Kolibri 1: Aleph Alpha legt Deutschlands Open-Weight-KI-Modell offen

Seit dem 3. Oktober 2026 liegt auf Hugging Face ein Sprachmodell, das für Deutschland einen Sonderfall ist: Kolibri 1 von Aleph Alpha, Open-Weight, Apache 2.0, publiziert als Aleph-Alpha/Kolibri-1 und begleitet von einem Tech-Report. Christoph Magnussen hat das Modell in seinem Video 'KI aus Deutschland! Was steckt hinter Kolibri von Aleph Alpha?' auf drei Fragen abgeklopft: Was ist es, wie viel Deutsch steckt in der Basis, und was kostet es, so etwas wirklich zu betreiben? Genau diese Fragen beantwortet dieser Bericht aus der Primärquelle, der Model-Card, und rechnet die Zahlen durch, die im Video nur angerissen wurden: 78 Milliarden Parameter total, 3,46 Milliarden davon aktiv pro Token, ein Kontextfenster von 1.048.576 Token und ein Trainingsanteil von rund 24 Prozent Deutsch. Bemerkenswert ist nicht die Zahl allein, sondern die Kombination aus offener Lizenz, zweisprachiger Fokussierung und einer Zielgruppe, die keine 20-Euro-Abos kauft. Wer die deutsche KI-Diskussion der letzten Jahre verfolgt hat, findet hier zum ersten Mal seit langem ein Artefakt, das man herunterladen, prüfen und betreiben kann.

Kolibri 1 ist ein Mixture-of-Experts-Transformer mit 50 Schichten und 384 Experten je Schicht, von denen einer geteilt und sechs geroutet werden. Insgesamt trägt das Modell 78.103.074.560 Parameter, aktiv sind pro Token 3.457.573.120, also rund 3,46 Milliarden. Der Optimierer laut Tech-Report ist Muon mit Exact Quantile Balancing, die Aufmerksamkeit mischt Sliding-Window- und Grouped-Query-Anteile im Verhältnis 4:1. Diese Architektur hält den Rechenaufwand pro Token niedrig, während die Kapazität eines sehr großen Modells erhalten bleibt; der Preis dafür ist Speicher, denn die vollständigen Gewichte müssen im RAM sitzen, rund 78 GB in FP8 mit 128x128-Blöcken, während Embeddings, LM-Head, Normen und Router in BF16 liegen. Das Kontextfenster ist mit 1.048.576 Token validiert, für die Praxis empfiehlt die Karte maximal 262.144 Token, weil das Serving bei langen Kontexten teuer und träge wird; dank der Sliding-Window-Schichten lässt sich der Kontext ohne Positions-Skalierung erweitern. Ausdrücklich genannt werden ein Reasoning-Modus und Tool Calling, der Knowledge Cutoff liegt für beide Sprachen beim 18. Juni 2026. Ein Detail mit Wirkung auf deutsche Texte: Der Tokenizer ist eigens auf deutsches Wortgefüge abgestimmt, er zerlegt deutsche Wortformen effizient, ohne Englisch schlechter zu behandeln.

Die Trainingsbilanz liest sich wie ein Zustandsbericht europäischer Modellarbeit. Die Vortrainierung lief auf 768 NVIDIA B200, verteilt auf 96 HGX-Knoten mit je 8 GPUs, und brauchte 21 Tage, also 511 Stunden, rund 392.000 GPU-Stunden. Darauf folgte eine Mid-Training-Phase mit 3,44 Billionen Token über fünf Tage und 90.000 GPU-Stunden sowie eine Long-Context-Phase mit 201 Milliarden Token in 13 Stunden und 10.000 GPU-Stunden. Insgesamt beziffert der Tech-Report den Rechenaufwand auf 6,4e23 FLOPS und den Energiebedarf auf rund 950 MWh, eingeschlossen Rechenzentrumsoverhead über den PUE, ausgenommen SFT und RL. Die eigentliche Botschaft liegt im Sprachmix: Vom Vorkorpus mit 20 Billionen Token entfallen laut Model-Card 62,5 Prozent auf Englisch, 23,9 Prozent auf Deutsch und 13,6 Prozent auf Code, dazu kommen synthetische Umschreibungen und Übersetzungen sowie kuratierte Hochwertquellen. Magnussen betont im Video, das Modell sei auf europäischer Hardware trainiert worden, und nennt rund ein Viertel Deutsch, was mit den offiziellen 23,9 Prozent zusammenpasst.

