Veröffentlicht am

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

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

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

Veröffentlicht am

Skill shortage: Es fehlen Kompetenzen zu Open Source Software und Open Source Hardware

Das Bild ist mit Mistral AI generiert

Aktuell wird oft darüber gesprochen und geschrieben, dass alle Kompetenzen in der Nutzung von Künstlicher Intelligenz benötigen. Dabei setzen die Marktführer auf kostenlose Online-Kurse, die die Nutzer an die jeweiligen KI-Modelle adaptieren sollen. Die Nutzer passen sich dabei an die Logik des KI-Modells an, und entwickeln angepasste Kompetenzen.

Im nächsten Schritt wird diese Abhängigkeit (Pfadabhängigkeit) Schritt für Schritt monetarisiert – immerhin müssen ja die hohen Investitionen refinanziert werden. Wenn einzelne Personen oder Organisationen diesen Weg in den letzten Jahren eingeschlagen haben, sprechen sie nur noch von solchen, angepassten Kompetenzen. Siehe dazu auch Künstliche Intelligenz (KI): Lock-in und Switching Costs.

Kompetenzen zur Nutzung von Open Source Software oder Open Source Hardware sind damit weniger gemeint – überspitzt formuliert könnte man auch sagen, dass fast niemand daran denkt.

Wenn es Europa mit der Digitalen Souveränität ernst meint, sollten wir allerdings gerade diese Kompetenzen fördern und entwickeln, da gerade Open Source zu mehr Resilienz auf den verschiedenen Ebenen führt. Aktuell gibt es allerdings nicht so viele Personen, die sich mit den Möglichkeiten von Open Source Software und Open Source Hardware auskennen (digital skill shortage).

„By aligning open source projects with structured upskilling programs, Europe can address its digital skills shortage and build a competitive workforce that supports its ambition for technological sovereignty. By fostering collaboration, investing in education, and ensuring sustainable funding, we can secure the future of open source as a driver of technological and scientific progress. With initiatives like Software Heritage and national policies advocating for open science, the foundation is set for a more inclusive and resilient open source ecosystem“ (Di Cosmo, 2026 Open Source and the Skill Shortage, in Eclipse Foundation, 2026).

Es liegt an uns die bestehenden Abhängigkeiten nach und nach zu reduzieren, um unseren eigenen, europäischen Weg bei der Nutzung von Technologie, speziell auch Künstlicher Intelligenz, zu entwickeln. Die erfolgreiche Geschichte von Open Source KI zeigt, wie dieser Weg aussehen kann. Digitale Souveränität: Europa, USA und China im Vergleich.

Veröffentlicht am

Mit Open Source zu einer vernetzten Gesellschaft – der 4. Sektor

The meshed society model (Phillips 2026)

Unsere Gesellschaft ist traditionell in drei Bereiche gegliedert. Da ist zunächst der Öffentliche Sektor mit seinen verschiedenen Dienstleistungen. Der Private Sektor wiederum umschreibt alle geschäftlichen Aktivitäten in einer Gesellschaft. Scheinbar abschließend kommt noch der Nonprofit Sektor hinzu, der soziale Güter ohne Profitinteressen beschreibt.

Auf diese drei Sektoren sind auch alle regulatorischen Rahmenbedingungen ausgerichtet. Es wird davon ausgegangen, dass die Produktion von Gütern und Dienstleistungen zentral erfolgt und Bürger diese erwerben und nutzen, wobei diese Leistungen mit Geld bezahlt werden. Dieses Geld erhalten die Erwerbstätigen, indem sie für die Organisationen in den Sektoren arbeiten.

Interessant ist, dass sich in den letzten ca. 40 Jahren, seit dem es Open Source Software gibt, ein neuer Sektor mit Open Source Communities gebildet hat, der als Vierter Sektor – oder auch Meshed Society (Vernetzte Gesellschaft) – beschrieben wird. Die Abbildung zeigt deutlich, wie sich so eine Gesellschaft von der eher zentral ausgerichteten Gesellschaft unterscheidet.

„However, open source communities operate within a Fourth Sector or meshed society, distinct from these traditional models. The Fourth Sector consists of decentralised, community-driven initiatives where individuals and organisations collaborate to develop, maintain, and improve non-rivalrous digital goods. These initiatives do not conform to the conventional corporate structure assumed by regulatory frameworks“ (Philipps, S. (2026): Open Source and the Emerging Fourth Sector, in Eclips Foundation (2026): The Vital Role of Open Source in Europe, Whitepaper).

Diese Entwicklung hat sich von den Bürgern aus Bottom-Up entwickelt und sollte in den gesellschaftlichen Strukturen stärker berücksichtigt werden. Aktuell dominieren immer noch die Organisationen aus den ersten drei Sektoren, doch wird der Einfluss des 4. Sektors in Zukunft immer größer. Der Grund ist: Open Source bietet Möglichkeiten, sich aus den vielfältigen Abhängigkeiten zu lösen und dadurch z.B. eine Digitale Souveränität zu erreichen und als Gesellschaft resilienter zu werden. Wie das aussehen kann, skizziere auf der MCP-Konferenz 2026, 16.-19.09.2026 in Balatonfüred, Ungarn.

