Die erzwungene Abschaltung der Anthropic-Modelle Fable 5 und Mythos 5 zeigt, wie schnell künstliche Intelligenz zum geopolitischen Risiko werden kann. Für europäische Unternehmen geht es nicht mehr nur um Modellleistung, sondern um Kontrolle, Ausweichfähigkeit und technologische Lieferketten.

Der Fall Anthropic markiert einen Wendepunkt in der Debatte um digitale Souveränität. Die Modelle Fable 5 und Mythos 5 wurden nicht wegen technischer Pro-bleme abgeschaltet, sondern aufgrund einer Exportdirektive der Vereinigten Staaten. Für Unternehmen, die zentrale Prozesse auf externe künstliche Intelligenz (KI) stützen, ist das ein Warnsignal: KI wird zur Infrastrukturfrage.

Martin Stolberg, Head of AI bei Sopra Steria, sieht darin kein klassisches Sicherheitsproblem, sondern ein strukturelles Abhängigkeitsrisiko. »Ein geschäftskritisches KI-System war innerhalb von Stunden nicht mehr verfügbar – ausgelöst durch eine exogene regulatorische Entscheidung«, sagt er. Digitale Souveränität beginne deshalb bei der Kontrolle über die eigene technologische Lieferkette.

Wenn ein Modell ausfällt, steht mehr still als ein Chatbot.

Die operativen Folgen hängen davon ab, wie tief ein Modell in Unternehmensprozesse integriert ist. Besonders relevant sind sogenannte Frontier-Modelle, also besonders leistungsfähige KI-Modelle an der technologischen Spitze. Noch dominieren sie in vielen Unternehmen keine Kernprozesse. Wo KI jedoch Kundenkommunikation, Dokumentenverarbeitung, Recherche, Softwareentwicklung, Betrugserkennung oder interne Wissenssysteme unterstützt, kann ein plötzlicher Wegfall schnell geschäftskritisch werden.

Noch heikler wird es bei agentischen Workflows, in denen ein Modell eigenständig Aufgaben anstößt, Daten verarbeitet oder Folgeprozesse auslöst. Ein kurzfristiger Wechsel ist zwar grundsätzlich möglich, aber komplex. Schnittstellen zu Anwendungen und Datenquellen müssen angepasst, Prompts und Systemanweisungen übertragen und überprüft sowie agentische Abläufe neu getestet werden. Auch der Harness, also die technische Umgebung, die ein KI-Modell zu einem handlungsfähigen Agenten macht, muss angepasst werden. Hinzu kommen fachliche, technische und rechtliche Tests sowie erneute Prüfungen von Governance, Datenschutz und Sicherheitsregeln.

Compute ist beherrschbar, Training bleibt der Engpass.

Für die reine Nutzung großer Modelle, also die Inferenz, ist klassischer Cloud-Speicher nicht der zentrale Engpass. Entscheidend sind Rechenleistung und vor allem Grafikspeicher (GPU-VRAM). Nach Stolbergs Größenordnungsschätzung ließe sich die reine deutsche Inferenz-Nutzung großer Chatbots grundsätzlich durch deutsche Anbieter abbilden. Storage sei dabei eine Nebengröße, die Last liege vor allem im Compute-Bereich.

Wesentlich anspruchsvoller ist das Training großer Modelle. Dafür braucht es große GPU-Cluster, hohe Energiekapazitäten, Datenpipelines, Spezialwissen und langfristige Finanzierung. Europa kann daher viele KI-Anwendungen souverän betreiben, liegt beim Aufbau eigener Modelle der nächsten Größenordnung aber weiterhin zurück.

Benchmarks sagen wenig über Souveränität aus.

Die Prüfung einer KI-Architektur darf deshalb nicht bei Leistungsbenchmarks enden. Entscheidend ist, ob Modell, Hosting und Orchestrierung bei einem oder wenigen externen Anbietern liegen. Dann entsteht ein Single Point of Failure: Fällt der Anbieter aus, ändert sich der Rechtsrahmen oder wird der Dienst eingeschränkt, können Prozesse unmittelbar gefährdet sein.

Unternehmen sollten daher prüfen, ob ein Modell im laufenden Betrieb austauschbar ist und zu welchen Kosten. Zu den Kriterien zählen Programmierschnittstellen-Kompatibilität (API), Integrationsaufwand, erneutes Testen, Datenflüsse, Logging, Datenschutz, Notfallpläne und Service Level Agreements (SLA). Auch Prompt-Logiken, Systemanweisungen, Bewertungsroutinen oder agentische Abläufe können stark an ein bestimmtes Modell gebunden sein.

Stolberg fasst die Bewertungslogik zusammen: »Souveränität entscheidet sich nicht an Benchmarks, sondern an Verfügbarkeit unter eigener Kontrolle.« Leistung muss deshalb je Anwendungsklasse bewertet werden. Für Recherche, Programmierung, Konzeption, Übersetzung, Klassifikation oder Kundenservice gelten unterschiedliche Anforderungen. Ein europäisches Modell muss nicht überall Frontier-Niveau erreichen, um für klar abgegrenzte Aufgaben produktiv sinnvoll zu sein.

Europäische Modelle sind bereits einsetzbar.

