Soofi S: Was das deutsche Open-Source-KI-Modell kann und was noch fehlt

Ein eigenes Modell aus Deutschland

Soofi steht für „Sovereign Open Source Foundation Models“. Hinter dem Projekt steht ein Konsortium, das der KI Bundesverband koordiniert, mit Partnern wie Fraunhofer IAIS und IIS, dem DFKI, der TU Darmstadt, der Universität Würzburg sowie den KI-Firmen ellamind und Merantix Momentum. Gefördert wird es vom Bundesministerium für Wirtschaft und Energie über das europäische Programm IPCEI-CIS, laut Wikipedia mit rund 20 Millionen Euro.

Das Ziel: große KI-Modelle, die in Europa entwickelt, trainiert und betrieben werden, ohne Abhängigkeit von US- oder chinesischen Anbietern. Das erste Ergebnis ist Soofi S, vorgestellt im Juli 2026.

Die technischen Eckdaten

• Größe: 31,6 Milliarden Parameter, davon sind pro Token nur rund 3,2 Milliarden aktiv (Mixture of Experts)
• Architektur: Mischung aus Mamba-2- und Attention-Schichten, angelehnt an Nvidias Nemotron 3 Nano
• Training: rund 27 Billionen Tokens, zwischen März und Mai 2026 auf bis zu 512 Nvidia-B200-GPUs in der Industrial AI Cloud der Telekom in München
• Sprachen: Deutsch und Englisch, der deutsche Anteil lag je nach Trainingsphase zwischen 7 und 15 Prozent
• Kontext: bis zu 1 Million Tokens
• Varianten: ein Basismodell, eine Instruct-Version und die Reasoning-Varianten Isar und Rhine, alle als Preview

Die Mixture-of-Experts-Bauweise macht das Modell schnell, weil pro Anfrage nur ein kleiner Teil rechnet. Im Speicher liegen müssen trotzdem alle 31,6 Milliarden Parameter. Für den eigenen Betrieb reicht also kein Laptop, ein einzelner gut ausgestatteter GPU-Server aber sehr wahrscheinlich schon.

Wie gut ist Soofi S?

Nach den Zahlen des Konsortiums schlägt Soofi S auf deutschen und englischen Aufgaben andere vollständig offene Modelle wie Olmo 3 32B und das Schweizer Apertus 70B, obwohl es pro Token deutlich weniger Parameter nutzt. Stark ist es bei Code und Klassifikation.

Es gibt aber auch klare Schwächen. Bei deutscher Wettbewerbsmathematik liegt Soofi S hinten, und bei Aufgaben, die Informationen aus sehr langen Texten ziehen, bricht die Leistung jenseits von etwa 32.000 Tokens ein. Das beworbene Kontextfenster von einer Million Tokens ist also eher eine technische Grenze als ein Praxiswert. Außerdem hat das Basismodell kein Sicherheitstraining. Unabhängig nachprüfen lassen sich die Zahlen bisher kaum, weil nur wenige Zugriff haben.

Offen, aber noch nicht zugänglich

Hier liegt der Haken. Soofi S wird als Open Source angekündigt, ist es aber noch nicht. Auf Hugging Face steht jedes Modell hinter einer manuellen Freigabe, die Modellkarte nennt es ausdrücklich eine Beta-Vorschau und ein Forschungsartefakt, „not an open release“. Die Lizenz ist als „Other“ eingetragen. Neue Bewerbungen für die Testphase nimmt das Projekt derzeit nicht an.

Angekündigt ist eine Freigabe unter einer freizügigen Lizenz ohne Zugangsbeschränkung, ein Datum dafür gibt es nicht. Positiv ist die Datenlage: Rund 99 Prozent der Trainingsdaten sollen aus offenen Quellen nachvollziehbar sein, nur ein kleiner Teil stammt aus dem lizenzierten Pressearchiv Genios.

Was das für Unternehmen heißt

Für den produktiven Einsatz ist Soofi S heute keine Option. Wer ein europäisches Modell braucht, greift derzeit zu Mistral oder betreibt ein offenes Modell selbst, etwa bei einem europäischen Cloud-Anbieter. Trotzdem lohnt es, das Projekt im Blick zu behalten, vor allem wenn einer dieser Punkte auf dich zutrifft:

• Du willst ein Modell selbst hosten, bei dem Herkunft und Trainingsdaten dokumentiert sind, zum Beispiel für Ausschreibungen im öffentlichen Sektor.
• Deine Anwendungen laufen vor allem auf Deutsch, etwa technische Dokumentation, interne Wissenssuche oder die Klassifikation von Anfragen.
• Du brauchst ein kleines, schnelles Modell für viele gleichartige Aufgaben und nicht das stärkste Modell für alles.

Sinnvoll ist, jetzt schon einen kleinen Satz eigener Testaufgaben festzulegen. Sobald Soofi S frei verfügbar ist, lässt es sich damit in wenigen Stunden gegen das bisher genutzte Modell vergleichen, statt sich auf die Benchmarks des Konsortiums zu verlassen.

Fazit

Soofi S zeigt, dass in Deutschland ein konkurrenzfähiges Sprachmodell entstehen kann, trainiert auf deutscher Infrastruktur und mit nachvollziehbaren Daten. Ob es für Unternehmen relevant wird, entscheidet sich erst mit der offenen Freigabe. Bis dahin ist es ein Projekt zum Beobachten, nicht zum Einplanen.