Europäische KI-Modelle 2026: Wer was liefert, was Sie damit machen können und was der Datenschutz dazu sagt

Die Frage „Gibt es eigentlich auch KI aus Europa?" hat 2026 eine andere Antwort als noch vor zwei Jahren. Es gibt nicht ein Modell, sondern ein Feld: ein französisches Labor mit Modellen in der obersten Größenklasse, ein Freiburger Team, dessen Bildmodelle weltweit in kommerzieller Software stecken, ein Kölner Anbieter, der bei Übersetzung immer noch den Maßstab setzt, offene Modelle aus Zürich, Bonn und München sowie deutsche Rechenzentren mit zehntausend Grafikkarten. Dieser Beitrag zeigt, wer was liefert, wofür es taugt und was DSGVO und KI-Verordnung dazu wirklich verlangen.

Vorweg die ehrliche Einordnung, damit der Rest nicht wie Werbung klingt: An der absoluten Leistungsspitze stehen weiterhin Modelle aus den USA und China. Der Abstand ist aber kleiner geworden, und er ist für die meisten Aufgaben im Mittelstand nicht der entscheidende Faktor. Entscheidend ist, ob Sie das Modell dort betreiben können, wo Ihre Daten liegen dürfen, ob es Ihnen morgen noch zur Verfügung steht und ob Sie im Zweifel nachweisen können, was damit passiert ist.

Warum das Thema 2026 anders steht als 2024

Drei Dinge haben sich verschoben. Erstens die Verfügbarkeit: Es gibt inzwischen europäische Modelle in fast jeder Kategorie, von Sprache über Bild und Stimme bis zu Dokumentenverarbeitung und Agentensteuerung. Zweitens die Infrastruktur: Mit der Industrial AI Cloud der Deutschen Telekom, dem AI Model Hub von IONOS, STACKIT der Schwarz-Gruppe sowie OVHcloud und Scaleway ist der Betrieb in Europa keine Ausnahme mehr, sondern Standardangebot.

Drittens, und das wird am häufigsten unterschätzt: die Planbarkeit. Ein Modell kann technisch führend sein und trotzdem von einem Tag auf den anderen anders reagieren, gedrosselt werden, in eine andere Preisklasse rutschen oder für bestimmte Anfragen intern an ein anderes Modell weitergeleitet werden. Wer eine Software um ein bestimmtes Verhalten herum gebaut hat, merkt das sofort. Offene Gewichte auf eigener Infrastruktur sind der einzige Weg, dieses Risiko vollständig auszuschalten: Was einmal heruntergeladen ist, verhält sich morgen genauso wie heute.

Dazu kommt die Regulierung. Die KI-Verordnung der EU wirkt stufenweise, und die Anforderungen an Dokumentation, Transparenz und Risikobewertung treffen zuerst die Anbieter, dann die Betreiber. Anbieter, die diese Anforderungen von Anfang an eingebaut haben, ersparen Ihnen später Nacharbeit.

Die Anbieter im Überblick

Sechzehn Adressen, die man 2026 kennen sollte, mit direktem Link zum Anbieter. Die Signets auf den Karten sind unsere eigene Kennzeichnung, keine Marken-Logos der Anbieter.

Sprachmodelle: was die einzelnen Anbieter liefern

Mistral AI: die einzige europäische Vollsortiment-Adresse

Mistral aus Paris ist das Labor, an dem sich alles andere in Europa messen lässt. Das Spitzenmodell Mistral Large 3 ist ein Sparse-Mixture-of-Experts-Modell: 675 Milliarden Parameter insgesamt, davon rund 41 Milliarden pro Token aktiv, Kontextfenster von 256.000 Zeichenbausteinen, veröffentlicht unter Apache 2.0. Trainiert wurde es auf rund 3.000 Nvidia-H200-Grafikkarten. Die Architektur ist der Grund, warum es trotz Frontier-Größe bezahlbar bleibt: Es rechnet wie ein deutlich kleineres Modell.

Darunter liegt eine erstaunlich breite Palette: Ministral 3 mit drei, acht und vierzehn Milliarden Parametern und Bildverständnis, Mistral Small 4 als kompaktes Arbeitspferd, die Reasoning-Modelle Magistral Small und Magistral Medium für mehrstufige Denkaufgaben, Devstral 2 und Devstral Small 2 für Programmierung sowie die Voxtral-Familie für Sprachverarbeitung und Transkription in Echtzeit. Dazu kommen die Chat-Oberfläche Le Chat, die API-Plattform und ein Coding-Modus, der als Kommandozeilenwerkzeug, als Editor-Erweiterung und im Browser läuft und Sitzungen zwischen lokaler Maschine und Cloud verschieben kann.

