KI-Modelle berücksichtigen nur wenige der weltweit über 7000 Sprachgemeinschaften

Image by Tumisu from Pixabay

Die Übersetzungen der bekannten closed source KI-Modelle sind schon richtig gut und können beispielsweise für Touristen sehr hilfreich sein. Bei unserer Reise nach Taiwan, Japan und Singapur 2025 haben wir das selbst erlebt.

Wenn es allerdings um sensible Bereiche wie Gesundheit, Recht usw. geht, kommt es oftmals auf sprachliche Nuancen an. Diese Texte/Situationen können die gängigen KI-Modelle recht gut, aber nicht immer sehr gut bewältigen. Für agglutinierende Sprachen, wie Ungarisch, Baskisch, etc. reichen die üblichen KI-Modelle beispielsweise nicht aus

So kann es in Regionen der Welt im Gesundheitsbereich zu lebensbedrohlichen Situationen kommen, da der Input und die Ergebnisse der KI-Modelle geographisch und linguistisch sehr unterschiedlich sind. Genau das haben die United Nations (UN) in einer aktuellen Veröffentlichung noch einmal bestätigt.

The inputs and outcomes of artificial intelligence are geographically and linguistically uneven
Most of the world’s languages and cultures remain underserved. More than 7,000 languages are spoken worldwide, yet AI model development and evaluation infrastructure reflects only a small fraction of them“
UN (2026): Preliminary Report of the Independent International Scientific Panel on AI

Es wundert daher nicht, dass es immer mehr Länder und Regionen in der Welt gibt, die ihre eigenen KI-Modelle entwickeln und veröffentlichen – natürlich als Open Source Modelle. Für Europa habe ich in unserem Blog schon auf einige interessante Open Source KI-Modelle hingewiesen: TEUKEN 7B (Alle europäischen Sprachen), EURO LLM (Alle europäischen Sprachen), MINERVA AI LLM (Italienisch), PLLuM (Polnisch), RAKA 4B (Ungarisch), GPT-SW3 (Schwedisch), ALIA (Spanisch), AMALIA (Agente Multimodal Automático de Linguagem com IA).

Ich halte solche Modelle auch für innovative Kleine und Mittlere Unternehmen (KMU) spannend, da sie sich dadurch von dem was alle anderen machen (Ein KI-Modell für alles – One size fits all), unterscheiden können. Dazu habe ich ein Paper für die internationale Konferenz MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) geschrieben:

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

Siehe dazu auch:

KI-Modelle: Von „One Size Fits All“ über Variantenvielfalt in die Komplexitätsfalle?

Künstliche Intelligenz im Innovationsprozess von Organisationen

Künstliche Intelligenz: Was ist unter einer Mixture of Experts (MoE) Architektur zu verstehen?

Kleidung pro EU-Bürger: 19 Kilo kaufen, 16 Kilo entsorgen – pro Jahr

Image by Andreas Lischka from Pixabay

Seit mehr als 35 Jahren höre ich auf Konferenzen immer wieder von Studien die zeigen, wie verschwenderisch wir mit Kleidung umgehen. Das erste Mal ist mir das auf der Weltkonferenz MCPC 2001 an der HKUST (Hong Kong University of Science and Technology) bewusst geworden. Das gleiche Schema „Studien zeigen die Verwendung auf – es passiert allerdings nichts“ habe ich dann auf vielen weiteren Konferenzen in Asien, Europa und USA miterlebt.

Es ist bis heute für die Unternehmen immer noch günstiger, nicht verkaufte Ware wegzuschmeißen, als Ressourcen zu schonen. Verbrauchern ist nicht bewusst, dass sie mit dem Preis des Kleidungsstücks auch die Überproduktion und deren Entsorgung mitbezahlen. Siehe dazu auch Bekleidung: Produkte genügen immer noch nicht den Anforderungen der Kunden. Folgende Daten zeigen die aktuelle Situation noch einmal beispielhaft auf:

„Jeder EU-Bürger kauft pro Jahr im Schnitt einen großen Koffer voll neuer Kleidung, 19 kg – und wirft Jahr für Jahr 16 Kilo wieder weg, so Zahlen des Europäischen Parlaments“ (BR vom 19.07.2026).

Neue Technologien ermöglichen es der Modebranche immer schneller Designs zu entwickeln und Produkte herzustellen. Von Fashion haben wir uns zu Fast Fashion und sogar zu Super Fast Fashion entwickelt. Dabei muss man natürlich die Frage stellen, ob diese Entwicklung mit Blick auf die verschwendeten Ressourcen positiv ist.