Die Titel meiner beiden Paper:

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

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

Veröffentlicht am

KI-Sprachmodelle können nicht zuverlässig zwischen Überzeugungen einerseits und Wissen sowie Fakten andererseits unterscheiden

Image by SAMUEL GABRIEL from Pixabay

Es ist immer wieder erstaunlich, was wissenschaftliche Studien so ans Tageslicht bringen. Diesmal geht es darum, ob KI-Modelle gut zwischen dem unterscheiden können, was bekannt ist, und dem, was lediglich geglaubt wird. Dazu habe ich folgendes gefunden:

Die untersuchten Sprachmodelle können nicht zuverlässig zwischen Überzeugungen einerseits und Wissen sowie Fakten andererseits unterscheiden.
Quelle: Suzgun, M., Gur, T., Bianchi, F. et al. Language models cannot reliably distinguish belief from knowledge and fact. Nat Mach Intell 7, 1780–1790 (2025). https://doi.org/10.1038/s42256-025-01113-8

Das kann wiederum in sensiblen Bereichen schwerwiegende Auswirkungen haben. Gerade wenn es um gesundheitliche oder auch rechtliche Fragen geht:

„The distinction between knowledge and belief is important in practice. For example, a model used to support a medical diagnosis based on a patient’s mistaken belief, as opposed to an established fact, could reinforce an inaccurate diagnosis and treatment plan. In a legal setting, a model summarizing testimony that cannot tell the difference between what a witness believes and what is known could misrepresent evidence“ (Stanford University, AI Report 2026).

Es ist gut, wenn wir weiterhin positiv kritisch gegenüber Künstlicher Intelligenz bleiben und darauf bestehen, dass KI-Systeme transparent und nachvollziehbar sind. Die aktuellen proprietären KI-Modelle bieten das nicht, und sollten daher – wenn überhaupt – nur mit Vorsicht gerade in kritischen gesellschaftlichen und Unternehmens-Bereichen eingesetzt werden.

In der Zwischenzeit gibt es gute Alternativen. Die erfolgreiche Geschichte von Open Source KI zeigt, dass immer mehr Personen und Organisationen erkennen, dass dieser Weg ein Möglichkeit darstellt, leistungsfähige und dabei gleichzeitig auch transparente KI-Systeme einzusetzen.

Veröffentlicht am

Selbstchecks zu Digitalisierung und Künstliche Intelligenz

Quelle: https://digitalzentrum-chemnitz.de/wissen/generative-ki/

Das Mittelstand-Digital Zentrum Chemnitz hat zusammen mit der Technischen Universität Chemnitz verschiedene Selbstchecks zu den Themen Digitalisierung und Künstliche Intelligenz zusammengestellt. Diese ermöglichen es gerade Kleinen und Mittleren Unternehmen (KMU) je nach Schwerpunkt, den Ist-Zustand und den Soll-Zustand zu bestimmen. Diese einfache Gap-Analyse ermöglicht es dann den KMU gezielt Verbesserungen anzustoßen, um resilienter zu werden.

Die Abbildung zeigt einen Ausschnitt aus dem Selbstcheck zur Generativen Künstlichen Intelligenz. Blau hervorgehoben ist der selbst eingeschätzte IST-Zustand, und rot hervorgehoben der zu erreichende SOLL-Zustand zu erkennen. Die Ergebnisse können zurückgesetzt, geteilt oder auch gedruckt (beispielsweise als PDF) werden.

Die verschiedenen Checklisten bieten eine erste einfache Möglichkeit, sich mit den jeweiligen Themen gezielt und systematisch auseinanderzusetzen. Im Unternehmen ergeben sich daraus natürlich vielfältige Ansätze, die je nach Unternehmen und verfügbaren Ressourcen priorisiert werden sollten.

Als Ergänzung der einzelnen Checkliste kann ich mir ein einfaches Wirkungsnetz vorstellen, das Zielkonflikte aufzeigt: Zielkonflikte in einem einfachen Wirkungsnetz analysieren.

Darüber hinaus hat sich bei der Wissensbilanz – Made in Germany ein einfaches Wirkungsnetz bewährt, das auf den von Frederic Vester entwickelten Papiercomputer (auch als Vester’sche Einflussmatrix, Vernetzungsmatrix oder Vernetzungsgitter bekannt) zurückgeht. Das Ergebnis so einer Analyse zeigt dann auf, an welcher Stelle angesetzt werden sollte, um den größten Nutzen für das Gesamtsystem (Organisation) zu erreichen.

