Autor:in: Yannick Kalff | Hinweis: Grafiken und Abbildungen sind ausschließlich in der PDF-Version der Publikation enthalten.
Die europäische KI-Entwicklung ist dynamischer, als die öffentliche Debatte vermuten lässt. Unsere Auswertung der Plattform Hugging Face zeigt: Im laufenden Jahr 2026 wächst die Zahl neu veröffentlichter Modelle aus Europa um rund 70 Prozent und damit etwas schneller als im Vorjahr. Das ist eine höhere Wachstumsrate als in China oder den USA. Absolut bleibt Europa zurück: rund 40 neue Modelle gegenüber rund 140 aus China. Der Anteil kleiner und mittlerer Modelle (30 bis 130 Milliarden Parameter) liegt in Europa bei 31,2 Prozent. Viele dieser Modelle sind frei verfügbar und lassen sich auf eigener Recheninfrastruktur betreiben. An diese Dynamik gilt es anzuschließen.
Die öffentliche Debatte kreist jedoch um wenige große Sprachmodelle, die Frontier-Modelle. Ihre Leistungsfähigkeit bestimmt den Stand der Technik und damit den technischen Rückstand Europas. Von allen untersuchten Modellen stammen etwas mehr als 10 Prozent aus Europa; mit den Spitzenmodellen aus den USA oder China kann keines davon konkurrieren.
Wir sehen in offenen Modellen jenseits der Frontier eine politische Chance für Europa. Für viele Aufgaben in Industrie und Verwaltung genügen kleine und mittlere Modelle, die auf einen konkreten Zweck zugeschnitten sind. Sie benötigen weniger Rechenleistung für Training und Betrieb (Inferenz). Deshalb kann Europa die Entwicklung und den produktiven Einsatz solcher Modelle gezielt fördern und ausbauen. Die europäische KI-Entwicklung kann so zu einem tragfähigen Standbein für den souveränen Einsatz von KI werden – trotz fehlender Rechenzentren und verzögerter Gigafactory-Strategie. Denn Souveränität entscheidet sich nicht allein an der Leistungsspitze der Frontier.
Zugleich bieten kleine und mittlere Modelle einen Skalierungshebel für ein souveränes europäisches KI-Ökosystem, das langfristig auch Frontier-Modelle entwickeln und betreiben kann. Investitionen in offene Modelle nach Open-Source- und Open-Weights-Prinzipien bauen technisches und institutionelles Erfahrungswissen auf. Davon profitieren auch größere Vorhaben.
Wir empfehlen, das Mittelfeld der europäischen KI-Entwicklung stärker in den Blick zu nehmen und gezielt zu unterstützen. Konkret schlagen wir vor, öffentlich-private Konsortien für die Modellentwicklung zu fördern, Anwendungsfälle in öffentlich-privaten Partnerschaften zu erproben und dabei technische Beratung und Implementierungshilfe bereitzustellen sowie eine anwendungsorientierte, vernetzte Forschungsförderung zu finanzieren, die in konkreten Transfer rückgebunden wird. So lässt sich ein souveränes KI-Ökosystem stärken, das Entwicklung und Einsatz von KI in offenen Strukturen vorantreibt und vorhandenes Know-how vernetzt.
In der Debatte um Künstliche Intelligenz dominieren die großen Sprachmodelle sowohl medial als auch politisch. Sie markieren die Grenze des aktuellen Entwicklungsstands und werden daher als Frontier-Modelle bezeichnet. Anthropics Claude, OpenAIs GPT-Serie und die Modelle chinesischer Anbieter wie Alibabas Qwen oder DeepSeeks v4 verschieben diese Grenze in immer kürzeren Abständen (Abbildung 1). Mistral ist derzeit das einzige europäische Unternehmen, das in diese Reihe gestellt werden kann und in vergleichsweise langen Abständen neue Modelle veröffentlicht.