„Von Fast Fashion zu Super-Fast-Fashion: Bis zu 9000 neue Designs pro Tag“ (Deutschlandfunk vom 25.05.2026).

Möglicherweise kommt jetzt etwas mehr Bewegung in das Thema, denn die Europäische Union will gegen diese Art der Verschwendung vorgehen. Da sich die Modeunternehmen und die Verbraucher weiter uneinsichtig zeigen, hat die Europäische Union mit der EU-Ökodesign-Verordnung einen ersten Schritt zur Eindämmung der Verschwendung unternommen; Große Modeunternehmen dürfen ab Juli 2026 unverkaufte Mode nicht mehr so einfach wegwerfen. Diese Regelung kritisieren (natürlich) die Unternehmen, doch kann es wie bisher nicht weitergehen – und das nicht nur bei Bekleidung.

Auch bei Lebensmittel, ja sogar bei der Autoproduktion wird nicht nach Bedarf hergestellt, sondern viel zu viel, was dann wiederum „in den Markt gedrückt“ (50% Sale usw.) oder entsorgt werden muss. Würden wir die Herstellung von Produkten und Dienstleistungen wirklich an den Bedürfnissen der Menschen und nicht an den Marketingkonzepten der Unternehmen orientieren, so wäre die Verschwendung von Ressourcen in vielen Branchen geringer. Siehe dazu auch Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht?

Wie wäre es, wenn man die Kosten für die Vernichtung der Überproduktion in einen Wert für den Kunden umwandeln würde?

Mit Hilfe neuer Produktionsansätze wie Mass Customization and Personalization können schon seit mehr als 30 Jahren Produkte für jeden einzelnen Nutzer massenhaft zu erschwinglichen Preisen hergestellt werden. Durchgesetzt hat sich dieser Ansatz allerdings immer noch nicht, da Kunden gerade in der Bekleidungsindustrie mehr nach Marken kaufen. Daher stecken die Modeunternehmen viel Geld in Marketing mit sogenannten Stars oder Influencern, das hält die Preise hoch, den Kunden ist die Qualität bei den Produkten nicht mehr so wichtig, was letztendlich die Gewinnmarge erhöht.

Mass Customization and Personalization ist der Schwerpunkt der Konferenz MCP 2026, die in die vom 16.-19.09.2026 in Balatonfüred, Ungarn stattfinden wird. Siehe dazu auch Freund, R. (2009): Kundenindividuelle Massenproduktion (Mass Customization). RKW Kompetenzzentrum, Faktenblatt 5/2009.

AMALIA: Portugiesisches Open Source KI-Modell

https://amaliallm.pt/

Die bekannten proprietären KI-Modelle lassen oft die kulturellen Besonderheiten außen vor. Am Beispiel von agglutinierender Sprachen wie Ungarisch, Baskisch, etc. kann das deutlich aufgezeigt werden. Es ist daher nur zwingend, dass es in der Zwischenzeit weltweit sehr viele regionale und länderspezifische Open Source KI-Modelle gibt.

Beispielhaft sollen hier nur einige wenige KI-Modelle genannt werden, die sich auf europäische Sprachen konzentrieren: TEUKEN 7B (Alle europaischen Sprachen), EURO LLM (Alle europäischen Sprachen), MINERVA AI LLM (Italienisch), PLLuM (Polnisch), RAKA 4B (Ungarisch), GPT-SW3 (Schwedisch), ALIA (Spanisch).

Nun kommt mit AMALIA (Agente Multimodal Automático de Linguagem com IA) ein weiteres Open Source KI-Modell hinzu, das mit den Besonderheiten der portugiesischen Sprache trainiert wurde, und frei zur Verfügung steht. Auf der Website werden folgende Ziele formuliert:

Förderung der portugiesischen Sprache

Souveränität über die Daten der Bürger

Die kulturelle Repräsentation Portugals bewahren

Förderung von Forschung und Innovation im Bereich der Künstlichen Intelligenz

Künstliche Intelligenz: Von Output über Outcome zu Impact

Wirkungstreppe bei Not-for-Profit-Projekten (PHINEO 2021)

