Next Frontier AI: Deutschlands Wette auf eigene KI-Labs
Deutschland versucht mit öffentlichem Geld aufzuholen, was bei Basismodellen bisher fehlt: eigene Labs auf Augenhöhe mit OpenAI, Anthropic oder DeepSeek. Die Next Frontier AI Challenge der Bundesagentur SPRIND vergibt 125 Millionen Euro über drei Stufen, parallel bauen SAP und Cohere eigene Labs auf. Dieser Artikel erklärt, wie das Verfahren funktioniert, was es für die KI-Souveränität bedeutet und was deutsche Unternehmen daraus mitnehmen sollten.
Die deutsche Bundesagentur für Sprunginnovationen SPRIND hat am 25. Mai 2026 die Next Frontier AI Challenge gestartet, einen Wettbewerb mit 125 Millionen Euro nicht-verwässernder Förderung. Ziel sind bis zu drei europäische Frontier-KI-Labs, die eigene Basismodelle entwickeln. Das Verfahren läuft über drei Stufen und 24 Monate: 10 Teams je 3 Millionen Euro, dann 6 Teams je 8 Millionen Euro, schließlich 3 Teams je 15,5 Millionen Euro. Die Bewerbungsfrist endete am 1. Juni 2026, die Pitches finden am 24. und 25. Juni statt. SPRIND-Challenge-Chef Jano Costard nennt die Summe ausdrücklich nur den ersten Schritt, jedes Finalisten-Lab soll danach 250 Millionen bis 1 Milliarde Euro privat einsammeln. Parallel investiert SAP über 1 Milliarde Euro in Prior Labs aus Freiburg, und Cohere hat Aleph Alpha übernommen. Als alleiniger Betrag reichen 125 Millionen Euro nicht, um mit US- und China-Laboren gleichzuziehen, denn Europa steht für unter 10 Prozent des weltweiten KI-Wagniskapitals. Der Hebel liegt im privaten Anschlusskapital und in neuen Forschungsansätzen.
Deutschland wettet auf eigene Spitzen-KI-Labs
Deutschland will mit öffentlichem Geld eigene Spitzen-KI-Labs aufbauen. Die Bundesagentur für Sprunginnovationen SPRIND startete am 25. Mai 2026 die Next Frontier AI Challenge, einen Wettbewerb mit 125 Millionen Euro . Die Bewerbungsfrist endete bereits am 1. Juni 2026 um 12 Uhr, die Pitches finden am 24. und 25. Juni statt, die Jury entscheidet danach im Konsens.
Hintergrund ist die Abhängigkeit Europas von US- und China-Anbietern, verschärft durch DeepSeeks V4-Modell vom April 2026. Wie groß der Abstand bei Basismodellen wirklich ist, hat innobu im Beitrag zu den KI-Modellen aus China und ihren Benchmark-Versprechen eingeordnet.
Deutschland geht voran, weil wir keine Zeit verlieren dürfen, indem wir darauf warten, dass andere Akteure diesen Raum besetzen.
Jano Costard, Head of Challenges bei SPRINDWie die Next Frontier AI Challenge funktioniert
Der Wettbewerb ist ein mehrstufiges Ausscheidungsverfahren über 24 Monate. Statt Anteile zu nehmen, vergibt SPRIND nicht-verwässerndes Kapital, die Teams behalten also die Kontrolle über Forschungsrichtung und geistiges Eigentum. Nach jeder Stufe entscheidet die Jury über Weiterkommen, Kurswechsel oder Ausscheiden.
| Stufe | Teams | Förderung je Team | Dauer |
|---|---|---|---|
| Stufe 1 | bis zu 10 | je 3 Mio. € | 7 Monate (ab Juli 2026) |
| Stufe 2 | bis zu 6 | je 8 Mio. € | 8 Monate |
| Stufe 3 | bis zu 3 | je 15,5 Mio. € | 9 Monate (bis Herbst 2028) |
Bewerben durften Teams mit Sitz in der EU, EFTA, Israel oder Großbritannien, von Startups über etablierte Firmen bis zu Hochschulen und Forschungseinrichtungen. Neben dem Geld erhalten die Teams Rechenzugang über gebündelte Verträge, Unterstützung bei Recht, Recruiting und Compliance sowie Zugang zu Expertennetzwerken.