[Abbildung 1 Modellhistorie | Quelle: Eigene Recherche]
Hinter der Frontier beginnt das vermeintlich ruhige Hinterland. Kleine und mittelgroße Modelle, die für spezifische Anwendungsfälle entwickelt und spezialisiert nachtrainiert (Fine-Tuning) werden, erhalten in der Wahrnehmung und in der politischen Debatte kaum Aufmerksamkeit. Gerade hier liegt jedoch ein Betätigungsfeld für europäische Anbieter:innen und Anwender:innen sowie für eine tragfähige industriepolitische Initiative. Entschiedene Aufmerksamkeit für diesen Bereich könnte Akteure dabei unterstützen, Modelle zu entwickeln und in Anwendung zu bringen und dadurch das politische Ziel eines souveränen europäischen KI-Ökosystems zu tragen.
Denn europäische Anbieter haben bisher kaum ausreichende Potenziale aufgebaut, um im Spitzenfeld mitzuspielen. Lediglich Mistral gilt als bedeutender Entwickler verschiedener LLMs, die an die Spitze heranrücken. Zudem setzt Mistral – wie chinesische Anbieter auch – auf einen Open-Weights-Ansatz und stellt Modelle und deren Gewichte bereit.[1] Ein genauer Blick ins Hinterland lohnt sich dennoch, denn europäische Entwickler:innen bieten hier durchaus Angebote an. Ihre Modelle erreichen zwar in Anwendungsdomänen wie der Programmierung oder der IT-Sicherheit nicht die Leistungsfähigkeit der Frontier-Modelle. Sie sind jedoch aufgrund ihrer geringeren Komplexität effizienter und benötigen weniger Rechenkapazität – sowohl für ihr Nachtraining (Fine-Tuning) als auch für ihren produktiven Einsatz (Inferenz).
In der Praxis treiben vor allem ökonomische und Effizienzfragen den Einsatz von Open-Weights-Modellen voran. Aber auch Risiko- und Sicherheitsabwägungen werden zunehmend relevant:
Für KI-Projekte, die Prozessdigitalisierung oder KI-Agenten in Verwaltung und Industrie umfassen, bieten kleinere Sprachmodelle daher eine gangbare Alternative abseits der Frontier-Modelle und der Bindung an Hyperscaler.[3] Mit Fokus auf europäische Modelle und die Betriebsinfrastruktur wird daraus zugleich ein Souveränitätsthema.
Die Debatte reduziert die Wahl oft auf „USA oder China“. Es gibt eine dritte Option. Auf der einen Seite stehen proprietäre US-Frontier-Modelle, deren Zugang aufgrund erratischer politischer Entscheidungen nicht jederzeit gewährleistet zu sein scheint.[4] Auf der anderen Seite stehen chinesische Open-Weights-Modelle mit möglicherweise zensierten Trainingsdaten und Antworten oder mit inhärenten Sicherheitsrisiken.[5] Dazwischen ermöglichen europäische Open-Weights-Modelle einen souveränen und verlässlichen Einsatz von KI in der Industrie und in der Verwaltung.
Wir empfehlen daher die hier verfügbaren Modellangebote aufzugreifen und in konkrete Anwendungsfälle zu überführen. Dies kann durch eine nachhaltige industriepolitische Förderung gelingen, die auch in die digitale Souveränität einzahlt.
Die Debatte um nicht-proprietäre Modelle wird häufig mit dem Begriff „Open Weights“ in Verbindung gebracht. Der Begriff ist vor allem bei chinesischen Modellen verbreitet. Große Anbieter wie DeepSeek oder Moonshot machen ihre Modelle nicht nur über eine Online-Schnittstelle (API) zugänglich, sondern veröffentlichen sie auch auf Plattformen wie Hugging Face. Ihre Nutzungsmöglichkeiten werden durch unterschiedliche Lizenzmodelle geregelt. Je nach Lizenzierungsansatz werden unterschiedliche Verwertungsmöglichkeiten eröffnet, die von restriktivem Ausschluss kommerzieller Interessen bis hin zu uneingeschränktem Einsatz reichen und unterschiedliche Rechte einräumen.
