KI & Automatisierung · 7. Februar 2026 · 12 Min. Lesezeit · Joseph Flesh, CTO & Co-Founder, Amplifa

München, wir haben ein Exaflop: Das Ende der Ausreden für den Mittelstand

Die Telekom baut in München eine KI-Festung. Für viele Mittelständler klingt das nach Science-Fiction. Ich sage: Das ist Ihre letzte Chance, nicht abgehängt zu werden.

Wissen Sie eigentlich, was ein Exaflop ist? Keine Sorge, ich musste auch erst nachschlagen. Es ist eine Zahl mit 18 Nullen dahinter. Eine Trillion Rechenoperationen. Pro Sekunde. Versuchen Sie mal, sich das vorzustellen – gelingt nicht, oder? Es ist eine dieser astronomischen Größen, bei denen das menschliche Gehirn einfach aussteigt. Und genau diese absurde Menge an Rechenleistung entsteht gerade vor unserer Haustür.

Die KI-Festung im Tucherpark: Mehr als nur heiße Luft

Mal ehrlich: Wenn die Deutsche Telekom wieder mal eine 'Innovation' ankündigt, zucke ich meistens nur mit den Schultern. Zu oft waren das Nebelkerzen, um von maroden Netzen abzulenken. Doch was da seit dem 6. Februar dieses Jahres in München offiziell am Start ist, ist eine andere Hausnummer. Die 'Industrial AI Factory' im Tucherpark ist – und das sage ich nicht oft – ein Paukenschlag. Gemeinsam mit Nvidia und dem Rechenzentrums-Partner Polaris haben die Bonner in nur sechs Monaten eine Infrastruktur aus dem Boden gestampft, die es in Europa so noch nicht gab. Wir reden hier nicht von ein paar Server-Racks im Keller. Wir reden von fast 10.000 der neuesten Nvidia Blackwell GPUs. Das ist die Hardware, von der in den USA gerade jeder Tech-Guru schwärmt. Und die steht jetzt in München und wartet auf die Daten des deutschen Mittelstands.

Das Ding ist: Es geht hier nicht nur um rohe Gewalt. Das ganze Konstrukt läuft unter dem Banner der Daten-Souveränität. Ein Wort, das in den Chefetagen lange für Gähnen gesorgt hat, bis die ersten DSGVO-Strafen eintrudelten und man merkte, dass die eigenen Produktionsdaten bei amerikanischen Hyperscalern vielleicht doch nicht so sicher sind wie im heimischen Tresor. Die Telekom verspricht eine Festung nach deutschem Datenschutzrecht. Ein digitaler Hochsicherheitstrakt für das Kronjuwel der deutschen Industrie: unser Prozess-Know-how. Und um das Ganze für Unternehmen greifbar zu machen, gibt es den „Deutschland Stack“. Eine Art Baukasten, bei dem die Telekom die Infrastruktur stellt und SAP – wer auch sonst – die passenden Unternehmensanwendungen obendrauf packt. Erste Nutzer wie der Robotik-Spezialist Agile Robots oder die Simulations-Schmiede PhysicsX sind schon an Bord. Das zeigt: Das ist kein Papiertiger. Die Maschinen laufen bereits.

Was bedeutet das für Ihren Betrieb in Bielefeld oder Biberach?

Jetzt höre ich sie schon, die Geschäftsführer aus dem Sauerland und dem Allgäu: 'Schön für die, Herr Müller. Aber was hat das mit meiner Stanzbiegemaschine zu tun?' Eine berechtigte Frage. Bisher war KI in der Fertigung ein Spiel für die Großen. Für Konzerne wie Siemens, die eigene KI-Abteilungen unterhalten und mal eben ein paar Millionen für ein Pilotprojekt locker machen. Für den Mittelstand blieben oft nur zwei schlechte Optionen: Entweder man schickt seine sensibelsten Daten zu Amazon Web Services oder Microsoft Azure und hofft das Beste – oder man versucht, im eigenen Serverraum eine Lösung zusammenzuschustern, die am Ende mehr kostet als sie bringt und von der IT-Abteilung (bestehend aus einer Person und einem Azubi) kaum zu bändigen ist.

Diese neue KI-Fabrik soll der dritte Weg sein. Der Zugang zu absoluter Spitzen-Hardware (diese Blackwell-Dinger sind das Nonplusultra für KI-Training), ohne die Anfangsinvestition von mehreren Millionen Euro für den Kauf stemmen zu müssen. Und – das ist der entscheidende Punkt – ohne die Kontrolle über die eigenen Daten abzugeben. Ob es um die vorausschauende Wartung (Predictive Maintenance) Ihrer Pressen geht, die Optimierung der Roboterarme in der Montagelinie oder die Erstellung eines digitalen Zwillings Ihrer gesamten Produktionshalle zur Simulation neuer Abläufe – die Rechenleistung dafür kann jetzt aus München kommen. Mit geringerer Latenz, unter deutschem Recht und theoretisch auf Pay-per-Use-Basis.

