Kurzfassung: Am 13. Juli 2026 hat das SOOFI-Konsortium das Modell Soofi S veröffentlicht. Es ist technisch ernstzunehmen und unter den vollständig offenen Modellen in Deutsch führend. Gleichzeitig steht der Lizenztext noch aus, und die Gewichte liegen hinter einer Zugangssperre. Ein Projekt, das „Sovereign Open-Source Foundation Models” heißt, ist damit vorerst weder final lizenziert noch frei nutzbar.

Im Mai habe ich über den Rückzug von OpenEvidence aus Europa geschrieben, dass Europa die durch Regulierung gewonnene Zeit für eigene Infrastruktur nutzen muss. Sonst bleibe digitale Souveränität ein Schlagwort.

Soofi S ist genau dieser Versuch. Deshalb schaue ich genauer hin als bei der nächsten Modellankündigung aus Kalifornien.

Was da veröffentlicht wurde

SOOFI steht für Sovereign Open-Source Foundation Models. Es ist kein einzelnes Modell, sondern eine geplante Familie. Konsortialführer ist der KI-Bundesverband. Beteiligt sind die TU Darmstadt, die Universitäten Hannover und Würzburg, die Beuth-Hochschule Berlin, das DFKI, Fraunhofer IAIS und Fraunhofer IIS sowie die Unternehmen Ellamind und Merantix Momentum. Gefördert wird das Projekt mit 20 Millionen Euro vom Bundesministerium für Wirtschaft und Energie über die EU-Initiative 8ra.

An der TU Darmstadt verantwortet Kristian Kersting drei Bereiche: die Datenpipeline, das Training von Reasoning-Modellen und energieeffiziente Alternativen zum Transformer.

Das erste Modell, Soofi S, hat rund 31,6 Milliarden Parameter, von denen pro Token nur etwa 3,2 Milliarden aktiv sind. Die Architektur mischt Mamba-2 mit einem Mixture-of-Experts-Ansatz: 23 Mamba-2-Schichten, 23 MoE-Schichten mit 128 Experten, von denen sechs aktiv werden, und nur sechs klassische Attention-Schichten. Trainiert wurde auf rund 26,7 Billionen Token, auf 512 NVIDIA-B200-Grafikkarten in der Industrial AI Cloud der Telekom in München, in etwa 253.000 GPU-Stunden zwischen März und Mai 2026.

Das ist keine Kosmetik. Weil nur sechs Schichten einen KV-Cache brauchen, ist das Modell bei langen Eingaben deutlich sparsamer als ein reiner Transformer. Und der Deutsch-Anteil im Training wurde bewusst von 7,2 auf 15,32 Prozent hochgezogen. Man sieht dem Modell an, dass Leute daran gearbeitet haben, die Deutsch nicht als Nachgedanken behandeln.

Die Zahlen, und wie man sie ehrlich liest

In den Benchmarks erreicht Soofi S 70,1 Punkte im englischen Aggregat, 79,1 im deutschen und 73,8 bei HumanEval. OLMo 3 32B kommt auf 67,3, 69,2 und 63,0. Apertus 70B liegt bei 62,4, 72,8 und 30,2, obwohl es mehr als doppelt so groß ist.

Das ist ein starkes Ergebnis, besonders in Deutsch. Und es wird gerade falsch erzählt.

Soofi S führt unter den vollständig offenen Modellen, also denen, die Gewichte, Datenrezept und Trainingscode offenlegen. Das ist eine kleine Gruppe. Qwen 3.5 35B liegt in Englisch und Deutsch darüber. Wer daraus „bestes Modell seiner Größenklasse” macht, lässt den entscheidenden Halbsatz weg.

Das Konsortium selbst ist an dieser Stelle ehrlicher als seine Berichterstattung. Es benennt die Schwächen offen: Extraktion aus langen Eingaben und Faktenabruf. Diese Offenheit rechne ich dem Projekt hoch an. Sie ist der Grund, warum ich es überhaupt ernst nehme.

Der Punkt, an dem es klemmt

Auf Hugging Face liegen das Basismodell, eine Instruct-Vorschau, zwei Reasoning-Vorschauen namens Isar und Rhine, Quantisierungen, Zwischen-Checkpoints und der komplette Trainingscode. Das ist mehr Offenheit, als die meisten Anbieter je gezeigt haben.

Nur: Die Lizenz führt „Other”, und der Volltext steht aus. Die Gewichte liegen hinter einer Zugangssperre. Es handelt sich um eine Vorschau eines nicht nachtrainierten Basismodells, dessen Ausgaben laut Model Card „unhelpful, repetitive, or unsafe” sein können. Die Kontextlänge steht in der Dokumentation noch als offener Punkt.

Ein Projekt mit Open Source im Namen ist damit im Moment weder final lizenziert noch frei herunterladbar.

Ich halte das nicht für Etikettenschwindel. Ein Preview ist ein Preview, und ein Konsortium aus zehn Partnern braucht für einen Lizenztext länger als ein Start-up. Wer das als Skandal verkauft, hat nicht verstanden, wie Forschungsprojekte laufen.

Aber es ist der Punkt, an dem sich entscheidet, ob das Projekt hält, was sein Name verspricht. Jörg Bienert vom Center for Sovereign AI sagt: „Wer die Basismodelle kontrolliert, kontrolliert einen zentralen Teil der künftigen digitalen Wertschöpfung.” Der Satz stimmt. Er gilt nur genauso für den, der die Lizenz schreibt. Kontrolle über ein Modell entsteht nicht dort, wo die Grafikkarten stehen. Sie entsteht in den Nutzungsbedingungen.

Was daraus folgt

Für Organisationen, die jetzt überlegen, ob Soofi S eine Option ist, sind drei Dinge realistisch.

Erstens: Als Produktionsmodell ist es heute keine Option. Ein nicht nachtrainiertes Basismodell im Preview-Status, ohne finale Lizenz und mit offener Kontextlängenfrage, gehört in die Evaluierung, nicht in den Betrieb.

Zweitens: Als Signal ist es das Ernsthafteste, was aus Deutschland bisher kam. Die Architektur ist eigenständig, die Deutsch-Leistung ist real, die Dokumentation ist offener als bei jedem US-Anbieter. Wer europäische Modelle bisher für Symbolpolitik hielt, sollte diese Position überprüfen.

Drittens: Der Termin, auf den es ankommt, ist nicht der Release. Es ist der Tag, an dem der Lizenztext erscheint. Erst dann weiß man, ob souverän bedeutet, dass man es benutzen darf, oder nur, dass es hier gebaut wurde.

Ich habe beim EU AI Act argumentiert, dass Regulierung allein keine Souveränität schafft und Europa eigene Alternativen braucht. Soofi S ist der bisher beste Beleg dafür, dass das technisch möglich ist. Ob es auch rechtlich nutzbar wird, steht in einem Dokument, das noch niemand gelesen hat.

Quellen: