Veröffentlicht am

264 Milliarden Euro geben europäische Organisationen pro Jahr für nicht-europäische Technologien aus

Image by Willfried Wende from Pixabay

Es ist bekannt, dass alleine der Bund pro Jahr ca. 500 Millionen Euro alleine an Microsoft-Lizenzen bezahlt. Weniger bekannt ist, dass auf der europäischen Ebene die Beträge sehr viel höher sind, wenn wir digitale Technologien insgesamt betrachten. Es sind sage und schreibe 242 Milliarden Euro, die europäische Organisationen pro Jahr für nicht-europäische Technologien ausgeben. Auf der Seite von EuroCommons sind dazu insgesamt 11 kritische Komponenten genannt.

€264bn spent every year by European organisations on non-European digital technologies.

A call to large European public and private organisations and to open source vendors to join collective working groups — coalitions — to plan, prepare, finance and execute concrete migrations away from proprietary software dependencies. Together. In project mode. With peers facing the same problems.

Source: EuroCommons (abgerufen am 26.08.2026)

Es ist natürlich weltfremd, wenn man von heute auf morgen alle technologischen Abhängigkeiten durch europäische Lösungen ersetzen wollte, doch wird seit einiger Zeit mehr umgesetzt, als man es noch vor wenigen Jahren gedacht hat.

Wie wäre es, wenn man auf europäischer Ebene nur 50% der 264 Milliarden Euro, also immerhin 132 Milliarden Euro, in europäische Technologie investieren würde?

Beispielsweise ersetzen immer mehr Open Source Lösungen wie Nextcloud, OnlyOffice usw. die bekannten Microsoft-Produkte und auch auf der Ebene der Künstlichen Intelligenz gibt es sehr viele europäische, ja sogar länderspezifische Open Source KI-Modelle. etc. Siehe dazu auch Open Street Map: Europäische Open Source KI Modelle in den jeweiligen Landessprachen.

Neben der wirtschaftlichen Komponente ist allerdings auch ein möglicher Kill Switch ein bedeutender Treiber für die Entwicklung zur Digitalen Souveränität.

„In der öffentlichen Diskussion ist der „Kill Switch“, also die Einschränkung oder Abschaltung digitaler Dienste für einzelne Personen, Organisationen oder sogar ganze Staaten, ein viel beachtetes Thema. Eine zentrale Rolle spielt dabei US-Präsident Donald Trump, der öffentlich damit gedroht hat, den Zugang zu US-Digitaldiensten, wie denen der Hyperscaler, einzuschränken oder vollständig zu sperren“ (Lünendonk-Studie 2026).

Durch die Nutzung von Open Source Anwendungen im Rahmen europäischer Werte und Normen können neue, innovative Ansätze entstehen, die sich von den chinesischen und US-amerikanischen Vorgehen unterscheiden. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Wie so etwas für innovative Kleine und Mittlere Unternehmen (KMU) in Europa in Bezug auf Künstliche Intelligenz aussehen kann, stelle ich in zwei Paper auf der MCP-Konferenz 2026, vom 16.-19.09.2026 in Balatonfüred (Ungarn) vor:

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Veröffentlicht am

Open Source AI: Das Modell Olmo 1B auf dem eigenen Laptop nutzen (Edge Computing)

https://allenai.org/olmo

Das Allen Institute Ai2 ist eine non-profit Organisation mit Sitz in Seattle. Sie hat sich das Ziel gesetzt, Open Source AI Modelle für allgemeine oder spezielle Anwendnungen bereitzustellen. Die Modelle sind also keine Open Weight, sondern wirkliche Open Source Modelle.

In diesem Beitrag soll es um das Olmo-Modell 1B gehen, das so klein und dennoch leistungsstark ist, dass es auf einem handelsüblichen Laptop laufen kann (Edge Computing). Da ich die Ollama-App auf meinem Laptop installiert habe, konnte ich das Modell mit dem folgenden Befehl (cmd) unter Windows 11 herunterladen. Der Vorteil einer aktuellen Version der Ollama-App ist, dass diese schon GGUF-Modelle nutzen kann:

ollama run hf.co/NikolayKozloff/AMD-OLMo-1B-Q8_0-GGUF:latest

Nachdem der Download abgeschlossen war, wurde mir das Modell in der Ollama-App sofort in den Auswahlmöglichkeiten angezeigt – allerdings als Olmo 2 (Abbildung). Der Grund liegt in der Architekturverwandtschaft der Modelle und der Benennung bei Huggingface. Ai2 hat das Modell Olmo 1B auf Basis von Olmo 2 für das Edge Computing optimiert.

