Ein Modell aus München, trainiert mit Wasser aus dem Eisbach, offen bis auf die Trainingsdaten und mit dem erklärten Ziel, Europas Abhängigkeit von US- und China-KI zu durchbrechen. Klingt nach einem Werbeversprechen? Ist es aber nicht ganz: Mit Soofi S liegt seit dieser Woche erstmals ein vollständiger technischer Report zu einem deutschen KI-Basismodell vor, der sich an Fakten statt an Ankündigungen messen lässt. Wir haben ihn uns angesehen, inklusive der Stellen, an denen die eigene PR über das Ziel hinausschießt.
Vorweg die Einordnung, die in vielen ersten Meldungen fehlt: Soofi S ist kein Konkurrent zu GPT-5 oder Gemini. Es tritt nicht gegen die großen geschlossenen Frontier-Modelle an, sondern gegen andere offene Basismodelle und dort schlägt es sich beachtlich. Was es ist, was es kann und wo die Grenzen liegen, ordnen wir im Folgenden ein.
Was Soofi eigentlich ist
Soofi steht für Sovereign Open Source Foundation Models und ist ein deutsches Konsortialprojekt, das im November 2025 gestartet ist. Ziel ist ein offenes KI-Basismodell, das komplett auf europäischer Infrastruktur trainiert wird und Unternehmen, Behörden und der Wissenschaft eine nachvollziehbare Alternative zu außereuropäischen Modellen bietet.
Koordiniert wird das Projekt vom KI Bundesverband, gefördert mit rund 20 Millionen Euro vom Bundesministerium für Wirtschaft und Energie im Rahmen der europäischen IPCEI-CIS-Initiative (NextGenerationEU). Am Konsortium beteiligt sind unter anderem Fraunhofer IAIS und Fraunhofer IIS, das DFKI, das L3S Research Center der Leibniz Universität Hannover, die Universität Würzburg, die TU Darmstadt sowie die Berliner Hochschule für Technik, dazu zwei Start-ups. Als Cloud- und Infrastrukturpartner stellt die Deutsche Telekom ihre Industrial AI Cloud in München zur Verfügung.
Soofi S: Architektur und Training
Das erste konkrete Ergebnis heißt Soofi S 30B-A3B, ein Mixture-of-Experts-Modell mit 31,6 Milliarden Parametern, von denen pro Token aber nur rund 3,2 Milliarden aktiv sind. Architektonisch orientiert sich das Team an Nvidias Nemotron-3-Reihe: eine Hybrid-Architektur aus Mamba-2-Schichten und klassischer Transformer-Attention. Der Effekt dieser Kombination zeigt sich vor allem bei langem Kontext: Während dichte Modelle mit wachsendem Kontextfenster spürbar an Durchsatz verlieren, bleibt Soofi S nahezu konstant effizient, laut Tech-Report rund neunmal schneller als ein vergleichbares dichtes 14B-Modell, bei einem Kontextfenster von bis zu 1 Million Tokens in der finalen Trainingsphase.
Trainiert wurde auf rund 27 Billionen Tokens, mit gezielt hochgewichtetem deutschem Anteil. Der eigentliche Trainingslauf fand zwischen dem 24. März und dem 13. Mai 2026 statt und verbrauchte etwa 253.000 B200-GPU-Stunden. Bemerkenswert an der Infrastruktur: Die Münchner Anlage läuft vollständig mit erneuerbarer Energie, wird mit Wasser aus dem Eisbach gekühlt, und die Abwärme wird in ein lokales Wärmenutzungskonzept eingespeist. Das ist mehr als ein Nebensatz, Trainingsinfrastruktur „made in Germany“ ist Teil des Souveränitätsanspruchs, nicht nur ein Umweltargument.
Benchmarks: Stark unter offenen Modellen, kein Platz an der Spitze
Hier wird es interessant und hier lohnt sich der Blick über die Pressemitteilung hinaus. Unter den vollständig offenen Basismodellen erzielt Soofi S laut Tech-Report die höchsten aggregierten Werte in Englisch und Deutsch und liegt damit vor Olmo 3 32B und Apertus 70B, obwohl beide Modelle zum Teil deutlich mehr aktive Parameter mitbringen. Bei Code-Benchmarks führt Soofi S in beiden Sprachen unter 17 verglichenen offenen Basismodellen.
Was in den ersten Meldungen gerne unter den Tisch fällt: Soofi S bleibt hinter dem chinesischen Qwen3.5 zurück, das zwar unter offeneren Lizenzbedingungen steht, aber nicht als vollständig offenes Modell im engeren Sinn gilt. Und die Effizienz hat einen Preis: Mit nur rund 3 Milliarden aktiven Parametern ist die Kapazität für reines Faktenwissen begrenzt, und bei anspruchsvoller deutscher Wettbewerbsmathematik liegt Soofi S hinter den besten offenen Modellen. Das Team selbst benennt diese Schwächen im Report offen, ein Detail, das für die Glaubwürdigkeit des Projekts spricht.
