| TL;DR
→ Die Europäische Kommission hat am 19. Juni 2026 das Konsortium EUROPA, geführt von der italienischen Firma Domyn und der deutschen Fraunhofer-Gesellschaft, als Gewinner des Frontier AI Grand Challenge ausgewählt. → Ziel ist ein offenes KI-Modell mit über 400 Milliarden Parametern, das von Grund auf alle 24 offiziellen EU-Sprachen gleichwertig abdecken soll. → Der Wettbewerb wurde am 13. Februar 2026 von der Kommission zusammen mit der EuroHPC Joint Undertaking gestartet und in weniger als fünf Monaten entschieden, schnell für EU-Verhältnisse. → Parallel läuft seit Februar 2025 das Projekt OpenEuroLLM mit 20 europäischen Institutionen, das trotz eines Budgets von 37,4 Millionen Euro offen von Engpässen bei der Rechenleistung berichtet. → Zwei weitere nationale Projekte zeigen alternative Wege: Italiens Minerva wurde komplett neu trainiert und erzielte ernüchternde Ergebnisse auf einem Schultest, während Portugals Amália ein bestehendes Modell für deutlich weniger Geld erfolgreich anpasste. → Keines der vier Projekte liefert heute ein Produkt, das Frontier-Modelle wie GPT-5.5 oder Claude ersetzen könnte. Sie zeigen aber vier unterschiedliche Antworten auf dieselbe strategische Frage. |
Europa investiert erstmals in ein eigenes Frontier-Modell.
Aber kann es wirklich mit OpenAI, Google oder chinesischen Anbietern konkurrieren?
Um das zu verstehen, muss man vier Projekte gleichzeitig betrachten, die alle dasselbe Ziel verfolgen, aber mit sehr unterschiedlichen Mitteln.
Warum Europa überhaupt ein eigenes Frontier-Modell will
Seit Jahren tritt Europa im Bereich großer KI-Modelle vor allem als Regulierer auf, nicht als Hersteller. Die bekanntesten Frontier-Modelle, mit über 400 Milliarden Parametern und Fähigkeiten auf Spitzenniveau, stammen weiterhin aus den USA und China.
Der Frontier AI Grand Challenge ist der bislang konkreteste Versuch der EU-Kommission, das zu ändern: ein finanzierter Wettbewerb, der ein europäisches Unternehmen oder Konsortium beauftragen sollte, ein eigenes Frontier-Modell auf europäischer Infrastruktur zu trainieren.
Parallel laufen bereits mehrere kleinere, nationale oder pan-europäische Projekte mit demselben Grundgedanken: offene, mehrsprachige Sprachmodelle für Europa. OpenEuroLLM verfolgt einen pan-europäischen Ansatz, Italiens Minerva und Portugals Amália nationale Wege mit jeweils eigener Sprache im Zentrum.
Für Unternehmen, die heute ohnehin auf US-Anbieter wie OpenAI, Anthropic oder Google AI setzen, ist das mehr als Symbolpolitik: Es entscheidet sich hier, ob es künftig eine ernstzunehmende europäische Alternative gibt, oder ob es bei vier gut gemeinten Pilotprojekten bleibt.
Hintergrund: Europas Ausgangslage vor dem Wettbewerb
Der Frontier AI Grand Challenge entstand nicht im luftleeren Raum. Er ist Teil der Apply-AI-Strategie und des breiteren AI Continent Action Plan, mit denen Europa von einer regulatorischen zu einer aktiveren industriellen Rolle im KI-Bereich übergehen will.
Die Grundannahme: Europa besitzt exzellente Forschung, leistungsfähige Supercomputer über das EuroHPC-Netzwerk und führende Universitäten, hat diese Vorteile aber bislang nicht in konkurrenzfähige eigene Frontier-Modelle übersetzt.
Diese Lücke ist nicht neu, wurde aber durch die geopolitische Entwicklung 2026 sichtbarer. Mit wachsender Abhängigkeit von US-amerikanischen und chinesischen Anbietern gewann die Frage, ob Europa eigene Alternativen aufbauen kann, politisch an Gewicht.
Für Behörden und regulierte Branchen, die aus Datenschutz- und Souveränitätsgründen zögern, ihre Daten in US-Clouds zu verarbeiten, ist diese Lücke keine abstrakte Debatte: Sie entscheidet, ob es bald eine praxistaugliche europäische Alternative gibt.