In der Model-Card stehen die Werte der eigenen Auswertung: GPQA Diamond 84,3 Punkte, AIME 2026 96 Punkte, SWE-bench Verified 66,4 Prozent, Terminal-Bench 2.1 27,7 Prozent und Humanity's Last Exam 21,5 Prozent; für MMLU-Pro weist die Karte 80 Punkte mit einer Anmerkung aus. Das sind stimmige Werte für die Größenklasse, aber sie sind Werkstattmessung des Herstellers, keine unabhängige Reproduktion. Ein Durchsatztest im NVIDIA-Developer-Forum zeigt für die B200-Klasse in Einzelströmen rund 47 bis 49 Token pro Sekunde bei der Generierung, was für Serving-Planungen relevant ist, nicht für Modellvergleiche. Das Video vermeidet Benchmark-Prunk und ordnet Kolibri als Werkzeug für kritische Anwendungen ein, nicht als Kanonen-Herausforderer für Claude oder GPT. Der offenste Punkt in der Beweislage bleibt die deutsche Sprache jenseits der Trainingsquote: Unabhängige Evaluierungen, etwa für Behörden- oder Kanzleisprache, fehlen bislang; genau dort, wo der Souveränitäts-Case wirken müsste, ist die Beleglage am dünnsten.

Wer Kolibri ausprobieren will, findet keinen Play-Button. Der offizielle Weg ist das Paket aleph-alpha-inference mit dem Kolibri-vLLM-Plugin oder das Containerimage ghcr.io/aleph-alpha/aleph-alpha-inference; ein typischer Start liest sich zum Beispiel als vllm serve Aleph-Alpha/Kolibri-1, dazu Flags für einen FP8-KV-Cache, eine Modelllänge von 262.144 Token, den Reasoning-Parser kolibri1 und den Tool-Call-Parser desselben Namens. Auf der Hardwareseite beginnt die Rechnung hoch: mindestens zwei A100 mit 80 GB, zwei H100 SXM5 oder eine einzelne H200, B200 oder B300, empfohlen wird die Stufe darüber. Magnussen nennt für den Einstieg 30.000 bis 40.000 Euro, und sein MacBook Air mit 32 GB RAM fällt im LM-Studio-Check mit 'likely too large' durch: Nur eine gekürzte Community-Fassung verspricht Mac-Tauglichkeit, und die Grenze liegt eher bei einem MacBook Pro mit 128 GB RAM oder einem Mac Studio. Bleiben die inoffiziellen Wege: Ein Anbieter aus dem Raum München stellt das Modell unter tesseracted.com bereit, mit Anfragelimit und ohne automatischen Datenschutz-Nachweis, oder man mietet eine Hugging-Face-Space-Instanz und betreibt das Modell dort. Beides funktioniert laut Video, beides ist Handarbeit.

Die Model-Card beschreibt den Einsatzbereich nüchtern: Dokumentenverarbeitung, Frage-Antwort-Systeme über eigenes Material, interne Wissens- und Recherche-Tools, strukturierte Extraktion und Retrieval-Augmented Generation, ausgelegt auf Tool Calling und Systeme, in denen ein Mensch die Ausgaben prüft, bevor etwas passiert. Entscheiden soll das Modell nicht, es gehört auf die Beraterseite von Decision-Support-Systemen. Magnussen listet Szenarien von der Meeting-Transkription über CRM und interne Dossierarbeit bis zu besonders sensiblen Feldern wie Verteidigung, Gesundheitswesen und Cyberabwehr. Der Punkt, der oft überlesen wird: Die Lizenz erlaubt kommerzielle Nutzung, Modifikation und Weitergabe ohne Umsatz- oder Nutzer-Schwellen, und die offenen Gewichte machen das Modell prüfbar. Aber Datenschutz-Konformität ist trotzdem eine Bauaufgabe. Der Video-Satz dazu lautet sinngemäß: Dass ein Modell offen ist und ein Viertel Deutsch im Training hatte, macht den Betrieb nicht automatisch DSGVO-konform, weder im Self-Hosting noch bei einem inoffiziellen Web-Angebot; gebaut werden müssen die Umgebung, Zugriffsregeln und Prüfprozesse.

Aleph Alpha sitzt in Heidelberg, besteht seit 2019 und hat einen Umbau hinter sich, den das Video deutlich erzählt: Das Unternehmen bewarb sich lange als deutsches Gegenstück zu OpenAI, dann verlagerte sich der Fokus, spätestens 2024 oder 2025, weg vom eigenen Frontier-Modellbau Richtung Betrieb souveräner KI-Systeme für Verwaltung und Unternehmen. Vor wenigen Wochen, so Magnussen, kündigte Aleph Alpha eine Fusion mit dem kanadischen Modellbauer Cohere an, sie ist noch nicht abgeschlossen; zur Geschichte gehört laut Video eine Bewertungsjahre-Spur mit Ups und Downs. Die Model-Card dokumentiert den institutionellen Rahmen: Aleph Alpha ist Unterzeichner des EU GPAI Code of Practice. Magnussens Strategie-Satz ist ein doppelter Negativ-Beweis: Würde Europa den Wettlauf um große Sprachmodelle einfach für beendet erklären, verlöre es das Rennen nicht, es würde gar nicht erst mitrennen. Kolibri liest er als Beleg, dass der Versuch möglich ist, und als Expertisen-Hebel, denn wer einmal ein lokales Modell betrieben hat, kann es nutzen, wenn Anwendungen später wirklich gute lokale Modelle brauchen. Zum Sprachaspekt: Im Netz gibt es deutlich weniger Deutsch als Englisch, und seine Nebenbemerkung, chinesische Modelle rechnen intern oft auf Englisch, rahmt Kolibri als transparentes Gegengewicht, gerade weil Modelle wie Astra oder Fable laut Video kaum Denkspur zeigen, während die Kolibri-Card einen ausdrücklichen Reasoning-Modus nennt.

Die ehrliche Antwort ist eine Zielgruppen-Aussage. Kolibri 1 ist für Unternehmen, Behörden und Systemintegratoren gedacht, die kritische Abläufe auf eigener Infrastruktur halten wollen und bereit sind, den Betrieb als Projekt zu führen, mit GPU-Budget, Datenschutz-Setup und eigenen Evaluierungen. Für Einzelanwender gibt es nichts zu abonnieren, und das Video formuliert deshalb konsequent mit 'könnte': ein Modell, das man erst zu einem Lösungsbetrieb machen muss. Es gibt zwar einen Markt für lokal betriebene Modelle, aber der braucht andere Leute als die 20-Euro-Chatbot-Zielgruppe, Infrastruktur-Fachleute, Compliance und Operations. Das Fazit ist deshalb weniger ein Produkttest als eine Standortbestimmung: Deutschland hat mit Kolibri 1 ein Open-Weight-KI-Modell dieser Klasse, und die Frage nach dem Nutzen entscheidet sich nicht in den Benchmarks, sondern im Betrieb. Offen bleiben die Cohere-Fusion, eine offizielle gehostete Variante und unabhängige Evaluierungen in Behördensprache; so lange, sind Model-Card und Tech-Report der Maßstab.

Video: https://www.youtube.com/watch?v=SOcdaG5KZbs
Model-Card: https://huggingface.co/Aleph-Alpha/Kolibri-1
Tech-Report: https://aleph-alpha.com/downloads/tech-report.pdf
Aleph-Alpha-Blog: https://aleph-alpha.com/en/blog/kolibri-has-landed-a-sovereign-open-weight-model/

YouTube-Video 'KI aus Deutschland! Was steckt hinter Kolibri von Aleph Alpha?' von Christoph Magnussen (Kanal Christoph Magnussen, Blackboat), Abruf 12.10.2026.
Hugging Face, Model-Card Aleph-Alpha/Kolibri-1, Abruf 12.10.2026.
Aleph Alpha, 'Kolibri Has Landed: A Sovereign Open-Weight Model', Blog, Abruf 12.10.2026.
Aleph Alpha, Tech-Report (PDF), Abruf 12.10.2026.
NVIDIA-Developer-Forum, Benchmark-Thread zu Kolibri-1 auf B200, Abruf 12.10.2026.