Praktisch heißt das: Mistral ist der Anbieter, bei dem Sie sowohl eine gehostete API in Europa buchen als auch dasselbe Modell später auf eigener Hardware betreiben können. Diese Kombination gibt es sonst in Europa kaum. Wer heute anfängt, evaluiert typischerweise ein kleines Ministral- oder Small-Modell für Alltagsaufgaben und Large 3 für die Fälle, in denen es auf Qualität ankommt.

→ https://mistral.ai

Aleph Alpha: Souveränität statt Benchmark-Rennen

Aleph Alpha aus Heidelberg wird oft missverstanden, weil man das Unternehmen an der falschen Messlatte misst. Es hat den Wettlauf um das größte Sprachmodell bewusst verlassen und baut stattdessen PhariaAI, ein Betriebssystem für KI-Anwendungen in Organisationen: Chat-Oberfläche, Entwicklungsumgebung, Dokumentenverwaltung und Betriebsschicht, dazu Nachvollziehbarkeit der Antworten bis zur Originalstelle im Dokument. Die eigenen Modelle der Pharia-Familie wurden speziell für europäische Behörden- und Unternehmensanforderungen gebaut.

Der entscheidende Punkt für regulierte Bereiche: Betrieb im eigenen Rechenzentrum ist vorgesehen, nicht nachträglich angeflanscht. Über STACKIT der Schwarz-Gruppe ist die Plattform auch als Cloud-Variante verfügbar. Im April 2026 haben Aleph Alpha und das kanadische Unternehmen Cohere einen Zusammenschluss angekündigt, der aus von der Bundesregierung unterstützten Verhandlungen hervorging und zuletzt noch unter dem Vorbehalt der Zustimmung von Gesellschaftern und Behörden stand.

Realistisch bleibt: PhariaAI ist ein Projekt, kein Werkzeug für den Nachmittag. Eine produktive Anwendung für mehrere tausend Mitarbeiter ist typischerweise ein Vorhaben über mehrere Monate mit Datenintegration und Anpassung. Für Unternehmen mit fünf oder fünfzig Arbeitsplätzen ist der Weg über Mistral oder ein selbst betriebenes offenes Modell in der Regel deutlich schneller.

→ https://aleph-alpha.com

Soofi S: das erste ernsthaft offene Modell aus Deutschland

Am 13. Juli 2026 hat das Soofi-Konsortium sein erstes Modell veröffentlicht. Soofi steht für Sovereign Open Source Foundation Models, koordiniert wird das Projekt vom KI Bundesverband, gefördert vom Bundesministerium für Wirtschaft und Energie mit rund 20 Millionen Euro im Rahmen der europäischen IPCEI-CIS-Initiative. Beteiligt sind unter anderem die Fraunhofer-Institute IAIS und IIS, das DFKI, die TU Darmstadt, die Universität Würzburg, das L3S in Hannover, die Berliner Hochschule für Technik, Lamarr, hessian.AI sowie die Unternehmen ellamind und Merantix Momentum.

Technisch ist Soofi S interessanter als seine Größe vermuten lässt: rund 31,6 Milliarden Parameter insgesamt, davon nur etwa 3,2 Milliarden pro erzeugtem Token aktiv. Die Architektur orientiert sich an Nvidias offengelegtem Nemotron-3-Nano und verbindet Mamba-2-Schichten mit klassischen Attention-Schichten. Trainiert wurde auf rund 27 Billionen Textbausteinen, komplett auf der Industrial AI Cloud der Deutschen Telekom in München. Der Schwerpunkt liegt bewusst auf Deutsch und Englisch statt auf breiter Mehrsprachigkeit, und genau dort liegt die Stärke: Bei deutschen Aufgaben schlägt es bisherige europäische Open-Source-Modelle deutlich.