Wie es dazu kam: Der Frontier AI Grand Challenge im Detail
Am 13. Februar 2026 starteten die Europäische Kommission und die EuroHPC Joint Undertaking den Frontier AI Grand Challenge. Die Vorgabe: ein Modell mit mindestens 400 Milliarden Parametern, unter Nutzung effizienter, modularer Architekturen wie Mixture-of-Experts.
Diese Architektur aktiviert für jede Anfrage nur einen Teil der Parameter, was Training und Betrieb sehr großer Modelle wirtschaftlicher macht als bei klassischen, dichten Modellen. Diese Größenordnung entspricht laut Kommission den leistungsfähigsten Systemen weltweit.
Anders als bei den meisten EU-Förderprogrammen ging es nicht um eine Direktvergabe an mehrere Projekte, sondern um einen echten Wettbewerb mit einem einzigen Gewinner. Bewerber mussten technische Machbarkeit, Rechenzugang, ein glaubwürdiges Team und einen belastbaren Plan nachweisen.
Der Gewinn: Zugang zu bis zu 2,5 Prozent der gesamten EuroHPC-Rechenkapazität für ein Jahr, laut Kommission eine der größten Einzelzuteilungen an Rechenleistung, die die Union je vergeben hat.
Der Wettbewerb soll zudem das europäische Startup-Ökosystem stärken, damit auch jüngere Unternehmen Zugang zu nötiger Infrastruktur erhalten. Für ein europäisches KI-Start-up ist das mehr als Kulisse: Ohne einen solchen Zugang wäre das Training eines Modells dieser Größenordnung schlicht nicht finanzierbar.
| 400+ Mrd. | 2,5 % | < 5 Monate |
| Parameter, Mindestanforderung des Wettbewerbs | der gesamten EuroHPC-Rechenkapazität für 1 Jahr | von der Ausschreibung bis zur Entscheidung |
Wer das Rennen gemacht hat: EUROPA gewinnt
Am 19. Juni 2026 gab die Europäische Kommission bekannt, dass das Konsortium EUROPA den Frontier AI Grand Challenge gewonnen hat. Geführt wird es vom Mailänder Unternehmen Domyn (vormals iGenius, gegründet 2016), gemeinsam mit der deutschen Fraunhofer-Gesellschaft.
Domyn wird geleitet von Uljan Sharka, einem 1992 geborenen italienischen Staatsbürger albanischer Abstammung, und ist auf KI-Lösungen für regulierte, unternehmenskritische Anwendungen spezialisiert, einen Ansatz, den das Unternehmen selbst als souveräne KI bezeichnet.
Kommissions-Vizepräsidentin Henna Virkkunen ordnete die Entscheidung ein. Sie erklärte, Europa könne auf eigenen Bedingungen an der Spitze fortschrittlicher KI mitwirken, und das Konsortium solle ein Frontier-Modell in allen 24 EU-Sprachen bauen.
Konkret bedeutet der Sieg Zugang zu bis zu 2,5 Prozent der EuroHPC-Rechenkapazität, ergänzt durch Domyns eigenen Colosseum-Cluster mit rund 6.000 NVIDIA-Blackwell-Chips, der laut Unternehmensangaben über 115 Exaflops erreichen und Modelle mit mehr als einer Billion Parametern unterstützen soll.
Entscheidend für jede realistische Einordnung: Das Modell existiert noch nicht. Wie eine detaillierte Analyse zur Geschäftsrelevanz von EUROPA zeigt, nennt die Kommission weder einen Liefertermin noch eine messbare Definition von Frontier-Niveau. Branchenschätzungen gehen von zwölf bis achtzehn Monaten bis zu ersten Ergebnissen aus, realistisch Ende 2027 bis Anfang 2028.