Screenshot aus der Ollama-App mit OLMo2 (OLMo 1B) und einer Abfrage zu Open User Innovation

Meine Frage nach Open User Innovation wurde zügig und gut beantwortet. Es ist schon erstaunlich, dass so kleine Modelle auf dem eigenen Laptop problemlos laufen und auch noch brauchbare Antworten liefern.

Gerade für Kleine und Mittlere Unternehmen (KMU) stellen Open Source KI-Modelle eine gute Basis dar, unabhängiger von den großen KI-Modellen zu werden, denn für viele Anwendungen reichen auch kleine Modelle aus. Gerade wenn man diese dann noch mit den eigenen Daten nutzt und diese dann auf dem eigenen Laptop bleiben – ein unschätzbarer Schritt in Richtung der Digitalen Souveränität. Siehe dazu auch

Die neue Olmo3 Modell-Familie

Open Source AI: Molmo 2 mit Schwerpunkt auf Videos

Mit FlexOlmo Trainingsmodelle kollaborativ erarbeiten – eine interessante Idee

Auf der MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich auf diese Zusammenhänge in zwei Präsentationen ein.

Veröffentlicht am

Intelligence per Watt: Gelieferte Intelligenz und Ressourcenverbrauch

Saad-Falcon et al. (2025)

Aktuell wird weltweit sehr viel Geld für große Rechenzentren eingesammelt und investiert. Die Story ist, dass große KI-Modelle sehr große Rechenkapazitäten benötigen, um riesige Datenmengen zu bearbeiten und um schnelle Antwortzeiten für immer mehr Nutzer zu liefern. Ganz im Sinne von je größer umso besser. Ob diese Story ein gutes Ende haben wird bleibt abzuwarten. Siehe dazu Künstliche Intelligenz: Enormer Ressourcenverbrauch großer KI-Modelle.

Parallel dazu gibt es eine Entwicklung, die auf dezentrale Systeme setzt und die Rechenleistung von vielen lokalen Hardwarestrukturen nutzen möchte. Solche lokalen KI-Anwendungen (Local AI) werden nachweislich immer beliebter. Das hat mehrere Gründe: (1) Einerseits sind es natürlich auch die immensen Kosten, die gerade Kleine und Mittelständische Unternehmen (KMU) kaum mehr kalkulieren können (Stichwort: Abrechnung in Token), (2) Datensicherheit und Digitale Souveränität, (3) Zukunftsfähigkeit eines eigenen KI-Systems, das auf Open Source AI setzt.

Nun kann man anführen, dass die lokal ausführbaren Open Weight und Open Source KI-Modelle nicht so leistungsfähig sind, im Vergleich zu den proprietären KI-Modellen. Dass dem nicht mehr so ist, zeigt unter anderem der AI Report 2026 der Stanford University. Siehe dazu auch Anteil US amerikanischer KI-Modelle geht weltweit zugunsten von Open Source AI zurück.

Weiterhin gibt es einen Trend, spezialisierte (kleine) KI-Modelle in einem Router je nach Anwendungsfall zu kombinieren. Nicht zuletzt reichen lokale KI-Modelle für Standardanfragen oftmals völlig aus.

„Local LMs are capable and improving rapidly: Local LMs can accurately respond to 88.7% of single-turn chat and reasoning queries, with accuracy improving 3.1× from 2023-2025“ (Saad-Falcon et al., 2025).

Ein weiterer interessanter Aspekt ist, dass die Forscher um Saad-Falcon eine neue Messgröße vorschlagen: Intelligence per Watt (IPW). Es geht um den Zusammenhang zwischen „gelieferter Intelligenz“ und den dafür benötigten Ressourcenverbrauch.

„intelligence-per-watt—a metric that quantifies how effectively inference systems convert energy into useful computation.

IPW = (mean accuracy across tasks) / (mean power draw during inference)“

Saad-Falcon et al. (2025): Intelligence Per Watt: A Study of Local Intelligence Efficiency

Die angegebene Studie zeigt deutlich den Vorteil auf, lokale KI anzuwenden, wenn es um die Kenngröße Intelligence per Watt geht. Wir sind der Auffassung, dass es in Zukunft mit Open Source AI und LocalAI möglich sein wird, mehr Digitale Souveränität in Europa zu erreichen, und innovativer zu werden.