Zwei Einschränkungen gehören dazu. Erstens ist der Zugang aktuell nicht offen für jeden: Die Repositories sind zugangsbeschränkt, das Projekt spricht von einer geschlossenen Beta mit ausgewählten Industriepartnern, und die endgültige Lizenz ist noch nicht abschließend festgelegt. Zweitens ist das Basismodell ohne Sicherheitsschicht veröffentlicht, die Verantwortung liegt beim Betreiber. Das eigentliche Ziel des Projekts ist ein offenes Modell mit rund 100 Milliarden Parametern bis Ende 2026, für das die Telekom bereits ab März 2026 einen Verbund von etwa 130 Nvidia-DGX-B200-Systemen mit mehr als tausend Grafikkarten reserviert hat.

→ https://www.soofi.info
→ https://huggingface.co/Soofi-Project

Apertus: das transparenteste Modell Europas

Apertus ist das vollständig offene Sprachmodell von ETH Zürich, EPFL und dem Schweizer Supercomputing-Zentrum CSCS, veröffentlicht im September 2025 in den Größen acht und siebzig Milliarden Parameter unter Apache 2.0. Trainiert wurde es auf 15 Billionen Textbausteinen und über tausend Sprachen. Der Unterschied zu vielen als „offen" beworbenen Modellen: Nicht nur die Gewichte sind herunterladbar, sondern auch Architektur, Trainingsdaten und Methode sind dokumentiert und reproduzierbar. Die Trainingsdaten wurden gefiltert, personenbezogene Daten entfernt und Widersprüche von Webseitenbetreibern respektiert. Es gibt sogar einen nachgelagerten Ausgabefilter, mit dem sich später eingegangene Löschanfragen berücksichtigen lassen.

Für die Praxis heißt das: Apertus 70B liegt leistungsmäßig etwa in der Klasse der offenen Modelle seiner Generation und nicht an der Weltspitze. Bei der Befolgung genauer Anweisungen hat es messbar Nachholbedarf. Dafür ist es das Modell, bei dem Sie jeder Aufsichtsbehörde erklären können, woraus es besteht. Im Juni 2026 ist eine kompakte Variante mit vier Milliarden Parametern erschienen, die auf einer normalen Grafikkarte läuft; eine Version 1.5 mit Verbesserungen bei Multimodalität, Werkzeugnutzung und Reasoning war angekündigt. Auf Apertus-Basis entstehen Fachmodelle, darunter ein medizinisches Modell, das seit Mai 2026 in einem Schweizer Universitätsspital erprobt wird. Der Kanton Tessin übersetzt seit März 2026 amtliche Dokumente mit einer feinabgestimmten Apertus-Variante.

→ https://huggingface.co/swiss-ai

Teuken-7B: alle 24 EU-Amtssprachen von Grund auf

Aus dem Forschungsprojekt OpenGPT-X unter Leitung der Fraunhofer-Institute IAIS und IIS stammt Teuken-7B: sieben Milliarden Parameter, von Grund auf mit allen 24 EU-Amtssprachen trainiert, rund die Hälfte der Trainingsdaten nicht englisch. Beteiligt waren unter anderem das Forschungszentrum Jülich, die TU Dresden, das DFKI, IONOS, Aleph Alpha und der WDR. Für kommerzielle Nutzung steht eine Variante unter Apache 2.0 bereit.

Teuken ist kein Konkurrent für große Sprachmodelle, und es wird auch nicht als solcher verkauft. Sein Wert liegt an anderer Stelle: Es ist klein genug, um auf überschaubarer Hardware zu laufen, es behandelt europäische Sprachen gleichmäßig, und sein Zeichenbaustein-Verfahren braucht für nicht englische Texte weniger Rechenaufwand als vergleichbare Modelle. Wer ein Modell für einen engen Anwendungsfall selbst feinabstimmen will, etwa Klassifizierung von Anfragen in mehreren Sprachen, hat hier eine gute und sauber dokumentierte Grundlage.

→ Fraunhofer IAIS: OpenGPT-X

Bild, Video, Stimme und Übersetzung: hier ist Europa stark

Black Forest Labs: FLUX aus Freiburg

Wenn es einen Bereich gibt, in dem ein europäisches Team weltweit führt, dann ist es Bildgenerierung. Black Forest Labs aus Freiburg wurde von den Forschern gegründet, die die Latent-Diffusion-Architektur und Stable Diffusion entwickelt haben. Die FLUX-Modelle stecken in Adobe Photoshop, Picsart und einer Reihe weiterer Werkzeuge. Die Familie FLUX.2 reicht von einer schnellen kompakten Variante mit vier Milliarden Parametern unter Apache 2.0, die auf einer Consumer-Grafikkarte mit rund 13 GB Speicher läuft, bis zu den gehosteten Profi-Varianten.