Veröffentlicht am

Emergentes Verhalten gibt es auch bei der Interaktion vieler KI-Agenten

AdobeStock_650993865

Wenn es um Komplexität und Künstliche Intelligenz geht, kommt man schnell zu der paradoxen Situation, dass Künstliche Intelligenz Komplexität einerseits reduzieren/bewältigen kann, andererseits aber auch selbst dazu beiträgt, Komplexität zu erhöhen.

Wie ich schon in vielen Beiträgen geschrieben habe, kommt es in komplexen Systemen – auch in KI-Systemen – zu Emergenz, d.h. zu einem neuen, überraschenden Verhalten, das nicht auf die ursprünglichen Komponenten im System zurückgeführt werden kann. Siehe dazu auch Komplexe Systeme: Ist die Antwort einfach mehr Daten?

Betrachten wir das Zusammenspiel von den aktuell überall diskutierten KI-Agenten, so können die Überlegungen auch dafür angewandt werden:

„Emergentes Verhalten – Komplexes, unerwartetes Verhalten, das aus der Interaktion vieler Agenten entsteht, ohne explizit programmiert zu sein“ (Mittelstand Digital, 2025).

Es erstaunt mich daher immer wieder, dass die bekannten Tech-Konzerne ihre proprietären KI-Systeme anpreisen unter der Überschrift, dass alles in irgendeiner Form kontrollierbar sei – das ist es eben nicht.

In der letzten Zeit ist es sogar so weit gekommen, dass die Veröffentlichung von neuen KI-Modellen von der amerikanischen Administration verboten oder eingeschränkt wurde, da nicht wirklich klar war, welche Auswirkungen die Veröffentlichung und Nutzung haben könnte: „Die US-Regierung hat die Nutzung der KI-Modelle Fable 5 und Mythos 5 von Anthropic aus Gründen der nationalen Sicherheit stark eingeschränkt“ (Tagesschau vom 13.06.2026).

Im Extremfall kann es daher sein, dass Gewinne aus den möglichen Komplexitäts-Reduzierungen (Effizienzsteigerungen) durch Künstliche Intelligenz bei den Konzernen bleiben, und die unübersehbaren Konsequenzen der auch vorhandenen Komplexitäts-Erhöhung sozialisiert werden – also von den Gesellschaften getragen und bezahlt werden müssen.

Es ist daher gut, das die Europäische Union nach Möglichkeiten sucht, neue Technologien zu fördern, gleichzeitig aber auch deren gesellschaftlichen Auswirkungen im Blick zu behalten. Siehe dazu auch Bris, A. (2025): SuperEurope: The Unexpected Hero of the 21st Century.

Veröffentlicht am

Haben wir zu viele Bullshit Jobs?

Image by Magnet.me from Pixabay

In einem interessanten Interview mit dem Portal Politikwissenschaften vom 25.03.2026 hat Prof. Dr. Florian Butollo über KI und die Zukunft der Arbeit gesprochen. Dabei hat er auch darauf hingewiesen, dass durch die permanente technische Optimierung, und die damit verbundenen Effizienzgewinne wieder neue Möglichkeiten für Unternehmen entstehen, und somit damit auch wiederum neue Arbeitsplätze – nur an anderen Stellen. Weiterhin hat Butollo auf ein Buch aufmerksam gemacht, in dem es um Bullshit Jobs geht, die wohl immer noch recht verbreitet sind:

„Der Anthropologe David Graeber hat 2018 in einem Buch eine Flut von Bullshit Jobs diagnostiziert, die er als eine Anstellung definierte, „die so vollkommen sinnlos, unnötig oder gefährlich ist, dass selbst derjenige, der sie ausführt, ihre Existenz nicht rechtfertigen kann, obwohl er sich im Rahmen der Beschäftigungsbedingungen verpflichtet fühlt, so zu tun, als sei dies nicht der Fall“ (Butello, 2026).

Quelle: Graeber, David (2018): Bullshit Jobs. Vom wahren Sinn der Arbeit, Stuttgart: Klett-Cotta, S. 20.

In dem einen Bereich, der ständig unter Druck steht und durch neue technologische Entwicklungen getrieben ist, entsteht schnell Überforderung und Überlastung, doch in anderen Bereichen langweilen sich die Mitarbeiter auch:

„Überlastung und Burn-out sind wichtig, doch es geht nicht nur darum. Gemäß neuer Studien fühlen sich 17 Prozent der Mitarbeiter tendenziell überlastet. Doch satte 43 Prozent fühlen sich von ihrer Arbeit sogar unterfordert. Sie langweilen sich“ (Prof. Dr. Florian Becker in dem Interview „Mehr als Mitfühlen“, in: projektmanagementaktuell 4/2023).

Es ist erstaunlich, dass ein Wirtschaftssystem, das in allen Bereichen auf Effizienz getrimmt ist, so eine „Unwucht“ auf dem Arbeitsmarkt ergeben hat.