Europas erster Exascale-Rechner – wer darf rechnen?
Europas erster Exascale-Rechner läuft. Die Souveränitätsfrage ist nicht die Hardware, sondern der Zugang. Was die JUPITER AI Factory ändert.
JUPITER hat als erster europäischer Rechner die Exaflop-Marke geknackt: 24.000 NVIDIA-Superchips in Jülich, weltweit die Nummer vier, laut Green500 das energieeffizienteste System seiner Klasse. Die spannendere Nachricht steht daneben. Über die JUPITER AI Factory bekommen Startups und Mittelstand Zugang zu dieser Maschine. Souveränität entscheidet sich hier nicht am Besitz der Hardware. Sie entscheidet sich an der Frage, wer rechnen darf.
Das Wichtigste in Kürze
- Die Maschine steht. JUPITER erreicht ein Exaflop bei doppelter Genauigkeit und ist laut Green500 das energieeffizienteste Exascale-System. Für KI-Training zählt eine andere Zahl: über 40 Exaflops bei FP8.
- Zugang ist das eigentliche Asset. Die JUPITER AI Factory bündelt Rechenzeit, Beratung und Training in einer Anlaufstelle für Startups, KMU und Industrie. Rund 55 Millionen Euro Förderung stehen dahinter.
- Knappheit wird zur Verteilungsfrage. Exascale-Rechenzeit ist endlich. Wer wann wie viel bekommt, entscheidet über den praktischen Wert der Souveränität mehr als jede Schlagzeilen-Zahl.
VerwandtEuropas größter Supercomputer geht an den Start / KI-Infrastruktur made in Germany
Die Exaflop-Zahl misst das Falsche
Ein Exaflop bei doppelter Genauigkeit. Das ist die Zahl, die in jeder Meldung steht. Sie beschreibt klassisches Hochleistungsrechnen. FP64 rechnet Klimamodelle, Strömungssimulation, Materialforschung. Für diese Workloads ist JUPITER ein Sprung, den die Wissenschaft lange erwartet hat.
Nur trainiert damit niemand ein Sprachmodell. KI-Training läuft auf FP8, also acht Bit pro Rechenschritt. In dieser Präzision liefert JUPITER über 40 Exaflops. Das ist die vierzigfache Peak-Zahl gegenüber der Schlagzeile. Es ist die Zahl, die für jeden zählt, der auf der Maschine ein Modell rechnen will.
Der Unterschied ist keine Spitzfindigkeit. Er entscheidet, ob die Investition zum eigenen Vorhaben passt. Wer die Peak-Zahl aus der Pressemitteilung nimmt und daraus ableitet, wie schnell sein Trainingslauf durchläuft, rechnet mit der falschen Größe. Die Hardware dahinter ist bekannt: NVIDIA GH200, eine Grace-ARM-CPU eng gekoppelt an eine H100-GPU, vernetzt über Quantum-2-InfiniBand. Kein Geheimnis, aber in dieser Dichte in Europa erstmals verfügbar.
Zugang ist das Asset, nicht der Rechner
Eine Maschine für einen mittleren dreistelligen Millionenbetrag baut kein Mittelständler. Beschaffung und Betrieb von JUPITER liegen zusammen bei rund einer halben Milliarde Euro, getragen von der europäischen Supercomputing-Initiative und dem Bund. Das ist keine Anschaffung, die ein Unternehmen nachbildet. Nachbilden muss es sie auch nicht.
Die JUPITER AI Factory ist die Antwort auf die Zugangsfrage. Sie bündelt Rechenzeit, Beratung, Training und eine Inferenz-Infrastruktur in einer Anlaufstelle, finanziert mit rund 55 Millionen Euro aus EuroHPC, dem Bundesforschungsministerium und den Wissenschaftsministerien in Nordrhein-Westfalen und Hessen. Hinter der Fabrik stehen das Jülich Supercomputing Centre, das KI-Zentrum der RWTH Aachen, die Fraunhofer-Institute FIT und IAIS und das Hessische Zentrum für Künstliche Intelligenz.
Das ist der Punkt, der Souveränität operativ macht. Bei einem Hyperscaler mietet ein Unternehmen ebenfalls Zugang statt Hardware. Nur liegen Governance, Datenresidenz und Vertragsrecht dann in einer anderen Jurisdiktion. JAIF hält Rechenzeit und Kontrolle im selben Rechtsraum. Für sensible Trainingsdaten ist das der Unterschied zwischen einer Compliance-Debatte und einer Buchung.