Am 23. Juli 2026 kam FLUX 3: ein multimodales Modell, das Bild, Video, Ton und Handlungsvorhersage in einer gemeinsamen Architektur trainiert, statt getrennte Modelle hinter eine gemeinsame Oberfläche zu stellen. Es erzeugt Videoclips von bis zu zwanzig Sekunden mit synchron erzeugtem Ton und wird über eine Robotik-Variante bereits von einem Automobilhersteller getestet. Wichtig für die Planung: Zum Start ist nur Video im Early Access verfügbar, die Bildvariante war für die Wochen danach angekündigt, und die offen herunterladbare Fassung ist für später im Jahr 2026 vorgesehen. Wer FLUX genau wegen der offenen Gewichte einsetzt, arbeitet also weiter mit FLUX.2.

Für den betrieblichen Einsatz interessant: Ein deutsches Unternehmen als Anbieter, Betrieb über europäische Infrastruktur möglich und offene Gewichte für den Fall, dass Bilddaten das Haus nicht verlassen dürfen. Genau dieser Fall tritt häufiger ein, als man denkt, etwa bei Produktfotos vor der Markteinführung.

→ https://bfl.ai

DeepL: der Maßstab bei Übersetzung

DeepL aus Köln ist das seltene Beispiel eines europäischen Anbieters, der in seiner Kategorie unbestritten vorn liegt. Die Übersetzungsqualität im deutschen und europäischen Sprachraum bleibt der Referenzwert, an dem sich große Allzweckmodelle messen müssen. Das Portfolio ist inzwischen breiter: Textverbesserung, Sprachfunktionen, API und fertige Anbindungen an die üblichen Büroumgebungen. Die Infrastruktur läuft auf eigenen Servern in Europa, ergänzt um Rechenkapazität in einem schwedischen Rechenzentrum.

Anders als Mistral oder Apertus gibt DeepL keine Modellgewichte heraus. Es bleibt eine API-Bindung, allerdings eine mit europäischem Vertragspartner. Für Handbücher, Verträge, Produktdaten und mehrsprachige Websites ist das nach unserer Erfahrung die pragmatischste Lösung, weil die Qualität pro eingesetztem Aufwand kaum zu schlagen ist.

→ https://www.deepl.com

ElevenLabs und Kyutai: zwei Wege zur Stimme

ElevenLabs ist bei synthetischen Stimmen die erste Adresse: Sprachausgabe in Studioqualität, Stimmklone, Synchronisation in andere Sprachen und Sprachagenten für Telefonie. Das Unternehmen wurde im Februar 2026 mit elf Milliarden Dollar bewertet. Der Zugang läuft über eine gehostete Plattform.

Der entgegengesetzte Ansatz kommt von Kyutai, einem gemeinnützigen Labor aus Paris. Dessen Modell Moshi führt einen vollduplexen Sprachdialog, also gleichzeitig hören und sprechen statt abwechselnd, und es gibt kompakte Text-to-Speech-Modelle, die sogar auf einer CPU laufen. Alles offen verfügbar. Für einen Sprachassistenten, der ohne Internetverbindung im Gebäude arbeiten soll, ist das die interessantere Grundlage.

→ https://elevenlabs.io
→ https://kyutai.org

Spezialisten: Dokumente, Agenten, Sprachräume

LightOn aus Frankreich baut keine Chat-Modelle, sondern Dokumentenintelligenz: Texterkennung, Bild-Sprach-Modelle für Formulare und Zeichnungen, Suche und Retrieval. Das offene Texterkennungsmodell unter Apache 2.0 ist für Betriebe interessant, die Papierberge digitalisieren müssen, ohne die Inhalte an einen externen Dienst zu geben. H Company, ebenfalls aus Paris, arbeitet an agentischer Automatisierung: Modelle, die Oberflächen bedienen und mehrstufige Aufgaben abarbeiten. AMD Silo AI aus Finnland liefert offene Modelle mit Schwerpunkt auf nordischen Sprachen und ist heute Teil von AMD.

Stability AI aus Großbritannien ist der Ursprung eines großen Teils der offenen Bildgenerierung und veröffentlicht weiterhin offene Modelle für Bild, Video und Audio. Hugging Face schließlich ist kein Modellanbieter im engeren Sinn, aber ohne diese Plattform gäbe es das europäische Ökosystem in dieser Form nicht: Sie ist die Drehscheibe, über die praktisch jedes offene Modell verteilt, verglichen und weiterentwickelt wird.

