Kolibri kennenlernen: Aleph Alphas neues KI-Modell für den eigenen Betrieb

😎 Preisaktion
10% Rabatt auf alle Jahresabos von Trackboxx mit dem Code: tb10aktion
Inhaltsübersicht

Aleph Alphas neues Modell mit offenen Gewichten bietet deutsch-englische KI auf einer Infrastruktur deiner Wahl. Das bedeutet es in der Praxis.

Viel Wissen, das ein Unternehmen im Alltag braucht, steht nicht im öffentlichen Internet. Es steckt in Servicehandbüchern, Projektunterlagen, internen Richtlinien und den Köpfen der Mitarbeiter. Solche Informationen möchten viele Teams nur ungern in einen KI-Chatbot kopieren.

Kolibri, das neue KI-Modell von Aleph Alpha aus Deutschland, lässt sich auf deiner eigenen Infrastruktur betreiben. Es wurde am 3. Oktober 2026 veröffentlicht; die Modellgewichte stehen zum Download bereit. Nach Angaben von Aleph Alpha wurde es in Deutschland entwickelt und auf Infrastruktur in Deutschland und Finnland trainiert. [1]

Damit kommt Kolibri für europäische Unternehmen infrage, die eine Alternative zu geschlossenen KI-Diensten suchen. Ob es passt, hängt vor allem davon ab, wie gut es die jeweilige Aufgabe löst und welche Kontrolle der eigene Betrieb ermöglicht.

Was ist Kolibri AI?

Kolibri ist ein deutsch-englisches Sprachmodell für Dokumentenverarbeitung, Schlussfolgern, Programmieren und die Nutzung von Werkzeugen. Es nutzt eine Mixture-of-Experts-Architektur: Pro Token sind rund 3,46 Milliarden der insgesamt 78,1 Milliarden Parameter aktiv. Bei jedem Schritt einer Antwort kommt also nur ein Teil des Modells zum Einsatz. [8]

Kolibri auf einen Blick

Wichtige technische Daten aus den offiziellen Modellkarten.

Entwickler Aleph Alpha
Veröffentlicht 3. Oktober 2026
Sprachen Deutsch und Englisch
Parameter 78,1 Milliarden insgesamt; 3,46 Milliarden aktiv pro Token
Verfügbarkeit Modellgewichte zum Download auf Hugging Face
Lizenz Apache 2.0 für die veröffentlichten Gewichte und Konfigurationsdateien
Kontext Bis zu 1.048.576 Token; für komplexe Aufgaben und einen effizienten Betrieb werden höchstens 262.144 empfohlen

Quellen: offizielle FP8-Modellkarte und BF16-Modellkarte.

Warum der Fokus auf Deutsch wichtig ist

Ein interner Assistent muss mit der Sprache zurechtkommen, die dein Team im Alltag verwendet. In einem deutschen Produktionsbetrieb sind das oft Fachbegriffe. In einer Behörde kommen Verwaltungsformulierungen hinzu, die sich deutlich von einem gewöhnlichen Chat unterscheiden.

Aleph Alpha beschreibt Kolibri als von Grund auf zweisprachig. Das Modell hat einen eigenen deutsch-englischen Tokenizer; deutsche Texte machen einen erheblichen Teil des Trainings aus. Als Einsatzbereiche nennt der Anbieter öffentliche Verwaltung, Industrie sowie Luft- und Raumfahrt. Nach seinen Angaben wurde Kolibri auch darauf trainiert, bei fehlenden Belegen im bereitgestellten Material auf eine Antwort zu verzichten. [1]

Ein Beispiel: Ein Mitarbeiter fragt, ob ein Ersatzteil zu einer älteren Maschine passt. Hier hilft ein Verweis auf das passende Handbuch mehr als eine selbstsichere Vermutung. Fehlen die nötigen Belege, sollte der Assistent das sagen. Ob Kolibri sich so verhält, musst du mit den Dokumenten deines Teams testen.

Was zeigen die Benchmarks wirklich?

