Tysklands svar på amerikanske giganter: Hvad den nye AI-model "Soofi S" virkelig kan gøre

At bevæge sig væk fra amerikanske afhængigheder: Hvorfor den tyske økonomi nu ser på AI'en "Soofi S"

Kører udelukkende på egne servere: Denne nye tyske AI løser det største problem med databeskyttelse

Kunstig intelligens har for længst udviklet sig fra en ren teknologisk trend til en håndgribelig geopolitisk magtfaktor. Mens tech-giganter fra USA og i stigende grad fra Kina dominerer det globale marked med stadigt mere gigantiske og ressourcekrævende modeller, vokser bekymringen i Europa om en farlig teknologisk afhængighed. Med "Soofi S" har et bemærkelsesværdigt tysk konsortium af forsknings- og industripartnere nu præsenteret et konkret svar på denne udfordring. Med en forholdsvis beskeden finansiering på 20 millioner euro og en yderst effektiv arkitektur sigter denne grundlæggende model mod at lægge fundamentet for Europas digitale suverænitet. Men kan en model med næsten 32 milliarder parametre overhovedet overleve i det globale kapløb mellem giganter? Og lever projektet op til de indledende dristige udmeldinger? Den følgende analyse undersøger de tekniske detaljer i Soofi S, drager en ærlig sammenligning med dens internationale konkurrenter og demonstrerer, hvorfor modellen er mindre tænkt som en ChatGPT-rival for slutbrugere og mere som en skræddersyet, databeskyttelseskompatibel løsning for europæiske virksomheder.

Suveræn efterretningstjeneste fra München: Soofi S og den tyske AI-tilgang: En grundlæggende model som testcase for Europas digitale selvsikkerhed

Udgangspunktet: Hvorfor en tysk AI-model overhovedet er nødvendig

Da Soofi-konsortiet præsenterede de første resultater af sin Soofi S-basismodel den 17. juni 2026, var det mere end blot en typisk produktannoncering fra forskningssektoren. Det var den foreløbige kulmination af et industripolitisk eksperiment, der havde været under forberedelse siden november 2025 og blev støttet af cirka 20 millioner euro i finansiering fra det tyske forbundsministerium for økonomi og energi. Den sande økonomiske kerne i initiativet ligger ikke i det teknologiske kapløb om stadigt stigende parameterantal, men i en strukturel bekymring, der har cirkuleret i europæiske erhvervskredse i årevis. De, der ikke selv kontrollerer de grundlæggende AI-modeller, afgiver centrale byggesten i fremtidige digitale værdikæder til eksterne aktører, hvis forretningsmodeller, databeskyttelsesstandarder og geopolitiske interesser muligvis ikke stemmer overens med europæiske mål. Denne bekymring stammer fra observationen af, at stort set hele det kommercielle basismodellandskab er domineret af amerikanske udbydere som OpenAI, Google, Anthropic og Meta, samt i stigende grad kinesiske konkurrenter som DeepSeek, mens europæiske virksomheder i bund og grund bliver brugere snarere end skabere af denne teknologi.

Projektet er finansieret inden for rammerne af det såkaldte 8ra-paraplyinitiativ, hvis kernen er det vigtige projekt af fælles europæisk interesse om cloudinfrastrukturer, eller forkortet IPCEI-CIS. Denne europæiske finansieringsarkitektur har til formål at støtte udviklingen af ​​grundlæggende digitale infrastrukturer på tværs af kontinentet, hvor Soofi repræsenterer en af ​​de første synlige AI-specifikke byggesten inden for denne bredere ramme. Fra et økonomisk-politisk perspektiv er det bemærkelsesværdigt, at finansieringen bevidst ikke blev tildelt en enkelt stor virksomhed, men snarere et konsortium af forskningsinstitutioner, universiteter og mindre AI-virksomheder, koordineret af den tyske AI-forening som brancherepræsentant.

Hvem står bag projektet, og hvordan blev ressourcerne fordelt?

Struktur og finansiering af et usædvanligt forskningskonsortium

Konsortiet omfatter en bemærkelsesværdig række akademiske og industrielle interessenter. De deltagende institutioner omfatter Fraunhofer Instituttet for Intelligent Analyse og Informationssystemer, Fraunhofer Instituttet for Integrerede Kredsløb, det tyske forskningscenter for kunstig intelligens, Julius-Maximilians Universitetet i Würzburg med dets CAIDAS-kompetencecenter, Leibniz Universitetet i Hannover gennem dets L3S-forskningscenter, det Tekniske Universitet i Darmstadt med hessian.AI, Fachhochschule Berlin og de to virksomheder Ellamind og Merantix Momentum. Denne struktur afspejler et mønster for industripolitisk teknologifremme, der er typisk for Tyskland: i stedet for at subsidiere en enkelt markedsdominerende virksomhed, fordeles viden på tværs af mange institutioner. Selvom dette komplicerer koordineringen, forhindrer det samtidig udviklingen af ​​ensidig afhængighed af en enkelt privat aktør.