Was 2026 und 2027 noch kommt

Zwei große Vorhaben sind noch nicht am Ziel, aber weit genug, um sie einzuplanen. OpenEuroLLM ist eine Allianz aus zwanzig europäischen Forschungseinrichtungen, Unternehmen und Höchstleistungsrechenzentren, gestartet im Februar 2025. Ziel sind vollständig offene, mehrsprachige Modelle für 35 Sprachen, samt offener Daten und Evaluierung, ausgerichtet auf die KI-Verordnung. Erste Modelle waren für Mitte 2026 angekündigt; berichtet wird von deutlichen Engpässen bei der Rechenkapazität, und Frontier-Größe ist für diese erste Generation nicht zu erwarten.

Das Soofi-Konsortium arbeitet nach Soofi S auf ein offenes Modell mit rund 100 Milliarden Parametern hin, ausgelegt auf industrielle Anwendungen, technische Dokumente, Codeerzeugung und agentische Systeme, mit abgeleiteten Reasoning-Modellen. Der Zeitplan zielt auf Ende 2026. Parallel läuft die Arbeit an Apertus 1.5 und an dem mehrsprachigen Projekt EuroLLM.

Was das für eine Entscheidung heute bedeutet: Warten lohnt nicht. Bauen Sie so, dass das Modell austauschbar ist. Wer seine Anwendung hinter eine schmale eigene Schnittstelle legt, kann später ein europäisches Modell nachziehen, ohne die Anwendung neu zu schreiben. Genau das ist die eigentliche Absicherung, nicht die Wahl des Modells von heute.

Wo die Modelle laufen: die Infrastruktur

Ein Modell ist nur die halbe Entscheidung. Die andere Hälfte ist der Ort, an dem es rechnet. Diese Anbieter sind 2026 relevant:

• Deutsche Telekom / T-Systems Industrial AI Cloud: rund 10.000 Nvidia-Blackwell-Grafikkarten, etwa 0,5 ExaFLOPS Rechenleistung, betrieben auf deutschem Boden. Hier wurde Soofi S trainiert. Ausgelegt auf größere Vorhaben mit entsprechender Mindestabnahme. https://www.t-systems.com
• IONOS AI Model Hub: deutsche Plattform für Text- und Bildmodelle per API, gehostet in ISO-zertifizierten Rechenzentren in Deutschland, mit Anbindung von Vektordatenbanken für Suche über eigene Dokumente und einer Integration in Nextcloud. Für kleine und mittlere Unternehmen der niedrigschwelligste Einstieg. https://cloud.ionos.de/managed/ai-model-hub
• STACKIT: Cloud der Schwarz-Gruppe, unter anderem Betriebsumgebung für PhariaAI. https://www.stackit.de
• OVHcloud und Scaleway: französische Anbieter mit GPU-Instanzen und eigenen Modell-Endpunkten, oft die günstigere Variante für Eigenbetrieb offener Modelle. https://www.ovhcloud.com · https://www.scaleway.com
• Nextcloud: keine Rechenleistung, aber die Arbeitsumgebung, in der viele Betriebe KI-Funktionen datenschutzfreundlich nutzen möchten. https://nextcloud.com

Der Aufpreis gegenüber den großen internationalen Anbietern lag nach Marktbeobachtungen 2026 im Bereich von etwa fünfzehn bis fünfunddreißig Prozent und sinkt, während die Kapazitäten wachsen. Für kleine Lasten fällt er in der Praxis kaum auf.

Was Sie damit konkret machen können

Die Modellauswahl wird greifbar, sobald man von der Aufgabe her denkt. Acht Fälle aus dem betrieblichen Alltag:

Auffällig ist, was in dieser Tabelle nicht steht: kein Fall, in dem ausschließlich ein Spitzenmodell aus den USA funktioniert. Bei den härtesten Denk- und Programmieraufgaben liegen diese weiter vorn, und dann setzt man sie sinnvollerweise ein. Für den Alltag reicht das europäische Angebot.

DSGVO: was europäische Modelle lösen und was nicht

Hier wird am meisten durcheinandergebracht, deshalb sauber getrennt. Die DSGVO regelt die Verarbeitung personenbezogener Daten. Sie fragt nicht, ob ein Anbieter europäisch ist, sondern wer Verantwortlicher ist, auf welcher Rechtsgrundlage verarbeitet wird, wer als Auftragsverarbeiter beteiligt ist und ob Daten in Drittländer gelangen. Ein Modell aus Paris hilft dabei erheblich, ist aber kein Freibrief.

