Globale Dominanz oder technologische Nische? Deutschland im Wettlauf um die KI der Zukunft

Wie kann Deutschland im globalen Wettlauf um die nächste Generation großer KI-Modelle bestehen? Dieser Frage ging der Web-Talk „Globale Dominanz vs. technologische Nische – Deutschlands Chancen im Wettlauf um die KI der Zukunft“ der Plattform Lernende Systeme nach. Bei dem Side-Event zum Digital-Gipfel 2026 diskutierten Vertreterinnen und Vertreter aus Politik, Wissenschaft und Industrie zu den Chancen für Deutschland bei Frontier-Modellen, souveränen Basismodellen und industrieller KI. Die Teilnehmenden waren sich einig, dass hierbei Tempo entscheidend ist, unabhängig von unterschiedlichen Ansätzen und möglichen Herausforderungen bei der Umsetzung.

In seinem Grußwort verwies Engelbert Beyer, Ministerialdirigent im Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR), auf die Hightech Agenda Deutschland und die darin enthaltene Roadmap für Künstliche Intelligenz. Im Mittelpunkt stünden die Fragen, wer die nächste Generation großer Modelle entwickelt, welche neuen Ansätze es gibt und wo Deutschland Wertschöpfung erzielen kann.

Europa zwischen Import und eigener Souveränität

In seinem Impuls gab Alexander Löser, Professor für Data Science an der Berliner Hochschule für Technik (BHT), einen ersten Einblick in die Debatte aus wissenschaftlicher Sicht. Er wies darauf hin, dass Europa zunehmend chinesische und US-amerikanische Modelle nutzt. Das Projekt Soofi (Sovereign Open Source Foundation Models) habe mit 31 Milliarden Parametern aber gezeigt, dass ein eigenes Modell mit überschaubaren Mitteln auf Augenhöhe mit vergleichbaren chinesischen Modellen in Deutschland erstellt werden könne. Die eigentliche Vision hierbei: Unternehmen sollen basierend auf souveränen Basismodellen Expertenmodelle für spezifische Aufgaben und Domänen hinter der eigenen Firewall selbst erstellen und kontinuierlich weiterentwickeln, idealerweise entstehen auf diese Weise verschiedene Expertenmodelle, die zu einem Team, auch Ensemble genannt, zusammengeschlossen werden können.

Industrielle KI: Ungenutzte Daten und der Weg zur hybriden Lösung

Ein zweiter Impuls aus der Industrie kam von Jan Seyler, Head of Advanced Development Analytics and Control bei Festo. Laut Seyler entstünden weltweit in jeder Sekunde rund 900 Gigabyte industrieller Daten, von denen etwa 90 Prozent ungenutzt bleiben. Einer Studie zufolge gelangen 95 Prozent der industriellen KI-Piloten nicht in die Produktion. Sein Lösungsansatz: Intelligenz als Systemeigenschaft verstehen und auf der physikalischen Ebene beginnen. Physikalisches Wissen solle mit Lernverfahren zu hybrider KI verbunden werden.

Wie sich Deutschland im Wettlauf um die KI der Zukunft aufstellen sollte

Die anschließende Panelrunde mit Lucie Flek, Professorin für Data Science & Language Technologies, Universität Bonn, und Peter Rost, Director Business Development Division Public Authorities bei secunet Security Networks, sowie den beiden Impulsgebern unter Moderation von Thomas Schmidt, Leiter der Geschäftsstelle der Plattform Lernende Systeme, vertiefte die Diskussion zunächst rund um die Frage, wie sich Deutschland im Bereich der Frontier-Modelle zukünftig aufstellen müsse.

