Aleph Alpha Kolibri: offen, deutsch und effizient – aber kein Frontier-Modell

Aleph Alpha hat am 3. Oktober 2026 mit Kolibri ein neues deutsch-englisches Sprachmodell veröffentlicht. Die Gewichte stehen auf Hugging Face bereit, das Modell unterstützt Reasoning und Tool Calling und soll besonders für Behörden, Industrie und andere regulierte Bereiche interessant sein.

Das klingt zunächst nach einer deutschen Antwort auf die größten Modelle von OpenAI, Anthropic oder Google. Genau diese Einordnung wäre aber zu groß. Kolibri ist kein neues Frontier-Modell. Spannend ist etwas anderes: Aleph Alpha versucht, ein vergleichsweise effizientes Modell mit starkem Deutsch-Fokus, langen Kontexten und kontrollierbarer lokaler Bereitstellung zu bauen.

78 Milliarden Parameter – aber nur 3,46 Milliarden gleichzeitig aktiv

Kolibri ist ein Mixture-of-Experts-Modell. Insgesamt besitzt es rund 78,1 Milliarden Parameter, pro verarbeitetem Token werden jedoch nur etwa 3,46 Milliarden davon aktiviert. Das entspricht 4,4 Prozent des Gesamtmodells. Dadurch sinkt der Rechenaufwand während der Nutzung, obwohl das Modell weiterhin die vollständigen Gewichte im Speicher halten muss.

Der Unterschied ist wichtig: Wenige aktive Parameter machen Kolibri nicht automatisch klein. Die offiziell bereitgestellte FP8-Fassung benötigt ungefähr 78 Gigabyte Modellspeicher. Aleph Alpha nennt als Mindesthardware zwei A100 mit jeweils 80 Gigabyte, zwei H100 SXM5 oder einen einzelnen H200, B200 beziehungsweise B300. In BF16 wächst der Speicherbedarf auf rund 156 Gigabyte. Das ist eine realistische On-Premise-Option für Rechenzentren und gut ausgestattete Unternehmen – aber kein typisches Modell für einen normalen Büro-PC.

Eine Million Token Kontext – mit einer wichtigen Fußnote

Aleph Alpha nennt eine maximale Kontextlänge von bis zu einer Million Token. Trainiert wurde Kolibri zunächst mit 16.384 Token, anschließend mit 65.536 und in der letzten Langkontext-Phase mit 262.144 Token. Bis zu 1.048.576 Token wurden laut Modellkarte validiert. Für komplexe Aufgaben und eine effiziente Bereitstellung empfiehlt der Hersteller selbst jedoch höchstens 262.144 Token.

Das ist trotzdem ein großer Kontext. Für lange Akten, technische Dokumentation, Retrieval-Augmented Generation und umfangreiche Verwaltungsvorgänge kann diese Ausrichtung praktisch sein. Eine hohe Kontextgrenze beweist aber noch nicht, dass jedes Detail über die gesamte Länge zuverlässig verarbeitet wird.

Open Weight ist nicht dasselbe wie vollständig Open Source

Die Modellgewichte und Konfigurationsdateien stehen unter Apache 2.0 bereit. Sie dürfen damit weitgehend frei genutzt, verändert und weitergegeben werden. Aleph Alpha bezeichnet Kolibri deshalb korrekt als Open-Weight-Modell.

Die eigene Modellkarte zieht zugleich eine klare Grenze: Die Lizenz gilt ausdrücklich nur für die veröffentlichten Gewichte und Konfigurationsdateien. Der zugrunde liegende Code, die Modellarchitektur, Trainingsmethoden und weitere interne Artefakte sind davon ausgenommen. Nach der Open Source AI Definition der Open Source Initiative reicht das für ein vollständig quelloffenes KI-System nicht aus. Dafür müssten unter anderem der vollständige Trainings- und Datenverarbeitungscode sowie hinreichend detaillierte Dateninformationen unter offenen Bedingungen verfügbar sein.

Die faire Kurzfassung lautet deshalb: Die Gewichte sind offen und permissiv lizenziert; das gesamte Entwicklungs- und Trainingssystem ist nicht Open Source.

Wie stark ist Kolibri wirklich?

Der technische Bericht ist ungewöhnlich umfangreich und veröffentlicht viele Ergebnisse zu Deutsch, Englisch, Mathematik, Wissen, Coding, Tool-Nutzung und langen Kontexten. In Aleph Alphas eigener Auswertung erreicht Kolibri im zusammengefassten Post-Training 75,0 Punkte auf Englisch und 71,0 Punkte auf Deutsch. Das ist für nur 3,46 Milliarden aktive Parameter beachtlich.

