Mit dem Versprechen, Europas Abhängigkeit von US-Technologiekonzernen zu beenden, tritt das Schweizer KI-Labor Giotto an die Öffentlichkeit. Das 2017 aus Absolventen der Eidgenössischen Technischen Hochschule Lausanne (EPFL) hervorgegangene Unternehmen hat eine neue Modellfamilie für fortgeschrittenes schlussfolgerndes Denken (Reasoning) vorgestellt: das Flaggschiff Giotto Alto und das kompaktere Modell Giotto Solo. Gleichzeitig startet mit dem webbasierten Giotto OS eine schlüsselfertige Arbeitsumgebung samt Dokumentenanalyse, Code-Ausführung und Integrationen für europäische Unternehmen.
Doch nur wenige Stunden nach dem weltweiten Launch entwickelte sich aus dem Prestigeprojekt eine kontroverse Grundsatzdebatte. Erste Anwender ertappten das Schweizer Vorzeigemodell dabei, sich selbst als chinesisches Modell auszugeben - flankiert von Kritik an geschickt geschönten Benchmark-Vergleichen.
Zwei Modelle für Rechenzentrum und Einzelarbeitsplatz
Technisch setzt Giotto auf eine zweigleisige Architektur, die vor allem auf mathematische Effizienz und nachvollziehbare Denkprozesse optimiert sein soll. Das Spitzenmodell Giotto Alto richtet sich an anspruchsvolle Enterprise-Workloads und erfordert für den Betrieb im Rechenzentrum einen Verbund aus acht Nvidia B300-Grafikprozessoren. Giotto stellt Alto über seine Plattform cloud.giotto.ai sowie mobile Apps für iOS und Android ab sofort kostenlos und ohne zwingende Registrierung zur Verfügung.
Das Schwestermodell Giotto Solo hingegen ist gezielt dafür konstruiert, auf einer einzigen Grafikkarte lauffähig zu sein. Damit adressiert das Schweizer Team gezielt mittelständische Unternehmen, Kanzleien und Behörden, die für sensible Datenbestände keine Cloud-Verbindungen nutzen wollen oder dürfen. Beim Vertrieb wählt Giotto drei Bereitstellungswege:
- Europäische Shared Cloud: Kostenloser Chat-Zugang und eine API mit Pauschaltarif (Flat-Fee) für unbegrenzte Anfragen bei einer parallelen Anfrage, ergänzt durch Token-Pakete für Mehrfachzugriffe.
- Dedicated Cloud: Physisch isolierte Serverinstanzen in Schweizer und europäischen Partner-Rechenzentren mit monatlicher Mietabrechnung inklusive Softwarelizenz.
- On-Premises-Infrastruktur: Vollständige Installation auf eigener Hardware oder zertifizierten Geräten vor Ort, lizenziert nach Anzahl und Typ der eingesetzten GPUs.
Souveränität als gelebte Entscheidungsfreiheit
Giotto-Mitgründer und CEO Aldo Podestà begründet den Schritt in einer Mitteilung des Unternehmens mit einem grundlegenden Kontrollverlust: Europa dürfe nicht bloß eine andere Flagge auf dieselbe Abhängigkeit kleben. Wahre digitale Souveränität müsse eine Freiheit sein, die Anwender aktiv ausüben können, anstatt nur ein theoretisches Prinzip zu bleiben.
Wenn hochentwickelte Intelligenz Architekturen voraussetze, die sich nur eine Handvoll amerikanischer Plattformbetreiber leisten könne, bleibe Kontrolle das Privileg riesiger Budgets. Effizientere mathematische Modelle sollten den Hebel umlegen, damit auch lokale Organisationen fortschrittliches Reasoning betreiben können, ohne ihre Daten dem US Cloud Act oder fremden Infrastrukturen auszusetzen.
Das Team bringt dafür fundierte theoretische Vorarbeiten mit. Giotto erforscht seit Jahren Methoden der topologischen Datenanalyse und Modellinterpretierbarkeit. In den renommierten ARC-AGI-Wettbewerben belegte das Team 2024 den elften und 2025 den zweiten Platz unter rund 1.500 konkurrierenden Forschungsgruppen weltweit.
Geschönte Benchmark-Tabellen und Auslassungen
Für erhebliche Skepsis in der Fachwelt sorgt jedoch die Art und Weise, wie Giotto die Leistungsfähigkeit seiner Modelle präsentiert. Nach eigenen Herstellerangaben soll Giotto Alto beim anspruchsvollen Mathematiktest AIME 2026 eine perfekte Trefferquote von 100,0 Prozent erreichen und bei Humanity's Last Exam (HLE) auf 52,0 Prozent kommen.