Open-Weights suggeriert eine Nähe zur Open-Source-Bewegung, was jedoch zu kurz greift. Offene und einsehbare Modellgewichte heben die Modelle zwar von proprietären Modellen wie jenen von Anthropic oder OpenAI ab; für tatsächlich offene Modelle nach der Open-Source-Definition sind jedoch zusätzlich transparente Auskünfte über die Art und Zusammensetzung der Trainingsdaten, den konkreten Trainingsdatensatz sowie den Trainingscode erforderlich.
Open-Weights-Modelle stehen in der Regel frei zum Download bereit. Jede:r mit geeigneter Hardware kann sie selbst betreiben – lokal oder in einem Rechenzentrum nach Wahl. Hinzu kommt die Möglichkeit, die Modelle durch Fine-Tuning an eigene Anwendungsfälle anzupassen.[6] Eins zu eins nachbauen lassen sie sich damit allerdings nicht. Auch die Qualität der Datengrundlage bleibt intransparent. Mögliche datenseitige Verzerrungen lassen sich daher nur durch systematische Tests und regelmäßige Audits statistisch annähern.
Auch wenn Open-Weights-Modelle nicht vollständig offen sind, liegt ihr besonderer Vorteil in ihrer freien Verfügbarkeit und im Einsatz in eigener Infrastruktur. Neben den bereits genannten Kostenvorteilen bietet der Eigenbetrieb auch Sicherheitsvorteile, da Betriebsgeheimnisse nicht abfließen und DSGVO-Vorschriften nicht verletzt werden, wenn die fraglichen Daten in der eigenen Infrastruktur verarbeitet werden. Lokale KI-Inferenz mit Open-Weights-Modellen ist damit ein relevanter Faktor für die Einhaltung von Compliance-Vorschriften.
Open-Weights-Modelle werden über Distributionsplattformen wie Hugging Face bereitgestellt. Diese ähneln dem Aufbau von Softwarequellcode-Repositorien wie GitHub und bieten Organisationen und Einzelpersonen eine Anlaufstelle, um eigene entwickelte Modelle bereitzustellen oder auf fremde Modelle unkompliziert zuzugreifen. Hugging Face gilt als Quasi-Standard für die Veröffentlichung von Modellen und ist eine ideale Quelle, um den Stand des europäischen KI-Ökosystems auch im Vergleich zu China und den USA genauer zu bestimmen. Stand Oktober 2026 bietet Hugging Face über 3 Millionen Modelle für verschiedene Anwendungsarten an.[7]
Wir haben nur Modelle zur Textgenerierung betrachtet, die auf Hugging Face verfügbar sind, und ihre Metadaten – Anzahl der Downloads, Veröffentlichungsdatum, Anzahl der Parameter, Lizenzierung – über die API-Schnittstelle ausgelesen. Die Daten wurden weiter eingegrenzt:
Mit diesen Einschränkungen sind auf Hugging Face insgesamt 1.037 Modelle verfügbar.
Abbildung 2 zeigt, wie sich die Modelle auf die drei Regionen verteilen. China führt mit deutlichem Vorsprung bei den absoluten Modellzahlen und macht über die Hälfte aller Veröffentlichungen aus. Die USA folgen mit etwas Abstand und stellen mehr als ein Drittel der Modelle auf Hugging Face bereit. China und die USA stellen zusammen etwa 90 Prozent aller ausgewerteten Modelle. Der Anteil europäischer Modelle beträgt nur etwas mehr als 10 Prozent.
Auf den ersten Blick erscheint das europäische Ökosystem damit weit abgeschlagen. Die absoluten Zahlen sind jedoch mit Vorsicht zu lesen. Sie umfassen auf allen drei Seiten möglicherweise Forschungsmodelle, die nicht für den produktiven Einsatz geeignet sind. Gelöschte Modelle tauchen ebenfalls nicht auf.
