfältig interpretiert werden.

Eine hohe Verweigerungsrate kann Halluzinationen reduzieren, zugleich aber ein System weniger nützlich machen. Die richtige Balance hängt davon ab, ob es um informelle Entwürfe, Leistungsentscheidungen, Rechtsanalysen oder öffentliche Kommunikation geht.

Die veröffentlichten Ergebnisse verbinden etablierte Benchmarks mit internen Tests von Aleph Alpha. Interne Evaluierungen können Kundenarbeit genauer abbilden, doch Außenstehende können sie ohne Daten und Bewertungsprozess nicht vollständig reproduzieren.

Aleph Alpha berichtet, dass sein Proxy-Score für den deutschen öffentlichen Sektor von 0,54 bei Kolibri Origin auf 0,75 bei Kolibri gestiegen sei. Das Unternehmen hat dieses Ergebnis nicht als unabhängig geprüfte Kennzahl dargestellt.

Diese Lücke macht den Score nicht ungültig. Sie bedeutet, dass Leser ihn als Beleg für interne Fortschritte und nicht als Nachweis von Produktionszuverlässigkeit behandeln sollten.

Dieselbe Vorsicht gilt für Compliance-Behauptungen. Die Ausrichtung an EU AI Act, DSGVO und dem General-Purpose AI Code of Practice ist sinnvoll, doch Compliance hängt vom bereitgestellten System ab.

Eine öffentliche Behörde muss den vorgesehenen Einsatz, Datenflüsse, betroffene Personen, menschliche Aufsicht, Protokollierung, Cybersicherheit und mögliche Schäden bewerten. Ein konformes Basismodell kann nicht automatisch jede angeschlossene Anwendung konform machen.

Offene Gewichte schaffen auch Sicherheitsarbeit. Behörden müssen Modelldateien, Abhängigkeiten, feinabgestimmte Versionen, Evaluierungsaufzeichnungen und die Berechtigungen für das Veröffentlichen von Updates nachverfolgen.

Die lokale Bereitstellung kann sensible Dokumente in einer kontrollierten Umgebung halten. Sie kann aber auch eine personell unterversorgte Organisation dafür verantwortlich machen, einen komplexen KI-Stack zu patchen und zu überwachen.

Die beste Souveränitätsarchitektur könnte daher Modellportabilität mit betriebenen Diensten kombinieren. Behörden benötigen das Recht, Dienste zu verlagern oder fortzuführen, ohne vorzutäuschen, jede Institution müsse ihre eigene KI-Infrastruktur betreiben.

Kolibri stärkt diesen Optionswert. Es gibt Käufern ein wiederherstellbares technisches Asset statt eines Zugangs, der mit dem Ende eines Dienstleistungsvertrags erlischt.

Ob Behörden diese Option nutzen, wird von der Paketierung abhängen. Bereitstellungstools, Dokumentation, Supportpartner, zertifizierte Infrastruktur und reproduzierbare Evaluierungen werden ebenso wichtig sein wie die Modelldatei.

Die Benchmarks sind detailliert, doch unabhängige Tests stehen als Nächstes an

Aleph Alpha hat mehr technische Details offengelegt als bei einer typischen Einführung, doch die entscheidenden Nachweise für den öffentlichen Sektor müssen von außerhalb des Unternehmens kommen.

Kolibri schloss das Pre-Training am 11. September ab und wurde am 3. Oktober eingeführt. Aleph Alpha sagt, der zentrale Pre-Training-Lauf habe 21 Tage auf 768 Nvidia B200 GPUs gedauert.

Das Modell verarbeitete 20 Billionen Pre-Training-Tokens. Das Mid-Training fügte 3,44 Billionen Tokens hinzu, gefolgt von 200 Milliarden Tokens zur Long-Context-Anpassung.

Aleph Alpha sagt, seine Pipeline habe vor Filterung und Kuratierung mehr als 200 Billionen Roh-Tokens verarbeitet. Das Unternehmen erzeugte außerdem 174 Milliarden synthetische Tokens für das Supervised Fine-Tuning.

Nach der Filterung und Kombination dieser Beispiele mit freizügig lizenzierten Datensätzen stellte es eine Fine-Tuning-Mischung von 268 Milliarden Tokens zusammen. Reinforcement Learning nutzte mehr als 1,2 Millionen kuratierte Aufgaben.

Diese Zahlen beschreiben erhebliche Engineering-Arbeit. Sie liefern externen Forschern zugleich hilfreiche Details zur Bewertung der Daten- und Effizienzbehauptungen des Unternehmens.