Wer bekommt Rechenzeit, wenn sie knapp wird?
Exascale ist eine Maschine, nicht viele. Jede Stunde, die ein Startup trainiert, ist eine Stunde, die ein Forschungsprojekt nicht rechnet. Die Wissenschaft bekommt ihre Zeit über Peer-Review-Verfahren der europäischen Vergabe. Wie kommerzielle Nutzer und akademische Anträge gegeneinander gewichtet werden, ist die eigentlich offene Governance-Frage. Sie steht in keiner Pressemitteilung.
Genau hier liegt die Klemme der Souveränität. Zugang zu versprechen ist billig, solange die Maschine leer läuft. Interessant wird es, wenn drei ernstzunehmende Trainingsvorhaben gleichzeitig Kapazität wollen. Dann zeigt sich, ob das Zuteilungsmodell Startups real trägt oder ob sie hinter Forschung und Großindustrie in der Schlange stehen.
- Einstieg ohne eigene Millioneninvestition in GPU-Cluster
- Beratung und Training statt nur roher Rechenzeit
- Daten und Recht bleiben im selben Rechtsraum
- Vergabelogik bei konkurrierender Nachfrage bleibt unscharf
- Konditionen für Dauernutzung sind kein Selbstläufer
- Inferenz im Betrieb braucht weiterhin Nähe zum Nutzer
Was das für den eigenen Stack heißt
JUPITER ist kein Ersatz für die eigene Cloud-Landschaft. Wer Latenz braucht, hält Inferenz nah am Nutzer. Daran ändert eine Exascale-Maschine in Jülich nichts. Der Ort, an dem JAIF Sinn ergibt, ist das Training. Ein großes Modell auf sensiblen Daten, bei dem Datenresidenz und Rechenkosten gegen einen US-Hyperscaler sprechen, ist der klare Kandidat.
Als Default-Cloud würde ich die Maschine nicht behandeln. Als spezialisierten Compute-Burst für Trainingsläufe, die sonst teuer oder rechtlich heikel würden, ergibt sie Sinn. Das ist die nüchterne Einordnung. Ein hybrides Muster, in dem der souveräne Exascale-Cluster die schweren Trainings übernimmt und der Betrieb dort bleibt, wo die Nutzer sind.
Die Maschine läuft. Der Rest ist eine Frage der Konditionen, der Vergabe und der eigenen Workloads. Souveränität ist kein Zustand, den man mit einer Einweihung erreicht. Sie ist die tägliche Antwort darauf, wer rechnen darf.
Häufige Fragen
Was ist die JUPITER AI Factory genau?
Eine zentrale Anlaufstelle, über die Startups, Mittelstand, Industrie und öffentlicher Sektor Zugang zum Exascale-Rechner JUPITER bekommen. Sie liefert nicht nur Rechenzeit, sondern auch Beratung, Training und Dienste für Datenaufbereitung und KI-Modelle. Getragen wird sie vom Jülich Supercomputing Centre gemeinsam mit RWTH Aachen, Fraunhofer und hessian.AI.
Kann mein Unternehmen JUPITER wirklich nutzen?
Das ist der erklärte Zweck der AI Factory. Der Fokus liegt ausdrücklich auf kleinen und mittleren Unternehmen sowie Startups, nicht nur auf Konzernen. Der reale Engpass ist nicht die Berechtigung, sondern die Kapazität, wenn viele Vorhaben gleichzeitig Rechenzeit anfragen.
Warum ist ein Exaflop nicht die relevante Zahl für KI?
Ein Exaflop beschreibt die Leistung bei doppelter Genauigkeit (FP64), also klassisches wissenschaftliches Rechnen. KI-Training läuft auf FP8. In dieser Präzision liefert JUPITER über 40 Exaflops. Für die Einschätzung eines Trainingsvorhabens ist die FP8-Zahl die maßgebliche.
Was kostet der Zugang zu JUPITER?
Verbindliche Preise sind nicht pauschal veröffentlicht. Die Förderung von rund 55 Millionen Euro senkt die Einstiegshürde bewusst, die konkreten Konditionen laufen über die AI Factory als Anlaufstelle und hängen vom Vorhaben ab. Wer plant, klärt Umfang und Kosten dort direkt.
Bildquelle: KI-generiert (Juli 2026)