Europäische KI-Angebote sind heute nutzbar, wenn Unternehmen ihre Anforderungen realistisch definieren. Mistral aus Frankreich gilt als produktionsreife Option für Chat, Retrieval-Augmented Generation (RAG), Assistenzsysteme und Content-Anwendungen. Der Betrieb ist über Web, App, API oder Self-Hosting möglich.

Apertus aus der Schweiz eignet sich vor allem für kontrollierte Umgebungen und sensible Daten, etwa bei lokalem Betrieb über LM Studio oder Self-Hosting über Hugging Face. Der Vorteil liegt in hoher Kontrolle, der Preis in höherem Integrations- und Betriebsaufwand. Teuken 7B aus dem Umfeld von OpenGPT-X und Fraunhofer ist besonders für Mehrsprachigkeit und spezifische Anwendungen interessant, ersetzt aber keine großen General-Modelle. EuroLLM ist strategisch relevant, befindet sich operativ jedoch eher in einer frühen Phase für Pilotprojekte, Forschung und öffentliche Verwaltung.

Diese Tabelle erhebt keinen Anspruch auf Vollständigkeit. Es gibt weitere europäische Modell-Anbieter wie Aleph Alpha, DeepMind Europa-Teams, Helsinki NLP, TurkuNLP.

Mit Sovereign Open Source Foundational Models for European Intelligence (SOOFI) soll Europa beim Aufbau eigener KI-Modelle einen weiteren Schritt machen. Geplant ist ein vollständig in Europa trainiertes Open-Source-Sprachmodell mit rund 100 Milliarden Parametern. Beteiligt sind unter anderem der KI-Bundesverband, Fraunhofer, das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) sowie Universitäten in Hannover und Würzburg. Stolberg mahnt jedoch langfristige Finanzierung an: »20 Millionen Euro sind ein Anfang. Aber Souveränität, die nach acht Monaten ausläuft, ist keine.«

Staatliche Förderung muss über Anschubfinanzierung hinausgehen.

Die Bundesregierung sollte nicht nur Geld bereitstellen, sondern verlässliche, mehrjährige Programme für Training, Betrieb, Evaluierung und industrielle Nutzung europäischer Modelle schaffen. Der Staat kann zugleich strategischer Auftraggeber sein, etwa in Verwaltung, Sicherheitsbehörden, Gesundheitswesen und öffentlicher Infrastruktur. Hinzu kommen Standards, koordinierte Rechenkapazitäten und eine enge Abstimmung mit der Europäischen Union (EU), damit Förderprojekte nicht bei Prototypen enden.

Auch Regulierung bleibt wichtig. Der Artificial Intelligence Act (AI Act) verlangt Transparenz, Risikomanagement und Kontrolle, vor allem bei kritischen Anwendungen. Gleichzeitig braucht Europa industrielle Skalierung: belastbare Betriebsmodelle, nachvollziehbare Trainingsdaten, geprüfte Modelle, Haftungsstrukturen und wirtschaftlich tragfähige Angebote.

Resilienz bedeutet Mehrgleisigkeit, nicht Abschottung.

Für Unternehmen lautet die zentrale Konsequenz: KI sollte wie kritische Infrastruktur geplant werden. Dazu gehören mindestens ein alternatives Modell, ein zweiter Anbieter, ein anderer Rechtsraum und eine lokale Inferenzoption. Kritische Anwendungen sollten nicht untrennbar an ein einzelnes Modell gekoppelt sein. Modell-Routing, Fallback-Szenarien, regelmäßige Notfallübungen und dokumentierte Governance werden damit zu festen Bestandteilen der Architektur.

Technologische Abschottung wäre dennoch falsch. Globale Plattformen bleiben wichtig für Innovation, internationale Forschung und Spitzenleistung. Unternehmen sollten sie weiter nutzen, aber nicht ohne Exit-Strategie. Europäische Modelle lassen sich parallel erproben, für abgegrenzte Aufgaben produktiv einsetzen und schrittweise in hybride Architekturen integrieren.

Der Einstieg kann niedrigschwellig erfolgen: Mistral Vibe testen, Apertus im Browser ausprobieren oder Modelle lokal über LM Studio betreiben. Das schafft Vergleichswerte, praktische Erfahrung und organisatorische Reife. Wer europäische Alternativen früh produktiv erprobt, gewinnt Verhandlungsmacht und reduziert operative Verwundbarkeit. Wer ausschließlich auf die stärksten EU-fremden Modelle setzt, macht politisch bestimmte Verfügbarkeit zum unsichtbaren Teil seiner IT-Architektur.

Stefan Mutschler,
freier Journalist

Illustration: © Rik Trottier | Dreamstime.com

1644 Artikel zu „Souveränität KI“

Ausgabe 9-10-2026 | Infrastruktur | IT-Security | Künstliche Intelligenz | News | Rechenzentrum | Security Spezial 9-10-2026 | Strategien

Sovereign AI: KI-Infrastruktur, Datenkontrolle und digitale Souveränität – Souveränität entscheidet sich im Stack

27. Oktober 2026

KI verschiebt sensible Daten über Clouds, Rechenzentren und Edge-Systeme hinweg. Warum echte Sovereign AI mehr verlangt als einen europäischen Speicherort – und wie Unternehmen Kontrolle, Sicherheit und Resilienz über den gesamten Infrastruktur-Stack herstellen.