[Abbildung 2 Verteilung der auf Hugging Face verfügbaren Modelle auf drei Regionen USA, China, EU27 + CH + GB + NO | Quelle: Eigene Erhebung]
Neben den absoluten Zahlen lohnt sich ein Blick auf die Modellkomplexität aller Modelle, gemessen an der Anzahl der Parameter. Die Anzahl der Parameter gibt die Kapazität eines Sprachmodells an. Bei der Wiedergabe von Fakten helfen viele Parameter, da auch kleineres Detailwissen besser im Modell abgebildet wird. Gleichwohl ist die Anzahl der Parameter nur eingeschränkt als Qualitätsmaß geeignet. Außerdem sind proprietäre Frontier-Modelle aus den USA nicht auf Hugging Face veröffentlicht und fließen daher nicht in die Auswertung ein.
Abbildung 3 zeigt, dass sich die Spitze europäischer Modelle auf Hugging Face im mittleren Größensegment zwischen 30B und 130B Parametern verteilt. Europa hat in dieser Klasse den höchsten relativen Anteil unter den drei Regionen. Oberhalb von 130 Milliarden Parametern fehlt Europa jedoch vollständig,[9] während China mit 15,7 Prozent deutlich vor den USA liegt. Europa ist damit vor allem auf das Mittelfeld fokussiert und entsprechend aufgestellt. Die Zahlen sind jedoch vor dem Hintergrund der insgesamt sehr geringen Zahl an europäischen Modellen kritisch zu betrachten.
In den Daten zeigt sich ein strategischer Unterschied: Chinesische Anbieter veröffentlichen auch ihre komplexesten Modelle auf Hugging Face.[10] US-Anbieter stellen ihre leistungsfähigsten Modelle stattdessen nicht zum Download bereit, sondern über eigene API-Schnittstellen.
[Abbildung 3 Verteilung der auf Hugging Face verfügbaren Modelle je Region nach Parameterbereichen. | Quelle: Eigene Erhebung]
Tabelle 1 listet die jeweils größten Modelle der Regionen auf. Deutlich erkennbar hebt sich China bei den Modellgrößen, gemessen an der Anzahl der Parameter, ab. Anders als in den USA oder in der europäischen Region werden hier Parameterzahlen jenseits der Billionen-Marke (1T) mit Open-Weights-Modellen erreicht.
Tabelle 1: Überblick über die jeweils fünf größten Large Language Modelle je Region
| Modell | Parameter[11] | Erstellt | Downloads abs./Alter |
| China | |||
| moonshotai/Kimi-K3 | 2.8T | 06/2026 | 1.757.174 |
| Qwen/Qwen3.8-2.4T-A95B | 2.4T | 08/2026 | 84.899 |
| meituan-longcat/LongCat-2.0 | 1.8T | 07/2026 | 3.518 |
| deepseek-ai/DeepSeek-V4-Pro-Base | 1.6T | 04/2026 | 28.132 |
| nex-agi/Nex-N2.5-Max | 1.6T | 09/2026 | 12.870 |
| Europa | |||
| mistralai/Mistral-Medium-3.5-128B | 128B | 03/2026 | 181.428 |
| mistralai/Devstral-2-123B-Instruct-2512 | 123B | 12/2025 | 35.010 |
| mistralai/Mistral-Large-Instruct-2407 | 122B | 07/2024 | 193.601 |
| mistralai/Mistral-Small-4-119B-2603 | 119B | 03/2026 | 83.761 |
| Infinimol/miiqu-f16 | 90B | 03/2024 | 285 |
| USA | |||
| thinkingmachines/Inkling | 952B | 07/2026 | 616.361 |
| nvidia/NVIDIA-Nemotron-3-Ultra.550B-A55B-Base-BF16 | 550B | 06/2026 | 2.139 |
| Snowflake/snowflake-arctic-base | 482B | 04/2024 | 560 |
| meta-llama/Llama-3.1-405B | 405B | 07/2024 | 820.575 |
| meta-llama/Llama-4-Maverick-17B-128E | 400B | 04/2025 | 4.754 |
Quelle: Eigene Erhebung
Europäische Modelle fallen bei der Obergrenze der Parameterzahl deutlich geringer aus als chinesische oder US-amerikanische Modelle. Vier der fünf größten Modelle aus Europa werden von Mistral bereitgestellt.