In der offiziellen Werbegrafik vergleicht Giotto sein System zwar mit Google, OpenAI und Anthropic, wählt dafür aber gezielt schwächere oder ältere Modelle aus. So tritt Alto gegen Gemini 3.8 Flash an - während das aktuelle Flaggschiff Gemini 4 Argon fehlt. Auch der weltweite Spitzenreiter Claude Opus 5.5 von Anthropic taucht in der Übersicht überhaupt nicht auf.
Eine vergleichende Einordnung des Branchendienstes AIPulse Daily auf Basis der unabhängigen Ranglisten von Artificial Analysis verdeutlicht die Diskrepanz: Mit den selbst gemeldeten 52,0 Prozent auf Humanity's Last Exam landet Giotto Alto keineswegs an der Spitze, sondern lediglich auf Rang neun. Mindestens sechs stärkere Modelle, darunter Claude Opus 5.5 (61,4 Prozent), Claude Fable 5.1 (59,1 Prozent) und Gemini 4 Argon (57,1 Prozent), schnitten besser ab.
Chinesische Modellgewichte unter der Schweizer Haube
Noch schwerer wiegt eine Entdeckung aufmerksamer Nutzer kurz nach Freischaltung des Web-Zugangs. Im Dialog antwortete Giotto Alto auf bestimmte Abfragen unvermittelt mit dem Namen „Kimi“ - dem Flaggschiffmodell des chinesischen KI-Konzerns Moonshot AI. Das Modell schien seine eigene Herkunft nicht vergessen zu haben.
Auf Nachfrage auf der Plattform X bestätigte CEO Aldo Podestà den Sachverhalt: Giotto Alto habe tatsächlich Gewichte des chinesischen Open-Weights-Modells Kimi übernommen. Darauf aufbauend habe Giotto eigene Algorithmen für Reasoning und Nachjustierung trainiert. Erst kürzlich hatte Moonshot AI mit dem Open-Weights-Modell Kimi K3.1 Pro für Aufsehen gesorgt.
Diese Konstruktion führt zu einem bemerkenswerten Souveränitäts-Paradoxon: Das Schweizer KI-Aushängeschild, das Europa aus der Abhängigkeit von US-Konzernen befreien soll, bedient sich im Kern eines chinesischen Sprachmodells. Wenngleich das Weitertrainieren offener Gewichte in der Open-Source-Welt ein gängiges und legitimes Vorgehen darstellt, wirft es bei einem explizit als „europäisch souverän“ vermarkteten Produkt erhebliche Glaubwürdigkeitsfragen auf.
Infrastruktur-Kontrolle gegen Modell-Abstammung
Für IT-Entscheider offenbart der Vorstoß ein vertrautes Spannungsfeld, das bereits frühere Debatten um das Dilemma lokaler Modelle geprägt hat. Auf der Infrastrukturebene hält Giotto sein Versprechen: Sämtliche Berechnungen in der Dedicated Cloud oder auf On-Premises-Appliances laufen in europäischen Rechenzentren, unterliegen europäischem Recht und halten Kundendaten strikt isoliert.
Gleichzeitig zeigt der Fall erneut, wie schwer sich Europa damit tut, eigene Basismodelle von Grund auf zu entwickeln, die mit den milliardenschweren Vortrainings der US- und China-Giganten mithalten können. Während Initiativen wie Mistral Large 4 eigene Grundlagenmodelle finanzieren, greifen viele kleinere europäische Herausforderer pragmatisch auf bestehende Open-Weights-Gerüste zurück.
Wer Giotto einsetzt, gewinnt somit zweifellos Kontrolle über Datenflüsse, Hosting-Standorte und Kostenstrukturen. Die Behauptung, damit eine technologisch gänzlich autonome, europäische Spitzenintelligenz zu nutzen, hält dem Praxistest jedoch vorerst nicht stand.
🎯 Was das für die Praxis bedeutet
1. Hosting-Souveränität von Modell-Herkunft trennen: Unternehmen müssen klar unterscheiden zwischen der Kontrolle über den Serverstandort und der tatsächlichen Unabhängigkeit der zugrundeliegenden Modellgewichte.
2. Compliance-Prüfung in regulierten Branchen: Wer in Banken, im Gesundheitswesen oder im öffentlichen Sektor strenge Vorgaben nach dem EU AI Act erfüllen muss, benötigt lückenlose Transparenz über die gesamte Trainings- und Gewichtshistorie genutzter Modelle.
3. Lokales Reasoning mit Solo evaluieren: Das Ein-GPU-Modell Giotto Solo bietet einen pragmatischen, kostengünstigen Einstieg, um anspruchsvolle Analyseaufgaben direkt auf interner Hardware ohne externen Datenabfluss abzuwickeln.
4. Flat-Fee-Modelle für Budgetsicherheit nutzen: Giottos pauschale Abrechnung für Cloud-Abfragen bricht mit der unkalkulierbaren Token-Preistreiberei der US-Hyperscaler und erleichtert die finanzielle Jahresplanung.
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
