Monachium, mamy Exaflop: Koniec wymówek dla średnich przedsiębiorstw

KI & Automatisierung · 7. Februar 2026 · Joseph Flesh

Telekom buduje w Monachium fortecę AI. Dla wielu średnich przedsiębiorstw brzmi to jak science fiction. Ja mówię: to Wasza ostatnia szansa, aby nie zostać w tyle.

Czy wiecie, co to jest Exaflop? Bez obaw, ja też musiałem to sprawdzić. To liczba z 18 zerami. Trylion operacji obliczeniowych. Na sekundę. Spróbujcie sobie to wyobrazić – nie udaje się, prawda? To jedna z tych astronomicznych wielkości, przy których ludzki mózg po prostu się wyłącza. I właśnie ta absurdalna ilość mocy obliczeniowej powstaje tuż za naszymi drzwiami.

Forteca AI w Tucherpark: Więcej niż tylko gorące powietrze

Szczerze mówiąc: Kiedy Deutsche Telekom ogłasza kolejną 'innowację', zazwyczaj tylko wzruszam ramionami. Zbyt często były to zasłony dymne, mające odwrócić uwagę od zrujnowanych sieci. Ale to, co oficjalnie ruszyło 6 lutego tego roku w Monachium, to zupełnie inna liga. 'Industrial AI Factory' w Tucherpark to – i nie mówię tego często – prawdziwy przełom. Wspólnie z Nvidia i partnerem centrum danych Polaris, firma z Bonn w zaledwie sześć miesięcy stworzyła infrastrukturę, której w Europie jeszcze nie było. Nie mówimy tu o kilku szafach serwerowych w piwnicy. Mówimy o prawie 10 000 najnowszych procesorów graficznych Nvidia Blackwell. To sprzęt, którym zachwyca się każdy guru technologii w USA. A teraz stoi w Monachium i czeka na dane niemieckich średnich przedsiębiorstw.

Chodzi o to, że nie chodzi tu tylko o surową moc. Cała konstrukcja działa pod sztandarem suwerenności danych. Słowo, które przez długi czas wywoływało ziewanie w zarządach, dopóki nie pojawiły się pierwsze kary RODO i nie zdano sobie sprawy, że własne dane produkcyjne u amerykańskich hiperskalatorów mogą jednak nie być tak bezpieczne jak w domowym sejfie. Telekom obiecuje fortecę zgodną z niemieckim prawem o ochronie danych. Cyfrowe więzienie o zaostrzonym rygorze dla klejnotu koronnego niemieckiego przemysłu: naszego know-how procesowego. Aby uczynić to wszystko dostępnym dla firm, istnieje „Deutschland Stack”. Rodzaj zestawu konstrukcyjnego, w którym Telekom dostarcza infrastrukturę, a SAP – kto by inny – dodaje odpowiednie aplikacje biznesowe. Pierwsi użytkownicy, tacy jak specjalista od robotyki Agile Robots czy kuźnia symulacji PhysicsX, są już na pokładzie. To pokazuje: to nie jest papierowy tygrys. Maszyny już działają.

Co to oznacza dla Twojej firmy w Bielefeld lub Biberach?

Już słyszę dyrektorów zarządzających z Sauerlandu i Allgäu: 'Dobrze dla nich, panie Müller. Ale co to ma wspólnego z moją giętarką do blach?' Słuszne pytanie. Do tej pory AI w produkcji była grą dla dużych graczy. Dla koncernów takich jak Siemens, które utrzymują własne działy AI i bez problemu wydają kilka milionów na projekt pilotażowy. Dla średnich przedsiębiorstw często pozostawały tylko dwie złe opcje: albo wysyłać swoje najbardziej wrażliwe dane do Amazon Web Services lub Microsoft Azure i mieć nadzieję na najlepsze – albo próbować sklecić rozwiązanie we własnej serwerowni, które ostatecznie kosztuje więcej niż przynosi i jest trudne do opanowania przez dział IT (składający się z jednej osoby i stażysty).

Ta nowa fabryka AI ma być trzecią drogą. Dostęp do absolutnie najlepszego sprzętu (te Blackwell to crème de la crème do trenowania AI), bez konieczności ponoszenia początkowej inwestycji w wysokości kilku milionów euro na zakup. I – to jest kluczowy punkt – bez oddawania kontroli nad własnymi danymi. Niezależnie od tego, czy chodzi o konserwację predykcyjną (Predictive Maintenance) Twoich pras, optymalizację ramion robotów na linii montażowej, czy tworzenie cyfrowego bliźniaka całej hali produkcyjnej do symulacji nowych procesów – moc obliczeniowa do tego może teraz pochodzić z Monachium. Z mniejszym opóźnieniem, zgodnie z niemieckim prawem i teoretycznie na zasadzie pay-per-use.