Den finansielle ramme er interessant i international sammenligning. De cirka 20 millioner euro i finansiering, som udløber ved udgangen af ​​juli 2026, virker næsten beskedne sammenlignet med de beløb, som amerikanske udbydere bruger på individuelle træningskørsler. Rapporter tyder på, at individuelle træningskørsler for store modeller kan nå op på 1 milliard euro i 2027 – et beløb, som kun få økonomisk stærke teknologivirksomheder kan klare. Det faktum, at Soofi S kan opnå et konkurrencedygtigt resultat med en brøkdel af disse ressourcer, ses i fagmiljøet som et bevis på, at teknologisk suverænitet ikke nødvendigvis kræver gigantiske mængder kapital, men også kan opnås gennem smarte arkitektoniske beslutninger og fokuserede datastrategier.

Detaljeret over modellens tekniske grundprincipper

Arkitektur, træningsdata og effektivitetens rolle

Soofi S er designet som en Mixture-of-Experts (MoE) model med et samlet parameterantal på cirka 31,6 milliarder. Imidlertid aktiveres kun omkring 3,2 milliarder af disse parametre faktisk pr. behandlet token. Denne forskel mellem det samlede antal parametre og antallet af aktive parametre er økonomisk signifikant, da den i høj grad bestemmer driftsomkostningerne i produktionen. En virksomhed, der bruger en sådan model til at analysere teknisk dokumentation eller lovgivningsmæssige tekster, betaler i sidste ende for computerkraft, der ligner en meget mindre og tættere model, mens kvaliteten af ​​resultaterne nærmer sig en betydeligt større model. Selve arkitekturen følger en hybrid tilgang bestående af 23 Mamba 2/MoE-lag og seks klassiske opmærksomhedslag med 128 routing-eksperter. En åben blueprint fra Nvidia fungerede som udgangspunkt, og i starten blev der ikke foretaget nogen dyr brugerdefineret efteruddannelse.

Træningen fandt sted mellem november 2025 og maj 2026 og strakte sig over tre faser, hvor andelen af ​​tyske træningsdata bevidst blev øget fra indledende 7,2 procent til 15,3 procent. I alt blev cirka 27 billioner tokens behandlet, hvilket resulterede i en samlet GPU-belastning på omkring 253.000 timer. Det fysiske træningsmiljø, Deutsche Telekoms Industrial AI Cloud i München, er i sig selv en del af suverænitetsfortællingen, da det bruger kølevand fra Münchens Eisbach-kanal, hvilket signalerer en vis grad af økologisk beskedenhed sammenlignet med langt mere energiintensive amerikanske datacentre. Udover tysk og engelsk som hovedsprog har modellen også begrænset understøttelse af fransk, italiensk og spansk, med en vidensbase dateret til slutningen af ​​2025 og en kontekstlængde på op til en million tokens, der er målrettet i den afsluttende træningsfase, mens den stabile gennemstrømning ifølge den tekniske rapport ligger mellem 4.000 og 256.000 tokens.

Ydelsessammenligning med internationale konkurrentmodeller

Hvor Soofi S virkelig imponerer, og hvor begrænsninger bliver tydelige

Benchmarkresultaterne, der blev offentliggjort i juli, tegner et nuanceret billede. I sammenlignende tests mod seksten andre åbne modeller hævder Soofi S at føre de aggregerede scorer for tysk og engelsk blandt fuldt åbne modeller og overgår eksplicit den amerikanske model Olmo 3 i klassen med 32 milliarder parametre og den schweiziske model Apertus med 70 milliarder parametre. Ifølge de tilgængelige tal fastholder Soofi S også sin føring over andre europæiske konkurrenter såsom den spanske Alia med 40 milliarder parametre og den flersprogede EuroLLM med 22 milliarder parametre. Især i programmeringsopgaver, målt ved benchmarks som HumanEval og MBPP, opnår modellen de bedste resultater blandt de åbne modeller i sammenligning.

