Mnichov, máme Exaflop: Konec výmluv pro střední podniky

KI & Automatisierung · 7. Februar 2026 · Joseph Flesh

Telekom buduje v Mnichově AI pevnost. Pro mnoho středních podniků to zní jako science fiction. Říkám: Toto je vaše poslední šance, jak nezůstat pozadu.

Víte vlastně, co je to Exaflop? Nebojte se, taky jsem si to musel nejdřív vyhledat. Je to číslo s 18 nulami. Trilion výpočetních operací. Za sekundu. Zkuste si to představit – nedaří se, že? Je to jedna z těch astronomických veličin, u kterých lidský mozek prostě vypne. A přesně toto absurdní množství výpočetního výkonu právě vzniká za našimi dveřmi.

AI pevnost v Tucherparku: Více než jen horký vzduch

Upřímně: Když Deutsche Telekom opět oznámí nějakou 'inovaci', většinou jen pokrčím rameny. Příliš často to byly jen kouřové clony, aby odvedly pozornost od zchátralých sítí. Ale to, co oficiálně odstartovalo 6. února tohoto roku v Mnichově, je jiná liga. 'Industrial AI Factory' v Tucherparku je – a to neříkám často – velká událost. Společně s Nvidií a partnerem pro datová centra Polaris postavili Bonští za pouhých šest měsíců infrastrukturu, která v Evropě dosud neexistovala. Nemluvíme tu o několika serverových rackech ve sklepě. Mluvíme o téměř 10 000 nejnovějších GPU Nvidia Blackwell. To je hardware, o kterém právě teď každý technologický guru v USA básní. A ten teď stojí v Mnichově a čeká na data německých středních podniků.

Jde o to, že nejde jen o hrubou sílu. Celá konstrukce běží pod praporem datové suverenity. Slovo, které v kancelářích dlouho vyvolávalo zívání, dokud nepřišly první pokuty za GDPR a lidé si neuvědomili, že jejich vlastní výrobní data u amerických hyperscalerů možná nejsou tak bezpečná jako v domácím trezoru. Telekom slibuje pevnost podle německého zákona o ochraně dat. Digitální vysoce zabezpečený trezor pro korunní klenot německého průmyslu: naše procesní know-how. A aby to bylo pro firmy uchopitelné, existuje „Deutschland Stack“. Jakási stavebnice, kde Telekom poskytuje infrastrukturu a SAP – kdo jiný – na ni přidává vhodné podnikové aplikace. První uživatelé, jako je robotický specialista Agile Robots nebo simulační dílna PhysicsX, jsou již na palubě. To ukazuje: Toto není papírový tygr. Stroje už běží.

Co to znamená pro váš provoz v Bielefeldu nebo Biberachu?

Už je slyším, ty generální ředitele ze Sauerlandu a Allgäu: 'Dobře pro ně, pane Müllere. Ale co to má společného s mým ohýbacím strojem?' Oprávněná otázka. Dosud byla AI ve výrobě hrou pro velké hráče. Pro koncerny jako Siemens, které udržují vlastní AI oddělení a jen tak mimochodem uvolní pár milionů na pilotní projekt. Pro střední podniky často zbývaly jen dvě špatné možnosti: Buď poslat svá nejcitlivější data na Amazon Web Services nebo Microsoft Azure a doufat v to nejlepší – nebo se pokusit ve vlastní serverovně spíchnout řešení, které nakonec stojí víc, než přinese, a které je pro IT oddělení (skládající se z jedné osoby a jednoho učně) sotva zvládnutelné.