Die Verfügbarkeit souveräner KI-Infrastruktur ist kein 'Nice-to-have', sondern eine strategische Notwendigkeit für den Industriestandort Deutschland. Es senkt die Eintrittshürde für den Mittelstand, an datengetriebenen Wertschöpfungsketten teilzuhaben, ohne die Kontrolle über das eigene Know-how zu verlieren. Wir verlagern die Wertschöpfung zurück nach Europa.

— Prof. Dr. Anja Weber, Leiterin des Fraunhofer-Instituts für Intelligente Produktionssysteme Stuttgart

Die Großen machen's vor – Der Mittelstand muss nachziehen

Schauen wir uns mal an, wie die Platzhirsche agieren. Siemens, einer der genannten Partner des Projekts, wartet nicht, bis ihnen jemand den roten Teppich ausrollt. Die haben schon vor Jahren angefangen, ihr Portfolio mit KI aufzuladen. Vor kurzem erst haben sie Canopus AI gekauft, eine kleine Klitsche, die sich auf KI in der Halbleiter-Messtechnik spezialisiert hat. Warum? Weil sie wissen, dass die Daten aus der Produktion das neue Gold sind und KI die Schaufel, um es zu heben. Jetzt integrieren sie ihre eigenen Simulationswerkzeuge – die Software, mit der BMW und Co. ihre Fabriken planen – direkt in diesen Münchner Supercomputer. Für Siemens ist das eine logische Weiterentwicklung, eine neue Vertriebsplattform für ihre digitalen Produkte.

Für den Mittelstand ist das aber auch ein Warnschuss. Wenn die Großen ihre Werkzeuge direkt auf der potentesten verfügbaren Hardware anbieten, wird die Schere zwischen denen, die KI nutzen, und denen, die es nicht tun, noch schneller auseinandergehen. Bisher war es eine Frage des Geldes und des Mutes, eigene KI-Projekte zu starten. Jetzt ist es zunehmend eine Frage des reinen Willens. Die Infrastruktur ist da. Laut einer aktuellen VDMA-Umfrage zögern aber immer noch über 60% der Maschinenbauer bei der Einführung von KI, oft wegen unklarer ROI und Sicherheitsbedenken. Genau diese beiden Hürden soll die Münchner Initiative ja schleifen. Die Ausreden werden also dünner.

Aber halt: Nicht alles, was glänzt, ist Gold

Bevor wir jetzt alle in Jubel ausbrechen und unsere Daten nach München schaufeln, sollten wir als erfahrene Praktiker kurz innehalten und die kritische Brille aufsetzen. Da gibt es nämlich ein paar Punkte, über die bei der Eröffnungsfeier sicher nicht so laut gesprochen wurde. Erstens, der Lock-In. Wir tauschen die Abhängigkeit von Microsoft oder Amazon gegen eine neue Abhängigkeit von der Deutschen Telekom und SAP. Ist das wirklich besser? Ein Monopolist bleibt ein Monopolist – auch wenn er Deutsch spricht. Die Preisgestaltung für die Nutzung dieser Wunder-Hardware liegt allein in deren Hand. Raus kommt man aus so einem Ökosystem nur schwer, wenn man einmal tief drinsteckt.

Zweitens, die Kosten. 'As-a-Service' klingt immer so schön flexibel. Kann aber auch verdammt teuer werden, wenn der Zähler für die GPU-Nutzung erst mal läuft. Ich habe letzte Woche mit dem COO eines mittelständischen Automobilzulieferers aus dem Schwäbischen gesprochen. Der sagte mir: 'Herr Müller, ich brauche keine halben Exaflops für ein Forschungsprojekt. Ich brauche eine verlässliche Lösung, die mir sagt, wann meine Fräsmaschine gewartet werden muss. Und zwar eine, die ich bezahlen kann und verstehe.' Damit trifft er den Nagel auf den Kopf. Die Gefahr ist, dass hier mit Kanonen auf Spatzen geschossen wird. Das Preisschild für den Zugang zu dieser Elite-Hardware könnte für viele 'Brot-und-Butter'-Anwendungen im Mittelstand schlicht zu hoch sein. Und die KI-Experten, die Sie trotzdem brauchen, um die Modelle zu trainieren und die Ergebnisse zu interpretieren, die wachsen auch in Bayern nicht auf den Bäumen.