Die Abbildung zeigt zwar die Wirkungstreppe bei Not-for-Profit-Projekten, doch möchte ich daran verschiedene Aspekte der heutigen KI-Diskussion aufzeigen. Wie zu erkennen ist, geht es bei der Entwicklung und Anwendung der verschiedenen KI-Modelle meistens darum, dass sich Künstliche Intelligenz rechnet – die Kosten also niedriger sind als der Nutzen. In den Anfängen der KI-Nutzung sind dazu sehr viele Beispiel veröffentlicht worden die zeigen, wie wirtschaftliche der KI-Einsatz sein kann. In der Zwischenzeit wird allerdings immer öfter auch darüber diskutiert, welche immensen Kosten entstehen können. Siehe dazu auch Wirtschaftlichkeit von KI-Agenten: Warum kommt es bei den Token-Kosten oft zu regelrechten Abrechnungsschocks? Diese Zusammenhänge gehören in die Kategorie Output oder Outcome.

Entscheidender für mich ist allerdings die Frage: Welchen Impact generiert Künstliche Intelligenz? Die großen US amerikanischen Tech-Konzerne wollen die Gesellschaft nach ihren wirtschaftlichen Vorstellungen ändern. Chinesische Modelle wollen das auch, doch haben diese einen anderen, eher politischen Ansatz. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Wenn es um Künstliche Intelligenz geht, sollten wir uns zunächst die Frage nach dem Impact stellen, da die KI-Modelle gravierende Auswirkungen auf unsere Gesellschaft haben. Es sollte nicht so sein, dass KI-Unternehmen unsere Daten für ihre Geschäfte nutzen und auch noch bestimmen, welche Werte in der Gesellschaft vertreten werden sollen.

In Europa wird nach und nach erkannt, dass es Zeit ist, europäische Werte als Rahmen für die Nutzung von Künstlicher Intelligenz zu setzen. Solche Grenzen werden die Tech-Konzerne nicht akzeptieren. Sie werden politischen Druck und ihre Lobbyarbeit nutzen, diesen europäischen Ansatz zu verwässern. Ich hoffe, dass die Europäische Union den eingeschlagenen Weg der sinnvollen Regulierung von Künstlicher Intelligenz weitergeht – zum Wohle der Menschen. Siehe dazu auch SuperEurope: The Unexpected Hero of the 21st Century.

Eigene Schuhe herstellen? Warum nicht mit KI-Unterstützung?

https://www.footwearology.online/course/3d-ai-footwear-workshop

Auf der Seite footwareology wird ein zweitägiger Online-Workshop für 75€ angeboten, in dem mit Unterstützung von Experten gezeigt wird, wie man selbst eigene Schuhe entwickeln und herstellen kann (Customization).

Die Unterstützung ist erforderlich, da es in dem komplexen Prozess immer wieder kleine Hürden gibt, die zu bewältigen sind. Vor dem Workshop sind einige Programme zu installieren, die auf der Website angegeben werden.

Insgesamt finde ich es spannend zu sehen, dass es immer mehr Möglichkeiten gibt, sein eigenes Produkt, seine eigenen Schuhe nicht nur zu entwickeln, sondern auch mit modernen technologischen Möglichkeiten herzustellen.

Dennoch halte ich es für zukunftsfähiger, wenn der gesamte Prozesses – nicht nur einzelne Elemente – zur Herstellung seiner eigenen Schuhe von Künstlicher Intelligenz unterstützt wird. Wir empfehlen dafür natürlich Open Source AI, wie z.B. Mistral 7b (open weight) und Open Source Software.

Diese beiden Punkte heben den Entwicklungs- und Herstellungsprozess auf ein neues Niveau.

Auf der internationalen Konferenz MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich darauf ein:

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

Mein zweites Paper:

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

Open Source AI: Mistral AI – eine Erfolgsgeschichte muss skalieren

In den letzten Jahren wurden Open Source AI Modelle noch etwas belächelt, da sie zugegebenermaßen nicht an die Leistungsfähigkeit der proprietären AI-Modelle heranreichten. Wie die Beispiele DeepSeek R1, KIMI K3 oder auch Mistral AI zeigen, hat sich das geändert.

Hinzu kommt noch, dass neben der Leistungsfähigkeit noch andere Aspekte wichtig geworden sind: Digitale Souveränität und Resilienz. Betrachtet man alle Dimensionen, so wird klar, dass Open Source AI eine wichtige Rolle bei der modernen Transformation von Unternehmen und Gesellschaften spielen kann – besonders in Europa.