Tabelle 2 veranschaulicht die fünf Modelle mit den höchsten Downloadzahlen je Region, gewichtet nach dem Alter der Modelle. Drei der fünf am häufigsten heruntergeladenen Modelle aus Europa stammen aus dem Jahr 2023 und sind damit relativ alt. Auch nach den Downloadzahlen gemessen dominiert Mistral als europäischer Anbieter. Lediglich Swiss-AI hat mit einem sehr aktuellen Modell eine hohe Nachfrage erzielt. Die Zahlen verdeutlichen, dass in allen drei Regionen vor allem mittelgroße Modelle eine hohe Downloadnachfrage verzeichnen.
Tabelle 2: Überblick über die jeweils fünf häufigsten heruntergeladenen Large Language Modelle je Region
| Modell | Parameter | Erstellt | Downloads abs. / Alter[12] |
| China | |||
| Qwen/Qwen3.8-27B | 27B | 08/2026 | 12.979.013 |
| Qwen/Qwen3-VL-8B-Instruct | 8B | 10/2025 | 6.538.505 |
| zai-org/GLM-5.3-Flash | 321B | 08/2026 | 6.510.636 |
| Qwen/Qwen3.6-35B-A3B | 35B | 04/2026 | 6.024.345 |
| Qwen/Qwen3.6-27B | 27B | 04/2026 | 5.614.631 |
| Europa | |||
| mistralai/Mistral-7B-Instruct-v0.2 | 7B | 12/2023 | 1.965.750 |
| mistralai/Mistral-7B-v0.1 | 7B | 09/2023 | 767.123 |
| mistralai/Ministral-8B-Instruct-2410 | 8B | 10/2024 | 370.876 |
| swiss-ai/Apertus-v1.5-8B | 8B | 07/2026 | 351.278 |
| mistralai/Mixtral-8x7B-v0.1 | 47B | 12/2023 | 258.164 |
| USA | |||
| openai/gpt-oss-20b | 20B | 08/2025 | 6.323.616 |
| openai/gpt-oss-120b | 120B | 08/2025 | 4.406.535 |
| llava-hf/llava-1.5-7b-hf | 7B | 12/2023 | 1.471.892 |
| thinkingmachines/Inkling | 952B | 07/2026 | 871.023 |
| thinkingmachines/Inkling-Small | 276B | 07/2026 | 684.270 |
Quelle: Eigene Erhebung
Die Zeitreihen in Abbildung 3 zeigen, wie sich die drei KI-Ökosysteme in den vergangenen Jahren entwickelt haben. Die Wachstumsquoten zeigen, dass Europa im laufenden Jahr 2026 (Januar bis September) vor den USA und China lag und erkennbar an Fahrt gewinnt. Die Dynamik bei US-amerikanischen und chinesischen Anbieter:innen verzeichnet einen anhaltenden Rückgang. Die Geschwindigkeit, mit der beide neuen Modelle auf Hugging Face veröffentlicht werden, nimmt ab. Für die USA fällt die Quote im Jahr 2025 unter die Verdopplungsschwelle. Im laufenden Jahr 2026 unterschreitet auch China diese Schwelle.
Die USA und China dominieren die absoluten Veröffentlichungszahlen auf Hugging Face. Seit 2025 laufen beide Regionen jedoch erkennbar auseinander: China schließt den Rückstand aus den Jahren 2023 und 2024 auf und überholt die USA Ende 2024. Die USA wachsen seitdem langsamer.