Es stellen sich interessante Fragen zu Sicherheit, Risiko und Evaluierung, wenn es um die Ergebnisse der Modelle geht. In dem Zusammenhang warnte Lucie Flek am Beispiel eines KI-Modells für die Physikforschung davor, dass ein Modell zwar korrekte Ergebnisse liefern könne, dies aber aus falschen Gründen. Wird ein solches Modell in einem agentischen KI-System eingesetzt, fällt dies unter Umständen lange nicht auf, weil die Ergebnisse plausibel sind. Aber schon eine kleine Änderung in autonomen Prozessketten kann später zu nicht nachvollziehbaren Ausfällen führen. Mit zunehmender Dauer der Nutzung des KI-Systems ist dann aber bereits eine Abhängigkeit von eben diesem entstanden.  

Peter Rost plädierte für einen gezielteren Einsatz großer Modelle. „Die Kanone, mit der oftmals auf Spatzen geschossen wird, also das Frontier-Modell, das benutzt wird, um Glückwunschkartentexte zu schreiben, soll nicht der Standard sein.“ Ziel sei es, dass Deutschland „Exportweltmeister KI-gestützter Produkte“ werde „und nicht Importweltmeister für große Sprachmodelle“. Europäische Modelle seien auch deutlich günstiger in der Entwicklung. Sie fehlten lediglich im Bewusstsein der Anwendenden.

Neuartige KI-Verfahren zur Differenzierung

Im zweiten Teil des Panels wurde die Frage diskutiert, welche neuartigen KI-Verfahren Deutschland entwickeln beziehungsweise weiterentwickeln sollte, um sich im internationalen Wettbewerb zu differenzieren. Als zentralen Ansatz nannte Alexander Löser Ensembles spezialisierter Expertenmodelle auf einem gemeinsamen Basismodell. Das Prinzip gleiche dem Bildungssystem: ein gemeinsames Fundament, im Weiteren Spezialisierung. Mittels eines maschinellen Lernverfahrens ist ein sogenannter Router in der Lage, das jeweils passende Expertenmodell für eine Aufgabe auszuwählen. Die Expertenmodelle sollen sich dabei künftig hinter der Unternehmensfirewall kontinuierlich selbst verbessern können. Dieser Ensemble-Ansatz könnte künftig über Marktplätze für Expertenmodelle auch über Unternehmensgrenzen hinweg verfolgt werden.

Jan Seyler plädierte im Kontext von industrieller KI für eine hybride und neurosymbolische KI: „Intelligenz ist eine Systemeigenschaft, weshalb Entscheidungen auf mehreren Ebenen getroffen werden müssten, je nach Latenzanforderung nah am Aktor.“ Das industrielle KI-System sollte vom physikalischen Wissen ausgehend nach oben aufgebaut werden und nicht von einem Sprachmodell ausgehend nach unten.  

In der Diskussion wurde darüber hinaus die Sicherheit bei KI-Systemen als zentrales Forschungsfeld benannt. Als Wunsch stand eine Modellarchitektur im Raum, die klar zwischen Daten und Anweisungen unterscheidet und so beispielsweise Prompt-Injection erschwert. Lucie Flek verwies darauf, dass Sicherheit auf mehreren Ebenen ansetzen müsse – von antrainierten Verhaltensregeln im Modell bis zu deterministischen Prüfungen von Ausgaben oder möglichen Aktionen durch eine Steuerungsschicht außerhalb davon.

Die wichtigsten nächsten Schritte wurden in der Schlussrunde resümiert: Neben einer gemeinsamen Forschungsinfrastruktur, um Frontier-Modelle zu bauen, zu testen und zu evaluieren, wurde dafür plädiert, KI konsequent auf konkrete Anwendungsfälle auszurichten sowie neurosymbolische und hybride Ansätze zu berücksichtigen. Die Teilnehmenden waren sich einig, dass Tempo und ein konsequentes „Machen“ entscheidend sind, um Deutschlands Chancen im Wettlauf um die KI der Zukunft zu nutzen.

Weitere Informationen:

Petra Brücklmeier
Presse- und Öffentlichkeitsarbeit
Lernende Systeme – Die Plattform für Künstliche Intelligenz
M.: +49 151/62757960
presse@plattform-lernende-systeme.de