Kolibri von Aleph Alpha: Was das neue KI-Modell für Unternehmen bedeutet

Ein neues Modell für die Frage, wo KI laufen soll

Aleph Alpha hat am 3. Oktober 2026 Kolibri veröffentlicht: ein deutsch-englisches Sprachmodell mit offenen Gewichten unter Apache 2.0. Die Mixture-of-Experts-Architektur umfasst 78,1 Milliarden Parameter, davon sind rund 3,46 Milliarden pro Token aktiv. Offizielle Ankündigung.

Für Unternehmen ist daran vor allem die Wahl des Betriebsmodells interessant. Wer interne Dokumente mit KI erschließen möchte, muss entscheiden, wo das Modell ausgeführt wird, wie Informationen dorthin gelangen und wer den Dienst betreut. Downloadbare Gewichte schaffen hier eine zusätzliche Option.

Dieser Beitrag ordnet die Veröffentlichung anhand der Herstellerunterlagen vom 3. Oktober 2026 ein. Einen eigenen Praxistest mit Kolibri haben wir dafür nicht durchgeführt. Die beschriebenen Einsatzfelder sind unsere redaktionelle Einschätzung.

Die technischen Eckdaten im Überblick

Quelle: Kolibri-Produktseite. Die Speicherangabe betrifft die Gewichte; sie beschreibt nicht den vollständigen Bedarf eines laufenden Dienstes.

Wenige aktive Parameter bedeuten nicht wenig Speicher

Bei Mixture-of-Experts-Modellen wird für ein Token nur ein Teil des Modells verwendet. Das begrenzt die aktive Rechenarbeit. Für die Infrastrukturplanung bleibt aber auch die Gesamtgröße relevant: Die übrigen Experten verschwinden nicht aus dem Modell, nur weil sie gerade nicht rechnen.

Zusätzlich brauchen Kontext, gleichzeitige Anfragen und die Laufzeit Speicher. Aus der aktiven Parameterzahl lässt sich deshalb keine geeignete Arbeitsplatz-GPU ableiten. Wie diese Größen zusammenhängen, erläutern wir im Beitrag über lokale LLMs, VRAM und Quantisierung.

Ein großes Kontextfenster braucht einen konkreten Zweck

Lange Dokumente können für die Auswertung von Handbüchern, Projektunterlagen oder umfangreichen Vorgängen relevant sein. Dabei sollte ein Pilot zwei Fragen getrennt beantworten: Passt das Material in den Kontext? Und findet das Modell darin die richtige Information zuverlässig?

Für eine interne Wissenssuche würden wir weiterhin gezielt passende Fundstellen auswählen. Das hält die Herkunft einer Antwort überprüfbar und erleichtert es, veraltete Dokumente oder unzulässige Zugriffe auszuscheiden. Ein großer Kontext ersetzt diese Vorarbeit nicht.

Deutsch und Quellenbezug verdienen eigene Tests

Laut Aleph Alpha waren 21,3 Prozent der Pretraining-Tokens deutsch. Kolibri unterstützt vier Reasoning-Stufen: none, low, medium und high. Außerdem wurde es darauf trainiert, bei fehlender Grundlage im Kontext auf eine Antwort zu verzichten. Details zu Training und Fähigkeiten.

Für einen deutschsprachigen Fachassistenten würden wir daraus drei Prüfbereiche ableiten. Erstens: Versteht er die Begriffe, Abkürzungen und Satzstrukturen der eigenen Organisation? Zweitens: Wie verändern die Reasoning-Einstellungen Antwortqualität und Wartezeit? Drittens: Erkennt er, wann die Unterlagen keine Antwort erlauben?

Gerade der letzte Punkt lässt sich einfach in einen Test aufnehmen. Man stellt Fragen zu Informationen, die bewusst nicht in den bereitgestellten Dokumenten stehen. Bewertet wird dann, ob der Assistent die Lücke benennt, eine Rückfrage stellt oder trotzdem eine plausibel klingende Erklärung erzeugt.

Was die Benchmarks aussagen

Aleph Alpha veröffentlicht unter anderem folgende Ergebnisse:

Quelle: Hersteller-Benchmarks. Es handelt sich um veröffentlichte Herstellerwerte, nicht um unsere Messungen.

Die beiden Beispiele zeigen ein gemischtes Bild: Kolibri liegt in dieser Mathematik-Auswertung vorn, beim aufgeführten Tool-Calling-Benchmark dahinter. Für eine konkrete Anwendung würden wir daraus keine pauschale Rangfolge ableiten. Eine korrekte mathematische Lösung und ein zuverlässiger Aufruf des richtigen Werkzeugs sind unterschiedliche Fähigkeiten.

Ein Supportassistent muss beispielsweise den passenden Vorgang finden, fehlende Angaben erkennen und ein Ergebnis in der vorgesehenen Struktur liefern. Diese Kombination sollte mit eigenen Fällen geprüft werden. Allgemeine Benchmarks helfen, Kandidaten auszuwählen; die Entscheidung fällt im tatsächlichen Ablauf.

Wo wir einen Pilot ansetzen würden

Ein geeigneter Einstieg wäre ein interner Assistent für einen begrenzten Bestand deutscher Arbeitsanweisungen. Die Aufgabe bleibt überschaubar: Fragen beantworten, Fundstellen nennen und fehlende Informationen kenntlich machen. Das Team kann die Ergebnisse fachlich prüfen, bevor weitere Abläufe angebunden werden.

Für einen solchen Vergleich würden wir:

1. Reale Fragen sammeln: Häufige Anliegen, mehrdeutige Formulierungen und Fälle ohne belegbare Antwort aufnehmen.
2. Eine Referenz festlegen: Kolibri mit einem bereits verfügbaren Modell unter denselben Bedingungen vergleichen.
3. Qualität bewerten: Richtige Aussagen, passende Fundstellen und den Umgang mit Wissenslücken erfassen.
4. Betrieb messen: Wartezeit, Speicher und Durchsatz mit der erwarteten Zahl gleichzeitiger Nutzer prüfen.
5. Den Aufwand einrechnen: Infrastruktur, Betreuung und fachliche Nacharbeit in die Kosten pro nutzbarem Ergebnis aufnehmen.

Die Entscheidung über eigenen Betrieb sollte den gesamten Ablauf umfassen. Dokumentensuche, Berechtigungen, Protokollierung und angebundene Werkzeuge gehören genauso dazu wie das Antwortmodell. Für uns bedeutet Kontrolle über KI, diese Teile bewusst gestalten und überprüfen zu können.

Unsere Einordnung

Kolibri ist ein Anlass, die Modellauswahl für deutschsprachige Unternehmensprozesse neu zu prüfen. Besonders interessant ist ein Vergleich dort, wo eigene Infrastruktur und die Arbeit mit internen Dokumenten Teil der Anforderungen sind.

Ob daraus ein sinnvoller Produktivdienst wird, entscheidet ein Pilot mit klaren Erfolgskriterien. Bei reamote würden wir mit einer eng begrenzten Aufgabe beginnen und erst dann erweitern, wenn Qualität, Antwortzeit und Betreuungsaufwand zusammenpassen. Wie solche Anwendungen in bestehende Systeme eingebunden werden können, beschreiben wir unter KI-Automatisierung.