Soofi S: ein offenes KI-Modell aus Deutschland
Ein Konsortium um den KI Bundesverband hat Soofi S trainiert, ein offenes 30B-Modell mit deutschem Fokus. Noch Beta, aber der Anspruch ist Souveränität.
Ein deutsches Forschungskonsortium unter Leitung des KI Bundesverbands hat mit Soofi S ein offenes Sprachmodell veröffentlicht, das gezielt auf Deutsch und Englisch trainiert wurde. Trainiert wurde es komplett in Deutschland, auf der Industrial AI Cloud der Deutschen Telekom in München. Für alle, die aus Datenschutz- oder Compliance-Gründen ungern amerikanische oder chinesische Modelle in die eigene Infrastruktur holen, ist das der interessanteste Souveränitäts-Baustein seit langem. Ein wichtiger Haken steht allerdings gleich am Anfang: Was aktuell auf Hugging Face liegt, ist ausdrücklich eine Beta-Vorschau, kein fertiger offener Release.
Wer dahintersteht
Soofi steht für "Sovereign Open Source Foundation Models". Hinter dem Projekt steht ein Konsortium aus sechs Forschungseinrichtungen und zwei Firmen: Fraunhofer IAIS und IIS, das DFKI, die TU Darmstadt, die Universitäten Würzburg und Hannover, die HTW Berlin sowie die Unternehmen Ellamind und Merantix Momentum. Die Konsortialführung liegt beim KI Bundesverband. Gefördert wird das Ganze mit rund 20 Millionen Euro vom Bundesministerium für Wirtschaft und Energie, die Förderung läuft bis Ende Juli 2026.
Das erklärte Ziel ist eine souveräne europäische Alternative zu KI aus den USA und China. Soofi S ist dabei die kleinere Variante, das "S" steht für die Größenklasse. Ursprünglich war ein deutlich größeres Modell geplant.
Was das Modell technisch ist
Soofi S ist ein Mixture-of-Experts-Modell mit rund 30 Milliarden Parametern, von denen aber nur etwa 3 Milliarden pro Token aktiv sind. Das macht es beim Betrieb deutlich genügsamer, als die Gesamtzahl vermuten lässt. Die Architektur ist ein Hybrid aus Mamba-2- und Transformer-Bausteinen: 23 Mamba-2/MoE-Schichten, sechs Attention-Schichten, 128 Routing-Experten. Der praktische Effekt dieser Bauweise ist, dass der Speicherbedarf beim Verarbeiten langer Texte nahezu konstant bleibt, statt mit der Kontextlänge davonzulaufen.
Trainiert wurde von November 2025 bis Mai 2026 auf rund 27 Billionen Token, wobei Deutsch bewusst höher gewichtet wurde als in üblichen Trainingsmischungen. Neben Deutsch und Englisch versteht das Modell eingeschränkt auch Französisch, Italienisch und Spanisch. Der Wissensstand endet Ende 2025. In der letzten Trainingsphase wurde es auf Dokumente bis zu einer Million Token angesetzt, stabilen Durchsatz zeigt es laut Tech Report von 4.000 bis 256.000 Token. Bei einer speziellen Aufgabe, dem Herausfischen einzelner Wörter aus sehr langem Kontext, fällt es jenseits von 32.000 Token allerdings deutlich ab, weil dafür passende Trainingsdaten fehlten.
Was es kann
In den Benchmarks des Konsortiums hält Soofi S bei deutschen und englischen Aufgaben mit dichten Modellen der 14- bis 27-Milliarden-Klasse mit, obwohl es pro Token viel weniger Rechenaufwand braucht. Unter 17 offenen Basismodellen erreicht es nach eigener Messung in beiden Sprachen die besten Code-Werte und schlägt die bisherigen europäischen souveränen Modelle sowie andere vollständig offene Modelle wie Olmo 3 oder Apertus. Diese Zahlen stammen aus dem Tech Report des Konsortiums und sind noch nicht unabhängig nachgemessen.
Es gibt bereits mehrere Varianten: ein Basismodell, eine Instruct-Version für Assistenz-Aufgaben und zwei Reasoning-Modelle mit den Namen Isar und Rhine. Für den lokalen Betrieb liegen GGUF- und FP8-Quantisierungen bereit, die sich mit llama.cpp oder Ollama nutzen lassen.
Der Haken: noch Beta, Lizenz offen
So weit die guten Nachrichten. Der Praxis-Dämpfer steht in der Modellkarte selbst. Dort heißt es klar, das Modell sei eine Beta-Vorschau und ein Forschungsartefakt, kein offener Release. Der Zugriff auf Hugging Face ist derzeit noch an eine Registrierung gebunden, und die Lizenz ist als "Custom" markiert, ohne dass der volle Lizenztext schon hinterlegt wäre. Das Konsortium kündigt an, die finale Version später unter einer permissiven Lizenz und ohne Zugangsschranke zu veröffentlichen.
Beim Offenheits-Anspruch trennt Soofi sauberer als viele "Open-Weight"-Modelle. Nach eigener Aussage erfüllt das Projekt die Open Source AI Definition 1.0: Gewichte, Zwischencheckpoints, Trainings- und Evaluierungscode sowie eine Abrechnung der Datenquellen sind offengelegt, rund 99 Prozent des Trainings ließen sich unabhängig nachbauen. Die strengeren europäischen Open-Data-Maßstäbe verfehlt es nur knapp, weil etwa 1,3 Prozent der Trainingsdaten aus einer kommerziell lizenzierten Quelle stammen und deshalb nicht frei weitergegeben werden dürfen.
Was das für die Praxis heißt
Für IT-Teams im DACH-Raum ist Soofi S vor allem eine Ansage: Ein offenes, in Deutschland trainiertes Modell, das mit rund 3 Milliarden aktiven Parametern realistisch auf eigener Hardware laufen kann, ist keine Zukunftsmusik mehr. Anders als die aktuellen Riesenmodelle aus China, die Rechenzentrums-Kaliber brauchen, zielt Soofi S auf einen Betrieb, der auch für kleinere Organisationen machbar ist.
Für den produktiven Einsatz ist es aber noch zu früh. Solange die finale Version mit klarer Lizenz aussteht, taugt die Beta zum Ausprobieren und Evaluieren, nicht als verlässliche Grundlage für ein Produkt. Wer souveräne KI plant, sollte Soofi trotzdem auf die Beobachtungsliste setzen. Das Konsortium sucht nach eigener Aussage gerade Industriepartner für die nächste Phase, unter anderem für technische Dokumentation, Codegenerierung und Agenten-Anwendungen.