Samtidig afslører resultaterne også svagheder. I opgaver, der kræver bred, faktuel viden, såsom dem i MMLU-Pro-benchmarken, såvel som i avanceret videnskabelig logik, såsom i den tyske GPQA Diamond-test, halter Soofi S bagefter lukkede internationale frontiermodeller, selvom den fortsat er blandt de bedste inden for gruppen af ​​åbne modeller. En relativ svaghed er også tydelig i tysk konkurrencematematik og visse former for faktuel spørgsmålstagning. Denne differentiering er økonomisk signifikant, fordi den viser, at Soofi S ikke er en universel erstatning for de store, lukkede modeller for teknologivirksomheder, men snarere forfølger en målrettet positionering som den bedst ydende fuldt åbne model i sin størrelsesklasse, med et særligt fokus på det tyske sprog.

En ny dimension af digital transformation med 'Managed AI' (kunstig intelligens) – Platform & B2B-løsning | Xpert Consulting - Billede: Xpert.Digital

Her lærer du, hvordan din virksomhed kan implementere skræddersyede AI-løsninger hurtigt, sikkert og uden høje adgangsbarrierer.

En administreret AI-platform er din altomfattende og bekymringsfri løsning til kunstig intelligens. I stedet for at skulle håndtere kompleks teknologi, dyr infrastruktur og langvarige udviklingsprocesser, får du en færdiglavet løsning skræddersyet til dine behov fra en specialiseret partner – ofte inden for få dage.

De vigtigste fordele på et overblik:

⚡ Hurtig implementering: Fra idé til brugsklar applikation på dage, ikke måneder. Vi leverer praktiske løsninger, der skaber øjeblikkelig merværdi.

🔒 Maksimal datasikkerhed: Dine følsomme data forbliver hos dig. Vi garanterer sikker og kompatibel behandling uden at dele data med tredjeparter.

💸 Ingen økonomisk risiko: Du betaler kun for resultater. Store forudgående investeringer i hardware, software eller personale elimineres fuldstændigt.

🎯 Fokuser på din kerneforretning: Koncentrer dig om det, du er bedst til. Vi tager os af hele den tekniske implementering, drift og vedligeholdelse af din AI-løsning.

📈 Fremtidssikret og skalerbar: Din AI vokser med dig. Vi sikrer løbende optimering og skalerbarhed og tilpasser modellerne fleksibelt til nye krav.

Mere information her:

• Den administrerede AI-løsning - Industrielle AI-tjenester: Nøglen til konkurrenceevne inden for service-, industri- og maskintekniksektoren

Den nuværende udviklingsstatus siden annonceringen

Hvad ændrede sig egentlig mellem juni og juli 2026

Siden den oprindelige annoncering i midten af ​​juni er der sket en hel del, hvilket i høj grad udvider den oprindelige pressemeddelelse. I midten af ​​juli blev den komplette Pretraining Tech Report offentliggjort, som betragtes som projektets første store milepæl, og som afslørede de tekniske detaljer, der tidligere kun havde været kendt i store træk. Dette forvandlede annonceringen til en verificerbar teknisk realitet – komplet med offentliggjorte modelvægte, trænings- og evalueringskode og en oversigt over de anvendte datakilder. Ifølge konsortiets egen vurdering opfylder projektet således kriterierne i Open Source AI Definition 1.0, og cirka 99 procent af træningsprocessen kan verificeres og reproduceres uafhængigt.

Nærmere eftersyn afslører dog en betydelig uoverensstemmelse mellem den offentlige påstand om fuldstændig åbenhed og den faktiske tilgængelighed. Modellen, der leveres på Hugging Face-platformen, er eksplicit markeret som en beta-forhåndsvisning og forskningsartefakt, ikke en endelig åben udgivelse. Adgang er i øjeblikket bundet til registrering, og licensen er i øjeblikket markeret som brugerdefineret, uden at den endelige licenstekst endnu er tilgængelig. Fraunhofer bekræfter selv på sin projekthjemmeside, at modellen i øjeblikket er i en lukket testfase med udvalgte industripartnere, og at fri adgang for offentligheden fortsat bevidst er begrænset, med meddelelsen om, at bredere adgang vil følge om et par uger. For virksomheder, der ønsker at bruge modellen produktivt, betyder det, at en konkret anmodning med dokumentation for et applikationsscenarie er påkrævet, før adgang gives.

Ud over basismodellen er der siden blevet annonceret yderligere varianter, herunder en Instruct-version optimeret til assistentopgaver og to specialiserede ræsonnementmodeller internt navngivet Isar og Rhine. Til lokal drift på lokal hardware er kvantiseringer i GGUF- og FP8-formater allerede tilgængelige, kompatible med almindelige værktøjer som llama.cpp eller Ollama. Dette er især relevant for virksomheder med strenge databeskyttelseskrav, der ikke ønsker at bruge en cloud-forbindelse.