[Abbildung 3: Modellveröffentlichungen auf Hugging Face im Zeitverlauf (links) und relative Jahr-zu-Jahr-Wachstumsquote (rechts) | Quelle: Eigene Erhebung]
Verschiedene Lizenzmodelle sind das Aushängeschild eines offenen KI-Ökosystems, in dem Modelle auf Hugging Face eher permissiv oder restriktiv weiterverwendet werden können. Hier wird der Geist der Open-Source-Bewegung besonders deutlich, denn im Kern liegt die Möglichkeit, veröffentlichte Modelle je nach Lizenz zu modifizieren und kommerziell einzusetzen – wie Abbildung 4 zeigt, ist diese Möglichkeit bei 45 Prozent der europäischen Modelle tatsächlich gegeben. Ein Wert, der ausbaufähig ist und die Attraktivität der Modelle steigern kann.
Für Europa bietet sich die Chance, europäische Modelle insbesondere durch freizügige Lizenzen zu fördern und über die eigenen Grenzen hinweg zu verbreiten. Das heißt, die aktuell dominierende Veröffentlichungspraxis offener Gewichte könnte in einem weiteren Schritt in Richtung der Open-Source-Prinzipien weiterentwickelt werden, einschließlich der Offenlegung von Trainingsdaten und -methoden. So könnten Offenheit und Transparenz zu einem europäischen Qualitätsmerkmal werden.
Bislang sind europäische Modelle ähnlich strikt oder freizügig lizenziert wie Modelle aus China oder den USA. Zu den nicht kommerziell nutzbaren Modellen gehören vor allem solche, die unter Creative-Commons-Lizenzen veröffentlicht werden, die Derivate oder die explizite kommerzielle Nutzung untersagen. Verschiedene Entwicklungsfirmen wie Meta versehen ihre Modelle auch mit eigenen Lizenzmodellen. Veröffentlichungen nach der RAIL (Responsible AI License) sind selten. Diese Lizenz soll den verantwortungsvollen Einsatz von Modellen und Source-Code regeln und ethisch bedenkliche Verwendungen, beispielsweise für Deepfakes oder Falschinformationen, ausschließen.
[Abbildung 4 Lizenzkategorien nach Herkunftsregion | Quelle: Eigene Erhebung]
Die europäische Region ist bei der Entwicklung von Open-Weights-Modellen mittlerer Komplexität noch nicht verloren. Dafür sprechen zwei strukturelle Vorteile: Für die Entwicklung und das Training dieser Modelle werden weniger Ressourcen benötigt, und auch der Einsatz (Inferenz) erfordert weniger Rechenleistung. Daraus ergibt sich eine politische Chance, die europäische KI-Entwicklung in diesem Bereich als tragfähiges Standbein für den souveränen Einsatz von KI zu etablieren.
Wir sehen hierfür sechs notwendige Handlungsimpulse:
[1] Lang et al., 2026
[2] Mozilla Foundation, 2026, S. 51. Unternehmen zeigen zunehmend eine Wechselbereitschaft zu Open-Weights-Modellen, die vor allem kostengetrieben ist (Tan, 2026). Bitkom zufolge nutzen knapp 11 Prozent der befragten Unternehmen Open-Weights-Modelle, am häufigsten aus den USA (Bitkom e.V, 2026).
[3] Bundesdruckerei, 2026
[4] Mozilla Foundation, 2026
[5] Stein, 2025
[6] Stapel, 2026
[7] Ghosh et al., 2026
[8] Stapel, 2026, S. 366–367
[9] Mistrals im Oktober 2026 veröffentlichtes Modell mistral/mistral-large-4 soll Ende Oktober 2026 auf Hugging Face verfügbar gemacht werden und eine Billionen Parameter aufweisen.
[10] Die vom chinesischen Handelsministerium angekündigten Exportkontrollen für KI-Modelle werden voraussichtlich diese Politik ändern. Die Regelungen beschränken die Verfügbarkeit von Modellen nach Trainingsaufwand, Modellgröße oder Leistung in gängigen KI-Benchmarks. Das schließt auch die Veröffentlichung von Gewichten und Modellen auf Hugging Face ein (Wu, 2026).