Unser Fazit an dieser Stelle: „Souverän“ heißt nicht automatisch „führend“. Soofi S ist ein sehr gutes offenes Modell in seiner Effizienzklasse, aber kein Frontier-Modell, das mit GPT-5 oder Gemini um die Spitzenposition konkurriert. Wer das erwartet, wird enttäuscht.
Offenheit: mehr als ein Marketingversprechen, aber nicht ganz vollständig
Die Offenheit ist tatsächlich das stärkste Argument des Projekts. Veröffentlicht werden sollen die Modellgewichte, ausgewählte Zwischen-Checkpoints, der vollständige Trainings- und Evaluationscode sowie eine detaillierte Aufschlüsselung aller Trainingsdatenquellen, rund 99 Prozent des Trainingsmix sollen sich damit unabhängig nachvollziehen lassen. Das erfüllt die Kriterien der Open Source AI Definition 1.0 und geht damit deutlich weiter als die meisten „offenen“ US-Modelle, die zwar Gewichte, aber selten Trainingsdaten offenlegen.
Ein Wermutstropfen bleibt: Rund 1,3 Prozent der Phase-1-Daten stammen aus einer kommerziell lizenzierten Quelle (Genios), was etwa 1 Prozent des Gesamtkorpus entspricht. Damit erfüllt Soofi S nicht ganz die strengsten europäischen Offenheitsstandards. Die finale kommerzielle Lizenz für die Modellgewichte selbst steht zudem noch nicht fest, für Unternehmen, die auf Rechtssicherheit angewiesen sind, ist das aktuell der wichtigste offene Punkt.
Warum das relevant ist und warum noch nicht sofort
Für Unternehmen, die aus Datenschutz-, Compliance- oder EU-AI-Act-Gründen auf europäische Infrastruktur setzen wollen, ist Soofi S ein wichtiges Signal: Es zeigt, dass ein leistungsfähiges, transparentes Basismodell komplett in Europa trainiert werden kann, ohne dabei den Anschluss an internationale offene Modelle zu verlieren. Für Branchen mit hohem Dokumentations- und Regelwerksanteil, Industrie, öffentliche Verwaltung, regulierte Dienstleister, ist genau das ein potenziell starkes Fundament für eigene Domänen-Modelle.
Wichtig ist dabei die Erwartungssteuerung: Soofi S ist ein Basismodell, kein fertiges Produkt. Es gibt bislang keine produktionsreife Instruct-Variante, kein fertiges Chat-Interface, keinen SaaS-Zugang. Wer heute eine souveräne, DSGVO-konforme LLM-Strategie umsetzen will, kommt derzeit an etablierteren Optionen wie Mistral kaum vorbei. Soofi S befindet sich klar in der Forschungs- und Preview-Phase.
Unsere Einschätzung
Soofi S ist ein solides, gut dokumentiertes Ergebnis eines ambitionierten europäischen Souveränitätsprojekts und in der Kategorie „vollständig offene Basismodelle“ tatsächlich state of the art. Die Kombination aus effizienter Hybrid-Architektur, radikaler Datentransparenz und komplett europäischer Trainingsinfrastruktur ist selten und verdient Anerkennung, gerade weil das Team seine eigenen Schwächen im Tech-Report nicht verschweigt.
Was wir kritisch sehen: Die mediale Einordnung als „deutsche Antwort auf GPT-5“ ist irreführend und tut dem Projekt keinen Gefallen. Soofi S tritt in einer anderen Liga an, schlägt sich dort aber ordentlich, das ist Erfolg genug und braucht keine Übertreibung. Ebenso offen ist die Lizenzfrage, die für den produktiven Einsatz in Unternehmen entscheidend sein wird, und die begrenzte Wissenskapazität des kompakten Modells, die bei faktenlastigen Anwendungen zum Problem werden kann.
Unser Rat: Soofi S im Auge behalten, aber die Erwartungen realistisch halten. Für die europäische KI-Souveränität ist das Projekt ein wichtiger, gut belegter Schritt, für den sofortigen Produktiveinsatz ist es noch zu früh. Sobald produktionsreife Instruct-Varianten und eine finale Lizenz vorliegen, wird sich zeigen, ob aus dem starken Forschungsergebnis auch ein praxistaugliches Werkzeug wird.
Quellen
- Projektseite Soofi S (Infos, Tech-Overview, Kontakt): https://www.soofi.info/soofi-s/
- Projektübersicht (alle Soofi-Modelle): https://huggingface.co/Soofi-Projecthuggingface
Hinweis: Dieser Artikel enthält Inhalte, die mit Unterstützung eines KI-Systems erstellt wurden. Die Inhalte wurden anschließend von einem Menschen mit ❤️ überprüft und bearbeitet, um Qualität und Richtigkeit sicherzustellen.