Klassificering af det oprindelige ambitionsniveau

Fra annonceringen af ​​en model til hundrede milliarder dollars til pragmatisk virkelighed

Et aspekt, der ofte overses i den offentlige opfattelse, vedrører udviklingen af ​​det oprindelige mål. Da projektet først blev præsenteret i november 2025, var planen at udvikle en AI-sprogmodel med cirka 100 milliarder parametre, hvorfra højt specialiserede ræsonnementsmodeller til komplekse applikationer såsom AI-styret robotteknologi skulle udledes. Deutsche Telekom talte også i sine egne udtalelser om en planlagt model med 100 milliarder parametre som et europæisk svar på ChatGPT. Den Soofi S, der faktisk blev præsenteret, med omkring 30 milliarder parametre i alt, lever betydeligt op til denne oprindelige skala, og "S" i modelnavnet står eksplicit for den mindre størrelsesklasse inden for en planlagt modelfamilie.

Denne udsættelse kan fortolkes på to måder fra et økonomisk perspektiv. På den ene side kan den ses som en realistisk tilpasning til begrænsede computerressourcer og finansiering inden for den oprindeligt fastsatte frist i juli 2026, hvilket synes plausibelt i betragtning af det relativt lille finansieringsbeløb på 20 millioner euro. På den anden side afslører den en metodisk mere skarpsindig tilgang end oprindeligt annonceret: Ved først at offentliggøre en mindre, men yderst effektiv model kan konsortiet indsamle praktisk erfaring tidligt, før større og dyrere modeller udvikles. Konsortiets egne udtalelser peger i denne retning, da Soofi S eksplicit beskrives som den første byggesten i en modelfamilie, hvorfra større og mere kraftfulde efterfølgermodeller samt specialiserede varianter til dialog, ræsonnement og agentapplikationer skal udvikles.

Økonomiske målgrupper og praktiske anvendelsesscenarier

Hvem Soofi S egentlig er beregnet til

I modsætning til mange populære chatbot-applikationer henvender Soofi S sig bevidst ikke til slutbrugere, men snarere til virksomheder, industrielle SMV'er, offentlige forvaltninger, forskningsinstitutioner og startups, der ønsker at udvikle deres egne AI-applikationer baseret på deres egne data uden at være permanent bundet til individuelle ikke-europæiske udbydere. Specifikt nævnte anvendelsesområder omfatter industrielle processer, analyse af omfattende tekniske og lovgivningsmæssige dokumenter, kodegenerering og agentiske AI-systemer, der uafhængigt kan udføre flertrinsopgaver. For regulerede sektorer som finans, sundhedsvæsen eller offentlig forvaltning er evnen til at drive en AI-model udelukkende på deres egen eller europæiske infrastruktur af betydelig betydning, da det gør det lettere at håndtere problemer relateret til den generelle forordning om databeskyttelse (GDPR), revisionsbarhed og sporbarhed end med lukkede, udenlandske modeller.

Særligt værdifuld for denne anvendelse er modellens evne til at behandle meget lange dokumenter, hvilket f.eks. er relevant for analyse af tekniske manualer, lovgivningsmæssige krav eller komplekse kontrakter. Konsortiet tester allerede modellen med industripartnere i praktiske anvendelsesscenarier for at afstemme dens videre udvikling nøje med de faktiske forretningsbehov. Denne tilgang adskiller sig fra et rent akademisk forskningsprojekt, da kommerciel anvendelighed og markedsrelevans tages i betragtning fra starten, selvom konsortiet eksplicit stadig søger yderligere industripartnere til den næste udviklingsfase, herunder inden for områder som teknisk dokumentation, kodegenerering og agentapplikationer.

Kritisk vurdering og åbne spørgsmål

Mellem berettiget stolthed og ædru markedsrealitet

Den offentlige respons på Soofi S har overvejende været positiv, med særlig vægt på den omkostningseffektivitet, der opnås af et relativt lille tysk konsortium, som kan konkurrere med betydeligt større internationale projekter. Samtidig opfordrer uafhængige fagpublikationer til forsigtighed med at vurdere det faktiske modenhedsniveau. Så længe den endelige licens endnu ikke er færdigudviklet, og adgangen forbliver begrænset til en lukket testfase med udvalgte partnere, er modellen i øjeblikket bedre egnet til eksperimentering og evaluering end som et pålideligt fundament for produktive forretningsapplikationer. Denne vurdering stemmer overens med Fraunhofer Instituttets egen erklæring, som eksplicit beskriver den nuværende fase som en lukket beta og har til hensigt at acceptere offentlig feedback fra open source-fællesskabet først efter afslutningen af ​​den igangværende testfase med industripartnere.