[11] Wir geben die Gesamtzahl der Parameter in Milliarden (B) oder Billionen (T) an. Mixture-of-Experts-Modelle (MoE) wie Qwen/Qwen3.8-2.4T-A95B haben neben Gesamtparametern eine niedrigere Zahl an aktiven Parametern, die bei Anfragen an das Model selektiv genutzt werden.
[12] Wir berechnen den Zahlenwert als Gesamtzahl der Downloads, geteilt durch das Modellalter in Monaten. So berücksichtigen wir, dass ältere Modelle über einen längeren Zeitraum mehr Downloads ansammeln konnten. Datenstand: Oktober 2026.
[13] Mozilla Foundation, 2026
Bitkom e.V. (2026, September 9). KI aus China? Für die deutsche Wirtschaft praktisch kein Thema. https://www.bitkom.org/Presse/Presseinformation/KI-aus-China-fuer-deutsche-Wirtschaft-kein-Thema
Bundesdruckerei (Hrsg.). (2026). Forschungsprojekt ADLER – effiziente und souveräne Sprachmodelle für die öffentliche Verwaltung [Whitepaper]. Bundesdruckerei Gruppe. https://www.bundesdruckerei.de/files/dokumente/pdf/Whitepaper_Forschungsprojekt_Adler.pdf
Ghosh, A., Kaffee, L.-A., Jernite, Y., & Solaiman, I. (2026, April 14). State of Open Source on Hugging Face: Spring 2026. huggingface.co. https://huggingface.co/blog/huggingface/state-of-os-hf-spring-2026
Lang, A.-S., Serve, V., & Lindern, J. von. (2026, Juni 5). KI-Unternehmen in Europa: Hat Europa das KI-Wettrennen wirklich schon verloren? Die ZEIT. https://www.zeit.de/wirtschaft/2026-06/ki-unternehmen-europa-mistral-aleph-alpha-anthropic
Mozilla Foundation. (2026). Open Source AI 2026 (Nr. V1.1). https://stateofopensource.ai/state-of-open-source-ai-v1-1.pdf
Open Source Initiative. (o.J.). What are Open Weights? https://opensource.org/ai/open-weights
Stapel, I. (2026). Souveräne KI: Strategie und Aufbau der eigenen Open-Source-Infrastruktur (1. Auflage). Rheinwerk Verlag.
Stein, S. (2025, November 20). CrowdStrike Researchers Identify Hidden Vulnerabilities in AI-Coded Software. CrowdStrike.Com. https://www.crowdstrike.com/en-us/blog/crowdstrike-researchers-identify-hidden-vulnerabilities-ai-coded-software/
Tan, E. (2026, September 4). Corporate America Is Getting Hooked on Open-Source A.I. The New York Times. https://www.nytimes.com/2026/09/04/technology/open-source-ai-anthropic-openai.html
Wu, Z. (2026, Oktober 16). China unveils draft export controls on AI technologies and chips. Financial Times. https://www.ft.com/content/e0a1295c-4492-4fdd-aaf5-55678a9ef9bf?syn-25a6b1a6=1

Wirkungsorientierung im Alltag von Verwaltungsmitarbeitenden: Ergebnisse aus einer quantitativen Onlinebefragung und Reallaboren.
Dr. Vivien Benert

Der Digitalhaushalt 2025. Wird er den hohen Erwartungen gerecht?
Prof. Dr. Irene Bertschek, Dr. Patrick Breithaupt, Prof. Dr. Friedrich Heinemann, Dr. Thomas Niebel, Jacob Schildknecht, Dr. Stefan Heumann

Digitalisierung messbar machen: Ein anwendungsorientierter Indikatorenkatalog für Politik und Verwaltung.
Dr. Vivien Benert, Benedikt Göller
Wer sich für unsere Arbeit interessiert, kann sich hier für unseren Newsletter eintragen.