Tato nová AI továrna má být třetí cestou. Přístup k absolutně špičkovému hardwaru (tyto Blackwell-věci jsou to nejlepší pro trénink AI), aniž by bylo nutné nést počáteční investici v řádu několika milionů eur na nákup. A – to je klíčový bod – aniž byste se vzdali kontroly nad vlastními daty. Ať už jde o prediktivní údržbu (Predictive Maintenance) vašich lisů, optimalizaci robotických ramen na montážní lince nebo vytvoření digitálního dvojčete celé vaší výrobní haly pro simulaci nových procesů – výpočetní výkon pro to nyní může pocházet z Mnichova. S nižší latencí, podle německého práva a teoreticky na bázi pay-per-use.

Dostupnost suverénní AI infrastruktury není 'nice-to-have', ale strategická nutnost pro průmyslové centrum Německa. Snižuje vstupní bariéru pro střední podniky, aby se podílely na datově řízených hodnotových řetězcích, aniž by ztratily kontrolu nad vlastním know-how. Přesouváme tvorbu hodnot zpět do Evropy.

— Prof. Dr. Anja Weber, vedoucí Fraunhoferova institutu pro inteligentní výrobní systémy Stuttgart

Velcí ukazují cestu – střední podniky musí následovat

Podívejme se, jak jednají velcí hráči. Siemens, jeden z uvedených partnerů projektu, nečeká, až mu někdo rozvine červený koberec. Už před lety začali své portfolio obohacovat o AI. Nedávno koupili Canopus AI, malou firmu specializující se na AI v polovodičové měřicí technice. Proč? Protože vědí, že data z výroby jsou nové zlato a AI je lopata, jak ho vytěžit. Nyní integrují své vlastní simulační nástroje – software, kterým BMW a spol. plánují své továrny – přímo do tohoto mnichovského superpočítače. Pro Siemens je to logický vývoj, nová prodejní platforma pro jejich digitální produkty.

Pro střední podniky je to ale také varovný výstřel. Pokud velcí hráči nabízejí své nástroje přímo na nejvýkonnějším dostupném hardwaru, nůžky mezi těmi, kdo AI používají, a těmi, kdo ne, se budou rozevírat ještě rychleji. Dosud to byla otázka peněz a odvahy začít vlastní AI projekty. Nyní je to stále více otázka čisté vůle. Infrastruktura je tu. Podle aktuálního průzkumu VDMA však stále více než 60 % výrobců strojů váhá s implementací AI, často kvůli nejasné návratnosti investic a bezpečnostním obavám. Přesně tyto dvě překážky má mnichovská iniciativa odstranit. Výmluvy se tedy ztenčují.

Ale pozor: Není všechno zlato, co se třpytí

Než se teď všichni začneme radovat a sypat naše data do Mnichova, měli bychom jako zkušení praktici na chvíli zastavit a nasadit si kritické brýle. Existuje totiž několik bodů, o kterých se na zahajovací ceremonii jistě nemluvilo tak nahlas. Za prvé, lock-in. Vyměňujeme závislost na Microsoftu nebo Amazonu za novou závislost na Deutsche Telekom a SAP. Je to opravdu lepší? Monopolista zůstává monopolistou – i když mluví německy. Stanovení cen za používání tohoto zázračného hardwaru je zcela v jejich rukou. Z takového ekosystému se těžko dostává, když už jste v něm hluboko.

Za druhé, náklady. 'As-a-Service' zní vždy tak hezky flexibilně. Ale může to být sakra drahé, když se jednou spustí počítadlo využití GPU. Minulý týden jsem mluvil s COO středně velkého dodavatele automobilových dílů ze Švábska. Řekl mi: 'Pane Müllere, nepotřebuji půl exaflopu pro výzkumný projekt. Potřebuji spolehlivé řešení, které mi řekne, kdy je třeba provést údržbu mé frézky. A takové, které si mohu dovolit a kterému rozumím.' Tím trefil hřebíček na hlavičku. Hrozí, že se zde střílí kanónem na vrabce. Cena za přístup k tomuto elitnímu hardwaru by pro mnoho 'chlebových' aplikací ve středních podnicích mohla být prostě příliš vysoká. A AI experti, které stejně potřebujete k trénování modelů a interpretaci výsledků, ti taky nerostou na stromech v Bavorsku.