Es ist aber kein Beleg für Frontier-Niveau. In derselben Tabelle erreicht beispielsweise Qwen3.8 27B insgesamt 80,2 Punkte auf Englisch und 79,9 Punkte auf Deutsch. Auch bei Wissen und Langkontext liegt Qwen3.8 in mehreren aufgeführten Tests deutlich vorn. Kolibri punktet dagegen in einzelnen Mathematik-, Reasoning- und Effizienzvergleichen.

Wichtig: Diese Zahlen stammen aus dem Bericht des Herstellers. Zum Veröffentlichungszeitpunkt liegen noch keine breit etablierten unabhängigen Tests vor. Direkte Vergleiche mit aktuellen geschlossenen Spitzenmodellen sind deshalb nicht belastbar. Kolibri sollte zunächst als spezialisiertes, effizientes Open-Weight-Modell bewertet werden – nicht als deutscher GPT- oder Claude-Ersatz.

Das eigentliche Argument: kontrollierbare deutsche KI

Kolibri unterstützt Deutsch und Englisch, verschiedene Reasoning-Stufen, strukturierte Ausgaben und Tool Calling über eine OpenAI-kompatible API. Die Modellkarte nennt mehrstufiges Reasoning, RAG, Coding, lange Dokumente und agentische Werkzeugaufrufe als Einsatzfelder. Für Behörden, Banken, Industrie oder Mittelstand kann das interessant sein, wenn Daten im eigenen Rechenzentrum oder in einer kontrollierten Cloud bleiben sollen.

Genau hier liegt der strategische Wert: nicht im Rennen um das weltweit größte Modell, sondern bei einer beherrschbaren Infrastruktur, deutschem Sprachfokus und der Möglichkeit, Gewichte selbst zu betreiben. Gegen internationale Open-Weight-Modelle wie Qwen muss Kolibri allerdings nicht nur bei Datenschutz und Standortargumenten bestehen, sondern auch bei Qualität, Betriebskosten, Wartung und Ökosystem.

Wie deutsch bleibt Aleph Alpha?

Aleph Alpha und das kanadische Unternehmen Cohere haben im September 2026 eine verbindliche Zusammenschlussvereinbarung unterzeichnet. Die Transaktion ist noch nicht abgeschlossen und steht weiterhin unter dem Vorbehalt behördlicher Genehmigungen. Das künftige Unternehmen soll unter dem Namen Cohere auftreten, mit Hauptsitzen in Berlin und Toronto; Heidelberg soll Forschungszentrum bleiben.

Kolibri ist deshalb weder einfach ein nationales Prestigeprojekt noch schon das Produkt eines vollständig übernommenen Unternehmens. Es ist ein Modell aus der deutschen Aleph-Alpha-Forschung in einer Übergangsphase zu einem deutsch-kanadischen Anbieter.

Einordnung

Kolibri gewinnt nicht das globale Frontier-Rennen. Das muss es auch nicht. Der interessante Prüfstein ist, ob ein deutsch-englisches Open-Weight-Modell mit wenigen aktiven Parametern in konkreten Behörden-, Industrie- und Mittelstandsprozessen zuverlässig genug arbeitet und wirtschaftlich lokal betrieben werden kann.

Die Veröffentlichung ist deshalb relevant: nicht als Beweis, dass Deutschland mit den größten US-Laboren gleichgezogen hat, sondern als ernstzunehmender Baustein für kontrollierbare, anpassbare und deutschsprachige KI. Ob daraus ein tragfähiges Produkt wird, werden unabhängige Tests und reale Projekte zeigen.

Quellen

• Aleph Alpha: Kolibri Has Landed (3. Oktober 2026)
• Aleph Alpha: Kolibri-1-BF16 Model Card (abgerufen am 4. Oktober 2026)
• Aleph Alpha: Kolibri Technical Report (abgerufen am 4. Oktober 2026)
• Open Source Initiative: Open Source AI Definition 1.0 (abgerufen am 4. Oktober 2026)
• Aleph Alpha: Vereinbarung mit Cohere (16. September 2026)

KI-Hinweis: Dieser Beitrag wurde mit KI-Unterstützung recherchiert, strukturiert und formuliert. Quellen, Begriffe, Vergleichsaussagen und praktischer Nutzen wurden in einem zweiten Durchgang redaktionell geprüft.