Dostępność suwerennej infrastruktury AI nie jest 'miłym dodatkiem', lecz strategiczną koniecznością dla niemieckiego przemysłu. Obniża próg wejścia dla średnich przedsiębiorstw, aby uczestniczyć w łańcuchach wartości opartych na danych, bez utraty kontroli nad własnym know-how. Przenosimy tworzenie wartości z powrotem do Europy.

— Prof. Dr. Anja Weber, kierownik Instytutu Fraunhofera ds. Inteligentnych Systemów Produkcyjnych w Stuttgarcie

Duże firmy pokazują drogę – średnie przedsiębiorstwa muszą nadążyć

Przyjrzyjmy się, jak działają liderzy. Siemens, jeden z wymienionych partnerów projektu, nie czeka, aż ktoś rozwinie przed nim czerwony dywan. Już lata temu zaczęli wzbogacać swoje portfolio o AI. Niedawno kupili Canopus AI, małą firmę specjalizującą się w AI w metrologii półprzewodników. Dlaczego? Ponieważ wiedzą, że dane z produkcji to nowe złoto, a AI to łopata do jego wydobycia. Teraz integrują swoje własne narzędzia symulacyjne – oprogramowanie, za pomocą którego BMW i inni planują swoje fabryki – bezpośrednio z tym monachijskim superkomputerem. Dla Siemensa jest to logiczny rozwój, nowa platforma sprzedaży dla ich produktów cyfrowych.

Dla średnich przedsiębiorstw jest to jednak również strzał ostrzegawczy. Jeśli duże firmy oferują swoje narzędzia bezpośrednio na najpotężniejszym dostępnym sprzęcie, przepaść między tymi, którzy korzystają z AI, a tymi, którzy tego nie robią, będzie się pogłębiać jeszcze szybciej. Do tej pory rozpoczęcie własnych projektów AI było kwestią pieniędzy i odwagi. Teraz jest to coraz bardziej kwestia czystej woli. Infrastruktura jest. Według aktualnego badania VDMA, ponad 60% producentów maszyn nadal waha się przed wdrożeniem AI, często z powodu niejasnego ROI i obaw o bezpieczeństwo. Właśnie te dwie przeszkody ma usunąć monachijska inicjatywa. Wymówki stają się więc coraz słabsze.

Ale chwila: Nie wszystko złoto, co się świeci

Zanim wszyscy zaczniemy się radować i przesyłać nasze dane do Monachium, jako doświadczeni praktycy powinniśmy na chwilę się zatrzymać i założyć krytyczne okulary. Jest bowiem kilka punktów, o których na pewno nie mówiono głośno podczas ceremonii otwarcia. Po pierwsze, lock-in. Zmieniamy zależność od Microsoftu czy Amazona na nową zależność od Deutsche Telekom i SAP. Czy to naprawdę lepsze? Monopolista pozostaje monopolistą – nawet jeśli mówi po niemiecku. Ceny za korzystanie z tego cudownego sprzętu leżą wyłącznie w ich rękach. Trudno jest wyjść z takiego ekosystemu, gdy już się w nim głęboko utknęło.

Po drugie, koszty. „As-a-Service” zawsze brzmi tak pięknie i elastycznie. Ale może być cholernie drogie, gdy licznik użycia GPU zacznie działać. W zeszłym tygodniu rozmawiałem z dyrektorem operacyjnym średniej wielkości dostawcy samochodowego ze Szwabii. Powiedział mi: „Panie Müller, nie potrzebuję pół Exaflopa do projektu badawczego. Potrzebuję niezawodnego rozwiązania, które powie mi, kiedy moja frezarka wymaga konserwacji. I to takiego, na które mnie stać i które rozumiem.” Trafił w sedno. Istnieje ryzyko, że strzela się tu z armat do wróbli. Cena dostępu do tego elitarnego sprzętu może być po prostu zbyt wysoka dla wielu „chlebowych” zastosowań w średnich przedsiębiorstwach. A eksperci AI, których i tak potrzebujesz do trenowania modeli i interpretowania wyników, nie rosną na drzewach nawet w Bawarii.

