Kolibri: Deutsches KI-Modell für das eigene Rechenzentrum
Aleph Alpha gibt Kolibri als offene Gewichte frei. Das Modell läuft im eigenen Rechenzentrum, Lizenz und Trainingsdaten setzen der Souveränität Grenzen.
Aleph Alpha hat am 3. Oktober Kolibri freigegeben, ein in Deutschland gebautes Sprachmodell mit 78 Milliarden Parametern. Die Gewichte stehen unter Apache 2.0 und laufen auf eigener Hardware. Souveränität wird damit für Verwaltung und Industrie eine Frage des eigenen Rechenzentrums. Lizenz, Datenherkunft und der geplante Zusammenschluss mit Cohere begrenzen diese Souveränität.
Das Wichtigste in Kürze
- Kolibri läuft unter Apache 2.0 auf eigener Hardware. Von 78 Milliarden Parametern sind pro Token 3,46 Milliarden aktiv, in FP8 belegt das Modell rund 78 GB.
- Die Lizenz deckt nur Gewichte und Konfiguration. Code, Architektur und Trainingsverfahren sind ausgenommen, der Betrieb setzt das Paket aleph-alpha-inference voraus.
- Synthetische Trainingsdaten stammen auch aus GLM und Qwen. Der Hersteller selbst steht vor dem Zusammenschluss mit Cohere, der noch auf behördliche Genehmigungen wartet.
Verwandt:Soofi S: souverän heißt nicht Sieger / Souverän bei Daten, abhängig beim KI-Modell
Ein deutsches Modell zum Selbstbetrieb
Aleph Alpha hat Kolibri 1 am 3. Oktober auf Hugging Face veröffentlicht. Das Modell umfasst 78 Milliarden Parameter, pro Token rechnet es mit 3,46 Milliarden davon. Den Anspruch formulierte der Heidelberger Hersteller in seiner Ankündigung auf X knapp: Die Gewichte gehörten jetzt den Nutzern und ließen sich unter Apache 2.0 auf eigener Hardware betreiben.
Gebaut wurde Kolibri in Deutschland, trainiert auf Infrastruktur in Deutschland und Finnland mit 768 B200-GPUs. Laut Ankündigung sind 21,3 Prozent der Pre-Training-Token Deutsch, die Modellkarte nennt für den Pre-Training-Korpus einen etwas höheren Anteil.
Das Pre-Training umfasste 20.000 Milliarden Token, über alle Trainingsphasen waren es fast 24.000 Milliarden.
Als Einsatzfeld nennt Aleph Alpha souveräne, missionskritische Arbeit in regulierten Bereichen, darunter öffentliche Verwaltung, Industrie sowie Luft- und Raumfahrt. Im Eigenbetrieb können Anfragen und Daten im eigenen Rechenzentrum bleiben.
Was ist ein Open-Weight-Modell? Ein Open-Weight-Modell ist ein trainiertes KI-Modell, dessen Gewichte der Hersteller zum Download freigibt. Betreiber können es damit auf eigenen Servern ausführen, Anfragen laufen nicht über eine Cloud-Schnittstelle des Herstellers. Ob auch Trainingscode, Daten und Verfahren offenliegen, hängt von der jeweiligen Veröffentlichung ab.
Was der Eigenbetrieb verlangt
In FP8 belegt Kolibri rund 78 GB Speicher. Als Minimum nennt Aleph Alpha zwei A100 in der 80-GB-Variante, zwei H100 SXM5 oder eine einzelne H200, B200 oder B300. Damit passt das Modell auf einen einzelnen aktuellen GPU-Server.
Trainiert ist Kolibri auf 262.144 Token Kontext. Validiert hat der Hersteller das Modell bis 1.048.576 Token, für Effizienz und komplexe Aufgaben empfiehlt er aber höchstens die trainierte Länge.
Dass Kolibri auch auf einem Arbeitsplatzsystem läuft, zeigen erste Messungen aus dem Nvidia-Entwicklerforum. Auf einer einzelnen DGX Spark kam ein Nutzer mit Standard-vLLM auf rund 20 Token pro Sekunde beim Dekodieren, ein zweiter mit optimiertem Build auf rund 48. Beides sind Einzelmessungen ohne Bezug zum Hersteller.
Lizenz und Herkunft der Daten
Apache 2.0 gilt bei Kolibri für Gewichte und Konfigurationsdateien. Ausdrücklich ausgenommen sind zugrundeliegender Code, Modellarchitektur, Parametereinstellungen und jedes Trainingsverfahren. Für den Betrieb setzt Aleph Alpha das eigene Paket aleph-alpha-inference voraus.
Betreiber halten die Gewichte damit unter einer freien Lizenz, unabhängig davon, wem der Hersteller künftig gehört. Für den laufenden Betrieb bleiben sie auf dessen Inferenz-Paket angewiesen.
