Als Tim Höttges Ende Januar 2026 im Münchner Tucherpark vor die Kameras trat, umringt von Markus Söder und Lars Klingbeil, hatte er gute Gründe für Optimismus. Die Industrial AI Cloud der Deutschen Telekom war nach nur sechs Monaten Bauzeit betriebsbereit. 10.000 Nvidia-Blackwell-GPUs, 0,5 Exaflops Rechenleistung, bereits über ein Drittel ausgelastet. „Wir reden nicht, die Telekom macht“, verkündete Höttges. Eine Milliarde Euro privates Investment, keine öffentlichen Subventionen, kein jahrelanges Planfeststellungsverfahren. In Deutschland eine Seltenheit.
Und tatsächlich: Das Projekt verdient Anerkennung. Es ist einer der wenigen greifbaren Schritte in Richtung digitale Souveränität, den Deutschland in den letzten Jahren gemacht hat. Die Frage ist nur: Reicht ein Rechenzentrum, um im globalen KI-Wettlauf aufzuschließen? Die ehrliche Antwort lautet: Nein. Aber es ist ein notwendiger Anfang.
Was die Industrial AI Cloud richtig macht
Beginnen wir mit dem Positiven. Die Telekom liefert ab – in einer Geschwindigkeit, die für deutsche Verhältnisse bemerkenswert ist. Sechs Monate vom Spatenstich bis zur Betriebsbereitschaft. Zum Vergleich: Der Bau des Tesla-Werks in Grünheide dauerte von der Ankündigung bis zur Produktionsaufnahme über zwei Jahre – und galt bereits als „deutsches Tempo-Wunder“.
Die Zahlen der Industrial AI Cloud beeindrucken. Mit 0,5 Exaflops steigt Deutschlands verfügbare KI-Rechenleistung schlagartig um 50 Prozent. Alle 450 Millionen EU-Bürger könnten theoretisch gleichzeitig einen KI-Assistenten nutzen. Das Rechenzentrum wird vollständig mit erneuerbarer Energie betrieben, nutzt das Wasser des Eisbachs zur Kühlung und speist Abwärme ins Quartier Tucherpark ein. Technisch State-of-the-Art, ökologisch vorbildlich.
Noch wichtiger: Die Plattform ist keine Luftnummer. Bereits jetzt nutzen Agile Robots, PhysicsX und andere Unternehmen die Kapazitäten. Die Leibniz Universität Hannover hat einen zweistelligen Millionenbetrag investiert, um das SOOFI-Sprachmodell mit 100 Milliarden Parametern auf der Infrastruktur zu trainieren. Ab März 2026 laufen dafür 130 Nvidia DGX B200-Systeme exklusiv für die Forschung. Das ist nicht irgendeine Absichtserklärung – das ist eine reale, messbare Nutzung.
Die Partnerschaft mit SAP und Siemens zeigt Potenzial. Siemens integriert sein SIMCenter für hochpräzise Simulationen und digitale Zwillinge. SAP liefert die Business Technology Platform. Zusammen entsteht der sogenannte „Deutschland-Stack“ – ein vollständiges KI-Ökosystem, von der Infrastruktur bis zur Fachanwendung. Das ist mehr als Hardware-Vermietung. Das ist der Ansatz, eine eigenständige europäische KI-Wertschöpfungskette aufzubauen.
Der wichtigste Punkt: Datenhoheit. Für deutsche Mittelständler ist das ein entscheidendes Kriterium. Viele scheuen KI-Projekte, weil sie ihre Produktionsdaten nicht AWS, Google oder Microsoft anvertrauen wollen. Ein Rechenzentrum auf deutschem Boden, nach DSGVO, ohne Cloud Act, ohne Datentransfer in Drittstaaten – das löst ein reales Problem. Wie groß dieses Problem ist, zeigt die Auslastung: Ein Drittel der Kapazität ist bereits belegt, bevor das Rechenzentrum überhaupt offiziell eröffnet wurde.
Die Schwachstellen: Wo Europa ins Hintertreffen gerät
Doch bei aller berechtigten Freude darf die Relationalität nicht verloren gehen. Eine Milliarde Euro klingt nach viel. Im globalen Vergleich ist es ein Tropfen auf dem heißen Stein. Meta allein hat für 2025 Investitionen von über 60 Milliarden Dollar in KI-Infrastruktur angekündigt. Microsoft baut weltweit Rechenzentren im Wert von über 80 Milliarden Dollar. Die neue US-Initiative Stargate plant 500 Milliarden Dollar Investitionsvolumen für heimische KI.