Für einen CIO ist das ein strategisches Signal, keine kurzfristige Beschaffungsoption: Innerhalb von nur fünf Monaten hat die EU einen Gewinner bestimmt und ihm eine der größten Rechenzuteilungen ihrer Geschichte zugesprochen. Für die eigene mehrjährige Roadmap lohnt es sich, EUROPA von jetzt an im Blick zu behalten.
| Ein Sieg beim Frontier AI Grand Challenge ist eine Zusage zu Rechenleistung, kein ausgeliefertes Modell. Der Unterschied zwischen Ankündigung und Produkt ist genau die Stelle, an der solche Programme entweder überzeugen oder leise verschwinden. |
| Reality Check | |
| Was EUROPA IST
✓ Finanzierung ✓ Rechenkapazität (Compute) ✓ Ein Konsortium mit klarem Auftrag |
Was EUROPA NICHT ist
✗ Ein fertiges Modell ✗ Eine öffentliche API ✗ Produktionsreif ✗ Ein GPT-Konkurrent, heute |
Diese Bausteine allein sind trotzdem mehr, als Europa vor einem Jahr hatte: gesicherte Finanzierung, gesicherte Rechenleistung und ein Konsortium mit Erfahrung in regulierten, unternehmenskritischen KI-Anwendungen. Der nächste reale Meilenstein ist keine Ankündigung mehr, sondern ein öffentlich überprüfbares Modell.
Der zweite Weg: OpenEuroLLM
Während EUROPA die Schlagzeilen bestimmt, läuft im Hintergrund bereits seit dem 1. Februar 2025 ein zweites Projekt: OpenEuroLLM, ein Konsortium aus 20 europäischen Forschungseinrichtungen, Unternehmen und EuroHPC-Rechenzentren.
Koordiniert von Jan Hajič (Karls-Universität Prag) und ko-geleitet von Peter Sarlin (AMD Silo AI, Finnland), entwickelt es eine Familie mehrsprachiger, offener Sprachmodelle. Das Projekt trägt das STEP-Siegel und wird über das Digital Europe Programme gefördert.
| Bereich | Beteiligte Organisationen (Auswahl) |
| Koordination | Karls-Universität Prag (Jan Hajič), AMD Silo AI Finnland (Peter Sarlin, Ko-Leitung) |
| Forschung | Fraunhofer IAIS, ELLIS Institute Tübingen, Universität Tübingen, Forschungszentrum Jülich |
| Supercomputing | Barcelona Supercomputing Center, CSC Finnland, CINECA Italien, weitere EuroHPC-Zentren |
| Industrie | Aleph Alpha (Deutschland), LightOn (Frankreich), Ellamind |
| Sprachtechnologie | Alliance pour les technologies des langues (ALT-EDIC), Prompsit Language Engineering |
Das Gesamtbudget liegt bei 37,4 Millionen Euro, davon 20,6 Millionen Euro direkt aus dem Digital Europe Programme.
Trotzdem berichtete Koordinator Jan Hajič im Fortschrittsbericht vom 6. März 2026 offen von Engpässen bei der Rechenleistung. Laut Fachanalysen zum Projektfortschritt sind 3 Millionen GPU-Stunden auf Leonardo-BOOSTER in Italien und 1,5 Millionen auf LUMI in Finnland gesichert, zusammen 4,5 Millionen GPU-Stunden.
Das ist reale Rechenleistung auf Frontier-Niveau, reicht laut Projektleitung selbst aber nicht für die finalen, größten geplanten Modelle.
Gesicherte Rechenkapazität von OpenEuroLLM nach EuroHPC-System, Stand Fortschrittsbericht vom 6. März 2026.
Trotz der Engpässe soll das Projekt im Juli 2026 erste Modelle veröffentlichen, allerdings nicht auf Frontier-Niveau.
Wissenschaftliche und industrielle Kompetenz ist vorhanden, Rechenkapazität knapp: ein Muster, das sich bei den folgenden beiden nationalen Projekten in unterschiedlicher Form wiederholt.
Andere nationale Wege: Minerva (Italien) und Amália (Portugal)
Minerva: der Weg von Grund auf
Italien verfolgte mit Minerva einen radikal anderen Ansatz: ein Modell komplett neu von Grund auf trainieren, statt ein bestehendes multilinguales Modell zu erweitern.
Minerva wurde auf 2,5 Billionen Tokens trainiert, mit rund 50 Prozent italienischem Sprachanteil, auf der Infrastruktur von CINECA, und mit vollständig offenen Gewichten, Trainingsdaten und Code veröffentlicht.
Das Ergebnis war ernüchternd: Minerva-3B erzielte nur 4,9 Prozent auf dem INVALSI-Schultest, einer standardisierten italienischen Schulprüfung.