A potem jest jeszcze SOOFI – ten prestiżowy projekt europejskiego modelu językowego open-source z 100 miliardami parametrów. Brzmi świetnie. Europejska odpowiedź na ChatGPT i spółkę. Ale trzeba zadać pytanie: Czy producent narzędzi precyzyjnych potrzebuje LLM, który potrafi pisać wiersze? Czy raczej potrzebuje wysoce wyspecjalizowanego modelu, który rozpoznaje wzorce zużycia na końcówkach narzędzi na podstawie danych z czujników? Koń jest tu klasycznie zaprzęgany od tyłu. Buduje się największą armatę na świecie, a potem szuka odpowiedniego celu. Czy to naprawdę droga, na której niemieckie średnie przedsiębiorstwa skorzystają w swojej podstawowej wartości dodanej – stawiam tu duży znak zapytania.

Jasno i wyraźnie: Co powinieneś teraz zrobić jako dyrektor zarządzający

• 1. Przeprowadź inwentaryzację danych: Przestań marzyć o AI i zacznij odrabiać lekcje. Gdzie znajdują się Twoje najcenniejsze dane? W sterownikach (PLC) maszyn? W starych arkuszach Excela? W plikach CAD Twoich konstruktorów? Bez czystej, dostępnej bazy danych każda inwestycja w AI to spalone pieniądze. To żmudne, owszem. Ale nieuniknione.
• 2. Zdefiniuj „bolesny projekt”: Nie wybieraj najbardziej efektownego projektu AI, ale ten, który najbardziej Cię boli. Czy to wysoki wskaźnik odrzutów dla elementu XY? Nieoczekiwane przestoje maszyn w piątkowe popołudnie? Zdefiniuj JEDEN możliwy do opanowania problem, dla którego rozwiązanie miałoby jasną, mierzalną wartość.
• 3. Dokładnie oblicz: Skontaktuj się z dostawcami takimi jak T-Systems i poproś o Proof-of-Concept dla tego konkretnego problemu. Poproś o konkretną ofertę. Ile kosztuje korzystanie z platformy przez trzy miesiące? Ile dni konsultacji jest potrzebnych? Tylko twarde liczby pozwolą Ci podjąć prawdziwą decyzję.
• 4. Stwórz „zespół partyzancki”: Zbierz mały, interdyscyplinarny zespół. Jedna osoba z IT, doświadczony inżynier z produkcji, może nawet pracownik, który zna maszynę na wylot. Ci ludzie muszą napędzać projekt i budować most między zaawansowaną AI a surową rzeczywistością hali produkcyjnej.
• 5. Zadaj pytanie o suwerenność: Zadaj każdemu potencjalnemu partnerowi trudne pytania: Gdzie dokładnie znajdują się moje dane? Kto ma do nich dostęp? Jak wyglądają umowy? I co najważniejsze: Jak odzyskam moje surowe dane i wytrenowane modele, jeśli będę chciał zmienić dostawcę? Wyjaśnij strategię wyjścia, zanim wejdziesz.

Podsumowanie: Koniec wymówek, początek pracy

Z mojego doświadczenia wynika, że w Niemczech mamy tendencję do wiecznego filozofowania na temat idealnego, bezryzykownego rozwiązania na 110%, podczas gdy konkurencja za oceanem po prostu działa. To, co dzieje się w Monachium, jest już faktem. Nie jest idealne, wiąże się z ryzykiem – przede wszystkim kosztów i lock-inu. Ale to ogromna szansa na zniwelowanie luki technologicznej, która powstała w ostatnich latach. Pytanie nie brzmi już, czy wykorzystujemy AI w produkcji, ale jak. I po raz pierwszy od dawna mamy odpowiedź, która nie brzmi „AWS” czy „Azure”, ale „Monachium”.

Zakładam, że firmy, które teraz – z rozwagą – odważnie podejmą małe eksperymenty na tej platformie, za trzy lata będą na czele. Nie dlatego, że trenują ogromne LLM-y, ale dlatego, że nauczyły się wykorzystywać swoje dane do konkretnych ulepszeń w produkcji. Inni nadal będą siedzieć w salach konferencyjnych i dyskutować o ryzykach – podczas gdy ich księgi zamówień będą pustoszeć, a najlepsi inżynierowie będą odchodzić do konkurencji. Nic na to nie poradzisz.