Die 125 Millionen Euro sind kein einmaliger Zuschuss, sondern ein Turnier. Wer in Stufe 3 kommt, soll mit Piloten, Eval-Suiten, Team und einer prüfbaren Datengrundlage so weit sein, dass private Investoren eine große Anschlussrunde finanzieren.
Deutsche und europäische Perspektive
Die staatliche Challenge ist nur ein Teil einer breiteren Bewegung im deutschen KI-Markt. Privatakteure bauen parallel eigene Labs auf, und der Bund flankiert mit weiterer Förderung. Damit entsteht zum ersten Mal seit langem wieder eine sichtbare europäische Antwort auf die Dominanz der großen Anbieter.
SPRIND: öffentliche Challenge
125 Millionen Euro nicht-verwässernde Förderung für bis zu drei Labs. Der Staat setzt den Rahmen und teilt das Risiko, ohne Anteile zu nehmen.
SAP: Prior Labs
SAP investiert über 1 Milliarde Euro in vier Jahren in das Freiburger Prior Labs, das Tabular Foundation Models für strukturierte Unternehmensdaten entwickelt (TabPFN-2.6, über 3 Millionen Downloads).
Cohere und Aleph Alpha
Cohere hat Aleph Alpha übernommen, kombinierte Bewertung rund 20 Milliarden US-Dollar, mit Doppelsitz in Toronto und Heidelberg und der Schwarz-Gruppe als Lead-Investor.
Hinzu kommt staatliches Geld jenseits der Challenge: Der Bund stellt rund 805 Millionen Euro für eine europäische AI Gigafactory bereit, das Bildungs- und Forschungsministerium fördert KI an Hochschulen mit weiteren Mitteln. Den größeren regulatorischen Rahmen dazu beschreibt innobu im Artikel zur EU-Tech-Souveränität bei Chips, Cloud und KI , und welche Rolle eigene Modelle für die Industrie spielen, vertieft der Beitrag zur souveränen KI als Industriezukunft .
Realitätscheck: Reichen 125 Millionen Euro?
Als alleiniger Betrag reichen 125 Millionen Euro nicht, um mit US- und China-Laboren gleichzuziehen, und das ist auch nicht der Anspruch. Costard selbst nennt die Summe nur den ersten Schritt. Der eigentliche Hebel sind privates Anschlusskapital und ein bewusst anderer Forschungsansatz.
Die Zahlen zeigen das Missverhältnis. Die Kosten für das Training von Spitzenmodellen steigen laut Centre for Future Generations rund um das 3,5-fache pro Jahr, während Europas Rechen-Infrastruktur und Kapitalbasis weit hinter den USA und China liegen. Genau dieses Spannungsfeld zwischen Rekordinvestitionen und strukturellem Rückstand beschreibt innobu im Artikel zum deutschen KI-Startup-Paradox .
SPRINDs Wette ist nicht der Nachbau: Statt heutige Modelle zu kopieren, setzt die Agentur auf neue Methoden und europäische Stärken wie Industriedaten, Fertigungs-Knowhow und datenschutzfreundliche KI. Ob das reicht, entscheidet sich erst, wenn privates Kapital die staatliche Anschubfinanzierung ablöst.
Herausforderungen und Risiken
Das Programm adressiert reale Lücken, trägt aber auch klare Risiken. Eine ausgewogene Einordnung muss beides nennen, sonst wird aus Förderpolitik schnell Symbolpolitik.
Talentabwanderung
Europäische Teams skalieren oft in die USA, weil dort Kapital und Rechenzugang leichter verfügbar sind. Ohne wettbewerbsfähige Gehälter und verlässliche Compute-Verträge bleibt das Risiko bestehen, dass die besten Köpfe nach der Förderung abwandern.
Sicherheit und Spionage
Frontier-Forschung ist ein attraktives Ziel für Spionage und Diebstahl und zugleich ein geopolitischer Hebel. Die Labs brauchen von Beginn an starke Schutzmechanismen, sonst fließt das geförderte Wissen ungewollt ab.
Governance und Tempo
Konsensbasierte Jury-Entscheidungen sind transparent, können aber langsam sein. Ein Programm, das mit Laboren konkurriert, die im Wochenrhythmus liefern, muss seine eigenen Entscheidungswege schlank halten.