Am Beispiel Mistral AI, einem französischen Start-Up (2023 gegründet) wird deutlich, in welchem Spannungsfeld sich Open Source AI befindet. Mistral AI ist sehr erfolgreich und wird in Europa von immer mehr Privatpersonen, Unternehmen und Öffentlichen Verwaltungen genutzt. Das führt unweigerlich zu der Frage, wie Mistral AI die große Nachfrage bedienen kann. Das geht nur mit einer Skalierung, die Zeit und Geld kostet.

Um also den Markt schnell bedienen zu können braucht es Kapital und technologische Infrastruktur. Es wundert daher nicht, dass sich wohl Samsung an Mistral AI beteiligen möchte, und auch Microsoft KI-Infrastruktur bereitstellen will. Beides ist erst einmal positiv, doch hat das Beispiel OpenAI gezeigt, dass Microsoft Unternehmen, die zunächst Open Source AI angeboten haben, zu kommerziellen Unternehmen umwandeln kann. OpenAI entspricht nicht den Anforderungen, die in der Open Source AI Definition formuliert wurden.

Wir arbeiten schon länger mit Mistral AI Modellen und setzen darauf, dass das Unternehmen trotz der notwendigen Schritte zur Skalierung seine Unabhängigkeit und europäischen Ansatz beibehält. Wir werden den Weg von Mistral AI weiter beobachten.

Künstliche Intelligenz: Von Präferenzen zu Werten – doch zu welchen Werten?

Herauszufinden, welche Präferenzen (Vorlieben, Neigungen) ein Nutzer üblicherweise hat, ist für Unternehmen wichtig. Es wird aus diesen Präferenzen oft interpretiert, welche Produkte und Dienstleistungen den Nutzer möglicherweise auch noch interessieren könnten. Die im 20. Jahrhundert entstandenen philosophischen und ökonomischen Theorien hatten dabei das Ziel, Präferenzen möglichst zu befriedigen. In den Anfängen solcher Überlegungen wurden zwei Präferenzen unterschieden:

„From these early theories emerges the distinction between revealed preferences and ideal preferences (Samuelson, 1948). Revealed preferences refer to how people’s desires are acted upon in real life through the choices they make (Samuelson, 1948). Ideal preferences refer to people’s desires that would manifest if they were rational and informed in an ideal world (Samuelson, 1948). This distinction importantly points to the idea that people’s actions may or may not reflect their actual desires“ (Li, J. (2026) Beyond Preference-based Value-alignment, IEAI Research Brief – Q2 2026).

Das Konzept der Präferenzen wurde auf Methoden zur Werteausrichtung (Value Alignment) ausgeweitet, bei denen der Schwerpunkt darauf liegt, Informationen beispielsweise über das bevorzugte Verhalten von KI-Systemen anhand offenbarter Präferenzen zu extrapolieren.

An dieser Stelle stellt sich allerdings die Frage, ob sich das KI-Modell an die Präferenzen und Werte des Nutzers anpasst, oder ob nicht das KI-Modell den Nutzer so beeinflussen will, dass er die in dem KI-Modell hinterlegten Werte adaptiert. Da die Werte der proprietären KI-Modelle oft nicht transparent sind, kann es daher zu unerwünschten Manipulationen kommen. Siehe dazu auch 

Open Source AI: Warum sollte Künstliche Intelligenz demokratisiert werden?

Interaktion zwischen Mensch und KI-Modell: Welche Rolle spielen dabei Werte?

Wussten Sie, dass die Codebasis von Software zu 97% aus Open Source Software besteht?

Image by Pexels from Pixabay

Es ist erstaunlich, dass es vielen Privatpersonen, Unternehmen und Öffentlichen Verwaltungen immer noch schwer fällt, sich von den kommerziellen Software-Angeboten zu lösen, um Digitale Souveränität zu erreichen Der Grund ist oftmals eine Gewöhnung an die jeweiligen Tools und damit auch eine gewisse Abhängigkeit.

Ein Wechsel zu Open Source Software wäre für viele mit Aufwand verbunden. Solche Switching Cost sind mit der Zeit von den etablierten Software-Unternehmen nach und nach immer weiter erhöht worden. Siehe dazu auch Es ist so bequem, unmündig zu sein.

Darüber hinaus gibt es auch Vorbehalte gegenüber Open Source Software, obwohl die Codebasis von Software sage und schreibe zu 97% Open Source Software enthält – auch kommerzielle Software.

„According to the 2025 Black Duck Open Source Security and Analysis Report, 97% of codebases scanned contained open source software“ (Carlber, A. N (2026) Open Source in Europe Amid Geopolitical Tensions, in Eclipse Foundation).