Was ein europäischer Anbieter oder ein selbst betriebenes offenes Modell tatsächlich verbessert:

• Kein Drittlandtransfer. Wenn Verarbeitung und Speicherung in der EU stattfinden und kein Unterauftragsverarbeiter außerhalb sitzt, entfällt die gesamte Prüfung zur Übermittlung in Drittländer.
• Kein Zugriffsrisiko durch fremdes Recht. Der US CLOUD Act verpflichtet dort ansässige Anbieter zur Herausgabe von Daten, auch wenn diese in Europa liegen, teilweise verbunden mit Schweigepflichten. Ein Anbieter ohne US-Konzernmutter kennt dieses Problem nicht.
• Nachweisbarkeit. Bei Eigenbetrieb protokollieren Sie selbst, was verarbeitet wurde. Das ist für Rechenschaftspflichten und Auskunftsanfragen der einfachere Weg.
• Löschung wirkt. Bei einem Modell auf eigener Hardware bedeutet Löschen tatsächlich Löschen und nicht die Zusage eines Dritten.

Was auch bei einem europäischen Anbieter Ihre Aufgabe bleibt:

• Auftragsverarbeitungsvertrag nach Artikel 28 abschließen und die Liste der Unterauftragsverarbeiter anfordern. Genau dort tauchen häufig doch wieder außereuropäische Dienste auf.
• Rechtsgrundlage für die Verarbeitung festlegen und dokumentieren, dazu Verarbeitungsverzeichnis und, bei riskanteren Vorhaben, eine Datenschutz-Folgenabschätzung.
• Trainingsnutzung ausschließen. Die Zusage, dass Ihre Eingaben nicht in die Weiterentwicklung von Modellen einfließen, gehört schriftlich in den Vertrag, nicht auf eine Marketingseite.
• Speicherfristen klären. Viele Anbieter halten Anfragen für eine gewisse Zeit vor, etwa zur Missbrauchserkennung. Das ist eine Verarbeitung, die begründet und befristet sein muss.
• Datenminimierung. Der wirksamste Schritt ist unabhängig vom Anbieter: keine personenbezogenen Daten übergeben, wo es nicht nötig ist. Pseudonymisieren vor der Verarbeitung senkt das Risiko stärker als jede Vertragsklausel.
• Betroffenenrechte. Auskunft, Berichtigung und Löschung müssen auch für Inhalte funktionieren, die in Wissenssammlungen und Vektordatenbanken gelandet sind. Diese Nebenspeicher werden regelmäßig vergessen.

Eine Sonderfrage kommt bei offenen Modellen immer wieder: Was passiert, wenn personenbezogene Daten aus dem Internet im Trainingsmaterial gelandet sind? Sauber gelöst hat das bisher nur Apertus, wo Trainingsdaten gefiltert wurden, Widersprüche von Webseitenbetreibern berücksichtigt sind und ein nachgelagerter Ausgabefilter bereitsteht, der später eingegangene Löschanfragen umsetzt. Das ist der Grund, warum Apertus in Verwaltungen auftaucht, obwohl es nicht das leistungsfähigste Modell ist.

KI-Verordnung: der Stand und was daraus folgt

Die KI-Verordnung der EU gilt parallel zur DSGVO, nicht anstelle. Sie greift stufenweise: Verbotene Praktiken und die Pflicht, dass Beschäftigte im Umgang mit KI geschult sind, wirken bereits. Die Pflichten für Anbieter von Allzweckmodellen sind seit August 2025 wirksam. Weitere Stufen mit Schwerpunkt auf Hochrisiko-Anwendungen folgen im August 2026 und 2027. Die Bußgeldrahmen liegen über denen der DSGVO.

Für ein mittelständisches Unternehmen sind drei Dinge praktisch relevant. Erstens: Prüfen Sie, ob Ihr Einsatzfall überhaupt als Hochrisiko gilt. Ein Textassistent für Angebote ist es normalerweise nicht, ein System zur Vorauswahl von Bewerbern sehr wohl. Zweitens: Kennzeichnungspflichten bei erzeugten Inhalten und bei Chatbots, mit denen Kunden sprechen, sind einfach umzusetzen, wenn man sie von Anfang an mitdenkt. Drittens: Die Schulungspflicht ist keine Formalie, sondern der Punkt, an dem in einer Prüfung zuerst nachgefragt wird. Wer europäische Anbieter nutzt, deren Dokumentation von Anfang an auf diese Anforderungen ausgelegt ist, hat hier weniger Arbeit.