Aleph Alpha berichtet von 38 ungeplanten Unterbrechungen während des 21-tägigen Pre-Training-Laufs. Seine automatisierte Pipeline startete Jobs neu und setzte sie von Checkpoints aus ohne manuelle Eingriffe fort.

Diese operative Widerstandsfähigkeit ist wichtig, weil Modellentwicklung von Wiederholbarkeit abhängt. Ein Team, das Trainingsläufe neu starten, evaluieren und reproduzieren kann, kann Fehler schneller korrigieren als eines, das fragile Forschungsskripte verwendet.

Das Unternehmen sagt, dass nur zehn von Kolibris 50 Schichten Full Attention verwenden. Die verbleibenden Schichten nutzen ein Sliding Window von 512 Tokens, wodurch Rechenaufwand und Speicherwachstum bei der Inferenz begrenzt werden.

Aleph Alpha verglich außerdem eine experimentelle Konfiguration mit 123 Milliarden Parametern mit Kolibris Design mit 78 Milliarden Parametern. Das kleinere Modell habe 18 parallele Long-Context-Anfragen auf zwei H100 GPUs verarbeitet.

Die größere Konfiguration habe Berichten zufolge drei verarbeitet. In diesem Unternehmenstest dekodierte Kolibri zudem 28 Prozent schneller.

Diese Architekturentscheidungen passen zum angestrebten Markt. Regierungsbehörden benötigen Modelle, die unter Infrastrukturrestriktionen laufen können, nicht nur Modelle, die allgemeine Bestenlisten anführen.

Kolibris veröffentlichte Scores zeigen konkurrenzfähige Ergebnisse in Mathematik, Programmierung, Tool-Nutzung, Long-Context-Aufgaben und deutschen Übersetzungen gängiger Evaluierungen.

Das Modell erreichte 90 Prozent in Aleph Alphas deutscher Version von AIME 2026. In der deutschen GPQA-Diamond-Evaluierung erzielte es 81,3 Prozent.

Benchmark-Vergleiche umfassen Qwen, Nvidias Nemotron-Familie und Mistral Small. Aleph Alpha sagt, Kolibri erreiche in ausgewählten Aufgaben die Leistung von Modellen mit bis zu viermal so vielen aktiven Parametern.

Benchmark-Zahlen bleiben jedoch empfindlich gegenüber Prompts, Inferenz-Einstellungen, Reasoning-Budgets, Kontamination und Bewertungsentscheidungen. Übersetzte Evaluierungen können sich zudem anders verhalten als Tests, die ursprünglich auf Deutsch verfasst wurden.

Der sinnvollste nächste Schritt sind reproduzierbare Tests durch Universitäten, öffentliche Digital-Service-Teams und unabhängige Modellevaluierer. Diese Gruppen sollten Prompts, Konfigurationen, Hardware und Fehlerbeispiele veröffentlichen.

Realistische Tests sollten deutsche Rechtssprache, kommunale Terminologie, Leistungsverwaltung, Beschaffungsunterlagen und Korrespondenz mit unvollständiger Evidenz umfassen.

Sie sollten zudem regionale Unterschiede messen. Die deutsche öffentliche Verwaltung umfasst Bundes-, Landes- und kommunale Institutionen mit unterschiedlichem Vokabular, Verfahren und Dokumentformaten.

Die Bewertung muss gewöhnliche Beschäftigte einbeziehen, nicht nur Modellforschende. Eine technisch korrekte Antwort kann dennoch scheitern, wenn ihre Begründung unter Zeitdruck schwer zu überprüfen ist.

Öffentliche Stellen sollten erfassen, wie häufig Mitarbeitende Ergebnisse akzeptieren, bearbeiten, ablehnen oder eskalieren. Sie sollten messen, ob Kolibri nach der Überprüfung Zeit spart, nicht davor.

Agenten mit Tool-Nutzung erfordern separate Tests. Evaluierende sollten unzugängliche Datensätze, widersprüchliche Richtlinien, entzogene Berechtigungen, veraltete Dokumente und bösartige Anweisungen einbringen.

Das Enthaltungsverhalten des Modells verdient eine gezielte Prüfung. Tests sollten zwischen gerechtfertigter Verweigerung, unnötiger Verweigerung und selbstsicher ausgegebenen, nicht belegten Ergebnissen unterscheiden.

Unabhängige Teams sollten außerdem die herunterladbare Veröffentlichung mit der Version vergleichen, die in den gehosteten oder angepassten Produkten von Aleph Alpha verwendet wird. Unterschiede bei System-Prompts und Retrieval können das Verhalten erheblich verändern.