Auf der MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich auf diese Zusammenhänge in zwei Paper ein:

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Veröffentlicht am

Lokale Nutzung von KI-Modellen mit der LLama.cpp – App

https://llama-cpp.com/

Immer mehr Prívatpersonen, Kleinstunternehmen, Kleine und Mittlere Unternehmen (KMU), Non-Profit Organisationen etc. erkennen die Möglichkeiten, KI-Modelle lokal auf ihrer Hardware zu nutzen. Dazu gibt es verschiedene Open Source Software.

Wie Sie in vielen unserer Beiträge lesen konnten, haben wir uns Ollama App entschiedenen, da wir eine einfache Integration der in Ollama installierten KI-Modelle in Langflow sehen. Langflow wiederum bietet die Möglichkeit, Workflows, oder KI-Agenten mit Drag & Drop zu erstellen.

Eine Alternative zu Ollama ist u.a. LLama.cpp (Abbildung) – beides natürlich Open Source Software und als App auf der lokalen Hardware installierbar.

„You do not need to pay to use Llama.cpp or buy a subscription. It is completely free, open-source, constantly updated and available under the “MIT” license“ (LLama.cpp-Website)

Wie bei allen Vergleichen haben beide Vorteile und Nachteile. Es kommt darauf an, welche Schwerpunkte Sie bei der Nutzung von lokalen KI-Modellen haben. Bei den vielen im Netz zu findenden Vergleichen habe ich manchmal den Eindruck, dass Äpfel mit Birnen verglichen werden, da Ollama und LLama.ccp unterschiedlichen Kategorien angehören.

Testen Sie die Apps einfach einmal aus und schauen Sie, welche besser zu Ihren Anforderungen passt.

Veröffentlicht am

IEEE P8000.1: Ein erster Standard zur Bestimmung der Vertrauenswürdigkeit von KI-Systemen

Image by Gerd Altmann from Pixabay

Wenn wir mit KI-Systemen (AI Systems) arbeiten, stellt sich immer wieder die Frage, ob man diesem oder jenem Modell vertrauen kann – immerhin geben viele Privatpersonen, oder auch Unternehmen den KI-Systemen auch persönliche, bzw. unternehmensspezifische Daten.

Was machen diese KI-Systeme mit unseren Daten?

Die allgemein bekannten und vielfach genutzten proprietäten KI-Systeme von OpenAI, Meta, Alphabet, X, Anthropic usw. sind bei dieser Frage wenig transparent. Solche geschlossenen Systeme (Closed Models) gehen davon aus, dass der Nutzer diesen Unternehmen einfach so vertraut.

Doch wenn wir uns so manche Äußerungen von den „Gesichtern der Unternehmen“ (Musk, Altman, Zuckerberg usw.) ansehen oder anhören wird deutlich, dass das möglicherweise hinter den KI-Systemen liegende Mindset nicht den eigenen Vorstellungen entspricht. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Um auf das Vertrauen in KI-Systeme weiter eingehen zu können, müssen wir natürlich erst einmal klären, was unter Vertrauen zu verstehen ist. Hier zwei Beschreibungen mit ähnlicher Perspektive:

Vertrauen ist dabei ein Mechanismus, der es ermöglicht, auf einen Teil der Kontrolle zu verzichten, und der die Bereitschaft erhöht, ein Risiko einzugehen (Giddens 1995, 1997, Luhmann 2000).

Vertrauen als Fähigkeit, soziale Beziehungen in Situationen der Ungewissheit und Mehrdeutigkeit (temporär) zu stabilisieren (vgl. Weick, 1995).

In einer Metapher beschrieben Thomas et al. (2025) die Situation zwischen einem Nutzer und dem KI-System mit einem Glas, das eine undefinierbare trübe Flüssigkeit enthält. Würden Sie diese Flüssigkeit trinken? Wahrscheinlich eher nicht, da man ja nicht weiss, was für eine Flüssigkeit im Glas ist.

Ähnlichkeiten zu dieser Situation sehen die Forscher im Umgang mit Daten und der Nutzung von KI-Systemen (Closed Models) in den Unternehmen – immerhin sind Daten eine der wichtigsten Assets in einer Organisation.

Step 1: It All Starts with Trust
„Think about it: the glass is opaque, you can’t even see inside it! The water inside that glass could pure spring water, but it could also be cloudy and murky puddle water, or even contaminated water! If you couldn’t see inside that glass, would you still drink what’s inside it after adding tons of high-quality sugar and lemon to it? Probably not, so why would you do this with one of your company’s most previous assets—your data?“ (Thomas et al. 2025).

