Europa will bei leistungsfähiger künstlicher Intelligenz nicht dauerhaft von US-amerikanischen und chinesischen Anbietern abhängig bleiben. Ein Konsortium um das italienische Unternehmen Domyn und zwei deutsche Fraunhofer-Institute hat nun gezeigt, dass sich das Training eines KI-Modells mit nahezu einer Billion Parametern auf öffentlich betriebener europäischer Recheninfrastruktur technisch bewältigen lässt. Der Erfolg liegt vorerst allerdings in der Infrastruktur – nicht in einer nachgewiesenen Leistung des Modells.
Am 12. November 2026 legte das EUROPA-Konsortium einen detaillierten technischen Bericht über Trainingsexperimente auf dem Supercomputer JUPITER am Forschungszentrum Jülich vor. Die getestete Architektur umfasst 951,9 Milliarden Parameter. Noch sind weder das fertige Modell noch unabhängige Leistungstests veröffentlicht.
Ein europäisches Projekt mit deutschen Partnern
Die Europäische Kommission hatte das Konsortium am 19. Juni 2026 zum Sieger ihrer Frontier AI Grand Challenge erklärt. Beteiligt sind das italienische KI-Unternehmen Domyn sowie das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS und das Fraunhofer-Institut für Integrierte Schaltungen IIS. Das Ziel: ein offenes leistungsfähiges KI-Modell, das sämtliche 24 Amtssprachen der Europäischen Union unterstützt.
Die ursprüngliche Ausschreibung verlangte ein Modell mit mehr als 400 Milliarden Parametern. Die aktuelle Experimentalkonfiguration übertrifft diese Zahl deutlich. Für das Vorhaben ist der Zugang zu bis zu 2,5 Prozent der gesamten EuroHPC-Rechenkapazität für ein Jahr vorgesehen.
951,9 Milliarden Parameter – aber nicht alle rechnen gleichzeitig
EUROPA setzt auf eine Mixture-of-Experts-Architektur (MoE). Sie verteilt Rechenaufgaben auf spezialisierte Teilnetze. In der dokumentierten Konfiguration gibt es 384 solcher Experten, von denen pro verarbeitetem Token acht ausgewählt werden. Von den insgesamt 951,9 Milliarden Parametern sind deshalb bei der Verarbeitung eines Tokens etwa 32,8 Milliarden aktiv.
Das macht ein sehr großes Modell effizienter, ist aber kein Beleg dafür, dass es automatisch leistungsfähiger als kleinere KI-Systeme ist. Entscheidend sind unter anderem Trainingsdaten, Trainingsdauer, Abstimmung der Architektur und die Ergebnisse bei anspruchsvollen Tests.
JUPITER in Jülich: Die eigentliche technische Leistung
JUPITER ist Europas erster Supercomputer der Exascale-Klasse. Anders als spezialisierte KI-Rechenzentren ist die öffentlich finanzierte Maschine für unterschiedliche wissenschaftliche Aufgaben ausgelegt und wird von vielen Projekten gemeinsam genutzt. Das EUROPA-Team konnte die Systemarchitektur nicht nach Belieben verändern.
Besonders problematisch war die Kommunikation zwischen Grafikprozessoren über die Grenzen einzelner Rechenknoten hinweg. Der Transfer über das Netzwerk ist wesentlich langsamer als die Datenübertragung innerhalb eines Knotens. Große KI-Modelle müssen jedoch fortlaufend enorme Datenmengen austauschen, während sie trainiert werden.
Durch eine Kombination technischer Änderungen erreichten die Entwickler nach eigenen Messungen statt anfänglich rund 90 schließlich etwa 1.293 verarbeitete Tokens pro Sekunde und GPU – etwa den 14-fachen Durchsatz. Die Angaben beziehen sich auf eine konkrete experimentelle Konfiguration mit 384 NVIDIA-GH200-GPUs, verteilt auf 96 Rechenknoten. Sie sind keine Messwerte dafür, wie schnell ein fertiger EUROPA-Chatbot später antworten würde.
Zu den Optimierungen gehören die Verlagerung bestimmter Zwischendaten in den Arbeitsspeicher der Grace-CPUs, Änderungen an der Speicherverwaltung und eine effizientere Verteilung der Optimierungsberechnungen. Verbesserungen an PyTorch und TorchTitan flossen auch in die verwendete Open-Source-Software zurück. Damit können andere Entwickler von Teilen der Arbeit profitieren – unabhängig davon, wann das EUROPA-Modell veröffentlicht wird.
Offene Gewichte sind angekündigt, ein fertiges Modell fehlt
Die EU-Kommission spricht von einem offenen KI-Modell. Domyn kündigt an, Modellgewichte und Trainingsverfahren zugänglich zu machen. Konkrete Lizenzbedingungen, vollständige Angaben zu den Trainingsdaten, ein unabhängiger Benchmark-Vergleich und ein verbindlicher Veröffentlichungstermin lassen sich aus dem technischen Bericht jedoch nicht entnehmen.
Wichtig ist außerdem eine Einschränkung im Bericht selbst: Die veröffentlichte Modellkonfiguration stammt aus Experimenten. Die Entwickler weisen darauf hin, dass sich technische Parameter vor dem eigentlichen Trainingslauf noch ändern können. Die gemessene Effizienz ist deshalb nicht mit einem abgeschlossenen Training gleichzusetzen.
Was EUROPA für Europas KI-Souveränität bedeutet
Das Projekt greift einen zentralen Schwachpunkt der europäischen KI-Landschaft an: Leistungsfähige Basismodelle benötigen nicht nur Forschung und Fachkräfte, sondern auch enorme Rechenkapazität. Wenn bestehende öffentlich finanzierte Supercomputer für solche Aufgaben genutzt werden können, sinkt die Abhängigkeit von exklusiv angemieteten privaten KI-Clustern zumindest bei einem Teil der Entwicklung.
Allerdings entsteht digitale Souveränität nicht allein dadurch, dass ein Modell in Europa trainiert wird. Die JUPITER-Hardware basiert auf NVIDIA-Technik; auch bei Software, Lieferketten und langfristigen Betriebskosten bleiben Abhängigkeiten bestehen. Und ein Modell mit offenen Gewichten ist für Unternehmen erst dann eine echte Alternative, wenn Qualität, Sicherheit, Lizenzbedingungen und laufender Betrieb überzeugen.
Der bisherige Befund: EUROPA hat nach Angaben des Konsortiums eine bedeutende technische Hürde beim Training großer KI-Modelle auf öffentlicher Infrastruktur überwunden. Ob daraus eine konkurrenzfähige europäische Alternative zu den führenden KI-Systemen wird, ist noch offen. Die nächsten entscheidenden Schritte sind der nachweisbare Abschluss des Trainings, die Veröffentlichung des Modells und unabhängige Tests.
Quellen
📂
Kategorie
KI
Künstliche Intelligenz, große Sprachmodelle, Bildgeneratoren und was sie wirklich können – und was nicht.