Fra et bredere økonomisk perspektiv opstår det grundlæggende spørgsmål, om en model af denne skala virkelig kan gøre en strategisk forskel for europæisk digital suverænitet, eller om den blot vil forblive et vigtigt, men begrænset signal. En enkelt åben model med 30 milliarder parametre – uanset hvor stærk den end måtte være inden for sin peer-gruppe – kan i øjeblikket ikke konkurrere i absolutte tal med de store amerikanske og kinesiske udbyderes lukkede frontiermodeller, der opererer med betydeligt højere investeringer og større parameterantal. Den reelle værdi af Soofi S ligger derfor mindre i direkte konkurrence om topplaceringen på den globale AI-rangliste, men snarere i dens dokumenterede evne til at skabe en konkurrencedygtig, fuldt transparent basismodel, der er trænet på europæisk infrastruktur, og som kan tjene som udgangspunkt for specialiserede, suveræne applikationer.

Udsigter til projektets videre udvikling

Hvad kan man forvente i de kommende måneder

Da projektets oprindelige finansieringsperiode slutter i slutningen af ​​juli 2026, står konsortiet over for afgørende beslutninger vedrørende dets fortsættelse. Udgivelsen af ​​en endelig version under en permissiv licens uden adgangsbegrænsninger er allerede blevet annonceret, selvom den nøjagtige tidsplan stadig er åben. Større modeller inden for Soofi-familien er også under udvikling, men den specifikke struktur og tidslinje for disse efterfølgende modeller er endnu ikke blevet offentliggjort. I betragtning af den oprindelige ambition om en betydeligt større model med cirka 100 milliarder parametre, er det stadig uvist, om og i hvilken form dette mål vil blive forfulgt efter afslutningen af ​​den nuværende finansieringsfase. Dette vil sandsynligvis i høj grad afhænge af det føderale ministerium for økonomi og energi samt potentielle private investorers villighed til at yde yderligere finansiering til en anden projektfase.

For virksomheder, der overvejer at bruge Soofi S, anbefales en tostrenget strategi på nuværende tidspunkt: Teknisk evaluering af modellen kan begynde nu, især for organisationer med specifikke behov for suveræn infrastruktur og langsigtet dokumentanalyse. De endelige licensvilkår bør dog afklares inden den faktiske produktionsimplementering. De kommende uger og måneder vil vise, om Soofi S med succes overgår fra et højprofileret forskningsprojekt til en udbredt industriel infrastrukturkomponent, og om det europæiske AI-landskab dermed har fået en bæredygtig byggesten til sin digitale uafhængighed.

☑️ Vores forretningssprog er engelsk eller tysk

☑️ NYT: Korrespondance på dit modersmål!

Konrad Wolfenstein

Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.

Du kan kontakte mig ved at udfylde kontaktformularen her [email protected]:eller blot ringe til mig på +49 7348 4088 965. Min e-mailadresse er

Jeg glæder mig til vores fælles projekt.

☑️ SMV-support inden for strategi, rådgivning, planlægning og implementering

☑️ Oprettelse eller omlægning af den digitale strategi og digitalisering

☑️ Udvidelse og optimering af internationale salgsprocesser

☑️ Globale og digitale B2B-handelsplatforme

☑️ Pioner inden for forretningsudvikling / marketing / PR / messer

Fra synlighed til tillid: Din skalerbare vej med Xpert.Digital - Billede: Xpert.Digital

Inden for industriel B2B opstår bæredygtige forretningsrelationer sjældent natten over. De udvikles trin for trin – gennem synlighed, professionel relevans, tilbagevendende kontaktpunkter og voksende tillid. Xpert.Digitals 4-trinsmodel adresserer netop dette: Den tilbyder en struktureret vej, der starter med et håndterbart indgangspunkt og kan udvikle sig til et dybere samarbejde inden for forretningsudvikling, hvis det er nødvendigt.

I stedet for at stole på højlydte marketingløfter sætter denne model relationen i forgrunden. Virksomheder starter med klart definerede, let beregnelige målinger og beslutter derefter, baseret på deres egen erfaring, hvor langt de vil udvide samarbejdet. En nøglefaktor for denne uforstyrrede tillidsopbyggende proces: Platformen undgår fuldstændigt irriterende reklamer, så det redaktionelle fokus forbliver udelukkende på virksomhedernes ekspertise.

Mere information her:

• Fra synlighed til tillid: Din skalerbare vej med Xpert.Digital