Diese Erkenntnisse führen zwangsläufig zu den Frage, wie man die Vertrauenswürdigkeit von KI-Systemen bestimmen kann, ohne den Marketingtexten der bekannten KI-Systemen glauben zu müssen? Es muss sich eine neutrale Institution mit der Frage befassen. Dazu gibt es auch schon Initiativen. Eine davon kommt von der IEEE (Institute of Electrical and Electronics Engineers), die in ihrer Standards Association (SA) einen ersten Entwurf entwickelt hat:

„IEEE P8000.1: IEEE Draft Standard for a Method and Criteria to Assess the Trustworthiness of Artificial Intelligence (AI) Systems“ (IEEE).

https://standards.ieee.org/ieee/8000.1/12593/

Ich bin gespannt, wie sich dieser internationale Standard weiterentwickelt und welche Kriterien zur Bestimmung der Vertrauenswürdigkeit von KI-Systemen am Ende herauskommen. Siehe dazu auch MISSION KI: Wie vertrauenswürdig sind KI-Modelle?

Wir sind der Meinung, dass es aktuell durchaus vertrauenswürdige KI-Systeme in Europa gibt. Vertrauen hängt sehr stark mit Transparenz zusammen. In der von uns erstellten Open Streep Map zu solchen Open Source KI-Systemen aus Europa können Sie sich ein Bild davon machen.

https://umap.openstreetmap.de/de/map/open-source-ai-in-europe_148154
Veröffentlicht am

Digitale Souveränität – auch mit Open Source Hardware

https://oshwa.org/

Wenn es um Open Source geht, denken wir meistens an Open Source Software (OSS), die in vielen Anwendungen zu finden sind – auch in der Robotik. Es leuchtet ein, dass gerade Open Source AI (Open Source Künstliche Intelligenz) auch für die komplexen Steuerungen von kleinen und größeren Robotern verwendet wird.

Parallel dazu gibt es eine Entwicklung, die gar nicht so im Fokus zu stehen scheint. Es ist der weltweite Trend, auch Open Source Hardware zu entwickeln. Die Open Source Hardware Association (OSHWA) hat dazu aktuell 3.369 Projekte zertifiziert (Abbildung). Was versteht die Non-Profit Organisation unter Open Source Hardware?

„Open source hardware is hardware whose design is made publicly available so that anyone can study, modify, distribute, make, and sell the design or hardware based on that design. The hardware’s source, the design from which it is made, is available in the preferred format for making modifications to it“ (OSHWA).

Dieses Verfügbarmachen von Hardware für alle ist eine Grundidee von offenen Systemen, in denen man sich einbringen kann, deren Ergebnisse man auch einfach nur nutzen kann. Es ist erstaunlich wie viele Menschen sich dafür engagieren, und in diesem Sinne auch sozial handeln.

Natürlich gibt es nicht nur die OSHWA, sondern noch weitere Organisationen, die Open Source Hardware fördern.

„However, with the rise of open source chip design initiatives such as the OpenHW Foundation, the FOSSi Foundation lowRISC, the Chips Alliance, the Beijing Institute of Open Source Chip, or the PULP Platform, new opportunities have emerged to make hardware development more accessible and competitive“ (Wallentowitz and Wohlrab (2026): Open Source and the New Regulations on Hardware, in Eclipse Foundation, 2026).

Zusammen mit den Entwicklungen bei Open Source Software stellen die Aktivitäten bei Open Source Hardware dazu bei, Digitale Souveränität auf mehreren Ebenen zu erreichen. Ich bin gespannt, was die jeweiligen Communities in den kommenden Jahren noch entwickeln werden.

Veröffentlicht am

Open Source AI: Wie kann ich einen einfachen Workflow in der Langflow App anlegen?

In der eigenen Langflow App angelgter einfacher Workflow

In dem Blogbeitrag Open Source AI: Ministral 3B auf dem eigenen Laptop nutzen hatte ich gezeigt, wie man mit Hilfe der Ollama App, Open Source KI-Modelle (oder Open Weight KI-Modelle) auf dem eigenen Laptop installieren und nutzen kann. Da es in der Zwischenzeit viele kleine und leistungsstarke KI-Modelle (SLM: Small Language Models gibt), ist dieser Ansatz gerade für Kleinstunternehmen wirtschaftlich interessant.