Das wirft eine Frage auf, die über Italien hinausreicht: Ein Modell komplett neu zu trainieren ist die teurere Strategie, garantiert aber nicht automatisch bessere Ergebnisse, ein Signal, das jedes Unternehmen mit eigenen KI-Ambitionen ernst nehmen sollte.
Amália: der Weg der Anpassung
Portugal wählte mit Amália den entgegengesetzten Weg. Statt von Grund auf zu trainieren, erweiterte ein Konsortium aus mehr als sechzig Forschenden, koordiniert von der NOVA University Lissabon, das offene Modell EuroLLM-9B gezielt für europäisches Portugiesisch.
Vorgestellt am 1. Juli 2026 in Lissabon in Anwesenheit von Premierminister Luís Montenegro, kostete das Projekt rund 5,5 bis 7 Millionen Euro aus Portugals Aufbau- und Resilienzplan, deutlich weniger als OpenEuroLLM.
Amália umfasst neben einem Textmodell mit rund 9 Milliarden Parametern auch ein Bild- und ein Sprachmodul, veröffentlicht unter Apache-2.0-Lizenz. Bei Bewertungen für europäisches Portugiesisch übertrifft es maschinell übersetzte Alternativen deutlich.
Für kleinere EU-Länder oder Fachabteilungen mit begrenztem Budget ist das ein Muster, das sich leichter kopieren lässt als EUROPAs Milliarden-Ansatz: bestehende offene Modelle gezielt anpassen statt neu zu trainieren.
| Merkmal | Minerva (Italien) | Amália (Portugal) |
| Ansatz | Von Grund auf neu trainiert | Bestehendes Modell (EuroLLM-9B) erweitert |
| Größe | 3 Milliarden Parameter | ≈ 9 Milliarden Parameter (Text) + Bild/Sprache |
| Trainingsdaten | 2,5 Billionen Tokens, ≈ 50 % Italienisch | Erweiterte Vortrainingsdaten, europäisches Portugiesisch |
| Finanzierung | Nationale KI-Strategie (Betrag nicht vollständig offengelegt) | ≈ 5,5 bis 7 Mio. € über den Aufbau- und Resilienzplan |
| Ergebnis | 4,9 % auf dem INVALSI-Schultest | Deutliche Verbesserung gegenüber Maschinenübersetzung auf pt-PT-Tests |
| Veröffentlicht | Offene Gewichte, Daten und Code | 1. Juli 2026, Apache 2.0 |
Modellgrößen im Vergleich, logarithmische Skala. Minerva und Amália operieren auf einer völlig anderen Größenordnung als der Frontier-Anspruch von EUROPA.
Vier Wege im Gesamtvergleich
| Initiative | Träger | Ansatz | Ressourcen | Status Juli 2026 |
| EUROPA | Domyn + Fraunhofer (EU-Wettbewerb) | Neues Frontier-Modell, 400+ Mrd. Parameter | 2,5 % EuroHPC (1 Jahr) + 6.000-Chip-Cluster | Gewinner bestimmt, Modell existiert noch nicht |
| OpenEuroLLM | 20 Institutionen, Karls-Universität Prag | Mehrsprachige Modellfamilie, pan-europäisch | 37,4 Mio. € Budget, 4,5 Mio. GPU-Stunden | Erste Modelle im Juli 2026, Rechenkapazität begrenzt |
| Minerva | Italienische nationale KI-Strategie, CINECA | Von Grund auf neu trainiert, 3 Mrd. Parameter | Nicht vollständig offengelegt | Veröffentlicht, 4,9 % auf INVALSI-Test |
| Amália | NOVA University Lissabon u.a., Portugal | Bestehendes Modell erweitert, ≈ 9 Mrd. Parameter | ≈ 5,5 bis 7 Mio. € (Aufbau- und Resilienzplan) | Veröffentlicht am 1. Juli 2026, Apache 2.0 |
Die Tabelle zeigt die Fakten. Die folgende Grafik zeigt, wie sich die vier Projekte strategisch zueinander positionieren: wie ambitioniert ihr Ziel ist, und wie nah sie heute an einem nutzbaren Ergebnis sind.