A pak je tu SOOFI – tento prestižní projekt evropského open-source jazykového modelu se 100 miliardami parametrů. Zní to skvěle. Evropská odpověď na ChatGPT & Co. Ale je třeba si položit otázku: Potřebuje výrobce přesných nástrojů LLM, který umí psát básně? Nebo spíše potřebuje vysoce specializovaný model, který rozpozná vzorce opotřebení na hrotech nástrojů ze senzorových dat? Tady se klasicky staví vůz před koně. Postaví se největší kanón na světě a pak se hledá vhodný cíl. Zda je to skutečně cesta, jak německé střední podniky v jádru své tvorby hodnot získají prospěch – to je pro mě velký otazník.

Jasně řečeno: Co byste měli jako generální ředitel udělat hned teď

• 1. Proveďte inventuru dat: Přestaňte snít o AI a začněte dělat své domácí úkoly. Kde leží vaše nejcennější data? V řídicích jednotkách (PLC) strojů? Ve starých tabulkách Excelu? V CAD souborech vašich konstruktérů? Bez čisté, přístupné datové základny je každá investice do AI spálenými penězi. Je to únavné, ano. Ale nevyhnutelné.
• 2. Definujte 'bolestivý projekt': Nevybírejte si nejokázalejší AI projekt, ale ten, který vás nejvíce bolí. Je to vysoký zmetkovitost u dílu XY? Neočekávané prostoje strojů v pátek odpoledne? Definujte JEDEN zvládnutelný problém, u kterého by řešení mělo jasnou, měřitelnou hodnotu.
• 3. Počítejte s tužkou v ruce: Obraťte se na poskytovatele jako T-Systems a požádejte o Proof-of-Concept přesně pro tento jeden problém. Nechte si vypracovat konkrétní nabídku. Kolik stojí používání platformy po dobu tří měsíců? Kolik poradenských dnů je potřeba? Pouze s tvrdými čísly můžete učinit skutečné rozhodnutí.
• 4. Vytvořte 'guerillový tým': Sestavte malý, interdisciplinární tým. Jeden z IT, zkušený inženýr z výroby, možná i dělník, který zná stroj zevnitř i zvenčí. Tito lidé musí projekt pohánět a překlenout propast mezi high-tech AI a drsnou realitou výrobní haly.
• 5. Položte otázku suverenity: Ptejte se každého potenciálního partnera na tvrdé otázky: Kde přesně leží moje data? Kdo k nim má přístup? Jak vypadají smlouvy? A co je nejdůležitější: Jak se dostanu zpět k mým surovým datům a trénovaným modelům, pokud budu chtít změnit poskytovatele? Vyjasněte si strategii odchodu, než se pustíte do práce.

Závěr: Konec výmluv, začátek práce

Podle mých zkušeností máme v Německu tendenci donekonečna filozofovat o perfektním, bezrizikovém 110% řešení, zatímco konkurence v zámoří prostě jedná. Tato věc v Mnichově je teď tady. Není dokonalá, nese s sebou rizika – především náklady a lock-in. Ale je to obrovská šance, jak překlenout technologickou propast, která se v posledních letech otevřela. Otázkou už není, zda budeme AI ve výrobě používat, ale jak. A poprvé po dlouhé době máme odpověď, která nezní 'AWS' nebo 'Azure', ale 'Mnichov'.

Vsadím se, že firmy, které se teď – s rozvahou – odváží k malým experimentům na této platformě, budou za tři roky napřed. Ne proto, že trénují obrovské LLM, ale proto, že se naučily využívat svá data pro konkrétní zlepšení ve výrobě. Ostatní budou pak stále sedět v konferenčních místnostech a diskutovat o rizicích – zatímco jejich objednávkové knihy budou prázdnější a nejlepší inženýři odejdou ke konkurenci. S tím se nedá nic dělat.