Im Vergleich von Aleph Alpha erreicht Kolibri gute Ergebnisse in mehreren Tests, darunter Mathematik und Programmierung. In anderen Bereichen schneidet das Vergleichsmodell besser ab. Die Tests stammen vom Hersteller. [1]

Kolibri in den Benchmarks

Ausgewählte Ergebnisse aus Aleph Alphas Vergleich zur Veröffentlichung.

Benchmark Kolibri Qwen3.6-35B-A3B
AIME 2025: Mathematik 96.9 84.6
LiveCodeBench v6: Programmierung 85.9 82.5
BFCL v4 gesamt: Werkzeugaufrufe 61.4 67.2
LongBench Pro: langer Kontext 64.5 70.8

Quelle: Aleph Alphas Vergleich zur Veröffentlichung. Vom Hersteller durchgeführte Tests; angegebene Werte auf einer Skala von 0 bis 100. Jede Zeile misst eine andere Fähigkeit. Höhere Werte sind besser.

Auf kleineren Bildschirmen kannst du horizontal wischen, um die ganze Tabelle zu sehen.

Der technische Bericht erklärt, wie diese Ergebnisse zustande kamen: Kolibri wurde mit der hohen Einstellung für das Schlussfolgern getestet. Einige Werte lassen sich laut den Forschern nicht direkt mit externen Ranglisten vergleichen. Beim BFCL-Test verwendeten sie beispielsweise ein anderes Backend für die Websuche. [3]

Ein gutes Mathematikergebnis sagt wenig darüber aus, ob das Modell Zahlen zuverlässig aus deinen Rechnungen übernimmt. Auch ein Programmierbenchmark zeigt nicht, wie gut ein Assistent deinen Supportablauf einhält. Die veröffentlichten Werte sind deshalb ein Anhaltspunkt für Kolibris Fähigkeiten, aber kein Beleg dafür, dass es bei jeder Aufgabe überlegen ist.

Offene Modellgewichte sind ein echter Vorteil

Die veröffentlichten Modellgewichte und Konfigurationsdateien stehen unter der Apache-2.0-Lizenz. Sie erlaubt unter ihren Bedingungen die Nutzung, Änderung und Weitergabe, auch für kommerzielle Zwecke. [5]

Aleph Alphas Modellkarte beschränkt diese Lizenz ausdrücklich auf die veröffentlichten Gewichte und Konfigurationsdateien. Die zugrunde liegenden Trainingsmethoden und andere unveröffentlichte Artefakte sind davon ausgenommen. [8]

Für den Einsatz im Unternehmen eröffnet das eine zusätzliche Möglichkeit: Dein Team kann das Modell selbst betreiben. Du legst fest, wo die Inferenz stattfindet, und baust die Anwendung nach deinen Anforderungen auf. So bist du bei der Bereitstellung nicht allein auf den Dienst eines Anbieters angewiesen.

Herunterladbare Gewichte allein machen jedoch nicht den gesamten KI-Entwicklungsprozess zu Open Source. Die Definition der Open Source Initiative verlangt auch Code für Training und Ausführung sowie ausreichend detaillierte Informationen zu den Trainingsdaten. „Open Weight“ ist hier die passende Bezeichnung. [4]

Welche Hardware du einplanen solltest

Eine geringe Zahl aktiver Parameter macht Kolibri noch nicht zu einem kleinen Download für den Laptop. Die offizielle FP8-Version benötigt für das Modell etwa 78 GB Speicher. Als Mindesthardware nennt die Modellkarte unter anderem zwei A100-GPUs mit jeweils 80 GB oder eine einzelne H200. Für anspruchsvolle Aufgaben und einen effizienten Betrieb empfiehlt sie höchstens 262.144 Token, obwohl das Modell einen größeren maximalen Kontext unterstützt. [2]

Aleph Alpha veröffentlicht ein Inferenzpaket mit einem Kolibri-spezifischen vLLM-Plugin. Das Repository enthält Anleitungen für Installation und Betrieb sowie Unterstützung für das Schlussfolgern und die Verarbeitung von Werkzeugaufrufen. [7]

Rechne beim Vergleich auch den Aufwand rund um das Modell ein: Infrastruktur, Integration, Monitoring, Updates und die Menschen, die sich um den Betrieb kümmern. Stelle diese Gesamtkosten dem Preis und Aufwand eines gehosteten Dienstes gegenüber. Ob sich der eigene Betrieb finanziell lohnt, hängt von deiner Nutzung ab.