Wenn also fast alle Software zu einem so großen Anteil aus Open Source Software in ihrer Codebasis bestehen, sollten sich alle einmal überlegen, ob die Vorbehalte gegenüber Open Source Software heute noch angebracht sind.

In der Zwischenzeit erkennen immer mehr Personen, Unternehmen und Öffentliche Verwaltungen, dass der Nutzen von Open Source Software die Kosten deutlich übersteigt.

Auch zeigt die erfolgreiche Open Source KI Geschichte, dass Open Source sogar auf dem Gebiet der Künstlichen Intelligenz wettbewerbsfähig ist.

Auf der internationalen Konferenz  MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) gehe ich darauf in zwei Paper ein:

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

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

20.07.2006 – 20.07.2026: 4.458 Blogbeiträge in 20 Jahren

https://www.robertfreund.de/blog/

Als wir am 20.07.2006 mit unserem Blog begonnen haben war das Ziel, eigene Texte zu verschiedenen Themen zu schreiben. Dabei haben wir von Anfang an darauf geachtet, Quellen anzugeben und unsere Meinung separat zu formulieren. Das bietet jedem Leser die Möglichkeit, sich weiter intensiver mit einem Thema auseinanderzusetzen, und letztendlich seine eigene Meinung zu bilden.

Uns war von Anfang an auch wichtig, dass wir unseren gesamten Blog werbefrei gestalten. Die Konzentration lag und liegt auf den Themen.

Weiterhin haben wir schon früh mit WordPress auf Open Source Software gesetzt.

In Zeiten von Künstlicher Intelligenz kommt Content leicht in Verruf, da es heute relativ einfach ist, einen Text zu einem bestimmten Thema generieren zu lassen – das merkt man dann allerdings auch.

Wir werden natürlich weiterhin moderne Technologie für Recherchen nutzen, doch bleiben wir bei unserem authentischen Ansatz, dem persönlichen Schreibstil und unsere Art, Inhalte zu sehen. Möglicherweise auch noch weitere 20 Jahre.

KIMI 3: Open Source AI – sehr leistungsfähig, allerdings mit regulativen chinesischen Einschränkungen

Das bild ist mit Mistral AI generiert

Am 12. November 2025 habe ich in einem Blogbeitrag auf KMI 2 Thinking hingewiesen. Nach DeepSeek R1 war KIMI 2 ein weiteres chinesisches Modell das aufgezeigt hatte, dass es möglich ist ein leistungsfähiges Open Source KI-Modell zu entwickeln, das viel weniger Ressourcen – und damit Kosten – erfordert. Der Schwerpunkt des von KIMI 2 Thinking liegt dabei auf „Coding“.

Nun ist mit KIMI 3 ein weiteres Open Source KI-Modell für den 27.07.2026 angekündigt. Wenn man es genau nimmt, ist es ein Open Weight Modell, da die Trainingsdaten nicht frei verfügbar sind. Der Schwerpunkt liegt bei dem Modell wieder auf Coding, allerdings auch auf Knowledge Work (Wissensarbeit).

„Kimi K3 is the first open-source model to reach 2.8 trillion parameters.“ Source: KIMI Platform, accessed 19.07.2026).

In dem Beitrag Moonshot AI zeigt Kimi K3: Open- Source-KI aus China (IT Business vom 17.07.2026 wird auf die Leistungsfähigkeit des Modells hingewiesen („Vorsprung der USA auf chinesische KI-Labore mittlerweile auf nur noch sechs bis neun Monate geschmolzen“).

Weiterhin musss allerdings auch kritisch angemerkt werden, dass chinesische KI Modell (Open Source AI oder nicht) den Vorgaben der chinesischen (und amerikanischen ) Administration unterliegen. In China sind beispielsweise Beiträge zu Taiwan oder zum Tiananmen-Platz usw. reglementiert. Solche Restriktionen schränken die Qualität der generierten Antworten deutlich ein.

Die Chance von Europa ist, Open Source KI-Modelle zu entwickeln, die auch einen niedrigen Ressourcenbedarf haben, ein ähnliches oder bessres Leistungsniveau wie die chinesischen open source Modelle haben, und letztendlich den europäischen Werten entsprechen.

Auf der MCP-Konferenz 2026, 16.-19.09.2026 in Balatonfüred, Ungarn, gehe ich auf solche Entwicklungen ein:

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

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