Ehrliche Einordnung: die Grenzen

Damit dieser Beitrag nicht als Jubelmeldung endet, die harten Punkte:

• Bei den schwierigsten Denkaufgaben liegen die Spitzenmodelle aus den USA klar vorn. Mistral Large 3 ist kein reines Reasoning-Modell und fällt in diesen Vergleichen entsprechend ab.
• Apertus 70B bewegt sich in der Klasse offener Modelle seiner Generation, nicht an der Weltspitze, und hat bei genauer Anweisungsbefolgung messbaren Nachholbedarf.
• Teuken-7B ist ein Forschungsmodell in kleiner Größenklasse. Wer damit ChatGPT ersetzen will, wird enttäuscht.
• Soofi S ist noch nicht frei zugänglich, und das große 100-Milliarden-Modell existiert bisher als Plan mit Zeitplan, nicht als Produkt.
• Bei OpenEuroLLM ist von deutlichen Engpässen bei der Rechenkapazität die Rede. Das ist das strukturelle Problem europäischer KI: Talent und Ideen sind vorhanden, Grafikkarten in ausreichender Zahl bislang nicht.
• Aleph Alpha entwickelt keine eigenen großen Sprachmodelle mehr in der ursprünglich geplanten Form, sondern setzt auf offene Modelle als Grundlage der eigenen Plattform.
• Das Ökosystem drumherum ist kleiner. Für US-Modelle finden Sie zu jeder Frage eine Anleitung, für europäische Modelle bauen Sie mehr selbst.

Der vernünftige Schluss daraus ist kein Bekenntnis, sondern ein Aufbau: sensible Verarbeitung europäisch oder lokal, anspruchsvolle Sonderfälle beim besten verfügbaren Modell, und eine Architektur, die den Wechsel jederzeit erlaubt. Wie das im Detail aussieht, haben wir in unserem Beitrag zu lokalen und offenen KI-Modellen und in der Begründung für eine eigene KI-Strategie ausgeführt.

Entscheidungsraster in vier Fragen

1. Sind personenbezogene oder vertrauliche Daten im Spiel? Wenn ja, kommen nur europäischer Anbieter mit belastbarem Vertrag oder Eigenbetrieb in Frage.
2. Dürfen die Daten das Haus verlassen? Wenn nein, brauchen Sie offene Gewichte: Ministral, Apertus, Teuken, FLUX.2 oder ein Kyutai-Sprachmodell.
3. Wie hoch ist die Qualitätsanforderung an einer einzelnen Antwort? Für Standardtexte reichen kleine Modelle. Für heikle Formulierungen nehmen Sie das größte verfügbare.
4. Was passiert, wenn der Anbieter morgen anders arbeitet? Wenn die Antwort „dann steht mein Prozess" lautet, gehört das Modell hinter eine austauschbare Schnittstelle.

Was wir davon einsetzen

Wir arbeiten gemischt und sagen das offen. Für Texterzeugung und Programmierung nutzen wir die jeweils stärksten verfügbaren Modelle. Sobald Kundendaten im Spiel sind, wandert die Verarbeitung auf europäische Infrastruktur oder auf Hardware, die dem Kunden gehört. Bildgenerierung läuft bei uns über FLUX und vergleichbare Modelle, Übersetzungen über DeepL, kleine Klassifizierungs- und Auswerteaufgaben über Modelle, die lokal auf einem eigenen Server laufen und damit ohne laufende Nutzungsgebühren arbeiten.

Das Muster dahinter ist immer dasselbe: Die Anwendung kennt kein Modell, sondern eine Schnittstelle. Was dahinter rechnet, ist eine Betriebsentscheidung und keine Frage der Software. Genau so bauen wir es auch für Kunden, per Telefon und Bildschirmübertragung eingerichtet und danach betreut.

Stand der Angaben: 30. Juli 2026. Modellversionen, Verfügbarkeiten und Lizenzen in diesem Feld ändern sich schnell; die verlinkten Anbieterseiten sind die verbindliche Quelle. Marken- und Produktnamen gehören den jeweiligen Anbietern und werden hier ausschließlich zur Beschreibung genannt.