Europäische Wurzeln, transatlantische Zukunft

Bei der Bewertung europäischer KI-Anbieter ist noch ein Punkt relevant. Am 16. September 2026 gaben Aleph Alpha und das kanadische Unternehmen Cohere eine endgültige Vereinbarung über ihren Zusammenschluss bekannt. Laut der Mitteilung sind noch abschließende behördliche Genehmigungen erforderlich. Das gemeinsame Unternehmen soll unter dem Namen Cohere mit geplanten Hauptsitzen in Toronto und Berlin arbeiten. [6]

Aleph Alphas Mitteilung zur Veröffentlichung vom 5. Oktober bestätigt, dass die Genehmigung noch aussteht und das Unternehmen bis zum Abschluss weiterhin unabhängig tätig ist. [9]

Bei der Auswahl solltest du drei Dinge getrennt betrachten: Wo wird das Modell entwickelt, wem gehört der Anbieter und wer kontrolliert den laufenden Betrieb? Die deutsche Herkunft ist ein Anhaltspunkt. Ebenso wichtig sind die Unternehmensstruktur, dein Hosting und die Frage, ob du das System selbst warten oder bei Bedarf ersetzen kannst.

Wo Kolibri seinen Platz finden könnte

Zum Einstieg könntest du Kolibri als internen Assistenten für eine klar abgegrenzte Sammlung deutscher und englischer Dokumente testen. Lass es etwa einen Ablauf im Servicehandbuch finden, eine technische Angabe herausziehen oder eine Antwort mit Belegen aus den Unterlagen entwerfen. Das sind Vorschläge für einen Testlauf, keine Zusage, dass Kolibri in deiner Umgebung gut funktioniert.

Vergleiche Kolibri und deine bisherige Lösung mit denselben Fragen und Dokumenten. Nimm auch unvollständige Quellen, widersprüchliche Anweisungen und Fragen auf, die sich aus dem Material nicht beantworten lassen. Achte auf den Nutzen der Antworten, ihre Belege, die Antwortzeit und die Betriebskosten. Gute Ergebnisse bei solchen Alltagsaufgaben sind für eine Entscheidung hilfreicher als eine überzeugende Schlagzeile.

Kolibri bietet eine weitere Möglichkeit, deutsch-englische KI auf einer selbst gewählten Infrastruktur zu betreiben. Ob es zu deinem Unternehmen passt, zeigt sich an deinen Aufgaben, den verfügbaren Dokumenten und dem Aufwand für dein Team und dein Budget.

Weitere europäische KI-Anbieter findest du bei Euroboxx in der Kategorie KI-Modelle und Plattformen .

Quellen

Quellen geprüft am 5. Oktober 2026.

[1] Aleph Alpha: Kolibri-Veröffentlichung und technischer Blog, 3. Oktober 2026

[2] Offizielle Kolibri-1-Modellkarte: technische Daten, Einsatz und Einschränkungen

[3] Technischer Kolibri-Bericht: Testmethodik, Abschnitte 3.3.1–3.3.3

[4] Open Source Initiative: Open Source AI Definition 1.0

[5] Offizielle Apache-2.0-Lizenz von Kolibri-1

[6] Aleph Alpha: endgültige Vereinbarung mit Cohere, 16. September 2026

[7] Offizielles Inferenz-Repository: Kolibri-vLLM-Plugin

[8] Offizielle Kolibri-1-BF16-Modellkarte: Architektur und Lizenzumfang

[9] Aleph Alpha: Kolibri-Pressemitteilung, 5. Oktober 2026

Christian
Experte für Webentwicklung und Online-Marketing mit über 15 Jahren Erfahrung.
Entwickler & CEO von EuroBoxx & Trackboxx.
Das könnte dich auch interessieren

Sponsor

Entdecke europäische Software