Für synthetische Trainingsdaten hat Aleph Alpha Modelle anderer Hersteller eingesetzt. Laut Tech-Report sind GLM-5.2 und GLM-5.3 von Z.ai sowie Qwen3.8-27B aus dem Qwen-Team von Alibaba die Hauptmodelle, mit denen der Hersteller synthetische Daten erzeugt und Teile offener Datensätze neu generiert hat.
Wharton-Professor Ethan Mollick griff das am Tag der Veröffentlichung auf. Europas neues souveränes Modell sei mit Daten feinabgestimmt, die GLM und Qwen erzeugt hätten, schrieb er auf X. Wer Souveränität auch an der Herkunft der Trainingsdaten misst, findet hier die Grenze des Versprechens.
- Gewichte und Konfiguration unter Apache 2.0
- Training in Deutschland und Finnland
- Rund ein Fünftel deutsche Pre-Training-Token
- Betrieb ab einer einzelnen H200, B200 oder B300
- Code, Architektur und Trainingsverfahren nicht lizenziert
- Betrieb nur mit aleph-alpha-inference
- Synthetische Daten aus GLM und Qwen
- Zusammenschluss mit Cohere wartet auf Genehmigungen
Wie Kolibri im Deutschen abschneidet
In der Tabelle des Herstellers erreicht Kolibri im deutschen Gesamtwert 70,8 Punkte und liegt damit knapp vor GPT-OSS 120B und Qwen3.5 35B-A3B.
| Modell | Deutsch-Gesamtwert (Overall DE) |
|---|---|
| Qwen3.8 27B (dichtes Modell) | 79,9 |
| Kolibri 1 | 70,8 |
| GPT-OSS 120B | 70,2 |
| Qwen3.5 35B-A3B | 69,8 |
Quelle: Herstellertabelle Aleph Alpha, Modellkarte auf Hugging Face
Klar vorn liegt das dichte Modell Qwen3.8 27B mit 79,9 Punkten. Es aktiviert pro Token allerdings fast achtmal so viele Parameter wie Kolibri.
Aleph-Alpha-Chef Ilhan Scheer kündigte am 4. Oktober Kolibri 1.1 an, schneller als gedacht. Für das interne Vorgängermodell nannte er eine Steigerung im Deutschen von 46 auf 71 Punkte in drei Monaten.
Der Hersteller vor der Fusion
Kolibri erscheint gut zwei Wochen, nachdem Aleph Alpha und Cohere am 16. September eine verbindliche Zusammenschlussvereinbarung unterzeichnet haben. Das gemeinsame Unternehmen soll als Cohere auftreten, mit Sitz in Berlin und Toronto. Das Heidelberger Büro soll als Forschungszentrum erhalten bleiben.
Die Unternehmen der Schwarz Gruppe stellen für das deutsch-kanadische Vorhaben 500 Millionen Euro als strukturierte Finanzierung bereit. Vollzogen ist die Transaktion erst mit den abschließenden behördlichen Genehmigungen.
Für Betreiber verschiebt das die Frage, wer hinter Kolibri steht. Die Gewichte von Kolibri 1 bleiben unter Apache 2.0 nutzbar, ihr Betrieb setzt das Inferenz-Paket des Herstellers voraus. Auch das angekündigte Kolibri 1.1 kommt von einem Hersteller, der künftig unter dem Namen Cohere auftreten soll.
Häufige Fragen
Darf Kolibri kommerziell eingesetzt werden?
Die Gewichte stehen unter Apache 2.0, einer Lizenz, die kommerzielle Nutzung erlaubt. Sie gilt für Gewichte und Konfigurationsdateien, Code, Architektur und Trainingsverfahren sind ausgenommen. Für den Betrieb setzt Aleph Alpha das Paket aleph-alpha-inference voraus.
Welche Hardware braucht Kolibri?
In FP8 belegt das Modell rund 78 GB Speicher. Als Minimum nennt Aleph Alpha zwei A100 mit 80 GB, zwei H100 SXM5 oder eine einzelne H200, B200 oder B300. Community-Messungen zeigen, dass Kolibri auch auf einer DGX Spark läuft, mit rund 20 bis 48 Token pro Sekunde.
Was ändert der Zusammenschluss mit Cohere für Kolibri-Nutzer?
Die Vereinbarung vom 16. September ist unterzeichnet, vollzogen wird sie erst nach den abschließenden behördlichen Genehmigungen. Die veröffentlichten Gewichte bleiben unter Apache 2.0 nutzbar. Der Betrieb von Kolibri 1 setzt das Paket aleph-alpha-inference voraus, das der Hersteller stellt.
Lesetipps der Redaktion
cloudmagazinHerunterladbar heißt nicht betreibbarcloudmagazinNvidia kauft Hugging Face: Offene Modelle bleiben wählbarcloudmagazinGPU-Miete ohne Hyperscaler: Was Neo Clouds taugenMehr aus dem MBF Media Netzwerk
MyBusinessFutureWann sich ein deutsches KI-Modell wirklich rechnetBildquelle: KI-generiert (Oktober 2026)