Deutschlands gesamte verfügbare KI-Rechenleistung steigt durch die Industrial AI Cloud um 50 Prozent – auf insgesamt etwa ein Exaflops. Das entspricht einem mittelgroßen US-Rechenzentrum. Nicht einmal einem großen. Einem mittelgroßen.
Die 10.000 Nvidia-GPUs sind State-of-the-Art, keine Frage. Aber sie stammen eben von Nvidia. Tim Höttges betonte bei der Eröffnung stolz, dass „alle Bestandteile von heimischen Lieferanten stammen – lediglich die Chips sind von Nvidia“. Lediglich. Als wäre der wichtigste Bestandteil einer KI-Fabrik eine Fußnote. Europa hat keine Antwort auf Nvidia. Kein eigenes Design für KI-Beschleuniger, keine Fertigungskapazität für moderne Prozessoren, keine Unabhängigkeit in der kritischsten Komponente.
Das SOOFI-Projekt ist ehrgeizig – und notwendig. Ein europäisches Sprachmodell mit 100 Milliarden Parametern, Open Source, auf europäischen Werten basierend. Die Förderung: 20 Millionen Euro vom Bundesministerium für Wirtschaft und Energie. OpenAI hat allein für das Training von GPT-4 schätzungsweise über 100 Millionen Dollar ausgegeben. Für GPT-5 sprechen Schätzungen von über einer Milliarde. 20 Millionen Euro für ein 100-Milliarden-Parameter-Modell – das ist entweder extrem effizient oder extrem unterfinanziert.
Prof. Wolfgang Nejdl von der Leibniz Universität Hannover formuliert es diplomatisch: „Das Projekt kann nicht auf einen direkten Materialschlacht-Vergleich mit dem Silicon Valley setzen. Die Chance liegt in der Spezialisierung.“ Anders gesagt: Wir können nicht mithalten, also fokussieren wir uns auf Nischen. Verlässlichkeit statt kreatives Chaos. Europäische Sprachen. Industrieanwendungen. Das ist vernünftig – aber es ist auch ein Eingeständnis, dass das große Rennen bereits woanders stattfindet.
Was fehlt: Die unangenehmen Wahrheiten
Die Industrial AI Cloud adressiert ein Problem, das Deutschland seit Jahren kennt: mangelnde Infrastruktur. Aber Infrastruktur allein gewinnt keine KI-Wettbewerbe. Was fehlt, ist ein Ökosystem, das mit dem Silicon Valley vergleichbar wäre.
Venture Capital: Deutsche Start-ups im KI-Bereich kämpfen mit Finanzierungslücken. Europäisches Risikokapital ist konservativ, kleinvolumig, exit-orientiert. Während US-Fonds Milliarden in KI-Unternehmen pumpen – auch wenn diese jahrelang keinen Cent verdienen –, erwarten europäische Investoren nach spätestens fünf Jahren Profitabilität. Aleph Alpha, Deutschlands bekanntestes KI-Start-up, hat in mehreren Runden insgesamt rund 500 Millionen Euro eingesammelt. Anthropic, das US-Pendant, über 7 Milliarden Dollar. Der Faktor beträgt 14.
Talente: Europa bildet exzellente KI-Forscher aus – und verliert sie an US-Tech-Konzerne. Studien zeigen, dass über 60 Prozent der europäischen KI-Doktoranden nach dem Abschluss in die USA abwandern. Die Gründe sind bekannt: höhere Gehälter, bessere Forschungsbudgets, direkter Zugang zu Rechenressourcen, eine Kultur, die Scheitern nicht bestraft. Ein deutsches Rechenzentrum ändert daran wenig, solange Google, OpenAI und Meta das Zehnfache zahlen und unbegrenzte GPU-Cluster zur Verfügung stellen.
Regulierung: Der EU AI Act ist ein wichtiger Schritt für verantwortungsvolle KI. Aber er ist auch ein bürokratisches Monster. Unternehmen, die Hochrisiko-KI-Systeme entwickeln, brauchen Compliance-Teams, Auditoren, Dokumentationsprozesse. Das kostet Zeit und Geld – Ressourcen, die Start-ups nicht haben. Während europäische Gründer Risikoklassifizierungen ausfüllen, trainieren ihre US-Kollegen das nächste Modell. Die Industrial AI Cloud löst dieses Problem nicht. Sie macht es nur DSGVO-konform.