Wenn es im nächsten Schritt darum geht, solche Modelle in eigene KI-Agenten einzubinden, bietet sich die auf dem eigenen Laptop installierte Langflow App an – eine Alternative ist LM Studio. Die Ollama App und die Langflow App sind natürlich Open Source.

In der Abbildung oben ist ein einfacher Workflow mit den Knoten Chat Input, Language Model und Chat Output dargestellt (rot umrahmt). Diese Knoten konnte ich per Drag & Drop in die Arbeitsfläche ziehen. Dabei wird farbig angezeigt, welche Verknüpfungen möglich sind.

Bei dem Language Model habe ich in der auf meinem Laptop installierten Ollama App ein Modell ausgesucht – in meinem Fall ist es Qwen 2.5. Es stehen hier alle in der Ollama App installierten KI-Modelle zur Verfügung. Wir testen mit geeigneten Open Weight, bzw. Open Source Modellen. Siehe dazu auch Open Source AI: Ministral 3B auf dem eigenen Laptop nutzen.

Diesen kleinen Workflow kann ich anschließend im Playground (Button rechts oben) testen. Als Chat Input habe ich dort eine Frage zu Eric von Hippel gestellt, die dann mit dem hinterlegten KI-Modell schnell beantwortet wurde – obwohl ich dazu einen relativ alten Laptop genutzt habe. Die folgende Abbildung zeigt das gute Ergebnis im Playground.

Ergebnis im Playground

Es ist also mit Ollama App und der Langflow App auf dem eigenen Laptop möglich, kleine KI-Modelle (Open Source, Open Weight) zu nutzen, und sogar kleine Workflows abzubilden. Dabei bleiben alle generierten Daten auf meinem Laptop. Das ist besonders wichtig, wenn ich nicht nur einen einfachen Workflow, abbilden, sondern KI-Agenten entwickeln möchte, die bei der Bearbeitung auch eigene Daten aus unserer Nextcloud mit berücksichtigen sollen – ganz im Sinne einer Digitalen Souveränität.

Auf der internationalen Konferenz MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich auf diese Zusammenhänge in einem Paper ein.

Veröffentlicht am

Die Bedeutung von Kleinstunternehmen in Deutschland: 85 Prozent der Betriebe in Deutschland haben bis zu neun Beschäftigte

Image by kazuharu kondo from Pixabay

In der Medienlandschaft geht es meistens um die großen Konzerne. Im Geschäftsbericht 2025 von VW ist beispielsweise zu lesen, dass der Konzern zum Ende des Jahres 2025 weltweit rund 662.942 Mitarbeiter (einschließlich der chinesischen Gemeinschaftsunternehmen) beschäftigte. Davon arbeiten etwa 284.000 Beschäftigte in Deutschland. Für jede Privatperson sind das sehr große Zahlen, und man kann sich vorstellen, welchen Einfluss der Konzern in der deutschen und europäischen Politik hat.

Die vielen Kleinstunternehmen in Deutschland gehen in den Medien oft unter. Wen interessieren schon ein Kleinstunternehmen mit 2-3 Mitarbeiter? Wenn diese Unternehmen einen Mitarbeiter entlassen, ist das keine Schlagzeile wert. Schauen wir uns die Zahlen dazu an wird deutlich, dass das eine verzerrte Wahrnehmung ist.

„Die Kleinstunternehmen spielen eine zentrale Rolle in der Volkswirtschaft: 85 Prozent der Betriebe in Deutschland haben bis zu neun Beschäftigte. Sie beschäftigen rund neun Millionen Menschen und erwirtschaften nach Berechnungen des Statistischen Bundesamtes 11,4 Prozent des Bruttoinlandsprodukts“ (Schmoll, A. (2026): Kleinunternehmen setzen verstärkt KI ein, Golem vom 18.08.2026).

Stellen Sie sich einmal vor, die Rahmenbedingungen für die Kleinstunternehmen würden sich in Deutschland verbessern und ein kleiner Teil der Unternehmen würden Mitarbeiter einstellen. Das wären – konservativ geschätzt – mehrere Hunderttausend neue Arbeitsplätze. Auf einmal sind das wieder sehr große Zahlen – auch im Vergleich mit den Konzernen.

Der Fokus auf die großen Konzerne ist aus der Industriegesellschaft vor über 100 Jahren entstanden. In den USA hatten beispielsweise Ende des 19. Jahrhunderts nur wenige Unternehmen einige hundert Mitarbeiter.

„Consider: in 1890 the average company in the United States had four employees, and few had more than a couple of hundred workers“ (Hamel, 2007 The Future of Management).