Bis diese Ergebnisse vorliegen, stützen Kolibris Benchmarks einen glaubwürdigen technischen Anspruch. Sie entscheiden jedoch nicht darüber, ob das Modell bereit ist, Entscheidungen zu beeinflussen, die Bürgerinnen und Bürger betreffen.

Diese Unterscheidung ist besonders wichtig, weil öffentliche Infrastruktur eine andere Fehlertoleranz hat. Eine fehlerhafte Verbraucherantwort verursacht Unannehmlichkeiten, während ein Verwaltungsfehler Leistungen verzögern oder rechtliche Folgen verändern kann.

Drei Signale werden zeigen, ob Kolibri relevant ist

Kolibri wird relevant sein, wenn öffentliche Institutionen es validieren, in sinnvoller Größenordnung einsetzen und echte Freiheit behalten, es zu betreiben.

Das erste Signal ist eine unabhängige technische Replikation. Forschende sollten die deutsche Leistung, Long-Context-Retrieval, Tool-Nutzung, Hardwareeffizienz und Enthaltung anhand veröffentlichter Methoden bestätigen.

Eine überzeugende Replikation würde Aleph Alphas Aussage stützen, dass Spezialisierung mit größeren Generalistenmodellen konkurrieren kann. Große Abweichungen würden die Argumentation des Modells für die Beschaffung schwächen.

Das zweite Signal ist ein namentlich benannter Produktionseinsatz, der Kolibri selbst nutzt. Aleph Alpha verfügt über Beziehungen zum öffentlichen Sektor, doch Käufer benötigen Nachweise, die sich auf diese Veröffentlichung und einen klar definierten Workflow beziehen.

Eine hilfreiche Offenlegung würde Aufgabe, Nutzergruppe, Sicherheitskontrollen, Evaluierungszeitraum und gemessene Zeitersparnis benennen. Sie sollte außerdem Fehlerkategorien und Anforderungen an die menschliche Überprüfung ausweisen.

Einsatzahlen allein würden wenig aussagen. Ein inaktiver Pilot mit Tausenden berechtigten Nutzern ist nicht gleichbedeutend mit täglicher Nutzung in einem kritischen Verwaltungsprozess.

Das dritte Signal ist die Governance-Struktur nach der Fusion rund um Aleph Alpha und Cohere. Käufer benötigen klare Antworten zu Modelleigentum, künftigen Veröffentlichungen, europäischen Aktivitäten und vertraglicher Kontinuität.

Wenn Kolibri offen verfügbar bleibt und häufige Updates erhält, könnte die Fusion seine Position stärken. Wenn spätere Modelle hinter eingeschränkten Diensten verschwinden, wirkte der aktuelle Souveränitätsanspruch weniger dauerhaft.

Reaktionen von Wettbewerbern werden zusätzlichen Kontext liefern. SAP und OpenAI können Aleph Alpha durch Vertrieb, bestehende Softwarebeziehungen und gemanagte Infrastruktur herausfordern.

Mistral kann über seine europäische Identität, offene Modelle und staatliche Partnerschaften konkurrieren. Öffentliche Forschungsprojekte können Alternativen anbieten, ohne sich auf die kommerzielle Roadmap eines einzelnen Start-ups zu stützen.

Dieser Druck ist für öffentliche Käufer gesund. Souveränität wird glaubwürdiger, wenn Behörden mehrere austauschbare Anbieter vergleichen können, statt einen nationalen Champion zu bestimmen.

Das Modell Aleph Alpha Kolibri macht diesen Wettbewerb konkreter. Es bündelt deutsche Spezialisierung, offene Gewichte, lokales Training und effiziente Inferenz in einer überprüfbaren Veröffentlichung.

Sein Erscheinen beweist nicht, dass Deutschland KI für den öffentlichen Sektor gelöst hat. Es etabliert jedoch eine ernsthafte Alternative zu einer Souveränität, die vor allem über Hosting-Verträge definiert wird.

Öffentliche Institutionen sollten den Anspruch nun durch transparente Beschaffung und veröffentlichte Evaluierungen prüfen. Entwickler können die Gewichte untersuchen, Ergebnisse reproduzieren und Fehler dokumentieren, bevor Kolibri in Workflows mit höheren Risiken gelangt.

Für Unternehmens- und Regierungskäufer ist die unmittelbare Maßnahme einfach: Definieren Sie, was Kontrolle tatsächlich bedeutet, bevor Sie ein Modell auswählen. Wenn Portabilität, rechtliche Zuständigkeit, deutsches Schlussfolgern und fortlaufender Betrieb wichtig sind, braucht jede Anforderung einen messbaren Test.