Förderlücke nach 24 Monaten
Die größte Unsicherheit liegt am Ende. Ohne verlässliches privates Anschlusskapital droht ein Abbruch genau dann, wenn die Labs eigentlich skalieren müssten. Die 125 Millionen Euro tragen den Start, nicht die Spitze.
Was Unternehmen jetzt tun sollten
Für die meisten deutschen Unternehmen ist die Challenge weniger eine Frage des Mitmachens als des Beobachtens und Andockens. Wer strukturierte Daten, Branchenwissen oder Rechenkapazität hat, kann früh Partnerschaften prüfen. Vier Schritte helfen dabei.
-
Die Finalisten verfolgen
Beobachte, welche Teams Ende Juni weiterkommen, und prüfe, ob deren Spezialisierung zu deinem Anwendungsfall passt. Frühe Nähe zu einem aufstrebenden Lab kann später Zugang und Konditionen sichern.
-
Eigene Datenbestände bewerten
Industrie- und Fertigungsdaten sind ein europäischer Vorteil, den die großen US-Modelle nicht haben. Prüfe, ob deine Datenbestände als Beitrag oder Differenzierung in einer Modellpartnerschaft taugen.
-
Anforderungen an Souveränität klären
Lege fest, wo eigene oder europäische Modelle aus Datenschutz- oder Compliance-Gründen sinnvoll sind und wo etablierte US-Modelle genügen. Diese Einordnung verhindert teure Fehlentscheidungen in beide Richtungen.
-
Modellvielfalt einplanen
Setze in der eigenen KI-Architektur nicht auf ein einzelnes Lab, sondern halte Modelle wechselbar. So profitierst du von neuen europäischen Anbietern, ohne dich von einem einzelnen abhängig zu machen.
Die Next Frontier AI Challenge entscheidet nicht allein über Europas KI-Zukunft, aber sie ist ein ernstgemeinter Anfang. Für Unternehmen zählt weniger, ob ein deutsches Lab gewinnt, als die eigene Fähigkeit, Modellvielfalt und Souveränität bewusst in die Strategie aufzunehmen.
Weiterführende Informationen
Häufig gestellte Fragen
Die Next Frontier AI Challenge ist ein Wettbewerb der deutschen Bundesagentur für Sprunginnovationen SPRIND, gestartet am 25. Mai 2026. Mit 125 Millionen Euro nicht-verwässernder Förderung sollen bis zu drei europäische Frontier-KI-Labs aufgebaut werden, die eigene Basismodelle entwickeln. Die Auswahl läuft über drei Stufen und 24 Monate, von Juli 2026 bis Herbst 2028.
Das Verfahren hat drei Stufen. In Stufe 1 erhalten bis zu 10 Teams je 3 Millionen Euro über 7 Monate. In Stufe 2 ziehen bis zu 6 Teams mit je 8 Millionen Euro über 8 Monate weiter. In Stufe 3 bekommen bis zu 3 Teams je 15,5 Millionen Euro über 9 Monate. Nach jeder Stufe entscheidet eine Jury über Weiterkommen oder Ausscheiden.
Als alleiniger Betrag nicht, und das ist auch nicht der Anspruch. SPRIND-Challenge-Chef Jano Costard nennt die Summe ausdrücklich nur den ersten Schritt. Jedes Finalisten-Lab soll danach 250 Millionen bis 1 Milliarde Euro privat einsammeln. Europa steht heute für unter 10 Prozent des weltweiten KI-Wagniskapitals, der Hebel liegt also im privaten Anschlusskapital und in neuen Forschungsansätzen.
Nicht-verwässernde Förderung heißt, dass SPRIND keine Unternehmensanteile im Gegenzug für das Geld nimmt. Die Teams behalten die volle Kontrolle über Forschungsrichtung und geistiges Eigentum. Das soll Forschung vom kurzfristigen Druck befreien, schnell ein verkaufbares Produkt liefern zu müssen, und Raum für neue Methoden schaffen.
Für die meisten Unternehmen ist die Challenge weniger eine Frage des Mitmachens als des Beobachtens und Andockens. Wer strukturierte Daten, Branchenwissen oder Rechenkapazität hat, kann früh Partnerschaften prüfen. Sinnvoll ist es, die drei Finalisten Ende Juni zu verfolgen, Souveränitätsanforderungen zu klären und in der eigenen KI-Architektur Modellvielfalt und Wechselbarkeit einzuplanen, statt auf ein einzelnes Lab zu setzen.