In der heute auf vielen Ebenen vernetzten Gesellschaft, sind es eher die in selbstorganisierten Netzwerken arbeitenden kleinen Einheiten (Kleinstunternehmen), die sich schnell an die veränderten Rahmenbedingungen anpassen, und viele Arbeitsplätze schaffen können – wenn die Rahmenbedingungen stimmen.

Siehe dazu auch Free Innovation: Was wäre, wenn wir Innovationen stärker Bottom-Up denken und fördern würden?

Veröffentlicht am

Verantwortungsvolle Künstliche Intelligenz – Responsible AI (RAI)

AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

Die aktuellen Meldungen zu den Möglichkeiten von Künstlicher Intelligenz sind einerseits beeindruckend, und andererseits bedenklich. Bedenklich, weil es KI-Agenten der großen Tech-Unternehmen gelungen sein soll, selbstorganisiert andere Unternehmen zu hacken. Siehe dazu auch KI-Agenten: Agents of Chaos?

Das hat sogar OpenAI dazu gebracht, vorsichtiger mit den neuen Anwendungen umzugehen. Dabei geht es dem Unternehmen auch darum, Risiken von Schadensersatzklagen zu minimieren.

Was ist allerdings mit den gesellschaftlichen Schäden die solche nicht gut getesteten KI-Anwendungen anrichten? Werden solche technologischen Entwicklungen einfach der Gesellschaft überlassen? Das sollten wir nicht zulassen.

Es wundert daher nicht, dass es immer mehr Stimmen gibt, die in diesem Sinne eine verantwortliche Künstliche Intelligenz – Responsible AI (RAI) – auf allen gesellschaftlichen Ebenen einfordern. Ein Beispiel für solche Entwicklungen ist in einer aktuellen Veröffentlichung der OECD  (Organisation for Economic Co-operation and Development) zu finden:

„AI development has the potential to transform society in ways comparable to the industrial revolution or the advent of the internet. AI represents not merely an incremental advance but a transformative technology with the capacity to enhance productivity, create economic value, and solve complex challenges across a variety of sectors such as healthcare, manufacturing, logistics, and public administration. To harness this positive potential, the OECD sets out a balanced approach to responsible AI that enhances the opportunities of AI and establishes conditions for AI to be more profitable, innovative and competitive, while addressing risks of adverse impacts“ (OECD (2026) OECD Due Diligence Guidance for Responsible AI).

Verantwortlich mit Künstlicher Intelligenz umzugehen bedeutet somit, die Chancen und Risiken auszubalancieren. Die Entwicklungen in der Europäischen Union gehen in diese Richtung und sind in der Zwischenzeit zum Vorbild vieler anderer Nationen geworden. Siehe dazu auch Bris, A. (2025): SuperEurope: The Unexpected Hero of the 21st Century.

Veröffentlicht am

Open Source AI: Die Salamandra Modell-Familie – fully Open Source – aus Barcelona

https://projecteaina.cat/tech/en/introducing-the-salamandra-family-of-models/

Es gibt in Europa immer mehr KI-Modelle, die die regionalen, sprachlichen (kulturellen) Unterschiede in ihren Trainingsdaten und ihrem hinterlegten Mindset berücksichtigen.

In der von mir mit Open Street Map erstellten Übersicht, kommt jetzt noch eine weitere Modell-Familie aus Spanien (Barcelona) hinzu. Die Modelle sind fully open source (weights, data and source), eingebettet in das Project Ania und berücksichtigen 35 europäische Sprachen, inkl. der Besonderheiten der katalanischen Sprache (Promoting catalan in the dgital age).

„The Salamandra model is one of the largest open source language models developed in Europe and promotes responsible use of AI, through careful treatment of training data. Specifically, the dataset includes 35 European languages ??with more than 2 trillion tokens. Through the different training epochs, an accurate representation of the different languages ??such as Catalan is guaranteed. All training data as well as evaluations and limitations of the model are available in the information of each model in Hugging Face“ (Projecte Aina, 2025).

Solche Entwicklung können Kleine und Mittlere Unternehmen (KMU) in der Europäischen Union für innovative Produkte und Dienstleistungen nutzen. Mit der regionalen Sprache und dem damit verbundenen kulturellen Mindset, sind solche Angebote näher an der Realität der Kunden.

Meine in Open Street Map (OSM) aktualisierte Übersicht zu Open Source AI in Europe

Auf der internationalen Konferenz MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich auf diese Zusammenhänge in einem Paper ein.