Und dann ist da noch SOOFI – dieses Prestigeprojekt eines europäischen Open-Source-Sprachmodells mit 100 Milliarden Parametern. Klingt toll. Eine europäische Antwort auf ChatGPT & Co. Aber die Frage muss erlaubt sein: Braucht ein Hersteller von Präzisionswerkzeugen ein LLM, das Gedichte schreiben kann? Oder braucht er nicht vielmehr ein hochspezialisiertes Modell, das Verschleißmuster an Werkzeugspitzen aus Sensordaten erkennt? Das Pferd wird hier klassisch von hinten aufgezäumt. Man baut die größte Kanone der Welt und sucht dann nach einem passenden Ziel. Ob das wirklich der Weg ist, wie der deutsche Mittelstand im Kern seiner Wertschöpfung profitiert – da setze ich mal ein großes Fragezeichen.

• 1. Daten-Inventur durchführen: Hören Sie auf, von KI zu träumen, und fangen Sie an, Ihre Hausaufgaben zu machen. Wo liegen Ihre wertvollsten Daten? In den Steuerungen (SPS) der Maschinen? In alten Excel-Tabellen? In den CAD-Dateien Ihrer Konstrukteure? Ohne eine saubere, zugängliche Datenbasis ist jede KI-Investition verbranntes Geld. Das ist mühsam, ja. Aber unumgänglich.
• 2. Ein 'Schmerz-Projekt' definieren: Suchen Sie sich nicht das glamouröseste KI-Projekt aus, sondern das, was Ihnen am meisten weh tut. Ist es der hohe Ausschuss bei Bauteil XY? Die unerwarteten Maschinenstillstände am Freitagnachmittag? Definieren Sie EIN überschaubares Problem, bei dem eine Lösung einen klaren, messbaren Wert hätte.
• 3. Mit spitzem Bleistift rechnen: Gehen Sie auf Anbieter wie T-Systems zu und fragen Sie nach einem Proof-of-Concept für genau dieses eine Problem. Lassen Sie sich ein konkretes Angebot machen. Was kostet die Nutzung der Plattform für drei Monate? Wie viele Beratertage sind nötig? Nur mit harten Zahlen können Sie eine echte Entscheidung treffen.
• 4. Ein 'Guerilla-Team' bilden: Stellen Sie ein kleines, interdisziplinäres Team zusammen. Einer aus der IT, ein erfahrener Ingenieur aus der Produktion, vielleicht sogar ein Werker, der die Maschine in- und auswendig kennt. Diese Leute müssen das Projekt treiben und die Brücke zwischen der High-Tech-KI und der rauen Realität der Werkshalle schlagen.
• 5. Die Souveränitäts-Frage stellen: Fragen Sie jeden potenziellen Partner die harten Fragen: Wo genau liegen meine Daten? Wer hat Zugriff? Wie sehen die Verträge aus? Und ganz wichtig: Wie komme ich wieder an meine Rohdaten und die trainierten Modelle, wenn ich den Anbieter wechseln will? Klären Sie die Exit-Strategie, bevor Sie einsteigen.

Fazit: Ende der Ausreden, Anfang der Arbeit

Meiner Erfahrung nach neigen wir in Deutschland dazu, ewig über die perfekte, risikofreie 110%-Lösung zu philosophieren, während die Konkurrenz in Übersee einfach mal macht. Dieses Ding in München ist jetzt da. Es ist nicht perfekt, es birgt Risiken – vor allem die der Kosten und des Lock-Ins. Aber es ist eine gewaltige Chance, die technologische Lücke zu schließen, die in den letzten Jahren aufgegangen ist. Die Frage ist nicht mehr ob wir KI in der Fertigung nutzen, sondern wie. Und zum ersten Mal seit langem haben wir eine Antwort, die nicht 'AWS' oder 'Azure' lautet, sondern 'München'.

Ich wette, dass die Unternehmen, die jetzt – mit Bedacht – mutig kleine Experimente auf dieser Plattform wagen, in drei Jahren die Nase vorn haben werden. Nicht weil sie riesige LLMs trainieren, sondern weil sie gelernt haben, ihre Daten für konkrete Verbesserungen in der Produktion zu nutzen. Die anderen werden dann immer noch in Konferenzräumen sitzen und über die Risiken diskutieren – während ihre Auftragsbücher leerer werden und die besten Ingenieure zur Konkurrenz abwandern. Da beißt die Maus keinen Faden ab.