EUROPA zielt am höchsten, ist aber am weitesten von der Einsatzreife entfernt. Amália und Minerva sind längst veröffentlicht, aber bewusst kleiner dimensioniert. OpenEuroLLM liegt dazwischen.
Analyse: Was das für Unternehmen und Entwickler bedeutet
Noch kein Sofortprodukt, aber sichtbarer Fortschritt in Rekordzeit
Zwei der vier Projekte sind bereits veröffentlicht: Amália wurde vorgestellt und wird in Portugal eingeführt, Minerva ist offen zugänglich. OpenEuroLLM folgt im Juli 2026 mit den ersten Modellen, und EUROPA hat in nur fünf Monaten reale Finanzierung und Rechenleistung gesichert.
Das ist ein Tempo und ein Umfang, den es in dieser Form vor zwei Jahren in Europa nicht gab. Jedes veröffentlichte Modell erweitert außerdem ein wachsendes Ökosystem offener Gewichte, das Lock-in reduziert und mittelfristig Preisdruck auf geschlossene Anbieter ausübt, ein Vorteil, von dem jedes Unternehmen profitiert, ob europäisch oder nicht.
Von Scratch zu Adaption: zwei grundverschiedene Philosophien
Minerva und Amália liefern ein praktisches Signal für jedes Unternehmen mit eigener, sprachspezifischer KI-Strategie: Neu zu trainieren ist teuer und liefert nicht automatisch bessere Ergebnisse, wie Minervas Testergebnis zeigt.
Ein bestehendes, offenes Modell gezielt zu erweitern kann mit einem Bruchteil des Budgets zu einem nutzbaren Ergebnis führen, wie Amália zeigt. Für die meisten Unternehmen ist die Amália-Strategie das realistischere Vorbild.
Sprachliche Abdeckung als eigenständiges Geschäftsargument
EUROPA und OpenEuroLLM sind beide von Grund auf für alle 24 EU-Amtssprachen konzipiert, nicht nur für Englisch mit nachträglicher Mehrsprachigkeit. Für Behörden und regulierte Unternehmen mit deutschsprachigem Bedarf ist das ein eigenständiges Argument.
Rechenkapazität, nicht Ideen, ist der eigentliche Engpass
Europa hat die wissenschaftliche und industrielle Kompetenz, aber nicht überall ausreichend eigene Rechenkapazität, um im gleichen Tempo wie US-amerikanische oder chinesische Anbieter zu trainieren. Das ist die Kennzahl, an der sich der Erfolg dieser Initiativen langfristig messen lässt.
Was Unternehmen heute tun sollten
Für CEOs, CIOs und AI Leader, die jetzt entscheiden müssen, wie sie mit diesen vier Projekten umgehen, lassen sich fünf konkrete Schritte ableiten:
- Nicht auf EUROPA warten. Schon heute mit bestehenden offenen Modellen wie Mistral, EuroLLM oder Teuken-7B experimentieren, statt auf ein Modell zu warten, das frühestens 2028 kommt.
- Sprachabdeckung früh prüfen. Wer regulierte oder öffentliche Projekte plant, sollte jetzt evaluieren, ob europäische Modelle für den eigenen Sprachbedarf bald infrage kommen.
- Der Amália-Strategie folgen, nicht der Minerva-Strategie. Bestehende offene Modelle gezielt anpassen ist für die meisten Organisationen realistischer als ein eigenes Modell von Grund auf zu trainieren.
- OpenEuroLLM im Juli 2026 als Realitäts-Check nutzen. Die ersten Veröffentlichungen zeigen, wie weit ein europäisches Konsortium mit begrenzten Mitteln tatsächlich kommt, nicht als fertiges Produkt behandeln.
- EUROPA als 2028-Option einplanen, nicht als 2026-Lösung. In mehrjährige KI-Roadmaps aufnehmen, aber keine kurzfristige Beschaffung darauf stützen.
- Häufig gestellte Fragen
Kann ich EUROPA oder OpenEuroLLM heute schon nutzen?
Nein. EUROPA existiert derzeit nur als Auftrag ohne veröffentlichtes Modell. OpenEuroLLM soll im Juli 2026 erste Modelle veröffentlichen, diese werden aber nicht auf Frontier-Niveau liegen. Minerva und Amália sind bereits veröffentlicht, decken aber jeweils nur eine einzelne Sprache mit vollem Fokus ab.