Geschwindigkeit: Sechs Monate Bauzeit für ein Rechenzentrum sind für Deutschland beeindruckend. Für die KI-Branche sind sechs Monate eine Ewigkeit. OpenAI hat in dieser Zeit zwei Modellgenerationen veröffentlicht. Meta hat Llama 3 auf den Markt gebracht. Google hat Gemini 2.0 gelauncht. Während die Telekom ihre KI-Fabrik baut, verschiebt sich die technologische Frontier um Lichtjahre.
Was jetzt passieren muss
Die Industrial AI Cloud ist ein richtiger Schritt. Aber sie darf nicht der einzige bleiben. Europa – und Deutschland im Besonderen – braucht eine KI-Strategie, die über Infrastruktur hinausgeht.
Erstens: Skalierung. Eine Milliarde Euro reicht nicht. Deutschland muss in einer anderen Größenordnung denken. Frankreich investiert über sein „France 2030“-Programm mehrere Milliarden in KI. Die USA mobilisieren Hunderte Milliarden. Deutschland braucht einen vergleichbaren Kraftakt – nicht als staatliche Subvention, sondern als Kombination aus privatem Kapital, öffentlicher Förderung und strategischen Partnerschaften. Die Industrial AI Cloud zeigt, dass privates Investment funktioniert. Jetzt braucht es zehn weitere davon.
Zweitens: Talente halten. Europa muss attraktiver werden für KI-Forscher. Das bedeutet konkurrenzfähige Gehälter, exzellente Forschungsbedingungen, Zugang zu Rechenressourcen. Die Telekom könnte akademischen Einrichtungen vergünstigten Zugang zur Industrial AI Cloud geben – nicht nur für SOOFI, sondern für Hunderte Forschungsprojekte. Start-ups könnten Freikontigente erhalten. Wenn Deutschland zum bevorzugten Trainingsort für europäische KI-Modelle wird, bleiben auch die Talente.
Drittens: Regulierung neu denken. Der EU AI Act darf nicht zur Innovationsbremse werden. Es braucht schnellere Zertifizierungsverfahren, klarere Leitlinien, weniger Bürokratie. Regulierung ist wichtig – aber sie darf europäische Unternehmen nicht gegenüber internationalen Wettbewerbern benachteiligen. Ein „Regulatory Sandbox“-Ansatz, wie ihn Großbritannien teilweise verfolgt, könnte helfen: kontrollierte Umgebungen, in denen Start-ups KI-Systeme testen dürfen, ohne sofort alle Compliance-Anforderungen erfüllen zu müssen.
Viertens: Europäische Champions aufbauen. Aleph Alpha, Mistral AI, Helsing – Europa hat KI-Unternehmen mit Potenzial. Aber sie brauchen Kapital, Kunden, Unterstützung. Die öffentliche Hand könnte gezielt europäische KI-Lösungen beschaffen. Wenn jede deutsche Behörde, jedes kommunale Rechenzentrum, jede öffentliche Verwaltung auf europäische KI-Systeme setzt, entsteht ein Heimatmarkt, der Wachstum ermöglicht. Das ist keine Abschottung. Das ist strategische Industriepolitik.
Fünftens: Chip-Souveränität. Europa muss eigene KI-Beschleuniger entwickeln. Das IPCEI-Programm für Mikroelektronik ist ein Anfang, aber es denkt noch in klassischen Halbleitern. Es braucht ein europäisches Nvidia – oder zumindest eine ernstzunehmende Alternative. Graphcore aus Großbritannien hat versucht, diesen Weg zu gehen, ist aber gescheitert. Warum? Zu wenig Kapital, zu wenig Kundenbasis, zu wenig Ökosystem. Ein europäischer Chip-Champion kann nur im Verbund entstehen: Forschung, Industrie, öffentliche Förderung, strategische Partnerschaften.
Ein Anfang – nicht mehr, nicht weniger
Die Industrial AI Cloud der Deutschen Telekom ist gut. Sie ist wichtig. Sie ist ein Zeichen, dass Deutschland handlungsfähig ist. Aber sie ist nicht die Lösung. Sie ist ein Baustein. Ein erster Schritt auf einem langen Weg.
Tim Höttges hat recht: „Wir beweisen, dass Europa KI kann.“ Aber können reicht nicht. Europa muss auch wollen. Es muss investieren. Es muss Talente halten. Es muss Champions aufbauen. Es muss Geschwindigkeit entwickeln. Die Industrial AI Cloud zeigt, was möglich ist, wenn ein Unternehmen entschlossen handelt. Jetzt braucht es diese Entschlossenheit auf politischer Ebene, auf Venture-Capital-Ebene, auf gesellschaftlicher Ebene.
Die KI-Fabrik in München ist ein Anfang. Hoffentlich nicht das Ende der Ambitionen.