Bei der Konferenz „European Data Spaces: Towards Sovereign and Sectoral AI“ in Paris unterstrich Prof. Jakob Rehof, Co-Direktor des Lamarr-Instituts, wie entscheidend vertrauenswürdige Datenräume für die Entwicklung leistungsfähiger, vertikaler KI-Modelle sind. In seinem Vortrag „Data Sharing and Vertical AI – An Opportunity for European R&D“ erläuterte er, dass Europas Innovationskraft vor allem dort entsteht, wo Forschung und Industrie Zugang zu qualitativ hochwertigen, domänenspezifischen Daten erhalten. Erst auf dieser Grundlage lassen sich KI-Systeme entwickeln, die tief in industrielle Prozesse, wissenschaftliche Workflows und gesellschaftliche Anwendungen hineinwirken.
Besonderes Gewicht legte Rehof auf die aktuellen Forschungsansätze von Inria zu souveräner KI, agentenbasierten LLMs und neuartigen Dateninfrastrukturen. Sie verdeutlichen, wie wichtig europäische Grundlagenforschung für belastbare vertikale KI-Modelle ist und wie entscheidend die enge Verzahnung technisch-wissenschaftlicher Exzellenz mit robusten Datenräumen für Europas digitale Unabhängigkeit wird.
Der vielzitierte Draghi Report zur europäischen Wettbewerbsfähigkeit verleiht dieser Perspektive zusätzliche Relevanz: Er empfiehlt, die europäische KI-Entwicklung gezielt an den eigenen Stärken auszurichten – also an jenen Sektoren, in denen Europa traditionell führend ist. Vertikale KI-Modelle, die spezifische Branchenlogiken und Datenstrukturen abbilden, gelten dort als strategische Priorität. Damit dieser Ansatz trägt, braucht es interoperable Datenräume, robuste Infrastruktur, klare Governance und ein regulatorisches Umfeld, das Innovation und Sicherheit zugleich ermöglicht.
Die Diskussionen der Konferenz griffen genau diese Fragen auf: Wie Europa unabhängige und resiliente Daten- und KI-Architekturen etablieren kann, wie Nachvollziehbarkeit und Cybersicherheit gewährleistet werden und wie sich sektorspezifische KI von Gesundheit über Mobilität bis Energie skalieren lässt. Rehof machte deutlich, dass Europas Chance weniger in der Konkurrenz zu globalen General-Purpose-Modellen liegt, sondern im Aufbau vertrauenswürdiger, ressourceneffizienter und hochspezialisierter KI, die direkt an realen gesellschaftlichen und industriellen Bedarfen ansetzt.