Was unterscheidet EUROPA von OpenEuroLLM?
EUROPA ist der Gewinner eines EU-Wettbewerbs mit dem Auftrag, ein einzelnes, sehr großes Frontier-Modell zu bauen. OpenEuroLLM ist ein bereits länger laufendes Konsortialprojekt mit kleinerem Budget, das eine Familie kleinerer, offener Modelle entwickelt.
Warum hat Minerva trotz hohem Aufwand schlecht abgeschnitten?
Ein Modell von Grund auf neu zu trainieren erfordert enorme Datenmengen und Rechenleistung, um tiefes Sprach- und Länderwissen zu erzeugen. Das Ergebnis von Minerva-3B deutet darauf hin, dass die eingesetzte Kombination aus Modellgröße und Trainingsdaten dafür nicht ausreichte.
Ist Amália ein Vorbild für andere kleinere EU-Länder?
Die Berichterstattung zu Amália legt genau das nahe: eine kostengünstigere Anpassungsstrategie statt einer teuren Neuentwicklung von Grund auf, ähnlich wie es Spaniens ALIA oder Deutschlands Teuken-7B bereits vorgemacht haben.
Die wichtigsten Etappen von OpenEuroLLM und dem Frontier AI Grand Challenge zwischen Februar 2025 und Juli 2026.
Kurzfristig ist der wichtigste Prüfstein die Qualität der ersten OpenEuroLLM-Modelle, die im Juli 2026 erwartet werden. Sie liefern den ersten öffentlich überprüfbaren Vergleichsmaßstab dafür, wie weit ein europäisches Konsortium mit begrenzten Mitteln tatsächlich kommt.
Mittelfristig entscheidet sich, ob OpenEuroLLM zusätzliche Rechenkapazität jenseits der bereits gesicherten 4,5 Millionen GPU-Stunden erhält, um die finalen, größeren Modelle überhaupt fertigzustellen. Auch Amálias Weiterentwicklung mit der für 2027 vorgesehenen Investition von 1,5 Millionen Euro wird zeigen, ob die Anpassungsstrategie tragfähig bleibt.
Langfristig, und das ist der größere Prüfstein, muss sich zeigen, ob EUROPA aus einer einzelnen, subventionierten Trainingsrunde ein dauerhaftes, gut finanziertes Programm macht, statt eine einmalige Demonstration zu bleiben. Realistisch sind erste belastbare Ergebnisse nicht vor Ende 2027 zu erwarten.
EUROPA bringt große Rechenzuteilungen und einen klaren Auftrag. OpenEuroLLM bringt über ein Jahr Projekterfahrung und bereits 4,5 Millionen gesicherte GPU-Stunden. Minerva zeigt, wo die Grenzen einer Von-Grund-auf-Strategie liegen. Amália zeigt, dass ein kleineres, gezieltes Budget bereits heute ein einsatzfähiges Ergebnis liefert.
Zusammengenommen zeigen die vier Projekte etwas, das es vor zwei Jahren in dieser Form nicht gab: eine breite, konkrete Bewegung Europas hin zu eigenen, offenen KI-Modellen, mit echtem Geld, echter Rechenleistung und echten, überprüfbaren Ergebnissen.
Quellen
Europäische Kommission: Start des Frontier AI Grand Challenge (Februar 2026)
Europäische Kommission: Auswahl des EUROPA-Konsortiums als Gewinner
Europäische Kommission: Europäischer Ansatz für Künstliche Intelligenz / AI Continent Action Plan
Il Sole 24 Ore: Domyn führt das EUROPA-Projekt an
Vectrel: Was das EUROPA-Modell für Unternehmensstrategien bedeutet
Strategic Technologies for Europe Platform: OpenEuroLLM
StrongMocha: OpenEuroLLM, der dritte Weg (Fortschritt und Rechenengpässe)
This Info: Minerva, der entgegengesetzte Weg (Trainingsansatz und Testergebnis)
The Next Web: Portugal veröffentlicht Amália, sein erstes nationales KI-Modell
Let’s Data Science: Portugal stellt Amália vor (Budget, Konsortium, technischer Bericht)
Intelligent CIO Europe: Portugals Amália-Vorstellung in Lissabon
